这是苍穹猎鹰第316篇演化日记 周鸿祎：AI信仰的3个标准 本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的投资建议。 春节前夕，中国农历新年被确定为联合国假日，传承几千年的传统节日被赋予了更多的世界性意义。 神州大地正在欢度春节长假，2月15日也就是大年初六，OpenAI发布了新的文字生成视频大模型Sora，再一次把人工智能（AI）推向神坛。 也就是给它一段文字，就能生成一段视频，最长能到60秒。虽然还只是开放给部分开发者，但再一次引爆原本就火热的AI话题。 熟悉的剧情再一次上演，各路自媒体、博主纷纷惊呼，影视行业要变天、导演将被取代…… 对新事物夸大其词、推波助澜，是媒体赚取流量的最好方式。 1/5AI的10个趋势 无独有偶，就在1月5日晚，在风马牛传媒主办2023年风马牛年终秀上，360集团创始人周鸿祎预测了大模型的10个趋势。 在他看来，这10个趋势分别是： 第一个，2024年大模型不会成为操作系统，不会由一两家垄断，而是无处不在；第二个，开源大模型爆发；第三个，小模型涌现；第四个，大模型企业级市场崛起；第五个，“智能体架构”出现；第六个，大模型应用场景爆发，To C会出现杀手级应用；第七个，多模态会成为未来的标准；第八个， AIGC（生成式人工智能）会有突破性的增长；第九个，基于大模型的机器人迎来革命性发展；第十个，大模型对科学研究的助推。 以周鸿祎的江湖地位，他的预测还是值得参考和借鉴。 曾经，他是中国互联网界最富有传奇色彩、最让人头疼的“红衣教主”。 作为创业者，能为了自己的领地不惜与同行肉搏，先后与李彦宏、雷军、马化腾等众多互联网大佬掐架，用实际行动诠释什么是“狼性”。 2/5识别手机号码 一提到周鸿祎，小编就想到2012年的一则帖子，名叫“如何从拨号音中听出360总裁周鸿祎的手机号码”。 一位名叫刘靖康的南京大学，在帖子中图文并茂的展示了自己是如何破解周鸿祎手机号。 首先，他通过一则采访视频获取记者拨打周鸿祎手机时的拨号音，然后用软件将拨号音转成频谱图，再通过软件放大其中拨号音部分，从而获取了其手机号码。 此事得到了周鸿祎的证实，他在自己的微博里进行了转发，并感慨地说“这位同学确实能干”。 让这位男生惊喜的是，李开复在微博中向他伸出“橄榄枝”，称“希望两周后在南京见面”。 不过，周鸿祎再发微博和李开复“抢人”：“我今天收到数百条短信和电话，这位同学还是来360实习吧，你要是猜出开复的号码就去‘创新工场’”。 也有网友表示，通过拨号音识别号码的技术难度并不高。那是肯定的，别人做出来之后都不难，难的是自己没有第一个做到。 3/5三个信仰 这次演讲中，周鸿祎畅想了2024十大趋势之后，还给出了一些建议，其中就提到了AI信仰。 他还给出了AI信仰判断的三条标准： 第一，你相信这次大模型是真的人工智能的拐点，还是不相信，认为是假的人工智能？ 第二点，你相不相信它现在的发展速度会以指数级别发展，在3-5年里，它会重塑我们每一位所在的行业，会重构我们的产品、业务链条和内部管理流程？ 最后一个，相不相信，你不会被大模型淘汰，但你会被那些用大模型的公司淘汰？ 有很多人老担心用大模型会导致失业，周鸿祎却跟员工说不用担心，他认为大模型不会让员工失业，但是那些会用的同事会让不会用的同事失业。 关于这一点，斯坦福大学以人为本AI研究所联合主任、谷歌云前人工智能首席科学家，被誉为“人工智能教母”的李飞飞，也有类似的看法。 她认为，需要分清楚“替代工作”和“替代任务”，因为每一项人类工作，实际上都是多个任务的集合。 4/5娱乐和生产 当众多粉丝对Sora顶礼膜拜时，视频号易流黄滨聊科技提出一个新颖的观点，就是老美当前大力宣传的AI偏向于娱乐化，无论是用AI写文章、生成图片、视频，都是停留在媒体行业。 在生产制造端发挥作用限，至少到目前还没有大的突破性进展，比如监测产品质量、辅助新药研发…… 根据黄滨的观察，老美产业空心化，缺乏大量的生产制造数据，没有足够的数据培养大模型，只能写写文章、画画和制作视频。 而我国制造业在数字化升级过程中，产生海量数据和应用场景，为生产大模型的诞生打下基础。 比如华为盘古大模型就已经广泛应用到政务、金融、矿山、药物研发等方面；采用C2M（用户直连制造）模式的京东京造，是一种新型的“互联网+”工业生态，也推出自己的言犀大模型。 这些只是国内大模型生产应用的一个缩影。 5/5大模型与小模型 大模型有一个很大的缺陷，就是成本太高。 媒体Semianalysis做过分析，认为OpenAI训练GPT-4的时候，用25000个A100GPU训练了100多天，按每个GPU每小时成本1美元计算，就是6000多万美元。 根据薪酬谈判公司Rora Research的测算，OpenAI的平均薪资达86.5万美元，相当于617万人民币。 这还没完，即使模型训练完了，它每次生成内容的时候还需要调用计算资源。这就意味着，服务需求越多，需要储备的计算资源就越大。 数据网站Similarweb显示，OpenAI的月访问量已经达到17亿次，占谷歌搜索的2%。但伯恩斯坦的分析师Stacy Rasgon分析，如果GPT的搜索量达到谷歌搜索的10%，那么他们需要的初始GPU的价值就会高达481亿美元。 而且视频相对于文本图片，对算力的需求可以说是指数级的。唯一的解决办法就是”大力出奇迹“，各大厂商只能玩命似的堆算力。 也有创业者另辟蹊径，不再单纯地堆算力，而是做小模型。 Mistral是法国的一家AI创业公司，它的模型采用的是一种名叫MoE(Mixtue of Experts混合专家模型)的技术架构，有别于当红炸子鸡Transfomer架构。 它在去年12月发布了一个名叫Mistral 8×7B的模型，业界测试时发现，它只用1/25的模型体积，就达到甚至超越了Meta的Llama2-70B的大模型性能，效率提升了25倍。 这个突破最直观的价值就是省钱。Mistral在去年9月份的时候，团队才10个人，在模型训练成本上花费不到50万美元，相比于GPT-4动则要花费数千万甚至数十亿美元，简直是九牛一毛。 演讲末尾，周鸿祎承认自己的预言和投入可能会失败，但小编感觉他更害怕的不是犯错的失败，是另一种失败，叫“错过时代”。 事实上，“错过”比“过错”更令人遗憾。 人工智能，有可能开启一个万马奔腾的时代。 本文只是小编的观点分享，列举的数据和逻辑只为了分析说明，不构成任何的投资建议。 · END·