有关最近AI热的一些想法

国外现在能看到的AI应用基本都是to C，而且基本都是AIGC，更注重「生成」「创造性」结果，不（重点）追求「准确性」、「正确性」、「可靠性」、「可重复性」、「可解释性」，也没有真正落地有产出的杀手级应用，浪费手里大把的算力在陪人聊天、写作文 / 代码、画图、生成视频上。而华为盘古很明显一开始的规划就是to B / G的，利用有限的算力通过专业知识库训练，切实解决各个垂直细分行业的痛点问题，追求「准确」、「正确」且「高效」，比如应用在中长期气象预测的气象大模型（https://www.huaweicloud.com/news/2023/20230706011424580.html），应用在C919大飞机设计验证阶段的流体风洞模拟大模型。这些才是AI（或者说算力）应该深耕、造福、甚至最后替代人类，最让人类害怕的地方。而AIGC只是盘古里面的一个拼图，而且还（可能）是最不重要的那一块……

总结来说就是盘古是to B / G的，务实，但普通老百姓感知少、话题少，因为行业性、专业性太强，受众太窄；其它AI（基本）都是to C的，娱乐向，更容易引起话题（圈钱）。因此我个人认为在战略层面华为已经赢了，至少方向是对的，接下来就看怎么攒更多的算力、专业训练数据和行业专家经验，做各个垂直细分领域的专家模型的迭代，落地更多的应用场景 / 行业，最后一飞冲天了

大方向对了，遥遥领先只是时间问题

补一（2024.3.28）：现阶段在我看来（略极端）：

1）任何对结果的局部不能进行微调的AI都是玩具。这点本质是生成结果的不可重复，即相同的提示词每次生成的结果是不一样的。如果是激发灵感的创造性场景，这是个好事，比如「再给我讲个笑话」。但在需要对结果局部进行微调的场景，这是不可接受的（想想给甲方爸爸出第N版设计稿的设计师们）。比如给出以下连续的提示词：“画一幅人物肖像，男性少年，亚洲人，卡通风格” -> “把发型改成三七分，其余画面不变” -> “把头发分界线往左偏一点，其余画面不变” -> “下巴微抬一点，其余画面不变”，我不觉得现有（以及中短期以后）的AI能够完成。更不用说要微调一个生成视频里的某一小段画面，修改后还能融入原视频了；

2）任何不能确保结果正确性的代码生成AI，都是玩具。试想，你让AI写一段强逻辑性的代码，比如快速排序算法，结果发现代码有bug，包括但不限于：a）结果错，b）参数边界未检查，极端边界下出错，c）时间 / 空间性能未达需求，d）后续无法扩展（比如未范型化）。此时你大概有三个选择：a）（由于前述1），AI（目前可能）无法微调自己写的代码）让AI重写，但由于前车之鉴，你会review一遍生成结果，还可能会自己补上完整的测试代码；b）通读生成的代码，但过程中没有人给你解释实现思路与内在逻辑（最低效的单向code review），人工debug，修复代码；c）自己重写；哦，可能还有更糟的，d）完全没有发现bug，代码直接上线。这四个选项哪个谈得上解放生产力？或者再极端一点，AI生成的代码有数百上千行，而且是一个复杂的业务逻辑？

补二（2024.3.28，感谢三哥抛砖引玉）：现在的算力之争，底层逻辑其实是能源之争。如果不久的将来全球算力需求全面爆发，现在的传统能源刨去保障全人类日常生活需要的基本电量，剩下的恐怕根本不够用。那咱们的第四代可控核聚变，未来一旦商业化，将是另一个国之重器，而且是大杀器。各国手里的算力和背后的能源都是有限的，把有限的算力到底是投在好玩的toC还是真正有用toB / G上，是此消彼长的。只能说目前来看，咱们向toB / G倾斜算力，战略上是更务实的，也是能走得更远的