從中美AI差距看，“人工智能+”都需要“+”什么？

???雖然，我國搞AI大模型的公司遙遙領(lǐng)先于美國，據(jù)統(tǒng)計有上萬家之多，但這并不能掩蓋我們在AI上落后落后于美國的事實，有專家稱，至少落后兩年，差距還在快速拉大。

雖然，我們國內(nèi)只要一有大模型的發(fā)布會，都愿意對標(biāo)GPT4，宣稱各種指標(biāo)秒殺GPT4，但如果真的深度多方位地使用比對過，你就會體會到這些模型跟GPT 的差距，它不是一星半點，其實，這些大模型公司也心知肚明。

尤其是從Sora火爆出場到現(xiàn)在，幾乎沒有能（或敢）與之對標(biāo)的中國版Sora問世，這更讓人感覺到差距之大。

1 、應(yīng)用有差距，人工智能要“+場景+行業(yè)”

我們與美國的差距不僅體現(xiàn)在大模型技術(shù)成熟度方面，更體現(xiàn)到應(yīng)用落地上。美國的大模型已經(jīng)有了很廣泛的應(yīng)用，涉及醫(yī)療、金融、教育、辦公等多個領(lǐng)域。

如在金融領(lǐng)域AI大模型應(yīng)用上，美國開發(fā)較早，應(yīng)用趨于成熟。如2023年3月彭博社發(fā)布的專門為金融領(lǐng)域打造的大模型BloombergGPT，已得到深入應(yīng)用金融領(lǐng)域。再如，微軟基于GPT-4推出的Office 365 Copilot，將傳統(tǒng)的辦公軟件升級成OFFICE+AI，開啟了辦公生產(chǎn)力革命。

而我國大模型在去年開啟了百模爭秀、也有人稱為百模大戰(zhàn)或千模大戰(zhàn)，但是，“爭秀”和“大戰(zhàn)”的結(jié)果，并沒有產(chǎn)生什么實際價值。我國基于大模型應(yīng)用還主要在互聯(lián)網(wǎng)等少數(shù)領(lǐng)域，如寫書作畫等，幾乎沒有什么爆款或殺手級商業(yè)化應(yīng)用。

為此，如百度的李彥宏、360的周鴻祎等都在不同場合呼吁，大家不要去卷大模型了，應(yīng)該去卷AI應(yīng)用，讓大模型發(fā)揮賦能行業(yè)的價值。特斯拉的馬斯克，亞馬遜的貝索斯等也表達(dá)過類似的觀點。

也有人判斷，去年是AI大模型元年，今年應(yīng)該是大模型落地應(yīng)用之年——大模型卷不動了，該卷應(yīng)用了！

的確，大模型作為新型的智能生產(chǎn)力工具，只有用起來了，商業(yè)化了，才能實現(xiàn)它的價值。而且，也只有這些有能力把大模型商業(yè)化落地應(yīng)用的企業(yè)，才能笑到最后。

好消息是，這輪由大模型引發(fā)的AI浪潮，已引起了政府的高度重視。今年兩會政府工作報告提出：要深化人工智能研發(fā)應(yīng)用，開展“人工智能+”行動?！叭斯ぶ悄?”行動的提出，可以說恰逢其時，將加速推動AI落地應(yīng)用。

“人工智能+”的提出，讓人聯(lián)想到2015年政府提出的“互聯(lián)網(wǎng)+”。如果說“互聯(lián)網(wǎng)+”加速了各行各業(yè)向互聯(lián)網(wǎng)轉(zhuǎn)型，那么，“人工智能+”將推動“人工智能+行業(yè)+場景”，加速百行千業(yè)的智能化轉(zhuǎn)型。

“人工智能+”提出后，各地方已經(jīng)動起來了。

北京市近日印發(fā)的《海淀區(qū)“兩區(qū)”建設(shè)深化改革創(chuàng)新實施方案》指出，要以“兩區(qū)”開放平臺賦能中關(guān)村人工智能大模型產(chǎn)業(yè)集聚區(qū)發(fā)展，對技術(shù)創(chuàng)新性強、應(yīng)用生態(tài)豐富的大模型，給予相關(guān)創(chuàng)新主體最高1000萬元算力補貼，已首批發(fā)布“大模型+接訴即辦”“大模型+教育”“大模型+醫(yī)療”“大模型+醫(yī)?！薄按竽Ｐ?產(chǎn)業(yè)空間”“大模型+辦公應(yīng)用”“大模型+政務(wù)服務(wù)”等7個標(biāo)桿場景。

上海市經(jīng)濟信息化委近日表示，人工智能領(lǐng)域，支持在智能化教育教學(xué)、設(shè)計創(chuàng)意、自動駕駛、機器人等領(lǐng)域構(gòu)建示范應(yīng)用場景，提供更多標(biāo)桿性大模型產(chǎn)品和服務(wù)。

深圳市強調(diào)“打造全域全時場景應(yīng)用”，推進AI+公共服務(wù)、AI+城市治理以及AI+千行百業(yè)的發(fā)展。

如今，“人工智能+”成為國策，政策層面將加碼推動AI與各行各業(yè)、實體經(jīng)濟全面融合，同時，中國擁有龐大的市場和多樣化的應(yīng)用場景，為AI大模型的商業(yè)化應(yīng)用提供了廣闊的空間。誰順應(yīng)了政策大勢，誰率先找到最佳落地場景，開發(fā)了創(chuàng)新應(yīng)用，誰就能率先享受到人工智能的紅利。

而人工智能要更好地+場景+行業(yè)，賦智百行千業(yè)，還需要在創(chuàng)新、人才和立法等方面加力度。

2 、技術(shù)和機制有差距：人工智能要“+創(chuàng)新”

眾所周知，人工智能的應(yīng)用離不開算力、算法和數(shù)據(jù)三大驅(qū)動力，如果說算法是AI的“引擎”，那么數(shù)據(jù)是AI的“燃料”，算力則是AI的“底座”。我們在這三方面，相比美國都有差距，都需要“+創(chuàng)新”。

在算法層面，前面談到了我們在大模型方面相比GPT4和Sora的差距，就體現(xiàn)在算法上的差距。美國在人工智能核心算法和框架方面占據(jù)顯著優(yōu)勢，如TensorFlow、PyTorch等被廣泛應(yīng)用的人工智能框架都是由美國公司開發(fā)的，當(dāng)下所有的主流大模型的母體算法Transformer也源于美國。

相比之下，中國在人工智能框架和算法的研發(fā)上雖然取得了一些進展，但整體上仍與美國存在一定的差距，需要加大技術(shù)創(chuàng)新力度。

在數(shù)據(jù)層面，美國作為全球最大的數(shù)據(jù)生產(chǎn)國之一，擁有豐富的數(shù)據(jù)資源。美國的大型科技公司掌握著海量用戶數(shù)據(jù)，為人工智能算法的訓(xùn)練和優(yōu)化提供了充足的數(shù)據(jù)支持。

相比之下，中國的數(shù)據(jù)資源相對較少，數(shù)據(jù)資源開放共享不夠，數(shù)據(jù)確權(quán)、交易和跨境流動等存在障礙，還需要建立數(shù)據(jù)開放流通機制，完善數(shù)據(jù)要素產(chǎn)業(yè)生態(tài)。

在算力層面，AI算力的核心是人工智能芯片GPU，被美國的英偉達(dá)公司所壟斷。我國在AI芯片方面雖然有所突破，如寒武紀(jì)等公司的芯片產(chǎn)品，但在市場占有率、性能優(yōu)化等方面仍有待提高。國產(chǎn)算力仍需要創(chuàng)新提升。

算力大模型時代，我們面臨算力供應(yīng)跟不上的的挑戰(zhàn)。 由于美國對英偉達(dá)的H100、A100等高精度算力實施出口禁令，使得我們大模型的訓(xùn)練算力跟不上，不僅如此，連精度低一些，用來運行大模型的算力，我們在數(shù)量上也差的很遠(yuǎn)。

大力開展“人工智能+”行動，需要從算力、數(shù)據(jù)、模型訓(xùn)練等方面加速技術(shù)和制度層面的創(chuàng)新，才能更快更好推動“人工智能+”落地，發(fā)揮AI賦能價值。

3 、人才有差距：人工智能要“+人才”

人 工智能要發(fā)展，要創(chuàng)新，AI人才是關(guān)鍵。 根據(jù)清華大學(xué)人工智能發(fā)展報告顯示，美國的高層次人工智能學(xué)者數(shù)量遠(yuǎn)多于中國，這反映出美國在人工智能人才儲備方面的優(yōu)勢。 同時，美國的大學(xué)和研究機構(gòu)在人工智能領(lǐng)域的教育和培訓(xùn)方面也具有較高的水平。

中國雖然在近年來加大了對人工智能人才的培養(yǎng)力度，但整體上還需要進一步提高教育質(zhì)量和擴大人才規(guī)模。很認(rèn)同任正非所說：中國如果缺數(shù)學(xué)家，人工智能不可能快速發(fā)展，需要從基礎(chǔ)教育并加大投入。

4 、法規(guī)有差距：人工智能要“+立法”

美國作為人工智能領(lǐng)域的先行者，已經(jīng)較早地認(rèn)識到了人工智能對法律、倫理和社會的影響，已經(jīng)出臺了一系列針對人工智能的法律法規(guī)，涵蓋了數(shù)據(jù)隱私、算法透明度、人工智能責(zé)任等多個方面。 據(jù)悉，在過去一年，美國眾議院和參議院就有170多項法案提及人工智能。

相比之下，我國在人工智能立法方面起步較晚，去年7月份發(fā)布了《生成式人工智能服務(wù)管理辦法》，去年10月份發(fā)布了《全球人工智能治理倡議》。然而，我國現(xiàn)有法規(guī)對于人工智能的法律責(zé)任、數(shù)據(jù)隱私保護等問題的規(guī)定還不夠詳細(xì)和全面，需要進一步加強人工智能立法工作，完善相關(guān)法規(guī)體系。