本文來自微信公眾號：深水研究，作者：陳白，題圖來自：AI生成

AI教父杰弗里·辛頓可能是這個(gè)時(shí)代對AI最悲觀的人。

2024年的諾貝爾物理學(xué)獎頒給了他，以表彰他在神經(jīng)網(wǎng)絡(luò)領(lǐng)域的開創(chuàng)性成就。但“AI威脅人類”一直都是辛頓的主要論調(diào)。除此之外，他對當(dāng)前主流大模型的經(jīng)典評價(jià)是，“一輛銹跡斑斑到處都是問題的車，只是進(jìn)行了一次噴漆。”

眾所周知，目前主流大模型都采用了基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）來進(jìn)行預(yù)訓(xùn)練微調(diào)，而辛頓的評價(jià)原話是“ChatGPT的RLHF就是垃圾。”

王欣是杰弗里·辛頓的碩士研究生。在辛頓執(zhí)教多倫多大學(xué)期間，他見證了辛頓在整個(gè)學(xué)術(shù)圈最邊緣的時(shí)光。

作為辛頓的關(guān)門弟子，在王欣想要繼續(xù)跟隨辛頓讀博士的時(shí)候，辛頓勸他輟學(xué)，不要再讀了。原因是，這個(gè)專業(yè)根本找不到工作。他的師兄師姐們的求職之路都不順利。

在很長一段時(shí)間里，辛頓選擇的神經(jīng)網(wǎng)絡(luò)研究方向就一直不被學(xué)術(shù)界看好，認(rèn)為是沒有未來、注定失敗的一條路。

在硅谷，這個(gè)專業(yè)在2000年前后基本沒有任何應(yīng)用場景——沒有人認(rèn)為神經(jīng)網(wǎng)絡(luò)的方向是對的。彼時(shí)，人工智能研究最流行的，還是窮舉法。

很長一段時(shí)間里，多倫多大學(xué)計(jì)算機(jī)科學(xué)系官網(wǎng)上辛頓的個(gè)人頁面都極為簡陋。只有黃褐色背景上的一行行文字與超鏈接。其中還有他的聲明：

不再招收學(xué)生、博士后或訪問學(xué)者。

于是，王欣成為了他第一批華人弟子，也是最后一批關(guān)門弟子。

因?yàn)樾令D的不斷苦口婆心的勸說，他沒有再繼續(xù)攻讀辛頓的博士，而是選擇回到國內(nèi)大廠阿里巴巴，后來還參與了滴滴出行的創(chuàng)業(yè)，是滴滴出行的創(chuàng)始團(tuán)隊(duì)成員。

在中國的互聯(lián)網(wǎng)大廠擔(dān)任高管多年，王欣看起來比辛頓還是要樂觀一些，在他看來，這一輪AI的商業(yè)化應(yīng)用還是有巨大的機(jī)會。

今天，生成式人工智能驗(yàn)證了杰弗里·辛頓多年的技術(shù)路線。但辛頓依然被認(rèn)為是AI的“末日先知”，對AI與人類未來持懷疑態(tài)度，和他的另一位學(xué)生、OpenAI的前首席科學(xué)家Ilya Sutskever一樣，辛頓一直主張AI應(yīng)當(dāng)要對齊人類。

和他的導(dǎo)師類似，王欣對于當(dāng)前的人工智能浪潮，也持有保留看法，但他更關(guān)注應(yīng)用側(cè)的變化，“大模型目前看依然只是工具，工具和基礎(chǔ)設(shè)施，是完全不同的估值邏輯。”

Meta 的CTO安德魯·博思沃茲的想法和王欣類似。對于AI最被看好的應(yīng)用場景機(jī)器人，他的說法是，“千億數(shù)據(jù)都無法堆出‘抓杯直覺’。”

現(xiàn)有的人工智能路線，真的是錯(cuò)的嗎？

大模型只有智能，沒有智慧

DeepResearch：你怎么看待這一輪AI革命？

王欣：我對于當(dāng)前的技術(shù)本身依然持悲觀態(tài)度。因?yàn)楫?dāng)前的所有大模型，本質(zhì)上還是統(tǒng)計(jì)模型，無法產(chǎn)生真正的智慧或新知識。

統(tǒng)計(jì)模型的本質(zhì)是通過數(shù)據(jù)歸納規(guī)律，但這種歸納只是對已有信息的總結(jié)，而非創(chuàng)造新知識。人類歷史上所有推動社會進(jìn)步的新知識，都是突發(fā)性的、非量變積累的結(jié)果。比如禪宗所說的“頓悟”，是一種超越線性邏輯的創(chuàng)造性突破。

而大模型的訓(xùn)練過程是純粹的量變，通過窮舉數(shù)據(jù)尋找規(guī)律，這種模式無法引發(fā)質(zhì)變，也無法突破現(xiàn)有知識的邊界。

DeepResearch：楊立昆最近批評了辛頓的悲觀。你怎么看？

王欣：辛頓早期研究神經(jīng)網(wǎng)絡(luò)時(shí)，正是試圖模仿生物大腦的歸納能力。他提出，人類大腦并非通過窮舉法處理信息，而是通過神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)實(shí)現(xiàn)知識的抽象與歸納。

這種路線在2000年前后并不被主流認(rèn)可，甚至被視為“不切實(shí)際的夢想”。

但后來AlphaGo的突破證明了這一點(diǎn)——傳統(tǒng)窮舉法在復(fù)雜問題（如圍棋）面前完全失效，而神經(jīng)網(wǎng)絡(luò)的歸納能力成為關(guān)鍵。

然而，即便如此，大模型的能力依然局限于“歸納”而非“創(chuàng)造”，它無法像人類一樣產(chǎn)生真正意義上的智慧。

從技術(shù)路線來看，神經(jīng)網(wǎng)絡(luò)的突破依賴于生物學(xué)啟發(fā)，而非純粹的數(shù)學(xué)優(yōu)化。辛頓的研究證明，人類大腦的神經(jīng)網(wǎng)絡(luò)并非簡單的“輸入-輸出”模型，而是通過層級化的特征提取和抽象能力實(shí)現(xiàn)認(rèn)知。

比如視覺感知需要從像素到邊緣、形狀、物體的逐級抽象，這一過程與當(dāng)前的卷積神經(jīng)網(wǎng)絡(luò)相似。但是人類的抽象能力遠(yuǎn)超機(jī)器，我們不僅能識別物體，還能賦予其意義。

所以我說，大模型的“智能”是統(tǒng)計(jì)學(xué)意義上的歸納，而非人類智慧的創(chuàng)造。它的價(jià)值在于提升效率和輔助決策，但無法替代人類在復(fù)雜領(lǐng)域的核心作用。

所以未來的技術(shù)發(fā)展，還需要突破“統(tǒng)計(jì)歸納”的框架，探索更接近生物大腦的“智慧生成”機(jī)制，而這可能需要跨學(xué)科的協(xié)同創(chuàng)新。

從現(xiàn)階段來看，我們對人腦的理解都太少太少了，而AI要復(fù)制人腦，還有更遠(yuǎn)的距離。這一點(diǎn)我是支持楊立昆的看法的。

AI Agent很關(guān)鍵，但現(xiàn)有AI公司估值存在泡沫

DeepResearch：2023年底時(shí)我采訪凱文·凱利，他說當(dāng)時(shí)AI還處于blackberry moment，你如何看？

王欣：確實(shí)。別說2023年了，現(xiàn)在AI的商業(yè)化應(yīng)用也還沒有找到“殺手級”場景，許多公司的高估值缺乏支撐。

我們以上一輪的人臉識別為例就會發(fā)現(xiàn)，盡管技術(shù)已經(jīng)成熟，但其商業(yè)需求過于狹窄，主要集中在政府或特定行業(yè)，難以形成規(guī)模化市場。16-17年曾有一波AI泡沫，商湯、曠視等公司因過度依賴政府訂單而迅速降溫。

相比之下我們再看看互聯(lián)網(wǎng)時(shí)代，淘寶的成功在于解決了交易效率的核心問題，而AI目前的工具屬性尚未達(dá)到基礎(chǔ)設(shè)施的層級。如今的AI公司如果無法找到可持續(xù)的商業(yè)需求，可能重蹈覆轍。

基礎(chǔ)設(shè)施的價(jià)值在于長期沉淀和規(guī)模化應(yīng)用，而大模型目前只是工具，無法支撐“基礎(chǔ)設(shè)施”的估值邏輯。以當(dāng)年的英特爾為例，其價(jià)值在于為整個(gè)計(jì)算生態(tài)提供底層支持，而當(dāng)前AI公司尚未具備類似的影響力。

DeepResearch：最近芝加哥大學(xué)有一位教授發(fā)了一份報(bào)告，結(jié)果是AI大熱兩年半，完全沒顛覆我們的工作，對于收入的影響也微乎其微。

王欣：所以我說，還沒有到真正改變世界的時(shí)刻。

我說的估值泡沫，核心在于技術(shù)樂觀主義與商業(yè)現(xiàn)實(shí)的脫節(jié)。當(dāng)前AI公司的高估值，往往基于對未來技術(shù)的想象，而不是說當(dāng)前可驗(yàn)證的商業(yè)價(jià)值。

比如許多AI初創(chuàng)企業(yè)宣稱“顛覆傳統(tǒng)行業(yè)”，但實(shí)際落地時(shí)卻發(fā)現(xiàn)，大家更關(guān)注成本效益而非技術(shù)先進(jìn)性。

歷史經(jīng)驗(yàn)已經(jīng)反復(fù)過很多次了，技術(shù)泡沫的破裂是產(chǎn)業(yè)發(fā)展的必經(jīng)階段。20世紀(jì)90年代的互聯(lián)網(wǎng)泡沫（如Dot-com Bubble）催生了亞馬遜、Google等巨頭，但也淘汰了大量缺乏商業(yè)模式的公司。

當(dāng)前AI行業(yè)的估值邏輯類似：資本追逐短期概念，而市場最終會篩選出真正具備商業(yè)價(jià)值的企業(yè)。比如英偉達(dá)的成功在于其GPU芯片成為AI計(jì)算的基礎(chǔ)設(shè)施，而非依賴某個(gè)具體應(yīng)用場景。

相比之下，專注于垂直領(lǐng)域的AI公司（如人臉識別）如果無法拓展至其他市場，可能面臨生存危機(jī)。

DeepSeek是微軟PC時(shí)刻

DeepResearch：如何看Manus為代表的AI Agent爆火？

王欣：我對于AI Agent的長期未來還是非常樂觀，因?yàn)槠錆摿υ谟谌藱C(jī)交互的革命。比如語音助手或智能客服的普及，標(biāo)志著人機(jī)交互從鍵盤、觸屏向自然語言的轉(zhuǎn)變。

這一趨勢有點(diǎn)類似于PC從專業(yè)設(shè)備到大眾工具的演變，不過當(dāng)前的AI Agent仍處于“工具”階段，缺乏真正的自主決策能力。

可技術(shù)的“基礎(chǔ)設(shè)施化”需要長期積累。以微信為例，其成功并不是說源于技術(shù)突破，而是通過解決社交需求的痛點(diǎn)，最終成為用戶生活的“基礎(chǔ)設(shè)施”。

這一輪如果某一款A(yù)I應(yīng)用想達(dá)到類似地位，需經(jīng)歷的是從工具到平臺再到生態(tài)的演進(jìn)。比如OpenAI的GPT模型通過API開放，為開發(fā)者提供了通用的語言處理能力，但其商業(yè)價(jià)值仍需依賴第三方應(yīng)用的創(chuàng)新。

這種“平臺化”路徑與微軟的Windows系統(tǒng)類似，但當(dāng)前AI的生態(tài)尚未成熟，許多企業(yè)仍停留在“技術(shù)展示”階段。

所以盡管我比較樂觀，但AI Agent的未來取決于商業(yè)化能力的提升，而非單純的技術(shù)突破。當(dāng)前的高估值反映了市場的樂觀預(yù)期，但也暗含泡沫風(fēng)險(xiǎn)。企業(yè)需回歸商業(yè)本質(zhì)，聚焦真實(shí)需求，而不是追逐虛幻的“顛覆”敘事。

只有當(dāng)AI真正成為基礎(chǔ)設(shè)施，其估值邏輯才能與商業(yè)價(jià)值匹配。

DeepResearch：你怎么看待DeepSeek的出現(xiàn)？

王欣：就像我們剛剛說的，DeepSeek的出現(xiàn)讓我聯(lián)想到比爾·蓋茨降低PC成本的歷史。技術(shù)的普及需要門檻的降低，而DeepSeek最大的成就是降低了AI的使用門檻，類似PC從專業(yè)設(shè)備到大眾工具的轉(zhuǎn)變。

所以未來AI的最大爆發(fā)點(diǎn)是讓普通人無需學(xué)習(xí)復(fù)雜操作即可使用AI。這種平權(quán)化的技術(shù)擴(kuò)散，將帶來比互聯(lián)網(wǎng)更大的變革。

技術(shù)的普及往往需要“平民化替代”。回到我們剛剛說的科技商業(yè)史，PC的普及得益于Windows系統(tǒng)的易用性，而智能手機(jī)的普及則依賴于安卓的開源生態(tài)。

DeepSeek的意義在于，它可能成為AI領(lǐng)域的“Windows”或“安卓”，通過降低技術(shù)門檻，讓更多人無需編程即可使用AI。

從商業(yè)角度看，我把DeepSeek視為“PC時(shí)刻”的開始，是因?yàn)槠渲匦露xAI的應(yīng)用場景。比如說一個(gè)農(nóng)民通過語音指令讓AI規(guī)劃農(nóng)田灌溉，或一個(gè)學(xué)生通過自然語言查詢學(xué)術(shù)資料，這些場景在傳統(tǒng)AI公司看來可能是“低端需求”，但正是這些“邊緣場景”構(gòu)成了技術(shù)普及的基石。

DeepSeek的出現(xiàn)標(biāo)志著AI從“精英工具”向“大眾工具”的轉(zhuǎn)變。這一輪技術(shù)平權(quán)可能帶來比互聯(lián)網(wǎng)更大的變革，但其成功與否取決于能否解決商業(yè)落地、倫理風(fēng)險(xiǎn)和社會公平等問題。

硅谷太傲慢了，中國的機(jī)會在平替和平權(quán)

DeepResearch：硅谷目前是如何看待中國的AI產(chǎn)業(yè)的？之前的國會山聽證會能夠看出來，美國事實(shí)上存在對于中國技術(shù)進(jìn)展的不確定性。

王欣：在美國這幾年，我最大的感受是，硅谷正在變成“老錢”，而且變得越來越傲慢，越來越有門檻了。甚至我們可以說，硅谷的保守與資源壟斷正在限制創(chuàng)新。

所以從這一點(diǎn)來看，我非常看好中國市場在這一輪AI革命中的可能性。

還是回到歷史，如果沒有華強(qiáng)北的低成本設(shè)備，你覺得中國的移動互聯(lián)網(wǎng)能夠普及得這么快嗎？而滴滴的崛起離不開安卓手機(jī)的普及，而非高端設(shè)備。

邊緣場景往往能突破主流思維，而硅谷的精英化路線反而可能成為桎梏。加上這一輪打壓和限制，我的預(yù)測是，中國在資源匱乏的背景下，反而可能激發(fā)更強(qiáng)的創(chuàng)新力。未來，中國的平替路線和技術(shù)平權(quán)可能成為AI競爭的關(guān)鍵。

硅谷的成功依賴于“精英主義”和“資本驅(qū)動”，但這種模式正在遭遇瓶頸。比如斯坦福大學(xué)，因?yàn)樗x硅谷實(shí)在是太近了，它并不缺乏資源，但豐富的資源，真的能帶來創(chuàng)新嗎？我是持保留態(tài)度的。

事實(shí)上大家也發(fā)現(xiàn)了這一點(diǎn)，因?yàn)楹髞碓絹碓蕉嗟膭?chuàng)新都誕生在更遠(yuǎn)的伯克利。于是硅谷的錢又都跑到伯克利去了。

相比之下，中國的創(chuàng)業(yè)環(huán)境更注重“草根創(chuàng)新”——目前互聯(lián)網(wǎng)大廠的創(chuàng)始人很多都不是名校畢業(yè)，而是憑借對市場需求的敏銳洞察抓住機(jī)會。

所以這也是未來值得樂觀的地方，這種“邊緣創(chuàng)新”模式在AI時(shí)代同樣適用。

這就是我說的，資源匱乏反而可能成為創(chuàng)新的催化劑。硅谷的“老錢”模式正在削弱初創(chuàng)企業(yè)的活力。相比之下，中國的創(chuàng)業(yè)者更愿意嘗試“藍(lán)海市場”。例如，DeepSeek的低成本API模式，正是針對中小企業(yè)和個(gè)人開發(fā)者的需求設(shè)計(jì)的，而這類市場在硅谷的估值體系中被視為“非主流”。

DeepResearch：國內(nèi)互聯(lián)網(wǎng)大廠未來機(jī)會在哪里？

王欣：科技公司談基業(yè)長青，是一個(gè)非常奢侈的話題。生生死死才是科技行業(yè)的常態(tài)。這可能和麥當(dāng)勞、肯德基、沃爾瑪是完全不同的商業(yè)邏輯。所以關(guān)鍵是我們?nèi)绾慰创?/p>

歷史上的顛覆性創(chuàng)新，比如我曾經(jīng)工作過的滴滴和阿里巴巴，其實(shí)都是源于被主流忽視的“邊緣場景”。

滴滴不是簡單地對Uber的模仿，淘寶的崛起則源于對C2C交易效率的重新定義，而絕不是簡單模仿亞馬遜的B2C模式。

這種“邊緣創(chuàng)新”的邏輯在AI領(lǐng)域同樣適用：當(dāng)前大廠的資源集中于大模型研發(fā)，而真正的突破可能來自中小企業(yè)或初創(chuàng)公司在垂直領(lǐng)域的應(yīng)用探索。

我覺得創(chuàng)始人們可能需要做好這樣的心理準(zhǔn)備，技術(shù)迭代和商業(yè)需求的不確定性遠(yuǎn)超傳統(tǒng)行業(yè)。比如IBM曾是計(jì)算機(jī)行業(yè)的霸主，但其核心業(yè)務(wù)（大型機(jī)）被PC和互聯(lián)網(wǎng)取代；英特爾的CPU雖成為基礎(chǔ)設(shè)施，但面對AI芯片和量子計(jì)算的挑戰(zhàn)，其地位同樣面臨動搖。

這種“死亡”并非失敗，而是行業(yè)演化的必然結(jié)果。

但我們可能要跳出公司的視角來看，這是我開始對制度經(jīng)濟(jì)學(xué)感興趣的原因。科技行業(yè)的核心是推動社會交易效率的提升，而不是說去追求永恒的生命力。

你看，從PC到移動互聯(lián)網(wǎng)，再到AI，每一次技術(shù)浪潮都會淘汰舊有格局，但也會催生新的基礎(chǔ)設(shè)施。對于中國互聯(lián)網(wǎng)大廠而言，關(guān)鍵在于在動蕩中找到“基礎(chǔ)設(shè)施化”的路徑：通過解決真實(shí)需求、降低技術(shù)門檻、擁抱邊緣創(chuàng)新。

本文來自微信公眾號：深水研究，作者：陳白

本內(nèi)容為作者獨(dú)立觀點(diǎn)，不代表虎嗅立場。未經(jīng)允許不得轉(zhuǎn)載，授權(quán)事宜請聯(lián)系 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4473353.html?f=wyxwapp