本文由半導體産業縱橫（ID：ICVIEWS）綜合
很多人都在關注，AI的大戰中誰會勝出？
記得當Chat GPT首次出現時，有人猜測這或許是AI的再一次“昙花一現”。
不過，了解科技爆發周期的人，會知道AI絕對不會止步于此。前日淩晨，Open AI釋出了最新傑作——GPT-4o。以其突破性的智能互動能力，徹底颠覆了我們對AI語音助手的認知。這不僅是技術的飛躍，更是人機互動曆史上的一大步。
在昨晚剛結束的谷歌I/O釋出會上，谷歌攜新版Gemini AI大模型等産品，試圖在AI賽道上重新奪回主動權，在兩個小時中“吼出”了121次AI。
現在，AI已然成為科技讨論的中心。
很多人都在關注，AI的大戰中誰會勝出？做AI的創業者到底應該怎麼做？技術爆發之下潛藏着哪些危與機？
今日，在「AI創生時代——2024甲子引力X科技産業新風向」大會上，金沙江創業投資基金主管合夥人朱嘯虎、獵豹移動董事長兼CEO、獵戶星空董事長傅盛、出門問問創始人兼CEO李志飛、清華大學電子工程系教授、系主任、國家自然科學基金傑青、IEEE Fellow、無問芯穹發起人汪玉、摩爾線程創始人兼首席執行官張建中。5位涵蓋投資人、産業、專家的各具特色的嘉賓共聚一堂，圍繞着目前人工智能的現狀以及核心競争力，一起探讨中國AI的未來風向。
2024年AI的整體趨勢變化是什麼？
“更為平靜”是李志飛給出的關鍵詞。2023一年中，新概念、新詞彙、新知識層出不窮。比如在3月份，作為業内人士的李志飛還沒有聽過AI Agent這個詞彙，但到了4、5月份所有人都在圍繞Agent進行讨論。同時，行業不斷推出新的大模型，對于新的知識和讨論非常熱鬧。今年來看，能夠讓人興奮的一個是Sora，一個是人形機器人。行業感受更為平靜。
“卷”是傅盛認為的關鍵詞。2023年AI訓練模型出現一次又一次，其中名額一個比一個高。前不久，GPT-4o釋出，很多人都認為非常震撼。但在Open AI并沒有釋出GPT5或者GPT 4.5，進行大模型性能的巨大提升，而是開始卷應用、工程化、成本。沒有持續提升大模型性能的背後，傅盛認為是算法的更新遇到了瓶頸。
“無限可能”是汪玉寫出的關鍵詞。他表示，高校中越來越多的年輕人，開始嘗試AI。4月，清華大學成立了人工智能學院。圍繞AI的兩個方面，AI core方面包括算法的演進有很多企業都在進行更新；AI plus方面，各行各業都開始動起來，想要找到AI在行業内的發力點。
“想象”則是張建中的關鍵詞。他說到：“貧窮限制想象。”大部分人都是貧窮的，對于創業公司來說，融資幾個億、十個億看似很多，但也無法支援建設算力中心。哪怕是Open AI非常有錢，但它的算力資源同樣不夠。是以，關鍵在于解決因為貧窮沒有資源，導緻公司無法去試驗，無法去疊代的關鍵問題。
“商業化品質”是朱嘯虎作為投資人的關鍵詞。他認為，在國内創業不要過度追求技術問題，因為技術疊代非常快。關鍵是公司能不能達到商業化，産品傳遞給客戶。有很多“日抛”型的AI産品，正是因為沒有達到商業化要求，客戶在首次登陸後不會持續使用。是以，AI創業中達到商業化要求十分重要。
未來AI流派：技術信仰派or市場信仰派
張建中認為AI的發展需要依靠的是行業和技術。行業先行，任何技術創新如果沒有行業，那麼就無法商業化。先行行業可能是AI最新改造和加快創新的地方。AI能夠在很多行業具有很好的商業化價值。
他舉例說到，早期的人臉識别，準确度在60%左右，在深度學習後能夠達到90%的準确度。再到後面，商業化落地後，人臉識别甚至比人能夠辨認得更加精準，人眼分不出的雙胞胎，AI可以做到。
目前國内很難進行不考慮商業回報的研發，是以行業一定要先行。但行業先行有先天條件，需要跨領域、跨專業的人才。如果AI要在某個領域發展，那就需要既懂專業知識，又懂AI知識的人才。行業先行的背後，還是人才驅動行業發展。
“長期技術、短期市場”是傅盛給出的答案。先來看技術，技術正在改變社會的生産力、結構和效率。AI對行業模式的影響肯定存在，是以傅盛還是樂觀看待技術。但是短期需要注意：技術并不是一個線性發展的過程。技術往往是一次突破帶來一波市場化應用，技術是階段性的，在真正落地的時候，不要相信技術每年都和去年一樣。
在80年代，機器人技術成本高于人工勞動成本的時期，将自動化産業變為人工手動組裝的靈活生産，反而讓生産效率大幅提升。是以，創業者看1-2年的東西一定要和市場緊密結合。
此外，傅盛認為，在資源有限的條件下，才更能夠根據市場的需求進行創新。“資源陷阱”的意思在于，有時候過度迷信技術本身帶來的爆發力，而不計成本的投入，這反而會導緻行業泡沫的破滅。是以，做AI的創業者應該更全面地去關注應用，關注市場如何從市場上拿到回報。
李志飛則認為技術和務實才能夠使得企業在AI的潮流中發展得更好。對于技術創業者來說，對于技術的信仰是隐藏在基因中的本能，但早期很多技術創業者會有誤區：太不務實了。打着理想的旗号回避現實的問題，比如做了很多産品，總認為使用了前沿技術，無人使用是使用者的問題。實際上，創業者多關注商業、多面對競争，多了解技術是否是使用者需求，這方面才更加重要。
汪玉同樣給出了技術和商業兩條路。在高校中，對于技術的執念是天然存在的。他分享的更多的是關于商業。行業總是在等待技術的突破後，期待帶來的一批商業化進展。是以“高校科研成果轉化”頗受業内關注，但“社會資訊輸入”被提及的少。關鍵在于高校教授、研究人員，能不能在早期的時候意識到世界上缺什麼東西。研究出一個系統的技術方案，在理論上突破把事情解決。現在從高校和商業溝通，再回到技術，這個路線的閉環還不夠快。
在企業中，能夠做1-3年的研究就已經很不容易了。但對于高校、研究機構，可以做5-10年的研究，是以如果把一些技術難題放到高校中，形成一個更良好的生态，還是需要業内一起努力的。
此時，黃仁勳最擔心的是什麼？
汪玉表示，對于大模型來說，生态的出現使得曾經需要2000個算子，到現在可能隻需要200個算子，是以GPU的需求會受到影響。原來，GPU的性能很好，所有人都在讨論對于GPU的需求。慢慢的，市場可以不使用CUDA隻提供硬體。用插件的方式，是以底層到底使用什麼晶片，其實不一定會有這麼明确的需求。
李志飛表示，中國和美國有很多不同，從創業、選擇到路徑都有所不同。對于英偉達來說最大的AI營收，80%還是來源于各個巨頭，是以最擔心的應該是巨頭自己幹。比如Mata、微軟、谷歌都在自研晶片。當模型的所有應用、價格都統一收斂後，大型公司會做一個性能差不多，甚至更便宜還能自己掌控的硬體。本質上，大模型投入是不是能配得上使用者的需求，這才決定算法收費是否可持續。
張建中表示，黃仁勳應該在擔心下一個AI的應用是什麼？
一個雞生蛋還是蛋生雞的問題：到底是Transform 在GPU中加速好，還是有GPU才有Transform。生态是很重要的，所有東西都需要生态。他認為，有了GPU之後，Transform才能發展的更好；同時有了Transform後，也在推動GPU的架構更好的改進。現在，Transform已經有了各種變化，那下一個是什麼。
在大模型語言加速過程中，每一個小小的算法變化都是技術架構帶來了新的改進。對于通訊方面的要求，對于scaling的要求，都是改進GPU最好的地方。是以，如果有人問GPU是否能适應下一代未來的技術？答案是：OF course。此外，張建中表示，GPU産品的疊代速度并不比大模型更慢，反而GPU 架構的疊代也在加快。
黃仁勳或許認為，GPU永遠不會失敗的，不會被替代别人替代持，傅盛對此持否認态度。他表示，整個AI行業都在朝着裁剪參數的方向靠近。谷歌釋出了第一個搭載手機本地的大模型，作為示範谷歌當場識别了詐騙電話。也就是，把反詐騙APP裝在手機上了，這不需要消耗任何服務端的GPU。這條路如果走通10%，那10%的算力需求就會減少。目前，谷歌、蘋果都在做小參數模型。
另一方面，Open AI也在把Chat GPT 4 的構架精簡，在做推理優化，省更多的GPU。是以，當軍備競賽走到現在，一個巨大的趨勢是使用更小的算力、更低的成本，提供更好的服務。
*聲明：本文系原作者創作。文章内容系其個人觀點，我方轉載僅為分享與讨論，不代表我方贊成或認同，如有異議，請聯系背景。