現(xiàn)在媒體上普遍的看法是：中美在人工智能領(lǐng)域處于世界上第一梯隊(duì)，與其他國家已經(jīng)拉開差距，而美國又明顯領(lǐng)先中國。具體來說，美國在基礎(chǔ)人工智能技術(shù)，尤其是大模型，人工智能芯片等方面明顯領(lǐng)先，中國在人工智能的具體行業(yè)應(yīng)用上具有優(yōu)勢。

我在上一篇文章“”對(duì)以上看法總體上也算是認(rèn)同的前提下，對(duì)AI大模型、中模型和小模型各自的不同應(yīng)用前景進(jìn)行了具體分析。本文是在參觀過2024年10月22號(hào)開幕的北京安博會(huì)之后，有了更深入的理解，將更進(jìn)一步特別細(xì)化地討論，中國人工智能技術(shù)為什么事實(shí)上已經(jīng)處于遙遙領(lǐng)先世界的狀態(tài)，以及究竟領(lǐng)先在何處。

一、傳統(tǒng)人工智能應(yīng)用的普及

事實(shí)上，在大模型出現(xiàn)之前，中國在人工智能實(shí)際落地的能力上就已經(jīng)處于世界非常領(lǐng)先的水平。因?yàn)橐酝斯ぶ悄茏畛晒Φ募夹g(shù)，就是車輛、人、語音等的識(shí)別。相應(yīng)成功的應(yīng)用是停車收費(fèi)，社區(qū)、道路等人工智能的安防監(jiān)控。這些已經(jīng)在中國獲得廣泛的普及，并且產(chǎn)生了巨大的經(jīng)濟(jì)和社會(huì)效益。大模型技術(shù)的出現(xiàn)，是沿著原有的人工智能應(yīng)用進(jìn)行了更大范圍和更深程度的擴(kuò)展。以往的人工智能安防應(yīng)用是這樣的：

在模擬時(shí)代，記錄的視頻是獨(dú)立的數(shù)據(jù)，按行業(yè)術(shù)語說就是沒有進(jìn)行“結(jié)構(gòu)化”。如果要在視頻中找尋某個(gè)對(duì)象，得依靠人工逐個(gè)時(shí)間點(diǎn)地去翻看，這個(gè)效率實(shí)在是太低了，要查尋到某個(gè)視頻記錄，耗費(fèi)很多人力資源花上幾天時(shí)間都有可能。

采用人工智能技術(shù)后，可以實(shí)現(xiàn)視頻的結(jié)構(gòu)化。也就是可以智能地識(shí)別出視頻中車輛的車牌、顏色、車輛型號(hào)，甚至司機(jī)是否系安全帶，另外還有行人智能識(shí)別等。有了這些識(shí)別出的數(shù)據(jù)并與視頻內(nèi)容相對(duì)應(yīng)地進(jìn)行記錄，如果再查尋視頻就會(huì)變得極為方便，只要輸入某個(gè)車牌號(hào)或其他信息內(nèi)容，就可以瞬間查尋到相應(yīng)時(shí)間點(diǎn)的視頻片段。

可以說，雖然人工智能的出現(xiàn)很早，并且持續(xù)地有人提出各種人工智能的應(yīng)用。例如下各種棋勝過人類職業(yè)冠軍選手等，但人工智能第一次真正獲得大規(guī)模商業(yè)回報(bào)，就是視頻安防領(lǐng)域。其他的技術(shù)如語音識(shí)別，它只是其他各類應(yīng)用的一個(gè)免費(fèi)的功能（如微信的語音輸入、語音識(shí)別鼠標(biāo)等），它自己很難形成獨(dú)立的產(chǎn)品。

但這個(gè)階段的人工智能也有一些限制，就是要想識(shí)別什么類型的信息，必須是提前確定好，由企業(yè)研發(fā)人員進(jìn)行相應(yīng)數(shù)據(jù)的訓(xùn)練和優(yōu)化。這樣，如果要增加某個(gè)功能，比如說要新增識(shí)別三輪車，就需要企業(yè)研發(fā)人員來建模和對(duì)前方市場人員收集回來的數(shù)據(jù)進(jìn)行訓(xùn)練。這樣新增某個(gè)應(yīng)用的周期就會(huì)非常長，成本也會(huì)非常高。

二、采用大模型技術(shù)后的人工智能應(yīng)用極大擴(kuò)展

采用大模型技術(shù)以后會(huì)是什么情況？

首先是數(shù)據(jù)訓(xùn)練的工作可以非常簡化，能前移到代理商或其他本地專業(yè)服務(wù)者那里進(jìn)行。這樣他們就可以對(duì)自己特定環(huán)境的對(duì)象進(jìn)行針對(duì)性的訓(xùn)練。例如，動(dòng)物園可以用相同的軟件來訓(xùn)練識(shí)別動(dòng)物，而不再局限于車輛；學(xué)校可以訓(xùn)練打籃球、跳遠(yuǎn)等，是判斷運(yùn)動(dòng)員有沒有犯規(guī)，而不是判斷司機(jī)有沒有系安全帶.....這一下就打開了非常廣闊的應(yīng)用空間。要實(shí)現(xiàn)這一點(diǎn)需要什么具體產(chǎn)品來支撐呢？首先當(dāng)然就是得開發(fā)出本地或特定領(lǐng)域應(yīng)用的數(shù)據(jù)訓(xùn)練平臺(tái)。

這是浙江宇視建立在自己梧桐2.0大模型基礎(chǔ)上的算法訓(xùn)練平臺(tái)，客戶可以根據(jù)自己的需要訓(xùn)練特定應(yīng)用的數(shù)據(jù)。

這一下就讓行業(yè)的應(yīng)用拓寬到近乎無限的領(lǐng)域。例如，可以用來監(jiān)控特定受保護(hù)的動(dòng)物。

可以應(yīng)用到各種智慧社區(qū)細(xì)分應(yīng)用場景 —— 如寵物狗佩戴的安全罩是否合規(guī)？ 車輛停放是否占道？ 是否有著火點(diǎn)？ 是否有人違規(guī)從高層樓房拋物？ 垃圾袋放置是否合規(guī)？ 廚房的廚師工作中是否有不合衛(wèi)生的行為？ 生產(chǎn)工位上的生產(chǎn)是否正常？ 被生產(chǎn)的零件是否正常？ 生產(chǎn)設(shè)備是否出現(xiàn)意外情況？ 嚴(yán)禁煙火的地方是否有人吸煙？ ......

當(dāng)然，最可能點(diǎn)燃新一代人工智能新的大規(guī)模應(yīng)用的，可能不是那些看起來有些嚴(yán)肅的業(yè)務(wù)，而是娛樂性的AI體育。正如我年初寫的一篇文章中的說的那樣：科技以好玩為本。這也是電信運(yùn)營商可以大力開發(fā)的領(lǐng)域。

人們可能會(huì)問一個(gè)問題：大模型出現(xiàn)以后，以上應(yīng)用的識(shí)別率是否有實(shí)質(zhì)性的提升呢？回答是肯定會(huì)有一些提升。

屏幕中左下角是手機(jī)拍攝的晚上的視頻效果。主屏是硬件進(jìn)步加上采用現(xiàn)在人工智能所達(dá)到的晚間視若白晝的效果。

這是在暗室里拍攝的圖像效果。上面四個(gè)圖像分別是不同時(shí)期技術(shù)效果的對(duì)比。左上角是早期黑白紅外效果。右下角是獲得彩色和較高分辨率的效果。這同樣是硬件進(jìn)步加上人工智能算法進(jìn)步共同作用的功勞。而且以上人工智能的進(jìn)步也未必全都與大模型有關(guān)系。

可以告訴大家一個(gè)可能令人非常意外的情況是：以上這些圖像識(shí)別率和還原效果等的提升的確是非常好的進(jìn)步，但對(duì)人工智能尤其大模型技術(shù)來說并不是革命性的。真正重要的只是因?yàn)檫h(yuǎn)比過去更方便，所以才能讓各種細(xì)分的應(yīng)用成為現(xiàn)實(shí)。也就是說，原來的人工智能，單純從技術(shù)上說早就可以獲得很多應(yīng)用，只是因?yàn)榧?xì)分市場收益與研發(fā)投入之間不成比例，所以主要是經(jīng)濟(jì)性上的原因阻礙了這些應(yīng)用成為現(xiàn)實(shí)。大模型的真正價(jià)值是使大量不同細(xì)分應(yīng)用的數(shù)據(jù)訓(xùn)練變得極為方便，可以不再需要研發(fā)人員參與，這才使性價(jià)比達(dá)到可以實(shí)用化的程度。

能把這種性價(jià)比實(shí)際變現(xiàn)的，主要就是中國企業(yè)。

將這種大模型真正落地的，就是中模型。

三、采用大模型技術(shù)靈活訪問中模型的應(yīng)用

中模型可以使人工智能的應(yīng)用領(lǐng)域無限地?cái)U(kuò)展，那么最終用戶如何同樣方便地訪問和 應(yīng)用它們呢？大模型技術(shù)的確也在這方面提供了同樣的方便性。以往在視頻結(jié)構(gòu)化以后，進(jìn)行訪問時(shí)是采用精確或模糊的關(guān)鍵詞匹配。例如要查某個(gè)車輛號(hào)的車的行進(jìn)軌跡，是輸入某個(gè)車輛號(hào)后進(jìn)行精確匹配或一定程度的模糊匹配。這個(gè)對(duì)使用者輸入的關(guān)鍵詞是有一定要求的。

采用大模型技術(shù)以后，相當(dāng)于有了接近語義理解的能力。輸入某個(gè)問題后，并非是精確或模糊的關(guān)鍵詞匹配，而是會(huì)通過大模型進(jìn)行語義搜索。例如，浙江宇視的萬物搜，只要輸入一個(gè)問題，系統(tǒng)會(huì)根據(jù)問題搜索出符合要求的視頻。

輸入“一個(gè)穿著京東快遞衣報(bào)的人”，萬物搜系統(tǒng)就可以把視頻庫中符合要求的相應(yīng)圖像給找出來。

如果輸入的是“穿著閃送衣服的人”，萬物搜的結(jié)果就是圖像中有穿著閃送衣服的人員。

你也可以輸入“帶著寵物狗的顧客”“帶小孩的顧客”“穿紅衣服的人”“手拿提包的女士”“一群打架的人”“兩個(gè)吵架的男士”“出現(xiàn)老虎的畫面”“出現(xiàn)猛禽大鵟”“猛禽入水捕魚”等，系統(tǒng)都可以根據(jù)要求迅速搜索出符合語義要求的視頻結(jié)果。

這樣就使應(yīng)用變得極為方便，也有利于非專業(yè)人員的應(yīng)用。當(dāng)然，如果增加一個(gè)語音識(shí)別輸入，就可以實(shí)現(xiàn)語音訪問。

四、實(shí)現(xiàn)中模型的設(shè)備

人們往往把對(duì)人工智能的期待集中在那些性能最強(qiáng)的英偉達(dá)芯片，或大型的計(jì)算中心上。但真正要實(shí)現(xiàn)大規(guī)模商業(yè)化應(yīng)用，必須使得其成本在可控的范圍。與上述中模型應(yīng)用相配合的，可以是云，也可以是如下盒子里的設(shè)備。通過將需要訓(xùn)練的數(shù)據(jù)和應(yīng)用高度約束在極為有限的范圍，就可以極大地降低數(shù)據(jù)訓(xùn)練的規(guī)模和存儲(chǔ)容量、計(jì)算能力。使得在非常有限成本的前提下，實(shí)現(xiàn)所需要的功能。

人工智能各種應(yīng)用中最重要的就是識(shí)別，完成識(shí)別之后，進(jìn)行控制相對(duì)來說就比較容易了。無論是機(jī)器狗、無人機(jī)還是智能生產(chǎn)設(shè)備等都是如此。

深圳無人機(jī)團(tuán)隊(duì)在沙特秀出的無人機(jī)群展現(xiàn)國王頭像。

五、大模型的價(jià)值還有多少提升的空間？

最后，我們?cè)賮碚勔幌麓竽Ｐ图夹g(shù)以及為什么本文主題要說“中國人工智能已經(jīng)遙遙領(lǐng)先全球”。大模型本質(zhì)上的價(jià)值就是一個(gè)智能化的人機(jī)接口。簡單回顧一下人機(jī)接口的某些發(fā)展歷史是很有參考意義的。我使用電腦的歷史是從20世紀(jì)80年代初的蘋果II開始，使用過IBM的8086 AT機(jī)，蘋果的麥金塔，對(duì)微軟操作系統(tǒng)是從DOS 2.0版本開始用，一直到今天的Windows 11。我在20世紀(jì)90年代初北京郵電大學(xué)研究生期間學(xué)習(xí)圖像處理時(shí)，使用的軟件開發(fā)平臺(tái)是當(dāng)年SGI公司的專業(yè)圖形工作站。微軟的操作系統(tǒng)從命令行的DOS5.0到Windows3.1是一個(gè)真正的飛躍。直到Windows95，才算趕上蘋果麥金塔視窗系統(tǒng)最初的效果。可能會(huì)讓大家感到非常意外的一件事情，可以說直到今天的Windows 11，效果都沒有超越上個(gè)世紀(jì)90年代初SGI工作站X-Windows 的專業(yè)水準(zhǔn)。從Windows95大致穩(wěn)定，一直到今天的Windows 11，硬件性能有近百萬倍的提升，軟件技術(shù)水平也有巨大進(jìn)步，但使用者很難感覺到它有什么本質(zhì)的變化。

怎么會(huì)是這樣？因?yàn)槿祟悓?duì)人機(jī)接口的需求也是有限的。面向普通用戶使用的微軟Windows系統(tǒng)并不需要最專業(yè)的視窗效果，重在普通人便于使用。普通人甚至不太希望界面有過多的變化。正因如此，才導(dǎo)致了界面變化太多的Windows8市場銷售上的很不成功。

但是，人們接受到的技術(shù)概念多是大眾媒體上非專業(yè)人員的炒作。美國人又特別善長于炒作概念，每隔一段時(shí)間就會(huì)換一個(gè)IT技術(shù)概念來炒作。包括炒作者本人都不完全理解這些技術(shù)內(nèi)涵到底是些什么東西。但凡出現(xiàn)一個(gè)新東西，都是一場“革命”，要帶來顛覆性的結(jié)果。不僅中國是如此，美國同樣是如此。甚至美國在這個(gè)領(lǐng)域的那些專欄作家，暢銷書作者大多也都是外行。這很容易給人們?cè)诩夹g(shù)上造成偏差過大的理解。

未來學(xué)家和數(shù)學(xué)家維爾諾·文奇 (Vernor Vinge)所理解的技術(shù)發(fā)展路徑

真實(shí)世界一切實(shí)際技術(shù)的發(fā)展路徑。只是在跨越新臺(tái)階的瞬間，才出現(xiàn)讓人誤以為是奇點(diǎn)的特征。

美國在大模型上的確是領(lǐng)先的，但這種領(lǐng)先就如同新的視窗系統(tǒng)，最容易秀出新花樣，最容易吸引外行人，但卻并不是技術(shù)進(jìn)步真正能落地的商業(yè)應(yīng)用所在?？v觀人工智能以及其他類似技術(shù)的發(fā)展歷史，并不是什么到一定時(shí)間點(diǎn)會(huì)出現(xiàn)一個(gè)奇點(diǎn)，然后就無限地涌現(xiàn)或指數(shù)級(jí)提升，而是的確在某一個(gè)時(shí)間點(diǎn)上會(huì)出現(xiàn)一個(gè)瞬間指數(shù)級(jí)提升的飛躍，然后很快就基本上停滯在這個(gè)新的平臺(tái)上，以非常緩慢的、甚至人們都察覺不到的進(jìn)步速度繼續(xù)提升。所以，從來都沒有，未來也不會(huì)有什么奇點(diǎn)，只不過是一個(gè)又一個(gè)高度有限的技術(shù)或產(chǎn)品臺(tái)階的階段性飛躍而已。

也就是說，美國領(lǐng)先的大模型，已經(jīng)完成了邁向新臺(tái)階的過程，中國也已經(jīng)完成了這個(gè)新臺(tái)階的躍升過程。后續(xù)在大模型上的進(jìn)步，就基本上屬于沒多大實(shí)際意義的、在新臺(tái)階上緩慢的變化。中國企業(yè)在過去人工智能技術(shù)的落地能力上就已經(jīng)遙遙領(lǐng)先全世界，例如浙江宇視可以說核心能力就是AI+視頻，在將AI技術(shù)落地上從一開始能力就非常強(qiáng)。在今天的中模型和小模型領(lǐng)域，中國企業(yè)的AI落地能力更是獨(dú)步全球，而這些工作才是有實(shí)質(zhì)性意義的商業(yè)應(yīng)用和進(jìn)步。