ChatGPT成功是因為美國AI不差錢？真的嗎？我不信_風聞

最近有個説法：ChatGPT這麼成功的AI應用之所以誕生在美國，而非中國，是因為中國AI領域的企業急功近利，投資人竭澤而漁。

類似結論有很多論據，比如中國投資圈看AI項目必要看場景和商業潛力，根本不看那些短期見不到回報的基礎模型項目。中國AI企業，哪怕是大廠也異常重視商業化，剛做了個項目就迅速要求指向產業，指向營收。與之相反，ChatGPT則集成了OpenAI長期不計回報的研發思路，最終完成了厚積薄發。

這樣推論下來，中國AI在發展了若干年之後，依舊沒有誕生明星技術，似乎大多是投資人與企業過分短視的鍋。換言之，什麼時候我們的企業和資本像美國AI圈一樣不差錢，不愛錢，咱們的AI基礎研究和核心技術才有出頭之日。

這個説法乍一聽合情合理，證據充分，也非常契合今天輿論場中“內事不決賴資本”的話語習慣。

但是，這真的經得起推敲嗎？

ChatGPT爆火，確實很讓人羨慕。理解大家都很急，所以咱們先別急。如果在這種粗暴的“反思”之下，最終得出結論是不考慮商業回報，不計較個體得失，中國AI就會好起來。那或許才是真正走上了南轅北轍之路。

因為這種佔領道德制高點的邏輯，在出發點上就站不住腳，並且會遮蔽中國AI發展至今最閃亮的部分。

OpenAI，乃至美國AI，真那麼不計回報嗎？

最近我們都在聽聞這樣一種敍事：ChatGPT的誕生，是因為OpenAI這家公司敢於挑戰偉大研究，不計回報，最終成功。

但這個敍事線索可能從根本上就是有問題的。這個故事裏，OpenAI是一羣懷揣夢想的年輕人，為了改變世界聚集到一起。這裏有個混淆因果的錯誤，不是OpenAI選擇了偉大，而是投資人在創立、發起OpenAI這家科研實體的時候，定位就是隻做具有巨大變革意義的研究。

2015年，馬斯克和他的朋友們發起OpenAI時，思路就是彙集全球最頂尖的AI人才，在非盈利的前提下，研發最具前沿性的AI技術。這個模式對標的更多是類似貝爾實驗室這樣能夠產生巨大社會價值的半學術、半企業科研實體，直接競爭者則是這之前剛被谷歌收購的DeepMind。

所以，不是OpenAI選擇了底層技術研究，而是它本來就為AI底層技術而生。另一個需要注意的點是OpenAI這樣的公司，本身就是特殊機緣下，融合了全球頂級富豪、頂級學者、海量輿論關注而誕生的明星企業。將這樣企業的技術能力與具體某一家中國企業、投資機構進行對比，本身就有誇大後者責任的嫌疑。

看到這裏，或許有人會説。那OpenAI能成功，不還是不差錢，不考慮商業回報換來的嗎？這點也有問題。因為到2019年，OpenAI就主動放棄了自己的非盈利屬性，轉頭擁抱商業化。

在當時，隨着馬斯克等一批先期投資者的退出，以及算力、數據、人才等支出越來越龐大。OpenAI開始愈發清晰認識到非盈利模式是難以持續的，於是隨着山姆·阿爾特曼出任OpenAI的CEO，公司轉型成為受限制營利實體（OpenAI LP），用限制利潤上限，限制營收種類等方式，來探索在商業化與非盈利機構之間的新平衡點。這種“以商養研”的模式，目前來看是基本成功的。它一方面推動大量OpenAI的技術成果走向市場，以換取利潤資助後續研究，形成正向的研發資金鍊。另外也敞開了OpenAI接受更多資助的大門，於是2019 年7月 OpenAI 接受了微軟 10 億美元的戰略投資，代價之一就是OpenAI成為微軟雲計算領域的獨家技術供應商。這也造就了幾年後的今天，微軟用ChatGPT把谷歌、META等老對手逼到了角落。

這就不難看出，OpenAI並沒有一些媒體説的那麼“高冷”，反而它的發展軌跡，突顯了一種“樹挪死人挪活，辦法總比困難多”的實用主義氣質。如今，OpenAI已經可以實現超過3500萬美元的年收入，這對於商業科技公司來説當然並不算多。但對於半盈利性質的科研實體來説，卻解決了一大堆發展問題。從營收方法上看，OpenAI不僅與微軟深度捆綁，源源不斷獲取微軟投資，擔任其技術供應商，還可以通過商業版訂閲、API付費接入等模式，將旗下的眾多產品變現，比如OpenAI的以文生圖大模型DALL.E，就是很多AI畫圖軟件的幕後支援。

與OpenAI相對，它的老對手DeepMind在這一輪大語言模型的爆發中似乎有點沉默。這當然有很多原因，比如技術路線選擇的問題，但有個問題是絕對拖延了DeepMind發展效率與技術佈局能力的，那就是商業化。

這幾年，近乎每年都可以看到DeepMind連年虧損，導致谷歌不滿的消息。其聯合創始人公開表示過，如果當年不是谷歌收購，DeepMind應該已經破產了。奈何這些年風高浪急，地主家也少有餘糧，由於DeepMind一直具有較高的獨立性，並且更傾向於理想化、學術化的研究氛圍，所以屢屢遭到谷歌的責難和懷疑，二者間產生了非常多矛盾。

當然，隨着OpenAI這輪大火，谷歌似乎也發現還是得靠DeepMind，所以最近又有關係回暖的傾向。但不管怎麼説，商業化的缺陷並沒有成為DeepMind一飛沖天的助力，反而變成了它不斷受到母公司責難，研究進程放緩，甚至屢屢出現裁員、破產危機的發展障礙。

可以説，DeepMind是那種“事都辦漂亮了，錢一分沒拿回家”的奇男子形象。但這種形象至少目前來看，沒有帶來成功，反而帶來了外界對它的懷疑。

但要補充一點，這裏並沒有看衰DeepMind的意思，它近幾年的大量研究，真的非常具有突破性與想象力，等它找到了合適自己發展的快車道，下一個比肩AlphaGO和ChatGPT的現象級AI技術還得是它來做。希望我們到時候的反思，別又是美國AI不計回報……

其實吧，中國AI領域有大把虧錢的項目。很多行業+AI解決方案，廠商做一個賠一個。無數博士走到工廠、農田，最後結算的費用可能連博士們的工資都不夠。這種模式依舊在中國有序推進，至少證明了中國AI絕不完全等於急功近利。

反過來説，美國AI企業和投資機構也愛錢，社會對新技術、科技企業的評判標準也是商業化是否成功。我們見過很多中國AI創業公司，即使營收困難，也能通過政府扶持、加入大廠產業生態、融入垂直行業等方式活下來。反而是大量美國AI公司擠在狹小賽道，也缺乏兜底支持，最終結局是曇花一現。

換個角度看，也不是中國投資人更愛錢，美國投資人不愛錢。比如不久之前一所大學發佈的數據報告稱，2015年至2021年，來自美國的投資佔中國AI企業融資總額的37%。如果數據無誤，我們很難解釋“不計回報”的美國投資人，怎麼都來投資“掉錢眼”的中國企業了？

追求商業回報，是企業與商業資本的天性與天職，絕沒有任何錯誤。

很多媒體與KOL，喜歡美化出一個“無用之用以為大用”的美妙敍事。因為這種故事有戲劇性，有反差感，也就有流量，同時也能迎合“中國科技不太行”的某種心理期待。

醒醒吧。人家OpenAI不是沒盤算商業化，只是盤算的更好一點。

那ChatGPT為什麼沒有誕生在中國？

那麼又有人問了，説了這麼多，ChatGPT這種世人皆知的應用，不還是人家美國做出來的嗎？

這個問題背後，更多是一種在中美對弈、“科技卡脖子”等時代背景下的焦慮情緒非常值得理解，但也確實應該冷靜一些來看待。

自2017年《新一代人工智能發展規劃》頒發以來，中國AI產業進入了高速發展階段，得到的成果已經顯而易見。在AI領域，中國既沒有芯片製造等方面的沉重歷史包袱，也不像腦機接口、量子計算這些超前沿技術那樣，有種看不到摸不着的虛幻感。中國AI發展的成績與堅實程度，是肉眼可見的。從產業規模、頭部公司、產業生態建設這些宏觀指標，再到AI芯片、AI開發框架、大模型這些核心技術基礎設施，中國AI可以説是沒有明顯短板的。

而OpenAI和DeepMind這兩家公司，本身就是在特殊情況下，集合了全球頂尖人才、力量與資本的特殊公司。它們的成果與前瞻性，是包括其他所有美國公司在內的全球AI企業，短時間內難以追平的。

這兩家公司就像世界盃決賽最後的那個點球，差那一球，就説明法國足球遠遠落後於阿根廷嗎？恐怕並非如此吧。當然了，如果足球連越南都可以輸，那就不要出來討論了。

用這兩家公司的特殊性，來評判大量中國企業，這本身就是種不公平對比，就像美國5G很多關鍵技術都不如中國，這能證明美國通信整體不行嗎？

如果真的要討論為什麼ChatGPT沒有出現在中國，那首先要正視這個問題背後的複雜性。

比如説，OpenAI的人才儲備和人才來源，是中國AI公司乃至AI產業不計回報，甚至任意揮灑金錢就能換來的嗎？再比如説，OpenAI和DeepMind的崛起機遇非常特殊，天時地利人和佔盡，並且已經形成了正向的滾雪球效應，這也是中國企業難以複製的。

其實，OpenAI和DeepMind，已經逐漸發展成微軟和谷歌的前瞻性AI科研機構。這種模式真的要對比，更像是華為2012實驗室、阿里達摩院、百度研究院，當然也有許許多多的不一致。這些中國的企業研究機構，也做大量不計回報、充滿前瞻性的研究，只是可能沒有ChatGPT那麼成功和知名，但至少不必説中國企業只愛錢。

如果簡單的將AI技術，總結為不差錢就能做好，往往會適得其反。就像這些年中國高校和科研機構做AI模型蔚為大觀，但是大量項目在驗收、發論文、評比、獲獎之後就沒有下文了，開源模型也沒什麼人用，缺乏生態活力，其投入產出不成比例。

這種研究依託科研經費，當然可以不計商業回報，但真的對中國AI有實質性提升嗎？或許也是存疑的。

實際上，大部分科技都需要多層次的研發投入。商業化研發與前瞻性研究需要並行，只是AI技術的特點，讓成果更容易直接被外界感知。

ChatGPT沒有誕生在中國，就像中國為什麼做不出7nm芯片一樣，是個複雜且關聯廣泛的問題。

他強由他強，清風拂山崗

好在ChatGPT沒有誕生在中國，其實不大要緊。AI大模型在今天的中國，只是一個“早或晚”的問題，絕不像芯片製造那樣是“有和無”的矛盾。

某種意義上説，我們也沒必要糾結到底是誰先完成這個突破。能率先突破固然好，但也並不意味着太多。IP網絡在歐洲原子能中心誕生，互聯網產業在美國定型，互聯網+的經濟奇蹟卻在中國發生。我們能説互聯網技術是屬於歐洲、美國或者中國的嗎？只能説，大多數技術最終都是長跑，其成果是屬於全人類的。

既然AI也是長跑，那麼其最終將在時間和空間關係上，形成漫長的產業鏈。每一寸的優勢，都是優勢；每一個長處，都是機遇。

這也是寫這篇稿子最終想討論的話題：中國AI言必提場景，開口就是產業，似乎成了一種壞事？

恰恰相反，這種所謂的“急功近利”不是壞事，而是中國AI最大的底牌。

我們知道，AI是一種通用性技術，它幾乎可以給任何領域帶來價值，而價值的源泉顯然不能僅僅在互聯網上，更多要發生在各個行業通過智能化技術完成生產力解放，比如説自動駕駛，就極大解放了交通行業的生產力。

在這一點上，中國產業多、產業場景充沛、產業結構複雜，並且整個社會對智能技術、數實融合的接受度非常高。在多年推進之後，AI技術進產業已經在中國取得了寬度與深度具備的成果。

張嘴就是產業，閉嘴就是場景，這不是因為中國企業、投資人只愛錢，是因為中國AI真的有產業融合度，有場景探索能力。

舉個反例，美國大量AI創業公司，都離不開互聯網的一畝三分地，ChatGPT的商業落地首站也是搜索，而工業AI項目，在美國總是難以形成規模。

我們曾經探訪過天津港C段碼頭，這是世界第一段真正意義上依靠AI技術驅動的無人碼頭，但類似應用在歐美就很難推動，碼頭工會會阻止一切無人化、智能化項目進駐。

堆在消費互聯網，不願意觸碰產業，也無法深入產業的西方AI圈子，留給中國的機會，就藏在那些產業與場景中，藏在那些充滿“銅臭味”的商業價值裏。

我們曾經説過，中國版ChatGPT，真正的核心是“產業場景+類ChatGPT應用”。

什麼強都是強，中國AI有場景和商業路徑，這不是壞事。我們商業前景更好，商業路徑更短，當然要優先發展商業化、產業化。中國AI之所以獨特於全球，就在“產業AI”這幾個字上。

有人又會問了，説了這麼多，做不出ChatGPT的中國AI，做出過美國沒有的東西嗎？

做出來過啊。比如中國某個大家都知道的操作系統，就可以解決礦山、隧道里多設備智能化聯接的問題；中國某個深度學習框架，突出大規模分佈式訓練、推訓一體等能力，就對應工業、金融這些場景的需求。

中國AI的創新與獨特性，就是從產業思考和行業場景當中來的。那句話怎麼説來着，從人民中來，到人民中去。

有趣的是，我在舉例中國AI技術成果的時候，甚至都不能説名字，否則很多平台和不少讀者，應該自然而然腦海中就浮現了“軟文、廣告”等念頭，反而美國AI技術怎麼誇，誇讚的多離譜都沒事，這或許也可以説明點問題。

真正想要讓中國AI更強、更好，就首先要停下“它們不差錢，我們只愛錢”的錯誤對比，就像把一切自己的不成功，都歸結於同學、同事是富二代，着實沒什麼意思。

接下來，要發揮強項，補強弱勢，讓AI技術成為中國式現代化的動力，讓龐大的產業鏈成為中國AI進步的源泉。

如果還能多做一點，那就儘量停止內耗，停止友商之間的傾軋，停止但凡説中國AI好，就必須諱莫如深，當然也要停止無意義的過度自我吹捧。

再然後，或許我們就可以看看人才培養、生態建設這些問題了。只有某一天，中國擁有一大批超一流的AI學者、學生與研發團隊，全世界AI人才願意加入某家中國AI公司，那我們才有討論中國版OpenAI的可能。

否則只靠幾位名人號召，一些豐厚待遇招聘，這事基本沒戲。

如今，我們已經有了這樣的共識：中國足球，不是11個人的事；中國芯片，是全中國的事。

那就也要知道，中國AI，不是幾家公司和幾個投資人的事，它是中國人的事，是全世界的事。

他強任他強，清風拂山崗；他橫任他橫，明月照大江。當你為ChatGPT，為中國AI而焦慮的時候，不妨想想這幾句話。