生成式AI：三块短板、两道难题、一个悖论

文章来源：腾讯研究院

闫德利 腾讯研究院资深专家

图片来源：由无界AI生成

炼大模型，大炼模型

近年是全球风险投资的低潮，生成式AI（GenAI）却逆市而起，去年的融资笔数和融资额分别增长66%和400%（来源：CB Insight，如下图所示），融资额高居所有细分领域第一位（来源：Dealroom.co）。去年美国前5大风险投资中，OpenAI、Anthropic（2笔）和Inflection AI三家GenAI公司占据了4个，融资额分别高达100亿美元、40亿美元、20亿美元和13亿美元，主要投资者是微软、亚马逊、谷歌和英伟达等巨头（来源：Crunchbase）。

2019-2023年全球GenAI的融资笔数和融资额

当下的GenAI热潮起源于美国产业界，实际上美国政府也高度重视，提出了“确保继续保持领导地位”的战略目标。在奥巴马时期，美国白宫发布《国家人工智能研发战略计划》（2016），特朗普时期（2019）和拜登时期（2023）分别对其进行了更新，从而形成了9大战略——长期投资、人和AI协作、伦理、安全、数据集、评估标准、人才、公私合作、国际合作。为推进战略执行和落地，美国白宫科技政策办公室（OSTP）相继设置了人工智能特别委员会（2018）和国家人工智能倡议办公室（2021）。

我国也炼大模型、大炼模型。今年一季度，全球前三大GenAI风险投资中，我国占其二——月之暗面10亿美元A轮融资和MiniMax 6亿美元融资。电信运营商、手机厂商、家电厂商、汽车公司、软件公司、AI公司、互联网公司、电商等各类型的企业纷纷涉足，已有117个大模型通过国家生成式人工智能服务备案。大模型成为大厂标配。不过并没有短兵相接的“百模大战”，反而颇有井水不犯河水之意。

三块短板

我国人工智能位居世界前列。但也存在尚待补齐的短板，集中体现在算力、数据集和人才三个方面。
一是算力。GenAI以算力堆积实现智能涌现，其成功依赖暴力美学。根据Jaime Sevilla等人的研究（2022），在前深度学习时代（1952-2009），算力需求每21.3个月翻一番，符合摩尔定律；在深度学习时代（2010-2022），算力需求加快到每5.6个月翻一番。如下图所示。根据THE DECODER披露（2023），GPT-4的每秒浮点运算次数（FLOPs）达到2.15×10^25，一次训练成本6300万美元。

里程碑机器学习系统的训练算力需求

来源：Sevilla J, Heim L, Ho A, et al. Compute trends across three eras of machine learning. 2022.

在机器学习图形处理器领域，英伟达占有95%的市场份额（来源：New Street Research，2023）。英伟达的A100和H100芯片是训练大模型的“金刚钻”，具有不可替代性。由于美国对华GPU限令，我国面临卡脖子现实。

二是数据集。我国数据规模大。根据国家互联网信息办公室《数字中国发展报告（2022年）》，2022年我国数据产量8.1ZB，全球占比10.5%，位居世界第二。这被看作发展相关产业的优势。然而，规模优势不足以弥补质量欠缺。不管把多大数量的马车连续相加，也决不能得到一条铁路（熊彼特，1934）。数据质量至少同等重要。在Hugging Face的高质量数据集中，英语以37.7%的比重位居第一位，中文仅占3.2%，和波兰语并列第九（来源：OECD，2023）。如下图所示。我国数据集的质量仍有待进一步提升。当然，这非一日之功，需要历经岁月的积累。

三是人才。自1966年以来，全世界共有77人获得图灵奖。其中只有一名华人——姚期智（2000）。我国计算机科学的历史积淀尚有不足，所幸近年进步很大，成为美国最大的竞争对手。根据MacroPolo数据（2024），全球最顶级（前2%）AI研究人员的原籍国中，我国以26%的比例逼近美国（28%），位居第二位。在顶级（前20%）AI研究人员的原籍国中，我国有47%，远超美国（18%）。但仍有隐忧，在最顶级（前2%）AI研究人员的就业国家中，我国仍位居第二，但仅有12%，远落后于美国（57%）。如下表所示。GenAI高度依赖人们的创新能力。如何吸引全球顶尖人才来华创业、就业，是需要努力的方向。

【全球AI人才的分布比例】 来源：根据MacroPolo（2024）数据整理

两道难题