賽格特約作者 余紹清

史前智人經歷的最大一次低谷，很可能發生在7萬年前的某個時期。彼時，智人行將走出非洲，人口數量一度下滑到了數百人。但在穿越紅海抵達亞洲大陸后，我們的祖先進入了完全不同于熱帶非洲的廣闊天地，少數幾位女性的后代們，用了6萬年時間，覆蓋了藍色星球的絕大部分區域。

在最低谷的時期，成功熬下去，便可以登上后續的高峰。與其說這是人類社會數萬年來的內置定律，不如說是根植于智人群體的一種心理暗示。在往后的人類發展歷程中，偉大事業的開創者，無一不是成功熬過低谷期的長期主義者。

今天，自18世紀以降陸續出現的交通與通信革命，使得人類社會的演進速率在持續提升，如果我們把人類社會的運行看成一條曲線，那么就是說波峰與波谷之間的距離變得越來越近。

但可以確定的是，從2008年至今，再加上未來的5年、10年甚至更久，因為技術停滯不前而帶來的全球經濟萎靡、政治分裂、家庭收入減少乃至社會個體的普遍失落與集體瘋狂，將成為定局。沒錯，當下處在低谷期的不僅有國家，還有城市、企業、家庭和個體，所有人都在“熬”。

但縱觀各方，國家層面，不管大小，都在泛化“安全”概念，城市、家庭和大多數中小企業，都在收縮自己的資產負債表，個體則傾向于選擇躺平、低欲望，只有大型科技企業持有激進的高風險偏好。客觀上，科技巨頭們承擔著破局的社會期待，而這，也是去年OpenAI發布ChatGPT之后，能帶來如此大規模沖擊的原因所在。

身處大變局前夜，AI大模型激活了全球各地的科技巨頭，除了中美，還有印度、歐洲和以色列，都有機構在集中發力。在中國，從3月份百度搶先發布“文心一言”，到9月7日騰訊亮相“混元”大模型，至此所有重量級玩家已全部入局。馬化騰說，這是數百年一遇的像發明電一樣的工業革命機遇，恰好表達了業內人士的心聲。

所有人都在等待大變局的到來，所有人都不清楚變革的精確時間，但幾乎所有人都認為，AI大模型是推動我們走出本輪低谷的關鍵角色。

AI大模型為何被視為救命稻草

假如把1946年“埃尼阿克（ENIAC）”的出現作為AI革命的起點，在過去四分之三的世紀里，AI已經經歷了多輪起伏。

最近一次失望發生在“阿爾法狗（AlphaGo）”發布之后，人們發現擊敗人類圍棋高手的AI，并沒有如期帶來生產生活上的沖擊波。而在上世紀80年代，研究經濟增長的經濟學家羅伯特·索洛(Robert Solow)發現，在個人電腦和互聯網開始勃興之際，雖然企業加大了IT方面的投入，但投資回報率(ROI)卻并沒有明顯得到增加。

一位名叫查斯曼(Strassman)的分析師，通過調查了292個企業印證了上述判斷，很多企業上了很多IT系統，但似乎并沒有什么用。為此，學術界將這種現象稱為“生產率悖論”(productivity paradox)，也稱“索洛悖論”。

類似的疑問在過去十多年里的中國同樣存在：沒有切實的證據表明，近年來的產業數字化有效提升了全要素生產率。例如，從下圖可看到，盡管2011年以來AI在制造業中的應用持續增加，但制造業的增速和全要素生產率卻表現出波動下降的態勢。尤其是2013年以后，AI的使用迅猛增長，但是制造業全要素生產率卻從2011年的1.11下降到2020年的0.99。

不過，AI大模型的出現極可能將打破“索洛悖論”，這正是中美涌現“百模大戰”的真正原因。

對企業經營者而言，大模型第一次提供了便捷可用的“降本增效”產品，對金融公司來說，大模型提供的數據分析水平趕上了大學畢業2年的員工，時間和金錢成本比都可能是1比100；對于教育界來說，AI大模型可以進一步更精準地判別需求，定制化地提供服務，幫助用戶提高學習的效率，預計全球AI教育市場很快達到60億美元，并在獲得市場認可后迅速擴張成千億美元市場。

服務業如此，制造業亦然。制造業領域過去推行數字化，用一個不恰當的比喻，有點像“馬拉火車”，部分環節的數字化非但不能提升生產率，反而加重企業負擔，導致發展質量下滑。但AI大模型出現后，隨著訓練水平的持續提升，大到生產、銷售，小到會議紀要、運營策劃，所有環節都可以被數字化，并且交由大模型進行計算。高盛的一份報告就認為，在AI大模型發展的十年內，預計每年可以將生產力提高超1.5%。

數據是石油，很早就有人喊出這句話。但要數據真正變成石油，必須首先依賴全域各環節的數字化才可能實現，其次也是更重要的，只有通過從海量數據中深度挖掘信息并將其轉化為知識資本，才能夠有效實現生產要素的功能倍增，由此帶來制造業全要素生產率的提升。

AI大模型之所以被賦予厚望，甚至被視為走出當下經濟與社會低谷的救命稻草，正是因為她已經初步展現了把數據變成石油的能力。

從應用到應用：本輪AI躍進的內核

從二戰末期“原子彈”的爆炸，到科學家范內瓦·布什的報告《科學：無盡的前沿》被時任美國總統杜魯門所接受，基礎科研及純理論科學家的地位獲得快速提升。在中國，從事“兩彈一星”的科學家名字也被廣為傳頌，院士、研究員、教授等高校科研院所的科學家們，也比企業研發人員獲得更為普遍的尊重。

但在全球AI大模型的競賽里，高校和科研院所卻相對邊緣，真正的主角全部集中在科技企業。之所以會出現這樣的格局，是因為AI大模型能否獲得持續突破，并不是一個或多個理論問題，而在于能否快速形成“從應用到應用”的技術-商業正循環。

之所以會打破“基礎科研-技術創新-商業轉化”這樣的路徑，原因就在于AI大模型突破了原有的強弱人工智能邊界，過去人類智能時代所遵循的路徑，在人工智能面前必須做出改變。當然，更重要的是，無論是訓練大模型資金的持續投入，還是大模型對語料的高要求，都迫使整個AI大模型的發展向著落地應用走。

例如，在GPT-3階段，一次訓練費用就需要至少140萬美元，僅僅在今年1月，大模型每天的電費就要5萬美元；在國內，千億參數級別的大模型對GPU的需求至少在10億美元以上。除了科技巨頭，高校、科研院所幾乎不可能有能力進行這么高昂的投入，更何況是持續投入。

對科技巨頭來說，這樣的投入也是不可持續的，所以企業必須盡快找到應用場景，找到愿意埋單的消費者——無論B端還是C端。

所以，為什么騰訊早在6月便率先發布行業大模型，其目的就在于通過展示自身在眾多行業的應用成果，來找到更多的消費者。9月7日的數字生態大會上，騰訊的一眾高管也同樣強調“騰訊各個產品都接入了混元大模型”這一核心信息，其目的在于突出自身應用場景豐富的比較優勢。

不僅僅是騰訊，Meta推出Llama 2開源模型后就與各家云廠商打通，為的就是盡快獲得更多更豐富的應用場景。對應用場景的急切追求，并不代表對大模型訓練優化的忽視，相反，這本身就是一體兩面的存在。只有擴大應用場景，才能更好地優化大模型，在應用中提升服務水準。

客觀上，AI大模型將沖擊越來越多的科研工作者，近年來城池盡失的“分子生物學”只是一個信號，未來會有越來越多的學科將受到AI大模型的挑戰。這背后，不僅僅是科學家何去何從的挑戰，更是科研范式如何變革的問題。當然，這是另一個問題，不作延伸。

堅定的長期主義者，才可能穿越周期

從社會情緒上來看，悲觀是當前全球的主色調。局部戰爭與地緣沖突還在持續，通脹高企與貧富兩極化看不到被遏制的跡象，就連AI大模型獲得突破本身，也很快引發了倫理層面的爭議，不安全感籠罩在眾人的頭頂。

在中國，泛安全的隱憂同樣彌漫在社會的各個角落。在承受了多年制裁高壓后，公眾以“輕舟已過萬重山”的詩句進行提前式的自我安慰，同時以“遙遙領先”這樣略帶調侃的戲謔，試圖呼出積壓在體內的一口悶氣。

但在北緯三四十度的土地上，凌晨三點只能看到星斗若干，距離東方魚肚白還需要忍受一陣接著一陣的孤寂與寒意。

對于微觀意義上的家庭與個人，也許可以在經緯大地上輾轉騰挪，選擇別處的自由與光明；但對于宏觀意義上的民族-國家、科技巨頭，必須選擇直面黑夜，穿越低谷，以迎接黎明，抵達高峰。

某種程度上，AI大模型的角逐就像人類社會演化的隱喻，只有堅定的長期主義者，才能穿越技術-經濟的發展周期。在穿越時，不到最后，沒有人知道誰是真正的長期主義者。因為真正的長期主義者，僅僅憑借足夠的理性是不夠的，還需要一點信仰，一點被迫和一點運氣。

（原文首發于財新網，部分內容有改動）