不知道算不算效率革命？
9月5日，我在上外洋滩大会主论坛，听完中国工程院院士、阿里云创始人王坚的演讲后，实录还没来得及整理，晚上各大自媒体、媒体就已经纷纭发布了关于大佬们演讲的内容。
AI时期，总有人比你快，这是一个要学会利用工具，结合个人技能才能跟上发展节奏的时期。
我不喜好别人夸我聪明，但对方说，你挺勤奋的，那我却很愉快；什么是勤奋？在韶光上投入更多吗？不是的。我认为勤奋，是一种“得到能力的能力”。
什么意思呢？
你去探求一位高人，要求他传授你技能。这位高人问你，你想学什么？你说，我想学123....
如果把它具象化，便是”得到能力的能力“，你用两天韶光节制别人半个月还没打仗到的信息，便是提高自己。
马斯克曾在一次大学演讲中被问道：“你是怎么取得本日的成功的？”马斯克的回答是：“Work Super Hard”（极度的勤奋）。
以是，只管大会已经由去三天，网络上已经有很多碎片化关于王坚谈论AI的内容，但还是希望通过自己的理解办法，分享给你。
01王坚院士在演讲中提到了三个核心维度，第一个是关于AI的历史与发展。他说，AI有着很长的过去，但只有非常短的历史。
为什么这么说呢？
我们知道，人工智能起源可以追溯到上世纪50年代初。
当时，图灵揭橥了一篇名为《Intelligent Machines》（智能机器）的文章，某种程度上开启了人工智能的漫长历史。
文章中，图灵首次磋商了机器与智能之间的关系，这篇文章还被揭橥在一本心理学的哲学杂志上。
那个年代，“打算机”这个词还没有正式涌现，人们习气称其为“打算机器”（computing machinery），这也是美国打算机学会（ACM）名称的由来。
图灵在那篇文章中第一次利用了“数字打算机”这个词，产生了深远的影响，直到本日，我们谈论机器智能时，许多最早的观点都可以追溯到这里。
之后，1956年的达特茅斯会议成为了人工智能发展的主要里程碑。但故意思的是，王坚提到，如果那场会议没有在达特茅斯召开，而是在别的地方，大概本日我们称之为“人工智能”的东西会有个完备不同的名字。
接下来，他从个人视角阐明了人工智能的发展进程。
他说：
赫伯特·西蒙，一位生理学家，参与了达特茅斯会议并终极得到了诺贝尔经济学奖；1972年，作为美国打算机学会的代表，他首次访问了中国。80年代初，他又以美国生理学会的名义再次访问中国。
王坚回顾道，西蒙当时见告他们，未来十年内，人工智能将发生翻天覆地的变革。这让他非常激动。然而，十年过去了，彷佛什么也没发生。
但事实上，许多根本观点和理论早在那时已经被提出。
即便是神经网络，80年代末时已经有一本名为《PDP》的教科书，讲解了分布式处理（Parallel Distributed Processing），个中大部分内容都涵盖了神经网络的理论，也已经发生了变革。
当时的神经网络只有三层，每层只有两个节点，规模非常有限。而本日，AI模型可以处理上千万个节点，神经网络的繁芜性已经发生了质的飞跃。
那么，为什么说人工智能的历史非常短呢？
王坚阐明，由于直到2017年，当代人工智能的历史才真正开始。那一年，谷歌提出了Transformer模型，这个模型改变了游戏规则，使得人工智能再次回到"大众和家当的视野里。
以是，2017年之前的AI和本日的AI，已经是两码事。
因此，王倔强调，本日的人工智能只有7年的历史。这统统迁移转变始于2017年的那篇文章，而有趣的是，这篇文章八位作者，如今都已经离开了谷歌。
这统统表明，本日的AI和80年代的AI已经完备不同，它们的发展路径和呈现办法截然不同。
02第二个维度，关于AI＋。对付AI+，有两家公司是绕不开：OpenAI和谷歌。
王坚说：
这两家公司代表AI发展的不同路径。想先说说OpenAI。为什么OpenAI能够取得如此大的成功？
这不仅仅是由于他们在技能上有打破，更多的是由于他们的机制创新。
OpenAI不是一家普通的科技公司。它最开始是一个非盈利机构，但又通过与商业机构结合，形成了一种非常独特的存在。
大家想想，一个非盈利的机构和一个商业机构在同一个主体里共存，这背后有多么繁芜的机制创新。这也是我为什么常常跟投资人说，用传统的投资办法，你是投不出OpenAI这样的公司来的。
由于它既不是纯粹的科研机构，也不是普通的商业公司，这种稠浊的机制，让OpenAI能够在技能上取得打破的同时，办理了很多其他公司难以处理的问题。
你们可能也知道，OpenAI和微软的互助，不但是让ChatGPT这样的产品出身，他们还磋商GPT可以用在哪些场景中。
其他的那些产品可能有用，但不具革命性，末了都写成了书；这让我想起一句话：最具革命性的东西每每变成了产品，而不是写成书。这便是OpenAI和微软互助背后真正的力量所在。
比较之下，我们再看看谷歌，谷歌很行，但谷歌也很弗成。为什么这么说呢？
谷歌在技能创新上毫无疑问是天下领先的，尤其是从0到1的创新。大家都知道，2017年谷歌提出了Transformer模型，这个模型可以说是AI领域的一次重大打破，它让本日的AI重新进入了大众视野。
但是，谷歌的问题是：它并没有像OpenAI那样通过机制创新，把技能真正转化为一个具有广泛社会影响力的产品上。
你可能听过最近斯坦福最近的一场发言，大家都在谈论谷歌的技能多么厉害，但同时也在说，谷歌并没有像OpenAI那样，这便是为什么我说，谷歌很行，但它也很弗成。
它在技能上做到了极致，但在机制创新和市场化运用上，还有很大的空间，以是，OpenAI不仅仅在技能上走得很远，它在理解问题的深度上，也有着独特的上风。
03既然如此，我们再谈谈ChatGPT与AI+的实质。
很多人一提到ChatGPT，就会把它当作一个普通的运用来看待。这样的理解是远远不足的。
它的意义不仅仅在于它能与人对话，而在于它供应一个全新的办法，让AI能够与行业深度结合，去办理很多过去办理不了的问题。
我们本日谈AI+，不能大略地把它理解为“AI加上一个行业”，这样做反而是对AI+的庸俗化。AI+的关键不在于加了什么，而在于如何加。
ChatGPT涌现，不但是让AI能够对话，它供应了一个框架，让AI能够嵌入到各行各业，去赋能各个领域；这个赋能不是技能堆叠，而是一种全新的交互办法，一种帮助行业办理实际问题的能力。
很多时候，我们就会把AI看作是一个工具，把它运用到不同的领域里去，这是不准确的；我认为，ChatGPT的实质是一个运用平台。
它可以让不同的行业环绕这个平台去构建自己的运用处景。你可以通过ChatGPT办理客户做事的问题，处理自然措辞的需求，乃至可以通过它进行繁芜的数据剖析。
ChatGPT为行业打开了很多新的可能性，这便是它的真正意义所在。
还有一点，我常常提醒大家：ChatGPT不是AI+的一个运用，而是一个根本举动步伐，它为AI与行业的结合供应了一个通用的框架。
我们可以看到，在各种行业中，ChatGPT都已经被用来办理那些过去须要人类处理的繁芜问题；无论是金融、教诲，还是医疗，ChatGPT都在这些领域中找到了自己的位置。
这便是AI+的真正代价所在，它不仅仅是把AI大略地加到某个行业中，而是让AI通过平台为行业赋能，带来深层次的变革。
以是，ChatGPT，不但是让AI能够做更多的事情，更主要的是它为AI+供应了一个强大的根本。我们该当从这个角度来看它的意义。
通过AI的实质，再回过分来思考下，OpenAI与创新机制的变革与技能举动步伐的关系。
有一次，黄仁勋说，ChatGPT是人工智能的iPhone时候。这句话被很多人引用，刚听到时，我也以为很振奋；但后来仔细一想，这句话有点问题。
为什么呢？
由于ChatGPT到底是什么没有说清楚，人工智能是什么也没有完备阐明清楚，而iPhone又是什么更是没说清楚。
把这三个模糊不清的东西放在一起，形成一个看似伟大的说法，却没有给出详细的阐明。
大家总是说，iPhone生态系统多么主要，Apple Store的存在是关键。但实在，Steve Jobs发布第一代iPhone时，Apple Store是不存在的。
当时和Jobs一起发布iPhone的公司，本日险些都消逝了；以是，iPhone到底是什么？我们每每没有真正去寻思。
实在，黄仁勋的这句话让我想起另一句话。当AlphaFold 2发布时，有人说，这是生物学的ImageNet时候，这句话真正反响了技能发展的背后逻辑。注：（AlphaFold 2是由 DeepMind开拓的一个人工智能系统，专门用于预测蛋白质的三维构造）。
这统统的开端可以追溯到Jeff Hinton和他的两个学生揭橥的那篇经典论文。
论文揭示了人工智能的三大根本要素：有组织的数据（ImageNet）、神经网络模型（CNN）以及算力（GPU）。这篇文章首次将这三者完美结合，奠定了本日AI发展的根本。
GPU在那篇文章之后，逐渐成为学术界和工业界的标准。当时，Hinton和他的学生只用了两张普通的GPU卡，而这些卡当时在中国的每个网吧里都能找到。
只管如此，这两张GPU卡的算力已经超过了上万个CPU核。而这正是技能打破的关键。算力的主要性不言而喻，但在创新的早期阶段，没有比人类的创造力更主要的东西了。
然而，随着AI的发展，数据、模型、算力的规模都在迅速增长。当这些成分的规模增加1000倍时，技能的性子也随之发生了根本性的变革。
这是一个质的飞跃。
就像Pascal曾经说过的，婴儿的速率增加1000倍后便是一架喷气机。规模改变了技能的格局，本日我们谈论的AI，离不开其背后弘大的算力和数据处理能力。
这正是AI根本举动步伐出身的背景；当数据、模型和算力的规模变得如此之大时，传统技能架构已经不敷以应对，我们须要新的根本举动步伐来承载这统统。
根本举动步伐的引入，不仅办理了AI技能的规模问题，也为未来的智能商业系统供应了坚实的根本。
04末了，第三点，通过技能举动步伐，来核阅当下的云打算。
大家回过分来看，在云时期、移动时期和AI时期，大家谈论的根本举动步伐是什么？
毫无疑问，答案是云打算。
这里很故意思的是，大家乃至把苹果和英伟达也划到了根本举动步伐这一类中；这种分类办法让人以为有趣，但并不奇怪，为什么呢？
由于大家以为这些企业理应去做云打算。
作为做云打算的我，看到这样一张图时，感到非常激动。这张图不是我画的，但我看完之后，以为它表达的意思和我的理解完备同等。
你们可以看到，这张图列出了美国六家做AI的独角兽企业，而背后的根本举动步伐支持也很耐人寻味。
OpenAI背后的投资达到了100亿美金，来自微软；第二名则是背后由AWS供应支持的公司。大家可以看到，环球排名前几的云打算做事商，险些都在支持本日的美国AI独角兽公司。
当然，大家可能会以为奇怪，为什么这里有第一、第二、第三、第五和第六，却没有第四名呢？第四名是阿里云。这个征象从云打算的角度就能看出来，根本举动步伐在将来这些技能的发展中会有多么大的影响。
同时，也反响了各个家当之间的差距到底在哪里。
这也让我想起刚才说的一句话：微软看起来弗成，但实在也很行。微软在人工智能上没有做出像Transformer那样的技能打破，但它凭借云打算和根本举动步伐，与OpenAI联手，创造出了本日大家看到的成果。
以是，微软从另一个角度来看，还是非常成功的。
因此，在AI、AI+和AI根本举动步伐的逻辑中，每个人都有机会去做出自己能创造历史的事情。
我前几天看到一个创业公司，为了证明他们创业的主要性，画了一张图，图中很故意思地展示了数据、打算和算法的关系。
但我要强调的是，如果这些东西不在根本举动步伐的框架里，事实上它们是没有太大代价的。
数据不仅仅是模型的附属品，也不仅仅是打算的附属品，只有当这些东西成为完全的根本举动步伐时，真正激动民气的创新才会发生。
如果大家核阅历史会创造，传统IT时期的云打算和AI时期的云打算，两者有所不同；同样，数据也做了区分，传统意义上的数据和AI时期的数据，这两者之间也存在细微的差异。
以上是王坚关于AI、AI+、AI根本举动步伐三个维度的思考。
总结：当我们再看AI、AI+和AI根本举动步伐时，会创造这个天下不仅仅是技能在革命，机制也在革命，根本举动步伐也在革命。
没有什么比这三项革命同时发生更让人激动的了。因此，我也相信这些革命正在创造未来。
注：保留原不雅观点同时，有删减，有对逻辑顺序的重构。