环球AI现状:世界并不总是平的

原文作者:霞光社

作者 | 王欣,编辑 | 刘景丰

图片来源:由无界 AI生成

“人工智能领域的泡沫,总是在不断产生又破灭中循环。”

梅拉妮·马歇尔在著作《AI3.0》中,这样描述人工智能领域5到10年的周期循环。

2016年,击败围棋世界冠军李世石后,AlphaGo短暂掀起人脸识别、自动驾驶等人工智能浪潮。2023年,ChatGPT的横空出世让大模型成为AI界当之无愧的“顶流”。泡沫破灭,资本冷静后,不理智的潮水终于褪去。如今,AI界鲜少再重谈人脸识别,自动驾驶难以落地,而在国内,大模型也从当红炸子鸡慢慢成为投资人投不起的领域。

研究人工智能的群体已经熟悉了这一模式:在“人工智能的春天”,投资机构过度承诺,媒体过度炒作,紧接着便会迎来“人工智能”的寒冬。

环球并不同此凉热。在美国,VC圈对人工智能投资热情不减。而在积极拥抱AI的东南亚,中美正在进行AI技术与投资的角逐——2020到2021年,来自美国和中国的投资者,参与了267笔东南亚人工智能公司的投资交易,占总投资比重40%。

一个可喜的现象是,在东南亚,科大讯飞、华为、海康威视等中国科技公司与东南亚当地产生千丝万缕的联系,中国科技企业正成长为东南亚AI界的中流砥柱。

曾经,普利策奖得主托马斯·弗里德曼在《世界是平的》中,说世界的竞技场已变得更加平坦,变平的世界让每个个体、区域都站在同一水平线下。

环顾全球AI界,我们发现,世界并不总是平的。

全球范围内,不同区域AI风向有何不同?当AI企业走出国门,又会迎来哪些机遇挑战?ChatGPT为什么并不脱胎于腾讯、谷歌等数据集庞大的大厂?对于AI初创企业有什么启发和意义?

谷歌湾区总部。图源:受访人邱谆提供


大洋以西,国境以东:中美AI融资不同境遇


现在整个国内投资界几乎形成了一个共识,就是“大模型的投资热正在冷却”。

作为今年创投圈最火热的赛道,大模型曾炙手可热,无数科技大厂、AI创业公司掀起一股又一股的大模型浪潮。而今全球科技公司对大模型的竞争,正进入存量时代。

根据IT桔子数据,截止到2023年11月底,国内人工智能赛道一级市场的总融资额有580起,比2022年减少了26%,总融资金额是630亿元,与去年同期也下降了38%。

而在大洋彼岸,美国的大模型融资依旧如火如荼。根据Crunchbase数据,去年VC阶段的投资有11%流向了人工智能赛道,截止到今年下半年,2023年的比例增长了26%,有26%的VC阶段的投资都流向了人工智能美国投资界对大模型的参与热情不减反增。

大洋东西,AI融资正面临不同境遇。

这背后,不同融资环境差异到底是如何造成的?

首先,在美国,大模型已经达到了能够产生巨大经济效益的规模,并且在一定程度上影响了宏观经济。有研究发现,这一次自硅谷刮起的大模型之风,已经为美国的GDP贡献了一个百分点的增长。而在中国,虽然百模大战愈演愈烈,但大模型的变现之路仍处在摸索的初级阶段,而商业化问题一直是上几轮AI浪潮下,难以找到最佳solution的老难题。

其二,在中国尚未出现像OpenAI一样的应用层全栈式AI公司,能够从基层大模型、中间层一直做到应用层。而大模型这种极度依靠大算力暴力美学的领域,对于初创公司来说,太烧钱,门槛太高,堪称军备竞赛。大模型不能投,但应用层又没有特别多的公司出来,投资圈开始冷静思索,大家都处在观望状态。

硅谷的中心Palo Alto的foothill公园,毗邻斯坦福大学与乔布斯故居。 图源:受访人邱谆提供

华映资本海外合伙人邱谆认为,这背后体现了中美技术原创能力的不同。

“硅谷还是一个以原创技术为核心的,为基座的驱动力,这还是很重要的,中国的优势在于优化,不一定是原创,就是人有我有,可能人有我优,再者规模化,上一波深度学习驱动的机器视觉,可以说是AI1.0,现在大语言模型算是AI2.0, 这两波浪潮国内目前的参与都还主要在优化和规模化方面。”

1997年从北京大学毕业后,邱谆就去美国学习人工智能,从南加州大学信息科学研究院毕业后,他加入了硅谷传奇科技公司——思科,前几年回国后加入了投过壁仞科技、星辰数据等AI领域知名公司的华映资本。他持续关注中美、东南亚等地的AI创投。时间倒回到千禧年,邱谆仍在硅谷深耕技术,那时正值AI寒冬,但整个硅谷还是在不断的积累,很耐心地等待下一个突破。

“但如果我们到大洋的另外一面,就会看到一般来说,是在等美国出现下一个突破之后,我们再去投入,去做优化和规模化的事情,所以它会有一定的延迟。”

“这个突破前的积累过程其实可能是需要一些耐心的,在这个阶段过去之后,我们就真的到了互联网.com那一波,就是中间层的相当于一个接口能够出现的时候,这时候才到了应用层大量涌现的时候,在中国可能就会出现大量的像当年滴滴等一堆互联网公司,这个时候可能还是会需要一定时间,可能大家还需要一定的耐心。”

旧金山海湾。图源:受访人邱谆提供


东南亚,正成为中美大模型交锋主战场


在中美之外,东南亚也成为中美大模型交锋的主战场。

在东南亚,AI还正方兴未艾,虽然落地步伐相对慢,但还是能看到希望。整个东南亚地区的国家,都在拥抱AI。中美两股AI旋风正在东南亚交汇。

AI在东南亚并不算是新兴行业,在大模型浪潮之前,东南亚就因低廉的人力成本等因素聚焦了智能客服、人工标注等AI相关应用。

但在今年来到东南亚后,科大讯飞云平台事业群副总裁周传福明显的感受是:除了原来的这部分传统项目,现在更多地看到像政府部门、媒体行业、金融行业等都在更加热烈地讨论、拥抱AIGC、大模型等新技术。

虽然目前东南亚使用最多的还是来自OpenAI等欧美AI公司的大模型,但在东南亚AI界,也不乏科大讯飞、华为、海康威视等中国科技公司的身影。科大讯飞、阿里巴巴相继在东南亚推出大模型,东南亚国家队也加入大模型竞赛,新加坡政府投入5200万美元的资金支持AI多模态大模型开发计划(NMLP)。

周传福告诉霞光社:“东南亚虽然是一个区域,但是打开来看,很多国家都有很大的不同。新加坡是东南亚唯一一个发达国家,它的AI落地会更快一些,像教育等等部门或者行业都有很多的落地应用。相对来说,新加坡(AI落地)走得比较靠前,活跃度更高,但是像马来西亚、印尼、泰国等等国家也能深刻感觉到比原来更加热烈,当然整个落地步伐相对慢,但是还是能看到希望。我们也会长期坚持在这些地方深耕。”

而越南在人工智能的竞赛里也存在弯道超车的可能。摩根大通曾分析称,越南处于新兴东南亚人工智能发展的“前沿”。早在2021年1月26日,越南政府总理批准的《到2030年国家人工智能研究、开发和应用战略》中,就明确了将人工智能发展成为支柱工业产业。

而英伟达CEO黄仁勋也再次押注越南AI,2023年12月,英伟达CEO黄仁勋会见越南政府总理范明政,并承诺将在越南建立半导体基地,将越南打造成为英伟达的第二故乡。

东南亚已成为科大讯飞海外业务的第一站和战略中心。2023年6月,科大讯飞携星火认知大模型与C端智能硬件,在新加坡举办产品发布会暨讯飞AI TechDay·新加坡站活动。

因为科大讯飞一直以相对底层技术的创新、研究为主,所以如果把这些技术用在更多的场景、更多的设备单靠科大讯飞自己其实不行。所以整个开发者生态方面花了很大的力气。”周传福告诉霞光社,在东南亚的开发者生态方面,科大讯飞搭建了以新加坡为中心的讯飞开放平台国际站。

“其实我很羡慕,羡慕的点在于C端酷炫的产品是很容易抓到消费者的,但是底层技术的可能讲两天人家都不知道你在做什么。所以整个生态方面就是把技术落地应用生态是我们长期布局,不是靠一年两年,至少3-5年才能把一个基础做好,这是目前整个状态。当然在东南亚我们也看到了很多的突破。”

他认为,在这些突破的背后,离不开技术创新本地化

东南亚历史文化背景复杂,移民的跨国流动使得东南亚形成不同方言体系的多族群社会,各个地区方言众多。比如印度尼西亚的官方语言主要在雅加达一带通用,但其他地方又有非常多的方言。而要做语音识别和合成的核心技术创新,就要在提升通用能力之外,针对不同方言区域的口语场景去做提升。另外,识别合成大模型领域也是科大讯飞寻求突破的重要底层技术。

本地化是出海中企必须要面对的一个挑战,而对于科大讯飞来说,这也是不得不做的事情。因为科大讯飞要面对很多B端用户场景,其中并不存在捷径,他们已经做好了深扎两三年的准备,才能在当地把行业做熟做透。

目前科大讯飞的东南亚团队规模还不是特别大,大概在二三十个人左右,native speaker大概占到40%左右。本地雇员的职务多是以商务拓展,市场等岗位。核心技术方面,还是以国内总部以及在当地派驻的技术支持为主。

在国内团队和本地团队协作过程中,文化差异带来的挑战不可小觑。周传福认为,这种情况下,要把自己放到当地的国家去考虑问题,“而不能说我中国怎么怎么样,外国怎么怎么样,这对我们来说其实是一个适应的过程,说起来很简单,但真正把自己的定位要放到当地的国家。”

除此之外,所有大模型企业要想跑通,都要跨越数据和人才两座大山。


AI全球化,找到自己的新位置


让我们回到开头的问题:

ChatGPT为什么并不脱胎于腾讯、谷歌等数据集庞大、人才济济的大厂?

腾讯和微软数据一定是大过OpenAI的,为什么OpenAI有GPT,腾讯、微软和谷歌都没有GPT?这是因为对数据的有效利用和搜集非常关键。对初创公司来说尤甚,特别是想真正成为一家AI公司,或者只是被AI赋能的公司。

湾区谷歌总部休息区。图源: 受访人邱谆提供

邱谆认为,私有性未必是价值本身的源泉。“你要真正能够利用AI肯定要有数据,但私有数据未必都有价值。这个对于初创公司要有一定认知。”

积累和收集数据,一定要考虑算法。比如搭建数据栈平台,但它的门槛其实很高,因此光是收集梳理数据的准入门槛就将很多人拦在外面。甚至于巨头公司的数据都未必全有用。

提到大模型浪潮下的AI军备竞赛,卷算力或许重要,但核心的算法人才才是这轮竞赛最重要的资源。

对于初创公司,邱谆的建议是,从现在开始去物色一些大模型算法核心人才:“作为一个初创公司,可能今天就要去搜寻一些真正核心的人才,听上去好像有点遥远,但我觉得我这个建议很可能是会有用的。对于一些初创公司,如果你今天就开始,不管你做什么,甚至你只是做应用层,都一定要过数据这一关,但光有数据又没有用,最后很可能是要看你的算法,不管你是什么算法,可能不用碰到基座大模型,但即便你要做微调,甚至只是去调API,都会需要对训练算法的深度认知,最重要的军备其实是人才。”

这也是因为,目前国内大模型人才储备资源紧缺。医者AI CEO刘呈辉曾对媒体表示,“现在国内做基座类模型的人才90%都出自清华,国内真正会调模型、训练模型的甚至不超过200个人。”而大模型抢人大战也让用人成本水涨船高,vivo副总裁周围接受媒体采访时曾表示:"vivo大模型现在每年20亿~30亿元的投入成本,总投入成本已经超过200亿元,人才和数据算力各占一半,人才成本平均每人税后100万元。”在当下,寻找核心人才资源对于初创公司来说尤为关键。

大模型让全球的AI竞赛进一步加速进行,如何在全球化中找准自己的位置,并发挥自身优势,是所有AI企业需要面对的新课题。