記得當 Chat GPT 首次出現時，有人猜測這或許是 AI 的再一次「曇花一現」。

不過，了解科技爆發周期的人，會知道 AI 絕對不會止步于此。前日凌晨，Open AI 發布了最新杰作——GPT-4o。以其突破性的智能交互能力，徹底顛覆了我們對 AI 語音助手的認知。這不僅是技術的飛躍，更是人機交互歷史上的一大步。

在昨晚剛結束的谷歌 I/O 發布會上，谷歌攜新版 Gemini AI 大模型等產品，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 已然成為科技討論的中心。

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么做？技術爆發之下潛藏著哪些危與機？

今日，在「AI 創生時代——2024 甲子引力 X 科技產業新風向」大會上，金沙江創業投資基金主管合伙人朱嘯虎、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、國家自然科學基金杰青、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、產業、專家的各具特色的嘉賓共聚一堂，圍繞著目前人工智能的現狀以及核心競爭力，一起探討中國 AI 的未來風向。

2024 年 AI 的整體趨勢變化是什么？

「更為平靜」是李志飛給出的關鍵詞。2023 一年中，新概念、新詞匯、新知識層出不窮。比如在 3 月份，作為業內人士的李志飛還沒有聽過 AI Agent 這個詞匯，但到了 4、5 月份所有人都在圍繞 Agent 進行討論。同時，行業不斷推出新的大模型，對于新的知識和討論非常熱鬧。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，其中指標一個比一個高。前不久，GPT-4o 發布，很多人都認為非常震撼。但在 Open AI 并沒有發布 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后，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升級；AI plus 方面，各行各業都開始動起來，想要找到 AI 在行業內的發力點。

「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，但也無法支持建設算力中心。哪怕是 Open AI 非常有錢，但它的算力資源同樣不夠。因此，關鍵在于解決因為貧窮沒有資源，導致公司無法去試驗，無法去迭代的關鍵問題。

「商業化質量」是朱嘯虎作為投資人的關鍵詞。他認為，在國內創業不要過度追求技術問題，因為技術迭代非常快。關鍵是公司能不能達到商業化，產品交付給客戶。有很多「日拋」型的 AI 產品，正是因為沒有達到商業化要求，客戶在首次登陸后不會持續使用。因此，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，那么就無法商業化。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，早期的人臉識別，準確度在 60% 左右，在深度學習后能夠達到 90% 的準確度。再到后面，商業化落地后，人臉識別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。

目前國內很難進行不考慮商業回報的研發，所以行業一定要先行。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。行業先行的背后，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產力、結構和效率。AI 對行業模式的影響肯定存在，因此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，將自動化產業變為人工手動組裝的靈活生產，反而讓生產效率大幅提升。因此，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，這反而會導致行業泡沫的破滅。所以，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，對于技術的信仰是隱藏在基因中的本能，但早期很多技術創業者會有誤區：太不務實了。打著理想的旗號回避現實的問題，比如做了很多產品，總認為使用了前沿技術，無人使用是用戶的問題。實際上，創業者多關注商業、多面對競爭，多了解技術是否是用戶需求，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后，期待帶來的一批商業化進展。因此「高校科研成果轉化」頗受業內關注，但「社會信息輸入」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么東西。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，因此如果把一些技術難題放到高校中，形成一個更良好的生態，還是需要業內一起努力的。

此時，黃仁勛最擔心的是什么？

汪玉表示，對于大模型來說，生態的出現使得曾經需要 2000 個算子，到現在可能只需要 200 個算子，因此 GPU 的需求會受到影響。原來，GPU 的性能很好，所有人都在討論對于 GPU 的需求。慢慢的，市場可以不使用 CUDA 只提供硬件。用插件的方式，所以底層到底使用什么芯片，其實不一定會有這么明確的需求。

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，因此最擔心的應該是巨頭自己干。比如 Mata、微軟、谷歌都在自研芯片。當模型的所有應用、價格都統一收斂后，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件。本質上，大模型投入是不是能配得上用戶的需求，這才決定算法收費是否可持續。

張建中表示，黃仁勛應該在擔心下一個 AI 的應用是什么？

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。生態是很重要的，所有東西都需要生態。他認為，有了 GPU 之后，Transform 才能發展的更好；同時有了 Transform 后，也在推動 GPU 的架構更好的改進。現在，Transform 已經有了各種變化，那下一個是什么。

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。因此，如果有人問 GPU 是否能適應下一代未來的技術？答案是：OF course。此外，張建中表示，GPU 產品的迭代速度并不比大模型更慢，反而 GPU 架構的迭代也在加快。

黃仁勛或許認為，GPU 永遠不會失敗的，不會被替代別人替代持，傅盛對此持否認態度。他表示，整個 AI 行業都在朝著裁剪參數的方向靠近。谷歌發布了第一個搭載手機本地的大模型，作為演示谷歌當場識別了詐騙電話。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。因此，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。