11月28-29日，36氪WISE2023 商业之王大会在北京国际会议中心盛大举办。本届大会以“太阳照常升起 The Sun Always Rises”为主题，横跨一个主会场与六大垂直领域专场。主会场聚焦“未来3650天”、“在产业洪流中”、“进击中的万联网”、“AI与商业增量”、“全球品牌看中国”、“科技至上 共鉴创新”六大篇章重点议程，邀请全领域商业大咖展开为期两天的顶级商业对话，向现在提问，给未来答案。
AI大模型，无疑是2023年最火热的风口。在其中，我们能看到大厂和创业者同台竞速。工信部等机构发布的报告显示，中国AI大模型专利申请总数已突破4万件；中信部的报告亦显示，近上半年，国内参数大流量卡规模超十亿的模型就有79个。然而当下，国内应用层的创新，较之模型层创业热度，显得冷清不少；而“百模大战”，又有重复造轮子之嫌——在AI创新的方向上，我们似乎又陷入了一段迷茫期。
AI大模型带来的机遇到底有多大？“大模型产业机会比移动互联时代多十倍。”今年，有两位身份横跨科学家、企业高管、创业者的AI老兵，给出了同样的判断。36氪本次的开场圆桌，请到了这两位“斜杠”AI老兵——创新工场董事长、零一万物CEO李开复，中国工程院院士、清华大学智能研究院（AIR）院长张亚勤——与36氪CEO冯大刚，进行了一场以《AI的时代重构》为主题的对谈。
《AI的时代重构》主题圆桌。
这两位已经跨越过互联网行业周期的行大流量卡业老将，是共同建立微软中国研究院的战友，亦是AI行业发展的亲历者。经历漫长的AI行业求索后，他们的人生选择上走向了不同的分叉口：李开复投身于AI 2.0时代的滚滚创业热潮；张亚勤致力于为国家培养顶尖产学研人才，站上清华的讲台。
即便如此，在不少对AI行业的思考上，两位早已形成了共识。比如，中国需要怎样的创新？这个问题，是自上世纪90年代微软中国研究院成立以来，李开复和张亚勤一直在思考的问题。当时他们给出的答案是：不同于美国，中国要做到“有用的创新”。而具体到AI大模型行业，他们认为无论是训练架构，还是模态，都蕴藏着巨大的创新机会。
治理和乐观，则是两位在畅享被AI重构的未来时，共同提到的关键词。正大流量卡如张亚勤总结：“这演播厅里所有的创新，都是技术带来的创新，都是乐观主义带来的，悲观主义是没有未来的。”
以下为嘉宾演讲实录，经36氪编辑整理：
中国科技创新，如何跨越迷茫期
冯大刚：特别高兴有机会跟两位中国标志性的商业、研究界的顶级人物，请教AI方面的问题。
第一个问题，首先有请开复老师。近期我们能看到零一万物在大模型方面的进展。在过去漫长的辉煌生涯中，您做过投资人和高管，也做过学者，今天更多是作为一个创业者。在作为一个创业者的时候，最近有什么事情让您觉得比较兴奋？什么事情让您又比较焦虑？
李开复：最振奋就是大模型时代是有史以来最大的科技革命，因为这个理由，我才决定自己必须参与，完成我大学时候的梦想，就大流量卡是让AGI（通用人工智能）时代来临。
另外就是我们公司零一万物的发展还是相当好的。我们在几周之前发布了全球领先的Yi-34B大模型，而且无论是开源还是闭源，34B参数这样的尺寸非常适合使用。我们是全世界最好的，没有之一。很短时间内能做出这样的结果，我感觉非常开心。
谈到焦虑，创业者永远有，但是机会大于焦虑。焦虑就是整个行业太卷了，包括中美的挑战和美国最近对芯片的措施对这个行业影响的大小。但是整体AI 2.0行业的趋势和在中国我们把这件事情做好的可能性，长远看我还是非常乐观的。
冯大刚：谢谢开复老师。亚勤老师，您也有漫长辉煌的职业生涯，学者、企业高管、投资人、创业者，您的多个标签中，今天您最认同的是哪大流量卡个标签，这个标签下的兴奋和焦虑是什么？
张亚勤：我现在就是一个老师，更多的我希望是创新者。现在我最兴奋的就是，人工智能大模型的时代到来。相较于过去PC互联和移动互联时代，这是一个拥有全新范式的时代。
我原来在微软做操作系统，当时Windows和Linux创造了一个大的PC时代经济，而在移动互联时代，安卓和iOS又创造了一个十倍大于PC的生态。现在大模型/基础模型是人工智能时代的操作系统，在这个大的生态下，机会比PC时代大两个数量级、移动时代大至少一个数量级，所以我很振奋。
我觉得我们的创新机制如果分成三个阶段：0到1，1到100，100到无穷大。我的焦虑就是我们怎么样能有更多原创的、从0到1的、实验大流量卡室能做出的全新的东西。我们在学校的使命是做出有创新的科研。
再讲一下大模型闭源和开源，我觉得我们需要更多的开源模型促进整个科研。最近发布的几个模型都是基于开源模型之上或者做微调，或者在垂直领域方面有更多的发展。
AI 2.0，从实验室走向旷野
冯大刚：现在有一种观点中国企业是不是过于依赖海外开源模型了。两位怎么看这个问题？什么是中国好的创新，什么是不好的创新？
李开复：首先我不会特别使用这样的一个词“外国的开源”，开源本身就是全世界的事情。零一万物Yi-34B大模型取之于开源，也贡献给开源。
虽然我也很乐观，也同意亚勤的看法，觉得移动互联网是比PC大很多倍新浪潮。但是这次AI大模型有一点不一样的地方就是大流量卡，不是中国的大厂，而是全世界的大厂，包括OpenAI和Google，他们基本停止写论文了，他们很久没有贡献在开源社区了，他们应该是看到了垄断的机会。
如果全球其他做得好的大厂也好，创业公司也好，不能够改变这样的一个局面，如果在这么重要的科技革命来临的时候，某一个美国大厂真的垄断、统治了，这对全世界的用户、开发者、创业者来说都不是好的事情。所以我觉得全球应该携手在一起，把自己能够贡献的都分享出去，开源如果有什么比较好的技术也可以参考合作。
所以我认为开源是现在大家必须要做的。当年，Windows和苹果是垄断操作系统的，但是Linux出来以后，再加上安卓和其他开源系统，倒逼且改变了当时的格局。Linu大流量卡x带给我们特别大的福利和帮助，也将技术变革的权力扁平化赋予了所有想参与IT革命的每一个创业者。这次AI和大模型时代，开源扮演的力量也是非常重要的。
我们必须坦诚，模型一定是越大表现越好。开源的社区主要以教授、学生、创业者、个人爱好者为主，当然也包括一些青睐非大厂模型的公司。但主要成员都不是最有资源的，所以一定还会有更厉害的闭源模型。我们必须要支持公司一定要做一些闭源的事情，不然靠做公益不能赚钱，也就没有充足的“弹药”投入更多的技术创新。
所以我们一方面把现在最好的模型贡献给开源，另一方面还要用闭源的方式做更大更好的模型。相信也会有一天，更大更好的闭源模型我们也可以开源，然后再做更大更好的模型。
张亚大流量卡勤：我稍微补充一下。看一下IT的历史，闭源的商业模型和开源的学术模型都扮演不同的角色，以后都很重要。当模型规模大到一定程度的时候，比如达到了万亿参数，现在称为前沿模型，这时候我们对大模型带来的风险、治理都要有更多的关注。我自己最近在花很多时间做这方面的学习，这个不管对于开源还是对商业闭源都是同等的重要。
冯大刚：刚才两位老师提到了开源、闭源之争，都是非常好的话题。下面我们聊一下，两位的AI道路是怎么开启的？我听说在几年以前，或者十年以前，如果跟别人说我的梦想是AGI，可能要遭到嘲笑。你们觉得AGI真的可以实现吗？中国现在是发展AGI好的时机吗？
张亚勤：我做AI有20年了，是从计算机视觉、数字视频大流量卡、多媒体编码压缩和检索开始的。后来，当深度学习出现之后，我花了更多时间做搜索、智能驾驶、对话。特别是在百度的几年，我的主要精力是想把AI部署到云端。所以我们基本上是在过去的十年，在深度学习走向主流时更专注于做AI。
开复是在“AI的冬天”在做AI，我记得你第一个AI研究是1988年，开复做AI比我们这儿在场的任何人都早。
现在我在清华大学，差不多4年前我从百度退休之后，在清华创立了智能产业研究院（AIR），现在差不多300多人，全部从事人工智能方面的研究和产业化。
李开复：我做AI不止35年，做了40多年了。我从读本科大二的时候开始做自然语言和计算机视觉，博士也是做的机器学习。当时我最大的梦想就是A大流量卡GI，当时申请博士的时候写的作文就是AGI，一方面我希望能打造超人能力的AI，另一方面从此了解人的思考跟大脑是怎么工作的。
之后从我的母校卡耐基·梅隆大学，再到苹果，再到微软和谷歌，我都一直做跟AI相关的事情。AGI目前离我们很远，但是AI可以创造巨大价值。2012年，创新工场投了第一家AI公司旷视，之后创新工场又投出了十多家独角兽，至少2家上市，还有几家准备开始排队。我们对AI一直抱着热情投入。
可是对于AGI来说，过去3年才看到可能达到AGI的浪潮。先稍微定义一下AGI，它能够不断地快速学习成长，只要有更多的数据和更多的GPU，它就一年变得比一年聪明，自我学习自我成长。这样的一个技术是人类从来大流量卡没有见过的。在成长过程中，它肯定在95%，甚至有一天在99%的工作任务上都会超过人类。我们可以把这个定义成接近AGI。
最后剩余那1%到5%，是我们的感情？还是自我意识？还是我们的所谓的创造力？这个今天还蛮难下定义的。因为可以看到之前很多人认为AI是没有创造力的，或者很难有真正的、很大的创造力，现在看来并不是如此。
也有很多人认为AI是没有自我意识、没有感情的，今天依然如此。但是AI可以学会一种表象，让它们看起来貌似有感情。所以慢慢的，剩下来的一些人类所能做，AI不能做的事的比例就会越来越小，是小到5%还是小到1%，其实已经不重要了。
重要的是，这95%到99%人类能做的事情，AI能做得更好，它可能大流量卡会给社会带来什么问题，给社会带来什么价值。除了这95%到99%之外，AI还能做很多，比人类能做的事情多1万倍，这个肯定会为人类创造巨大的价值，当然也会带来风险。我们怎么拥抱这个技术，能降低它对社会产生一些害处的概率，这是我们需要注意的。这1%到5%到底哪天能克服，是其次的问题了。
冯大刚：下面有请张亚勤老师，我们今天看到主流大模型训练的三种范式都来自于美国，如果我们用美国模型的话，是不是不可能超越美国？另外一个问题，中国是不是一定要超越美国，自己独立研究出大模型训练范式？
张亚勤：的确，现在三个主流架构、主流的GPT、自回归模型等都是在美国产生的。下面的这五年，整个架构肯定会有一个大的变化。因为现大流量卡在最新的模型效率还是比较低，从耗能到对算力的要求，决策的效率、包括激活的方式，还有高昂的价格。
目前大模型的商业模式其实是有问题的，模型的参数规模越大，特别是在大规模使用的时候，用得越多亏得越多。当然这是暂时现象，大模型的效率肯定至少要有一个数量级的增加。
同时一些新的算法一定会出现新的架构，我们希望是在中国出现，我自己希望是在清华出现。目前在研究层面的确有很多从0到1的工作需要去做。
但我觉得，目前研究需要的数据、算力，是我们的优势。另外我也同意开复讲的，现在的大模型特别是GPT类型的大模型开启了我们走向AGI的一个通道。GPT-4出来之后能力很强，但还没有到AGI。接下来十年、甚至更短的时间，我大流量卡们可能达到开复所定义的AGI。
很多时候媒体讲的“AI有自我意识，就会替代人类”，我不认同。AGI就是大部分任务比人类做得更好，包括脑力和体力。另外它有自我学习、自我进化，包括我们现在讲的自主智能的这些能力。我当时看到ChatGPT的第一感觉是，这是人类第一个通过图灵测试的智能体。当然外面有一些不同的意见，但至少我认为我们已经找到了其中的一个通道。
冯大刚：两位老师都提到了AGI，请问从今天AI的水平到未来的AGI之间，我们下一个技术跃迁可能是什么样的？以及下一个类似于ChatGPT这样的现象级产品可能是什么？
李开复：当下最大的需要解决的问题就是刚才亚勤所说的，模型越大能力越强，但是模型越大越贵，大流量卡用起来推理成本也会太高。从我们建零一万物第一天就看得很清楚，怎么把手中的算力做好，把推理成本降下是最重要的。
我们相信这是平台级的应用，相信像过去一样移动互联网必须由3G、4G支持，需要有安卓、iOS和其他操作系统作为它的支撑，我们一定要把这样的一个能够真正实现、成本不太高的训练和推理，但是又能达到相当大的模型尺寸，也许经过压缩等方法实践出来。这是短期每一个公司都要做的，我们要把这个当作当务之急。
再下一个阶段我们看到的竞争白热化的就是多模态。我们人类的学习不是全部看文字，而且我们是通过视觉、触觉和我们的理解，才对真实世界有更深的理解，这正是多模态所涵盖的领域。
我们可能刚开始会把图片、视频、声音、大流量卡语音输进一个已训练好的文字大模型，这是第一步。再下一步，是把多模态的数据彼此训练，我们文字大模型也可以进步，成为一个巨大的多模态大模型。再往下可能有一个世界模型，这样才能带来结构化的学习。因为文字本身是一定程度自带结构的，但是视频和图片是比较零散的。
另外，同样会发生的就是Agent领域（自主智能）的技术，从图形为主的用户界面走向一个代理式的用户界面。因为毕竟我们人类学习计算机的语言多年，当年PC是用键盘和鼠标，手机是用触摸，AI今天学会用人类语言跟我们交流，我们最自然的方法应该是不要自己把每一个任务完整执行，比如我太太周末生日，我要给她订鲜花、蛋糕，我告诉我的AI助理，它不仅能迅速完成任务而且大流量卡能超出我的预期，这就是终极版的代理式的用户界面。
这天到来的时候，会有几个巨大的变革。一个是用户体验彻底改写，我们不再需要那么大视觉的刺激，或者是输入。我们讲一句话它说OK做好了，就跟一个超级特助一样，能帮你把事情做好。第二就是整个商业模式都会被颠覆，这样一个助理就取代了今天很多商业模式。这些变化可能还需要5年或者更长的周期，也不是特别遥远，我们是可以期待的。
冯大刚：开复老师从可用性、易用性讲到了未来的变化。张亚勤老师呢？
张亚勤：讲一下大模型未来的六大趋势。
第一个就是像开复所讲的跨模态，多模态，和多尺度大模型：新的大模型包括自然数据，也包括从传感器获取的信息。
第二个是新算法框架：我们需要新的算法大流量卡来提升当前的大模型效率。当前的大模型稠密激活，计算效率远低于人脑，且商用成本高昂，甚至模型用的越多亏损越多。人脑是效率最高的智能体，它有860亿个神经元，每个神经元有几千个突触，却只有不到3斤重，耗能20瓦。从这个角度来看，人脑的储存量，计算量和能耗效率之高，是目前任何大模型都无法比拟的。我们需要新的算法体系，稀疏激活网络、效果更优的小网络等来提升模型使用效率。
第三个是自主智能：模型正在成为一个代理（Agent），自主规划任务、开发代码、调动工具、优化路径、实现目标，包括N+1版本的自我迭代、升级和优化。
第四个是边缘智能：大模型需要很多算力和资源，如何在边缘和设备终端实现高效率、低功耗、低成本大流量卡、低延时地部署是一大关键问题。
另外两个很重要的就是物理智能（具身智能）和生物智能，比如把大模型和我们人的大脑相连，生物体相连，未来智能是信息智能、物理智能和生物智能的融合，能力十分大，风险也很高。
冯大刚：据说OpenAI去年收入达到13亿美元，每个月就有1亿美元。您觉得这是大模型创收的高峰还是只是开始？以及中国什么时候有一个大模型厂家能达到这样的收入水平？
李开复：要做一个科技公司，绝对不能不关注自己的收入、成长和未来的利润。我觉得一个高科技的公司，刚开始可以说自己有多少博士，写了多少论文，拿了多少第一，但是不能作为商业模式的验证。在投行，能够看到数字，才能说是这是家真的知道怎么做商业运营的公司大流量卡。做不到这点的，都很难成为一个伟大的公司。我们可以看到，微软、Google，包括中国的阿里、腾讯都是受过这样的考验的。所以我觉得OpenAI今天十几亿美金的收入，一定程度是验证了这样的技术是有商业前景的。
但是长期来说，能不能只靠AGI收费打造一个类似云的业务，这个要完全看业态。因为如果Google跟它打价格战的话，可能就会造成两边不断的降价，把这样的一个本来可以溢价甚至有盈利的商机打成一片红海。所以我觉得是有一定的风险的。
最终我们还是要相信，最挣钱的模式应该是来自于应用。应用有To B跟To C的可能性，我们的分析是，To B的业务会比较有挑战，会比较红海。这不代表我们认为不可能造出一个很厉害大流量卡的To B大模型公司，我们也很乐于见到。只是如果回去看当年的计算机视觉，在某一个城市可能能拿到几千万的单子。但是之后就出来了一大批“四小龙”和一大堆“小小龙”去竞争，几千万的单子“打折”成几十万，最后卷到大家都赚不到钱。
这个问题怎么化解？因为今天不是“四小龙”，而是“百模”，就算有一部分不能存活也是“十模”以上。每次有一个大银行保险公司招标，大家就靠竞价的方式去不赚钱拿到单子，这样一个惯性会把AI往系统集成商的方向去做。我觉得是很有挑战的，怎么破局会成为To B商业上最大的问题和挑战。当然我们也不排除某一家公司创造了巨大价值，让B端公司愿意溢价付费，这可能会破局，但是短期有一定的难度。
另外就是大流量卡TO C的方向，机会就是可以用AI和它对齐的能力做出很多有意思的应用。从娱乐到电商到生产力工具，用它制作文件、设计图片，甚至制作视频等等，机会很大。但是它的挑战就是它有“幻觉”，它会犯错。降低“幻觉”有两个方法：一个是靠技术或者更大的模型，或者用新的技术去控制它；另外一个方法是挑一些对“幻觉”不敏感的领域，比如“幻觉”在小说或者电影里就会变成一个创意，这也是可行的。
所以毫无疑问，大模型带来的短期机会，一个就是它能生产内容，AIGC帮我们用更少的时间有效生出更多更好的内容，得到商业回报。另外一个就是类似图灵测试，做类人的应用，像数字人是不是也可以有很多用途。所以我们零一万物在To C上会花更多精大流量卡力，To B我们也会帮助同行杀出一条血路，找到非常好的付费模式和商机。
张亚勤：我们看OpenAI的时候不要忘了微软，微软给OpenAI投了130亿美金，它用的几万个GPU在微软云上。长期来讲肯定有独立的商业模式，短期还是要靠一个大型公司、一个金主。
另外一点，我为什么要拿操作系统做比喻呢？现在的基础大模型十分重要，它会像移动时代的PC和操作系统一样，上面有很多新的机会。比如最近发布的GPT 4.0 Turbo，你甚至可以定制自己的GPT，然后在上面做自己的应用并售卖 ，这以后一定会有很好的商业模式。但是更大的机会在垂直领域的模型，和基于大模型的各种各样的应用，就像曾经移动互联网上的应用，Supe大流量卡r App可能有更好的机会。
所以我们需要大模型，但是不需要那么多，更大的机会是在垂直领域、具体应用的模型，这样的模型可能更多，而且有更大的、可能是上百倍的机会。PC时代我算了一下，操作系统挣1块钱，生态是赚17块钱，移动我没有算过，因为安卓免费不好算。我想，AI时代这个比例一定会更高。
冯大刚：李彦宏说未来不需要很多大模型，但是需要很多应用，比如超级App、超级电商，很多行业会在大模型上重构一次。
张亚勤：横向大模型要靠公平的市场竞争，会有大公司，也有一些创业的公司，这个可能两年、三年之后会见分晓，最后可能会有5个、10个在百模大战脱颖而出。
而且一定要给初创公司机会，我们很多0到1的创新，1到10大流量卡0的创新是初创公司做的。微软和谷歌当时也都是初创公司，包括现在很出名的OpenAI、DeepMind等都是初创公司，所以我们不能假设现在的大公司就一定主宰未来，时代变化的时候一定会有新的公司出现。
冯大刚：创业公司更善于使用AI，所以可能会颠覆另外的大公司。我们看人类历史，比如历史上的首富一开始是做能源，然后是做运输，后来是做金融，后面是做互联网的，您觉得下一个世界首富会不会做是一家AI公司的？
张亚勤：我觉得一定是，我认为未来20年是人工智能时代。开复就正在实践。
李开复：这肯定是高风险、高回报的机会，我们看得很清楚，但是“百模大战”站出来，最后能继续做大模型，或者创造巨大价值的公司也不会很多。但大流量卡是我觉得，今天每一个参与这个领域的人都是值得尊重的，因为我们看到，这件事情很难，但大家依然往前走，因为看到的是对人类而言特别巨大的机会。
而且所有的技术在萌芽的时候，几乎都是美国领先。但是一旦技术开始被理解了、开始成熟了，中国是有机会能够后起追上的。所以在中国能做大模型是有很大的双重意义的。
冯大刚：几年前两位老师对AI怎么落地都做了预测，比如张亚勤老师提到AI在医药领域的落地，开复老师也提到过AI在多个场景的落地，两位老师前三名最看好的是哪些场景？
李开复：一年之内我们会看到至少1个到2个Super APP，比ChatGPT更让我们惊艳。
张亚勤：我想5年吧。第一个是自动驾驶和机器人方面会有一系列的大流量卡公司出现。因为大模型解决了一个特别关键问题，就是它有一些关键共识和常识。我们过去和机器人对话的时候，觉得常识的问题很难解决。包括自动驾驶、无人驾驶，有一些corner case、长尾问题难以解决。所以大模型会有很大的推动作用。
第二个就是生物医药方面，我觉得未来5年也会有一个大的提升。但是目前运用最多的是在生产力、在To C领域，未来To B有很大的前景。
AI的终局，噩梦还是良夜
冯大刚：像AI这样的技术，今天具有这么大的影响力，这是一件好事还是坏事？
张亚勤：我觉得是好事，我是一个乐观主义者。刚才我讲了大的趋势，模型的能力越大，带来的潜在风险越大。刚才讲到6个大的趋势，特别是后面那几个自主智能、物大流量卡理智能（具身智能）、生物智能，它把人工智能用到我们人、用到生物和物理世界，所以会带来很大的风险。
我认为我们必须重视这些问题，我一直讲人类有两种智慧，一个是发明技术的智慧，一个是引导它走向正确道路的智慧。最近我们花了很多时间做人工智能的治理、风险的研究。我认为AI发展有以下三大风险，如果我们现在开始研究，是可以把AI引导到正确方向的：
第一个就是刚才提到的虚假信息、幻觉，包括不实的、有毒的信息。因为在信息世界里，它的风险是可控的。比如在数字人上会有标识，所以很多事情是现在的政策法规可以解决的。
第二点就是相对比较严重的，一个大模型出来之后可能会失控，被坏人所用。
第三个更大的问题就是物理世界都在用大模大流量卡型，我们把大模型用在金融系统、银行系统，包括政策制定，其潜在的应用风险可能更大。
所以从现在开始我们要治理这些事情。当然我是乐观的，我认为我们是可以治理的。
冯大刚：开复老师您是乐观主义者吗？五分之一用来保证安全，五分之四冲刺，您同意吗？
李开复：如果回顾历史，有史以来每一个伟大的技术刚来的时候都有各种风险，比如电接到家里，触电可以致死，比如互联网带来木马病毒，这些后来都可以被化解了。技术带来的问题可以用技术来解决，所谓的“用魔法打败魔法”。
冯大刚：我们过去发明电没有生命，但AI可能有生命，而且AI比人类更聪明，您赞同吗？需要让科技发展变慢，您又赞同吗？
李开复：AI可能有生命我同意，但是今天为止它没大流量卡有自我意识，也没有真正成为人类定义的生命，它是聪明的，有推理能力，能够辅助我们做更多的事情，会不会发展到有生命有自我意识这个不确定。这个研究肯定是需要做的。
但是作为一个技术乐观主义者，我们看到的是过去每一个技术给社会带来的好处远远大于它的坏处。它带来的问题有可能被技术解决，我们应该把握这样的心态让AI良性发展。
如果要鼓励一部分算力用在让技术可控，让技术不导致灾难上面，我是支持的，但是可能更重要的是要让五分之一或更多的科研人员去研究这个问题。不要让每个科研人员，尤其在高校、研究院，都来研究谁的模型做得更大更智能。研究治理、研究技术，让技术可控，是同样重要的。
还有每个做AI的人都应该了解自己：权力大流量卡越大，责任越大，造出这么聪明的东西，如果出了问题给世界带来的害处是很大的。
最后有关让科技发展变慢，这是绝对不可行的。因为没有办法管理谁在用大模型做训练，这个技术跟核武器是不太一样的。而且我们看到马斯克一边说大家应该停止这方面的研究，一方面自己做了xAI，所以这么说的人是不是真的如他所言“自律”呢？每一个有科技梦想的人都不太可能会停止对技术有更多的追寻、更多的实验和探索，这应该被鼓励，但同时也应该研究怎么降低它的危害。
张亚勤：今天在场的有媒体，有企业家和投资者，我呼吁我们做前沿大模型的这些企业，把10%的资金用到AI风险的研究上。AI风险管理不是说我做出了一个模型让政府去管理或者治理，它其实有很大流量卡深的技术的成分，包括研究的成分。我们在设计模型包括在用数据建立模型，做推理对齐的时候，其实里面是深层的技术。所以技术人员必须和政策制定和监管部门一起做这件事，而非互相对立。
差不多一个多月前，我和两位图灵奖获得者召集了全球20多位技术专家，商讨出了人工智能的几个原则：第一就是做治理，鼓励最优秀最聪明的人也做这方面的研究，开发这项技术。所以我为什么乐观呢？我觉得大家都有这个意识，特别是以后我们让人工智能比人类更聪明更有能力，但是更重要的是让它更善良更有创意，才能符合我们的价值观，才不会犯大错。所以最重要的就是要打造一个善良的AI。
冯大刚：它比人类更聪明，有没有可能假装善良？
张亚勤：这是我们要研究的大流量卡风险，我们要让它真正善良。就像小孩我们从小教育让他学习，让他以后去创新，让他以后去探索，但是最重要是要有一颗善良的心。这里面当然有很多挑战，这是作为技术人员、创业者和大的企业，应该要负的责任。
冯大刚：开复老师您觉得AI是否能让人类变的更幸福？比如人类的贫富差距会变得更小吗？
李开复：我相信，最终人类会走向“丰饶时代”，但是要经过10到15年很巨大的动荡。因为AI从正面来说，把我们从重复性工作中解放出来，让我们找到人类真正存在的意义，这是非常巨大的机会。
但是短期来看它会取代很多工作，取代工作这件事情本身，我想对每一个人来说都是非常负面的事情。
所以我觉得，未来10到15年，全世界每个人的工作可能都会大流量卡拥抱AI，让你有十倍的生产力，或者被AI取代，面临失业的问题。我觉得一旦这个问题我们能够好好地化解度过，毕竟AI取代了工作，还是给社会创造了财富，甚至更多的财富。所以有可能未来世界会丰衣足食，我们不用再担忧饥饿、贫穷的问题，未来可能每个人有更多的时间做自己想做的、适合做的事情，不必浪费时间做重复性的工作。
冯大刚：人和人之间，比如收入差距，会更大还是更小？
李开复：收入差距肯定会更大。一个国家可以用税收补助等调整贫富差距，但是国与国之间，贫富差距的问题跟大国一样，但是小国没有足够的AI能力，所以这是全球上要注意的，不要让任何一个国家完全陷入无助状态。
冯大刚：我们希望的AGI时代什么时候会到来？等待大流量卡的时间里，我们普通人应该做什么？
张亚勤：我不知道，我觉得可能10年，也可能20年，具体时间我不清楚。但我觉得首先最重要的一点就是，我们要有我们自己的观点，要学会怎么问问题，怎么去追问，对每件事要有自己独特的观点。另外就是一直保持学习。现在我每天都要看新的东西，包括要读论文，5年前学的东西已经没有用了。
我觉得人类一定会越来越幸福，未来20年的人类是一个新的物种，是Human Intelligence + Artificial Intelligence，像我们看山顶洞人，或者是我们看100年前还没有手机没有电的时候的人类，是不同的物种。所以未来人类一定会更加的幸福。我们也不需要工作5天，可能工作1大流量卡天或者2天，我们早期工业革命刚来的时候是工作7天，后来到了6天，然后5天，现在欧洲已经4天。
所以我觉得以后工作会变少，人们会花更多的时间做自己更享受的事情。我是乐观主义者，我们看看这演播厅里所有的创新，都是技术带来的创新，都是乐观主义带来的，悲观主义是没有未来的。
友情提醒： 请添加客服微信进行免费领取流量卡！
QQ交流群：226333560 站长微信：qgzmt2
原创文章，作者：sunyaqun，如若转载，请注明出处：https://www.dallk.cn/10710.html
