12月20日，在鈦媒體2025 T-EDGE全球?qū)υ捴?，鈦媒體集團創(chuàng)始人、Barron‘s中國出版人「趙何娟 Talk」（Jany Talk）與硅谷資深投資人、企業(yè)家王維嘉先生展開了一場深度對話。

兩年前，ChatGPT風(fēng)靡全球時，我們曾與王維嘉深入探討AI的未來。兩年后的今天，當(dāng)Google Gemini 3掀起新一輪技術(shù)競賽、華爾街開始質(zhì)疑AI泡沫、扎克伯格開出天價年薪搶人時，我們再次坐下來，撥開喧囂，回答那些真正重要的問題：

模型競爭的終局是什么？哪些應(yīng)用會率先落地？人類與機器的邊界在哪里？未來一到三年，什么才是真正值得關(guān)注的變化？

以下為本次對話核心觀點摘錄：

1、OpenAI不會輕易出局，未來是交替領(lǐng)先的動態(tài)格局。只要各家公司使用相同的Transformer架構(gòu)和技術(shù)路徑，差距就不會是不可逾越的，未來將是“你六個月超越我，我再六個月超越你”的持續(xù)迭代，不會突然出現(xiàn)某一家遙遙領(lǐng)先、無人可及的局面。

2、當(dāng)前對英偉達(dá)的主要挑戰(zhàn)在于，各大科技公司紛紛開始自研AI芯片，如果未來每家公司都能開發(fā)出成本更低、效率更高、易用性更好的芯片，其將面臨被替代的風(fēng)險。未來云服務(wù)市場越集中，對其越不利，市場越分散，其地位越穩(wěn)固。所以，英偉達(dá)很積極扶持新興云廠商，如Oracle、Nebius、CoreWeave等，以維持生態(tài)多樣性。

3、未來的模型競爭將從同質(zhì)化走向高度差異化，這正是強化學(xué)習(xí)驅(qū)動下、基于不同應(yīng)用目標(biāo)和數(shù)據(jù)空間定向演進(jìn)的必然結(jié)果。各家公司通過強化學(xué)習(xí)在不同知識中定向探索，科研、制藥、編程、歷史等垂直領(lǐng)域都將誕生專業(yè)化的行業(yè)通用大模型。

4、任何AI應(yīng)用如果能同時滿足以下三個條件，純數(shù)字化、具備訓(xùn)練數(shù)據(jù)、擁有明確的獎勵函數(shù)，就更有可能快速取得突破；反之，如果缺少其中任意一項，進(jìn)展通常會較為緩慢。

5、AI泡沫論的本質(zhì)是節(jié)奏問題。只要模型能力持續(xù)提升，AI就不存在系統(tǒng)性泡沫，模型能力決定一切，其他因素都是次要的。即便預(yù)訓(xùn)練見頂，模型的經(jīng)濟價值仍遠(yuǎn)未釋放。真正的風(fēng)險在于生態(tài)發(fā)展的不均衡，基礎(chǔ)設(shè)施可能提前建成而應(yīng)用尚未成熟，導(dǎo)致局部性、階段性的泡沫，但這只是暫時調(diào)整，而非根本危機。

6、當(dāng)前的Transformer架構(gòu)下，AI不可能產(chǎn)生意識或情感。機器缺乏內(nèi)分泌系統(tǒng)，沒有內(nèi)在的獎懲機制和欲望，一切行為都是確定性的輸入輸出。而且，比起擔(dān)憂AI控制人類，更應(yīng)警惕壞人利用AI。

7、AI時代最難被替代的是高斯分布極端尾部的天才，扎克伯格開出天價年薪正是對這一趨勢的預(yù)判。同時，AI能力的提升正在顛覆VC模式，技術(shù)背景深厚的創(chuàng)業(yè)者可能不再需要融資，靠產(chǎn)品力就能從零做到十億美金收入。

8、語言是人類與動物的根本區(qū)別，是人類躍居食物鏈頂端的核心能力。從文字中學(xué)習(xí)3D空間信息是間接且低效的，李飛飛的空間智能研究更直接高效。但僅依靠空間模型無法完成所有任務(wù)，必須同時具備語言模型和空間模型，語言提供抽象能力和行動指令，空間提供物理世界理解，兩者缺一不可。

9、未來1-3年Agent成熟與原生應(yīng)用爆發(fā)，創(chuàng)業(yè)必須做原生應(yīng)用，不能做AI賦能，在舊模式基礎(chǔ)上修修補補，肯定競爭不過大公司，原生應(yīng)用才是創(chuàng)業(yè)機會。

以下為「趙何娟Talk」與王維嘉的完整對話的實錄：

趙何娟：歡迎來到新一期《趙何娟Talk》。本期嘉賓是我的老朋友——硅谷知名投資人、企業(yè)家王維嘉先生。兩年前我們曾就剛剛火爆全球的GPT進(jìn)行過一場影響深遠(yuǎn)的對話；如今兩年過去，AI雖僅走過“人間一年”，卻已帶來天翻地覆的變化。很高興再次邀請您，維嘉老師！

王維嘉：大家好！很高興再次參與你的節(jié)目。

大模型競爭與未來差異化

趙何娟：今年年底發(fā)生了兩件重大事件，引發(fā)了科技行業(yè)、投資界和金融界的廣泛關(guān)注。第一件事是， Google 推出 Gemini 3 后，對 OpenAI 造成了一些聲量上的沖擊。 ChatGPT 推出后，業(yè)界公認(rèn)OpenAI 是生成式 AI 技術(shù)浪潮的開創(chuàng)者與奠基者。然而，隨著 Gemini 3 的發(fā)布，輿論普遍認(rèn)為 Google 已在技術(shù)能力上與 OpenAI 平起平坐，并在短短三年內(nèi)迅速追平，甚至被視為新一代的 AI 霸主。

第二件事是，近期市場突然開始高度關(guān)注“AI 泡沫”問題，美股也正經(jīng)歷顯著調(diào)整。尤其在11月和12月，美股出現(xiàn)明顯下跌，其核心驅(qū)動因素正是 AI 相關(guān)股票的大幅回調(diào)。華爾街普遍擔(dān)憂 AI 領(lǐng)域存在嚴(yán)重泡沫，尤其對以英偉達(dá)為代表的芯片企業(yè)提出質(zhì)疑——包括其AI數(shù)據(jù)中心業(yè)務(wù)所依賴的循環(huán)貸和高桿杠債務(wù)模式，以及持續(xù)循環(huán)投入資本的商業(yè)模式，均引發(fā)了廣泛懷疑。

圍繞上述兩個熱點事件，請維嘉老師談?wù)勀目捶ā?/p>

王維嘉：要判斷人工智能是否存在泡沫，首先需要厘清AI究竟能做什么。我認(rèn)為，Google是一家我非常尊敬的公司，其技術(shù)實力毫無疑問位居全球第一。沒有任何一家公司在人才儲備方面能與之相比，且不說Transformer架構(gòu)正是由Google發(fā)明。此外，DeepMind的CEO 德米斯·哈薩比斯（Demis Hassabis），我認(rèn)為是當(dāng)今AI技術(shù)領(lǐng)域中最頂尖的人物之一，不僅極其聰明，而且深耕行業(yè)時間最長，具備深厚的積累。再加上Google的兩位創(chuàng)始人均為斯坦福博士，如今又重新親自投入一線工作，因此該公司強勢回歸并不令人意外。

過去，包括我自己在內(nèi)的許多人主要擔(dān)憂的并非Google的技術(shù)能力，無論是模型性能還是計算能力，我對此毫無疑慮。真正令人關(guān)注的是其核心搜索業(yè)務(wù)在多大程度上會受到AI的影響。這種影響不僅來自外部競爭者如ChatGPT，更可能源于Google自身的產(chǎn)品迭代，即“左手打右手”的問題。

以我個人為例，我現(xiàn)在90%時間用Alchatbots，主要是ChatGPT和Gemini，前者多一點。這種使用習(xí)慣的轉(zhuǎn)變無疑會對Google的搜索業(yè)務(wù)構(gòu)成沖擊，這也是市場最關(guān)心的問題所在。

然而，過去兩個季度的數(shù)據(jù)顯示，Google的搜索業(yè)務(wù)并未因此明顯下滑。但我認(rèn)為此事尚無最終結(jié)論，原因在于，當(dāng)前主流的Chatbot聊天機器人還沒有采用免費+廣告的商業(yè)模式。只要它們不接入廣告系統(tǒng)，廣告主就仍需依賴Google投放廣告，所以，真正的考驗還沒有到來。一旦這些AI產(chǎn)品未來轉(zhuǎn)向廣告驅(qū)動模式，才真正需要評估Google搜索業(yè)務(wù)所受的實際影響。

如果Google能夠成功將用戶引導(dǎo)到Gemini平臺，不流失到競爭對手，這才是最佳結(jié)果。所以，目前對其搜索業(yè)務(wù)前景的擔(dān)憂仍不能下定論。

其次，Google的一大核心優(yōu)勢是垂直整合能力。在設(shè)計TPU和算力中心時，Google已對其目標(biāo)應(yīng)用場景有清晰認(rèn)知，這種應(yīng)用導(dǎo)向直接影響它的網(wǎng)絡(luò)架構(gòu)設(shè)計。所以，整個算力基礎(chǔ)設(shè)施可針對自身應(yīng)用進(jìn)行高度優(yōu)化，從而實現(xiàn)最低的單位成本。

在AI領(lǐng)域，Token成本是關(guān)鍵支出項，如果Google能持續(xù)保持成本優(yōu)勢，再結(jié)合其長達(dá)12年的TPU自研經(jīng)驗，將會形成獨特壁壘。

綜上，Google在模型研究、自有算力和應(yīng)用場景三方面均具備領(lǐng)先優(yōu)勢，構(gòu)成了高度協(xié)同的系統(tǒng)集成能力。

相比之下，其他科技巨頭則存在明顯短板。例如Meta，模型表現(xiàn)不佳，否則不會花費十億美元高薪聘請工程師；同時，它也缺乏自研TPU能力。微軟此前主要依賴外部模型，Amazon在基礎(chǔ)模型方面幾乎未見顯著成果。因此，在模型、算力與應(yīng)用三大維度均實現(xiàn)自主閉環(huán)的公司，目前僅有Google。

至于英偉達(dá)與Google的關(guān)系，并非直接競爭。即便Google對外銷售TPU，該業(yè)務(wù)也難以成為其核心收入來源。更重要的是，英偉達(dá)的最大客戶恰恰是Amazon、Microsoft、Google和Meta等云服務(wù)商。這些公司彼此之間是直接競爭對手，不可能依賴Google提供芯片，他們只能選擇中立的英偉達(dá)。因此，在芯片層面，Google對英偉達(dá)不構(gòu)成實質(zhì)性威脅。

當(dāng)前對英偉達(dá)的主要挑戰(zhàn)在于，各大科技公司紛紛開始自研AI芯片，如果未來每家公司都能開發(fā)出成本更低、效率更高、易用性更好的芯片，英偉達(dá)將面臨被替代的風(fēng)險。

未來云服務(wù)市場越集中，對英偉達(dá)越不利，市場越分散，其地位越穩(wěn)固。所以，英偉達(dá)很積極扶持新興云廠商，如Oracle、Nebius、CoreWeave等，以維持生態(tài)多樣性。

第三類應(yīng)用場景來自大型企業(yè)客戶，如沃爾瑪、《財富》500強公司，這些企業(yè)幾乎不可能自研芯片。對它們而言，關(guān)鍵問題是在云平臺上選擇TPU還是GPU。目前，在Google Cloud Platform上，絕大多數(shù)第三方用戶仍主要使用GPU，原因有兩個，一是CUDA生態(tài)成熟，開發(fā)便捷；二是GPU具備極強的部署靈活性，用戶可按需從單卡擴展至萬卡規(guī)模，動態(tài)適配算力需求。而TPU則采用固定規(guī)模的block設(shè)計，一個block包含9,064個TPU，難以支持小規(guī)?；蜢`活配置，這一限制構(gòu)成了TPU在通用市場推廣中的潛在障礙。

趙何娟：那Open AI呢？

王維：谷歌對OpenAI是更直接的挑戰(zhàn)，因為他們在模型層面是直接競爭關(guān)系。例如，Gemini 3 的推出就是明確對標(biāo) ChatGPT 的。

近期網(wǎng)絡(luò)上有一種聲音認(rèn)為 OpenAI“肯定死定了”，甚至將其比作當(dāng)年的 Netscape。對此，我個人并不認(rèn)同。我在硅谷生活了四十年，深知創(chuàng)辦一家公司要面對多少艱難險阻。幾乎每十個你接觸的人中，有九個九會告訴你“這事辦不成”。正因我自己也有過類似的創(chuàng)業(yè)經(jīng)歷，所以我天生對創(chuàng)業(yè)者抱有同情，算是我的一個情感上的 bias。

在澄清這一點之后，我想表達(dá)的是，我不相信任何一家公司能做出一個“好到別人完全無法復(fù)制”的模型。你看，梁文峰帶領(lǐng)一支僅兩百人左右的團隊，在缺乏充足算力資源的情況下，依然做出了非常出色的模型；千問的模型也不錯。既然如此，憑什么就認(rèn)定ChatGPT一定競爭不過 Google 呢？

未來的格局一定是這樣的，今天我發(fā)布一個模型，你六個月后推出一個更好的；我再過六個月又超越你一點，這是一個持續(xù)迭代、交替領(lǐng)先的過程，而不是某一家公司突然遙遙領(lǐng)先、無人可及。

原因在于，從模型訓(xùn)練、算法架構(gòu)到數(shù)據(jù)使用，目前各家所依賴的核心技術(shù)路徑并無本質(zhì)差異。除非 Google 發(fā)明了一種全新的、與 Transformer 完全不同的底層算法，并且該算法是保密的，這種可能性理論上存在。但只要大家仍在使用 Transformer 架構(gòu)，沿用當(dāng)前主流的預(yù)訓(xùn)練、強化學(xué)習(xí)、后訓(xùn)練以及測試時訓(xùn)練（test-time training）等大方向，那么彼此之間的差距就不會是不可逾越的。

這讓我想起幾年前國內(nèi)做視覺模型時的情形，很多公司宣稱自己“在全球榜單上排名第一”，但實際上很大程度上只是通過精細(xì)調(diào)參實現(xiàn)的短期優(yōu)勢。如今的大模型競賽也類似，調(diào)參能力固然重要，但并不能決定長期勝負(fù)。

我認(rèn)為 Google 的模型未來無疑會是“最好的之一”，但我并不認(rèn)為其他公司就做不出同樣優(yōu)秀甚至更好的模型。Meta 有可能，Microsoft 也有可能，只要有足夠的時間和計算資源，差距是可以被追趕甚至超越的。

所以，現(xiàn)在就斷言 OpenAI “已經(jīng)完了”，為時過早。

趙何娟：當(dāng)大模型的能力差距不再顯著時，它們真正比拼的是什么？是不是轉(zhuǎn)向了生態(tài)應(yīng)用層面的競爭？

王維嘉：這是一個很好的問題。先說模型，大家普遍存在一個誤區(qū)。大模型發(fā)展的最初兩年，很多人認(rèn)為它未來會是“大宗商品”。原因在于，大家使用的都是 Transformer 架構(gòu)、參數(shù)規(guī)模相近、訓(xùn)練數(shù)據(jù)也主要來自公開互聯(lián)網(wǎng)，所以人們覺得最終各家模型的性能會趨于同質(zhì)化，難以形成差異化。

在2024年O1出來之前，這個判斷基本是對的。但現(xiàn)在情況不一樣了，強化學(xué)習(xí)（Reinforcement Learning）的引入開始推動模型走向差異化。

強化學(xué)習(xí)的作用類似于 AlphaGo Zero 在圍棋中的自我對弈機制。不同公司通過強化學(xué)習(xí)所構(gòu)建的“思維鏈”（reasoning chain）路徑各不相同。所謂知識，本質(zhì)上是在看似不相關(guān)的知識點之間建立聯(lián)系。

人類的知識是多維的且近乎無限的空間，其復(fù)雜度遠(yuǎn)超圍棋可能的走法數(shù)量，而圍棋的總局面數(shù)已超過可觀測宇宙中的原子總數(shù)。如果在預(yù)訓(xùn)練階段趨同的前提下，未來模型的差異化將主要取決于各家公司如何利用強化學(xué)習(xí)在各自關(guān)注的知識子空間中進(jìn)行定向探索。

例如，一家專注于科研或制藥的公司，會引導(dǎo)模型在蛋白質(zhì)結(jié)構(gòu)、小分子構(gòu)型等特定領(lǐng)域深入挖掘，而對歷史、人文等內(nèi)容則不予關(guān)注；反之，若一家機構(gòu)聚焦于歷史研究，其模型就會集中學(xué)習(xí)歷史文獻(xiàn)，完全忽略分子結(jié)構(gòu)等科學(xué)數(shù)據(jù)。

因此，回答你的問題：未來的模型將是高度差異化的，而這正是強化學(xué)習(xí)驅(qū)動下、基于不同應(yīng)用目標(biāo)和數(shù)據(jù)空間定向演進(jìn)的必然結(jié)果。

趙何娟：如果強化學(xué)習(xí)確實帶來了模型的差異化，是否意味著未來的通用大模型賽道將逐漸分化為多個“行業(yè)通用大模型”的細(xì)分賽道？

王維嘉：基本上是這樣。一旦模型走向?qū)I(yè)化，例如在企業(yè)級編程領(lǐng)域，目前 Cursor 和 Anthropic 的模型表現(xiàn)就非常突出。這自然引出了應(yīng)用層面的問題，當(dāng)大模型在特定方向上實現(xiàn)差異化后，在對應(yīng)的垂直應(yīng)用場景中，它就會成為最優(yōu)選擇。

因此，未來的競爭不僅體現(xiàn)在模型本身的差異化，也體現(xiàn)在應(yīng)用層面上的分化。各家公司將在各自專注的領(lǐng)域構(gòu)建起獨特的護(hù)城河。這是一個基本判斷，兩年后再回看，這一趨勢可能會變得更加清晰。

趙何娟：這個判斷非常清晰，也給正在或希望在 AI 領(lǐng)域創(chuàng)業(yè)的人帶來很多啟發(fā)，機會依然存在。中國的“大模型七小龍”如今也開始出現(xiàn)分化，有的轉(zhuǎn)向行業(yè)模型，有的徹底轉(zhuǎn)型為產(chǎn)品化公司，還有的仍在堅持研發(fā)通用大模型。

王維嘉：但有一點需要注意：如果你要做的是應(yīng)用，不一定要從基礎(chǔ)模型做起，因為預(yù)訓(xùn)練成本極高，訓(xùn)練一次大模型可能耗資數(shù)億美元。

真正有能力從頭訓(xùn)練基礎(chǔ)大模型的公司，全球范圍內(nèi)可能用兩只手就能數(shù)得過來，這些基礎(chǔ)模型本身也在分化。例如，Anthropic 目前專注于文本（text），并未涉足多模態(tài)、圖像或視頻，因為對其目標(biāo)而言，這些方向并無必要。梁文峰同樣選擇了不發(fā)展多模態(tài)能力。

由此可見，大模型的分化維度實際上比應(yīng)用的分化更為寬廣，在一個高度差異化的基礎(chǔ)大模型之上，仍然可以構(gòu)建出多個面向不同細(xì)分市場的應(yīng)用。

AI應(yīng)用落地的三大條件

趙何娟：再談?wù)剳?yīng)用。從您認(rèn)為哪些賽道能快速出現(xiàn)一些好的應(yīng)用？

王維嘉：有的應(yīng)用發(fā)展快、有的應(yīng)用發(fā)展慢，肯定是參差不齊的。我可以提供三個關(guān)鍵判斷標(biāo)準(zhǔn)。

第一，是純數(shù)字化。凡是涉及物理空間交互的應(yīng)用，其發(fā)展就會受到顯著制約。比如機器人的靈巧手，僅實現(xiàn)高度靈活的操作就可能耗費五年以上時間。

第二，擁有充足的訓(xùn)練數(shù)據(jù)。有些領(lǐng)域雖然是數(shù)字化的，但如果缺乏高質(zhì)量、可獲取的數(shù)據(jù)，同樣難以支撐有效訓(xùn)練。

第三，也是最關(guān)鍵的一點，必須有明確的獎勵函數(shù)（rewarding function）。強化學(xué)習(xí)的核心在于持續(xù)探索并獲得反饋：系統(tǒng)需要清楚地知道某次決策是對還是錯，從而調(diào)整后續(xù)行為。如果無法提供這種即時、明確的對錯反饋，模型就難以有效優(yōu)化。

任何AI應(yīng)用如果能同時滿足以下三個條件，純數(shù)字化、具備訓(xùn)練數(shù)據(jù)、擁有明確的獎勵函數(shù)，就更有可能快速取得突破；反之，如果缺少其中任意一項，進(jìn)展通常會較為緩慢。

舉個例子：金融領(lǐng)域的AI應(yīng)用就具備這三項條件。首先，金融交易完全是數(shù)字化的；其次，存在大量歷史數(shù)據(jù)，如股票價格、交易記錄等；第三，獎勵函數(shù)非常清晰，可以通過回測（backtesting）驗證策略是否盈利，即“賺錢為正反饋，虧損為負(fù)反饋”。因此，這類應(yīng)用更容易快速發(fā)展。

相反，以“保姆機器人”為例：首先，它涉及大量物理交互，不符合純數(shù)字化要求；其次，缺乏明確的獎勵函數(shù)，什么是“好保姆”？標(biāo)準(zhǔn)模糊且主觀；最后，相關(guān)訓(xùn)練數(shù)據(jù)也極難獲取。這三個條件均不滿足，因此我對這類應(yīng)用持高度保留態(tài)度。

趙何娟：您還有哪些領(lǐng)域是特別不看好的？

王維嘉：我提供的是一個通用的判斷框架，而不是針對某個具體行業(yè)下結(jié)論。比如，如果我隨便點名某個我不熟悉的行業(yè)并做出負(fù)面評價，那是不負(fù)責(zé)任的。但只要用前述三個條件去衡量，純數(shù)字化、有訓(xùn)練數(shù)據(jù)、有明確的獎勵函數(shù)，基本上就能判斷出八九成的可能性。

趙何娟：您覺得媒體行業(yè)是否符合您提出的這三個標(biāo)準(zhǔn)？

王維嘉：如果要用 AI 做媒體，首先需要定義什么是“好的內(nèi)容”。在這方面，其實是有數(shù)據(jù)的，流量本身就可以作為數(shù)據(jù)，也可以視為一種獎勵函數(shù)：高點擊、高停留、高互動通常被當(dāng)作正向反饋。內(nèi)容本身則是訓(xùn)練數(shù)據(jù)。從這個角度看，媒體行業(yè)是有可能滿足這三個條件的。

但需要強調(diào)的是，這三個條件只是必要條件，而非充分條件。即使?jié)M足了它們，要真正做成產(chǎn)品或公司，還需要其他要素，比如對媒體行業(yè)的深度理解、充足的資金、高質(zhì)量的工程團隊、有效的訓(xùn)練策略等。

你可以這樣理解，這三個條件是否定性標(biāo)準(zhǔn)，它們能幫你排除不可能的方向，但不能保證肯定成功。例如，即使 Elon Musk 親自來做家政機器人，也很難突破物理交互、數(shù)據(jù)缺失和獎勵函數(shù)模糊這三重障礙，這也解釋了為什么他的人形機器人至今尚未在家庭場景落地。

趙何娟：您如何看待人形機器人用在工業(yè)領(lǐng)域的應(yīng)用？

王維嘉：工業(yè)場景是完全不同的。首先，工業(yè)環(huán)境對手部靈巧度的要求取決于具體任務(wù)。比如 Amazon、京東或淘寶的物流系統(tǒng)中，分揀、裝箱等操作并不需要高度靈活的手，這類任務(wù)已經(jīng)可以通過現(xiàn)有技術(shù)解決。

其次，工業(yè)場景通常具備大量可采集的操作數(shù)據(jù)，便于訓(xùn)練和優(yōu)化。因此，我對工業(yè)機器人持積極看法。

但我依然不看好家政類人形機器人，比如在家做飯、炒菜、照顧老人、更換尿布等場景。這些任務(wù)對手的柔軟性、靈敏度和環(huán)境適應(yīng)能力要求極高。試想，給嬰兒換尿布需要多么精細(xì)、輕柔且可靠的操控，目前的技術(shù)遠(yuǎn)未達(dá)到這一水平。因此，在可預(yù)見這類家庭服務(wù)機器人幾乎不具備可行性。

趙何娟：生成式AI，為這些行業(yè)帶來哪些新的機會？

王維嘉：生成式 AI 最大的好處就是靈活，不需要重新編程嘛。

機器人應(yīng)用，比如你說你到了特斯拉的汽車工廠，全是機器人——那都是編死的動作，連 AI 都不要，就是軟件就完了。那些東西，我覺得只要你汽車的結(jié)構(gòu)不變、零部件不變，那些東西不會被取代的。因為那肯定效率比你用生成式要快，成本要低，因為它就編個軟件寫死了。

我覺得，比如說屠宰場、流水線包裝的東西、商店里頭放貨架，不是特別復(fù)雜的場景去生成的話，你就告訴他：“你把這東西給我放到貨架上去”，這就比較容易做。

所以還是有很多應(yīng)用，但是相對來說，還都是比較簡單的物理交互。

AI市場泡沫與人性本質(zhì)

趙何娟：您覺得當(dāng)前AI市場是否存在泡沫？

王維嘉：這正是我一開始強調(diào)要回歸模型能力的原因。我們需要關(guān)注的是，大模型未來還能做些什么？此前一段時間，業(yè)界普遍擔(dān)憂預(yù)訓(xùn)練（pre-training）是否已經(jīng)接近極限。關(guān)于這一點，各方看法不一，例如Ilya Sutskever認(rèn)為預(yù)訓(xùn)練已基本到頂，而包括Google在內(nèi)的許多公司則認(rèn)為遠(yuǎn)未達(dá)到上限。

但無論預(yù)訓(xùn)練是否見頂，強化學(xué)習(xí)（reinforcement learning）的探索才剛剛開始。這意味著，至少在強化學(xué)習(xí)方向上，還有大量空間可以挖掘。因此，模型的能力顯然仍在持續(xù)提升，盡管提升速度可能逐漸放緩，但趨勢是明確的。只要模型能力繼續(xù)增強，其經(jīng)濟價值就會隨之提高，因為“智力”本身在進(jìn)步。

更進(jìn)一步，即使采取最保守的假設(shè)，即模型能力從此刻起不再進(jìn)步，僅憑當(dāng)前的能力，AI已經(jīng)能夠完成大量任務(wù)。例如，前兩天熱議的“豆包手機”所演示的功能：“幫我買個東西”，以現(xiàn)有模型能力完全可以實現(xiàn)。當(dāng)然，目前仍存在操作系統(tǒng)整合、不同App之間的打通、數(shù)據(jù)互通以及隱私保護(hù)等實際問題，但這些問題本質(zhì)上是工程和制度層面的障礙，是可以被解決的。

換句話說，即便模型能力就此停滯，其潛在經(jīng)濟價值也遠(yuǎn)未被充分釋放。

而現(xiàn)實情況是，幾乎所有從事大模型研發(fā)的公司都認(rèn)為模型能力還遠(yuǎn)未到頂。我至今沒有聽到任何一家主流大模型公司宣稱“模型已經(jīng)做到極致”。既然如此，我們就必須相信，模型仍有巨大發(fā)展空間。只要這一前提成立，AI的整體經(jīng)濟價值就依然可觀。

當(dāng)前有人擔(dān)憂全球在AI算力上的投入已達(dá)萬億美元級別，未來三到五年能否產(chǎn)生相匹配的價值。從目前趨勢看，答案應(yīng)該是肯定的。因此，從長期視角來看，只要模型能力尚未觸及天花板，AI就不會出現(xiàn)系統(tǒng)性泡沫。這是我第一個核心觀點，模型能力決定一切，其他因素都是次要的。

當(dāng)然，這并不排除局部或個別層面存在泡沫。

AI應(yīng)用的發(fā)展并非線性推進(jìn)，它可能需要兩三年的積累才能迎來突破。如果基礎(chǔ)設(shè)施提前建成，而應(yīng)用尚未成熟，就會導(dǎo)致算力閑置、資源浪費，進(jìn)而造成虧損，這種情況完全可能發(fā)生。

因此，整個AI生態(tài)系統(tǒng)的演進(jìn)是高度不均衡的。這種參差不齊的發(fā)展節(jié)奏，很可能在特定時間點或特定領(lǐng)域催生局部泡沫。例如，今年投入了2萬億美元，明年卻未能推出真正有影響力的爆款應(yīng)用，市場信心可能受挫，甚至出現(xiàn)一到兩年的回調(diào)或“崩盤”。

但只要模型能力持續(xù)進(jìn)步，這類調(diào)整只是暫時的。對投資者而言，關(guān)鍵在于識別真正優(yōu)秀的公司，只要公司基本面扎實、技術(shù)方向正確，短期波動無需恐慌，只需耐心等待下一輪上升周期的到來。

趙何娟：當(dāng)前這種指數(shù)級增長的需求，是來自推理（inference）還是預(yù)訓(xùn)練（pre-training）？

王維嘉：主要是推理需求。從用戶的角度來看，絕大多數(shù)需求都體現(xiàn)在推理階段。每家公司訓(xùn)練模型是一次性的投入，而真正持續(xù)產(chǎn)生的是推理需求，也就是用戶在實際使用模型時所產(chǎn)生的調(diào)用。

因此，我并不擔(dān)心未來 Token 需求的問題。Token 本質(zhì)上等同于“智力”，而智力又直接轉(zhuǎn)化為財富，人類對財富的追求何時有過盡頭。你身邊可能有人擁有一個億、十個億，甚至一百個億，但你見過誰說“我的錢已經(jīng)足夠多了，再也不想要更多”，沒有人會這么說。所有人都希望獲得更多。

最近有一種論調(diào)認(rèn)為，AI 時代將帶來abundance， Elon Musk 說未來人人收入都很高，社會問題也將迎刃而解。但我認(rèn)為這種觀點完全誤解了人性。以中國為例，與50年前相比，今天的生活水平可能提升了上百倍，但人們真的比50年前幸福了100倍嗎？顯然沒有。人們總是會拿自己和更高標(biāo)準(zhǔn)比較：“我住100平方米，別人住200平方米”，永遠(yuǎn)不滿足。

因此，我不認(rèn)為 AI 能從根本上解決人類社會的矛盾。人是有“原罪”的，人生來就是自私、貪婪，這是刻在基因里的，無法被技術(shù)消除。AI 無法解決這一根本問題。所謂abundance的說法，只是一種技術(shù)浪漫主義，我認(rèn)為這種看法是完全錯誤的。

趙何娟：確實，人性的欲望和弱點似乎深植于我們的基因之中，很難改變。但如果 AI 也被訓(xùn)練出類似的弱點呢？畢竟 AI 是由人類訓(xùn)練出來的。如果它也具備了這些人性的缺陷，對人類而言豈不是一場災(zāi)難？

王維嘉：這就回到了另一個根本問題：AI的主人究竟是誰？是人類，還是 AI 自身？只要 AI 仍然是人類的工具，即便它表現(xiàn)出某些“弱點”，也并不可怕，因為它是被我們所使用、所控制的。我們可以對它施加限制，也可以設(shè)定邊界。

當(dāng)然，這已經(jīng)觸及更深層次的問題，即AI倫理層面的討論。

趙何娟：前幾天我與 Geoffrey Hinton 交流時，他提到如今他不再專注于如何發(fā)展 AI，而是著重思考如何避免 AI 對人類發(fā)展產(chǎn)生破壞性影響。他認(rèn)為關(guān)鍵在于讓 AI 形成一種類似母嬰關(guān)系的機制，即一種天生的對人類的愛護(hù)，就像母親對嬰兒的關(guān)愛一樣。他這個觀點的前提是，AI已經(jīng)具備意識了。

王維嘉：我基本不同意 Geoffrey Hinton 的觀點。

首先，AI 是否有意識，或者未來能否擁有意識，這是一個非常復(fù)雜且難以界定的問題。至今為止，人類對于自身意識的本質(zhì)都尚未有明確的定義，人類意識的起源仍是未解之謎，與宇宙起源、生命起源并列為當(dāng)今人類面臨的三大難題。既然我們無法明確意識的內(nèi)涵，那么討論機器是否擁有意識就缺乏基礎(chǔ)，因為不同人對意識的理解可能截然不同。

所以，我們不妨先擱置意識這一概念，轉(zhuǎn)而探討一個更可驗證的問題，機器是否會擁有感情。機器沒有內(nèi)分泌系統(tǒng)，而人類的喜怒哀樂等情感與激素分泌密切相關(guān)，例如多巴胺會讓人產(chǎn)生愉悅感，腎上腺素會讓人激動。人類的內(nèi)分泌系統(tǒng)極為復(fù)雜，激素的細(xì)微變化就能影響人的情緒。機器由于缺乏這一系統(tǒng)，目前是沒有任何感情的。

趙何娟：我想就這一點與您探討一下。人類作為碳基生命體，其情感等特征是由碳基元素及相關(guān)化合物驅(qū)動的，比如內(nèi)分泌系統(tǒng)的作用，但硅基生命體不能簡單地套用碳基生命體的驅(qū)動機制，它們可能存在不同的原理。

王維嘉：我首先就反對碳基生命和硅基生命這種說法。

目前我們所知的神經(jīng)網(wǎng)絡(luò)，包括擁有萬億參數(shù)的 Transformer，都只是確定性的機器系統(tǒng)，有輸入就有對應(yīng)的輸出，不存在任何隨機性、主觀意志，更沒有感情。把AI稱為硅基生命，本身就是一種錯誤的假設(shè)，是循環(huán)論證。目前的硅基系統(tǒng)只是機器，并非生命。至于未來能否發(fā)展為生命，這還是一個開放性問題。

此外，所謂的碳基生命和硅基生命概念極具誤導(dǎo)性。雖然人類由碳構(gòu)成，但一塊煤也是碳構(gòu)成的，碳本身對于生命而言并不重要。生命并非僅僅是其組成原子的簡單相加，而是遠(yuǎn)超部分之和的復(fù)雜存在。我堅決反對這種混淆基本概念的碳基生命和硅基生命說法。

趙何娟：人類的情感如喜怒哀樂、貪嗔癡惡等，是由多巴胺等生物因素驅(qū)動的。那么硅基有可能是其他驅(qū)動因素來產(chǎn)生類似的情感嗎？

王維嘉：目前來看，我并不清楚是否存在這樣的驅(qū)動因素。從現(xiàn)有的技術(shù)來看，機器內(nèi)部沒有任何情感因素。我們無法找到任何一個數(shù)學(xué)方程式能產(chǎn)生情感，機器的行為都是確定性的輸入與確定性的輸出。即使在輸出分布中選擇不同的樣本，導(dǎo)致每次回答可能略有不同，但其底層的分布是完全一致的，沒有任何隨機性因素。

因此，機器不可能擁有我們?nèi)祟愃f的情感。

趙何娟：那么神經(jīng)元的涌現(xiàn)呢？是否可能成為一種驅(qū)動因素，就像人類大腦中一樣？

王維嘉：目前我們所知的 Transformer 等神經(jīng)網(wǎng)絡(luò)與人腦有相似之處，但并不完全相同。

我們對人腦神經(jīng)元的復(fù)雜性了解還遠(yuǎn)遠(yuǎn)不夠，人腦中的神經(jīng)元比現(xiàn)有的神經(jīng)網(wǎng)絡(luò)復(fù)雜得多。如果要讓機器擁有情感，可能需要構(gòu)建一套類似人類內(nèi)分泌系統(tǒng)的機制，讓激素影響神經(jīng)元的連接。例如，911那天在做什么、遇見心動的人是什么感覺，這證明人的記憶與情感是高度關(guān)聯(lián)的。

但機器并非如此。機器對任何事件的記憶強度都是一樣的，不會受到激素調(diào)節(jié)。僅從這一點就可以看出人與機器的差異，機器目前是沒有情感的，也沒有欲望，只能作為工具存在。至于未來是否可能通過強大的算力，精確模擬人類的每一個分子活動、激素分泌方程式，以及神經(jīng)元與激素之間的關(guān)系，讓機器擁有情感，這在理論上是有可能的。

但是，這種需要多大的算力，我根本想象不出來。

趙何娟：在硅基系統(tǒng)中，有沒有可能存在一種我們尚未了解的機制。這種機制或許類似于人類的情感，但并非由生物機制產(chǎn)生的情緒因素。

王維嘉：首先，我要強調(diào)的是，機器不僅沒有情感，甚至連欲望都沒有。這就是為什么在強化學(xué)習(xí)中，我們必須為機器設(shè)計獎勵函數(shù)。因為機器自身沒有內(nèi)在的獎懲機制，而人類的行為大多是由內(nèi)在的獎懲機制驅(qū)動的。例如，人類餓了就會想吃東西，這種獎懲機制是內(nèi)生的，存在于基因和內(nèi)分泌系統(tǒng)中，是經(jīng)過長期演化形成的。人類的獎懲函數(shù)大多是內(nèi)在的，但機器沒有。如果機器有內(nèi)在的獎懲機制，我們就無需為其設(shè)計外在的獎勵函數(shù)了。這也可以證明機器是沒有欲望的，我們需要人為地將欲望賦予它們。

趙何娟：您剛才明確表示不認(rèn)同 Geoffrey Hinton 的觀點。除了他認(rèn)為 AI 已經(jīng)有意識之外，對于他提出的通過某種機制訓(xùn)練 AI，使其具備類似母嬰機制的情感，您怎么看？

王維嘉：我認(rèn)為 Geoffrey Hinton 的思考是非常有價值的。即使目前機器沒有意識、沒有情感，未來是否會擁有我們也不知道。但他已經(jīng)在考慮，萬一未來 AI 有了意識，我們可以采用類似嬰兒控制母親的方法，讓 AI 憐憫人類。

現(xiàn)在更應(yīng)該擔(dān)憂的是壞人利用 AI，而不是擔(dān)心 AI 來控制人類。至少目前還沒到那一步，我非常尊敬 Hinton，他可能看到了我沒有看到的東西，這是有可能的。但從我目前對 Transformer 的理解，我將其拆解到每一個神經(jīng)元去分析，也看不到意識會如何產(chǎn)生。

世界模型與未來機會

趙何娟：您如何看待當(dāng)前的大語言模型之爭和世界模型之爭？您認(rèn)為其核心應(yīng)該如何判斷？

王維嘉：首先，我們需要明確什么是“世界模型”。如果世界模型僅僅是一個3D空間模型，那么它與情感等因素?zé)o關(guān)。目前，像李飛飛團隊所研究的可能主要是基于3D空間的模型。如果不能清晰定義世界模型的內(nèi)涵，討論就會變得困難。

假設(shè)世界模型是指三維空間模型，我認(rèn)同文字符號中確實包含三維空間的信息。例如，從“我這個杯子碰地下打碎了”這樣的句子中，我們可以推斷出杯子掉在地上會破碎，這本身就是三維空間的信息。

然而，正如 Geoffrey Hinton 所說，從文字符號中學(xué)習(xí)三維空間信息是間接且低效的。這就好比讀一本描寫貴族家庭的小說，雖然書中對房屋等細(xì)節(jié)有詳細(xì)描述，但讀者很難在腦海中完整構(gòu)建出整個場景。因為文字是抽象的，會簡化很多細(xì)節(jié)。相比之下，如果直接觀察一幅圖像，人們可以迅速理解場景，因為圖像提供了更豐富的細(xì)節(jié)。

因此，李飛飛等人的方法，讓機器人直接通過觸摸等方式感知環(huán)境（類似瞎子摸象），來學(xué)習(xí)三維空間信息是合理的。這種方式比從語言模型中學(xué)習(xí)更直接、更高效。盡管語言模型中確實包含三維空間信息，但這些信息非常模糊、不直接且高度抽象。與其通過語言描述來學(xué)習(xí)，不如直接讓機器人去感知和探索環(huán)境，這樣能更清晰地建立概念。

趙何娟：真正的世界模型是什么樣的？現(xiàn)在可能更多地被稱為空間模型（spatial intelligence）最初李飛飛教授使用的概念。

王維嘉：人性也是世界模型的一部分。比如，我們培養(yǎng)一個孩子，希望他了解世界是如何運轉(zhuǎn)的。我們肯定要教他人性、基本常識、經(jīng)濟運行方式、金錢是什么，這些都屬于世界模型的一部分。還包括情感、欲望、宗教等，這些都是世界模型的組成部分。如果從這個角度來說，世界模型的范圍就非常廣泛了。我不認(rèn)為李飛飛在做這樣廣泛的世界模型。

趙何娟：Jeffrey Hinton 提到一個問題，如果僅從空間智能的角度來看，認(rèn)知 AI 最終還是要轉(zhuǎn)化為對認(rèn)知和反應(yīng)的處理。因為 AI 的行為（action）不僅僅是感知到某個物體的存在，還需要做出相應(yīng)的行動。在這個過程中，空間感知的效率并不高，他認(rèn)為語言的抽象能力帶來的感知效率更高，語言的抽象能力是效率最高的。

王維嘉：我完全同意這一點。我們可以這樣思考，語言是如何起源的。我的個人猜測是，人類的意識和語言可能是同時起源的。人類與動物的根本區(qū)別是什么？馬克思認(rèn)為是使用工具，但烏鴉和大猩猩也會使用工具，所以使用工具并不是人類獨有的技能。

語言才是人類與所有動物最大的區(qū)別，沒有任何動物擁有語言，只有人類有，這才是人類的本質(zhì)。從更廣義的角度來說，除了語言，數(shù)學(xué)也是人類的發(fā)明，這些都是符號的應(yīng)用、發(fā)明和定義，是人類的本質(zhì)特征。正是因為人類擁有這種抽象能力，才能迅速躍居食物鏈頂端，其他動物無法做到。

我認(rèn)為，僅依靠三維空間模型來完成所有任務(wù)是不可能的，必須同時具備語言模型和空間模型。如果我不做機器人，不與物理空間打交道，那么大語言模型就足夠了。我可以是多模態(tài)的，有視頻、圖像、聲音等，這些符號就足夠了。但如果我要與物理空間打交道，就需要結(jié)合大語言模型和空間模型。因為僅僅知道床在哪里、門在哪里是不夠的，還需要知道該做什么。

所以，我認(rèn)為語言模型和空間模型兩者都需要，才能更好地完成任務(wù)。在這一點上，我同意Geoffrey Hinton的觀點，兩者都不可或缺。

趙何娟：我覺得您現(xiàn)在的觀點和兩年前相比有了一點變化。您還記得我們兩年前的那次對話嗎？當(dāng)時您認(rèn)為涌現(xiàn)是存在的，當(dāng)神經(jīng)元復(fù)雜到一定程度、算力達(dá)到一定程度時，情感或意識會自然出現(xiàn)。這是一種涌現(xiàn)現(xiàn)象。

王維嘉：我現(xiàn)在仍然認(rèn)為涌現(xiàn)是有可能出現(xiàn)的，但至少在目前的 Transformer 結(jié)構(gòu)下，我認(rèn)為不可能出現(xiàn)涌現(xiàn)。

未來如果有新的結(jié)構(gòu)，我認(rèn)為出現(xiàn)涌現(xiàn)是有可能的。如果有新的涌現(xiàn)，更高級的智能甚至情感的出現(xiàn)也都有可能。但就目前的結(jié)構(gòu)而言，我看不到任何可能性。至于未來，我覺得這個問題的討論意義不大，因為未來100年什么都可能發(fā)生，誰也無法預(yù)知。

趙何娟：您有沒有關(guān)注到一些優(yōu)秀的 AI 人才的動態(tài)？

王維嘉：我覺得這次扎克伯格的事件非常值得關(guān)注。大家討論的焦點是兩億美金還是十億美金挖一個人，但我看到的是一個更深刻的問題。

過去我一直說，在高科技領(lǐng)域，一萬個臭皮匠也頂不了一個諸葛亮。具體來說，清華大學(xué)的錢穎一教授曾發(fā)表過一篇論文，比較了美國和中國的人才。如果將人才分布看作高斯曲線，中國人才的均值更高，但方差很小，分布非常窄，集中在均值附近；而美國人才的均值相對較低，但方差很大。

未來均值附近的人才會被AI替代，均值附近的數(shù)據(jù)訓(xùn)練最多。而高斯分布兩端的人，低端的不需要替代，高端的最難替代。未來最有用的人才是那些差異化最大的人。扎克伯格支付高薪的，正是那些在高斯分布五個標(biāo)準(zhǔn)差、十個標(biāo)準(zhǔn)差之外的極少數(shù)人，這些人做出的貢獻(xiàn)是機器無法替代的。比如調(diào)參數(shù)、打榜這類事情，完全可以用機器替代。將來，工程性的工作，如調(diào)整模型以提高效率等，會越來越多地被機器替代。

扎克伯格的這件事預(yù)示著未來人才分布的趨勢。他肯定算過賬，知道付兩億美金招一個人，將來會賺回更多的錢。他作為一個商人，才會這樣做。這是第一點。

第二點，最近有一家公司叫 Surge，它的業(yè)務(wù)是用數(shù)據(jù)訓(xùn)練大模型。這個創(chuàng)始人是一位華裔年輕人，畢業(yè)于 MIT，曾在 Meta 和谷歌工作過。他創(chuàng)業(yè)四年，從零做到十億美金收入，一分錢融資都不需要。

他說：“I hate VC game”，他不喜歡那種融資游戲。他是個很內(nèi)斂的人，只喜歡搞算法，不想去忽悠錢，也不做市場推廣，只想把產(chǎn)品做好。我覺得這是一個非常強烈的信號，可能會顛覆整個VC行業(yè)。因為現(xiàn)在AI能力非常強，如果一個人在大廠工作過五到十年，有一定積蓄，他不需要很多錢就可以創(chuàng)業(yè)。未來VC追著人投錢，但對方可能不要。這種模式可能會被顛覆。

AI的這兩件事非常值得關(guān)注，雖然只是兩個數(shù)據(jù)點，還不能畫出一條曲線，但我認(rèn)為這是非常重要的信號，未來VC的模式可能會消失。

趙何娟：還有嗎？

王維嘉：我比較看好那些 AI 原生的創(chuàng)業(yè)項目。比如我看過一家公司，他們的目標(biāo)是廢掉數(shù)據(jù)庫。數(shù)據(jù)庫本質(zhì)上是因為計算機太笨，才需要告訴它數(shù)據(jù)結(jié)構(gòu)是怎樣的，如何存儲和提取數(shù)據(jù)。如果 AI 足夠聰明，就不需要數(shù)據(jù)庫了。數(shù)據(jù)庫的概念是建立在機器很笨的基礎(chǔ)上的。當(dāng)機器變得聰明時，就不需要數(shù)據(jù)庫了。

我看好這些原生應(yīng)用，因為如果你去做 AI 賦能，你是做不過大公司的。大公司在原來的基礎(chǔ)上修修補補，你肯定競爭不過。所以創(chuàng)業(yè)一定要做原生的東西。

趙何娟：未來一到三年內(nèi)可能發(fā)生的最大變化，以及最值得關(guān)注的可能發(fā)生的變化是什么？這可以是一種預(yù)測，但也可以只是一種判斷。

王維嘉：我認(rèn)為，首先在應(yīng)用層面，可能會出現(xiàn)一些原生應(yīng)用。到目前為止，我們看到的原生應(yīng)用還比較少。至于什么是原生應(yīng)用，我們目前并不清楚。就像移動互聯(lián)網(wǎng)剛出現(xiàn)時，有人認(rèn)為它無非是在手機上多了一個搜索條，可以在手機上瀏覽網(wǎng)站。但實際上，移動互聯(lián)網(wǎng)真正的原生應(yīng)用是像滴滴打車、抖音視頻這樣的產(chǎn)品。目前，原生應(yīng)用尚未出現(xiàn)，但我認(rèn)為未來一兩年內(nèi)可能會出現(xiàn)。

第二點，我認(rèn)為 agent（智能代理）應(yīng)該會開始逐漸成熟。目前，agent 的能力在各方面都已具備，但很多環(huán)節(jié)還無法打通。就像早期的智能手機，各方面都受到限制。未來，誰能最先將這些環(huán)節(jié)打通，實現(xiàn)一個完整的 agent，哪怕是很簡單的功能，比如點外賣或在網(wǎng)上購物，我認(rèn)為這將具有巨大的經(jīng)濟價值和市場顛覆性，甚至可能改變很多現(xiàn)有的商業(yè)模式和就業(yè)結(jié)構(gòu)。

在技術(shù)層面，我認(rèn)為芯片的處理速度在未來可能不會再像過去那樣快速提升。過去兩年，芯片速度可能提升了100倍甚至1000倍，但未來這種增長速度可能會放緩。至于算法上是否會有創(chuàng)新，目前還很難說，完全無法確定。

趙何娟：因為時間關(guān)系，今天的對話就到這里。謝謝維嘉老師，非常精彩，期待下次繼續(xù)探討。

王維嘉：謝謝何娟，再見。

（作者｜郭虹妘，編輯｜陶天宇）