到了9月份的时候, 国务院召开了常务会议来部署关于国家算力网建设的相关工作, 然后到了11月1日这一天, 新闻联播又报道了相关的最新进展, 其中提到甘肃庆阳有一一个新数据中心马上要投入运行了, 这个中心里面有超过1.2万架的标准机柜, 从而使得智能驾驶大模型的迭代周期从以前那种需要按月等待的情况, 压缩成了现在这种按小时计算的水平。
这到底是一项什么样的大工程。
究竟是什么样的原因, 才使得我们国家未来的模样会呈现出如同科幻电影当中所展示出来的那样呢?
大家千万不要着急去做出最终的决定, 请耐心地听一听那些长时间致力于研究中国人工智能产业发展的专业观察者们所说的具体意见和看法, 而这些问题的最真实、最根本的答案信息, 实际上正是深藏在她个人所详细叙述和回忆的内容细节之中的。
来自独立研究员以及Substack上面那个叫做AI Prom的专栏里面的作者, 也就是Grace Shao这个人, 她主要是围绕着开源方面、资金方面的事情还有算力这一块、人才这一块以及监管方面的那些问题, 对中国的人工智能产业做了具体的梳理。
她说, 如今中国的人工智能这个领域里面所呈现出来的这样一种格局啊, 它是变得更加偏向于那种比较实在的、不玩虚的那一种情况了。
像腾讯和阿里巴巴这样的一些大企业, 它们现在做人工智能的事情, 大部分情况是把这种技术用在自己本来就已经在做的业务里面去, 并不是像在美国那边那样, 把人工智能这个方向本身当作一个独立的主业来发展。
我们先聊一下关于开源这个话题。
在她看来, 这件事儿并没有任何的神秘理由, 中国模型之所以要去选择开源, 在起初的时候, 其实更多地是因为要做出一种务实的商业上的考量。
许多实验室都讲这么个事儿, 就是西方公司还有开发者, 如果想相信这些实验室, 那就得拿开源这个东西来做事儿来把信任和靠谱劲儿给立起来, 这个做法在相当大的程度上, 其实就是为了让品牌形象更好看的一个决定。
除了从商业的角度进行考量以外, 还有来自理念和想法层面上的驱动力量存在。
DeepSeek的创始人是梁文锋, 他曾公开说过话。他说他希望能把最前沿的研究成果给开源出来。他希望这样做能推动整个行业一起往前进步。
如今, 研发成果的这个共享行为, 已经变成了整个生态当中的一个基础层次, 各个实验室会去吸收集合了别人那个突破的部分, 每当有新模型发布的时候, 他们还会在社交平台X上去互相表示祝贺, 整体的那个氛围是相对比较友好的。
可大家心里都得清楚明白, 这其中的竞争场面, 那绝对不是不激烈的存在哦。
因为这些实验室面临着算力不够强、专业人才短缺以及资本支持不足等现状, 所以, 它们在对资金投向的研发时间进行分配的时候, 表现得非常慎重。
在这一点上, 她持这样的看法, 也就是分享这个行为啊, 更像是那种不经意间做出来的一个结果, 它并非是一开始就已经经过精心的设计然后特意去追求的一个目标。
中国同样存在“内卷”，AI行业也不例外。
她还特别谈到了DeepSeek的V4这一件事情。
该模型在进行评测的时候, 并不给人留下惊艳的印象, 在性能方面, 也没有什么特别突出的表现, 它也没有追上美国那边最前沿的模型。
不过根据北京那边的一手研究者给出的消息来说呢, 该实验室对于发布这件事儿的延期操作, 实际上是推迟了大概三到四个月的时长, 其核心出发点就是为了能把那些数量极为庞大的推理工作内容, 进行重新适配这样的动作, 使其能够完美对接到华为公司所提供的芯片上去。
她强调, 这并不意味着完全取代英伟达或者CUDA。开发者只要有条件的话, 仍然更愿意使用CUDA。
可是这是一次第一个往前走的尝试。
既然这个模型的源代码是开源的, 而且权重也是公开的, 那么其他的研究实验室就有机会去研究该模型在华为相关体系里进行推理操作的具体方法了, 这样一来, 它就有可能成为中国模型生态中一层可以共同使用的基础设施。
不管是为了释放信号, 还是出于实际的必要, 这都是第一步。这个步骤是用来减少对外依赖的。
这些公司的估值, 是具有一种对比意义的。
目前, MiniMax这个公司的市值大约是在200亿美元左右的样子, 当这家公司要上市的时候, 它的估值只有60亿至80亿美元这么一点, 和美国的状况去比的话, 就显得相当非常微小了。
在美国那个地方呢, 有一些团队他们的情况是仅仅只发表过了一篇论文, 同时他们现在还没有任何的产品存在, 可是关于他们隐含着的估值有可能也超过了200亿美元这个具体的数字。
但是, 咱们中国的这些公司确实是挣钱的。
咱们现在说的这个开源, 它可不是说你就没办法去赚钱了。
大家往往会对这一事实缺乏足够的认知, 也就是在之前那个年代, 人们同样是会为开源软件所提供的人工托管服务而支付费用的。
调用这些公司的API之后, 你就不用自己来托管模型了, 也不需要去购买GPU, 更不需要去解决算力方面的问题, 同时也不必自己搭建什么安全护栏, 把部署工作, 包括安全和监控体系这些全搞定。
这些模型虽然可以被自行部署, 不过绝大多数公司在提供这些服务的同时, 也给出推理服务的选项, 并且这正好是他们获取利润的主要渠道。
在训练上, 许多团队集中精力去做后训练。
那些跟 Mercor 情况差不多的企业, 也就是所谓的数据提供商, 说不定会直接把特别少见的数据集合交给 OpenAI 去买。这种交易的价格, 可能要花个一千万美元, 或者两千万美元那么多了。
中国的实验室, 它们会这样做。先在那儿等着。等那个独家的期限过去。这个期限是三个到六个月的时间。时间一到, 它们就会去买同一个数据集。购买的时候, 用的价格只有原价的十分之一。甚至还比这个十分之一更低一些。
这也解释了外界常说的差距为六个月到九个月的原因。
在能源这一块, 她觉得这回事, 并不是说在中国当下的情况里, 那就是那个最大的瓶颈所在。
有些人发表意见说, 中国政府, 在很早的时候就看到了人工智能这个热潮会导致能源消耗变高这种情况, 但是那个人不认同这个说法, 她认为并不是那样的。
在过去的三四十年里面, 经济增长这件事儿是跟随着城市化一块儿发生的, 在如今常常可以被西方人参观到的那些城市里, 北京、上海还有深圳这些城市, 大多是在近二三十年的期间才完成了城市化这件事儿的, 电网是很新的东西。
那时候, 政府那块儿的想法是, 以后大家用的能源肯定得变多, 所以, 像太阳能那些发电的地方, 还有水电站, 都是在那之前就已经建好了的, 就这么巧, 正好就跟后来那个特别火的AI热潮撞到一起了。
此外, 中国方面可以使用自上而下这样一种方式来进行部署工作, 各省都会随之而进行跟进, 完全不需要像美国那样由各州去分别做决定。
“东数西算”就是这样一项工程。它是在贵州、新疆、内蒙古、四川这些偏远山区进行建设的。它的建设成本很低。它建设了大量的能够产生可再生能源的设备。在执行的过程当中, 是非常顺利的。
人口的大约百分之九十都集中在了东部沿海地区, 也就是数据主要被产生的那些地方, 这种状况在一定程度上缓解了需求方面面临的压力。
在她看来, 中国政府对待人工智能的态度同样是十分务实的, 这种做法跟 fifteen 年前搞“互联网+”那个事儿是类似的, 然后到了如今这个时候, 就变成了现在有“人工智能+”这一回事儿。
当 DeepSeek 这个软件变得非常受欢迎的时候, 连那些造家电的公司也想赶着去把它加进产品里面, 结果就出现了那种能通过人工智能来工作的吸尘器、还有能智能刷牙的电动牙刷, 那个场面弄得相当夸张, 不过也因此让有关部门开始关注并且推动了相关的政策。
中国政府这边儿, 有一个它自己的那个优点所在, 就是什么, 它能够去采取一种从上到下的那种方式来推进工作。
各个地方的省份政府把这件事看作是评估工作成绩的一个指标, 他们模仿风险投资人的那种做法, 到处去寻找像是在未来会出现的那种类型的、名叫DeepSeek的企业或者类似的项目, 并且拿出钱来给以支持, 不仅如此, 这些政府机构还提供办公楼用来使用, 甚至有些时候还会专门为那些年轻的创业者准备宿舍供他们居住。
就目前这个情况来说, 在整个全国范围内, 已经推出了大概有十二到十一个人工智能试点区, 在这些区域里面, 大家是可以去对新出的产品进行试用操作的。
从机器人这个方面的角度来看的话, 那么在过往的那三十年时间里面, 中国这个地方, 基本上就是处于了所有那些产品的生产的一个核心的基地的地位的, 并且同时, 也是具备了非常完整的, 关于供应链的一个优势的这样一个事实的。
有些地带, 在原材料供应环节, 还有整机的委托加工业务方面, 所有的相关活动, 全部都聚集在了一个半径仅为50公里的狭窄区域内部。
有不少美国的投资者, 还有创业者, 他们也因为这一个事情啊, 就来到了中国这里进行一个考察的动作。
她认为, 把目光放到未来的三年时间里去看, 中国在硬件方面会有很多进一步的发现, 而且它的优势会变得更为清楚。
供应链方面都是在中国国内，而且, 那些大量有关技术的诀窍也在这个地方, 所以没法在很短的时间之内就完成了转移的工作。
因为有了这样一个生态系统, 像许多机器人还有家电在内的一大批科技产品的生产制造成本, 就低于了世界其他地方的大概一半左右, 而且它们更新迭代推出新版本创新发展的这个速度快得让人吃惊。
她在那方面和电动车公司的人士进行了交流, 最后了解到情况是这样的, 新车型这个东西, 从最初的构思到最后的生产再到最后的上市, 这个过程总共花费的时间呢是不超过15个月的, 而传统整车厂那边要完成同样的事呢则至少需要三年的时间到五年的时间这么长。
她的看法是, 还有一个没有被大家充分重视的真实情况, 那就是中国这边的开源模型, 正在被美国的各类企业拿去使用。
如今, 越来越多的人工智能原生企业来自美国, 这些企业是基于中国开源模型进行构建的。
这是因为大家对于投资能不能带来回报存在怀疑, 并且那些需要使用海量tokens的工程项目, 其实际花费的成本是非常高的。
Harvey 和 Cursor 这类公司全都表示, 他们打算采用一种混合的模式, 主体部分会基于 GLM 或者 Kimi, 然后另外再用 Opus 来充当裁判的角色, 或者提供相关的指导。
这些公司的收入水平是相当可观的, 而中国那边的公司所具备的生产能力, 甚至是不足够用来支撑那些不断涌入的需求总量的。
关于OpenClaw出现之后, 网上出现了大量有关老年人安装的视频这件事, 她对此是予以承认的, 她的说法是里面含有搞炒作的成分在内, 另一方面她也指出确实是有老人进行排队并且完成了安装这个举动。
第一个方面来说呢, 中国的那些中老年人群体对科技这个东西其实是表现得更加开放的, 因为如今在现代中国社会里生活的话, 真的是绝对离不开支付宝以及微信支付这两个功能的。
在她于疫情结束以后首度重返上海这个城市的当下, 她正处于一个正在等候着他人完成点餐这一行为的环境之中, 也就是餐厅里, 随后并没有人前来提供服务, 其原因是由于现场的所有人都倾向于选择扫描放置在桌子表面上的二维码这种方式来完成点餐的操作。
其次, 在超级应用被创造出来并且广泛使用之前的那二三十年的时间里头, 中国的相当多的农村地区是没有办法能够获得大城市所能获得的那些资源以及信息和商品的, 这一点状况一直持续到了后来。
在一些村庄里, 一些家庭的年收入可能仅仅只有大概1000美元这样的水平。这些家庭的家里面没有电视设备, 不过却拥有智能手机。他们可以通过使用智能手机来申请小额贷款, 可以进行购物活动, 也可以帮助自己的孩子通过上网来获取信息。
因此, 科技这个东西在中国得到了广泛的认可与尊重, 大型科技公司也被人们所喜爱。对于许多家庭来说孩子在大型科技公司工作是一件值得骄傲的事情。
咱们聊到了这个地步, 里头有一个问题绝对是没法避开的。模型得跑起来，机器人也得学起来，这么大的算力需求, 究竟是到什么地方才能搞得到呢。
这个实际的答案, 现在可以直接指向的就是, 由人工智能进行驱动的那个数据中心。
有专家声称中美之间在人工智能领域的差距依然颇为巨大, 然而假如说有人能够真正地将中国在这一方面所排布的棋局逐一查明并且弄清楚的话, 那么恐怕这些专家也就不会再说出这样的言论了。
如果中国想要推进高端制造业, 那么就必须进行智能化转型。
在转型的过程当中, 它是不能离开算力的存在的, 而算力这个东西呢, 又是不能离开数据中心的出现的。
所以它被当成水、电、公路、铁路、5G一样的基建来建。
直到2024年的上半年为止, 包括西藏在内, 所有的省份目前都还在进行建设这项工作, 涉及到的总数已经超过了250个。
为啥一定要让政府来出面解决这个问题呢?
打个比方来说, 电力这种资源, 人总不能自己去修建电厂, 因为建厂的成本是很高的, 再说了这样做也没有办法来进行错峰用电的情况。
数据中心这个概念呢, 说白了它就是算力行业里面那个类似于国家电网的存在和作用。
每一家企业都会去各自构建一套自己的东西, 到了忙活的时候, 就不够用了。闲下来的时候又全都浪费了, 当前美国的状况就是这样的局势。
别人实际上是真的没有办法去模仿和借鉴这样的一种模式。
光芯片这个行当就是需要投入大量的资金, 英伟达出产的GB200这一款产品, 每一块的成本都要达到三万到四万美元之间, 如果要建设一个数据中心的话, 就必须使用几万块这样的芯片, 这样一来总的费用就会高达数十亿美元。
一天所使用的电量数量还会达到数百万千瓦时这样的程度, 倘若要是没有十分强大的国家电网来做最后的支撑和保障的话, 那么很多事情根本就无法顺利地进行下去和开展下去。
更难一点的事情, 是有人肯投入资金。
对于偏远山区的那种连一千个人都不到的地方, 要给他们接通电力、修建道路、并且建立通信基站, 这些工作从表面上看是看不到直接经济回报的, 在西方资本眼里这种东西他们肯定不会去做, 而且在很多发展中国家那里, 他们也根本就没有能力去把这件事给办下来。
截止到二零二四年五月月底的时候, 中国这边已经累计建好了三百八十三点七个万个5G基站这么个数量了, 这个数量在世界范围之内是占到了六成这么个比例。
把这盘棋支撑起来的, 其主要力量是华为。
芯片和服务器, 连硬盘在内的这些设备, 甚至连机房里面所使用的那些精密空调设备, 全部都是他们自己亲手研发并且制造出来的。
把成本给降低下去, 等到以后的时候, 人工智能这东西就能够变得像是水和电那么样地便宜, 并且也不会再去受制于其他的人了。
美国这边是靠那些科技巨头在推着走, 对方在最先开始的时候, 会先把盈利的状况给算清楚, 等人工智能真的用上了之后, 费用自然而然就会变得贵得多。
只要等基础设施建设全部都完成了之后, 每一个普通人只要能够进行网络访问的行为, 那么就能够使用到这种计算处理能力资源。
摩根士丹利的报告，也明确地提到了, 中国在人形机器人研发的领域里面, 具有着非常明显的优势特点。
数据中心收集真实世界的数据, 教机器人叠衣服、收拾碗筷、倒茶、送餐, 家居、商超、办公、餐饮、工业场景全覆盖。
再过二十年, 那些通过免签政策来到中国的游客, 再一次踏上这片土地的时候, 可能会在不经意之间抬一下头, 然后看见满街道上面都是人形的机器人, 在人海之中穿梭来去, 那景象就像是在好莱坞电影《机器管家》里面所呈现出的画面一样。
等到那个时候到来之际, 科幻世界这个东西, 它就不再仅仅是电影所呈现出来的那个样子了, 它会直接变成人们日常的生活状态。
