生成式AI：三块短板、两道难题、一个悖论

声明:本文来自于微信公众号 腾讯研究院（ID:cyberlawrc），作者:闫德利，授权站长之家转载发布。

闫德利腾讯研究院资深专家

炼大模型，大炼模型

近年是全球风险投资的低潮，生成式AI（GenAI）却逆市而起，去年的融资笔数和融资额分别增长66%和400%(来源:CB Insight，如下图所示)，融资额高居所有细分领域第一位(来源:Dealroom.co)。去年美国前5大风险投资中，OpenAI、Anthropic(2笔)和Inflection AI三家GenAI公司占据了4个，融资额分别高达100亿美元、40亿美元、20亿美元和13亿美元，主要投资者是微软、亚马逊、谷歌和英伟达等巨头(来源:Crunchbase)。

2019-2023年全球GenAI的融资笔数和融资额

当下的Gen[]AI热潮起源[]于美国产业界[]，实际上美国[]政府也高度重[]视，提出了“[]确保继续保持[]领导地位”的[]战略目标。在[]奥巴马时期，[]美国白宫发布[]《国家人工智[]能研发战略计[]划》（201[]6），特朗普[]时期(201[]9)和拜登时[]期(2023[])分别对其进[]行了更新，从[]而形成了9大[]战略——长期[]投资、人和A[]I协作、伦理[]、安全、数据[]集、评估标准[]、人才、公私[]合作、国际合[]作。为推进战[]略执行和落地[]，美国白宫科[]技政策办公室[](OSTP)[]相继设置了人[]工智能特别委[]员会(201[]8)和国家人[]工智能倡议办[]公室(202[]1)。

我国也炼大模[]型、大炼模型[]。今年一季度[]，全球前三大[]GenAI风[]险投资中，我[]国占其二——[]月之暗面10[]亿美元A轮融[]资和Mini[]Max6亿美[]元融资。电信[]运营商、手机[]厂商、家电厂[]商、汽车公司[]、软件公司、[]AI公司、互[]联网公司、电[]商等各类型的[]企业纷纷涉足[]，已有117[]个大模型通过[]国家生成式人[]工智能服务备[]案。大模型成[]为大厂标配。[]不过并没有短[]兵相接的“百[]模大战”，反[]而颇有井水不[]犯河水之意。[]

三块短板

我国人工智能[]位居世界前列[]。但也存在尚[]待补齐的短板[]，集中体现在[]算力、数据集[]和人才三个方[]面。

一是算力。GenAI以算力堆积实现智能涌现，其成功依赖暴力美学。根据Jaime Sevilla等人的研究（2022），在前深度学习时代(1952-2009)，算力需求每21.3个月翻一番，符合摩尔定律;在深度学习时代(2010-2022)，算力需求加快到每5.6个月翻一番。如下图所示。根据THE DECODER披露(2023)，GPT-4的每秒浮点运算次数(FLOPs)达到2.15×10^25，一次训练成本6300万美元。

里程碑机器学习系统的训练算力需求

来源:Sev[]illa J， Heim L， Ho A， et al. Comput[]e trends[] across[] three eras of machin[]e learni[]ng.202[]2.

在机器学习图[]形处理器领域[]，英伟达占有[]95%的市场[]份额（来源:[]New Street[] Resear[]ch，202[]3）。英伟达[]的A100和[]H100芯片[]是训练大模型[]的“金刚钻”[]，具有不可替[]代性。由于美[]国对华GPU[]限令，我国面[]临卡脖子现实[]。

二是数据集。我国数据规模大。根据国家互联网信息办公室《数字中国发展报告（2022年）》，2022年我国数据产量8.1ZB，全球占比10.5%，位居世界第二。这被看作发展相关产业的优势。然而，规模优势不足以弥补质量欠缺。不管把多大数量的马车连续相加，也决不能得到一条铁路(熊彼特，1934)。数据质量至少同等重要。在Hugging Face的高质量数据集中，英语以37.7%的比重位居第一位，中文仅占3.2%，和波兰语并列第九(来源:OECD，2023)。如下图所示。我国数据集的质量仍有待进一步提升。当然，这非一日之功，需要历经岁月的积累。

三是人才。自1966年以来，全世界共有77人获得图灵奖。其中只有一名华人——姚期智（2000）。我国计算机科学的历史积淀尚有不足，所幸近年进步很大，成为美国最大的竞争对手。根据MacroPolo数据(2024)，全球最顶级(前2%)AI研究人员的原籍国中，我国以26%的比例逼近美国(28%)，位居第二位。在顶级(前20%)AI研究人员的原籍国中，我国有47%，远超美国(18%)。但仍有隐忧，在最顶级(前2%)AI研究人员的就业国家中，我国仍位居第二，但仅有12%，远落后于美国(57%)。如下表所示。GenAI高度依赖人们的创新能力。如何吸引全球顶尖人才来华创业、就业，是需要努力的方向。

全球AI人才的分布比例

来源:根据MacroPolo（2024）数据整理

两道难题

每次创新都不[]是轻而易举的[]，都需要破除[]很多困难，遭[]受人们的质疑[]。当前的Ge[]nAI面临以[]下两个比较突[]出的问题。当[]然，只有发展[]才能解决问题[]。

一是缺乏杀手级应用，面临商业化困难。伟大的时代，必有杀手级应用。例如PC时代的Office，桌面互联网时代的搜索，移动互联网时代的手机支付。GenAI是世界潮流，然而还处于应用推广的早期，美国企业的AI采用率仅有5.4%（来源:人口普查局，2024）。大模型燃烧的是美元，产出是更少的美元。作为全球最性感的GenAI公司， OpenAI 有会员订阅付费、开发者付费和微软分成三种盈利模式，自成立以来的收入累计不足20亿美元(来源:Finbold)，却耗费了113亿美元融资。微软的GitHub C o p i l o t也采用会员订阅模式，用户需支付10美元月费或100美元年费。但因计算成本高，微软平均每月在每个用户上的亏损超过20美元，重度用户高达80美元(来源:华尔街日报，2023.10)。GenAI尚不具备传统软件的规模经济，需要通过给用户巨额补贴来培育市场。国内用户则更喜欢免费，为优质内容和知识付费的习惯尚未形成，会员订阅不成主流。GenAI的商业模式仍处于探索的初期。

二是未能显著提振平台企业业绩，云和芯片是最大受益者。GenAI的兴起为我国平台经济注入了一线生机，各大平台纷纷下场推出大模型。然而，GenAI的火爆未能显著提振平台企业的业绩，我国互联网平台仍处于萎靡期。自ChatGPT发布以来，尽管叠加了疫情结束、国家支持等利好因素，我国互联网公司的市值仍有涨有跌，相当大比例的企业跌幅较大，如下图所示。

自ChatGPT发布以来我国十大互联网公司的市值涨跌情况

来源:根据雪球财经数据整理，数据截止2024年4月11日

大模型训练需要耗费大量算力，云和芯片公司是直接受益者。根据A16Z（2023）数据，GenAI总收入的10-20%将流向云服务提供商。其中，创业公司80%-90%的早期融资都用于向云计算平台购买算力。微软、亚马逊和谷歌是全球三大云基础设施服务商，也是最活跃的GenAI投资者，就不足为奇了。自ChatGPT发布以来，英伟达市值增长457%，成为全球市值第三高的公司，是最大获益者。

第四次工业革命的悖论

自1956年[]达特茅斯会议[]提出“人工智[]能”术语以来[]，人工智能的[]发展起起伏伏[]，经历了多次[]炒作周期。这[]次似乎不一样[]，即使对怀疑[]论者来说，C[]hatGPT[]的发布也意味[]着人工智能技[]术的重大突破[]。人们兴奋大[]呼:人工智能[]驱动的第四次[]工业革命正在[]到来!

工业革命的影响是全面的、深刻的、长远的，“综观世界经济史，工业革命是唯一一件大事”（Irad Kimhi，2006）。第四次工业革命如果到来，人们必会踌躇满志，经济必会生机蓬勃，生活必会欣欣向荣。然而，好像并不是。这是一个悖论。对此，时间可以给出答案，我们不必争论。有四个事实予以说明。

第一，人们对“智能”怀有与生俱来的痴迷，人工智能的发展充斥着乐观思潮。谢耘（2023）对其评价是:“志存高远，盲目乐观。”达特茅斯会议的主要参与者就曾作出大胆预言:

1958年，[]艾伦·纽厄尔[]和赫伯特·西[]蒙（两人共同[]获得1975[]图灵奖）:“[]十年之内，数[]字计算机将成[]为国际象棋世[]界冠军” “十年之内，[]数字计算机将[]发现并证明一[]个重要的数学[]定理”。

1965年，[]赫伯特·西蒙[]（1978年[]诺贝尔经济学[]奖获得者）:[]“二十年内，[]机器将能完成[]人能做到的一[]切工作。”

1970年，[]马文·闵斯基[]（1969图[]灵奖获得者）[]:“在三到八[]年的时间里，[]我们将得到一[]台具有人类平[]均智能的机器[]。”

第二，自2009年以来我们时刻在“经历”第四次工业革命（也有人说是第三次工业革命）。在中国知网上，以“第四次工业革命”和“第四次产业革命”为题名的文章分别有386篇和48篇（不计入2024年），如下图所示。微电子(1984)、云计算(2012)、物联网(2016)、大数据(2016)、区块链(2017)、工业互联网(2017)、新基建(2020)等，都曾被赋以“第四次工业革命”的使命。现在轮到GenAI了。这意味着，GenAI需要达到与蒸汽机、发电机、内燃机、计算机和互联网一样的高度。

中国知网以“第四次工业（产业）革命”为题名的文章分布

第三，国外一般把GenAI（或AI）比作智能手机、云计算、互联网等特定技术，且通常使用“可能”“之一”等词汇。例如:

黄仁勋（20[]23.2）:[]ChatGP[]T是“the[] iPhone[] moment[] of AI”， OpenAI[] 所做工作是“[]one of the greate[]st things[] that have ever been done for comput[]ing”。

比尔·盖茨在[]《The Age of AI has begun》[]（2023.[]3）中表示，[]图形用户界面[]和GPT是他[]一生中见证过[]的两次革命性[]技术展示，并[]指出:“人工[]智能的发展与[]微处理器、个[]人电脑、互联[]网和移动电话[]的诞生一样重[]要。”

亚马逊CEO[]贾西致股东信[]（2024.[]4）:“Ge[]nerati[]ve AI may be the larges[]t techno[]logy transf[]ormati[]on since the cloud([]which itself[]， is still in the early stages[])， and perhap[]s since the Intern[]et.”

第四，历次工业革命都不是预测的结果，而是后人的总结。第一次工业革命（1760—1840）结束40年后，术语“Industrial Revolution”才在阿诺德·汤因比的推动下为大众所知;第二次工业革命(1870—1914)结束40年后，经济学家才开始使用“Second Industrial Revolution”，到1969年戴维·兰德斯《不受束缚的普罗米修斯》才标准化了其学术定义;第三次工业革命尚无统一认识，暂且不表。这颇有“伟大不能被计划”的味道，让我们期待第四次工业革命不同。

本文写作中，得到马骏、马源、石光、王明辉、李勇坚、白惠天等人的支持和帮助，在此一并感谢。