<mark id="oztn4"></mark>
0
| 本文作者： 何思思 | 2023-07-27 17:58 |
作者丨何思思
編輯丨林覺民
“如果單指Gen-AI（生成式AI）的創業熱潮，中美兩地都在共享盛宴。如果指大模型本身，可能只是國內一片熱火朝天，”談到中美大模型發展熱潮，AI觀察者張斯成如是說。
其實，大模型在國內火了已經有半年時間，百度率先嗅到了商機，并發布文心一言，這一舉動也順利揭開了大模型市場的帷幕。隨后國內迎來了大模型密集發布月，阿里云的通義千問、商湯的日日新、昆侖萬維 的“天工”3.5以及知乎的“知海圖AI”等陸續亮相。當然除了頭部大廠外，也不乏創業公司的入局，諸如王小川、李開復等。
一位大模型從業者告訴雷峰網，目前國內做大模型的公司已經有138家左右，且這個數字還在持續上漲。
由此可見，國內大模型產業正在如火如荼的進行。反觀這些大模型廠商，張斯成將其分為四類：一是做基礎大模型的研發。二是做垂類模型，結合場景去構建領域內的模型。三是做應用，基于大模型的能力解決實際問題。四是圍繞大模型的基礎技術或設施，比如工程化、數據庫、數據處理等。
大模型在國內的火熱程度早已不言喻，但由于其不是本土化的概念，所以在大部分人追捧的同時，也有人在質疑，甚至有人給大模型扣上了“抄襲、套殼、畫皮”的帽子。在張斯成看來，只有中國在大模型方面是熱火朝天的狀態，硅谷創業圈更關注如何應用大模型，改變日常生活和工作。
其實不然，正如張斯成所言，除了一批做通用大模型的企業，也有一批專注做垂類模型和上層應用的企業，諸如CRM領域、人力資源領域、營銷領域...他們想做的正是基于大模型的能力解決實際應用的問題。
但從目前發展來看，大部分企業仍停留在追熱點階段，實際上并沒有成功的產品落地。對此，張斯成也發表了自己的觀點。他表示，主要原因在于，中美對創新的認知不同，美國對創新的認知更強調廣度，即技術的創新只是大眾認知中的一部分，普通民眾對于日常場景中的創新會更加關注。
而國內對創新的認知更偏重技術層面，再就是當GPT霸版時，國內呼聲最高的是我們自己的大模型在哪，再加上OpenAI的限制，地緣政治之間博弈再次推高了國內對大模型本身的熱情。
這也從側面反映出了，在國內大模型還是一個新項目、新技術，企業更多的是為了做出大模型而做大模型。簡言之，沒有堅實的大模型底座作為支撐，何談成熟的上層應用。但相比之下變，國外以OpenAI、谷歌為代表的大模型技術和生態早已相對成熟，且具備了為上層應用服務的能力。
“如果說硅谷的泡沫聞起來是香甜的，國內的則略顯苦澀，”對于中美大模型的發展態勢，張斯成評價道。
以下是雷峰網和張斯成的對話：
之于大模型，硅谷關注應用，國內關注的是自己的模型在哪兒
雷峰網(公眾號：雷峰網)：最近中美兩地迎來大模型創業潮，您怎么看待這一現象？
張斯成：如果我們指Gen-AI（生成式AI）的創業熱潮，可以說中美兩地都在共享盛宴。如果指大模型本身，可能只是國內一片熱火朝天。硅谷創業圈對大模型本身的興趣，更多在于如何應用，如何改變日常生活和工作。這其中既有創業文化的因素影響，也有產業格局和路徑的原因。
一方面，美國社會對創新的認知，比較強調廣度，也就是說，技術上的創新只是大眾認知中的一部分，普通民眾對于日常場景中的創新會更加關注。一個新的技術出現時，如果不能快速破圈，那么很可能只會停留在科研和學術的小圈層中。這也是為何OpenAI在推出ChatGPT之后才迅速成為了大眾視野中冉冉升起的明星。
另一方面，LLMs（大語言模型）的發展歷史上，當OpenAI默默發展數年之后突然一個彎道加速甩開Google身段時，Microsoft及時的強力助攻讓GPT模型迅速成為了全行業的參考系。直到Meta拋出同等級的開源模型后才動搖了GPT霸榜的局面。與此同時，其他大廠或反思或等待或觀察，都沒有倉促上馬推出自己的大模型，反而是積極尋找差異化的定位，比如Apple一直是在冷眼觀察找時機再切入。在這種基礎上，創業社群里討論更多的是如何運用已有的技術能力，發掘更多有趣的應用場景。過去幾次由技術引發的創業熱潮中，以應用場景脫穎而出的獨角獸公司比比皆是，結果或是IPO或是被并購，皆大歡喜。
雷峰網：國內是什么樣的狀態，有什么不同？
張斯成：相對而言，上面說的兩個方面在國內都呈現著不同的狀態。一方面，對創新的認知，大多數國人還是偏重于技術層面，技術含量成為了一個默認的標準。
另一方面，當GPT霸版時，國內輿論呼聲最高的是我們自己的大模型在哪，再加上OpenAI的開放限制，地緣政治下的博弈推高了國內對大模型本身的熱情。在這種環境下，應用側的創新基本被無情地忽略了，產業和資本圈都爭先恐后地涌入大模型研發，軍備競賽式的爭奪如火如荼。半年下來，國內創業社群呈現出內冷外熱的感覺：一邊是圍觀“百模大戰”的熱鬧，一邊是缺乏技術成熟、商業可用的基礎大模型的尷尬。結果資本和人才都被各種花式模型拉扯分割無法合力，應用生態又無從繁榮來支撐大模型的故事預期。如果說硅谷的泡沫聞起來是香甜的，國內的明顯有點苦澀。
雷峰網：它們的創業方向分為哪幾類或哪些流派，哪派比較有機會?
張斯成：不論是國內還是硅谷的創業，業界基本都會分成三到四類。第一種是做基礎大模型的研發。第二種是做垂類模型，結合場景去構建領域內的模型。第三種是做應用，基于大模型的能力解決實際問題。第四種是圍繞大模型的基礎技術或設施，比如工程化、數據庫、數據處理等。
這四類中，中間兩類的邊界目前變得越發模糊，或許也是雙向奔赴的結果。目前各大云計算平臺著力推MaaS（model as a service)，也在嘗試把前兩類融合在一起。我個人不會按流派來劃分創業團隊，那種做法比較江湖范，更多還是看每一個項目對自身的定位是否清晰來判斷它最終在產業格局中的可能價值。
雷峰網：目前圈內流行的對大模型的看法和認知，哪些說法是比較認同的？
張斯成：我不是大模型領域的技術專業人員，所以更多是從產品和商業的視角去理解當前的發展狀態。就所知所聞，談談我對業內幾個流行觀點的看法。
第一，應用為王。這個我雙手贊成，因為從產業的角度看，最終生產力的變革必須以社會財富的極大變化為佐證。只有大規模多樣性的應用才能讓一種技術進入良性的上升螺旋。人類點亮科技樹的次序并不是隨機的，其中需要大量、廣泛、持續的運用和傳播才能奠定某項技術的里程碑。這是我在閱讀著作《世界文明中的技術》時得出的重要結論。因此，大模型技術在達到基礎可用之后，在科技史上的地位輕重就要看應用的發展了。
第二，數據是瓶頸。這個我也基本贊同，不過要加上一個限定詞：短期內。目前算法而言大多數都處于同一層面，還沒有出現明顯的段位差。所以數據成為了短期競爭的熱點，數據的來源、質量、規管等，都有可能會成為瓶頸，反之也就是優勢。
雷峰網：那哪些是你覺得有問題的?
張斯成：“LLMs將帶來AGI”這個觀點我越來越傾向于不敢相信。雖然大模型領域每天都在進步，比如最近在數學推理方面的進展，但大家也能隱約感受到模型能力的天花板。在構造世界模型的話題上，以Yann Lecun為代表的學者提出不同的方式來提升學習算法。
從人類智能的產生角度而言，具身個體的移動能力相當重要。雖然前些天有研究者在論文中提到將ChatGPT和機器人結合的實驗，但還只是一小步。而且最近流傳出來關于GPT-4的訓練模型結構中，已經可以看到在工程和算法方面的不少妥協。這些可能都在暗示，AGI無法完全依靠LLMs來實現奇點的突破。或許，實現AGI的拼圖中，LLMs只是一部分。
大模型釋放“無盡推理”能力，B端迎來新的卡位賽
雷峰網：大模型的未來，你更看好To C 還是To B 模式?
張斯成：由于過往的職業經歷，我在同時關注2B和2C。我認為AGI對人類社會的根本改變是來自對生產力的終極變革，因此2B是最能體現AI對價值體系進行破壞式創新的領域。但如果參照人類歷史最近幾次重大的生產力變革過程，一項關鍵技術的滲透路徑往往都是從2C到2B。
也就是說，由于技術對生活應用場景的改變教育了個體對于新技術的認知，進而傳導和激勵個體在生產應用場景中對新技術的運用。
這種模式在Gen-AI階段會更加明顯。因為Gen-AI最直接影響的就是內容領域的形態，而內容消費又是人類社群在注意力經濟范式驅動下越來越重要的活動。因此，2C領域應該是Gen-AI最快產生第一波爆發的地方。
隨著2C領域出現一系列成功火爆的應用，2B領域也會通過參考2C領域的行為校正模式找到運用AI的正確方式，由此開啟廣泛改變生產力的序幕。
當然，2C和2B領域的項目并不會嚴格區分入場先后，而是會多路并進，只是整體上可能會呈現這種律動。
雷峰網：那To C和 ToB的重點有什么不同嗎？
張斯成：對于國內的Gen-AI的創業者，我曾經有過如下建議。如果選擇2C領域創業，最好從面向國際用戶開始起步，因為一方面硅谷的大模型技術成熟度和可用度相對都較高，可以支撐2C應用快速發展所需的能力，另一方面國際2C領域的競爭環境和文化相對寬松，可以站在同一起跑線上競技。
如果選擇2B領域創業，那還是要立足于國內，因為對組織型業務的理解需要較強的文化和地域特性支撐，而且來自開源社區的支撐讓滿足客戶的個性化需求成為可能。
雷峰網：To B模式在中國會不會又陷入高定制、沒利潤的軟件行業老路?
張斯成：至于國內的2B創業是否會如同SaaS一樣，陷入當年商業化軟件的發展困境，我認為這種可能性不大。國內2B SaaS之所以一直無法順利發展，是因為長期以來受到Me-too慣性思維的強烈干擾，也就是試圖移植歐美成熟的SaaS模式到中國土壤上落地生根。這種思維從2013年模仿Salesforce的成功開始，直到最近幾年才在不斷遇挫和反思中進行了適應性改造。
不過，這次Gen-AI的發展，國內與硅谷的進度條差異不是很明顯，所以是有可能會走出一條自己的道路。這個就像當年電商和支付的發展，腳踏實地去創新，實現了反超，進而引領了潮流。再說現在還有一種思潮是AI-native，探索如何從根本上改變AI的應用模式，那將是一種掀桌子式的重構。
雷峰網：AI-native怎么理解？具體表現是什么？
張斯成：其實可以回顧過去十年2B領域的互聯網化歷程。從最初的“互聯網+”，強調用所謂的“互聯網思維”來改造各行各業，到之后的“+互聯網”，通過賦能來激發各行各業運用互聯網工具實現自我進化。可以說，“+互聯網”打敗了“互聯網+”。
我認為，接下來會快速從“+互聯網”進入“+AI”階段，也就是說，各行業在積極尋找如何具有Gen-AI的能力。然而，最終的結果，都將走到“AI+”階段。在這個階段，AI將不再以工具的從屬身份出現，而是在很多方面與人類幾乎平權，半自主的參與對各種場景的重構中。在這種重構中，將第一次出現人類以外的視角，甚至不同的邏輯。而“+AI”過渡到“AI+”之間，就是AI-native大行其道的時期。
雷峰網：所以說大模型不會沖擊，反而會給B端帶來新的發展模式？
張斯成：對，在2B領域，不管是近期的“+AI”，還是遠期的“AI+”，最終都要回歸到對業務價值體系的理解和接受上。在Gen-AI的滲透下，有些業務模塊會提升，有些會消失，有些會重構。我相信，2B領域接下來將出現的發展模式，是大模型的數據和計算能力下沉為云計算平臺PaaS的一部分，應用和互動能力上升為SaaS的一部分。所以，SaaS可能會相應從Code as a Service升級成Copilot as a Service，最終再演進為Agent as a Service。
對于前者，重點在于如何實現Copilot的能力，因為用戶還是Pilot。對于后者，重點在于如何定義Agent，因為需要解決信任和授權的問題，這個過程會經歷比較長期的實驗性試錯。
所以，對于云計算平臺而言，Gen-AI相當于提供了一種新的能力，即大模型所產生的“無盡推理”能力。各大云平臺不約而同地發展出了MaaS，橫向對接PaaS，向下對接IaaS，向上對接SaaS。這個新一代的云計算平臺，將在2B領域掀起新一輪的卡位賽。
做“垂類模型+應用”的機會大，但要找合適的賽道切入
雷峰網：您最初對大模型/AGI有一個什么樣的預判？
張斯成：在3月份的時候，我對AGI的發展預判大致分為了兩個階段：Copilot as a Service和Agent as a Service，而且我認為兩者之間可能會存在比較長的過渡期，因為前者到后者不僅需要解決技術躍遷的問題，更需要解決信任和授權問題（這對人類社會從來都是一個巨大的挑戰）。相對于Model as a Service更關注云計算在資源層面的整合，這兩者都是從應用層面來評估AGI對人類社會的影響。
雷峰網：現在處在哪個階段？
張斯成 ：當下，整個世界正在大步流星地進入Copilot as a Service階段，這個在SaaS基礎較好的市場會更加明顯。Copilot這個概念是Mircosoft推而廣之的，在與OpenAI建立戰略聯盟的第一時間內將自家的全線產品都進行了升級。這也在某個程度上折射出軟件巨頭們對于AI短期發展的明確預期/判斷，也就是作為人類的助手來提升軟件服務的質量，以實現更高的商業價值。
雷峰網：其實創業公司想要在這個階段做好，還是有難度的？
張斯成：對創業公司而言，機會在于全域靈活度和局域專業度。不得不承認，做基礎大模型的研發是需要巨大且長期的基礎性投入，如果今年才起步去和平臺公司競爭是不大明智的，最好結果是被并購，但這注定是少數人的游戲甚至是偽游戲。
做垂類模型+應用有不小的機會，但是要選擇合適的賽道切入，比如長期被平臺巨頭忽視的領域、天然壁壘較高的領域、或是團隊本身擁有較強資源的領域。對于已經處于創業中途的SaaS公司，這個方向是最有機會做成獨角獸的。還有一個比較有前景的方向，就是開發技術類的基礎工具，為大模型相關的創業者提供某些技術服務，用于提高技術層面的效率、能力、或精度，這個和當年淘金熱時賣鏟子的道理如出一轍。
雷峰網：那應該如何建立自己的優勢?
張斯成：對于在應用層面如何建立自己的Copilot的優勢，我會建議創業者考慮五點。第一，快速轉身，盡早理解和引領Copilot在各自領域的定義。第二，回溯價值網絡，判斷LLMs的能力對于業務場景的價值影響，是升級、替代、擴展還是創造。第三，借力打力，不論開源閉源，利用成熟的大模型能力來占據場景、積累用戶、建立數據飛輪。第四，放棄幻想，不要試圖復制燒錢做市場的神跡，從第一天就開始商業化落地，自我造血。第五，以終為始，結合對Agent形態和內容的探索來持續調整Copilot階段的設計和節奏。
雷峰網：行業大模型在未來是不是偽命題?就像當年垂直電商，必定會被通用電商公司打敗。
張斯成：關于垂類模型和通用模型之間的競爭會如何演進，我認為這個問題應該從三個角度去分析。
首先是數據。在每一個領域，數據都具有明顯的邊界。領域數據是對客觀世界的一種反映和記錄，在領域數據的基礎上發展出了領域知識。同等條件下，對于同樣的領域知識，通用模型和垂類模型在訓練之后獲得推理能力是相似的。在目前的現實環境中，這種情況并不大可能出現。
原因在于兩個方面。一方面是過去互聯網的發展所形成的格局導致領域知識被分割和隔離，一家實體往往無法獲得跨越其邊界的領域知識，比如最近一些互聯網平臺開始對OpenAI進行了數據獲取的限制或封鎖。更不用提國與國之間，企業與企業之間對于私有數據流轉和交易進行嚴格限制。另一方面，目前的LLMs算法在訓練中需要進行越來越高強度的對齊，這意味著各種領域對齊所用的方法和內容將在更大程度上影響推理結果的呈現。比如最近OpenAI預計有20%的算力用于GPT-4的強制對齊。所以，領域知識可能在很大程度上將為垂類模型的存在建立一道保護墻。
其次是能力。如果從世界模型的角度看，任何LLMs都在嘗試通過對數據的學習來建立和完善其對客觀世界的認知。由于Gen-AI算法原生的概率屬性，垂類模型中的認知明顯要比通用模型要聚焦，頻譜也因此更窄。在頻譜靠近中間的區域，垂類模型明顯勝出，在越靠近邊界的區域，垂類模型的表現應該會越來越差，而通用模型沒有這類問題，表現應該會比較均質。同時業界存在一種觀點，認為AI發展越靠近AGI的奇點時，通用模型在能力上將產生更大規模的涌現，類似產生融會貫通的效果，以致于突破領域知識帶來的邊界，從而在能力上全面碾壓垂類模型。如果我們相信AGI必然到來，這種觀點很可能是合理的。只是考慮到時間問題，在可見的將來垂類模型依然有很大的聚焦優勢。
最后是成本效率。LLMs在訓練和推理中所需要的數據和算力成本，大家從OpenAI所披露的數據中都可以感受一二。在開源社區提供的大模型基礎上，不少開發者也針對一些領域進行了訓練和微調，得到了所需的成本信息。不難看出，垂類模型從成本效率角度而言是具有優勢的。
基于以上分析，我傾向于認為在AGI到來之前，垂類模型是不會被通用模型所征服的，他們有各自的生存空間。這個有點像過去十五年云計算的發展，公有云和私有云依舊是分庭抗禮，各自精彩。
大模型公司的三大特質：滿級信任、主動式透明、打不死的逆商
雷峰網：最近您接觸了哪些做大模型的公司和人?
張斯成：在六個月之前，我和很多人一樣，決定要投身這次人類歷史上最具有變革性的創業浪潮中，也可能是人類文明的最后一場“無限游戲”。在這個理念下，我與很多創業者進行接觸，不論是專注大模型研發和應用的新生創業者，還是希望嫁接大模型能力的資深創業者。其中既有國內的團隊，也有國際化的組合，不過主要還是華人，畢竟我大部分的工作經歷還是在華人世界中。過去由于工作的關系，我和投資圈的大多數機構都有聯系，這次也和不少優秀的投資人進行過深度交流。可以說，我在力所能及的范圍內，對這次Gen-AI創業相關的群體進行了廣泛且有一定質量的接觸。
雷峰網：他們哪些共同特質是您比較喜歡的，或者說你認為什么樣的人在這方面會有成就?
張斯成：對于團隊的特質，首先是“滿級信任”。合伙人/聯合創始人團隊中，必須存在穩定持久的信任三角，這是獲得成功最關鍵的必要條件。從我自己幾次參與創業的經歷，以及過去在釘釘負責生態時耳聞目睹各種創業伙伴的故事中，這一點都得到了不同程度的印證。創業本身就是九死一生（從概率角度看）的歷險，何況Gen-AI的不確定性更強（難以預測的程度），所以只有用接近于無條件的信任來做風險對沖，才有可能避免團隊的中道崩殂。雖說這個聽上去有點兒傻，但往往也正是stay foolish的團隊才有機會成功闖關。
其次，“主動式透明”也是很重要的特質。我們經常強調一個核心團隊內部要足夠透明才能規避掉無效的協同和消耗，這對創業型公司尤其重要。因為開創一個新業務的過程是幾乎沒有任何緩沖余地，不僅容錯率低，而且血槽也短，經不起幾次內部或外部的折騰。在Gen-AI時代，我會更期待一種主動式的透明，也就是核心成員之間能夠主動分享各自的業務進展，而不是等著被動要求下呈現出透明。而且AI也會逐步成為具有一定智慧的助手/成員參與到創業團隊中，主動式透明將成為實現人機融合團隊的一種特質。
最后，是“打不死的逆商”。對于職業經理人，情商是一個重要的特質。而對于創業團隊，則要考察逆商。逆商要求一個人要有信念、有行動、有取舍。在一個初創的業務中，生死考驗往往都不是集中在幾個重大的時間節點，而是滲透到無數微小的細節中。也就是說，所謂“moment of truth”是持續不斷貫穿于整個早期，選擇無謂大小，每一步都可能導向完全未知的前景。因此，必須要有堅定沉穩的信念，必須要以行動來捍衛自己的選擇，也必須學習殺伐果斷，舍中有取，先舍后取。可以預見，在Gen-AI時代的創業節奏將大幅加快，意外和明天不知道哪個會更早降臨，核心團隊的每個成員必須都具備充分的逆商才能避免成為團隊生存的軟肋。
能夠具備以上任何一點的團隊，在這波創業熱潮中都是足夠優秀的。同時具備三點，大概率能在競爭中脫穎而出，也是我所心儀的。
雷峰網：接下來三到五年內，哪些行業或者領域是比較適合創業公司進入的?
張斯成：在未來三五年，我個人比較看好的場景是陪伴類的服務，行業包括教育培訓、健康醫療、金融理財。對于個人消費者而言，陪伴帶來的情緒價值是有時間厚度的，可商業化的潛力最高。這也是AI最有能力建立差異化服務的地方。所以，我非常看好Character.ai和Rewind.ai這類項目。廣義上說，游戲也是一種陪伴，類似《頭號玩家》中的場景具有強大的生命力，因此在某種程度上可以說AGI將重建元宇宙的夢想，這樣或許能理解為何Meta不遺余力在LLMs開源社區進行投入。
對于行業而言，我認為應該聚焦符合以下三個特點：痛點亦剛需、數據自生產、知識即專業。迄今為止有三個行業非常符合這個畫像：教育培訓、健康醫療、金融理財，也分別對應了人類個體的三個主流訴求：成長、壽命、財富。當然，還有一些比較有特色的細分領域，也是值得關注或押注的，比如招聘、婚戀、法律等等，具體以后有機會再展開說說。至于創業者選擇做2B還是2C類型，還是應該在充分自我認知的基礎上因地制宜，切忌隨波逐流。
雷峰網：分析一個大模型項目是否有未來，具體有哪些維度?
張斯成：這個問題不容易回答，因為站在不同的立場會有不同的角度，比如投資人和創業者，前不久朱嘯虎和傅盛的朋友圈爭鳴也投射出了這點。作為一個觀察和參與者，我傾向于從四個維度去分析一個初創項目。
第一，大趨勢下的匹配度。任何創業都是一個時運結合的項目，一方面要吻合趨勢發展的方向和可行路徑，一方面要掌握好時機和節奏。對于一個Gen-AI的項目，在當前階段，這兩方面顯得尤為重要；
第二，團隊的逆商。如果可以非常幸運判斷對了賽道和時間點，接下來最大的問號就是，為什么是這個團隊。對團隊構成的分析是初創項目的最關鍵評估點。一個普遍的觀點是關注核心團隊在能力上是否互補；
第三，競爭模式。每個被證明有效的賽道都不會只有一個創業項目，特別是在國內，人才資源存在較寬闊的同溫層。因為項目之間的競爭力比照，也是一個體現功夫的地方；
第四，賽道終局。每個賽道都是AGI這個大局中的組成部分。這個維度的分析，其實更多的是一種預測。分析的結果不是強化取而是強化舍。也就是說，對每個賽道可能終局的猜測，會直接影響是否繼續投入這個賽道。
雷峰網：終局賽道應該很難選？畢竟要預判哪個賽道是最具潛力的？
張斯成：我認為在Gen-AI項目中，要更加重視規避為了差異化而差異化的行為，因為在不少賽道上很可能就會是同質化的、硬碰硬的競爭。為了達到這個目標，一個可行的方法是采取類似第一性原理的方法進行解構，這樣有助于真實觸摸到每個賽道的主脈絡，并沿著這個脈絡設計和決定適合自己的競爭策略。
比如在國內做基礎大模型的研發，就必須考慮各大互聯網平臺公司的存在。再如，發展到某個階段時通用大模型是否會超越大部分的垂類模型？AGI最終是一種世界模型獨霸天下還是多種世界模型并存？具身智能是否是實現人類智能的必要條件？我們對以上類似問題的預判都會影響我們對項目前景的置信系數。
雷峰網：您認為，AI會對這些領域產生怎樣的影響?
張斯成：如果問AI對人類社會將產生什么影響，我們的確很難預測。但有一點是幾乎確定的，AI將改變人類社會的基礎結構，因為它將徹底顛覆人類之所以成為地球主宰文明的前提：智能的唯一性。無論我們以何種姿態擁抱這個必然發生的未來，無論我們能否在有生之年見證這個奇跡，我們都應該滿懷敬畏，放下個體的執念，以延續人類文明為己任來發起和參與這場創業熱潮中。科技向善，這或許是最值得我們共同去珍惜的初心。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
