中国工程院院士、阿里云创始人王坚。
作为中国工程院院士，云计算技术专家、阿里云创始人王坚早年曾专攻心理学专业并从事相关大学教育，后来才转至互联网领域。2008年，他加入阿里巴巴主导开展云计算项目，彼时这一概念在国内尚不清晰。经过数年耕耘，随着云计算系统“飞天”的诞生，王坚也成为科技圈无数人的偶像。
去年是王坚首次当选全国政协委员，今年是他履职的第二年。他和南都记者围绕人工智能(AI)、云计算等展开了一场深入的对话。他表示，当前国产大模型和GPT-4及其下一代技术的差距仍然很大，建议通过开源方式，依靠技术社区的力量找到发展路径，由市场来检验其水平。此外，Sora模型问世的意义极大，远不只会对短视频、影视等行业带来冲击，它解决了非常复杂的一件事——视觉问题，甚至直言“如果能创造视频，它也就能创造世界。”
谈商业化之路
当前大模型的市场价值大于商业价值
南都:2024年被认为是AI大模型应用的浪潮年。在大模型产品的商业化或市场化方面，有哪些思考可以分享?
王坚:在我看来，商业化和市场化不完全是一个意思。商业化是要一手交钱一手交货的，而市场化的重点在于要产生市场价值。
以搜索这一服务项目为例，它的用户量巨大，可以算作已经“市场化”了。不过，从来没有人为使用搜索服务付钱，而是为搜索页面上的广告付费。所以从这个角度讲，搜索本身并没有实现商业化，但是它完成了市场化，有人便进而想出加广告的模式对其进行商业化。我认为，市场化是商业化的基础，商业化是市场价值的重要体现。
南都:那你认为目前大模型的商业化之路进展如何?
王坚:当今全球范围里，所谓的大模型商业化还是在探索过程中。不过，目前事实已经证明，它有用户基础，也就是可以“市场化”的，那就有可能产生商业价值——这一点其实很重要，一个产品如果没有用户基础，就算实现商业化了，也是小本生意。对于一场技术革命来说，它不可能以小本生意为目标，肯定能产生更广泛的影响。整体来讲，我认为当前的大模型还处于市场价值大于商业价值的阶段。
南都:这个发展的过程你觉得会慢还是快?
王坚:那就得看你技术力量有多强、算力支撑有多大、投资有多少了，这些要素缺一不可，甚至没有办法讲其中哪个因素是核心的。当你缺哪个要素的时候，哪个要素就是最重要的。现在国内200多个大模型我觉得没有问题，大家都在一点点往上爬完成必不可少的技术积累，但肯定不是最后200个都能爬上来了，大部分中间被淘汰掉了，但总之该活的一定会活下来的。
短期来看，我认为现在整个发展过程还和市场没有直接的关系，因为这个领域的天花板还远远没有碰到。大家现在已经在讲万亿参数的模型了，行业都觉得很兴奋，你可以想想从一个模型的参数从数10亿到万亿的差别。
因此，这个赛道在国内外都还远没有到需要收敛的程度，OpenAI那么出名，但还会有它的挑战者出现，大家仍然在做不同的有创造性的探索。
谈AI竞争
AI领域并非只剩下中美两个头号玩家
南都:你刚才也提到，我国10亿参数规模以上的大模型已超过200个，怎么看待这场“百模大战”?
王坚:10亿参数其实不是一个大数字，目前我们主要讲的都是百亿级的。不过大小也都是相对的，就像刚改革开放时“万元户”意味着富裕，现在肯定不算了。这种参数规模和事物的发展周期有关系。
再说到200多个的数量，我觉得这不算多，为什么——你不可能一夜暴富，凭空就做出500亿参数的大模型吧?人的钱是要一分一分挣的，要把一个大模型建好，也是要一点一点积累经验的。
可能有观点认为，国产大模型的水平已经接近GPT-4或者差一点点，但其实肯定不是差一点点，是差很多的。我想更好的办法是由市场来证明大模型的能力，比如把模型开源出去，放到国际上去，让市场去检验产品。
南都:当下全球AI竞争不断升温，你认为在技术迭代或人才储备等方面，中美两个“头号”玩家存在哪些差距?
王坚:现在美国还是有很明显的大模型玩家的，而在中国并不明显。所以最大的变量是我们这200个10亿参数的大模型，什么时候能变成20个2000亿的模型。在这个过程中，底层技术的演进迭代、资金投入都是非常重要的事。从宏观来看，国家地区之间的竞争其实是综合科技实力的竞争，而非单项技术的竞争。至于“综合”到什么程度?比如算力、AI、工程能力、理论研究等等，都会有所涉及。像谷歌的Gemini模型，官方发布了一篇白皮书，里面有名有姓分工署名的人就有接近800人，所以这种综合因素的影响其实是很复杂的。
另外，我想补充的是，很多观点都在说“现在人工智能全球只剩下中美两个玩家”了，但事实上ChatGPT出来之后大约一年，欧洲又有一家名叫Mistral AI的初创公司异军突起，其大模型技术也很突出。因此，全国只剩中美两个“头号玩家”的观点其实不是那么准确。
谈Sora模型
Sora意义非凡，只谈对短视频行业影响是羞辱它
南都:上个月OpenAI又发布了视频合成模型Sora，有观点认为它可能会引发短视频、广告、游戏等行业格局的重塑。你怎么看?
王坚:如果谈到Sora，只说它可能会影响短视频等行业，那我觉得是对它极大的羞辱，它的意义远超这种事情。就像是原子弹刚刚爆炸时一样，没有人能想到这个东西后来可以作为核电站来发电，可以实现小型化，还有很多别的用处。如果只是把原子能技术当作原子弹用，那就是大大低估了这个技术的重要性。
值得关注的是，Sora事实在解决世界上最复杂的一件事——真实世界的视觉问题，视频是它的表现手段。它真正的意义在于靠技术已经能够生成像这个自然界一样复杂、有细节的视频或者图像。如果能创造视频，它也就能创造世界。
南都:那这种超强的伪造能力会不会引发大家对于虚假信息的一些担忧?
王坚:其实“伪造”这个词不对。什么叫伪造?你拿了一个假的东西告诉别人这是真的，这就叫伪造，而通过技术生成一段逼真的视频，如果符合真实世界的规律，它就不是伪造。我们也不说技术是不是中立的，只是说技术有了这样一种能力，只有用这种技术能力去行骗，才是真正的造假。
而现在我们面临的主要问题是，技术到了这个程度，却不知道拿它来干什么。
谈云计算
GPU大规模使用，云计算提供的算力会有百万倍增长
南都:在高算力需求的大模型时代，怎么看待云计算?
王坚:我们在AI时代常说使用几万张显卡训练一个大模型，当有这么大规模的时候，其实就是云计算，只不过是看你这个云计算是想做一个有体系的、可以真正提供大规模服务的，还是自己搞搞。就在月初，美国商务部也表示不允许中国的企业用美国的云服务做大模型训练，种种情况都说明云计算服务在AI时代，或者说大模型在AI时代就是非常重要的。
南都:那么云计算是否有望解决当前的算力困境?
王坚:这其实是个很复杂的事情。GPT-3时期的时候OpenAI公布说，大概用了1万块英伟达A100(一种AI芯片)进行训练。但像亚马逊这样的云服务运营商，除了A100还用了H800的卡，总共大概有3000E(1E约等于1000PFlops-day)的算力。在过去的三个月里，按照官方的预测，每个季度会增加1000E的算力。与我们现有的算力对比一下，GPU的大规模使用，让云计算提供的算力会有百万倍的增长。到了GPT-4，就已经不公开其所需的算力了。不过，行业里大家都会有一个共识，就是只要做到这个规模就能猜出个大概。比如通义千问开源的是720亿参数的模型，那大家就都能猜到这背后有多少算力在支撑。
采写:南都记者 杨博雯 樊文扬 刘嫚 受访者供图
