這輪AI大模型熱是“大鍊鋼鐵”嗎？_風聞

▲阿里推出了AI大模型“通義千問”，並擬將阿里所有產品都接入。

文 | 佘宗明

01

ChatGPT如此多嬌，引無數大廠競折（對）腰（標）。

在國內，首個折腰的是百度。3月16日，文心一言正式發佈。10年在AI上砸了千億的百度，由此拉開了國內AI大模型混戰的序幕。

這幾天，AI大模型市場更是燥起來了：

4月9日，基於360GPT大模型開發的人工智能產品矩陣“360智腦”開放內測；

4月10日，“AI四小龍”中的第一股商湯科技發佈“日日新SenseNova”大模型體系；

同日，搜狗創始人王小川正式官宣成立百川智能，表示“爭取年內發佈國內最好的大模型”，崑崙萬維宣佈大模型“天工3.5”4月17日啓動測試……

這其中，最能引爆市場的，要數全球首個突破10萬億參數的AI大模型——阿里“通義千問”的面世。

在4月4日用“鳥鳥分鳥”測試了下輿論反應、4月7日來了波定向邀測後，4月11日，在2023阿里雲峯會現場，阿里正式發佈“通義千問”。

阿里巴巴董事會主席兼CEO、阿里雲智能總裁張勇透露，阿里大模型將會“兩條腿走路”：對內改造業務產品，阿里所有產品都將接入；向外做企業專屬模型“底座”，可以為每家企業打造屬於自己的大模型。

短短几日，國內AI大模型賽道鑼鼓喧天、鞭炮齊鳴、紅旗招展、人山人海。

接下來準備登場的，還有騰訊“混元”、華為“盤古”、京東“言犀”、字節自研大模型、科大訊飛1+N認知智能大模型、浪潮“源1.0”……

這跟國外“微軟系”的OpenAI推出ChatGPT和GPT-4、谷歌公佈LaMDA和PaLM等大模型、Meta發佈開源大模型LLaMA的激烈競爭節奏遙相呼應。

可以這麼説：AI大模型熱，熱過東京。

在此情形下，對AI行情過熱的擔心也隨之出現。

盛產灼見的馮大輝老師就寫了篇《ChatGPT時代的大鍊鋼鐵》，感慨“網上湧現出來不少基於ChatGPT的衍生項目，有點像當年的小鍋爐土法上馬大鍊鋼鐵。推特上現在很熱鬧，更是人均一個GPT小鍋爐。”

他倒沒有抨擊AI大模型熱，只是在對衍生項目“創新的活力在湧動”表示欣賞的同時，對套殼上馬或藉機炒作拉昇股價的做法表示了不欣賞。

但在網上，有些人將“大鍊鋼鐵”“大躍進”的評價，送給了這輪類ChatGPT產品研發的熱潮。

有人嘲諷，ChatGPT在中國即將“畝產過萬”；也有人調侃，下個階段該是“全民大模型，ChatGPT進萬家”了吧；還有人直言，ChatGPT是懷胎十月的結果，“湊10對夫妻，想1個月生出小孩”就是胡鬧。

02

在我看來，批評跟風追潮無可厚非，但無需將這視作“大鍊鋼鐵”“大躍進”。

大鍊鋼鐵大躍進，終究是那個特殊年代“計劃”出來的產物。

這輪AI大模型熱固然也帶有大幹快上的意味，但與之沒有可比性：它跟具有特定指向的“大鍊鋼鐵”“大躍進”無關，畢竟它是市場自發秩序下的產業躁動。

倒不是説這股熱潮沒有可堪詬病之處，泡沫大、套路多的問題就擺在那。

眼下，就算是很多跟AI八竿子打不着的企業，也在想方設法往ChatGPT上硬套——就像去年上半年一堆不沾邊的企業都想往元宇宙上硬蹭那樣。

以至於有人調侃，乾脆弄個ChinaGPT概念股，茅台、五糧液可以碾壓一大片。

這顯然不太正常。類ChatGPT產品又不是公用WIFI，説蹭就能蹭上。

拿AI大模型研發來説，阿里雲CTO周靖人就表示，動輒超千億參數的大模型研發，不是單一的算法問題，也不是靠簡單堆積GPU就能實現的，這是囊括了底層算力、網絡、存儲、大數據、AI框架、AI模型等複雜技術的系統性工程，需要AI-雲計算的全棧技術能力。

説得通俗些就是：一般玩家沒那個技術積澱，也沒那個資金規模。

可眼下AI領域熱火朝天的景象，很容易讓人看到國產芯片和操作系統研發一哄而上、一地雞毛的影子。

很多人擔心AI大模型熱變成又一個“大鍊鋼鐵大躍進”，其實是曲線表達某種顧慮：

這會不會導致產能過剩、資源浪費？

又是否會變成讓股民為泡沫買單的割韭菜遊戲？

着眼現實看，兩個問題的答案都是肯定的。

這麼多企業扎堆入場，重複造輪子的情況在所難免，這勢必會帶來算力浪費。

▲國內大模型彙總。圖片來源：民生證券研究院。

很多人在談論算力時都容易忽略或迴避這點：計算會帶來能源消耗和碳排放增量。

2009年穀歌方面曾透露，在谷歌上的每次搜索，會產生0.2克的二氧化碳排放量，哈佛大學物理學家阿歷克斯·維茲納爾·格羅斯則稱，每次搜索產生的二氧化碳排放量高達7克。

隨着技術進步，如今單位算力耗能的確少了，但合起來仍是個天文數字。在算力已成新生產力的時下，跟計算量指數級上升伴生的，也是巨大能耗。

第三方分析估計，僅訓練GPT-3就消耗了1287兆瓦時，並導致超過550噸二氧化碳當量的排放。ChatGPT的參數更多，碳排放就更大了。

如果説，單車“垃圾圍城”與退押金難題是共享單車平台將酣戰的負外部性向社會轉嫁，那碳排放就是AI大模型熱的主要負外部性所在。

至於很多企業瞄準股市G點玩對韭當割的把戲，只能説是可鄙。

據説對ChatGPT套皮最多的企業，就來自於咱們這。一堆賣賬號賣課的，已經成了第一波靠GPT致富的人了。

調用ChatGPT大模型沒問題，搞山寨、玩套路，無疑逾越了底線。

對這些問題，該正視就得正視。

03

饒是如此，不能在看到感冒症狀後，開出的卻是治癌藥。

在輿論場中，主張用“集中力量辦大事”來避免一堆企業各自“建小高爐大鍊鋼鐵”的聲量不小，呼籲有關部門出來管一管的聲音就更多了。

在有些人看來，“羣雄並起”式的無序競爭，必定會帶來AI市場過熱，也帶來重複性建設的問題，導致本該用來攻堅的大量資金彈藥被浪費。

他們認為，該將所有科技企業的AI技術研發“擰成一股繩”、組成“抗OpenAI聯盟”，或是該由AI“國家隊”來主攻，科技企業打配合。

一邊將AI大模型熱説成裹着計劃底色的“大鍊鋼鐵大躍進”，一方面開出帶有計劃烙印的藥方，這着實有些分裂。

事實上，擔心當前局面下的AI大模型熱變成翻版“大鍊鋼鐵大躍進”，或許是杞人之憂。

即便是“非理性繁榮”，AI領域的市場競爭白熱化，對中國AI的整體發展也是好事。

管理學者迪伊·沃德·霍克説：“我們正好處在一個歷時400年的時代即將結束、另一個時代正衝破阻力而來這樣一個時刻。”

而通用AI將成為提升21世紀整體社會生產力最為重要的賦能技術，AI的iPhone時刻已到……諸如此類的敍事，就與之扣合。

這時候，科技企業想搶灘佈局未來，再正常不過。雖説AI大模型很燒錢，可場景化應用有錢景。百度阿里的“模型+工具平台+生態”三層共建模式，就連着廣闊的前景。

可在很多人看來，AI研發就該十指成拳，而非各自為戰，不然沒法呈現“中國AI軍團”的合力。

問題來了：國內頭部科技企業都在摩拳擦掌，你讓誰上場，讓誰退出？是抽籤決定，還是競標篩選？

但這麼一哄而上，不會造成資源浪費嗎？有些人會這樣反駁。

就這麼説吧：要看到充分市場競爭下的資源浪費，更要看到缺乏足夠競爭下的資源浪費，後者通常比前者更嚴重。

換句話説：競爭必然帶來浪費，但不競爭經常帶來更大的浪費。

應看到，這些年來，中國市場的強敏捷性，讓它對每個風口的反應能力都極快，得益於數字基建與製造能力上的積澱，國內許多企業抓住了新興製造領域以往很難抓住的機遇。

比如，智能手機。

iPhone出來後，華為、小米、oppo、vivo都跟上了，360、聯想、樂視、魅族、錘子也接連登場，華強北也跟着躁動不安，將國內外手機市場捲成了紅海。

浪費嗎？當然會有產能浪費。但正是憑着激烈競爭，在功能機時代沒有姓名的中國手機製造業，在移動互聯網時代躋身世界前列。

再如，新能源汽車。

特斯拉出來後，比亞迪和蔚小理都跟上了，哪吒問界極氪零跑等也緊隨其後，去年10月，里斯戰略定位諮詢在《全球新能源汽車品類趨勢研究報告》中指出，中國新能源汽車品牌的數量高達150多個，整車製造企業數量有 198 家，系全球最多。數據顯示，我國現存新能源汽車相關企業60.58萬家。

浪費嗎？同樣會有各類資源浪費。但也是憑着激烈競爭，在燃油車時代身處德系日系巨頭夾縫的中國汽車製造業，在新能源汽車時代做大做強。

依照部分人的邏輯，之前一堆企業下場造手機造車，何嘗不是大鍊鋼鐵大躍進？

這裏面，圈地套補之類的亂象確實該治理。但就所謂的產能浪費而言，它本質上也是由此鍛造出來的強大產業鏈供應鏈能力的成本。

沒有此前的白熱化競爭及伴生成本，中國製造整體實力何以做強？

04

説起來，資源浪費是很多人反對充分化市場競爭的關鍵依據——雖説他們會説自己反對的不是競爭，而是“無序競爭”。

之前互聯網企業扎堆“造車”時，不少人就認為，這會帶來過度建設。

經濟學家曹遠征就説得挺好：市場過程中有失靈，有弊端，但是你要理解，它的本質是，只要市場競爭，就一定會有過剩，然後靠競爭優勝劣汰出來，這是它規律性的表現。

他對“先過剩供給再優勝劣汰，付出的代價太高”的説法駁斥道：

這個想法是錯誤的。計劃經濟就是這個想法，叫人為配置資源。但最後我們發現，所有事都是事後知道的。你説當年我要這樣就好了，但是你在當年是不知道這些情況的。你只有選擇了多樣性，然後才會優勝劣汰出最終的選擇。

看不見的手就是看不見的，你想努力把它看見，但最後發現你還是看不見。

模擬市場是模擬不出來的，這就是市場的魅力。回頭看時，市場經濟發展中，好像是會出現重複建設，過剩浪費，但它是有效的。計劃經濟看起來也產生了很多東西，但計劃經濟造成的浪費，是永久性的。

在他看來，肯為創新承擔風險的企業家有着天然的敏感性，他們會發現市場的訴求，打通市場的堵點。

這跟哈耶克説的有相通之處：社會的發展就是要增加機遇，促使個人在天賦和環境間形成某種特別的組合。

那有沒有辦法去減少激烈競爭下的“非必要浪費”？

有些學界業界人士將目光看向了包括超算算力底座在內國家級數字化基建的供給。

如平安首席科學家肖京就認為，在未來人工智能的大模型浪潮中，我國更應該利用集中優勢力量的體制優勢，避免各家分別“建小高爐大鍊鋼鐵”，而是整體統籌，加快打造國家級數字化底座建設。

他主張，通過協調各方資源，引導重大科技基礎設施、高校及科研院所、頭部企業共同參與，集中貢獻算力、數據、資金、人才及場景等各方資源，建立共享、共建、共用、共創機制和數字化底座的市場化運營機制，強化通用數字化建設底座的打造。

周鴻禕也提出將政、產、學、研、用打通，打造“理想主義+實用主義”的科研生態的設想。

他提出，應該發揮新型舉國體制，把知名大學、國家實驗室、科研機構、科研體系和已在大模型自然語言處理有跟蹤和研究的科技公司結合起來，通過合作方式推進。既然技術上別人已經領先了，不要再去重新“大鍊鋼鐵”，重複發明輪子。

這類想法，似乎契合經濟學家常修澤描述的情形：非市場化的“社會巨型科層”與新古典的“純粹市場體系”從組織資源配置的“兩極”向“中間地帶”靠攏，以尋求現代市場與科層結構的新組合。它是否可取可行，仍待討論。

可以肯定的是，ChatGPT是市場創新生態體系上結出的果子，打造AI大模型也需要篤定市場導向。這並非要拒斥算力基礎設施的供給，只是説要讓有形的手止於該止的地方，其他的交給無形的手來。

在激烈的市場競爭下，有的企業也會以開放為手段提升自身競爭力。阿里雲表示要為企業級市場提供普惠AI基礎設施，幫企業搭建專屬模型，就是提升自身競爭力的方式。

事實證明，大浪淘沙，最終會淘出最具競爭力的“碩果”來。

05

説到底，沒必要將AI大模型熱視作“大鍊鋼鐵大躍進”。即便存在所謂的“過度競爭”，那也是生成式AI發展到Gartner第二階段“期望膨脹期”的表現。

吐槽泡沫沒問題，但不能對中國版ChatGPT抱有雙標式矛盾心態：AI大模型出來前，批中國科技企業沒有硬科技實力；多個AI大模型出來後，又批市場過熱。

認為AI大模型要“不多不少”才好，未嘗不是“計劃思維”在作祟。

只要遵循市場規律，不隨意拉踩也不揠苗助長，在當前的數字基建支撐下，國內科技企業們自然會有足夠動力，去用AI技術突破贏得市場地位。

不要只認為AI技術攻堅攸關國家數字主權，它也關乎企業未來競爭力。誰又不想抓住未來的Window、iOS、Android呢？

當此之時，社會該做的，也許就是厚植創新沃土，為創新激勵型環境營造做加法。

厄休拉·M ·富蘭克林在《技術的真相》中説：（技術）尺寸是生長的自然結果，但生長本身是不能被強取的，它只能通過提供一種適宜的環境而得到培育和鼓勵。生長是發生性的，不是製造出來的。在一個生長模式之內，人類所能做的就是發現對生長而言最適宜的條件，並努力滿足這些條件。在目前每一種環境中，生長有機體都是按自身的比率發展的。

要想讓中國版ChatGPT加速成長，就該給自發性市場競爭以包容空間，而非輕易將白熱化競爭斥為“大鍊鋼鐵”“大躍進”。