ChatGPT快两岁了，AI的下一步是什么？

人工智能技术经历了一个充满挑战和机遇的发展过程，从AlphaGo到AlphaFold3，都对社会、科研和商业产生了深远的影响。中欧国际工商学院管理学副教授杨蔚分析了ChatGPT等大型技术面临的难题，包括技术、应用领域和商业模式的不确定性，并讨论了如何通过技术创新、多维突破和基础研究的合作来克服这些挑战，从而实现人工智能技术的广泛应用和产业变革。

OpenAI于2024年9月13日发布了最新的OpenAI模型。 浏览o1版本。令人惊讶的是，这种看似强大，可以思考的重大更新，声称可以解决大模型在数理逻辑和幻觉方面的不足，却未能继续ChatGPT。 四是Sora的关注与欢呼，公众的关注中多了一份谨慎与审视。他说：“为什么不是GPT？ 5？”“性能真的达到了宣传效果吗？“OpenAI的命名规则，大(算)力出奇迹”Scaling Law”“是否已经到了极限？

与ChatGPT推出之初的尖锐性相比，OpenAI“新产品”在OpenAI发布中不断发酵的是逐渐积累的质疑和猜测。在最初的惊艳和疯狂之后，公众对大模型技术和应用的潜力与未来有了更多不同的声音。。

与其他技术创新相比，人工智能技术似乎表现出更明显的周期性，通常在公众和资本普及后陷入争议甚至安静。然而，历史证明，舆论和投资者期望的起伏并不能真正反映人工智能技术的真正发展轨迹和价值。人工智能技术和应用的突破，往往是在沉默和质疑中考虑和爆发的。

“前尘往事”AlphaGo：在深度学习中，“社会验证”的时刻和影响

回到2010年。当时，人工智能技术的发展可以说是黎明前的最后一个黑暗。当时，助理教授李飞飞刚刚发布了世界上第一个大型非结构化照片数据库。直到两年后，人工智能的主流技术卷积神经网络才在基于这个数据库的视觉识别比赛中突然超越其他技术路径，而人工智能无法分析和处理高度模糊、可变性和不确定性的语言文本——基于卷积神经网络的注意力机制得到了改善，这是大家现在大语言模型的基础，直到2017年才初具规模。

一家名不见经传的人工智能创业公司在这种技术混乱期间悄然诞生于英国伦敦。回顾当时这个企业网站上简单模糊的信息，我们很难想象它将来会成长为一只知名的独角兽，并在人工智能的发展中引起轩然大波——这家公司由一位没有任何人工智能经验的神经外科医生和他的同事创办，没有产品，没有技术专利，没有收入。平台上唯一的信息，就是探索与游戏、机器学习、电子商务算法相关的人工智能。

令人惊讶的是，这家创业公司DeepMind在大西洋彼岸引起了马斯克的关注。在2011年特斯拉业务开始好转的时候，他甚至以天使投资者的身份参与了DeepMind的发展。有趣的是，马斯克后来说，他对DeepMind的投资是基于对电影《终结者》的恐惧，这几乎和他五年后成立OpenAI的初衷一模一样。

值得注意的是，马斯克早期的业务重点更多的是特斯拉，外部初创企业的投资并不频繁。然而，虽然这两家拥有马斯克身影的初创组织并没有像马斯克希望的那样真正解决人工智能的伦理和风险问题，但它们已经成为推动这项技术从低谷走向高峰的最重要力量。

马斯克投资后，谷歌的收购要约出现了DeepMind的真正转机。2014年，谷歌以6.6亿美元的超高溢价击败了同样是硅谷巨头的竞争对手脸书，收购了DeepMind及其团队。到目前为止，这家一直在寻找技术路径和应用场景的创业公司似乎找到了一个独特的探索方向——对人工智能下围棋的研究。

事实上，对计算机游戏算法的研究并不少见，最早甚至可以追溯到人工智能诞生的开始。1997年，IBM的深蓝在国际象棋比赛中击败了人类选手。但是围棋的难度是前所未有的，围棋盘中两个儿子游戏衍生出来的棋路概率，甚至超过了整个宇宙中原子总数的总和。围棋战略对抗极其复杂，代表着优秀的围棋选手不仅依赖于高强度的训练，还依赖于在实践经验中不断强化的天赋和直觉。传统的计算机程序依靠穷举或暴力计算进行搜索，显然无法复制顶级玩家在游戏决策中罕见的天赋能力，更不用说超越了。在DeepMind之前的几十年里，计算机围棋水平只能勉强对战业余选手。

无论是计算机科学家还是围棋界，当DeepMind宣布将使用他开发的人工智能围棋程序AlphaGo挑战世界顶级九段围棋大师——已经获得18个冠军的李世石时，广泛认为人类的胜利在这样的挑战中几乎没有悬念。赛前，李世石本人预测:“5盘棋不应该是3/2，也许是4/1或5/0，但我一定会赢。”

这场比赛发生在2016年3月，但结果却超出了所有人的预期。DeepMind的AlphaGo4:1击败李世石，震惊世界。当代人工智能技术通过围棋这种古老而著名的具有“社会验证”属性的战略竞技方式，展现了其前所未有的惊人潜力。AlphaGo胜利带来的强烈反响，几乎和7年后ChatGPT的普及一模一样，也深刻塑造了人工智能技术的发展。

对AlphaGo的影响第一个出现在最相关的开发者社区。2022年，我和美国杜兰大学的张雨辰教授在Strategic Management 通过对开发者问答社区Stack的分析，Journal的研究 GitHub的开发者行为数据，Overflow和世界上最大的开源代码平台，发现AlphaGo促使开发者进行人工智能创新，能更好地运用平移、对比等思维认知方法提出更复杂的问题。而且复杂问题的解决，是前沿技术突破后进一步创新的关键。AlphaGo不仅进一步确定了其选择深度学习的技术潜力，而且通过围棋挑战获得的社会关注、认可和性能验证，激励和影响了人工智能领域的投资活动和人才储备。正是这些微观基础的悄然变化，为人工智能技术未来的整体发展奠定了基础。

技术成功后:创新探索中的努力、坚持和成长

AlphaGo的意想不到的成功，离不开谷歌总公司的支持。早在2004年，谷歌就拥有硅谷最大的服务器集群之一，并于2015年推出了自己的专属计算率芯片TPU，其计算能力甚至超过了当时主流的计算芯片英伟达。强大的计算率是深入学习人工智能算法发展不可缺少的配套资产。更值得注意的是，DeepMind被收购后，不再需要直接应对大部分收入压力。作为谷歌的一家分支机构，其在人工智能方面的研究成果更多的是面向谷歌的内部转换，应用于其搜索、视频推荐和数据中心能源系统管理等服务，使得DeepMind能够在一定程度上致力于R&D，不断推动技术本身的性能潜力。

创业公司与技术巨头合作的结果通常是新兴技术的突破。，而且这种互动也将进一步塑造技术的发展。创业公司一般被视为颠覆性技术的源头，具有很大的想象力和探索精神，但在商业化过程中会面临市场经验不足、客户资源和配套资产不足的考验。巨头和成熟企业通常具有较强的商业化能力和相关资源。但由于路径依赖和长期发展积累的组织惯性，在R&D过程中只能基于现有的成功产品进行逐步创新搜索。

因此，通过M&A、战略投资等合作，创业公司和巨头不仅可以促进创业公司的技术创新，还可以成为技术巨头获取新技术的重要“窗口”和“渠道”。McCombs商学院Franciscoiscoiscombs与美国得克萨斯大学奥斯汀分校 在Polidoro教授的合作研究中，我们发现生物医药领域的重大创新也离不开大型药厂的战略投资参与，这种战略投资和并购也会影响前沿技术的后续发展——为了更好地利用巨头的配套资产，初创企业的技术路径将逐渐向巨头靠拢。AlphaGo在人工智能领域的应用，同样展现了AlphaGo对谷歌人工智能算法和服务器的应用，直接影响了技术性能的发展，从而决定了AlphaGo在与李世石的对决中取得胜利。

但是，AlphaGo引发的热潮并没有持续下去。围棋的复杂性、竞争性和对抗性与典型的商业应用场景有很大不同。热度过后，深度学习的商业前景开始受到质疑。作为商业化的第一次尝试，DeepMind选择蛋白质分析这个生物学中看似非常专业的领域，似乎也验证了公众对深度学习商业化潜力的质疑。虽然AlphaFold在AlphaGo的基础上表现出同样惊人的性能潜力，但在接下来的2年里，通过预测蛋白质中大量氨基酸形态来分析蛋白质结构，已经完成了超过15万个人类蛋白质分析，超过了过去50年生物学家通过传统方法完成工作量的3倍，但由于这一基础科学领域的专业性，社会对商业化前景提出了质疑。在此期间，寄托深度学习的关注与期望逐步降温，风险投资增长也逐步放缓。

可事实上，深度学习技术真正转化为具有更广阔应用潜力的实用技术，是在这样一个社会验证引发的关注高潮后，公众热情退却的冷静期悄然实现的。2020年，AlphaFold 2在接下来的两年里，超过100万个物种的2.14亿个蛋白质结构的预测和分析完成，几乎涵盖了世界上所有的“蛋白质宇宙”。这一成果在很大程度上解决了传统蛋白质分析因高人力资源局仪器资金投入而面临的效率问题，为下游相关生物医药和医疗应用领域的研发打开了新的大门。“AlphaFold蛋白质分析是本世纪最重要的科学突破之一，”蛋白质分析领域的领军人物施一公曾评价道。”

2024年5月，AlphaFold 第三，在原有的卷积神经网络和增强学习技术中，广泛应用于大型模型中的注意力机制和扩散算法。在不断迭代发展的过程中，AlphaFold 3已能预测蛋白质与大多数其它生物分子结构，这就是说，这种技术可以在生物、高科技甚至一些传统制造领域得到更广泛的应用。从分子结构上进一步了解材料、配方和生产工艺，可以大大拓宽这些领域的技术和应用机会，而这些技术应用带来的知识变化也会对这些行业的竞争蓝图产生深刻甚至颠覆性的影响。

未来之路：人工智能期待与挑战

从AlphaGo到AlphaFoldol 三是发展过程，我们看到的是在过去的九年里，技术在不断向外扩展的应用边界中表现出更确定的通用潜力，从爆发到应用的混乱，再到特定领域的探索。这一过程无疑验证了比尔盖茨的名言："我们总是高估未来两年的变化，低估未来十年的变化."

面对ChatGPT和更新的大型模型技术，也许在不久的将来，我们也会看到AlphaGo所经历的“风口”的宁静——毕竟，尽管性能惊人，但大型模型的真实应用仍然会突破许多挑战，如技术、应用领域和商业模式。

首先，与单一技术的延伸相比，创新的商业应用是高性能技术的成功结合。目前，大模型可能需要协助技术的加持，而不是在单一技术中寻找性能突破，这是基于表征关联产生的“幻觉”问题。如何通过技术的叠加和组合，让大模型在预训练的基础上更有效地“学习”和“理解”世界，可能是未来技术突破和技术竞争优势的关键之一。

其次，除了人工智能技术之外，大型模型本身的性能提升和商业化也依赖于多维创新突破。没有与技术相匹配的配套资产发展，技术的成功商业化还是不可或缺的。尤其是“大模型”Scaling Law“，只有极大的指数级参数叠加，语义理解性能的倍数才能提高，这使得目前的人工智能实践和推理本质上无法避免巨大的计算率消耗。大模型进一步发展迫切需要解决的问题是如何提高大模型的效率，节能降耗，用更“小”的参数值在算法上实现同样的性能，从数据上提高数据质量，防止训练数据质量低导致的毒性提高模型效率。目前，如何突破计算率芯片作为大模型本身最关键的配套资产所面临的进口限制，已经成为中国企业面临的最关键的问题。

最终，大型模型的不确定性，也来自于人工智能基础研究所面临的难题。纵观美国信息技术和其他高科技的发展历史，政府资助和大学主导的基础研究一直发挥着生产、筛选和初步转化基础知识的特别重要的作用。包括互联网等当代非常重要的技术发明，最初起源于大学科研，而大模型的超高计算能力需求和相应的资本投入已经超过了美国大学目前的资金承受能力。推动人工智能领域的基础研究向企业转移——在2023年10月的一次对话采访中，李飞飞和前谷歌首席科学家辛顿说。

在一定程度上，任何以单一应用为主导的基础研究都具有较高的风险——在新兴技术发展初期，尽可能多样化的技术可以保证在充分的技术竞争中保持最佳的创新组合，最终成为领导者。然而，企业以商业应用和利润为主导的本质可能会导致基础研究过早偏向传统和单一，错过更激进但更有效的远程技术机会。人工智能技术在中国也面临着同样的危险。如何通过公司合作和政府支持的多种方式，从高校科研中寻找多样化的技术概率，可能会在一定程度上缩短公司主导的AlphaGo技术探索期，成为未来人工智能技术更快突破的关键。

AlphaGo在应用方面的发展过程也对我们对人工智能未来的理解具有启示意义。——新技术应用的成功商业化始于最适合技术特点和路径的相关行业。随着应用的逐渐成熟，我们将在这些领域的附近区域寻找延伸机会，最终在更广泛的领域延伸和泛化。

在人工智能的发展中，公众的热情和投资的周期性也源于技术早期的真实适用范围和外部预期的不平衡。但在应用领域过早投资，在前沿技术性能无法适应的前提下，迫使应用甚至人为制造出路，并不能真正加速技术的成熟，反而会造成稀缺资源的浪费和失衡。

喧嚣过后，直接面对挑战和努力，识别和掌握风险下的机遇，精心规划日益完善的制度和资源配置，可能是实现从ChatGPT到“通用人工智能”成长的基础和关键，让这种备受关注的技术真正赋能未来各个应用领域的产业升级和变革。

教授简介

杨蔚教授是中欧国际工商学院管理学副教授。在加入中欧之前，她曾经是乔治梅森大学管理学助理教授。杨教授毕业于美国德克萨斯大学奥斯汀分校，获得管理学博士学位和硕士学位。她在香港大学和北京大学获得了金融硕士和管理学硕士学位。

杨博士的研究领域专注于高科技环境下的企业战略和创业。她特别致力于公司的技术创新和知识创造战略如何在行业和社会环境中发挥作用，尤其是公司与竞争对手、外部合作伙伴、客户、投资者和媒体的互动。

[参考文献][参考文献]

Callaway, E. (2022). The entire protein universe’: AI predicts shape of nearly every known protein. Nature, 608(7921), 15-16.

Polidoro Jr, F., & Yang, W. (2021). Corporate investment relationships and the search for innovations: An examination of startups’ search shift toward incumbents. Organization Science, 32(4), 909-939.

Zhang, Y., & Yang, W. (2022). Breakthrough invention and problem complexity: Evidence from aq uasi‐experiment. Strategic Management Journal, 43(12), 2510-2544.

本文来自微信公众号“中欧国际工商学院”（ID：作者：杨蔚，36氪经授权发布，CEIBS6688)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com