近日，由長(zhǎng)江商學(xué)院主辦、汕頭大學(xué)協(xié)辦的“2024長(zhǎng)江獨(dú)角獸峰會(huì)”上，鈦媒體集團(tuán)創(chuàng)始人、董事長(zhǎng)、CEO 長(zhǎng)江商學(xué)院EMBA項(xiàng)目校友 趙何娟發(fā)表主題“中國(guó)AI追隨之路的五大誤區(qū)”的演講。
以下是鈦媒體AGI編輯整理的演講主要內(nèi)容：
各位校友，大家好，我今天演講的題目是“中國(guó)AI追隨之路的五大誤區(qū)”。
從鈦媒體角度來說，在 AI 領(lǐng)域我有兩個(gè)角色，既是AI領(lǐng)域里面的研究者報(bào)道者，也是AIGC在內(nèi)容產(chǎn)業(yè)變革中的實(shí)際應(yīng)用參與者。
從AI 1.0的時(shí)代，鈦媒體就緊密地關(guān)注 AI 領(lǐng)域的發(fā)展，而在 AI 1.0時(shí)代，無論是中國(guó)上市公司還是應(yīng)用角度來看，與美國(guó)相比，我們好像已經(jīng)有趕超的趨勢(shì)。但是到了 AI 2.0時(shí)代，也就是AIGC（生成式人工智能）時(shí)代下，我們突然發(fā)現(xiàn)，為什么中國(guó)一夜之間好像就變得落后了。
下午我都很認(rèn)真的聽了每一位嘉賓的分享，其中有嘉賓問到說，為什么好現(xiàn)在GPT火了之后中國(guó)大模型很快就趕上來了，說明跟美國(guó)相比，中國(guó)的實(shí)力、能力建設(shè)就可能差了一點(diǎn)點(diǎn)。
但其實(shí)我現(xiàn)在想“潑點(diǎn)冷水”，我覺得短期來說我們可能有點(diǎn)太樂觀了。不僅對(duì)中國(guó)市場(chǎng)過于樂觀，而且可能對(duì)全球 AI 應(yīng)用爆發(fā)的速度也可能過于樂觀了。我認(rèn)為，短期內(nèi)沒有大家想象那么快，長(zhǎng)期又可能過于“忽視”，總想著是不是馬上能賺錢。
我們報(bào)道10多年，一直跟蹤這個(gè)領(lǐng)域，其實(shí)中國(guó)有很多 AI 領(lǐng)域的創(chuàng)業(yè)。但我們現(xiàn)在已經(jīng)處于一個(gè)相對(duì)落后的狀態(tài)，我們可能要更多地面對(duì)現(xiàn)實(shí)，怎么走出“偽AI創(chuàng)業(yè)區(qū)”。
接下來我再詳細(xì)講一下。
AI 領(lǐng)域今年最受關(guān)注的兩件事：AlphaFold 3剛剛發(fā)布、GPT-5即將發(fā)布。
首先就是昨晚（8日）鈦媒體最早、最全面報(bào)道的Google DeepMind團(tuán)隊(duì)發(fā)布的AlphaFold 3模型。
2022年，AlphaFold 2增強(qiáng)版發(fā)布，兩年之后的今天，它升級(jí)到AlphaFold 3模型生物學(xué)領(lǐng)域關(guān)于蛋白和生命結(jié)構(gòu)預(yù)測(cè)的模型。這個(gè)過程中的最根本的一個(gè)變化，就是把底層計(jì)算方式、模型算法變了。
AlphaFold 3使用了基于Transformer生成式模型和擴(kuò)散模型的結(jié)合，對(duì)于蛋白質(zhì)與其他分子的相互作用，與現(xiàn)有預(yù)測(cè)方法相比，AlphaFold 3預(yù)測(cè)精度提高100%。
之前的AlphaFold 2預(yù)測(cè)精度已經(jīng)較之前至少翻了一倍，如今再翻了一倍。這個(gè)過程中相關(guān)科學(xué)家有過對(duì)比，這可能為生物研究界帶來了數(shù)億年的進(jìn)步，節(jié)省數(shù)萬(wàn)億美元。
也就是說如果不用這次AI大模型，我們靠研究人員自己去研究，可能要花數(shù)億年、花掉數(shù)萬(wàn)億美元才能達(dá)到現(xiàn)在的計(jì)算效能。所以，這就是真正AIGC的力量。
但中國(guó)在此方面的研究成果幾乎是“空白”的。今天我們還發(fā)了顏寧教授的演講，前兩年她還說 AI 不可能準(zhǔn)確預(yù)測(cè)蛋白相關(guān)結(jié)構(gòu)，如今的發(fā)布可以說被“打臉”了。
第二個(gè)就是GPT-5即將發(fā)布。
我認(rèn)為，這件事情帶來的震撼力不會(huì)低于AlphaFold 3的顛覆性技術(shù)影響。因?yàn)镚PT-4的發(fā)布就是比GPT-3更加震撼。
為什么中國(guó)能快速發(fā)展很多模型，我覺得這個(gè)最重要的是感謝開源，因?yàn)镚PT-3之前OpenAI是開源的，包括谷歌Transformer論文也是開源的，GPT3之后才改成閉源了。
這意味著，從GPT-3到GPT-4本質(zhì)上已經(jīng)是一個(gè)巨大飛躍了。而即將發(fā)布的GPT-5，將再次實(shí)現(xiàn)比GPT-4質(zhì)的飛躍，解決諸多局限性。
我去年9月見了OpenAI創(chuàng)始人、CEO奧爾特曼（Sam Altman），他說過去一段時(shí)間OpenAI一直都在問GPT-5做準(zhǔn)備。但如果GPT-5性能只是一個(gè)簡(jiǎn)單能力提升的話，不會(huì)間隔這么長(zhǎng)時(shí)間。而GPT-5的一個(gè)本質(zhì)變化，可能會(huì)把相關(guān)的推理模型、相關(guān)數(shù)據(jù)會(huì)做一個(gè)分離，同時(shí)可能會(huì)推出他們自己的搜索引擎。
而這些令人震撼的進(jìn)展，在中國(guó)我可以悲觀一點(diǎn)叫“望塵莫及”，樂觀一點(diǎn)就是但凡它推出來，我們就有能力改善和追趕。
我接下來要重點(diǎn)談，為什么現(xiàn)在我們說，中國(guó)作為 AI 領(lǐng)域追隨者，要有追隨者的自覺，那就是不要過于抬高自己，主要好好學(xué)習(xí)。明確我們現(xiàn)在面臨的一個(gè)事實(shí)，所以我們首先明確幾個(gè)誤區(qū)，才能夠清楚我們自己到底在什么位置。
第一大誤區(qū)：中美AI差距只有1到2年。
我認(rèn)為很重要的就是，大家每次都談?wù)勚忻?AI 差距大概是只有1~2年，那是不是真的就是1~2年，為什么會(huì)是1~2年？因?yàn)闀?huì)有很多人說GPT3發(fā)布就在2020年，那可能在2022年chatGPT出來之后，我們也快速出來了類似于GPT3相關(guān)的模型，GPT4出來之后，我們也很快能出來一個(gè)對(duì)標(biāo)GPT4水平的模型，就意味著我們相差的時(shí)間可能是12年，真的是這樣嗎？
我會(huì)覺得所有用這樣時(shí)間來表述差距的都是“耍流氓”，因?yàn)槟鞘侨思覄?chuàng)新蝶變的代際時(shí)間，不是我們的差距時(shí)間（能力水平）。
如果說GPT-5現(xiàn)在不能出來，我們可能10年都追趕不上。但是GPT-5出來，我們可能也許花2~3年能趕上。而GPT-5模型水平只是人家的創(chuàng)新節(jié)點(diǎn)、迭代時(shí)間水平，不是我們自己能力水平，這一點(diǎn)需要非常清楚，這也是我們本質(zhì)上的一個(gè)差距。
我們要看到，這真的是創(chuàng)新引領(lǐng)的差距，不是一個(gè)我們花兩年趕上一個(gè)模型就改變了中美 AI 差距了。
第二個(gè)誤區(qū)：中國(guó)是全球最大的AI專利和人才市常
我們常常會(huì)說，尤其是在AI 1.0的時(shí)代，中國(guó)投資人和創(chuàng)業(yè)者到美國(guó)硅谷做相關(guān)演講說，中國(guó) AI 已經(jīng)領(lǐng)先于美國(guó)了。背后經(jīng)常會(huì)提到的一個(gè)指標(biāo)是，中國(guó)是全球最大的AI的專利和人才市常
這個(gè)專利市場(chǎng)包括我們中國(guó)發(fā)布AI相關(guān)論文和申請(qǐng)AI專利的數(shù)量，可以說全球數(shù)一數(shù)二的，然后以及從事AI相關(guān)人才的數(shù)量，我們可以說全球數(shù)一數(shù)二。
但事實(shí)是什么樣的呢？
我們可以看這張圖，里面可以看到，新一代全球數(shù)字科技領(lǐng)域，大多數(shù)都是以 AI 相關(guān)論文的，中國(guó)排名確實(shí)是很高的。但是到相關(guān)頂尖論文的數(shù)量，或者說被引用論文次數(shù)的數(shù)量，我們一下就落下來了。
也就是說，事實(shí)情況是，雖然我們的論文數(shù)量是全球領(lǐng)先的，但是作為世界公認(rèn)標(biāo)準(zhǔn)Top one的頂尖論文數(shù)量，中國(guó)不僅低于美國(guó)，我們也低于德國(guó)、加拿大、英國(guó)等。
與此同時(shí)，我們可以看到我們相關(guān)工程師人才。
中國(guó)確實(shí)在大學(xué)當(dāng)中培養(yǎng)大量工程師、計(jì)算機(jī)領(lǐng)域人才，包括很多硅谷的大企業(yè)都到清華北大，到中國(guó)招聘計(jì)算機(jī)專業(yè)人才。
但是我們可以看到，即便是在2022年頂尖研究人員里面，雖然中國(guó)也是排在第二名左右，但是一上到頂級(jí) AI 研究人員數(shù)量，只有美國(guó)的1/5左右。。如今，2024年可能比兩年前更糟糕了。
所以這不是我們想的那樣，中國(guó)是全球 AI 人才大國(guó)。
第三個(gè)誤區(qū)：中國(guó)AI的主要障礙是在算力上“卡了脖子”。
中國(guó) AI 的主要障礙在于“算力卡脖子”。我們認(rèn)為算力卡了脖子，所以我們只要以各種手段能夠買到相關(guān)的芯片，那是不是就已經(jīng)達(dá)到相關(guān)水平了？
但是我想給大家潑一杯冷水的是，在這一輪AI 2.0的這一輪發(fā)展里面，不僅算力很重要，模型創(chuàng)新能力也很重要，數(shù)據(jù)能力也很重要。因此，現(xiàn)在的事實(shí)是，我們不僅是“算力”是瓶頸，我們的底層模型的創(chuàng)新能力、數(shù)據(jù)能力都是“瓶頸”。
我先說數(shù)據(jù)能力，很多人覺得中國(guó)是一個(gè)很大的應(yīng)用市場(chǎng)，中國(guó)的消費(fèi)者數(shù)據(jù)，企業(yè)行為數(shù)據(jù)等等各分析的數(shù)據(jù)一定是很豐富的，所以大家覺得中國(guó)是有充分的數(shù)據(jù)，但是我要非常殘忍的告訴大家，很多數(shù)據(jù)都是無用數(shù)據(jù)，或者是不可用數(shù)據(jù)。
我在今年年初的時(shí)候跟美國(guó)氣象的一個(gè)華裔科學(xué)家，同時(shí)也是中國(guó)氣象所的顧問，在講到氣象數(shù)據(jù)的時(shí)候，我說我們也有相關(guān)的公司推動(dòng)了相關(guān)氣象計(jì)算預(yù)測(cè)的模型。那個(gè)科學(xué)家就非常直白的說了一句，我們所有的氣象數(shù)據(jù)幾乎都是沒用的，因?yàn)槲覀內(nèi)狈?duì)歷史氣象數(shù)據(jù)的整理，缺乏氣象數(shù)據(jù)的歸納，缺乏氣象數(shù)據(jù)相關(guān)的整合，變成可計(jì)算的數(shù)據(jù)。
目前對(duì)于中國(guó)而言，“都缺”。美國(guó) AI 生態(tài)里面最重要的一個(gè)就是關(guān)于數(shù)據(jù)市場(chǎng)的建設(shè)。但在中國(guó)，理論上說是沒有數(shù)據(jù)市場(chǎng)的。這個(gè)就是生態(tài)建設(shè)能力里很重要的，就是關(guān)于數(shù)據(jù)市場(chǎng)的建設(shè)。那你數(shù)據(jù)市場(chǎng)不成熟，你能算什么？
中國(guó)的模型公司，可以說在中文的計(jì)算能力上相對(duì)來說是領(lǐng)先的，但是整個(gè)中國(guó)的數(shù)據(jù)市場(chǎng)占全球的數(shù)據(jù)市場(chǎng)不到1%，以及再看所有的數(shù)據(jù)有效性的時(shí)候可以看到，世界主流所有相關(guān)的論文數(shù)據(jù)、研究數(shù)據(jù)，包括用戶的應(yīng)用數(shù)據(jù)，視頻也好，還是文字也好，相關(guān)的應(yīng)用數(shù)據(jù)，絕大部分依然是英文的數(shù)據(jù)。
所以如果我們不能很好的用英文的數(shù)據(jù)計(jì)算，我們?nèi)绾文苄纬晌覀冏约河凶銐蚋?jìng)爭(zhēng)力的大模型，這個(gè)是很難的。這就是為什么我說我們不要以為美國(guó)只是卡了我們的算力脖子，好像只在半導(dǎo)體上發(fā)力就行了，實(shí)際上是整個(gè)生態(tài)能力建設(shè)，從算力到底層模型的創(chuàng)新，到數(shù)據(jù)能力和數(shù)據(jù)市場(chǎng)的生態(tài)的建設(shè)，我們整體都是落后的。如果非要用時(shí)間來說的話，真要把能力建設(shè)起來的話，沒有十年的時(shí)間是很難把它很好的建設(shè)起來的。
第四大誤區(qū)：閉源大模型 VS 開源大模型 誰(shuí)更好？
前段時(shí)間可以看到有一些企業(yè)家和網(wǎng)紅一直在爭(zhēng)論說閉源大模型好，還是開源大模型好，我覺得這更好這事情根本不重要，只有誰(shuí)更合適。
其實(shí)不管是開源還是閉源都有各自的優(yōu)劣，就像手機(jī)的iOS是閉源，安卓是開源一樣的，它是有各自的優(yōu)劣�？赡苣壳霸谛阅苌蟻碚f，尤其是大語(yǔ)言模型，因?yàn)楝F(xiàn)在大語(yǔ)言模型動(dòng)輒就要算千億級(jí)數(shù)據(jù)都算小的，動(dòng)輒都是萬(wàn)億的數(shù)據(jù)，像OpenAI都是數(shù)萬(wàn)億級(jí)的數(shù)據(jù)了，這種時(shí)候閉源的性能是明顯高于開源的。
對(duì)于很多的應(yīng)用來說，或者對(duì)于我們的場(chǎng)景，我們其實(shí)是沒有必要每一個(gè)模型都算到萬(wàn)億級(jí)那么大的，那么在一定程度上里說，開源模型并非不可以。
作為OpenAI這種領(lǐng)頭羊來說，它的目標(biāo)是要實(shí)現(xiàn)AGI，就是要實(shí)現(xiàn)通用人工這件事情來說，閉源可能會(huì)讓它有更快，更容易集中更多的資源、資金，更快的實(shí)現(xiàn)AGI這個(gè)目標(biāo)。
但是對(duì)于要來做全社會(huì)普及有更多的應(yīng)用和更多的迭代的速度來說的話，可能開源大模型也是非常必不可少的。所以我們應(yīng)該跳出是開源大模型更好，還是閉源大模型更好這樣的爭(zhēng)論來看，不管是哪一個(gè)更好，最重要的都是我們是否有自己的創(chuàng)新能力，是否有自己的原創(chuàng)性能力，而不是低水平的山寨。
我們?cè)谡f百模大戰(zhàn)，千模也好，假如說我們的模型都有各自的創(chuàng)新點(diǎn)，都在各自的領(lǐng)域里能夠發(fā)揮出相關(guān)創(chuàng)新的作用，那么一個(gè)也不多。
假如說百模大戰(zhàn)也好，千模大戰(zhàn)也好，不能有任何的創(chuàng)新點(diǎn)，只是在低水平的山寨和復(fù)制、內(nèi)卷，那么確實(shí)一個(gè)也不需要。所以我覺得這個(gè)才是真正的問題，就是自己能不能在模型的創(chuàng)新能力上真正的走到世界舞臺(tái)上，這是要好好的想的事情。
第五個(gè)誤區(qū)：AI 在各大垂直產(chǎn)業(yè)的爆發(fā)，會(huì)很快發(fā)生。
在中國(guó)我聽到最多的都是說，我們馬上要進(jìn)垂直產(chǎn)業(yè)的爆發(fā)，今年都是大模型應(yīng)用爆發(fā)的元年。我今年年初就跟一些朋友說，今年不可能是AI垂直產(chǎn)業(yè)爆發(fā)的元年，可以說是應(yīng)用的開始，但不能說爆發(fā)的元年，不可能馬上爆發(fā)，因?yàn)樗械氖虑槎际怯谢疽?guī)律的，一個(gè)產(chǎn)業(yè)、行業(yè)的發(fā)展都是有規(guī)律的。
而核心的原因就是因?yàn)�，我們整個(gè)基礎(chǔ)設(shè)施能力還沒有達(dá)到產(chǎn)業(yè)廣泛應(yīng)用的標(biāo)準(zhǔn)。
比如說現(xiàn)在的SORA也好，還是什么應(yīng)用也好，我們已經(jīng)達(dá)到了50%的水平，那我是不是可以有50%的應(yīng)用呢？不是的。如果說產(chǎn)業(yè)應(yīng)用必須要到90%的水平，你只有50%的水平，哪怕只有89%的水平，你都不可能在這個(gè)產(chǎn)業(yè)里快速的得到爆發(fā)級(jí)的應(yīng)用。
大家不要認(rèn)為只有中國(guó)算力被“卡脖子”，而是全世界的算力都被“卡脖子”，美國(guó)企業(yè)也一樣被算力“卡脖子”。這就是為什么，OpenAI在推進(jìn)GPT-5、GPT-6的過程中速度依然還是很慢的，更深層次是 AI 大模型就是一個(gè)“暴力美學(xué)”以足夠大的數(shù)據(jù)、算力、能源為前提，否則一定會(huì)被“卡脖子”的，它一定是只能一點(diǎn)點(diǎn)來推進(jìn)的。
有很多企業(yè)可能會(huì)指望說，中國(guó)公司認(rèn)為在技術(shù)創(chuàng)新能力上不如美國(guó)，但中國(guó)市場(chǎng)規(guī)模要比美國(guó)大、中國(guó)的應(yīng)用能力要比美國(guó)更強(qiáng)，那么我是不是集中于創(chuàng)業(yè)做應(yīng)用，從而能快速獲得成功或者成果？
但我認(rèn)為，這件事長(zhǎng)期來看是這樣的，但短期來看是沒有機(jī)會(huì)的。
OpenAI CEO奧爾特曼（Sam Altman）也說，95%創(chuàng)業(yè)公司依附在大模型上開發(fā)，但是大模型每次大規(guī)模迭代都會(huì)取代一批創(chuàng)業(yè)公司。
AI 也不會(huì)違背一般商業(yè)定律，所以當(dāng)基礎(chǔ)能力積累到一定程度前，即便用了AI也不見得會(huì)取代原有產(chǎn)品。
這也是我今年跟Pika創(chuàng)始人在聊的時(shí)候，她最大的危機(jī)感。我問她你覺得Pika最大競(jìng)爭(zhēng)對(duì)手是runway嗎，她卻說最大的危機(jī)感是來自O(shè)penAI，因?yàn)镺penAI 一定是要做多模態(tài)的技術(shù)。所以我認(rèn)為，當(dāng)基礎(chǔ)能力積累到一定程度之前，即便做了 AI 應(yīng)用，也不會(huì)取代之前應(yīng)用。
因?yàn)榛A(chǔ)建設(shè)能力還沒有達(dá)到為這個(gè)行業(yè)產(chǎn)生質(zhì)變的時(shí)候，它就不可能變成一個(gè)“爆發(fā)”型新的 AI 時(shí)代。
很多人說，中國(guó)移動(dòng)互聯(lián)網(wǎng)應(yīng)用就在全球領(lǐng)先，但我們現(xiàn)在所處的歷史時(shí)間點(diǎn)位置不是對(duì)應(yīng)互聯(lián)網(wǎng)時(shí)代，移動(dòng)互聯(lián)網(wǎng)應(yīng)用的爆發(fā)階段，即AI當(dāng)下發(fā)展階段，不是后互聯(lián)網(wǎng)發(fā)展階段，而是相當(dāng)于早期思科的階段。
現(xiàn)在的英偉達(dá)就像當(dāng)年的思科，當(dāng)年思科在美國(guó)市場(chǎng)上一騎絕塵，一年能漲60倍股價(jià)的時(shí)候，那個(gè)時(shí)候有什么互聯(lián)網(wǎng)公司是值得一提的嗎？那時(shí)候很多現(xiàn)在的互聯(lián)網(wǎng)公司可能都還沒有出現(xiàn)。后來也是基礎(chǔ)設(shè)施能力的提升，通信技術(shù)從2G到4G的發(fā)展，網(wǎng)絡(luò)技術(shù)的提升、移動(dòng)互聯(lián)網(wǎng)、長(zhǎng)視頻短視頻的應(yīng)用逐漸出來。
現(xiàn)在的 AI 應(yīng)用，還是在幫助我們?cè)趺刺岣弋a(chǎn)業(yè)效率，但想要徹底改變這個(gè)行業(yè)來說還需要時(shí)間、需要耐心。
這就是為什么我們說，目前還是弱人工智能，中國(guó)的大市場(chǎng)優(yōu)勢(shì)暫時(shí)無法發(fā)揮。短期內(nèi)，還是內(nèi)容生成相關(guān)輔助工具為主，比如搜索、問答、文生圖、文生音視頻等。
那么，接下來，我們要如何應(yīng)對(duì)這些？
我覺得我們可能真的要形成一定的社會(huì)共識(shí)，怎么在一個(gè)全球環(huán)境和 AI 發(fā)展過程中來做我們應(yīng)該做的事。
第一個(gè)，加大基礎(chǔ)創(chuàng)新長(zhǎng)期能力建設(shè)。
這種生態(tài)能力建設(shè)非常重要，甚至要從教育開始抓起，比如建立 AI 教育、高校教育體系評(píng)估標(biāo)準(zhǔn)、相應(yīng)的學(xué)術(shù)開放和交流的體系等，需要圍繞著AI本身的創(chuàng)新技術(shù)能力去重新匹配。同時(shí)，我們也要提高大模型研發(fā)創(chuàng)新的基礎(chǔ)能力，沒有這個(gè)基礎(chǔ)，其他的都是“無源之水”。
第二個(gè)，是耐心面對(duì)各產(chǎn)業(yè)應(yīng)用場(chǎng)景的AI爆發(fā)周期，每個(gè)被AI改變的產(chǎn)業(yè)都面臨要從基礎(chǔ)底層技術(shù)改變開始的新周期，不會(huì)“一蹴而就”或者“一夜爆發(fā)”。
我認(rèn)為每個(gè)可能被AI改變的產(chǎn)業(yè)，也都要面臨從底層基礎(chǔ)設(shè)施改變，并開啟一個(gè)產(chǎn)業(yè)的新周期，比如我們媒體行業(yè)其實(shí)也要從底層周期開始變化，而不是說我馬上就在應(yīng)用層徹底變了，不是這樣的。包括相關(guān)的機(jī)器人行業(yè)、制造業(yè)、生物制藥行業(yè)等等都會(huì)發(fā)生顛覆性影響，但從這一點(diǎn)來說，我們的基礎(chǔ)科研能不能跟得上，這就變得非常重要了。
每一個(gè)產(chǎn)業(yè)都有自己的底層能力、從零開始的地基建設(shè)，這個(gè)才是我們真正的產(chǎn)業(yè)周期。
第三個(gè)，是用更開放態(tài)度，迎接全球AI建設(shè)的競(jìng)爭(zhēng)與挑戰(zhàn)，不能自己卡自己脖子。
很多人都說，美國(guó)人卡我們的脖子，但現(xiàn)在我希望，我們自己不要卡自己的脖子。這也是為什么我說，我們不要低水平的山寨競(jìng)爭(zhēng)，甚至我們可能也希望在 AI 治理、AI 規(guī)范，甚至AI倫理建設(shè)上面緩一緩，而是應(yīng)該在 AI 創(chuàng)新層面更加激進(jìn)一些，要用更開放的態(tài)度去做這件事。
我希望，我們 AI 領(lǐng)域的研究，不要走新能源汽車的“老路”，可能10年前我們新能源汽車還是有創(chuàng)新的，比如在智能體驗(yàn)、動(dòng)力電池技術(shù)等領(lǐng)域還有很多創(chuàng)新。但是到今天，包括小米的進(jìn)場(chǎng)，我們卻都是在低水平、重復(fù)性“內(nèi)卷”，這就意味著我們很難向前發(fā)展。
所以，我希望我們的基礎(chǔ)研究能力、創(chuàng)新能力能夠走得更快，能夠更耐心一點(diǎn)。
