從玩具到工具，AI產業化之現實篇_風聞

      從ChatGPT到DeepSeek，兩年時間，全球超過2000億美元的投資，全社會廣泛的關注，然而AI技術領域的眾多產品仍然停留在玩具階段。

文本生成是AI大語言模型的本行，高中的命題作文，有誰能寫出良好水平以上的？翻譯是AI大語言模型的強項，一份英文的報告，PDF格式，有誰能直接全文翻譯成中文報告的？數量眾多的AI圖片生成工具，有幾個能把自己生成的圖片中的人物再往左挪一挪的？

當我們嘗試使用AI工具去完成一項專業性的工作任務時，就會發現玩具和工具之間的差別。專業性，實用性，可靠性等等，AI產品仍然普遍存在明顯的鴻溝。

AI產品專業性的缺失，是AI產業發展方向偏離正軌的結果。進一步分析，我們可以觀察到兩方面明顯的問題，一是過高預期AI模型的能力；另一個是科學研究和產品開發的目標混淆。

過高預期AI模型的能力

AI模型是人類有史以來創造出的最複雜的工具，因此被人們寄予厚望。當這種希望和科學幻想或市場營銷相結合時，就產生了各種異想天開的設想。

2024年流行的新概念通用人工智能（AGI）就是脱離技術現實的代表之一。

回到技術現實，AI模型擁有的智能和人類大腦的智能在複雜度上存在10個數量級以上的差距，如果説人類智能的複雜度等同於一個地球的話，那麼AI智能的複雜度等同於一粒米。

目前最龐大的AI模型擁有萬億參數，人類大腦擁有1000億個腦細胞。一個參數就是一個浮點數，即一個8位數字的小數。而腦細胞，是一個科學技術至今沒有徵服的複雜系統。舉例而言，細胞中有細胞核，細胞核中有線粒體，線粒體中有遺傳基因，人類遺傳基因有約30億對鹼基對。鹼基對的排列組合選擇氨基酸，氨基酸的排列組合形成蛋白質分子，僅僅是蛋白質的合成這一項功能，就需要一個複雜的AI模型來模擬。AI模型的複雜度不能和大腦相比，而應該和一個腦細胞相比。

不僅如此，AI模型的內部結構是靜態的，大腦中神經元細胞的結構是動態的。人類的記憶和腦細胞在三維空間中的位置存在直接關係。千億個單位的動態變化把複雜度推上了另一個維度。

基於上述分析，我們粗略評估AI模型擁有的智能和人類大腦的智能在複雜度上存在10個數量級以上的差距。

而人們普遍沒有意識到這一差距的原因是，兩者都超過了現在的科學技術能處理的複雜度極限。在面對兩個難於理解的過度複雜的系統時，我們會自然的把它們等同起來。簡單理解，就是類似於無窮大永遠等於無窮大。

      在承認AI智能和人類智能的巨大差距之後，一個不言自明的結論就是，AI將是一類新工具，而不是人類智能的代替品。AI產業的發展方向，應該是眾多的專業性工具，而不是替代專業人士或者替代整個信息系統。

科學研究和產品開發的目標混淆

科學研究追求理論的先進性和創新性，重視技術的獨創性，本質的解釋和邏輯的嚴謹性。產品開發追求市場需求的滿足或者實際問題的解決，重視用户體驗、成本控制和競爭優勢。這是兩種截然不同的思考方式，會產生不同的技術路線和研發結果。這也是科學家和工程師兩個羣體的本質上的差異。

      對於涉足AI技術領域的公司，建議先考慮清楚自己的目標和定位，是科學研究還是產品開發，然後再篩選出合適的技術團隊。

      AI技術的突破同時打開了科學研究和工程技術兩個方向上的新領域。我們需要科學家和工程師在各自擅長的領域上繼續開拓進取，混淆這兩個方向只會有不倫不類的結果，是對投資的巨大浪費。

      綜上所述，我們認為AI產業的發展應該放棄通用人工智能的錯誤方向，讓科學家繼續研究新的模型、新的算法和新的芯片，讓工程師基於AI模型設計和開發各種專業工具，讓現在的AI玩具們繼續完成普及和教育的工作。我們相信有部分企業已經走在正確的道路上了。

      上述的觀點可能要等到AI泡沫破滅，第一輪投資熱潮過去之後，才會更容易被社會所普遍接受。不過，科學技術有着自己的驕傲，時間是站在科技這邊的。