我們中國的人工智能在一個方面上遙遙領(lǐng)先美國，那就是我們搞人工智能大模型公司的數(shù)量遙遙領(lǐng)先美國。

據(jù)統(tǒng)計，截止2023年底，我國已經(jīng)有了8萬家大模型企業(yè)了，甚至還開啟了轟轟烈烈的千模大戰(zhàn)。

然而美國搞大模型呢，就是那么幾家數(shù)得過來的幾家巨頭，像谷歌、OpenAI、馬斯克的X 、亞馬遜和Mate，再加上幾個前沿的學術(shù)機構(gòu)，比如斯坦福的SQuAD、麻省理工的GENIF、伯克利的BAIR。

但是你別看這些美國大模型的數(shù)量少，卻誕生了可以復現(xiàn)諾貝爾獎化學反應(yīng)的AI 化學家Coscientist，還誕生了可以成為AI 機器人控制專家的斯坦福李飛飛教授搞的VIMA。

而我們國內(nèi)只要一有模型開發(fā)布會，就喊著秒殺了GPT4，卻沒真的見過國內(nèi)這些秒殺GPT4的大模型，在國際哪個期刊上做到了什么能夠提升生產(chǎn)力和科研方面的應(yīng)用�？傊駟闻琶麤]輸過，而且總是在我們感受不到的地方遙遙領(lǐng)先。但是你如果真的深度多方位的使用比對過，你就會體會到這些模型跟GPT 的差距，它不是一星半點。造成這種情況的主要原因，我們展開來討論。

第一，就是大模型的這個訓練算力我們跟不上，這種要求高精度的算力，你像H100、A100，還有英偉達新搞的那個GH200。他們要求能夠大量的并行運算，然后顯存高，位寬也要高的GPU，這就是美國制裁我們國家最嚴厲的。

雖然我們國家像百度、騰訊、字節(jié)這些大廠也通過不同渠道購買了不少H100，但是和實際用來超越Gpt4的數(shù)量相比遠遠不夠，而訓練Gpt4這種模型起碼都得萬卡起。

可是美國的企業(yè)就沒有這方面的限制，Open AI 前段時間甚至還號稱要把1000萬顆GPU連在一起去訓練超級大模型。Meta?的扎克伯格剛剛還跟英偉達簽了35萬張H100芯片的采購訂單，這幾乎是我們國內(nèi)大廠保有量的總和。簽完合同后的小扎還號稱，這個Meta 訓練出來的通用人工智能模型也將開源。

而且不光是訓練大模型的這些我們的高級算力跟不上，甚至連精度低一些，用來運行大模型的這些算力，你就比如英偉達針對中國存儲的這個H20中國閹割版顯卡，還有RTX3090、4090之類的低端GPU，我們在算力跟數(shù)量上也差的很遠。

第二，比算力短缺更要命的是訓練AI 的算法跟數(shù)據(jù)，我們差距很大。這個差距還不像芯片差距那么一目了然，但其實更加的嚴重。

當下所有的主流大模型的母體算法叫Transformer ，就是這個Open AI的首席科學家ChatGPT之父伊利亞，十年前和他的老師Jeoffrey hinton 一起發(fā)明（是由Google團隊在2017年提出）。

打個比方，訓練大模型和教孩子其實差不多，孩子他本身的記憶力再強、反應(yīng)再快，你天天讓他在牛圈里放牛，然后教他偽科學，再指鹿為馬，最后這孩子學出來大概也是個傻子。

而訓練頂級大模型的參數(shù)量，像Open AI 的被爆料已經(jīng)接近10萬億級別了。在這種龐大的數(shù)據(jù)集下，你的數(shù)據(jù)和你處理數(shù)據(jù)的算法，最直接的決定了大模型每一次訓練的性能跟質(zhì)量。

第三，國內(nèi)大模型公司，大多都是套殼LLaMA等開源模型的“投機公司”。這跟我們前幾年新能源補貼的時候，新能源公司扎堆式注冊一個意思。

你像llama2的開源，不只是把模型免費給你用這么簡單，他還把他這個模型的訓練的過程和訓練模型的底層數(shù)據(jù)全部開源了，所以少數(shù)有點良心的公司，就把人家開源的訓練數(shù)據(jù)替換或者增加一部分自己的，跟著流程重新訓練一遍，然后號稱獨立自主。但是絕大多數(shù)的那些投機公司，甚至就只是給大模型做了個非常簡單的微調(diào)，給他改了個名字而已。

所以去年10月份，李開復旗下“零一萬物”的大模型就被阿里的大神賈揚清爆錘是換殼模型�？傊税俣�，阿里等少數(shù)幾家國內(nèi)公司外，很少國內(nèi)有從大模型數(shù)據(jù)的底層開始研發(fā)的，但是為什么這些模型公司一個個開發(fā)布會的時候，卻能丟出一大堆測試報告榜單成績，說自己這項成績那項能力已經(jīng)遠遠超越GPT4了呢？

一個叫做Catch me if you can 的論文說的很清楚，這些大模型是如何刷榜作弊的。簡單來說，就是榜單考題泄露，作弊的大模型公司提前拿考題訓練大模型，那這樣分數(shù)就自然高了唄。

但其實最可悲的還不是說這些公司自欺欺人，可悲的是我們國內(nèi)明明AI 的算力資源、政策資源、人才資源都沒有美國那么充足，但是大部分都被這些只想吃政策跟資本豆腐的投機者給浪費了。

其實我們大模型暫時搞不過美國，根本不要緊。因為，第一，美國就沒幾家在搞呀。第二，全世界大部分的國家也都不搞大模型，至多就是基于開源的大模型，微調(diào)個專用的模型。

事實上基于大模型開發(fā)商業(yè)應(yīng)用才是效益最大的，而且日后最占據(jù)話語權(quán)的，也是這些有能力把AI 商業(yè)化落地應(yīng)用的人。

像百度的李彥宏，Open AI 的山姆奧特曼，包括馬斯克，貝索斯都在不同場合上表達過類似的觀點，就是叫大家不要去卷大模型了，應(yīng)該去卷AI 應(yīng)用，在AI 時代才值錢。而他們這些巨頭這么說，不是怕別人搞大模型，超過他們。人家根本不怕，大模型的這個門票，根本就不是小公司買得起的。而是因為他們真的看好AI 應(yīng)用的價值，希望開發(fā)者們都去他們的平臺開發(fā)應(yīng)用，然后給他們貢獻技術(shù)跟價值。

就像GPT4，繼去年11月份發(fā)布會大降價以后，又再次腰斬級別的降價，甚至還加了多個AI 協(xié)同工作的能力。這個功能呢，就是可以讓你在聊天中通過艾特不同功能的AI 應(yīng)用讓他們一起給你干活。這就等于你低價雇傭了好多人，同一時間幫你做著不同的事情。

這對于做電商、做生意天下第一的中國人來說，本來是個千載難逢的大利好啊。所以我們最大的隱患不是什么硬件跟大模型暫時落后于美國，而是這個資源錯配導致浪費了發(fā)展的黃金時期，然后被國外的那些本來被我們的電商公司跟跨境公司已經(jīng)打趴下的人，用AI 方面應(yīng)用的優(yōu)勢彎道超車。

因為如果大模型應(yīng)用員工化，會導致我們的人口優(yōu)勢、人民勤勞勇敢的優(yōu)勢逐漸貶值。比如我之前說的那個GPTS 的Mention 功能，它可以讓不同的模型一起工作，那就等于一個美國人指揮一堆AI 干原來3個甚至10個人的工作。

所以美國在應(yīng)用方面的優(yōu)勢會加速拉大，他們在科研、生產(chǎn)、教育、芯片和大模型方方面面的優(yōu)勢，甚至會形成螺旋加速指數(shù)發(fā)展。

所以 在當下不光是我們的國家，我們每個人、每個公司都更應(yīng)該看清楚社會未來發(fā)展的必然趨勢，要更重視AI 應(yīng)用的構(gòu)建 ， 不要 傻乎乎的 等著你的競爭對手先去發(fā)展，而自己不做任何AI 應(yīng)用的嘗試， 那你的未來起碼蒙上了一層陰影，甚至會被時代所淘汰。