中美之间的AI差距，很大吗？
本文首发于“单仁行”公号，订阅“单仁行”公号
从企业家的角度探究商业本质
01
自从OpenAI发布文生视频模型Sora之后，互联网关于AI，特别是中美之间的AI发展有很多讨论，甚至带火了某些在社交平台上卖课的个人。
有人说，美国厉害的是人工智能技术，中国厉害的是人工智能培训。
关于AI的发展，特别是中美企业之间的AI差距有多大？什么才算是在AI上的“领先”？
02
首先，我们来听听单仁牛商董事长，央视凤凰评论员单仁博士的看法。
这几天网上有人拿OpenAI的创始人山姆·奥特曼和国内做AI教育的某个老师相比，让我想起中国有个京剧，叫秦琼战关公。
发泄一下对中国在人工智能研究方面落后于美国的遗憾和落寞，这种情感我们能理解。
过去几年时间，随着自媒体的发达，中国的网络上出现了一种非常乐观的思潮和情绪，在我们大部分人的意识当中，中国在高新技术研究方面已经和美国并驾齐驱了，甚至还有所超出了。
确实，在不少领域，比如航天航空、装备制造、新能源汽车，我们都做出了不俗的成绩。
但这两年，随着Open AI各种人工智能大模型的面世，特别是Sora出现之后，似乎又让所有人一下子清醒了，在前沿的突破性创新方面，中国和美国还有着现实的巨大差距。
从当年的计算机到后来的互联网，到现在的人工智能，我们大致能看到中美之间，在前沿科技和基础研发能力方面的差距还是很明显。
美国确实在基础创新方面一直很强，但究竟强在哪里？
我们一直在思考。
我们都知道，Open AI原本是一个公益性质的人工智能实验室，得到了包括比尔盖茨、马斯克在内的资本支持，吸引了一群像山姆奥特曼在内的专业人工智能人才。
他们不以商业回报为目的，本意是一个对人工智能应用方向突破的追求，不带任何功利性的探索和尝试的项目。
带着这种初心，他们用六年时间不屈不挠的探索和纠错，才在2020年找到了现在的大语言模型AI的突破方向。
然后，又花了两年时间，才做出了ChatGPT。
因为资本和团队这种简单、纯粹的发心，才有六年不图回报的支持，才有科研团队不懈的努力。
任正非老先生曾经多次说过，中国需要更多的数学家、理论家。
我们反思中国的科研体系，其实很多都带有着强烈的功利主义和实用主义的色彩，无论是投资人、还是研发人员，短时间如果看不到赚钱的希望就容易丧失耐心，马上放弃了。
就像中国的基础教育，其实我们真的不需要每年增加上千万个会刷题的机器，我们更需要有思想、敢创新、从科学上敢于挑战现存的理论和规则的孩子们。
包括目前企业的用人需求也和教育结果有点错配。
社会的发展，有着自己的规律。我一直在思考一个现象，中国共产党那么多优秀的开创者，为什么是毛泽东、周恩来、邓小平、朱德、刘少奇这群人最终走到了北京？
我自己简单总结了一下，还不成熟。
一方面，我研究了这些领袖们的家庭都比较富裕，他们思考的重点已经不是一日三餐、生活琐碎，他们有更多的机会思考一些表面上“无用的东西”，或者“想入非非的东西”，比如说改变世界。
另一方面，这些领袖们都有那个时代更高纬度的认识，特别是对社会有着更大的责任心。
这大概是社会发展的一个过程。
想到这里，我又有了一个疑问：为什么在90年代后，在富裕家庭成长起来的85、90、00后们，和美国年轻人比起来，创新和突破方面，还是没有太大的起色呢？
我有想到中国的高考制度，我们不得不说中国的基础教育体系确实需要很大的变革。
变革的关键是从鼓励孩子们敢于想象，敢于突破，敢于想一些“无用”的东西。
越是战略性的思考，越是在短期看不到结果、显得“不实用”的东西，对一个组织甚至一个国家来说，至少同样重要。
03
接下来，资深投资人，单仁行专栏作者宋子老师的观点。
OpenAI在2月16日凌晨发布的文生视频大模型Sora，它能够仅仅根据提示词，生成60s的连贯视频，碾压了行业内只有“4s”的视频生成长度。
美国的确在人工智能方面走在了前面，这一点除了体现大模型之外，还体现在算力上。
从大语言模型、文生图到文生视频，对算力的要求越来越高，英伟达在这方面可谓一骑绝尘。
AI时代离不开机器学习，而神经网络训练、推理需要大量的矩阵运算和卷积运算，GPU可以加速训练模型、处理海量数据等密集计算任务，是计算的主力军。
文稿中，看到不同算力，在常规算力、4倍算力、16倍算力，对图片、视频出来的效果差异是非常巨大的。
但是，不是用大模型去做任何新的东西，而是把大模型跟已有的产品和场景做了一个充分结合，让自己的旧业务焕发出新生。
所以，有人说“美国厉害的是人工智能技术，中国厉害的是人工智能培训”，这只是我们这些外行人，不太理解内行的情况。
在2月19日，国资委就指出，央企要加快布局和发展人工智能产业，夯实发展基础底座，加快建设一批智能算力中心。
从大语言模型、文生图到文生视频只是一个落地的场景而已。
就像2016年谷歌阿尔法狗下围棋一样，在2023年下半年，华为发布盘古大模型，并且打出一句口号，叫“不会作诗，只会做事”。
中美在AI的方向上，的确是存在一些不同的地方。
微软把AI嵌入了Office帮人写文章、嵌入Bing搜索和Edge浏览器帮人找答案；WPS也在这方面发力。
Adobe是用AI来修图片、改视频；美图秀秀的大模型工具也可以创作绘本漫画；
Salesforce呢？用AI来帮企业做销售、客服和市场营销的智能分析。
甘肃省临洮县和百度合作，也开发了一个专门用来预防轻生的人工智能，也就是利用河边摄像头，识别河边的人是否有轻生的迹象，然后提醒相关部门及时介入。
其实，早在2018年，武汉科技大学的大数据团队，就开发过一个AI模型，用来识别社交网络上的网友发言，寻找有自杀倾向的网友加以干预。
五年时间，迭代几十次后，这个模型已经做到80%的准确率。
那么，中美在人工智能方面，差距在哪？
从人工智能三要素：算力、算法和大数据来看，
算力方面，以华为为龙头的算力GPU昇腾芯片在奋起直追，其中昇腾910已经逼近英伟达A100芯片性能，但是离H100芯片还有比较明显的距离。
但生态方面在加速繁荣，可以支持50+主流大模型，加快应用创新和落地。
算法方面，国产生态已经崛起。
科大讯飞联合华为，发布了基于昇腾生态的“飞星一号”平台。
科大讯飞董事长刘庆峰宣布，依托“飞星一号”平台，星火大模型开启对标GPT-4的更大规模训练，它的语言理解、数学能力已经超过GPT-4 Turbo，代码能力达到GPT-4的96%，多模态理解达到GPT-4的91%。
每当一个有望改变世界的新技术推出的时候，从中受益的可以分成三类人：
1、核心技术先驱者，占比2%；
2、使用者，占比88%；
3、投资者，占比10%。
在AI时代，知识和能力更新迭代的速度在加快，拼的就是我们的学习能力和学习速度了。
—
责任编辑 | 罗英凡
本文图片均来源于网络