此时此刻，算力就是生产力，就是财富的象征。

手握算力的英伟达，俨然成了超级怪兽，正在3万亿美元市值之上一路狂飙。

但大洋对岸的这场狂欢，似乎与我们没啥关系。

这两年，美国商务部一而再出台芯片禁令，限制包括英伟达、AMD和英特尔在内的CPU与GPU的出口，尤其是针对中国市场。

每当看到这些新闻，不少人就义愤填膺，怒骂不止，又卡我们脖子！

但客观来说，东西是别人的。卖不卖、卖给谁，当然是别人说了算。

埋怨又能有啥用？

真正应该思考的是什么？

为什么别人不愿意卖给我们？为什么我们没有这些技术。

重点是后者。

根源问题是什么？

有一句话被我们奉为圣经：落后就要挨打。

这句话，是在百年国耻中，经由几代中国人的憋屈油然而生的。

那么，你想过没有，究竟是什么落后了，才会挨打？

1840年，大清的国门被西洋人用坚船利炮强行打开。朝廷觉得自己是输在武器上，所以开展了浩浩荡荡的洋务运动。

洋务运动的宗旨，所有人都耳熟能详：师夷长技以制夷。

很明显，从那个时候开始，大家的一致想法，是“技”落后了、武器落后了，所以挨打了。

怎么才能快速获得“技”，最简单的就是买。

买枪、买大炮、买军舰……大清国虽然积弱，财力还是足够的。

紧接着大家又开始思考：“技”是怎么来的？

万一别人不卖给我们了，怎么才能让威力巨大的热武器，源源不断的出现？

买工厂？汉阳兵工厂、轮船招商局（招商局集团前身）、江南造船厂等等厂子都办起来了。

但道理不还是一样么？工厂又是怎么来的？

1880年代，清廷给北洋军装备的那一批主力舰，确实是够强，亚洲第一、世界第九。

但几十年洋务运动搞下来，老百姓普遍还是骑着毛驴赶着牛，基本没出什么科技人才，不论是武器还是工厂里的机器，坏了自己都没法修。

怎么才能拥有科研人才、技术人才、核心设备等等一系列东西，从而真正提高工业水平？

不搞清楚这些问题，技术永远只能找外人买。

最后养成习惯，越学越跟不上。

可惜，对手不会再给你更多时间反省，外界科技的进步速度是很快的。

到1890年代，一度号称无敌的北洋战舰就基本落伍了。

所以甲午海战匆匆爆发时，北洋水师的规模虽然远超日本，但无论是总吨位、火炮、弹威力还是后勤保障各个方面，都已经全面落后对手。

再后来，大清亡了，革命的革命、起义的起义，中国陷入军阀混战，大家更加没时间去思考这些问题。

……

甚至直到最近几十年，在真正解决吃饱饭问题之前，我们依然没有深入去改变这些问题。

最典型的就是教育。

为了快点把物质条件搞上去，举国上下的眼睛，都盯在工科上——都不是理工科，只是理工科中的工科。

文科就更不必说了，这些年社会舆论从对文科生不重视，到现在甚至演变成了鄙视。

看下面这张图，工科和文科应届生的就业率，完全就是两个极端。

为什么会这样？因为在我们的潜意识里，认为没有必要给文科生提供更多的岗位，收益太低了。

为什么？工科才是最实际、可以直接投入生产的技术。

归根结底，还是在师夷长技以制夷，还是全身心瞄准在“技”上面。

我们似乎永远在这个圈子里打转。

实际上，宏观来看，产生技术的前提是有自成体系的理论，而理论又必须在浓郁的人文思考氛围中产生。

某种程度上而言，文科→理科→工科，就是爸爸、儿子、孙子的关系。

试问，你再牛逼，没有你爸爸能有你吗？没有你爷爷能有你爸爸吗？

只盯着孙子，固然能直接就使用最新的技术，几十年就能顶别人几百年的发展进程。

这不是废话吗，别人几百年的成果你拿来直接用，效率当然不可同日而语。

短时间看没什么，“拿来主义”的确是性价比最高的方式，很爽。

但时间长了，部分清醒的人都回过味儿来了，似乎不对劲。

我们得改！

但现实并不会随人的意志儿转移，原因与当年北洋水师面临的困境相似：

外界的进步速度是很快的。

那么今时今日，在面对未来的问题上，我们会不会、能不能有所改变？

无尽的循环

这两年，大模型横空出世，国内舆论直接就炸了。

在民族荣誉感极度爆棚的时候，我们突然感受到了什么叫做代差。

很多人争论的焦点，还是在芯片这回事上。

一张嘴就是，我们的AI之所以玩不转，是因为在芯片上被卡脖子了，别人不卖给我们！

现在XXX中国企业突破了多少多少纳米，国产替代指日可待！

……

如此种种，总给人一种错觉：

就好像如果能买到最先进的芯片、卡脖子问题解决了，国内大厂有了足够的算力，所有问题都能迎刃而解。

真的是这样吗？

真的不是这样！

芯片是什么？它依然是“技”，是理论的产物，是在有创新的人文氛围中自然而然、必然会产生的一种产品。

为什么，直到意识到被卡脖子了，才想着要去自研芯片？

这种感觉就像什么呢？

不论是一百多年前、还是过去几十年、甚至未来很长一段时间里，我们总是只想着抄答案，而不去关注产生答案的这个过程。

只要我们仍然困于这种逻辑错误中，就永远会在关键技术上被卡脖子。

如果走不出去，说实在的，就算现在解决了被卡脖子的芯片技术，我们真的能跟上AI时代的浪潮吗？

这不是灭自己志气、长别人威风，客观陈述下事实。

“有了足够多的算力，就能训练出最先进的AI，甚至还能实现反超。”

这种观点的搞笑程度，就相当于我烧足够多的柴，就能把飞船推上太空一样。

就是这么滑稽。

就算你烧柴的能源比火箭多一万倍又怎么样？全部都是无效功。

在GPT真正成功之前，国内没有任何一家团队有过做大模型的想法。

而OpenAI是2015年成立的，你能说大家没听说过这种方向吗？

肯定都是知道的，但如果不看到实际的利益，是没人愿意去做的。

于是你能看到，从无人无津倒突然爆火，在最基本的算力问题都没有解决的时候，市场上突然出现了“百模大战”的混沌场面。

要么不搞，要么扎堆去搞。

搞得好不好呢？

据不完全统计，截止2024年初，国内已有243家AI大模型。

其中，通用模型39个，行业类的金融模型25个，工业模型23个，科研17个，医学13个，教育13个。

印象中，每当某个大模型出来，该公司必拿GPT3.5或者4对标，宣称在某些方面“不落下风”，有的号称在参数更少的情况下性能相当，有的甚至宣称“全面领先”。

实际上体验过的都清楚，差距真的很大，离3.5都还有很大差距。

什么意思呢？

就是你永远是一个模仿的角色，而且模仿得很死板。

为什么会这样？

训练大模型，不仅需要算力、算法和数据这些能够用价值衡量的东西，还有一个关键点很多人都忽视了：以什么为指导。

AI大模型是模仿人脑的，可以把它看做是一个婴儿。

在各种物质条件都充足的情况下，你要怎么去教他，才能让他往正确的方向成长？

AI是强大的工具而不是人，你以普世价值去引导训练他，他才能健康而全面成长；若以XX主义、让他受到各种各样的限制，那你最后得到的，要么是个怪物、要么是个低能儿。

这可能是原因之一，只能说是可能。

最后会造成什么结果？自己的大模型能用、但用得不爽，我们还是得花钱去用别人的大模型。

要是别人不给中国IP用户使用怎么办？又是卡脖子。

然后，我们很可能再经历一次今天的轮回。

所以无论是宏观还是个人层面，在AI时代，在生产力大爆发的时代，在规模优势越来越不吃香的年代，在人口红利越来越稀薄的年代。

我们最需要突破的，是认知的问题。

只有认知的逻辑改进了，才有可能在未来更长的时间维度中，不再出现所谓的“卡脖子”问题。

尾声

以上所说的，不带有任何恶意。

我们讨论的是为什么会出现这种现象，而不是去评判对不对。

这是现实，我们需要正视差距。

当然，也没必要盲目悲观。

就像在移动互联网时代，底层技术一样是别人的，但中国市场依然涌现出微信、支付宝、抖音、TikTok等杀手级C端应用。

你可以质疑他们有抄袭之嫌，但没人能否定它们的成功。

回到现在，如果说AI目前还处于发芽的阶段，那么国内公司真正的机会，至少要等到开花结果阶段。

等国内大模型继续爬坡，我们绝对有理由相信，国内还会再次蹦出一堆C端爆款，再像如今的Tik Tok那样席卷全球。

AI的0-1要看America， 1-10则要看China。

西方市场更擅长创造工具，东方市场更擅长利用工具。

这不是讽刺，也不是吹谁贬谁。

只是比较难受的是，等再下一轮变革出现时：我们依然要等对方先0-1，然后再去尝试1-10。

每个国家、每个市场都有不同的经历和特长，我认为是可以客观看待的。（全文完）

主编精选，篇篇重磅，请点击订阅“邮件订阅”