摘要：我看到一个评论，印象深刻。来自于2022年度的新知答主Morris.Zhang，他是做电子工程、人工智能、数据科学和半导体的。

知乎创始人周源提出一个问题。

他说：回顾互联网发展，有哪些底层逻辑看似简单但将在未来持续奏效？

我看到一个评论，印象深刻。来自于2022年度的新知答主Morris.Zhang，他是做电子工程、人工智能、数据科学和半导体的。

他说了一个故事：

有个村子，那地方又穷又闭塞。村民们因为挨饿、打仗，变得特别自私，互相也不信任。

有天，三个和尚路过，饿得不行，跟村民们要吃的，但没人搭理；可三个和尚没放弃，他们在村子中间架起一口大锅，烧上水，扔几块石头进去，煮起汤来。

这下把村民们的好奇心勾起来了，都围过去问锅里煮的啥，和尚们笑着说：这汤可香了，要是你们能添点食材，就能一起享用了。

村民们一听，挺有意思，就都回家拿吃的去了，往锅里一扔，最后煮出一大锅香喷喷的汤。

这个故事让我想到互联网的开源、社区化、众包模式。

僧侣们并不是靠自己的力量煮出了汤，而是通过设计一个开放的规则，激发村民们的参与和贡献，这口大锅像是一个开放的平台，而石头则是启动过程的契机。

这让我觉得，不管是开源社区还是众包项目，成功的核心，是如何调动参与者的积极性，每个人都愿意为共同的目标贡献力量。

2024年，我称互联网之为镜像元年。

人们像发明镜子一样发明了AI，它开始模仿人，去学习如何表达、如何去思考，甚至替代工作，但随之也给社会、企业带来一系列结构性变化。

一千个人有一千个哈姆雷特，每个人都能说几句，什么样的答案具备参考性？人们不得而知，这些问题困惑着职场人、创业者。

知乎作为汇聚多元观点、激发思考的讨论社区，在AI这一前沿科技引发的诸多困惑与思考面前，它悄然承担起了探寻行业共识的价值和使命。

所以，1月9日正式推出2025「互联网十问」，试图找到这些答案，这是继2012年和2018年两次“互联网十问”之后，又一次开年力作。

今年比较有趣，邀请10位重量级嘉宾中，对AI的讨论几乎占据了半壁江山，我留意到，他们的讨论在AI面前，都给出了不同的解法。

你认识Julien Chaumond？不认识？和你介绍下：

他是Hugging Face的首席技术官。

Hugging Face是一家在人工智能和机器学习领域很有影响力的公司。他在知乎上提了个问题，引发中美AI领域专业人士的大讨论。

他说：“为何中国公司能在开源AI浪潮中脱颖而出？背后有哪些关键因素？”

当我们提出「为何」这个命题时，潜台词是，中国公司在开源AI领域已经被全世界所注意，这不仅是中国公司在技术上取得的进步，更是中国在全球AI竞争格局中地位提升的体现。

问题是，我们做对了什么呢？

很多东西不拆开看，略显得过于宏观。我认为，技术发展，背后肯定离不开政策的支持，因为政策像一把钥匙，提供一定的方向和动力。

2017年7月20日，中国国务院印发了《新一代人工智能发展规划》，这个规划明确了人工智能发展的总目标、重点任务以及实施路径。

为啥会有这个规划呢？有两个核心原因：

一，AI 技术突破，能推动中国从“制造大国”向“科技强国”转型，帮助中国在全球科技舞台上占据更重要的位置。

二，许多传统产业（如制造业、医疗、农业等）与人工智能结合后，能够实现智能化升级，大幅提升效率和创新能力同时，AI技术应用将为社会创造更多机会，提高新质生产力。

所以，国家抓住AI，就等于抓住了产业升级和经济转型的关键钥匙。那布局之后，最需要什么呢？肯定是人才储备、技术累积和数据支持，对不对？

我查了查资料：

2018年以来，中国新增了2000多个AI相关的本科专业，其中300多个设立在顶尖大学。2019年，全球AI专家数量从2018年的22064人增长到36524人，同比增长66%。到2020年，中国在人工智能领域的专利布局数量略微领先于美国和日本。

2021年，中国高校几乎培养了全球一半的顶尖人工智能人才。2022年，人工智能人才数量大幅增长，中国成为人工智能人才的主要产出国。到了2024年，中国人工智能人才总数已突破940万[1]。

中国在AI人才培养方面持续ALL-in，才有今天的成绩。

在技术层面，知乎上有一位名为“鹤啸九天”的答主，他有超过10年的互联网AI算法从业经验。他说的一段话我很认同。

要验证某个AI模型是否有话语权，Hugging Face的开源大语言模型排行榜，是一个相对权威且有共识性的参考，因为这个排行榜收录了全球上百个开源模型，测试维度也很广泛。

截止到2024年底，阿里的Qwen系列表现很突出。比如Qwen2-72B超越了Meta的Llama-3等产品；零一万物的Yi-1.5-34B-Chat、Smaug-72B等也在排行榜中[3]。

毫无悬念，中国的开源慢慢从陪跑着变成了领导者，为什么能跑得这么快？主要有两个原因：

ChatGPT至今没有对中国地区开放访问，加上硬件上的封锁，这些客观因素并没有阻挡中国13亿人对AI大模型的需求。

最直接表现是，很多互联网公司纷纷下场做AI大模型产品。像阿里云、百度、字节跳动这些本身就有AI基础和硬件积累的公司，这种需求自然催生了许多AI新公司。

开源、做大模型，注定是一条难走的路，但中国科技公司抱团迎难而上，啃下了这块硬骨头。

像最近刚崛起的deepseek，就是在硬件库存很少的情况下，凭着理想主义做成的。

中国为什么能成功？哪些因素起了决定性作用？毫无疑问，每一部分都值得肯定，简直在时间推动下，靠大力出奇迹。

大力出奇迹一定是好事吗？未必。

不考虑商业价值和社会价值肯定不行。阿里云智能集团的资深副总裁刘伟光提出了一个值得深思的问题：

大模型的价值到底是被低估了，还是被高估了？

我觉得，无论开发小型模型、预训练、搭建基础设施，还是设计智能代理，每种方法都有局限性。我们可以参考一些国内外知名机构的研究成果。

比如：

Gartner在2024年上半年发布了一份报告，叫《2024年人工智能技术成熟度曲线》，这份报告里提到了一个概念，叫“技术成熟度曲线”[2]。

简单来说，一项技术从概念诞生到最终在市场上广泛应用，都会经历几个阶段。Gartner把阶段分成了五个周期：

创新触发期、期望膨胀期、幻灭低谷期、启蒙斜坡期、生产力高原期

每个阶段时间长短不一，短的两年，长的可能5到10年。

如果把大模型发展套进这个曲线，2020年左右GPT-3出现，大模型算进入了“创新触发期”。到2022年底，ChatGPT火了，大模型迅速进入“期望膨胀期”，大家都觉得它能改变世界。

那么，接下来大模型会不会像很多技术一样，进入“幻灭低谷期”呢？我觉得，从现在情况来看，大模型可能会经历一段下坡路。

为什么呢？

一方面，ChatGPT已经出来两年多了，到现在还没有第二个能和它媲美的商业化爆款。

而且，训练大模型的成本非常高，小的创业公司已经开始退出，基座服务商也在向头部企业集中，甚至AI领域的“六小虎”都开始内卷。

另一方面，Scaling law（规模定律）也逐渐出现，头部模型供应商开始压缩训练成本，推出更小的模型来适应市场；这难道不是技术成熟度曲线下坡的前兆吗？

值得一提的是，大模型现在阶段，并不是所有公司都能玩得起的，全靠资本「为爱发电」，不符合商业逻辑。所以，到2025年，可能会出现两种发展路线：

一，不管是面向消费者（C端）还是平台侧，会有几个超级应用崭露头角。

二，基于注意力机制和Transformer架构，各种各样的小模型出现，深入到具体业务场景中去。因此，大模型的商业价值增长在逐渐放缓。

还有一点也挺重要，大家总把大模型当成AGI了，这是错误的认识。在知乎的“互联网十问”中，微软中国首席技术官韦青提出了一个问题：

我们距离实现真正的通用型人工智能还有几步？哪些方面需要进一步突破呢？下面有一个复杂的回答，很有远见。

我把它简化成一个故事：

在智慧谷办公室里，挂着一块横幅，上面写着「三步之遥」。这三步，代表实现AGI的关键。

第一步，研究者要了解人类大脑的奥秘。他们不停地探索神经元如何连接、传递信号。他们发现，大脑结构要比想象中复杂得多，每个突触（synapse）都构成了思考的基础。

怎么办？实现AGI第二步，不得不先构建一个认知架构。

什么是认知架构？你可以幻想成，一个大脑像积木，每一块积木都代表一个功能模块，比如感知、记忆、推理、情感，甚至是思考方式。

这些积木像一个个小模型，拼到一起才能形成完整的系统。然而，不巧的是，现在只有长短期记忆模型（long-short term memory）。

怎么办？只能一步一步克服难题。

所以，真正到达第三步时会发现，一个AI有了自我意识，有了情感、有了思维模型，它站在一个人面前，学会如何表达爱、喜悦、和悲伤。但这何其难？

因为情感和意识是人类最为复杂和微妙的心理现象。

不过，研究者没有被困难吓倒，他们坚信，未来有一天终究会实现这一切，当它实现后，所谓的AGI才会出现在人类面前。

因此，AGI是什么？

谷歌DeepMind在论文《Levels of AGI》里对AGI做了详细划分，到第五层，它能实现超智人，配备感知模块、世界模块、情感模块等，具备超越人类的智能水平，才能和人类一起探索未来的世界。

目前看来，对照此类情况，只能说，革命尚未成功，同志们仍需努力。

既然「智慧谷」的研究者们都在为实现AGI不懈奋斗，我们也应该想想：在AI浪潮下，企业要怎么做准备，才能在变革中迎接挑战呢？

这里有三点可以参考：

一，拥抱加学习；大模型是AGI的一个缩影，现在，它已经进入了教育、医疗、金融等行业，甚至到了每个人的身边。这些东西可能一时看不懂，但一定要保持学习力。

最起码，要想想怎么把它用到自己公司或者部门里。

二，边缘替代；很多公司总想干票大的，上来喜欢做颠覆，不要这样。通过API或其他非核心部门试水，逐步探索大模型的适用场景，是稳健有效的方法。

比如：先在客户服务部门引入AI聊天机器人，处理日常问题，或者在数据分析部门，用AI工具进行初步的数据整理和分析，这样，在风险可控的情况下，慢慢积累经验。

三，开放合作，时刻关注行业动态。

不管是做技术，还是具体业务，AI发展不是孤立存在的；积极与技术提供商、研究机构、行业伙伴合作，能加速技术的落地应用。

前不久，我看到一个数据，截至2024年6月30日，知乎已积累560万篇AI相关内容、87万个问题，近169万名创作者参与讨论，其中包括45192名蓝标认证的专业作者。

而且，知乎上还有AI顶流创业者们、行业专家在这里分享见解；比如：前亚马逊首席科学家、Boson AI联合创始人李沐，零一万物CEO、创新工场董事长李开复，DeepLearning.AI创始人吴恩达，面壁智能创始人刘知远等等。

所以，想看更多深入的讨论，上知乎是最佳选择。

每一次互联网潮水流动，都酝酿着经济、科技以及消费等各行业新的未来。深处这个时代，变革的人该怎么办？

知乎总能引领我们激发讨论、拓展视野；希望你，上知乎，找到2025年AI的关键答案。

祝福。

[1].2024年中国AI人力资源行业研究报告

[2].Gartner《2024年人工智能技术成熟度曲线》报告

[3].榜单：https://huggingface.co/spaces/open-llm-leaderboard/open_llm_leaderboard

来源：王智远