OpenAI發(fā)布第一個文生視頻大模型Sora，立刻引發(fā)了廣泛的關(guān)注和探討。2月19日，我受邀做客央視財經(jīng)2024年的全新專欄直播節(jié)目《光華錄》，與主持人周運、財經(jīng)科技觀察員、中國通信標(biāo)準(zhǔn)化協(xié)會互動媒體標(biāo)準(zhǔn)推進工作委員會的副主席包冉一道，圍繞Sora展開一場對話，以下是這場直播的實錄。
→→點此觀看視頻
“Sora的出現(xiàn)是一次產(chǎn)品級的成功
主持人：您覺得這一次Sora的出現(xiàn)，它在您漫長的互聯(lián)網(wǎng)經(jīng)歷中，尤其是過去在人工智能賽道扎根了接近10年的時間，當(dāng)它出現(xiàn)的時候，這是一個什么級別的事件和技術(shù)？
傅盛：Sora的出現(xiàn)肯定是個里程碑級別的事件，至少它在產(chǎn)品層面證明文生視頻這件事已經(jīng)可以達到以假亂真了。而且Sora是通過一些提示詞完成的，以前我們也看過一些類似好萊塢大片的視頻，它并不是靠一句話去完成，而是用了很復(fù)雜的技術(shù)，很高的成本，現(xiàn)在可能就是一句話，就給你來一段達到以假亂真的視頻，我覺得這在產(chǎn)品層面是個里程碑意義的突破。大家突然意識到這件事是完全可行的，而且可以產(chǎn)業(yè)化了。
Sora的出現(xiàn)是一個產(chǎn)品級的成功，但是真正的大語言模型才是一次（技術(shù)上的）重大突破。雖然Sora出來時我很震驚，但是大語言模型一旦能理解，其實文生視頻就會自然而然的出現(xiàn)，這一點可能跟大家的直覺不一樣，其實語言的認知是遠難于對圖片和視頻的認知的，視覺的認知和語言的這種抽象認知相比，語言是最難的。語言一旦被攻克了，圖片和視頻更多的是算力問題。
Sora背后：復(fù)刻人類的推理和直覺
主持人：請教傅總，從技術(shù)的角度，像我這樣的半專業(yè)人士知道所謂建模，比如人類畫師和動畫師，他是腦子里邊已經(jīng)建立了對物理世界的認知，雪抖落應(yīng)該遵從一個什么物理定律，所以他在做動畫的時候能理解，但是 OpenAI的Sora，在做這個動作的時候，是基于與人類一樣的認知，還是說根本不需要認知，不需要建模，是一個完全不同于以往的技術(shù)？
傅盛：第一個從技術(shù)層面上來說，目前Sora現(xiàn)在披露的并不多，從現(xiàn)在能夠看到的，包括他們自己發(fā)的博客文章，以及一些業(yè)內(nèi)專家的探討，可以得出它在技術(shù)上沒有什么重大突破，它是以前的技術(shù)，你可以把它理解成更好的工程化，采用了更大的算力，可以總結(jié)成一個成語叫熟能生巧。我們以前建模是為了通過一個物理引擎去模擬真實的世界，但是還有一種方式，不需要通過一個物理引擎，就算是一個普通人，天天畫，就跟畫雞蛋一樣，我一畫就有了立體感，熟能生巧。我腦子里并沒有物理方程式，但是因為我見了很多以后，我就形成直覺了。由于這次大語言模型的出現(xiàn)，把以前人的那種推理和直覺給復(fù)刻出來，所以這一次 Sora從技術(shù)層面來說，也是特別得益于大語言模型的出現(xiàn)，使得它沒有去建一個純粹的物理模型，但是能夠通過直覺把物理世界展現(xiàn)出來。
它不是說找了一個近似的人，與提示詞描述近似的人，而是一個創(chuàng)造出來的全新的人。但其實這在文生圖領(lǐng)域已經(jīng)有了，比如說你讓它創(chuàng)造一個美女，這人在世上沒出現(xiàn)過，但你看了就是符合你審美的所有特征。第二點，你看OpenAI放出的視頻，它有一些也可以叫取巧的地方，也可以說是故意讓我們很震驚的地方，比如水面倒影對吧？比如雪的那種感覺，可能我們認為最難的是光影。在大模型或者說圖像引擎看起來都是一樣的，對它來說都一樣，畫一個普通雞蛋的和晚上的水面倒影對它來說沒有區(qū)別，我們覺得，區(qū)別是我們受限于器材，受限于這個是重新累積的，比如說一個小孩看這個世界黑天和白夜對他來說沒有區(qū)別。
我覺得相當(dāng)于它又打開了一扇門，就是文成視頻能做的這么好，很快很多人都會進入，我昨天還專門跟我們在美國的同事做了探討，覺得它并不是一個獨一無二的技術(shù)，未來會出現(xiàn)很多這樣的工具。
技術(shù)的成本會不斷降低
主持人：剛才傅總和包包都提到一個非常關(guān)鍵的詞，就是算力，算力的大小是不是能夠直接決定我最后生成的效果是怎么樣的？
傅盛：可以做一個科普，它底層算法都一樣，算力不同，產(chǎn)生效果就不一樣。所以它不是本身算法有那么神，當(dāng)然它有很神奇的地方，但是作為我們這種搞AI的人來說，它底層的邏輯都差不多，就是大力出奇跡。
主持人：說到硬件的層面，是不是背后堆砌了很多的GPU，顯卡和這種計算的硬件設(shè)施，GPU。就是這些A100、A800芯片，大家可能現(xiàn)在對這些型號不太熟悉，但是如果以后這個技術(shù)再蓬勃發(fā)展起來的話，堆的就是這些東西的多少，耗能的多少。
傅盛：算力的成本在持續(xù)下降，就像我們最近有個比喻，就像汽車剛出現(xiàn)的時候，汽油是非常貴的，不像馬吃點草就行了。你發(fā)現(xiàn)汽油的價格是直線下降，這是個必然，即便算法沒有更新的情況下，算力的成本會急劇下降。你看比如說今年有個特別大的行業(yè)趨勢，今年出的新CPU不是那種服務(wù)端，今年買的電腦的CPU都會專門帶一個推理算力的子芯片，這個芯片現(xiàn)在已經(jīng)開始普及了，以前是要靠CPU算，現(xiàn)在就這么一個小芯片，然后你就能夠在自己的電腦里直接用大模型。
AI技術(shù)演進的兩條路線
主持人：下面我們希望傅總追根溯源的從技術(shù)發(fā)展路徑，它到底怎么慢慢生長出來這樣一個不同的分叉，不同的技術(shù)路徑產(chǎn)生不同的效果，我們通過一個科技樹的進化過程，請傅總給我們講解一下人工智能它迭代路徑到底是怎么樣的，我們走到哪一步了。
傅盛：所有的科技，很多時候并不是一條道走到黑，而是Think Different找到一個分支。最早的時候?qū)φZ言理解這件事情，其實大部分公司都在走谷歌開創(chuàng)的道路，就是不太相信通過簡單的預(yù)測下一個詞能產(chǎn)生智能，所以 OpenAI在2022年底之前在硅谷都幾乎是個笑話，因為大家覺得這件事不太可能發(fā)生。然后這個時候分支又開始出現(xiàn)了，只有OpenAI一直堅持讀足夠多文本后就能理解世界，通過理解這個世界，預(yù)測下一個詞，一個詞一個詞的吐出來以后，這就是一句完整的話，就代表了我對世界的理解。
OpenAI的底層技術(shù)是構(gòu)建在谷歌的創(chuàng)作上，但是谷歌沒有走這條路，然后等到 GPT一出來以后，大家發(fā)現(xiàn)這條路是對的。
為什么Sora文生視頻能做得這么好，也是因為OpenAI把Transformer引進到了視頻的時間軸里面和各個相關(guān)的訓(xùn)練中，也就是它能夠去真正理解更多的數(shù)據(jù)量，然后 OpenAI做好以后，又有不同人在說像Meta做的開源社區(qū)LlaMa，你用千億參數(shù)去搞這件事兒，我是不是百億也可以搞？然后在一些特定任務(wù)上也可以搞。
這是一個大語言模型的分支，如果你看分支是這樣，你可能把它想象成最早。比如說3D建模，相當(dāng)于我得把學(xué)物理的定律公式全輸入進去，但公式無論怎么做它都有損失，以前算力沒有很高，然后效果也不好，其實Sora不算是開創(chuàng)者，背后的原理是給計算機足夠多的圖和視頻，有一天就不需要建模這個過程，就把它還原出來，所以在Sora眼里倒不倒影都是一樣的，對他來說就沒有定律這件事了，就是直覺。
Sora出來后大家太震驚了，很多人就在說他理解了物理世界，AGI 的出現(xiàn)要提前了，其實現(xiàn)在看起來AGI就是通用人工智能出現(xiàn)，和這件事并沒有很大的關(guān)聯(lián)。
如何成為AI原住民？
主持人：作為一個普通老百姓，當(dāng)這種AI浪潮撲面而來的時候，繞不過去的一個話題就是我們都知道有這個數(shù)字難民、數(shù)字移民、數(shù)字原住民，誰能成為AI的原住民，這個焦慮活生生地擺在我們每一個人面前，所有人這段時間可能都在問，我在哪能學(xué)到這個Sora，甚至已經(jīng)有一些人在開培訓(xùn)班了。在這種焦慮的情況下怎么解決？我們怎么成為AI的原住民？
傅盛：我覺得你剛才講原住民這個詞特別好，開工第一天，我在企業(yè)內(nèi)部的演講是《讓懂AI的同事先上》，我們要用一種新的思維模式，相信這次AI帶來的是底層變革，然后你所有的思路應(yīng)該從這出發(fā)去思考，不要把AI看成自己一個補充。就舉個例子，就像電出現(xiàn)以后，我們所有東西都想怎么去接根電線，然后再開工，你不能說我去找個蠟燭再去弄，所以對于成為真正的AI原住民，我還是比較樂觀的，我認為AI本質(zhì)上是一個平權(quán)工具，它并不是一些少數(shù)人專享，比如說文生視頻，以前你要拍部電影，你得找多少人？還要專業(yè)的對吧？以后可能你連攝像機都不用扛，就可以通過提示詞產(chǎn)生片段，最后搞出一個特別牛的電影來，所以對于普通人來說，相信它是能給自己帶來權(quán)益的。
第二個就是認真的去關(guān)注和學(xué)習(xí)。在我們內(nèi)部有個詞叫AI思維，我們在做的首先是組織體系的變革，我們成立了一個專門的部門來推進各個部門用AI。
第三個，考核體系，這場大潮來了，誰能成為原住民，誰就能活下來，這個不是我給你的壓力對吧？我們作為一家公司也有壓力，所以就變成硬性的考核。今年我們考核各個崗位，尤其是部門經(jīng)理崗位，50%的考核是AI能力，因為只有這樣的話，一批人真正對AI足夠了解，他才能創(chuàng)造更大的生產(chǎn)力。
再給你講一件事，最近有一款游戲在去年火了，是一個日本公司做的，在 Steam上的同時在線超過了100萬人，你知道比他唯一高的是什么？就是我們《和平精英》的PC版，那是一個大作，但日本的游戲是5個人的“草臺班子”做的，大家認為是大量的用了AI工具去做了很多場景，有一個人是超市的售貨員，他就是用AI用得很厲害，最后被招過去做了游戲的創(chuàng)作者，就5個類似的人做出了一款游戲，變成了一個超級大作，收入過了1億美金。
主持人：我們能看到很多人在焦慮自己的工作會不會失去，也有看到很多草根就能創(chuàng)造一個大作的奇跡在發(fā)生。這兩個很極端的案例可能對我們專業(yè)的媒體人，焦慮感更強?，F(xiàn)在很多同行們，無論做短視頻，還是做傳統(tǒng)的電視或者新媒體，我可以算是一個移民，從傳統(tǒng)電視到數(shù)字電視到現(xiàn)在，希望成為一個原住民，原來的那些所有專業(yè)積淀，今天所在的這些攝影師們燈光師們，背后的這些編導(dǎo)們，我們的專業(yè)積淀還有意義嗎？還有價值嗎？
包冉：你會比任何一個不具備這些專業(yè)積淀的普通用戶，能夠提供更加精準(zhǔn)更加豐富的提示詞，最起碼你見過，你能基于你見過發(fā)揮你的想象力，所以我在第一時間視頻號評論Sora的時候，我就提出不要著急，不要焦慮，也不要焦慮未來是學(xué)文還是學(xué)理工，其實現(xiàn)在我們看到什么樣的人未來更吃香？他擁有嫻熟的文字技巧，然后極強的邏輯能力，表達能力，它能夠提供豐富的提示詞，因為根據(jù)Sora以及ChatGPT，我們可以看到提示詞越豐富，出來的效果越好。
主持人：能不能再給一個更具象的指導(dǎo)現(xiàn)實生活應(yīng)用的建議，比如說央視財經(jīng)頻道有大量的幾十年中國經(jīng)濟發(fā)展的視頻素材，訪談的資料，包括我們今天和傅總的訪談都在資料庫里，所有這些沉淀的內(nèi)容，怎么把它用到新的文生視頻的技術(shù)環(huán)境當(dāng)中？
包冉：第一句話建立自己的私有大模型，專供你們用，甚至不專供總臺用，專供央視財經(jīng)用，因為央視財經(jīng)也積累了海量的素材，這些素材經(jīng)過私有模型的訓(xùn)練之后，私有模型不像公有大模型動輒需要那么大的算力，成本相對沒有那么高，那么安全性上私有模型也可控，數(shù)據(jù)也不存在泄露的可能，如果數(shù)據(jù)傳到公共網(wǎng)絡(luò)上去，是不是還要傳到境外去，可能有很多不可控的風(fēng)險，私有大模型都可以規(guī)避。
第二，讓全員用起來。因為只有在不斷的使用，不斷的input和output的過程中，你才能不斷積累成熟的關(guān)鍵詞，形成很多的具有更細分的對話機器人的雛形。這樣的話就使得我們基于央視財經(jīng)頻道在過去幾十年甚至更長時間的語料的積累，再結(jié)合連線聯(lián)網(wǎng)的實時新聞的功能，根據(jù)最新的新聞事件生成最快的樣片，甚至成片。
企業(yè)應(yīng)用 百億參數(shù)就夠了
主持人：另外一個問題，如果傅先生您的公司能夠成為我們的合作伙伴，給我們提供剛才包冉所說到的私有大模型，這條路好不好走，成本會不會很高？別人都千億級別的參數(shù)了，我們都要往高的標(biāo)準(zhǔn)去比靠，但是一定要站到那么高的標(biāo)準(zhǔn)去用嗎？
傅盛：從技術(shù)的整個大趨勢來看，技術(shù)永遠都是剛剛出來的時候高高在上，然后它會迅速的產(chǎn)生很多低成本的模式，我覺得主要還是看你的應(yīng)用場景，如果說我有個例子，比如說你家電燈泡壞了，你是請愛因斯坦來給你換，還是請旁邊的胡師傅。
今天也可以說是大模型兩條路線，就是說OpenAI也好，一些大公司也好，他們就在造出一個愛因斯坦來，但是真正對于我們?nèi)粘Ｈ说纳?，很多時候并不需要愛因斯坦，可能就是需要一個能夠幫你把燈泡修好，幫你把電布好，就讓我生活很舒適就可以了。
我有個判斷，一年之內(nèi)一定會有多家這樣的產(chǎn)品出現(xiàn)。另一方面，并不是每個人都需要生成所有類型的視頻，比如說科幻片，我可能就在一類視頻上要做得很專，這樣的話也會出現(xiàn)私有專業(yè)大模型，它對參數(shù)量的要求并沒有那么大，而且滿足我的日常需要就夠了。比如說今天OpenAI做出了千億級的大模型，后來我們發(fā)現(xiàn)在企業(yè)應(yīng)用當(dāng)中，其實百億參數(shù)在很多時候就夠用了，而且成本很低。可能現(xiàn)實中也難免會有這種參數(shù)鄙視鏈，但是它對于實際的效果沒關(guān)系。
還有一個問題就是OpenAI的陽謀，你把所有的數(shù)據(jù)都給他，有一天別人一問的時候，這些數(shù)據(jù)人家也可以看得到，但是我覺得以后由于大模型的出現(xiàn)，數(shù)據(jù)變成核心競爭力，那么核心競爭力應(yīng)該保持在自己內(nèi)部，今天也不是光在我們在這說，硅谷也開始這樣了，在美國已經(jīng)有至少兩家大型的媒體集團起訴OpenAI了，說你在訓(xùn)練語料的時候，為什么沒有征得我們的授權(quán)，把我們這么多年以來的文章報告、研究材料數(shù)據(jù)拿走訓(xùn)練了。
企業(yè)應(yīng)用AI的三個段位
主持人：我們再提一個更高的要求，如果現(xiàn)在我們非常著急要用到這樣最先進的技術(shù)，怎么用好它才能說是我是一個優(yōu)秀的企業(yè)。
傅盛：我們也做了一個總結(jié)，今天因為AI特別火，所以其實使用它的時候是有層級的差別的。我特別贊同包總說那句話，就是今天能夠有專業(yè)知識或者對專業(yè)很了解的人和AI的結(jié)合才是最有競爭力的，你們是不用太擔(dān)心的，我們這種搞科技的反而是每天都在顛覆，一個新技術(shù)來了，你就沒了，但是今天比如說在電視臺工作的人，你對觀眾的理解，怎么去打動觀眾，這還是人的特長。
主持人：就像黃仁勛說，倒退十幾年他不會學(xué)電腦，他可能會去學(xué)醫(yī)。
傅盛：我覺得他說的很對，由于過去我們大量的工作都在完成日常性、技能型的工作，比如說我扛個東西，但是創(chuàng)造性的工作實際上沒有什么空間去發(fā)揮，因為你必須依賴一個龐大的組織，做一個螺絲釘，未來可能每個人都是一個主導(dǎo)者，都可以讓自己的工作變得非常有創(chuàng)造性。
主持人：企業(yè)用到大模型的時候，由淺入深，它到底能給我們做一些什么，體現(xiàn)到我們的企業(yè)應(yīng)用上？
傅盛：我們今天覺得百億參數(shù)可能觀眾不太理解，剛才講Sora那么厲害，但今天根據(jù)它披露的資料看，它可能只有30億參數(shù)，所以并不是參數(shù)量越大越好，在圖像生成和視頻生成這里，你知道最火的叫Stable Diffusion，它就有8,000萬參數(shù)，但是Sora并不需要那么多參數(shù)就能把圖畫得很好了。參數(shù)量并不是一個衡量標(biāo)志，還是看在這里它能起到什么效果。
企業(yè)的應(yīng)用，你看我們把它分成了幾個段位，一個叫青銅段位，今天大家都在這個段位，就是說下一個大模型用一用，要么是生文，要么生圖，自發(fā)使用。
黃金段位是什么？就把一些專崗開始用人工智能去完成了。比如我們的一些行政崗位，每天都要回答員工的各種問題，還有客服崗位，法務(wù)審核崗位已經(jīng)可以叫做數(shù)字員工了，比如說電視的一些腳本的編輯其實都可以用AI去完成了。
第三個叫王者段位，王者段位就是人工智能輔助決策，把所有的數(shù)據(jù)都做出來以后，人工智能可能就會告訴你明天拍個什么新聞更好，或者哪個選題根據(jù)今天收集的信息可能會是個熱點。這個其實是人工智能擅長的，因為它可能不一定比你的決策力更強，但它一定比你讀的數(shù)據(jù)更多。
主持人：我們的主編，我們的領(lǐng)導(dǎo)制片人們可能非常需要這樣的工具。
傅盛：因為制片人一天到晚不睡覺，你能讀多少文章，他可以讀你十倍百倍的量，然后告訴你今天我?guī)湍惴治龀龅臒狳c是什么，你做這樣的選題可能會更好。
包冉：在學(xué)術(shù)上也有一個詞叫AIGA， AIGC是屬于創(chuàng)造出內(nèi)容來，AIGA是屬于由數(shù)據(jù)導(dǎo)出決策來。
主持人：提示一個重點，第一期的《光華錄》給很多的企業(yè)家們CEO們做的一個記錄，也許你要想成為明天的王者，你要用到這樣的 AI大模型工具，幫助你做一些決策。
傅盛：事實上今天最火的人工智能企業(yè)是OpenAI，但是挖黃金的不一定最掙錢，最掙錢的是賣水的，英偉達它做到什么程度？我們?nèi)ジL問的時候知道，所有的員工要給黃仁勛寫周報，他有幾千個員工，我當(dāng)時就想這人這么勤奮，后來認真了解了，他是用AI去讀周報。這樣的話，CEO就能清楚地知道他們公司多少人在干什么，所以你看英偉達這一輪為什么能勝出？很重要的一點就是它在芯片公司里極其扁平化，它邊做AI芯片，邊借助AI提高效率，能夠?qū)崿F(xiàn)快速轉(zhuǎn)型，像你剛剛講A100、A800都是他砍了很多產(chǎn)品線、迅速的轉(zhuǎn)到AI路線上才實現(xiàn)的。
包冉：而且他做這個東西又有強大的成本優(yōu)勢，本身這個都是他自己生產(chǎn)的，成本絕對占優(yōu)勢。
AI大潮下，做好應(yīng)用是中國企業(yè)的機會
主持人：最后一個部分我就想問，引領(lǐng)我們很多的中國企業(yè)，像您這樣為代表的中國企業(yè)家們，面對這樣的浪潮來襲，我們的機會在哪里？您的公司應(yīng)該是整整10年前上市，在美國上市以后同時做軟硬件，今天我們看到軟件、算法方面有很大的差距，面對這種差距的時候，您覺得哪些領(lǐng)域會出現(xiàn)機會？留給我們的時間還多不多？
傅盛：我還是比較樂觀的 ，談到AI，我們這一撥跟美國是有差距的，而且 GPT它已經(jīng)開始形成正循環(huán)了。一方面大語言模型強大，這次很多分析說Sora這么強，是因為大語言模型強，怎么個強法？做個細節(jié)解釋，就是視頻輸給他的時候，比如人去標(biāo)注這段視頻，一個60秒視頻，一個人在街頭漫步，人標(biāo)注5個關(guān)鍵詞5個標(biāo)簽就完了。大語言模型給這段視頻再加幾百個字，然后再讓自己去學(xué)，學(xué)了以后它對視頻的理解就比以前要深了，而且這樣的話可以就算力產(chǎn)生。所以這次Sora的效果這么好，和大語言模型的強悍和算力的豐富是有關(guān)的。的確我們是有一點差距，但是我覺得中國有一點最好，就是說我們做應(yīng)用很擅長，我一直覺得所有的創(chuàng)新從應(yīng)用反向切入也是可以的。
主持人：所以您說自己是應(yīng)用派的創(chuàng)業(yè)者，我們知道中國很多都是我們要底層邏輯的創(chuàng)新，底層知識的創(chuàng)新，以往是我們成功實現(xiàn)了很多應(yīng)用類的創(chuàng)新，當(dāng)面對大模型的時候，應(yīng)用類的創(chuàng)新這條路您覺得還是有前景有希望，并且適合我們國情嗎？
傅盛：我覺得特別適合我們國情，我再給你講一個美國公司的例子，就是蘋果最早發(fā)布iPhone的時候，沒有一個部件是自己產(chǎn)的，天氣APP都雅虎做的，但它把應(yīng)用做好了，做好以后等到現(xiàn)在它再可以做芯片，因為它有足夠多的量，一做芯片就是王者，利潤很好。其實華為也是這樣的，開始做手機做得很好，然后去做麒麟，只要我們有足夠多、足夠強大的應(yīng)用端，技術(shù)是不斷在變得廉價和普及，今天Sora看上去高高在上，我相信一年之內(nèi)，一定會有很多甚至開源的都會出來，我們只要把應(yīng)用做好，反向的再把技術(shù)根據(jù)應(yīng)用去打磨好，反而能夠找出自己的路徑。
主持人：昨天晚上某智能手機品牌就宣布終止做傳統(tǒng)智能手機了，智能手機已經(jīng)成為一個傳統(tǒng)行業(yè)，要全面All in AI終端，如果去年是大模型的爆發(fā)年奇跡年的話，今年會不會是中國企業(yè)機會的AI終端年，會成為我們崛起的一年嗎？
傅盛：我覺得至少在應(yīng)用領(lǐng)域，中國一定會出現(xiàn)很有特色的一些應(yīng)用。包括昨天某手機品牌說的，我覺得也是挺有前瞻性的，就是AI實際上是一個底層變革，未來幾乎所有東西都可以從AI生長出來，你從別的地方也可以生長，但是效率太低了，總有一天都是AI生長了，今天連抗生素、新材料都是AI做了。蛋白質(zhì)分子學(xué)都已經(jīng)是AI做了，所以它就是底層范式的變化。我覺得這件事我們不能被落下，但是說實話要完全追上，就要假以時日了，因為別人畢竟先發(fā)，這個時候我們把應(yīng)用做好，然后底層跟住，等到應(yīng)用足夠強的時候，你看最早阿里連個做服務(wù)端的人都沒有，那是十幾年前，現(xiàn)在阿里云在亞洲也可以排得上號。所以我覺得把應(yīng)用做好。
主持人：最后包包你看給我們所有的中國企業(yè)在今天第一篇記錄的時候，你覺得我們今年會發(fā)生一些什么？它會給我們什么樣的提示？
包冉：我覺得還是分兩頭，第一頭還是得說宏大敘事的主題，因為算法算力和數(shù)據(jù)，中國雖然是總算力一直穩(wěn)居全球第二，但是中國的算力的構(gòu)成比例中，以GPU為代表的智能算力偏小，而現(xiàn)在人工智能的訓(xùn)練推理需要的主要是智能算力，因為它是并行計算，所以說在這個領(lǐng)域毋庸諱言，美國卡脖子高端的GPU不讓進口，甚至連英偉達專為中國市場設(shè)計的閹割版，或者是改造版的 GPU也在它的禁令之內(nèi)。從長期來看，我們遲早還得解決GPU設(shè)計的本地化的問題，自主可控還得做，當(dāng)然羅馬不是一夜之間建成的。但這條路不能停，絕不能停。因為顯然人家的算力還在不斷的增長，如果我們的算力無法采購的話，那么會停滯，其實就是在落后。
第二個我贊同傅總說的做應(yīng)用，因為中國有一個最大的特點，我們的應(yīng)用市場的人口基數(shù)特別大，可以這么說，單一文化的單一市場全世界找不到第二家，這么大的市場十幾億人幾乎都能上網(wǎng)，你就能夠接觸到AI的應(yīng)用，或者是被AI改造后的應(yīng)用以及相關(guān)的終端，因為終端和應(yīng)用是一體兩面，硬件和軟件，還有服務(wù)，當(dāng)然在這個領(lǐng)域里，我覺得剛才傅總說的一個點很關(guān)鍵，我們可以通過應(yīng)用切入，占領(lǐng)市場，獲得收入和現(xiàn)金流，這并不妨礙我們要順著應(yīng)用逆向溯流而上去加強對于科技本質(zhì)的認知，比如說包括OpenAI在內(nèi)，現(xiàn)在AIGC依然有一部分是黑箱子，你不知道它中間的機理到底是怎么樣子的，我們是不是可以通過小規(guī)模參數(shù)體系的應(yīng)用，以及它的大量的應(yīng)用數(shù)據(jù)來逆向得出，這可能是有機會的。那么如果在這個本質(zhì)上我們認知了，一通百通，就像當(dāng)年的AlphaGo干掉了圍棋選手，一年之后Al重塑了人類對于蛋白質(zhì)分子學(xué)的認知，改變了人類對于蛋白質(zhì)分子結(jié)構(gòu)的研究。AlphaGo不就是應(yīng)用嗎？下圍棋的，今天我們可以通過應(yīng)用建立模型，通過模型倒推機理，然后通過機理一通百通，這可能是中國AI企業(yè)的可行之路。無論是企業(yè)有一個私有的大模型，還是我們舉全國之力去打造一個完善的算力的底層基礎(chǔ)設(shè)施也好，這可能和我們每一個人都有自己的優(yōu)勢是一樣的。
主持人：我們今天也是《光華錄》的第一篇章，整整60分鐘已經(jīng)過了，大家如果若干年以后再看到這段視頻，這段討論也許會有價值，最后給大家分享一位我的朋友圈里，一個普通人看到Sora的一段小小的感受。
他說：Sora簡單的4個字母讓世界震撼了，它到底是什么？到底是改變是顛覆還是重塑世界？原本對AI很喜歡、充滿期待，覺得我們這個行業(yè)最好的工具來了，但是跟著迭代更新反而開始有點害怕，怕失控，怕被壞人利用，怕自己困在一個不知道是真實還是虛幻的空間里邊，但是怕是沒有用的，它來了以后大膽地迎接它和擁抱它的時候，才會讓我們逐漸的去改變它。很多人都說Sora來了，現(xiàn)實不存在了，現(xiàn)實永遠存在，當(dāng)然現(xiàn)實的問題也會永遠存在，但是迎著這個問題去，我們就能創(chuàng)造，一切都來得及。
傅盛：想象力可能是人類面對AI時代最大的優(yōu)勢，想象力、好奇心，還有主動性。
