衣公子的劍——從商業的角度，看看這個世界

90年代SGI（硅谷圖形公司）研發高性能計算機，富得流油。李開復入職那一天，公司正巧發了個常規“小”福利，全公司所有員工，每人一只1500美元的Tag Heuer手表，外加一件昂貴的小羊皮夾克。

李開復在蘋果公司待了六年，也沒見過這么壕的排場。

但僅過去兩年，SGI就從豪奢走向破產。見證這場大起大落的李開復，總結了一個教訓：科技創新千萬千萬不要脫離用戶需求。

當李開復決定換工作，Intel和微軟都拋出了橄欖枝，工作內容也驚人一致——去中國，建研究院，網羅中國年輕一代、生機勃勃的高材生。

喬布斯也打來了電話。這位前老板剛結束流放，重回蘋果，準備大干一番。“開復，你為什么要去微軟？為什么要去中國？趕緊給我回蘋果！”

李開復拒絕了。在SGI的這段時間，他扮演著公司和中國的橋梁，很明確地注意到中國迅速發展，尤其是互聯網的出現，讓李開復堅信互聯網會改變中國。

1998年，他回中國建微軟中國研究院，也就是后來的微軟亞洲研究院。這是互聯網力量最不可一世的一年，谷歌、搜狐、京東、騰訊、新浪相繼誕生。

在美國從事計算機科學的中國人，都被李開復薅了個遍。選中張亞勤，這位天才學霸，先在桑納福研究院做主管，被通用電氣（GE）收購后，張亞勤的工作重心由純科研，變為將技術轉化為產品。這份“市場”的經歷讓李開復尤其看重。

搞研究，先要建文化，科學面前人人平等。李開復要求不許叫“總”，也不許叫“院長”，必須叫“開復”。張亞勤先使壞，用當時北京城很火的餐廳名字“KFC”叫李開復，因為后者名字簡寫是KF。李開復還擊了，管張亞勤叫“牙簽”（YQ）。

初生的微軟亞洲研究院風風火火，政府也很支持，入職竟然能解決北京戶口。在基礎研究、產研結合、培養青年科學家方向，微軟亞洲研究院給中國播下了一顆種子。

后來的故事，大家都很熟悉。比研究內容更出名的，是微軟亞洲研究院的“人”，張亞勤、沈向洋、王堅、王海峰、林斌、俞棟、鄧大付、賈佳亞、孫劍、余凱、湯曉鷗……這一長串的“畢業生”，有的去百度阿里騰訊頭條小米，有的下海創業科技小巨頭，把科學研究孵化成一個個具體的解決方案，撐起了中國科技商業的半邊天。

01

激流澎湃。24年后光景已然大不相同。中國 AI 技術和應用也走到了全球第一梯隊。

2022年，李開復對中國媒體談到，“中國將與美國共同引領全球AI發展，在未來二十年，AI和自動化作為平臺技術，與先進計算、生命科學、新能源等更多新技術交叉發展會帶來顛覆性的產業變革，中國有望這過程中領跑。

但話音未落，微軟一手奶大的ChatGPT橫空出世，讓一個常見的話題再次熱議：美國中國AI差距究竟有多大？擔憂之聲此起彼伏。

認識差距，也客觀丈量差距。

不妨大方承認，科技、商業很多方面，美國依舊領先世界，是我們學習和追趕的榜樣。但廣闊的市場和豐富的場景是中國AI的跳板。特別是在規模巨大的傳統行業，有較深的“行業護城河”。世界工廠正處于數字化、智能化升級轉型關鍵時期，AI、自動化等平臺技術輪番上陣，推動其迭代到技術創新驅動的增長新范式。

李開復也預測說，未來，中國和美國的 AI 競爭不一定是零和博弈，尤其中國在大數據和AI的優勢，自動化、智能化有望領先美國，保持“世界工廠”的地位。

如果把時間拉長，從微軟亞洲研究院到ChatGPT，中美AI兩條不同的發展路徑，更加清晰。

微軟亞洲研究院的何愷明，和他的導師孫劍，研發深度殘差網絡ResNet。DeepMind的AlphaGo Zero就是利用了ResNet的研究成果。

后來，孫劍離開研究院，加入曠視。而何愷明的另一位導師湯曉鷗，也在離開微軟亞洲研究院后，擁抱中國本土AI市場，創業商湯科技。

曠視、商湯，成為中國計算機視覺AI的“四小龍”。CV領域就是一個典型“場景-技術-產品”輪轉，再帶動下一代技術躍遷的一個代表，同期不僅有四小龍，也有騰訊優圖等這樣的科技企業布局。我想到更大的方面是，人臉檢測的研究幾十年前就在實驗室里興起，歷經一代又一代研究學者，但是這一代科學家，終于有機會把幾代學者的心血從實驗室搬出來，通過手機解鎖、移動支付，走進每個普通人的生活。

AI頂級人才都是如此，做研究是佼佼者，再跳出去加入中國轟轟烈烈的AI事業，撐起了中國科技行業的半邊天。這至少證明了兩件事，第一，中國人也會做基礎研究，也能做好通用人工智能。第二，做基礎研究，和做場景的解決方案，并沒有高下之分。恰恰是兩者相輔相成，共同推動AI行業的發展。

很多人說，中美兩國AI最大的差異在于，美國側重基礎研究，中國側重解決方案。其實，不僅是人工智能，本世紀所有的科技發展，都在太平洋兩岸衍生出不同的路徑。

互聯網浪潮中，美國對電商相對不那么熱衷，線上消費滲透率一直上不去。相比之下，中國幾乎所有互聯網公司都做過電商，中國電商滲透率冠絕全球，規模一度比第2到第11加總都高。

移動互聯網也是如此。美國“移動支付”不積極。但是中國憑借更好的網絡環境，更鼓勵創新的監管制度，跨越發展，直接跳過信用卡時代，進入數字支付時代。

再比如，無人駕駛。美國側重車的智能化。而中國的優勢是更好的基建、路況、網絡和交通規劃，于是選擇了車路協同的路線。

產業互聯網也有很明顯的差異。美國經濟的產業特點是集中于微笑曲線的最上游和最下游，科技、互聯網、金融占比高，加上人力昂貴，企業付費意愿強。而中國的特點是，產業集中在微笑曲線的中段，作為世界工廠，場景豐富，產業鏈完整，加之政策支持，高校集中，產學研對接十分方便，技術驗證更好落地。這樣的大背景導致，美國重攻基礎研究，多是從技術起步，而中國的優勢在于場景多，需求多，場景多，往往是場景倒推技術落地。

02

李開復創辦微軟中國研究院那年。相反的方向，任正非去美國，對貝爾實驗室驚嘆不已。美國人搞的這玩意好啊，產研結合，大企業辦研究院，商業產品賺利潤，長期研究謀創新，兩條腿走路才能更穩。

今天來看，任正非的喟嘆，折射出另一個維度——對基礎研究的態度，不是眼界問題，而是實力問題。

用一個不恰當的比喻，微軟來中國建研究院的時候，任正非在美國羨慕貝爾實驗室的時候，微軟等美國巨頭已經是富豪少爺，錢不是問題，錢太多才是問題。要砸錢做基礎科學，好處是明顯的——既可以搶占科技高點，也需要沖淡壟斷者的壞形象。

而中國的民營企業才剛剛走在艱苦奮斗的路上。精打細算的習慣改不了，往往是先從市場需求產品需求開始，再慢慢投入科學家和基礎研究，再結合市場需求，帶動基礎研究落地。

我和很多公司從事AI研究的朋友有過交流，他們的出發點往往很簡單、很現實。比如騰訊早期研發的AI技術，是因為QQ空間的產品需求——很多用戶用個人電腦自拍QQ頭像。QQ團隊就想，做個技術可以實現頭像居中。

在解決了這個技術難題后，一個小團隊逐漸固定出來，跳出產品，專門研究圖像技術本身。孵化出了人臉檢測、人像表情、智能P圖等技術，再用回產品上，孵化出天天P圖，人像美容的技術，被應用到國民級產品全民K歌。這個小團隊，也就是后來的騰訊優圖。

2015年，也是因為需求——金融改革，鼓勵小微金融普惠金融。當年微眾銀行成立，是中國第一家沒有線下網點的銀行，騰訊積累的圖像技術，被用于線上遠程開戶核身、風險控制。AI的產業技術價值開始顯現。

再進入產業互聯網，比如用圖像AI做質檢。制造業不夠高大上，但是用AI做質檢真的不簡單。拿富馳高科為例，它的產品是手機攝像頭的支架，形狀不規則且只有手指頭大小，但上面需要檢測的點位卻高達七八十個。難度有兩個，一是誤檢率要達標，否則漏檢的瑕疵品還需要額外安排人工去檢測，那相當于沒有提高人效；二是要與時間賽跑，因為手機產品每年都升級換代，所以新一代的質檢方案必須在新一代產品開始生產之前做出來，不然就沒法落地。

騰訊將混元等大模型的相關能力用在產業場景中，通過騰訊云TI平臺對外輸出能力，方便客戶自己做數據訓練，目前已有八個行業超過五十家用戶使用了這個能力。富馳高科就算了一筆賬，該項目AI的工作效率是原來人工的20倍，在機器持續滿載生產的情況下，一年可為公司節省數千萬元成本。

馬化騰一直講，要走研究和應用并重的技術研發戰略。騰訊的AI實驗室后來發展成矩陣，騰訊優圖、AI Lab、WechatAI和RoboticsX機器人實驗室，既能拿出超大規模(萬億)預訓練模型“混元大模型”，也有云和AI結合的騰訊云智能，帶著技術扎根工廠，跑出工業質檢訓練平臺TI-AOI。

和美國相比，中國科技有一個明顯的特點，從場景需求入手——去底層做技術——再回到產品做創新，從而像輪子一樣滾動前進。

在寶武鋼鐵“1580產線”的透明工廠，藍領變白領，不用去嘈雜炎熱的產線，只要在安靜的、開空調的會議室就行。當中用到的數字孿生技術，是從騰訊擅長的游戲場景而來。

和騰訊類似的。阿里的云服務，最早起步于電商，二十年前就在幫助小商家上網賣貨。美團的無人機技術已經哼哧哼哧地干到了頭部，多年投入無人機就是因為和主業“送外賣”息息相關。京東主推智能供應鏈，也是來源于京東二十年自建物流的技術底子。

產業互聯網是一個比消費互聯網大得多的市場。尤其在中國，世界第二大經濟體，世界工廠，場景豐富。而且，正在經歷從產業布局數據勞動密集向效率提升轉型。目前，各家中國科技公司掏出家底往里沖，但是細細分辨，各自拿出的技術成功，都和自己的主業高度相關。

對比之下，美國AI行業上一個爆款是DeepMind的Alpha系列，先把技術做出來，贏人類圍棋冠軍，足夠爆炸。而應用場景、商業化都不迫切，慢慢摸索，好幾年后這項技術被用于破解蛋白質折疊結構難題，參與新藥的研發，才算英雄有了用武之地。

同樣的，ChatGPT目前信息的歸納生成階段還比較初級，真正走出實驗室派上用場仍然需要在應用場景中不斷實踐，不斷打磨，不斷迭代。

03

話說，不論25年前辦微軟中國研究院，還是現在力挺出ChatGPT，微軟都有自己的算盤。

明面上是培養中國青年才俊，產融結合，追求創新……但還有些不好意思說的，李開復在自傳里分享：當時中國市場管微軟叫Micro$oft，因為它太賺錢了，一套軟件賣那么貴，而且壟斷。但是，創辦中國研究院的工作，大大改善了微軟的形象。

不得不說，微軟真的好“自私”，但是也正是這份“自私”推動了人類技術的進步，市場經濟最大的魅力就是鼓勵企業自由追求自己的利益，技術追求和商業欲望，帶動社會進步�？萍紕撔卤澈蟮牧夹匝�環，來自于需求——利潤——持續投入的循環往復。

ChatGPT的出現也有新的啟示，AI對技術、數據、場景要求的突破，需要大企業的持續投入。

OpenAI的天才工程師們固然珍貴，但背后的微軟也是功不可沒。搞AI大模型是一件極度燒錢的事，數據包含近千億個參數，1萬枚英偉達A100芯片是算力門檻，一次完整的模型訓練成本就接近1億元，而成果又充滿不確定性。

微軟先投10億美元，再投100億美元，一路從內部調資源，給服務器給設備、云計算資源，甚至動了微軟內部技術部門的奶酪。

微軟貢獻的這樣幾個方面，都來自其平臺型企業的屬性。ChatGPT用到云資源，如果按照市場價格租賃，OpenAI早破產了，但是微軟有云業務，就可以很靈活。而且平臺型企業，才有數據給ChatGPT訓練，有用戶，有業務，有場景，能讓AI開發里遇到的技術獲得實驗機會。

有一件事我想強調。ChatGPT對人類AI事業是絕對的好事，但是對于微軟這個商業企業來說，不一定是板上釘釘的好事。

因為創新是不可預見的。ChatGPT模型的核心技術是Transformer。但誰知道下一個打敗Transformer的模型會不會明天就會冒出來？

想當年，AlphaGo贏了人類圍棋冠軍，Google何等風光。但是今天ChatGPT一出來，不也是成了奚落的對象嘛。再往前，人類AI的盛典是IBM的深藍打敗國際象棋冠軍。后來IBM過度迷戀技術，反而掉隊了。

所以，AI這類技術創新，適合位于社會中間部位的平臺型企業去做。往下，創業企業，沒錢沒資源沒場景，做不了。往上，政府產業基金，有錢有資源，但往往和商用場景有距離。說到底，高精尖的技術創新九死一生，要鼓勵大企業去冒險，要搭建好產學研的模式，要依靠市場激勵。

說到中美AI產業差異，其實中國底子很不錯。AI論文數量很早就第一，論文質量也很好。被引用次數居前10%的論文篇數，中國在2019年躍居第一。日本經濟新聞在荷蘭學術信息大型企業愛思唯爾(Elsevier)的協助下進行了統計分析，2021年受關注論文篇數居前十的企業，前十里有四家中國企業，騰訊、阿里、華為、國家電網分列5、6、7、9位。在人工智能領域，騰訊過去五年專利申請數量為10630項，位居全球互聯網行業榜首。

還是那句話吧，面對中美AI差距，既要承認差距，也不要妄自菲薄。找到自己的優勢，找到自己的問題。

中國該做的，是用好的自己的特色，豐富的產業鏈場景、產學研融合、互聯網頭部企業積極投入，利用好市場的循環。

就像最近科技部部長王志剛最近在談起ChatGPT時也提到，希望既通過科學研究、技術牽引，也通過場景驅動、用戶需求，二者結合起來，讓AI為中國經濟社會發展、中國科技發展作出貢獻。

今年中國的主題是抓經濟，高層領導最近多次強調要支持民營經濟。的確，科技創新，比拼的是誰有一個更好的商業環境。要鼓勵創新，就要寬容試錯，有合理的市場激勵，平臺型企業敢投資，AI這類創新技術才能殺出一條血路。

       原文標題 : ChatGPT警示：不同的中美AI故事