最近一有一个访谈，我相信大家肯定也都听了，有人总结了十个观点，我们就先挑里边儿几个最重要的观点，咱们聊一聊。第一个，我觉得它有一个很重要的观点就是慢起飞，说这个AI的发展不会有大家想象中那么快，他用了一个词叫做慢起飞，会慢慢的逐步的实现模型能力的学生，那这里边可能每一个阶段都会有一个数据scaling的阶段，触碰到模型能力和算法架构的天文，从而进入到一个平台阶段，进入到一个研发的时期，就像GPT3出来之前那三年，那五年可能就是一个平台期，吸走了所有的资源。它的视角是说可能又进入到了一个新的平台期，因为现在所有的数据都被用过了，算利也不是问题，但是模型能力开始看到天花板看到的一些问题在不断的重复那他可能觉得现在可能又会回到了一个新的研发的平台。我觉得这个其实是他这个观点里边一个很有意思的一个认知，对于AI这件事情，他接下来会怎么发展，我觉得这个其实也是想跟大家一起讨论，站在你自己的视角，基于自己投资项目，或者是在行业内的一些观察在做，各位怎么去看这个观点？你认为未来AI的发展会是什么？什么样的一个节奏？是说我们继续scaling1路长虹，还是说的确我们会有一定的局限性。Agi不是一个两年三年能够干到的事情，有可能就是一个十年、15年甚至更长周期的一个事情。我这这是一个非常好的问题但好多问题我就往往是没有一个特别清晰的答案的。我觉得在级别bt出来之前，可能绝大部分人都没有意识到这是一个很大突破。那今天可能我们已经观察到这件事情的AI的模型的能力的发展进入到一个放缓的阶段，这个我觉得已经是比较清楚的，但是不是酝酿的一个是能他什么时间点能够爆发出来，我觉得这个时间是很难预测的但我们我是从底层相信这件事情会发生，因为过去这几十年的科技的发展始终就是超出原有大家的认知和预期的，会诞生越来越有创造性的这些产品和技术，我觉得我们肯定远远没有轧开人类可以对科技挖掘的这些潜力，所以我想相信通过更强的算利，我就算利的。比如说底层基础设施的研发，把算利推高，算利密度推高这件事情也没有到头，显然还在不停的往前进，那有更强的算利，那肯定可以用各种各样的方式去尝试，产生更好的智能。我觉得这个机器的模型的思考能力和人会越来越接近，那最终它的能力再达到下一个，我觉得是完全可以预期的。我觉得接下去可能比较重要的就是，human, in the loop, 我们当然算利需要提升，甚至背后还有能源的问题，还有价格的问题，有数据的问题等等这个飞轮其实它是不断的，包括算法结构整个这个东西怎么跑的问题。对，但我个人觉得可能站在这个今天这个时间点，不是等我们有更大的算利了，或者说是更大的模型了，我们才能够往前走。当然我一直也从来都没觉得agi会在两到三年内来临，我觉得接下去数据是很重要的，我或者说现在可能有些多么太把过去人类的一些东西学到了，或者说拿过去做训练了。但是那些数据是人类社会在之前产生的，所以我觉得不管软件结合的还是纯软的，今天人在用AI，或者反过来，AI在服务人在这个交互的过程中，你的行为产生的新的数据我觉得也是非常重要的。所以反过来，在今天这个时间点，我觉得做应用相对有价值。我首先我不是科学家，我个人认为这还是一个科学觉得问题，但是大概的一个感觉，那现有的比如说基于transformer的这个是不是可以真正的能够达到大家说的aj或者asi的这么一个水准？其实确实不是很好判断，但有两点我觉得有可能后续是潜在突破。第一，技术范式上的一个突破，其实大家刚才也提到了这个，比如说现有的这个transformer是不是还有进一步提升的这么一个空间。第二，其实就是数据，那刚才我们也聊到，一方面现有的语言模型，它其实是基于一个现有整个世界数据，或者是过去世界数据的这么一个压缩，包括一些图像的一个数据，那后续其实现在也出现了一些合成数据，基于强化学习学习的新的这种技术范式，所以我觉得后续大概是需要一些新的突破那去实现这么aj或者asi，但就是说从投资或者创业的这个角度来看，我觉得那我们也不需要等到那一天才能去实现你的这个目标，那从我们的角度来看，我们觉得大概有三个维度是我们花时间去关注的，第一个就是技术的杠杆，第二个是模型的边界，第三是数据的飞轮，那技术的杠杆，其实那你随着基础模型的能力的提升，那你自己的这个产品是不是能有数倍的一个提升，那模型的边界，其实大家也可以去看到，那你自己去创业的这些应用层的这种to c端的产品，那是不是后续会有基础语言模型内化的或者吞噬的这么一个风险，那这些其实都是会帮助。创业公司去更好去定义它的业务和产品的这么一些思考