文：王智遠 | ID:Z201440

知乎創始人周源提出一個問題。

他說：回顧互聯網發展，有哪些底層邏輯看似簡單但將在未來持續奏效？

我看到一個評論，印象深刻。來自于2022年度的新知答主Morris.Zhang，他是做電子工程、人工智能、數據科學和半導體的。

01

他說了一個故事：

有個村子，那地方又窮又閉塞。村民們因為挨餓、打仗，變得特別自私，互相也不信任。

有天，三個和尚路過，餓得不行，跟村民們要吃的，但沒人搭理；可三個和尚沒放棄，他們在村子中間架起一口大鍋，燒上水，扔幾塊石頭進去，煮起湯來。

這下把村民們的好奇心勾起來了，都圍過去問鍋里煮的啥，和尚們笑著說：這湯可香了，要是你們能添點食材，就能一起享用了。

村民們一聽，挺有意思，就都回家拿吃的去了，往鍋里一扔，最后煮出一大鍋香噴噴的湯。

這個故事讓我想到互聯網的開源、社區化、眾包模式。

僧侶們并不是靠自己的力量煮出了湯，而是通過設計一個開放的規則，激發村民們的參與和貢獻，這口大鍋像是一個開放的平臺，而石頭則是啟動過程的契機。

這讓我覺得，不管是開源社區還是眾包項目，成功的核心，是如何調動參與者的積極性，每個人都愿意為共同的目標貢獻力量。

2024年，我稱互聯網之為鏡像元年。

人們像發明鏡子一樣發明了AI，它開始模仿人，去學習如何表達、如何去思考，甚至替代工作，但隨之也給社會、企業帶來一系列結構性變化。

一千個人有一千個哈姆雷特，每個人都能說幾句，什么樣的答案具備參考性？人們不得而知，這些問題困惑著職場人、創業者。

知乎作為匯聚多元觀點、激發思考的討論社區，在AI這一前沿科技引發的諸多困惑與思考面前，它悄然承擔起了探尋行業共識的價值和使命。

所以，1月9日正式推出2025「互聯網十問」，試圖找到這些答案，這是繼2012年和2018年兩次“互聯網十問”之后，又一次開年力作。

今年比較有趣，邀請10位重量級嘉賓中，對AI的討論幾乎占據了半壁江山，我留意到，他們的討論在AI面前，都給出了不同的解法。

02

你認識Julien Chaumond？不認識？和你介紹下：

他是Hugging Face的首席技術官。

Hugging Face是一家在人工智能和機器學習領域很有影響力的公司。他在知乎上提了個問題，引發中美AI領域專業人士的大討論。

他說：“為何中國公司能在開源AI浪潮中脫穎而出？背后有哪些關鍵因素？”

當我們提出「為何」這個命題時，潛臺詞是，中國公司在開源AI領域已經被全世界所注意，這不僅是中國公司在技術上取得的進步，更是中國在全球AI競爭格局中地位提升的體現。

問題是，我們做對了什么呢？

很多東西不拆開看，略顯得過于宏觀。我認為，技術發展，背后肯定離不開政策的支持，因為政策像一把鑰匙，提供一定的方向和動力。

2017年7月20日，中國國務院印發了《新一代人工智能發展規劃》，這個規劃明確了人工智能發展的總目標、重點任務以及實施路徑。

為啥會有這個規劃呢？有兩個核心原因：

一，AI 技術突破，能推動中國從“制造大國”向“科技強國”轉型，幫助中國在全球科技舞臺上占據更重要的位置。

二，許多傳統產業（如制造業、醫療、農業等）與人工智能結合后，能夠實現智能化升級，大幅提升效率和創新能力同時，AI技術應用將為社會創造更多機會，提高新質生產力。

所以，國家抓住AI，就等于抓住了產業升級和經濟轉型的關鍵鑰匙。那布局之后，最需要什么呢？肯定是人才儲備、技術累積和數據支持，對不對？

我查了查資料：

2018年以來，中國新增了2000多個AI相關的本科專業，其中300多個設立在頂尖大學。2019年，全球AI專家數量從2018年的22064人增長到36524人，同比增長66%。到2020年，中國在人工智能領域的專利布局數量略微領先于美國和日本。

2021年，中國高校幾乎培養了全球一半的頂尖人工智能人才。2022年，人工智能人才數量大幅增長，中國成為人工智能人才的主要產出國。到了2024年，中國人工智能人才總數已突破940萬[1]。

中國在AI人才培養方面持續ALL-in，才有今天的成績。

在技術層面，知乎上有一位名為“鶴嘯九天”的答主，他有超過10年的互聯網AI算法從業經驗。他說的一段話我很認同。

要驗證某個AI模型是否有話語權，Hugging Face的開源大語言模型排行榜，是一個相對權威且有共識性的參考，因為這個排行榜收錄了全球上百個開源模型，測試維度也很廣泛。

截止到2024年底，阿里的Qwen系列表現很突出。比如Qwen2-72B超越了Meta的Llama-3等產品；零一萬物的Yi-1.5-34B-Chat、Smaug-72B等也在排行榜中[3]。

毫無懸念，中國的開源慢慢從陪跑者變成了領導者，為什么能跑得這么快？主要有兩個原因：

• 被迫革命
• AI禁用和硬件封鎖

ChatGPT至今沒有對中國地區開放訪問，加上硬件上的封鎖，這些客觀因素并沒有阻擋中國13億人對AI大模型的需求。

最直接表現是，很多互聯網公司紛紛下場做AI大模型產品。像阿里云、百度、字節跳動這些本身就有AI基礎和硬件積累的公司，這種需求自然催生了許多AI新公司。

開源、做大模型，注定是一條難走的路，但中國科技公司抱團迎難而上，啃下了這塊硬骨頭。

像最近剛崛起的deepseek，就是在硬件庫存很少的情況下，憑著理想主義做成的。

中國為什么能成功？哪些因素起了決定性作用？毫無疑問，每一部分都值得肯定，簡直在時間推動下，靠大力出奇跡。

03

大力出奇跡一定是好事嗎？未必。

不考慮商業價值和社會價值肯定不行。阿里云智能集團的資深副總裁劉偉光提出了一個值得深思的問題：

大模型的價值到底是被低估了，還是被高估了？

我覺得，無論開發小型模型、預訓練、搭建基礎設施，還是設計智能代理，每種方法都有局限性。我們可以參考一些國內外知名機構的研究成果。

比如：

Gartner在2024年上半年發布了一份報告，叫《2024年人工智能技術成熟度曲線》，這份報告里提到了一個概念，叫“技術成熟度曲線”[2]。

簡單來說，一項技術從概念誕生到最終在市場上廣泛應用，都會經歷幾個階段。Gartner把階段分成了五個周期：

創新觸發期、期望膨脹期、幻滅低谷期、啟蒙斜坡期、生產力高原期

每個階段時間長短不一，短的兩年，長的可能5到10年。

如果把大模型發展套進這個曲線，2020年左右GPT-3出現，大模型算進入了“創新觸發期”。到2022年底，ChatGPT火了，大模型迅速進入“期望膨脹期”，大家都覺得它能改變世界。

那么，接下來大模型會不會像很多技術一樣，進入“幻滅低谷期”呢？我覺得，從現在情況來看，大模型可能會經歷一段下坡路。

為什么呢？

一方面，ChatGPT已經出來兩年多了，到現在還沒有第二個能和它媲美的商業化爆款。

而且，訓練大模型的成本非常高，小的創業公司已經開始退出，基座服務商也在向頭部企業集中，甚至AI領域的“六小虎”都開始內卷。

另一方面，Scaling law（規模定律）也逐漸出現，頭部模型供應商開始壓縮訓練成本，推出更小的模型來適應市場；這難道不是技術成熟度曲線下坡的前兆嗎？

值得一提的是，大模型現在階段，并不是所有公司都能玩得起的，全靠資本「為愛發電」，不符合商業邏輯。所以，到2025年，可能會出現兩種發展路線：

一，不管是面向消費者（C端）還是平臺側，會有幾個超級應用嶄露頭角。

二，基于注意力機制和Transformer架構，各種各樣的小模型出現，深入到具體業務場景中去。因此，大模型的商業價值增長在逐漸放緩。

04

還有一點也挺重要，大家總把大模型當成AGI了，這是錯誤的認識。在知乎的“互聯網十問”中，微軟中國首席技術官韋青提出了一個問題：

我們距離實現真正的通用型人工智能還有幾步？哪些方面需要進一步突破呢？下面有一個復雜的回答，很有遠見。

我把它簡化成一個故事：

在智慧谷辦公室里，掛著一塊橫幅，上面寫著「三步之遙」。這三步，代表實現AGI的關鍵。

第一步，研究者要了解人類大腦的奧秘。他們不停地探索神經元如何連接、傳遞信號。他們發現，大腦結構要比想象中復雜得多，每個突觸（synapse）都構成了思考的基礎。

怎么辦？實現AGI第二步，不得不先構建一個認知架構。

什么是認知架構？你可以幻想成，一個大腦像積木，每一塊積木都代表一個功能模塊，比如感知、記憶、推理、情感，甚至是思考方式。

這些積木像一個個小模型，拼到一起才能形成完整的系統。然而，不巧的是，現在只有長短期記憶模型（long-short term memory）。

怎么辦？只能一步一步克服難題。

所以，真正到達第三步時會發現，一個AI有了自我意識，有了情感、有了思維模型，它站在一個人面前，學會如何表達愛、喜悅、和悲傷。但這何其難？

因為情感和意識是人類最為復雜和微妙的心理現象。

不過，研究者沒有被困難嚇倒，他們堅信，未來有一天終究會實現這一切，當它實現后，所謂的AGI才會出現在人類面前。

因此，AGI是什么？

谷歌DeepMind在論文《Levels of AGI》里對AGI做了詳細劃分，到第五層，它能實現超智人，配備感知模塊、世界模塊、情感模塊等，具備超越人類的智能水平，才能和人類一起探索未來的世界。

目前看來，對照此類情況，只能說，革命尚未成功，同志們仍需努力。

05

既然「智慧谷」的研究者們都在為實現AGI不懈奮斗，我們也應該想想：在AI浪潮下，企業要怎么做準備，才能在變革中迎接挑戰呢？

這里有三點可以參考：

一，擁抱加學習；大模型是AGI的一個縮影，現在，它已經進入了教育、醫療、金融等行業，甚至到了每個人的身邊。這些東西可能一時看不懂，但一定要保持學習力。

最起碼，要想想怎么把它用到自己公司或者部門里。

二，邊緣替代；很多公司總想干票大的，上來喜歡做顛覆，不要這樣。通過API或其他非核心部門試水，逐步探索大模型的適用場景，是穩健有效的方法。

比如：先在客戶服務部門引入AI聊天機器人，處理日常問題，或者在數據分析部門，用AI工具進行初步的數據整理和分析，這樣，在風險可控的情況下，慢慢積累經驗。

三，開放合作，時刻關注行業動態。

不管是做技術，還是具體業務，AI發展不是孤立存在的；積極與技術提供商、研究機構、行業伙伴合作，能加速技術的落地應用。

前不久，我看到一個數據，截至2024年6月30日，知乎已積累560萬篇AI相關內容、87萬個問題，近169萬名創作者參與討論，其中包括45192名藍標認證的專業作者。

而且，知乎上還有AI頂流創業者們、行業專家在這里分享見解；比如：前亞馬遜首席科學家、Boson AI聯合創始人李沐，零一萬物CEO、創新工場董事長李開復，DeepLearning.AI創始人吳恩達，面壁智能創始人劉知遠等等。

所以，想看更多深入的討論，上知乎是最佳選擇。

每一次互聯網潮水流動，都醞釀著經濟、科技以及消費等各行業新的未來。身處這個時代，變革的人該怎么辦？

知乎總能引領我們激發討論、拓展視野；希望你，上知乎，找到2025年AI的關鍵答案。

祝福。

數據及資料參考：

2024年中國AI人力資源行業研究報告

Gartner《2024年人工智能技術成熟度曲線》報告

榜單：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard