Ai泡沫是否存在？ -巨頭的觀點

https://zhuanlan.zhihu.com/p/1970195442353563431

主持人：這正好將我們引向了當前的情勢。我想大家都觀察到一個現象：以前對 AI 完全不關心的人，現在都興致勃勃。一時間，所有人都湧向這個領域。它早已超越技術革新本身，演變成了一個巨大的商機，甚至成為了大國博弈的戰略焦點。每個人都在努力探究其真正本質，圍繞著它不斷思索。我此刻首先想請教黃仁勳，也希望在座各位都能審視一下此刻：特別是英偉達，它幾乎天天占據新聞頭條，並且成為了全球最有價值的公司。這說明市場存在著真實的需求。

 

您是否憂慮，我們正走向一個因普遍理解不足而過於急躁的階段，最終會導致泡沫破裂，經曆一番調整後才能恢複正常？如若不然，與當年的互聯網泡沫相比，如今人們對 AI 需求最顯著、也是最未被理解的差異到底是什麽？

 

黃仁勳：在互聯網泡沫時期，鋪設的絕大多數光纖都被閑置，這意味著行業的供給遠遠超過了實際需求。而如今，幾乎每一塊能找到的 GPU 都在全負荷運行。因此，我認為退一步理解“AI 究竟是什麽”至關重要。對許多人而言，AI 就是 ChatGPT 或圖像生成，這沒錯，但這些都隻是它的具體應用。過去幾年，AI 取得了巨大進步，它不僅能夠記憶和歸納，更具備了推理與有效思考的能力，並能通過研究來確立觀點。它現在可以生成答案，完成更有價值的任務，效果也出色得多。此外，那些能構建對其他企業有用工具的公司，例如我們正在使用的 Cursor 等 AI 編程軟件公司，它們盈利能力很強，我們也大量使用其產品。在醫療健康等領域，AI 也顯示出極大的效用。AI 的能力已經實現了質的飛躍。其結果是，我們正同時目睹兩個指數級變化：一是生成答案所需的計算量急劇增加，二是這些 AI 模型的使用量本身也在指數級增長。這兩條指數曲線對計算資源構成了巨大需求。現在，當你退後一步，會從根本上追問：今天的 AI 與過去的軟件行業有何本質不同？過去的軟件是預先編譯好的，且所需的計算量不大。但為了讓 AI 發揮作用，它必須具備上下文感知能力。目前它已能產生智能，而你無法提前製作並儲存這種智能——那被稱為“預製內容”。智能必須實時產生。因此，我們所在的這個行業，要生產高需求且真正有價值的產品，所需的計算量是空前巨大的。我們在一個需要“工廠”的行業中創造價值。這就是為什麽我常提醒自己：AI 需要工廠來生產這些“智能標記”。這是前所未有的情況，計算機本身成為了工廠的核心。我們需要投入數千億美元來建設這些工廠，以服務於未來價值數萬億美元的產業。回顧過去的軟件，它們本質上是工具，是首次被人們使用的自動化手段。而 AI，是增強人類能力的智能。因此，它關乎勞動，關乎工作，並且它確實在發揮著實際作用。在我看來，我們正處在智能構建的起步期。一個基本事實是，目前 AI 還未普及到大多數人。可以預見，在不久的將來，我們日常的幾乎所有行為，在一天中的每時每刻，都會以某種方式與 AI 相伴。這意味著，我們需要完成從今天使用率尚低、到未來使用率幾乎不間斷的巨大跨越，而這背後的擴展工程是顯而易見的。

 

Bill Dally：當前的趨勢在一定程度上解釋了現狀。首先，模型正變得越來越高效。以注意力機製的演進的為例：從普通注意力到分組查詢注意力，再到多頭注意力...... 如今人們可以用少得多的計算成本，獲得相同甚至更優的效果。這從某種程度上催生了新的需求：許多曾經因成本過高而無法實現的應用，現在變得足夠便宜，從而使得 AI 能夠涉足更廣泛的領域。與此同時，AI 模型本身的能力也在持續進步。或許它會隨著 Transformer 架構的優化而提升，或許會有全新的架構出現。但技術發展的方向是明確的：我們必將擁有能力更卓越、且同樣高效的模型。實際上，它們比那些功能專一的方案更有價值，因為它們更靈活，也能更好地隨著模型一起進化。最關鍵的一點是，我認為我們對 AI 的應用探索還隻是冰山一角。人類生活的幾乎每一個角落，無論是職業生涯還是日常瑣事，都能借助 AI 變得更好。我想，我們可能連它最終需求的 1% 都還沒碰到。隨著 AI 不斷進步，應用場景隻會越來越多。所以，我認為這裏根本談不上泡沫。就像黃仁勳說的，我們正描繪一條多重指數增長的曲線，而現在僅僅是開端，這條路會一直延伸下去。

主持人：在某種程度上，英偉達對此已經適應了。因為無論範式如何變化，湧現出何種新型 AI 或架構，那些最核心的硬件構件始終是需要的。飛飛有什麽想說的嗎？

 

李飛飛：我的確認同從市場層麵來看，它有其自身規律，有時會自我修正。但如果我們關注長期趨勢，必須意識到 AI 還是一個非常年輕的領域。我們環顧這個房間，牆上寫有物理學方程。物理學已有四百多年曆史。即便對比現代物理學，AI 的曆史也不足七十年，從艾倫·圖靈（Alan Turing）算起也才七十五年左右。所以，前方還有太多新領域等待出現。我們知道，黃仁勳常談及大語言模型和智能體，它們大多以語言為核心。但即便反思人類智能本身，能力也遠不止語言。我一直關注空間智能，它研究的是感知與行動的結合。在此方麵，人類和動物展現出的感知、推理、互動和創造力，遠超語言所能涵蓋的範疇。今天最頂尖的語言或大語言模型，在基礎空間智能測試中依然表現不佳。由此可見，作為一門科學與學科，我們麵前還有廣闊的疆域需要征服和探索。這也意味著，未來將開啟更多樣的應用可能性。

----

Yann LeCun：我認為有幾種觀點支持我們並未處於泡沫之中，但至少也存在一種觀點認為我們正身處泡沫。這確實是另一個需要探討的問題。從某種角度說，結局並非注定。因為基於大語言模型，尚有大量應用有待開發。大語言模型是當前的主導範式，其中蘊含著巨大的潛力可供挖掘。這正是 Bill 所提到的——利用現有技術改善人們的日常生活。技術需要被推動，這也證明了在軟件和基礎設施方麵的所有投入是合理的。一旦我們讓智能助手普及到每個人手中，正如黃仁勳所言，為如此龐大的用戶群提供服務所需的計算量將是天文數字。因此，從這個層麵看，這些投資並未被浪費。然而，從另一種意義上說，泡沫確實存在——它體現在一種信念上，即認為當前的大語言模型範式將被直接推升至人類水平智能。我個人並不相信這一點，在我們造出真正具備我們所觀察到的（不僅是人類、還包括動物）那種智能的機器之前，我們還需要取得一些根本性的突破。舉例來說，我們甚至還沒有像貓一樣聰明的機器人，對吧？因此，我們仍然缺失某些關鍵的東西。這正是為什麽 AI 的進步不能僅僅依靠更多基礎設施、更多數據、更多投資和現有的 Python 開發。實際上，這是一個科學問題，關乎我們如何朝著下一代 AI 取得突破。