#叩问2025##AI是泡沫还是明天#

这个问题让我回想起2017年参加大连夏季达沃斯一个论坛时的圆桌讨论，当时我对“人工智能在中国是否存在泡沫？”这个问题发表了一些观点。8年后，这些观点依然没有过时，所以先这里引用当时的观点，然后再补充如今的新思考。

（一）回顾八年前的观点

我们一起来针对三个关键词做一些梳理。

1）第一个关键词是泡沫。什么是泡沫？当我们说一个事情存在泡沫时，往往指人们的预期已经远高于现实。人们一提到泡沫，第一印象是负面的。但泡沫一定是负面的吗？大家基本上都见过Gartner的Hype曲线（图2），这条曲线的强大之处在于不管什么技术都能在曲线上找到一个位置。这说明这条曲线刻画了所有技术发展过程中存在的一种客观规律，而泡沫期正是技术发展过程中必经的阶段。如果一个技术从来没有被泡沫化过，那说明人们对此毫无期待，这样的技术往往连实验室也走不出去。

在我看来，技术泡沫至少存在两大作用：一是吸引人才，二是吸引资本。而资本与人才的联姻，才能推动技术的进步速度与推广速度呈指数级增长，进而改变社会。历史上，许多技术都是经历过这样的过程，比如18到19世纪，英国最牛的工程师几乎都在研究如何改进蒸汽机，很多公司都投入大量人力与财力在蒸汽机的推广与应用上，这才促成了第一次工业革命。

还有一个小故事，20世纪初拉链发明出来时，也曾掀起一场拉链泡沫，全世界都在思考拉链可以用在什么地方。甚至有医生把拉链用来缝合病人切开的胃。这场“拉链革命”显然是有泡沫的，但必须承认这个泡沫让拉链走进了千家万户，形成今天约180亿美元的全球拉链市场。

因此，泡沫并不可怕，有时人们会把它包装一下，美化一下，比如“风口”，比如“赶上一个好时代”。只要提前做好思想上与行动上的准备，就能利用好泡沫带来的机遇。   

2）第二个关键词是人工智能（AI）。这个词已经是一个近70岁、经历过几轮起伏的老司机了，每个时代都被赋予不同的期望，并获得不同的投入。

在我看来，今天这个时代的人工智能热潮和1960年代、1980年代的热潮有个本质上的区别——对人才的吸引聚集能力是空前的。此前两次热潮以政府经费与大公司为主，但这次热潮有一股非常重要的力量加入，那就是大量社会资本的投入与大量创业公司的兴起。这些力量综合起来，吸引了大量顶尖人才涌入这个领域。这种巨大的人才虹吸现象在前两次AI热潮时并不显著。

我自己的研究领域是计算机体系结构，就能明显的感觉到这种区别。1960年代，尽管AI很热，但当时计算机体系结构界最优秀的人都在研究System 360架构、超级计算机架构CDC6600；1980年代的AI热潮吸引了一批计算机体系结构研究人员，主要是日本的五代机计划，但是在全世界的体系结构界，并没有成为主流，一批最顶尖的专家如David Patterson、John Hennessy等都在研究并行处理体系结构。

但这一次AI热潮不同了，全世界大量的体系结构人员都被吸引了，从芯片、硬件到系统层面都在研究如何支持AI，都是一群最优秀的人才。其他领域也类似，甚至导致学生报考研究生专业时也呈现出这种现象，大部分都选择和AI相关。能吸引到这么多人才投入到AI领域，相信即使泡沫破灭，也会沉淀出有价值的东西。   

3）第三个关键词是中国。这一波人工智能热潮是世界性的，不光在中国很热，在美国也很热。比如有美国大学的同行也抱怨说90%的学生都跑到AI方向去了，谷歌、微软、Meta等大公司也都是AI优先。

能和美国同步进入AI热潮，某种程度上正说明了中国已经赶上了AI技术发展的世界前沿，这是值得肯定的事。一个技术发展的黄金期只有10~20年，错过了再要补回来就需要花大力气。比如集成电路产业的黄金期是1960-1980年代，当时中国台湾、韩国和美国一起赶上了那一轮热潮，通过市场机制自然而然地形成了技术积累与产业优势。但那时中国大陆错过了，到现在不得不通过产业政策花几千亿来追赶，因为错过了泡沫期，资本就不愿意投入到这些看不到暴利预期的产业了。

所以，今天中国能有机会和美国一起进入AI热潮，即使存在泡沫，也是一件值得肯定的事。要在AI领域形成技术积累，这些钱迟早都要花的，现在花出去比以后花要更有效，更有价值，对国家也更有帮助。

（二）抓住泡沫带来的机遇

如果8年来一直被质疑是不是泡沫，那已经说明AI技术是在不断进步，因而持续抬高了人们的期望。换而言之，今天的泡沫和8年前的泡沫相比，其内涵已然不同。泡沫内涵的改变，蕴含的是机遇。

2016年，AlphaGo战胜李世石，震撼全球。人们对AI的期望大幅提升了，世界各地很快出现了一轮AI泡沫，吸引了大量人才和资本涌入AI赛道。

英伟达CUDA软件包下载量，可以作为一个衡量AI泡沫化程度的指标——2012年CUDA软件包仅有10万次下载，而2016年则增长到90万次，2017年更是激增至270万次。

在这一轮AI泡沫中，大家选择了不同的路线前进。

1）受ImageNet竞赛的影响，许多人认为AI能力已经超越人类视觉能力，因此可以在各种物体识别场景下替代人类。于是一批基于深度神经网络来增强AI视觉能力的初创企业诞生，包括当时国内非常火的AI四小龙，应用场景也主要集中在视频监等领域。

2）以DeppMind为代表的一批人在拓展AI的应用领域，从图像识别向科学发现、代码编程、实时游戏等不同领域拓展，开发了一系列AI新工具，包括AlphaZero（多种棋类游戏）、AlphaStar（星际争霸）、AlphaFold（蛋白质结构预测）、AlphaCode（代码生成）、AlphaDev（算法优化）等等。

3）以OpenAI为代表的一批人致力于探索通用人工智能（AGI），尝试各种路线，试过强化学习（Gym工具包），试过GAN（OpenAI Five），试过Transformer（GPT-1），最终确立了“大规模预训练”的技术路线。国内北京智源人工智能研究院也在同期开展了大规模预训练模型的一系列工作，包括“悟道”系列大模型，最终孕育出一批大模型初创企业，如智谱、面壁智能等。

4）一些人研判AI算力需求将会激增，于是一批AI芯片公司如雨后春笋般冒出来。在国内，包括从2016年前后的寒武纪、地平线、深鉴科技等，到2020年前后的壁仞、摩尔线程、沐曦等。

在这一轮泡沫中，有人选择了前路坎坷的路线，越走越艰难，但也有人抓住了机遇很快发展壮大。回顾这些历程，我们又能得到什么启示？

（注：航班时间太短，没能写完，未完待续）