文：王智远 | ID:Z201440

不知道算不算效率革命？

9月5日，我在上海外滩大会主论坛，听完中国工程院院士、阿里云创始人王坚的演讲后，实录还没来得及整理，晚上各大自媒体、媒体就已经纷纷发布了关于大佬们演讲的内容小班教学：揭秘最准一肖一码的选码秘籍与策略。

AI时代，总有人比你快，这是一个要学会利用工具，结合个人技能才能跟上发展节奏的时代。

我不喜欢别人夸我聪明，但对方说，你挺勤奋的，那我却很开心；什么是勤奋？在时间上投入更多吗？不是的。我认为勤奋，是一种“获得能力的能力”。

什么意思呢？

你去寻找一位高人，请求他传授你技能。这位高人问你，你想学什么？你说，我想学123....

如果把它具象化，就是”获得能力的能力“，你用两天时间掌握别人半个月还没接触到的信息，就是提高自己。

马斯克曾在一次大学演讲中被问道：“你是怎么取得今天的成功的？”马斯克的回答是：“Work Super Hard”（极度的勤奋）。

所以，尽管大会已经过去三天，网络上已经有很多碎片化关于王坚讨论AI的内容，但还是希望通过自己的理解方式，分享给你。

王坚院士在演讲中提到了三个核心维度，第一个是关于AI的历史与发展。他说，AI有着很长的过去，但只有非常短的历史。

为什么这么说呢？

我们知道，人工智能起源可以追溯到上世纪50年代初。

当时，图灵发表了一篇名为《Intelligent Machines》（智能机器）的文章，某种程度上开启了人工智能的漫长历史。

文章中，图灵首次探讨了机器与智能之间的关系，这篇文章还被发表在一本心理学的哲学杂志上。

那个年代，“计算机”这个词还没有正式出现，人们习惯称其为“计算机械”（computing machinery），这也是美国计算机学会（ACM）名称的由来。

图灵在那篇文章中第一次使用了“数字计算机”这个词，产生了深远的影响，直到今天，我们讨论机器智能时，许多最早的概念都可以追溯到这里。

之后，1956年的达特茅斯会议成为了人工智能发展的重要里程碑。但有意思的是，王坚提到，如果那场会议没有在达特茅斯召开，而是在别的地方，也许今天我们称之为“人工智能”的东西会有个完全不同的名字。

接下来，他从个人视角解释了人工智能的发展历程。

他说：

赫伯特·西蒙，一位心理学家，参与了达特茅斯会议并最终获得了诺贝尔经济学奖；1972年，作为美国计算机学会的代表，他首次访问了中国。80年代初，他又以美国心理学会的名义再次访问中国。

王坚回忆道，西蒙当时告诉他们，未来十年内，人工智能将发生翻天覆地的变化。这让他非常激动。然而，十年过去了，似乎什么也没发生。

但事实上，许多基础概念和理论早在那时已经被提出。

即便是神经网络，80年代末时已经有一本名为《PDP》的教科书，讲解了分布式处理（Parallel Distributed Processing），其中大部分内容都涵盖了神经网络的理论，也已经发生了变化。

当时的神经网络只有三层，每层只有两个节点，规模非常有限揭秘新澳精准资料免费提供的资源与服务内容。而今天，AI模型可以处理上千万个节点，神经网络的复杂性已经发生了质的飞跃。

那么，为什么说人工智能的历史非常短呢？

王坚解释，因为直到2017年，现代人工智能的历史才真正开始。那一年，谷歌提出了Transformer模型，这个模型改变了游戏规则，使得人工智能再次回到公众和产业的视野里。

所以，2017年之前的AI和今天的AI，已经是两码事。

因此，王坚强调，今天的人工智能只有7年的历史。这一切转折始于2017年的那篇文章，而有趣的是，这篇文章八位作者，如今都已经离开了谷歌。

这一切表明，今天的AI和80年代的AI已经完全不同，它们的发展路径和涌现方式截然不同。

第二个维度，关于AI＋。对于AI+，有两家公司是绕不开：OpenAI和谷歌。

王坚说：

这两家公司代表AI发展的不同路径。想先说说OpenAI。为什么OpenAI能够取得如此大的成功？

这不仅仅是因为他们在技术上有突破，更多的是因为他们的机制创新。

OpenAI不是一家普通的科技公司。它最开始是一个非盈利机构，但又通过与商业机构结合，形成了一种非常独特的存在。

大家想想，一个非盈利的机构和一个商业机构在同一个主体里共存，这背后有多么复杂的机制创新。这也是我为什么经常跟投资人说，用传统的投资方式，你是投不出OpenAI这样的公司来的。

因为它既不是纯粹的科研机构，也不是普通的商业公司，这种混合的机制，让OpenAI能够在技术上取得突破的同时，解决了很多其他公司难以处理的问题。

你们可能也知道，OpenAI和微软的合作，不只是让ChatGPT这样的产品诞生，他们还探讨GPT可以用在哪些场景中。

其他的那些产品可能有用，但不具革命性，最后都写成了书；这让我想起一句话：最具革命性的东西往往变成了产品，而不是写成书。这就是OpenAI和微软合作背后真正的力量所在。

相比之下，我们再看看谷歌，谷歌很行，但谷歌也很不行。为什么这么说呢？

谷歌在技术创新上毫无疑问是世界领先的，尤其是从0到1的创新。大家都知道，2017年谷歌提出了Transformer模型，这个模型可以说是AI领域的一次重大突破，它让今天的AI重新进入了大众视野。

但是，谷歌的问题是：它并没有像OpenAI那样通过机制创新，把技术真正转化为一个具有广泛社会影响力的产品上。

你可能听过最近斯坦福最近的一场发言，大家都在讨论谷歌的技术多么厉害，但同时也在说，谷歌并没有像OpenAI那样，这就是为什么我说，谷歌很行，但它也很不行。

它在技术上做到了极致，但在机制创新和市场化应用上，还有很大的空间，所以，OpenAI不仅仅在技术上走得很远，它在理解问题的深度上，也有着独特的优势。

既然如此，我们再谈谈ChatGPT与AI+的本质。

很多人一提到ChatGPT，就会把它当作一个普通的应用来看待。这样的理解是远远不够的。

它的意义不仅仅在于它能与人对话，而在于它提供一个全新的方式，让AI能够与行业深度结合，去解决很多过去解决不了的问题。

我们今天谈AI+，不能简单地把它理解为“AI加上一个行业”，这样做反而是对AI+的庸俗化。AI+的关键不在于加了什么，而在于如何加。

ChatGPT出现，不只是让AI能够对话，它提供了一个框架，让AI能够嵌入到各行各业，去赋能各个领域；这个赋能不是技术堆叠，而是一种全新的交互方式，一种帮助行业解决实际问题的能力。

很多时候，我们就会把AI看作是一个工具，把它应用到不同的领域里去，这是不准确的；我认为，ChatGPT的本质是一个应用平台。

它可以让不同的行业围绕这个平台去构建自己的应用场景。你可以通过ChatGPT解决客户服务的问题，处理自然语言的需求，甚至可以通过它进行复杂的数据分析。

ChatGPT为行业打开了很多新的可能性，这就是它的真正意义所在掌握管家婆最准一肖一特，轻松提升选号成功率。

还有一点，我常常提醒大家：ChatGPT不是AI+的一个应用，而是一个基础设施，它为AI与行业的结合提供了一个通用的框架。

我们可以看到，在各种行业中，ChatGPT都已经被用来解决那些过去需要人类处理的复杂问题；无论是金融、教育，还是医疗，ChatGPT都在这些领域中找到了自己的位置。

这就是AI+的真正价值所在，它不仅仅是把AI简单地加到某个行业中，而是让AI通过平台为行业赋能，带来深层次的变革。

所以，ChatGPT，不只是让AI能够做更多的事情，更重要的是它为AI+提供了一个强大的基础。我们应该从这个角度来看它的意义。

通过AI的本质，再回过头来思考下，OpenAI与创新机制的变革与技术设施的关系。

有一次，黄仁勋说，ChatGPT是人工智能的iPhone时刻2024年最全天天彩免费资料：如何通过数据抓住机会？。这句话被很多人引用，刚听到时，我也觉得很振奋；但后来仔细一想，这句话有点问题。

为什么呢？

因为ChatGPT到底是什么没有说清楚，人工智能是什么也没有完全解释清楚，而iPhone又是什么更是没说清楚。

把这三个模糊不清的东西放在一起，形成一个看似宏大的说法，却没有给出具体的解释。

大家总是说，iPhone生态系统多么重要，Apple Store的存在是关键。但其实，Steve Jobs发布第一代iPhone时，Apple Store是不存在的。

当时和Jobs一起发布iPhone的公司，今天几乎都消失了；所以，iPhone到底是什么？我们往往没有真正去深思。

其实，黄仁勋的这句话让我想起另一句话。当AlphaFold 2发布时，有人说，这是生物学的ImageNet时刻，这句话真正反映了技术发展的背后逻辑。注：（AlphaFold 2是由 DeepMind开发的一个人工智能系统，专门用于预测蛋白质的三维结构）。

这一切的开端可以追溯到Jeff Hinton和他的两个学生发表的那篇经典论文。

论文揭示了人工智能的三大基础要素：有组织的数据（ImageNet）、神经网络模型（CNN）以及算力（GPU）。这篇文章首次将这三者完美结合，奠定了今天AI发展的基础。

GPU在那篇文章之后，逐渐成为学术界和工业界的标准。当时，Hinton和他的学生只用了两张普通的GPU卡，而这些卡当时在中国的每个网吧里都能找到。

尽管如此，这两张GPU卡的算力已经超过了上万个CPU核。而这正是技术突破的关键。算力的重要性不言而喻，但在创新的早期阶段，没有比人类的创造力更重要的东西了。

然而，随着AI的发展，数据、模型、算力的规模都在迅速增长。当这些因素的规模增加1000倍时，技术的性质也随之发生了根本性的变化。

这是一个质的飞跃。

就像Pascal曾经说过的，婴儿的速度增加1000倍后就是一架喷气机。规模改变了技术的格局，今天我们讨论的AI，离不开其背后庞大的算力和数据处理能力。

这正是AI基础设施诞生的背景；当数据、模型和算力的规模变得如此之大时，传统技术架构已经不足以应对，我们需要新的基础设施来承载这一切。

基础设施的引入，不仅解决了AI技术的规模问题，也为未来的智能商业系统提供了坚实的基础。

最后，第三点，通过技术设施，来审视当下的云计算。

大家回过头来看，在云时代、移动时代和AI时代，大家讨论的基础设施是什么？不容错过的新澳2024今晚开奖资料，分享中奖经验。

毫无疑问，答案是云计算。

这里很有意思的是，大家甚至把苹果和英伟达也划到了基础设施这一类中；这种分类方式让人觉得有趣，但并不奇怪，为什么呢？

因为大家觉得这些企业理应去做云计算。

作为做云计算的我，看到这样一张图时，感到非常激动。这张图不是我画的，但我看完之后，觉得它表达的意思和我的理解完全一致。

你们可以看到，这张图列出了美国六家做AI的独角兽企业，而背后的基础设施支持也很耐人寻味。

OpenAI背后的投资达到了100亿美金，来自微软；第二名则是背后由AWS提供支持的公司。大家可以看到，全球排名前几的云计算服务商，几乎都在支持今天的美国AI独角兽公司。

当然，大家可能会觉得奇怪，为什么这里有第一、第二、第三、第五和第六，却没有第四名呢？第四名是阿里云。这个现象从云计算的角度就能看出来，基础设施在将来这些技术的发展中会有多么大的影响。

同时，也反映了各个产业之间的差距到底在哪里。

这也让我想起刚才说的一句话：微软看起来不行，但其实也很行。微软在人工智能上没有做出像Transformer那样的技术突破，但它凭借云计算和基础设施，与OpenAI联手，创造出了今天大家看到的成果。

所以，微软从另一个角度来看，还是非常成功的。

因此，在AI、AI+和AI基础设施的逻辑中，每个人都有机会去做出自己能创造历史的事情。

我前几天看到一个创业公司，为了证明他们创业的重要性，画了一张图，图中很有意思地展示了数据、计算和算法的关系。

但我要强调的是，如果这些东西不在基础设施的框架里，事实上它们是没有太大价值的。

数据不仅仅是模型的附属品，也不仅仅是计算的附属品，只有当这些东西成为完整的基础设施时，真正激动人心的创新才会发生。

如果大家审视历史会发现，传统IT时代的云计算和AI时代的云计算，两者有所不同；同样，数据也做了区分，传统意义上的数据和AI时代的数据，这两者之间也存在细微的差异。

以上是王坚关于AI、AI+、AI基础设施三个维度的思考。

当我们再看AI、AI+和AI基础设施时，会发现这个世界不仅仅是技术在革命，机制也在革命，基础设施也在革命。

没有什么比这三项革命同时发生更让人激动的了。因此，我也相信这些革命正在创造未来。

注：保留原观点同时，有删减，有对逻辑顺序的重构。