观点丨OpenAI断供下的“危”与“机”：中国AI如何扬帆远航？

OpenAI“断供”有“危”也有“机”。大模型是西方发明的“轮子”，而今天的中国已经进入了“造车”时代。

（图片来源：视觉中国）

7月9日，OpenAI正式终止对不在其支持列表中的国家和地区（包括中国内地及中国香港）提供API服务，这对国内很多基于OpenAI大模型构建的创业应用生态无疑是一个巨大打击。虽然在OpenAI6月25日发布警告信的当日，国内大模型厂商就纷纷表态可提供免费的OpenAI迁移方案，但两个世界的“脱钩”状态似乎已经开启，越来越多基于大模型的商业链条开始被切断。

当然，“危”和“机”常常是并存出现，密不可分。针对OpenAI的“断供”，国内市场上同时也出现了另外一种声音，即把这个事件看成一种巨大的机遇，刚好可以借此机会培养国内的搜索引擎。

从“深蓝”到AlphaGo，再到今天的ChatGPT，人工智能走过了符号主义的知识封装、连接主义的知识学习，走到了今天的生成式泛化表达能力阶段，并开始参与到生产实践。OpenAI的GPT大模型作为人工智能的明星项目，我们听过太多追捧的声音，导致对其过度的神秘化，与之伴随的是自我矮化心理。此次的“断供”，也再次加重了这种心理。

其实，在北美市场，基础大模型的发展已经从Training（单一模型训练）发展为Serving（多元化、工业化、基础设施化）。我国人工智能的发展要如何摆脱依赖、实现优势破局、定义好自己的生态位？这需要找到我国技术的独特发展演化路径。

目前人工智能市场有两条核心路径，一种是无条件相信尺度定律（Scaling laws），相信只要把数据喂进去就会涌现机制。用算力和数据堆积给已有算法实践Transformer（一种序列化深度学习算法框架），这种路径是在已知知识结构里去寻找未知拼接的方法，能力有限，就像看着教科书学游泳一样，大概率会遇到模型基础理论的天花板。因为在已知中组合筛选获得的知识，一定概率上只能补齐现有知识拼图，但无法开辟新的知识蓝海。就像通过大量实验发现新的元素，可以补全门捷列夫发现元素周期表，但不能诞生量子力学对基本粒子的理论和元素生成公式，更不可能产生牛顿的“加速度”阿拉伯数字“零和无穷大”这样的观念革命的知识。

而当前，谷歌、微软、亚马逊、Hugging Face等云厂商已开始不再依赖单一大模型，而是跟更多系统架构配合，组成一个务实的AGI工程架构。6月，谷歌发布的大模型成熟度参考架构定义了从L0到L6 的分级，调用GPT直接使用单一大模型的能力仅是L0水平。加入提示词工程、精调模型LoRA的意图理解、向量数据库寻回私域数据的记忆、Agent规划拆解、plugin执行和反思等，通过合成数据逐步完善大模型成熟度到更高等级，这是人工智能市场的第二条路径。

可以这样类比，大模型是西方发明的“轮子”，而今天的中国已经进入了“造车”时代。蒸汽机虽然在英国诞生，但在北美将其装到木船上，造就了轮船业的辉煌。我国人工智能领域的发展，如何从“重新发明轮子”到快速引领智能产业的“造车运动”，需要抓住以下“CAB”基础问题的本质，才能实现高水平科技的自立自强和优势破局。

C、算力——自力更生策略：硬件芯片最早投入布局，英伟达在生态上的垄断和贸易禁运，给了国产芯片留出了独立发展空间。

A、算法——跟随融合的缠斗策略：人工智能最底层核心逻辑是以数学形态在论文上得以表达，包括数据处理的方法和数据集。甚至实践代码都在以科学共享的形式争相发表，科学无国界。为了更多引用，论文往往会以最快速度以跨国别的形式传播。奇绩创坛创始人兼CEO陆奇曾说过，从中关村到硅谷的距离是一个小时的时差——其实指的就是基础算法层级和开源技术框架。数据科学家们为了使自己研究成果尽快地发表，甚至跳过了像IEEE、CVPR大型顶会论文的审核机制，直接在arXiv网站上注册发表，学术论文开始以天为单位在更新。打破中美科技壁垒的不是“拿来主义”，而是高索引引用的论文，论文不仅提供研究方法路径，依赖的基础模型组件也提供了数据的流动，像指南一样。

B、数据——优势破局策略：硬件芯片遵循的摩尔定律仍是一个线性增长逻辑，但生成式合成数据遵循的却是幂律（Power Law）指数型增长，只有抓住数据工程的幂律才能超越硬件的发展速度。

▲合成数据（synthetic data）在自动驾驶、机器人等特定领域的应用中将发挥重要作用（图片来源：天云数据）

6月14日凌晨，OpenAI在官网宣布，美国陆军退役四星上将、前美国网络司令部司令、前国家安全局局长、前中央安全局局长Paul M. Nakasone（中曾根）加入董事会。毫无疑问，他的岗位职责瞄准了OpenAI两年来沉淀的提示数据。而据SBS等韩媒报道：三星刚引入ChatGPT还不到20天，就发生了3起机密数据泄漏事件，其中甚至涉及三星半导体设备的测量资料、产品良率等关键信息。

问题往往会导向答案，而获取信息的过程本身也是信息。无独有偶，近期英伟达大模型一下子跻身第一阵营，为什么？英伟达开源3400亿巨兽，训练数据方面值得一提的是，指令模型的训练是在98%的合成数据上完成的。Nemotron-4 340B指令模型，可以帮助开发者生成合成训练数据。这些多样化的合成数据，模仿了真实世界的数据特征，因而数据质量明显提升，从而提升了各领域定制LLM的性能和稳定性。

如何让国内AI领跑世界是一道综合考题：在产品线方向，不能“拿来主义”，不能被“卡脖子”，不能有明显短板且要有显著优势，才有可能在国际竞争中占据有利高地。此外，创新环境对于技术成长、人才培养、产业生态的形成也非常关键，除了企业，也需要政府、生态共同匹配发展进程。例如，在人才培养上，政府应该提早布局AI版的“蓝翔技校”。包括对AIGC内容再生产，培养新技能蓝领以改变算法生成的猜盲盒过程，打造人机交互的流水线。

从产业链破局方向上，AI Pin、Vision Pro等可穿戴的个人智能代理Personal Agent的出现，Figure具身机器人（Embodied AI）的探索，这些Edge AI的新兴都需要整合全新的智能硬件产业链。

类似AI Pin这样融合了电容触摸、HUD、手势识别、数模唤醒等成熟的硬件技术及大模型服务的载体，就可以发挥我国全产业链精密制造的优势，快速跨界迭代一批生成式人工智能的智能硬件。

要想加快推动我国人工智能的产业变革，也需要政府部门、教育机构、高校研究机构共同发力。例如政府可以充分发挥产业园区的优势，整合企业、高校、科研院所等上下游的创新资源产业链，协同攻关科技难题。

来源: 北京科技报社

内容资源由项目单位提供