專家院士也是人，確切的説是更精緻的人_風聞

我們從報刊網絡上看到專家甚至院士都愛胡説八道，開始大家都很相信專家院士的話，這些權威人士的話可以説是一句頂普通人一百句還不止。但是這些人有了這特權那真是不用白不用啊，白來的東西就無所謂珍惜了，大搞特搞，也亂搞。今天終於就連一般的百姓都不信他們的。

這也不奇怪，專家院士也是人，確切的説是更精緻的人。是人就會有私利，如果得不到合理控制的話就會爆炸式的膨脹，無持續的亂膨脹。搞到自己顏面掃地為止。

近來網絡紅了孫凝暉院士批華為搞封閉壟斷，指責一大堆但就沒給出一個事實。我的媽哎，我的院士 有這樣做課題的嗎？

孫院士批評説：

“華為就是搞封閉，搞壟斷，最好你們都別幹，貢獻給我就行了“。好像那個商家都是這麼想的吧，最好你們都別幹，貢獻給我就行了。難倒得説最好都給你們幹，都貢獻給你就行了。這樣的商家活不下來的。

孫院士又批評説：

“比如在華為被美國製裁期間，這種封閉式模式的脆弱性暴露無遺。華為的消費者業務受到了嚴重衝擊，市場份額大幅下降，產品口碑也受到影響。儘管華為依靠通訊業務為其消費者業務輸送資金，但上下游供應鏈的困境依然嚴峻”。

美國是世界超級大國，這樣一個超強來打壓迫害華為，你説華為不暴露出一點脆弱性嗎？孫院士，用你那絕頂聰明的腦子想一想。

在孫凝暉院士看來，目前全球高水平的CPU設計、GPU設計、操作系統設計已經被美國所壟斷，中國要想在這些領域取得突破，就需要用開源模式去打破西方的生態壟斷。開源可以，但也不要把開源神聖化了。你是可以搞一堆烏合之眾相互的卷價格，那來的錢發展核心技術啊？世界上什麼重大技術突破是靠一邦烏合之眾搞成的？

我不介意任何人批華為，但我介意不講道理胡説八道的批，你至少要講出你批評的道理。批判別人要講出道理要講道路，哪怕你是院士。

​------------------

近日，中國工程院院士、中國科學院計算技術研究所研究員、學術委員會主任、中國科學院大學計算機科學與技術學院院長孫凝暉在今年5月的一次演講內容引發了網絡上的巨大爭議。在該演講中，孫凝暉表示，華為走的中式封閉壟斷的路線，難以對抗西式的封閉壟斷。

孫凝暉院士表示：“人工智能時代更加碎片。我們的這個NPU、GPU一大堆，NPU更多，所以整個這個技術戰解決不了碎片化問題，對手已經形成壟斷，很強大，你又是碎片化。當時我們一想，這就跟那個解放前，我們這個抗日戰爭的時候，我們都是一大堆軍閥，每個小軍閥都過得挺好，到四川那一個軍閥佔兩三個縣，一個軍長就是一個軍閥，國家就是有幾個大軍閥，山西就是個大軍閥，那我們基本上碰到強敵的時候你沒有贏的（可能）。我們為什麼能贏？就是搞了一個有點像這個開源，這個他是為所有人服務，大家一起來做做貢獻，那我們的企業這個華為他就不這麼想。”

“華為就是搞封閉，搞壟斷，最好你們都別幹，貢獻給我就行了。你們都用我的芯片，你們都把技術給我，然後我搞一個端到端的，從這個製造到指令到軟件到大模型，到這個應用，反正全都是我，智算中心到什麼算力網全都是我，所以我想我們用這種中式的封閉、中式的壟斷去對抗人家西式的封閉，西式的壟斷啊，肯定是打不贏！”

孫凝暉院士指出，華為在技術發展上採取了一種封閉式、壟斷性的模式。這種模式的核心是將技術和利益集中到一個企業內部，實現端到端的控制。華為的戰術體系就是集中力量辦大事，將技術和利益進行最大化發展。

但這種模式的弊端在於，將整個技術的突破和產業鏈的命運押在一家企業上是風險巨大的。比如在華為被美國製裁期間，這種封閉式模式的脆弱性暴露無遺。華為的消費者業務受到了嚴重衝擊，市場份額大幅下降，產品口碑也受到影響。儘管華為依靠通訊業務為其消費者業務輸送資金，但上下游供應鏈的困境依然嚴峻。

孫凝暉院士強調，“不是説垂直的封閉的（模式）不要搞，因為他的效率更高，商業利益更大，他把資源和他的這個利益集中到一個企業裏邊的能力更強，是可以做好集中力量辦大事的這樣一個事，這個模式他必須要有。但是也必須要有另外一種模式，其實就是開放的這樣一個模式。所以這個就要進行生產關係的改革。”

在孫凝暉院士看來，目前全球高水平的CPU設計、GPU設計、操作系統設計已經被美國所壟斷，中國要想在這些領域取得突破，就需要用開源模式去打破西方的生態壟斷，降低企業擁有核心技術的門檻，讓每個企業都能低成本地做自己的芯片，形成智能芯片的汪洋大海，滿足無處不在的智能需求。用開放形成統一的技術體系，我國企業與全球化力量聯合起來共建基於國際標準的統一智能計算軟件棧，形成企業競爭前共享機制，共享高質量數據庫，共享開源通用底座大模型。簡單來説，就是必須要依靠全產業鏈的共同發展，而非單純的依靠一兩家企業所構建的封閉體系。

近期，孫凝暉院士這番言論在網絡上受到了眾多網友的質疑和指責。不少網友認為華為並沒有搞壟斷，華為的供應鏈是開放的，華為的手機裏絕大部分都是採用的國內供應商的零部件，華為的鴻蒙系統也有開源的版本，華為在美國的持續打壓下不僅沒有趴下，反而還越來越強大了，證明了華為模式的成功。

確實，網友説的的很多也是事實，不過客觀來説，孫凝暉院士也並未否定華為模式的優勢和作用，而是強調國內的技術發展和突破，僅僅依靠華為模式是不夠的，還需要更開放的生態模式，需要更多的企業來發揮他的力量。

值得注意的是，早在今年4月26日，孫凝暉院士就在十四屆全國人大常委會舉行第十講專題講座上，給正國級、副國級領導的講課時就作了題為《人工智能與智能計算的發展》的發言，其中就有提到開放的發展模式。

以下為孫關於凝暉院士中國如何發展智能計算的道路選擇的演講部分內容：

人工智能發展的道路選擇對我國至關重要，關係到發展的可持續性與最終的國際競爭格局。當前人工智能的使用成本十分高昂，微軟Copilot套件要支付每月10美元的使用費用，ChatGPT每天消耗50萬千瓦時的電力，英偉達B200芯片價格高達3萬美元以上。總體來説，我國應發展用得起、安全可信的人工智能技術，消除我國信息貧困人口、並造福“一帶一路”國家；低門檻地賦能各行各業，讓我國的優勢產業保持競爭力，讓相對落後的產業能夠大幅地縮小差距。

選擇一：統一技術體系走閉源封閉，還是開源開放的道路？

支撐智能計算產業的是一個相互緊耦合的技術體系，即由一系列技術標準和知識產權將材料、器件、工藝、芯片、整機、系統軟件、應用軟件等密切聯繫在一起的技術整體。我國發展智能計算技術體系存在三條道路：

一是追趕兼容美國主導的A體系。我國大多數互聯網企業走的是GPGPU/CUDA兼容道路，很多芯片領域的創業企業在生態構建上也是儘量與CUDA兼容，這條道路較為現實。由於在算力方面美國對我國工藝和芯片帶寬的限制，在算法方面國內生態林立很難形成統一，生態成熟度嚴重受限，在數據方面中文高質量數據匱乏，這些因素會使得追趕者與領先者的差距很難縮小，一些時候還會進一步拉大。

二是構建專用封閉的B體系。在軍事、氣象、司法等專用領域構建企業封閉生態，基於國產成熟工藝生產芯片，相對於底座大模型更加關注特定領域垂直類大模型，訓練大模型更多采用領域專有高質量數據等。這條道路易於形成完整可控的技術體系與生態，我國一些大型骨幹企業走的是這條道路，它的缺點是封閉，無法凝聚國內大多數力量，也很難實現全球化。

三是全球共建開源開放的C體系。用開源打破生態壟斷，降低企業擁有核心技術的門檻，讓每個企業都能低成本地做自己的芯片，形成智能芯片的汪洋大海，滿足無處不在的智能需求。用開放形成統一的技術體系，我國企業與全球化力量聯合起來共建基於國際標準的統一智能計算軟件棧。形成企業競爭前共享機制，共享高質量數據庫，共享開源通用底座大模型。對於全球開源生態，我國企業在互聯網時代收益良多，我國更多的是使用者，是參與者，在智能時代我國企業在RISC-V+AI開源技術體系上應更多地成為主力貢獻者，成為全球化開放共享的主導力量。

選擇二：拼算法模型，還是拼新型基礎設施？

人工智能技術要賦能各行各業，具有典型的長尾效應。我國80%的中小微企業，需要的是低門檻、低價格的智能服務。因此，我國智能計算產業必須建立在新的數據空間基礎設施之上，其中關鍵是我國應率先實現智能要素即數據、算力、算法的全面基礎設施化。這項工作可比肩二十世紀初美國信息高速公路計劃（即信息基礎設施建設）對互聯網產業的歷史作用。

信息社會最核心的生產力是網絡空間(Cyberspace)。網絡空間的演進過程是：從機器一元連接構成的計算空間，演進到人機信息二元連接構成的信息空間，再演進到人機物數據三元連接構成的數據空間。從數據空間看，人工智能的本質是數據的百鍊成鋼，大模型就是對互聯網全量數據進行深度加工後的產物。在數字化時代，在互聯網上傳輸的是信息流，是算力對數據進行粗加工後的結構化抽象；在智能時代，在互聯網上傳輸的是智能流，是算力對數據進行深度加工與精煉後的模型化抽象。智能計算的一個核心特徵就是用數值計算、數據分析、人工智能等算法，在算力池中加工海量數據件，得到智能模型，再嵌入到信息世界、物理世界的各個過程中。

我國政府已經前瞻性地提前佈局了新型基礎設施，在世界各國競爭中搶佔了先機。首先，數據已成為國家戰略信息資源。數據具有資源要素與價值加工兩重屬性，數據的資源要素屬性包括生產、獲取、傳輸、匯聚、流通、交易、權屬、資產、安全等各個環節，我國應繼續加大力度建設國家數據樞紐與數據流通基礎設施。

其次，AI大模型就是數據空間的一類算法基礎設施。以通用大模型為基座，構建大模型研發與應用的基礎設施，支撐廣大企業研發領域專用大模型，服務於機器人、無人駕駛、可穿戴設備、智能家居、智能安防等行業，覆蓋長尾應用。

最後，全國一體化算力網建設在推動算力的基礎設施化上發揮了先導作用。算力基礎設施化的中國方案，應在大幅度降低算力使用成本和使用門檻的同時，為最廣範圍覆蓋人羣提供高通量、高品質的智能服務。算力基礎設施的中國方案需要具備“兩低一高”，即在供給側，大幅度降低算力器件、算力設備、網絡連接、數據獲取、算法模型調用、電力消耗、運營維護、開發部署的總成本，讓廣大中小企業都消費得起高品質的算力服務，有積極性開發算力網應用；在消費側，大幅度降低廣大用户的算力使用門檻，面向大眾的公共服務必須做到易獲取、易使用，像水電一樣即開即用，像編寫網頁一樣輕鬆定製算力服務，開發算力網應用。在服務效率側，中國的算力服務要實現低熵高通量，其中高通量是指在實現高併發⑧度服務的同時，端到端服務的響應時間可滿足率高；低熵是指在高併發負載中出現資源無序競爭的情況下，保障系統通量不急劇下降。保障“算得多”對中國尤其重要。

選擇三：AI+着重賦能虛擬經濟，還是發力實體經濟？

“AI+”的成效是人工智能價值的試金石。次貸危機後，美國製造業增加值佔GDP的比重從1950年的28%降低為2021年的11%，美國製造業在全行業就業人數佔比從1979年的35%降低為2022年的8%，可見美國更傾向於回報率更高的虛擬經濟，輕視投資成本高且經濟回報率低的實體經濟。中國傾向於實體經濟與虛擬經濟同步發展，更加重視發展裝備製造、新能源汽車、光伏發電、鋰電池、高鐵、5G等實體經濟。

相應地美國AI主要應用於虛擬經濟和IT基礎工具，AI技術也是“脱實向虛”，自2007年以來硅谷不斷炒作虛擬現實（Virtual Reality，VR）、元宇宙、區塊鏈、Web3.0、深度學習、AI大模型等，是這個趨勢的反映。

我國的優勢在實體經濟，製造業全球產業門類最齊全，體系最完整，特點是場景多、私有數據多。我國應精選若干行業加大投入，形成可低門檻全行業推廣的範式，如選擇裝備製造業作為延續優勢代表性行業，選擇醫藥業作為快速縮短差距的代表性行業。賦能實體經濟的技術難點是AI算法與物理機理的融合。

人工智能技術成功的關鍵是能否讓一個行業或一個產品的成本大幅下降，從而將用户數與產業規模擴大10倍，產生類似於蒸汽機對於紡織業，智能手機對於互聯網業的變革效果。

我國應走出適合自己的人工智能賦能實體經濟的高質量發展道路。