戴文淵：AI從業者要有良好的心臟和血壓管理

最近，AI（人工智能）的發展似乎進入了“爆發-平緩-爆發-平緩”的循環，尤其自2020年新冠疫情爆發以來，很少再出現現象級AI應用。

即使憑藉自動寫代碼而抱得大名歸的GPT-3，其炸裂效果更多依靠超大規模的參數堆砌。可以說，當前的AI成果基本依靠參數規模不斷增長而帶來模型活化能力增強。谷歌從T5破百億到GPT-3破千億耗時將近2年，但從GPT-3到盤古的2000億卻只用大半年的時間。

隨着算力需求的不斷增加，AI項目的成本已攀升到令人咋舌的地步。以能根據文字描述生成畫作的DALL·E爲例，其訓練成本已突破1000萬美元。越來越大的參數規模，使得谷歌在進行大規模AI訓練和推理場景時，開始設計專用TPU芯片。

因此對於最新的頭部級別AI模型，很多人都表示望而卻步，因爲要建設這種級別的平臺，必須具備雄厚的資金實力。甚至很多在高校做AI研究的學者，都開始羨慕大廠的研究實力。同時，這也是AI發展再次迴歸平緩期、衆多明星AI企業在探索商業化屢屢受阻的根本原因。

正在爲下一次爆發積蓄力量的AI，目前正在朝着“深水區”不斷髮展，並由之前的散點應用逐漸轉向產業化和規模化。那麼，到底什麼是當前AI的破局之策？

近日，第四範式創始人戴文淵表示，2021年AI產業情況有些特殊，2020年AI產業處於往上的狀態，而今年又有些許向下的趨勢。因此，現在大家可能對AI有些詬病。實際上，對於AI的從業者來說，每天都在經歷着起起伏伏。作爲一名合格的AI從業者，需要有良好的心臟和血壓管理。

圖 | 戴文淵

但從另外一個角度看，這恰恰是AI從業者的機會。我們需要去分析每一次起伏發生的本質原因，如果能解決掉本質問題，這就是下一次的機會。

衆所周知，AI產業曾經歷幾起幾落。最早提出AI時，大家對AI有很高的期望，但後來發現AI做不出來，這時AI經歷了第一次衰落。

第二次以深藍爲代表的公司把AI做出來了，大家由此也看到了AI的力量，並看到了AI產業的興起。但爲什麼AI又發生了第二次的衰落呢？因爲大家發現雖然深藍很酷，但並沒有什麼實際用處，只是一個很酷的玩具。

今天很多企業利用AI賺到了錢、節省了成本，即給企業帶來了實用價值。但爲什麼AI仍然被詬病呢？因爲絕大多數企業並不滿足於AI只在企業落地。

當下幾乎所有企業都在運用AI技術，但幾乎沒有一個企業的核心競爭力是AI。就算沒有AI，企業依然可以存活，這是今天AI面臨的最大挑戰。也就是說，AI在企業內部的用處還不夠關鍵。

站在企業的角度，每個階段企業都在尋求下一個階段增長點的核心驅動力。比如信息化的轉型，確實給企業帶來了騰飛，再比如互聯網給企業的線上增長帶來無限的擴展邊界。再加上移動互聯網，這便是過去三個時代所帶來的騰飛。

在移動互聯網之後，企業嘗試着各種各樣的方向，包括5G、IoT、AI、大數據、區塊鏈和最近提到的數據中臺。但企業是否真正找到了下一個增長點的實現道路？目前可能更多是在嘗試，並未沒有找準實現點。

然而，今天AI找到了又一個臨界點——AI在各個行業和場景的落地，創造了真正的社會價值。過去七年裡，各行各業有很多AI場景的落地，創造出了一定價值。但企業是否找到了質變呢？

實際上，現在部分企業已經通過AI實現了質變。以消費互聯網爲例，現在抖音、快手十分熱門，那麼他們的變化是什麼呢？

消費互聯網的核心是內容分發的成本，內容成本下降後，相同的成本能獲得更多客戶。過去我們運用科技的力量去實現內容分發成本的下降，而每一次成本的下降都能帶來用戶的增長。

很多企業都在嘗試用技術降低成本，但什麼時候能夠達到臨界點呢？當邊際成本降到幾乎爲零時，就會產生質變。今天我們看到的千人千面的內容分發，其實並不依賴於任何人工，所以成本幾乎爲零。

當成本降到幾乎爲零時，通過固定成本可獲得的用戶數是無窮大的，此時就獲得了質的提升，用戶數和規模將獲得巨量成功。這就是今天資訊、視頻等以消費互聯網爲代表的內容分發平臺獲得成功的原因。

而產業互聯網的規模核心指標是從業者的門檻，比如零售企業的增長來自於能找到多少合格的店長，而店長有一定從業門檻。過去也嘗試過技術的植入，包括BI（Business Intelligence，一種運用了數據倉庫，在線分析和數據挖掘等技術來處理和分析數據的嶄新技術）技術的植入，實際上也在降低從業者的門檻。但是我們能否把這個門檻降到足夠低呢？

在當前的產業互聯網領域中，某找房企業是風頭正勁的公司之一，通過提供經紀人協作網絡，該公司把經紀人的門檻降到足夠低，讓廣大從業者能夠進入到經紀人的行列，從而行業內有足夠的從業者。也就是說，我們不再是在場景上獲得一些提升、以及把規模提升一倍或兩倍，而是越過臨界點去獲得無窮大的提升空間。

因此，對於科技產業來說，最重要的是能否找到臨界點。今天絕大多數企業正走在這條路上，並且已經找到一些基於AI的賦能場景，也獲得了業務價值的提升，但是還未達到相應的臨界點。

比如，消費互聯網領域的成本依然沒有降到零，產業互聯網領域的從業者門檻降低了，但還沒有降到最大限度。對於AI來說，下一個階段最大的挑戰是如何進一步推進，將量變推到質變，使企業真正實現AI的轉型。

戴文淵表示，第四範式一直致力於用AI技術幫助到每一家企業，過去該公司幫助很多企業在場景級別實現了業務價值的提升，並且一直在和最主要的客戶探討如何用AI技術幫助企業走到下一個階段。實踐證明，只有AI決策幫助企業經營從量變到質變，才能真正釋放AI的價值，帶來AI發展的新浪潮。