Sora意義非凡，只談對(duì)短視頻影響是羞辱它

楊博雯　樊文揚(yáng)　劉嫚

和許多“科班”出身的科技從業(yè)者相比，王堅(jiān)的履歷顯得有些傳奇。

作為中國(guó)工程院院士、云計(jì)算技術(shù)專家、阿里云創(chuàng)始人，王堅(jiān)早年曾專攻心理學(xué)專業(yè)并從事相關(guān)大學(xué)教育，后來(lái)才轉(zhuǎn)至互聯(lián)網(wǎng)領(lǐng)域。2008年，他加入阿里巴巴主導(dǎo)開展的云計(jì)算項(xiàng)目，彼時(shí)這一概念在國(guó)內(nèi)尚不被清晰。經(jīng)過(guò)數(shù)年耕耘，隨著云計(jì)算系統(tǒng)“飛天”的誕生，王堅(jiān)也成為科技圈無(wú)數(shù)人的偶像。

去年是王堅(jiān)首次當(dāng)選全國(guó)政協(xié)委員。今年3月，在履職的第二年，王堅(jiān)和南都記者圍繞人工智能、云計(jì)算等展開了一場(chǎng)深入的對(duì)話?；蛟S與從前的教學(xué)工作經(jīng)歷有關(guān)，王堅(jiān)不僅全無(wú)大佬“架子”，還很擅長(zhǎng)將復(fù)雜、專業(yè)的科技類問(wèn)題拆解開來(lái)，運(yùn)用其特有的方法，分析由淺入深、鞭辟入里。

針對(duì)今年備受關(guān)注的Sora模型、大模型商業(yè)化等問(wèn)題，王堅(jiān)都發(fā)表了看法。他表示，當(dāng)前國(guó)產(chǎn)大模型和GPT-4及其下一代技術(shù)的差距仍然很大，建議通過(guò)開源方式，依靠技術(shù)社區(qū)的力量找到發(fā)展路徑，由市場(chǎng)來(lái)檢驗(yàn)其水平。此外，Sora問(wèn)世的意義極大，遠(yuǎn)不止會(huì)對(duì)短視頻、影視等行業(yè)帶來(lái)沖擊，它解決了非常復(fù)雜的一件事——視覺(jué)問(wèn)題，王堅(jiān)甚至直言：“如果能創(chuàng)造視頻，它也就能創(chuàng)造世界?！?h3>當(dāng)前大模型的市場(chǎng)價(jià)值大于商業(yè)價(jià)值

南都：2024年被認(rèn)為是AI大模型應(yīng)用的浪潮年。在大模型產(chǎn)品的商業(yè)化或市場(chǎng)化方面，你有哪些思考可以分享？

王堅(jiān)：在我看來(lái)，商業(yè)化和市場(chǎng)化不完全是一個(gè)意思。商業(yè)化是要一手交錢一手交貨的，而市場(chǎng)化的重點(diǎn)在于要產(chǎn)生市場(chǎng)價(jià)值。

以搜索這一服務(wù)項(xiàng)目為例，它的用戶量巨大，可以算作已經(jīng)“市場(chǎng)化”了。不過(guò)，從來(lái)沒(méi)有人為使用搜索服務(wù)付錢，而是為搜索頁(yè)面上的廣告付費(fèi)。所以從這個(gè)角度講，搜索本身并沒(méi)有實(shí)現(xiàn)商業(yè)化，但是它完成了市場(chǎng)化，有人便進(jìn)而想出加廣告的模式對(duì)其進(jìn)行商業(yè)化。我認(rèn)為，市場(chǎng)化是商業(yè)化的基礎(chǔ)，商業(yè)化是市場(chǎng)價(jià)值的重要體現(xiàn)。

南都：那你認(rèn)為目前大模型的商業(yè)化之路進(jìn)展如何？

王堅(jiān)：當(dāng)今全球范圍里，所謂的大模型商業(yè)化還是在探索過(guò)程中。不過(guò)，目前事實(shí)已經(jīng)證明，它有用戶基礎(chǔ)，也就是可以“市場(chǎng)化”的，那就有可能產(chǎn)生商業(yè)價(jià)值——這一點(diǎn)其實(shí)很重要，一個(gè)產(chǎn)品如果沒(méi)有用戶基礎(chǔ)，就算實(shí)現(xiàn)商業(yè)化了，也是小本生意。對(duì)于一場(chǎng)技術(shù)革命來(lái)說(shuō)，它不可能以小本生意為目標(biāo)，肯定能產(chǎn)生更廣泛的影響。整體來(lái)講，我認(rèn)為當(dāng)前的大模型還處于市場(chǎng)價(jià)值大于商業(yè)價(jià)值的階段。

南都：這個(gè)發(fā)展的過(guò)程你覺(jué)得會(huì)慢還是快？

王堅(jiān)：那就得看你技術(shù)力量有多強(qiáng)、算力支撐有多大、投資有多少了，這些要素缺一不可，甚至沒(méi)有辦法講其中哪個(gè)因素是核心的。當(dāng)你缺哪個(gè)要素的時(shí)候，哪個(gè)要素就是最重要的?，F(xiàn)在國(guó)內(nèi)200多個(gè)大模型我覺(jué)得沒(méi)有問(wèn)題，大家都在一點(diǎn)點(diǎn)往上爬完成必不可少的技術(shù)積累，但肯定不是最后200個(gè)都能爬上來(lái)了，大部分中間被淘汰掉了，但總之該活的一定會(huì)活下來(lái)的。

短期來(lái)看，我認(rèn)為現(xiàn)在整個(gè)發(fā)展過(guò)程還和市場(chǎng)沒(méi)有直接的關(guān)系，因?yàn)檫@個(gè)領(lǐng)域的天花板還遠(yuǎn)遠(yuǎn)沒(méi)有碰到。大家現(xiàn)在已經(jīng)在講萬(wàn)億參數(shù)的模型了，行業(yè)都覺(jué)得很興奮，你可以想想從一個(gè)模型的參數(shù)從數(shù)十億到萬(wàn)億的差別。

因此，這個(gè)賽道在國(guó)內(nèi)外都還遠(yuǎn)沒(méi)有到需要收斂的程度，OpenAI那么出名，但仍然會(huì)有它的挑戰(zhàn)者出現(xiàn)，大家仍然在做不同的有創(chuàng)造性的探索。

AI領(lǐng)域并非只剩中美兩個(gè)頭號(hào)玩家

南都：你剛才也提到，我國(guó)10億參數(shù)規(guī)模以上的大模型已超過(guò)200個(gè)，怎么看待這場(chǎng)“百模大戰(zhàn)”？

王堅(jiān)：10億參數(shù)其實(shí)不是一個(gè)大數(shù)字，目前我們主要講的都是百億級(jí)的。不過(guò)大小也都是相對(duì)的，就像剛改革開放時(shí)“萬(wàn)元戶”意味著富裕，現(xiàn)在肯定不算了。這種參數(shù)規(guī)模和事物的發(fā)展周期有關(guān)系。

再說(shuō)到200多個(gè)的數(shù)量，我覺(jué)得這不算多，為什么——你不可能一夜暴富，憑空就做出500億參數(shù)的大模型吧？人的錢是要一分一分掙的，要把一個(gè)大模型建好，也是要一點(diǎn)一點(diǎn)積累經(jīng)驗(yàn)的。

南都：我們也注意到，追趕OpenAI，對(duì)標(biāo)ChatGPT，似乎是過(guò)去一年里，國(guó)內(nèi)很多AI公司的最大命題。

王堅(jiān)：我覺(jué)得不能簡(jiǎn)單地說(shuō)對(duì)標(biāo)ChatGPT。ChatGPT、GPT-4二者，我們要把它們區(qū)分開來(lái)——前者其實(shí)是在后者基礎(chǔ)上延伸出來(lái)的一個(gè)應(yīng)用，因此真正衡量基礎(chǔ)模型的能力應(yīng)該去對(duì)標(biāo)GPT-4。

值得注意的是，GPT-4和GPT-3有一個(gè)非常大的不同，GPT-3是全開放的，大家都知道它是怎么做的，以及能做到什么程度，但到了GPT-4就不開放了，所以當(dāng)前不太好談對(duì)標(biāo)的問(wèn)題。就像你高考一樣，高考成績(jī)好不見(jiàn)得你這個(gè)人好，但你成績(jī)不好又讀不了大學(xué)。所以在短時(shí)期內(nèi)衡量誰(shuí)好誰(shuí)壞是不公平的，還是要從長(zhǎng)遠(yuǎn)角度由市場(chǎng)來(lái)說(shuō)明問(wèn)題。

可能有觀點(diǎn)認(rèn)為，國(guó)產(chǎn)大模型的水平已經(jīng)接近GPT-4或者差一點(diǎn)點(diǎn)，但其實(shí)肯定不是差一點(diǎn)點(diǎn)，是差很多的。我想更好的辦法是由市場(chǎng)來(lái)證明大模型的能力，比如把模型開源出去，放到國(guó)際上去，讓市場(chǎng)去檢驗(yàn)產(chǎn)品。

南都：當(dāng)下全球AI競(jìng)爭(zhēng)不斷升溫，你認(rèn)為在技術(shù)迭代或人才儲(chǔ)備等方面，中美兩個(gè)“頭號(hào)”玩家存在哪些差距？

王堅(jiān)：具體來(lái)講，我個(gè)人認(rèn)為我們頭部的聚集還不夠?，F(xiàn)在美國(guó)還是有很明顯的大模型玩家的，而在中國(guó)并不明顯。所以最大的變量是我們這200個(gè)10億參數(shù)的大模型，什么時(shí)候能變成20個(gè)2000億的模型。在這個(gè)過(guò)程中，底層技術(shù)的演進(jìn)迭代、資金投入都是非常重要的事。

南都：有觀點(diǎn)認(rèn)為，不同國(guó)家地區(qū)在大模型或AI方面的資金投入規(guī)模也差距巨大。

王堅(jiān)：對(duì)這個(gè)觀點(diǎn)我要提出質(zhì)疑。大模型和以前創(chuàng)業(yè)不太一樣，從前創(chuàng)業(yè)公司可以用很小的資本很快完成一次創(chuàng)業(yè)，但大模型出來(lái)以后，算力投入就變成了一個(gè)極其“燒錢”的東西，到底用多少算力花多少錢，也變成了一個(gè)大家不愿意公開談及的事情。我想今天沒(méi)有任何一個(gè)人可以把具體投入的資金統(tǒng)計(jì)完整，至少我在業(yè)內(nèi)沒(méi)有看到過(guò)什么非常自信的總結(jié)。

南都：所以簡(jiǎn)單來(lái)說(shuō)，就是我們真正意義上的技術(shù)優(yōu)勢(shì)可能還沒(méi)有形成？

王堅(jiān)：也不見(jiàn)得沒(méi)有形成優(yōu)勢(shì)，這個(gè)問(wèn)題涉及很多不同因素，包括產(chǎn)業(yè)、商業(yè)策略、合作情況等等，這些問(wèn)題也不是單一的投入就可以解決的。從宏觀來(lái)看，國(guó)家地區(qū)之間的競(jìng)爭(zhēng)其實(shí)是綜合科技實(shí)力的競(jìng)爭(zhēng)，而非單項(xiàng)技術(shù)的競(jìng)爭(zhēng)。至于“綜合”到什么程度？比如算力、AI、工程能力、理論研究等等，都會(huì)有所涉及。像谷歌的Gemini模型，官方發(fā)布了一篇白皮書，里面有名有姓分工署名的人就有接近800人，所以這種綜合因素的影響其實(shí)是很復(fù)雜的。

這不是一個(gè)簡(jiǎn)單的回答可以概括的，不是因?yàn)檫@件事情本身復(fù)雜，而是它太動(dòng)態(tài)了。

ChatGPT也好，GPT-4也好，AI技術(shù)也好，它們就好像處于小孩快速長(zhǎng)身體的階段，我們是沒(méi)有辦法對(duì)處于高速發(fā)展態(tài)勢(shì)下的事物做一個(gè)對(duì)比判斷的。當(dāng)然，如果從現(xiàn)階段來(lái)看，也不需要我說(shuō)太多——大家都知道我們并沒(méi)有太多的領(lǐng)先優(yōu)勢(shì)，但同時(shí)我們也有領(lǐng)先的可能。

另外，我想補(bǔ)充的是，很多觀點(diǎn)都在說(shuō)“現(xiàn)在人工智能全球只剩下中美兩個(gè)玩家”了，但事實(shí)上ChatGPT出來(lái)之后大約一年，歐洲又有一家名叫Mistral AI的初創(chuàng)公司異軍突起，其大模型技術(shù)也很突出。因此，全球只剩中美兩個(gè)“頭號(hào)玩家”的觀點(diǎn)其實(shí)不是那么準(zhǔn)確。

Sora能創(chuàng)造視頻，就能創(chuàng)造世界

南都：上個(gè)月OpenAI又發(fā)布了視頻合成模型Sora，有觀點(diǎn)認(rèn)為它可能會(huì)引發(fā)短視頻、廣告、游戲等行業(yè)格局的重塑。你怎么看？

王堅(jiān)：如果談到Sora，只說(shuō)它可能會(huì)影響短視頻等行業(yè)，那我覺(jué)得是對(duì)它極大的羞辱，它的意義遠(yuǎn)超這種事情。就像是原子彈剛剛爆炸時(shí)一樣，沒(méi)有人能想到這個(gè)東西后來(lái)可以作為核電站來(lái)發(fā)電，還可以實(shí)現(xiàn)小型化，還有很多別的用處。如果只是把原子能技術(shù)當(dāng)作原子彈用，那就是大大低估了這個(gè)技術(shù)的重要性。

值得關(guān)注的是，Sora事實(shí)在解決世界上最復(fù)雜的一件事——真實(shí)世界的視覺(jué)問(wèn)題，視頻是它的表現(xiàn)手段。它真正的意義在于靠技術(shù)已經(jīng)能夠生成像這個(gè)自然界一樣復(fù)雜、有細(xì)節(jié)的視頻或者圖像。如果能創(chuàng)造視頻，它也就能創(chuàng)造世界。

Sora事實(shí)上在解決世界上最復(fù)雜的一件事——真實(shí)世界的視覺(jué)問(wèn)題，視頻是它的表現(xiàn)手段。

南都：那這種超強(qiáng)的偽造能力會(huì)不會(huì)引發(fā)大家對(duì)于虛假信息的擔(dān)憂？

王堅(jiān)：其實(shí)“偽造”這個(gè)詞不對(duì)。什么叫偽造？你拿了一個(gè)假的東西告訴別人這是真的，這就叫偽造。而通過(guò)技術(shù)生成一段逼真的視頻，如果符合真實(shí)世界的規(guī)律，那它就不是偽造的。我們也不說(shuō)技術(shù)是不是中立的，只是說(shuō)技術(shù)有了這樣一種能力。只有用這種技術(shù)能力去行騙，才是真正的造假。

而現(xiàn)在我們面臨的主要問(wèn)題是，技術(shù)到了這個(gè)程度，卻不知道拿它來(lái)干什么。

GPU的大規(guī)模使用讓云計(jì)算的算力百萬(wàn)倍增長(zhǎng)

南都：在高算力需求的大模型時(shí)代，怎么看待云計(jì)算？

王堅(jiān)：我們?cè)贏I時(shí)代常說(shuō)使用幾萬(wàn)張顯卡訓(xùn)練一個(gè)大模型，當(dāng)有這么大規(guī)模的時(shí)候，其實(shí)就是云計(jì)算。只不過(guò)是看你這個(gè)云計(jì)算是想做一個(gè)有體系的、可以真正提供大規(guī)模服務(wù)的，還是自己搞搞。就在月初，美國(guó)商務(wù)部也表示不允許中國(guó)的企業(yè)用美國(guó)的云服務(wù)做大模型訓(xùn)練，種種情況都說(shuō)明，云計(jì)算服務(wù)在AI時(shí)代，或者說(shuō)大模型在AI時(shí)代是非常重要的。

南都：那么云計(jì)算是否有望解決當(dāng)前的算力困境？

王堅(jiān)：這其實(shí)是個(gè)很復(fù)雜的事情。GPT-3時(shí)期的時(shí)候OpenAI公布說(shuō)，大概用了1萬(wàn)塊英偉達(dá)A100（一種AI芯片）進(jìn)行訓(xùn)練。但像亞馬遜這樣的云服務(wù)運(yùn)營(yíng)商，除了A100還用了H800的卡，總共大概有3000E（1E約等于1000PFlops-day）的算力。在過(guò)去的三個(gè)月里，按照官方的預(yù)測(cè)，每個(gè)季度會(huì)增加1000E的算力。與我們現(xiàn)有的算力對(duì)比一下，GPU的大規(guī)模使用，讓云計(jì)算提供的算力會(huì)有百萬(wàn)倍的增長(zhǎng)。

到了GPT-4，就已經(jīng)不公開其所需的算力了。不過(guò)，行業(yè)里大家都會(huì)有一個(gè)共識(shí)，就是只要做到這個(gè)規(guī)模就能猜出個(gè)大概。比如通義千問(wèn)開源的是720億參數(shù)的模型，那大家就都能猜到這背后有多少算力在支撐。

南都：2024年是我國(guó)正式全功能接入國(guó)際互聯(lián)網(wǎng)30周年?；仡欉@段時(shí)間，你覺(jué)得有哪些重要的節(jié)點(diǎn)值得記錄？

王堅(jiān)：我們今天所有看到的東西都是互聯(lián)網(wǎng)發(fā)展的結(jié)果。我舉個(gè)最簡(jiǎn)單的例子——數(shù)據(jù)。你試想一下，沒(méi)有今天的互聯(lián)網(wǎng)，我們會(huì)不會(huì)產(chǎn)生那么龐大的數(shù)據(jù)？不會(huì)的。

二三十年前很多人說(shuō)，互聯(lián)網(wǎng)是一臺(tái)巨型計(jì)算機(jī)，第一代互聯(lián)網(wǎng)把所有PC連在一起，第二代互聯(lián)網(wǎng)則是把手機(jī)聯(lián)系在一起，那如今就是人工智能把所有的數(shù)據(jù)聯(lián)系在一起。所以我覺(jué)得互聯(lián)網(wǎng)在整個(gè)社會(huì)發(fā)展過(guò)程中起著一個(gè)主軸作用，看似太過(guò)基礎(chǔ)，好像可以忽略不計(jì)，但如果你把它抽掉，整體也就坍塌了。