創(chuàng)新的速度比以往任何時候都快，人工智能過去兩年所取得的進展，比前十年加起來還要多。
在西雅圖10月15日的聯(lián)想科技創(chuàng)新大會上，罕見地匯聚了當前硅谷芯片三巨頭，包括最近風頭正盛的英偉達CEO黃仁勛、AMD CEO蘇姿豐，以及英特爾CEO帕特基辛格；另外，Meta CEO馬克扎克伯格、微軟CEO薩提亞納德拉和高通CEO安蒙也通過遠程連線的方式參與到活動中來。
黃仁勛在聯(lián)想科技大會，圖源：聯(lián)想
英偉達CEO黃仁勛認為，這輪機器學習創(chuàng)造了最大的工業(yè)革命。黃仁勛描述了未來AI的兩大重要方向：智能體AI和實體AI。智能體AI是信息領(lǐng)域的機器人，而實體AI則是物理世界的機器人。他提出了未來會有數(shù)以百萬計的“小Jensen玩偶”（Toy Jensens），AI智能體，能夠協(xié)助企業(yè)和個人完成各類任務。
聯(lián)想集團董事長兼CEO楊元慶很早就提出了AI PC戰(zhàn)略，并在聯(lián)想筆記本電腦上植入了AI智能體AI Now，根據(jù)IDC的數(shù)據(jù)預測，到明年，AI PC就將占據(jù)市場的一半份額。到2030年，這一比例將達到100%。楊元慶在會后采訪中提到：“AI PC是今天的主導者未必是明天的主導者，更不用說個人智能體變化就更大�？赡芙裉斓牟僮飨到y(tǒng)就會被顛覆掉，像Windows拿著鼠標在點icon去打開，打小叉叉去關(guān)閉，那些東西都已經(jīng)不符合操作的習慣了。將來的操作系統(tǒng)、模型會整合，會有新的主導者出現(xiàn)。”
聯(lián)想集團董事長兼CEO 楊元慶，圖源：聯(lián)想
另外，Meta創(chuàng)始人兼CEO馬克扎克伯格在遠程連線中再次強調(diào)了開源打法以及Meta最近發(fā)布的開源多模態(tài)模型。他提到聯(lián)想搭載在個人PC上的AI智能體AI Now正是基于Meta的模型創(chuàng)建的：“這也是我們開源 Llama 的一個重要原因，像聯(lián)想這樣的公司可以對大型語言模型進行微調(diào)，優(yōu)化其在特定使用場景中的表現(xiàn)。” 他也更新了最近Meta的最新進展，比如發(fā)布的開源多模態(tài)模型 Llama 3.2，以及發(fā)布的110億和900億參數(shù)的模型，以及更小的、專為在設備上運行而優(yōu)化的10億和30億參數(shù)的模型。
大會的另一大看點是英特爾與AMD這兩個糾纏了幾十年的芯片屆的宿敵，史無前例地宣布合作，組建X86生態(tài)系統(tǒng)咨詢小組，確保互操作性和接口一致性，并為開發(fā)者提供標準的架構(gòu)工具與指令集。
基辛格在活動上亮出了他與楊元慶年輕時候的照片，X86架構(gòu)是英特爾與聯(lián)想幾十年合作的基石，并且認為他們面前將迎來X86架構(gòu)最重要的創(chuàng)新時期之一�；粮裆鷦拥卣f道：“為此，Lisa（蘇姿豐）和我達成了一致，我們真的認為現(xiàn)在是最佳時機，無論是Lisa還是我，還有什么比聯(lián)想的舞臺更適合宣布這件事呢？”
基辛格展示他和楊元慶年輕時候的照片，圖源：聯(lián)想
蘇姿豐也提到合作的基礎(chǔ)正是人工智能帶來的時代轉(zhuǎn)折點：“最令人驚嘆的是，我們依然處于非常非常早期的階段，但我們所看到的是創(chuàng)新的速度比以往任何時候都快。坦率地說，我們可能在過去兩年所取得的進展，比前十年加起來還要多。”
蘇姿豐在聯(lián)想科技大會，圖源：聯(lián)想
在這次巨頭云集的活動上，聯(lián)想展示了全面的人工智能解決方案、服務和設備組合，包括：推出面向企業(yè)的聯(lián)想Hybrid AI Advantage（混合式人工智能優(yōu)勢集）；與英偉達聯(lián)合開發(fā)的新一代聯(lián)想Neptune海神液冷服務器；最新ThinkPad X1 2合1 Aura Edition AI PC、聯(lián)想AI Now、聯(lián)想Learning Zone（AI學習）軟件平臺；以及通過人工智能對社會影響的概念驗證。
聯(lián)想科技大會“AI觀察團”，圖源：聯(lián)想
在這次大會活動前特別設立的直播間里，硅谷101創(chuàng)始人泓君主持了一場與硅星人&品玩的創(chuàng)始人駱軼航以及熱AI Next的主理人陳慶春關(guān)于當下人工智能如何落地的討論，一起組成了“AI觀察團”，聊了聊活動上熱議的AI智能體與聯(lián)想這次重點強調(diào)的無處不在的混合式AI。
以下是部分訪談精選
01 AI落地場景與混合式AI
泓君：最近硅谷流傳著一個說法，說的是每次OpenAI模型升級，就會有創(chuàng)始人抱怨說，OpenAI把他們價值300萬美元的創(chuàng)業(yè)公司給整沒了，然后只給了他們一張價值500美元的OpenAI API接口優(yōu)惠券。那么，AI究竟應該如何落地呢？因為AI的繁榮最終依賴于大量的創(chuàng)業(yè)公司，它們能夠把AI做成，并且能夠有很好的生長。所以，你們認為AI熱潮是不是一場虛火，大家怎么看？
駱軼航：這個段子聽上去很慘，但真是這樣嗎？我感覺現(xiàn)在硅谷 AI 創(chuàng)業(yè)公司，特別是針對具體場景的應用越來越多了。我見過為診所、寵物診所提供問診的 AI 工具，還有法律和保險類的工具，比如 Harvey 是最大的法律 AI 之一，還有一些編程輔助工具。
如果我們認為這個世界就是由 OpenAI 和其他公司構(gòu)成的，那 OpenAI 的節(jié)奏慢了，但好像虛火就來了。如果我們認為這個 AI 生成的世界實際上是很多樣性的，它就不存在這個問題。
我還注意到一個數(shù)據(jù)。上周是舊金山 Tech Week，然后有一位Pitchbook的人做了一個分享，他說過去這 5 年，整個美國創(chuàng)業(yè)公司的平均估值是被拉低了，但是 2023 、24 年之后有所增長，那怎么增長？靠AI 。這一波之前，可能是消費類、 Web 3 類的等公司被拉低了，這兩年增長靠的就是 AI 。很多 AI 創(chuàng)業(yè)公司，特別是那些專注于 B2B 的公司，早已關(guān)注 ARR（年度經(jīng)常性收入）。我認為不虛的原因是因為大家在追求非常實際的東西。
同樣的，在中國，我也認為情況并不虛。盡管大家覺得有卡住的地方，但是最近一兩個月，AI 應用很能拿到錢了。比如躍然創(chuàng)新，就是將Mini Max音頻大模型集成到了兒童玩具狗中。還有PPT類、公文寫作類的AI產(chǎn)品賣得很好。新華社的新華妙筆一年賣700多塊錢，幾萬基層公務員都在買。這說明AI應用對公司而言是好事，非常有意思。
陳慶春：我與駱老師的看法一致，不認為AI是虛火。人們之所以認為AI可能存在泡沫，是因為我們對它的期望過高，總是用未來十年的預期來衡量現(xiàn)在，這是不切實際的。
回顧過去幾年，AI取得了巨大進步，成為推動實體產(chǎn)業(yè)發(fā)展的重要范式變革。聯(lián)想自2017年開始智能化轉(zhuǎn)型，受益于AI的驅(qū)動，供應鏈得到極大提升，在Gartner排名中連續(xù)兩年位居亞太第一，這是AI實際應用的例證。此外，國內(nèi)大模型廠商如Mini Max和智譜AI在B端的應用也非常成功，智譜AI的表現(xiàn)很突出，這些落地案例證明了AI不是虛火。
泓君：我們在說到混合式AI的時候，大家的定義還不太一樣，要不要先解釋一下什么是混合式人工智能？
陳慶春：聯(lián)想發(fā)現(xiàn)當大模型剛剛落地的時候，因為第一個階段我們就要想這個大模型來了該怎么去用它。我相信大家去年這個時候可能都在討論的是怎么去把大模型用好。因為聯(lián)想當時是比較有經(jīng)驗的，所以去年聯(lián)想就第一次提出來，其實如果想把這個大模型用起來，就需要混合式人工智能這樣一個做法。
楊元慶介紹混合式AI，圖源：聯(lián)想
泓君：所以它這個混合指的是什么？
陳慶春：混合大模型的概念源于當時OpenAI推出的ChatGPT基礎(chǔ)模型3.5的技術(shù)模型。隨著基礎(chǔ)大模型的增多，人們卻不知道怎么使用它們，尤其是對ToB企業(yè)來說，這些模型顯得非常陌生。對于個體用戶，他們可以通過ChatGPT或聊天對話框來體驗和感受大模型。但對于企業(yè)來說，如何使用這些模型就成了一個問題。
因此，就需要讓大模型具備垂直行業(yè)的專業(yè)知識庫，即垂直模型�；旌鲜饺斯ぶ悄芫褪侵富A(chǔ)大模型和私有大模型的結(jié)合。對于企業(yè)而言，這意味著需要基于企業(yè)所在垂直行業(yè)的特定知識庫進行預訓練，以獲得一個更了解該行業(yè)和企業(yè)需求的模型。這個模型可能沒有幾萬億的參數(shù)，可能只有幾百億參數(shù)，規(guī)模較小，但它會更懂這個行業(yè)，更明白企業(yè)自身的需求。這就是混合式人工智能，即公共大模型和私有大模型的混合使用，以推動混合AI的發(fā)展。
駱軼航：混合人工智能可以從兩個維度來理解。第一個維度是關(guān)于基礎(chǔ)大模型，也就是所謂的foundation model。我們不認為存在完全獨立的小模型，而是認為基礎(chǔ)大模型具備通用性，擁有強大的泛化能力、處理問題的能力、理解能力和推理能力。這是混合模型的一部分。在基礎(chǔ)大模型的基礎(chǔ)上，通過后訓練或微調(diào)，可以得到一個專業(yè)知識模型。這個模型結(jié)合了前者的通用能力和后者的專業(yè)知識，可以取得更好的結(jié)果。
第二個維度是將這兩個模型放入一個物理容器中。通常，專業(yè)的模型由于數(shù)據(jù)的隱私性，更垂直、更專業(yè)，可能不適合與其他數(shù)據(jù)結(jié)合，且使用的數(shù)據(jù)量和訓練資源相對較少，因此在很大程度上是一個端模型。這種模型可以放在PC、手機或一體機上，通常在端側(cè)運行，不需要從云端傳輸數(shù)據(jù)，運行速度更快，即使在沒網(wǎng)的情況下也可以。
所以混合式人工智能其實是一個強大的基礎(chǔ)模型與垂直專業(yè)模型的混合，也是一個基于云端的大模型與在端側(cè)發(fā)揮更多計算和推理功能的小模型的混合。這兩種混合通過鏡像對應起來，我覺得這是一個非常重要的事情。
華人，尤其是中國人，特別擅長開發(fā)端側(cè)模型，因為這個領(lǐng)域依賴巧勁，然后中國人又擅長搞硬件。所以我挺樂觀的，都想下場去投類似的早期公司了。
泓君：總結(jié)一下，剛剛我們提到的混合式人工智能其實有兩類，一類是大模型加垂直模型，另一類是端側(cè)加云端的模型。而在垂直模型中，主要有幾種方法：微調(diào)、Rag以及對基于開源模型如Llama進行訓練得到的。
還有數(shù)據(jù)也是一個非常重要的因素。不管采用哪種調(diào)優(yōu)方式，都是基于企業(yè)的數(shù)據(jù)來調(diào)整，調(diào)出更符合行業(yè)規(guī)律的模型。所以在談到混合式模型時，能不能給大家舉一個具體的例子，比如聯(lián)想是如何通過大模型加垂直模型、云端加端側(cè)的方式，把這些復雜的技術(shù)整合到一起，得到一個好的結(jié)果的？
陳慶春：聯(lián)想的主要核心競爭力在于能夠?qū)⑦@些最前沿的技術(shù)非常定制化地提供給每個ToB企業(yè)。這并不是說任何人都可以隨意裁剪垂直行業(yè)的技術(shù)，然后稍作調(diào)整就能變成企業(yè)使用的大模型。聯(lián)想會根據(jù)企業(yè)所在行業(yè)的垂直行業(yè)know-how，提供針對性的解決方案。
舉個例子，聯(lián)想在制造行業(yè)擁有豐富的know-how，特別是在供應鏈管理方面。元慶在去年Tech World上提到，合肥的工廠通過公共大模型進行氣象預測，能提前七天預報暴風雨的到來。這樣的大暴風雨對工廠的生產(chǎn)影響非常大，因為一臺PC涉及2,000多個上游供應商，而聯(lián)想沒有龐大的零部件倉庫，一切都依賴智能計算來進行排產(chǎn)。當大模型預測七天后會有暴風雨，聯(lián)想的私有大模型就會基于行業(yè)知識庫和過往經(jīng)驗，迅速做出決策。比如，它會通知供應商提前三天交貨，以避開天氣影響。
整個過程非常智能化，不僅能為供應鏈上的廠家配置零部件，還包括場內(nèi)物流和場外物流的調(diào)度。以往需要幾天時間完成的智能排產(chǎn)流程，現(xiàn)在在AI的加持下，可能只需幾十分鐘甚至更短時間。這種速度使整個供應鏈管理和排產(chǎn)系統(tǒng)得以快速高效地完成。這就是公共大模型和企業(yè)私有大模型互相配合的完整流程，雖然看起來只需短短幾十分鐘，但背后涉及許多復雜的操作。
泓君：其實是把供應鏈系統(tǒng)打通了，然后把數(shù)據(jù)也打通了。
陳慶春：對，比如說在建立私有大模型時，首先要考慮的是數(shù)據(jù)，這些數(shù)據(jù)基于聯(lián)想以往所有的排產(chǎn)經(jīng)驗，這是聯(lián)想獨有的。其他企業(yè)如A企業(yè)、B企業(yè)，或者任何一家創(chuàng)業(yè)公司，都無法做到這一點，因為它們沒有這種經(jīng)驗和know-how。
其次，聯(lián)想的生產(chǎn)定制化非常強。一臺筆記本與另一臺筆記本的定制化需求完全不同，生產(chǎn)線上可能同時處理多種型號。因此，當生產(chǎn)一臺ThinkPad X1時，它的零部件需求和物流調(diào)配與YOGA系列可能完全不同。聯(lián)想必須快速知道如何處理這些差異，進行零部件管理和物流調(diào)度。這些關(guān)鍵知識是其他創(chuàng)業(yè)公司無法獲得的。
02 AI智能體三要素：回報率、好用、專業(yè)
駱軼航：我見到的很多場景其實都是混合式的，只要你在做某個項目，基本上都是混合的。我想延伸一下，剛才講到了自動化決策在物流體系中的應用，像一個agent。其實，什么是agent？有時候大家會把幾個詞混淆。前兩天我和一個創(chuàng)業(yè)者聊天，他從事了4年研究科學家工作，現(xiàn)在出來做AI agent。我們討論了什么是AI agent，發(fā)現(xiàn)大家的理解各有不同。
但我們總結(jié)出一句話：AI agent不是你，但它可以代替你，幫助你自動解決和處理問題。
陳慶春：對，在聯(lián)想就叫做你的“個人智能體”，你的個人的雙胞胎。
駱軼航：最近有一個特別有意思的趨勢，硅谷許多原本聲稱解決垂直領(lǐng)域問題的AI公司，現(xiàn)在都在搞AI陪伴。但這種AI陪伴并不是簡單的逗趣聊天或情感互動，而是具有知識和情緒，幫助你處理每個問題。比如，一些公司專注于降低客戶流失率、提升客服體驗，或是針對保險、教育等行業(yè)的AI平臺，甚至包括會議管理的AI平臺，這些應用都開始出現(xiàn)了。
AI智能體和深度場景的結(jié)合是一個明顯的趨勢。比如，像友邦這樣的公司，是否會把客戶數(shù)據(jù)提供給ChatGPT等AI模型？這帶來了很多值得思考的問題。未來，銷售經(jīng)理可能會管理多臺沒有屏幕的一體機，每臺設備都有一個智能助理，幫助他處理復雜的銷售管理工作，滿足幾十到上百個客戶的需求，管理情緒等復雜任務。這樣的AI agent實際上是微調(diào)過的小模型分身，也就是原生的ToB或未來的ToC AI應用。
原生AI應用這個詞有點像是對軟件的這種說法，而agent就是這種進化邏輯的體現(xiàn)。agent本身是一個混合體，融合了你的個人數(shù)據(jù)、經(jīng)驗、偏好等等。
陳慶春：說到agent，我還是要重新回到混合式人工智能的理解上�；旌鲜饺斯ぶ悄茏铋_始是在去年這個時候元慶提出來的，目的是為了讓大家知道怎么去用這個大模型。
現(xiàn)在我們討論的就是如何用好大模型。經(jīng)過這一年的發(fā)展，我們可以看到AI本身也獲得了很大的進展，這個進展包括預訓練模型的性能提升非常快，比如Llama 3.2以及國內(nèi)的千問2.5，這些大模型的預訓練能力都有了很大的提升。在之前的半年，我還記得駱老師您主持了一個論壇，大家討論的是我們到底是ToB還是ToC。最終我們發(fā)現(xiàn)，現(xiàn)在大家已經(jīng)達成了共識，都是要用的。那么為什么會達成共識呢？因為當時討論的一個點是幻覺太嚴重了，大模型的幻覺問題很突出。但在接下來的這兩三個月中，我們?nèi)〉昧朔浅４蟮倪M展，特別是在推理能力方面有了顯著提升。
泓君：如何用混合式人工智能的方法來避免在精準問題上出現(xiàn)幻覺問題呢？比如說，如果我用一個agent來幫我訂機票和酒店，它不能把我的預訂搞錯。
陳慶春：混合式人工智能現(xiàn)在不僅是公共大模型和私有大模型的混合，未來可能還會是多個agent之間的混合，也就是agent與agent之間的對話。
駱軼航：對，最早的斯坦福小鎮(zhèn)項目就是這樣做出來的。Google以及斯坦福的團隊，在斯坦福小鎮(zhèn)一起合作，愉快地生活在一起。最近，面壁智能也有類似的公司內(nèi)部項目。他們通過agent之間的協(xié)作，這種方式顯然會越來越普及，尤其是在一個組織內(nèi)部。
陳慶春：現(xiàn)在的混合式人工智能，其實混合能力要更強一些。首先，它涉及公共大模型與私有大模型之間的混合調(diào)用。其次，多個agent之間的調(diào)用也至關(guān)重要。這些agent會為你進行知識分析，最終聯(lián)想的這些智能體會嵌入到每個硬件中，形成一體多端的結(jié)構(gòu)。
每個智能體會幫助你進行分析，并需要調(diào)用多個大模型和agent。在后臺，它們會先召開會議，討論如何滿足需求。比如你提出一個需求，作為聯(lián)想的AI Now，后臺就開始運作，調(diào)動多個agent來共同協(xié)作。就像公司開會一樣，老板提指示，其他人、秘書協(xié)調(diào)好各方事宜。關(guān)鍵是，這個智能秘書就像你的雙胞胎，十分了解你，就像看到鏡像中的你一樣。
聯(lián)想AI Now個人智能體，圖源：聯(lián)想
泓君：你們覺得這個秘書最合適落地在哪些設備上？例如，這個秘書可以出現(xiàn)在眼鏡、手機，或平板電腦上。聯(lián)想去年提出過一個AIPC戰(zhàn)略，認為PC是AI落地的第一終端。PC是否真的是AI落地的第一終端？
駱軼航：比如說Ray-Ban Meta眼鏡，我玩得很開心，但我認為它絕對不是第一終端。至少現(xiàn)在不是，五年或十年之后它可能會有變化，但那時的演進形態(tài)也可能不同。AR形態(tài)可能會進一步演化，所以我覺得這款眼鏡是一個實驗性和過渡性的產(chǎn)品，雖然具備了一些AI功能，但絕對不能算作第一終端。
我認為手機和PC都有可能成為AI第一終端，這取決于使用它的人要做什么。如果這個人不創(chuàng)造生產(chǎn)力，那么手機可能是他們的第一終端。因為人們一天到晚離不開手機，刷手機的頻率遠高于刷電腦的頻率。你很少見到家里60歲的老人刷電腦，除了炒股票。
泓君：但現(xiàn)在大家的很多生產(chǎn)力還是發(fā)生在電腦跟手機上，對不對？
駱軼航：是的，我覺得其實手機上干活是比較少的。如果是閑著沒事、半工作半休息的狀態(tài)下用手機干個活沒問題。我也不是沒有在手機上寫過文章，但要處理比較復雜的事還是不行。所以我認為電腦還是這個事的變革中心。
最近我參加了華源活動，我跟嘉賓的互動環(huán)節(jié)結(jié)束之后，我就把這些資料后貼到一個Google Docs做總結(jié)，直接推給一個AI，然后郵件就能發(fā)過去，全部AI完成。你能看到鼠標和鍵盤自己在動。這個東西是我覺得它就是一個生產(chǎn)力變革。手機上是不能干這些事的，而且你還要跨平臺整合這個問題，各家的產(chǎn)品都要用，所以我覺得這個是一個特別有意思的事。
陳慶春：現(xiàn)階段AIPC肯定是AI大模型落地的第一終端。無論是從背后的邏輯、算力，還是從本地知識庫需要處理的大量數(shù)據(jù)來看，你都需要一個存儲設備。因此，僅從這兩點來看，PC是必然的選擇。而如果選擇其他設備，比如剛才你的智能眼鏡，可能就有無法正常工作的情況。
泓君：我們說到AI和PC結(jié)合的時候，聯(lián)想在這方面做了整合了哪些AI來提升工作效率？
陳慶春：聯(lián)想是一個非常開放的生態(tài)，在基礎(chǔ)大模型的選擇上非常豐富。國內(nèi)的一線大模型廠商，比如千問和Kimi，都與聯(lián)想有合作；在國外，像Llama這樣的模型也與聯(lián)想有深度合作。聯(lián)想不會拒絕任何大模型的合作方式，強調(diào)的是混合式人工智能，即誰好用、誰對你有幫助，就用誰�，F(xiàn)在大模型的特點越來越明顯，比如Kimi擅長處理長文本，MiniMax則擅長語言大模型。
每個大模型的優(yōu)勢不同，而聯(lián)想的優(yōu)勢在于“誰強誰上”，就像開會時發(fā)現(xiàn)誰擅長某方面，就讓他來解決問題。聯(lián)想的AI Now會集成所有大模型，并針對每個大模型進行本地化調(diào)優(yōu)，綜合實現(xiàn)AI能力。這也體現(xiàn)在每個AIPC上，都有一個AI Now來調(diào)用和優(yōu)化大模型，為用戶提供更好的服務。
扎克伯格介紹Llama與聯(lián)想的合作，圖源：聯(lián)想
泓君：AI Now 它是怎么樣調(diào)用這些程序的？可以在哪些細節(jié)上幫助到大家？
陳慶春：這確實非常豐富，具體看你需要什么功能。比如說你現(xiàn)在需要做一個PPT，可以直接調(diào)用AI來幫助你快速生成一整套PPT，這是每個打工人最大的痛點。還有像繪圖，你只要通過對話的方式告訴AI，它就會幫你完成任務，就像和一個機器人對話一樣，這個機器人能幫你解決很多問題。
在辦公方面，因為大部分人在Windows、PC上使用微軟的辦公軟件，如果你可以的話還可以直接調(diào)用Copilot，一鍵完成操作，提升辦公生產(chǎn)力。
03 最好的商業(yè)模式在B端
泓君：AI怎么樣去跟跟企業(yè)的這個數(shù)字化、智能化的這波轉(zhuǎn)型相結(jié)合，大家是怎么看這個問題的？
陳慶春：剛才我們聊到的混合式人工智能的關(guān)鍵應用點就是企業(yè)AI的建立。因為在企業(yè)AI中，你需要構(gòu)建一些公共大模型，還有企業(yè)自身的私有大模型，特別是在端云網(wǎng)的混合應用上。比如，聯(lián)想具備小樣本學習的能力，它能夠在邊緣端進行學習和推理，不需要推到云端再做訓練，這樣的能力非常強，也非常及時。這種能力經(jīng)常用于智慧交通、智能駕駛等領(lǐng)域，是非常好的例子。
對于企業(yè)AI來說，這種混合應用能力是非常重要的。比如什么時候使用公共大模型，它可以用來做一些研究分析，特別是在高性能計算領(lǐng)域。聯(lián)想為吉利打造了一套高性能計算中心，利用公共大模型進行推理和計算，幫助進行車型設計，通過這些能力來確定哪種車型最好。這實際上是一個虛擬數(shù)字化的過程，
泓君：大家可以猜一下，現(xiàn)在在所有AI應用中，最賺錢的美國公司是誰？
其中一個公司就是埃森哲，這是我跟很多在硅谷創(chuàng)業(yè)的AI創(chuàng)業(yè)者交流時，今年第一季度它的財報收入是6億美元，第二季度達到了9億美元。而且它也是OpenAI最重要的客戶之一。
現(xiàn)在很多B端企業(yè)想要轉(zhuǎn)型，首先就要了解這個大模型該怎么做，如何部署，如何實現(xiàn)Rag，如何適配垂直行業(yè)的需求。而埃森哲實際上就是在幫這些大公司，尤其是那些特別有錢的創(chuàng)業(yè)公司，去做整個公司的AI化設計。我覺得這是美國一個特有的生態(tài)系統(tǒng)。但如果對應到中國，類似的企業(yè)就是聯(lián)想，甚至字節(jié)、阿里這樣的公司，他們也在做類似的事情。
所以從整個應用市場來看，能夠幫助企業(yè)把這一整套AI真正落地，并且轉(zhuǎn)換成生產(chǎn)力工具的方向，正如大家剛才提到的，確實是這一波AI浪潮中非常流行的一個趨勢。
駱軼航：這里邊我覺得也有一個很有意思的一個事，就是中美的 AI 焦慮，美國的 AI 焦慮來自于很多過去不是在前沿 AI 領(lǐng)域的大公司擔心掉隊，中小商家是因為要降本增效。甚至有很多做電商做這種傳統(tǒng) SaaS 的公司都想用AI，這個是美國。中國是全面焦慮。那他們的焦慮其實最直接的轉(zhuǎn)化成了訂單。
陳慶春：對，因為他的痛點在于如何快速地使用好這些工具，并且看到投資回報率，所以這是第一個最大的訴求。
第二個訴求是在整個過程中，不能要求我再投入100個工程師去服務、去學習如何使用這些工具。這樣投入就又增加了，所以他希望這些工具是傻瓜式操作，任何人都能打開就用。比如今天我要生產(chǎn)100臺PC，只需簡單操作就能排產(chǎn)。
駱軼航：我覺得聊天語言應該是自然的，作為輸入的方式，但輸出不應該是唯一的。它應該能給出一個決策結(jié)果。比如，機器人的模型中，輸入是語言，而輸出則是識別、抓東西、踢球等行為。
陳慶春：所以第二個需求就是要好用，一般的用戶都可以把它用起來。這樣就能省去再投資和雇傭一百個程序員的成本，否則就是不劃算了。第三，你就要專業(yè)，比如說有些大模型廠商為一些專業(yè)企業(yè)提供的服務就不夠?qū)I(yè)，因為他們根本沒有辦法完成定制化，也沒有相關(guān)的知識輸出。從這一點來看，企業(yè)使用起來就會很費勁，最后的結(jié)果可能會產(chǎn)生很大的偏差，準確率也會很高。因此，這些就是企業(yè)需要關(guān)注的：要把投資回報率做起來，要好用，還要專業(yè)。
04 算力與能耗：AI發(fā)展的雙重挑戰(zhàn)
泓君：談到落地，模型的三要素是算力、算法和數(shù)據(jù)。企業(yè)通常是自己擁有數(shù)據(jù)的。而算法則是訓練模型的部分。我了解到聯(lián)想在算力方面也有布局。慶春能否和大家解讀一下聯(lián)想在算力方面的布局？
陳慶春：對，聯(lián)想在算力方面的布局主要體現(xiàn)在其 ISG 基礎(chǔ)設施方案業(yè)務集團，這個集團是專門為整體 AI 基礎(chǔ)設施而設立的。算力的布局實際上是分得非常細的，它并不是簡單地依賴一臺服務器或者一個 GPU 來完成整個 AI 的任務。算力需要有服務器、存儲能力，如果沒有存儲能力，就無法進行大數(shù)據(jù)分析。
其次，數(shù)據(jù)網(wǎng)絡也是非常重要的，因為一臺服務器是無法承擔很多工作的。就像英偉達的黃仁勛前幾天提到的，Meta 用了 19 天建立了 10 萬個 GPU 集群，那么這些集群之間如何連接，就非�？简灁�(shù)據(jù)網(wǎng)絡的能力。聯(lián)想在這方面也有很強的技術(shù)能力。
此外，還有虛擬化的能力，比如算力池。還有數(shù)據(jù)化的能力，以及非常強的可持續(xù)發(fā)展能力。也就是說，不能消耗過多的電力，過多的消耗會造成浪費。
這個大的算力架構(gòu)并不僅僅是一個 GPU 的能力，而是一個非常全面的能力。只有當這些全面的能力都建立起來后，才能實現(xiàn)一個非常穩(wěn)定和可持續(xù)發(fā)展的算力能力。
泓君：那就是既要算力，還要省電。我記得今年 Sam Altman 一直提到，未來大模型的訓練不僅僅受到算力的限制，更重要的是能源的限制。大家怎么看？你們認為未來 AI 的訓練和數(shù)據(jù)中心會面臨能源方面的瓶頸嗎？
駱軼航：長期來看，它確實會的。因此，現(xiàn)在替代性能源的選擇越來越多。我覺得，AI 這一波發(fā)生了一個非常有意思的變化，它改變了很多公司的角色。例如，過去我們把芯片制造商稱為代工廠，但現(xiàn)在你會發(fā)現(xiàn)一些比較強大的芯片制造商已經(jīng)不僅僅是代工廠，而是某種意義上變成了基礎(chǔ)設施，變得像云一樣，地位提升了。
電這一點，過去哪個行業(yè)沒用電？托馬斯愛迪生發(fā)明電已經(jīng)150多年了，誰都在用電。但是你會發(fā)現(xiàn)，電作為一種基礎(chǔ)設施，其基礎(chǔ)性已經(jīng)達到了這樣的程度。以至于你必須考慮派生和可控核聚變這種投資，其實我覺得接下來可能各地都會去搞。
所以，我認為，AI 這一波作為計算革命、生產(chǎn)力革命的一個范式變化，它直接重組了很多東西，抬升了許多產(chǎn)業(yè)鏈中模塊的地位。
泓君：因為我們之前在播客中專門聊過一期關(guān)于 AI 能耗的內(nèi)容，并請教了很多電力學專家。他們有一種觀點認為，過去中國和美國在電力問題上的情況是非常不一樣的。美國的電力一直屬于一種非常穩(wěn)定且平衡的狀態(tài)，穩(wěn)定的表現(xiàn)是每年大約 0.5% 的增長率，而美國的 GDP 增長并不依賴于電力，而是依賴于服務型行業(yè)。
所以，現(xiàn)在美國AI數(shù)據(jù)中心當前的耗電量其數(shù)據(jù)能耗相當于一座紐約市。然而，美國的基礎(chǔ)設施大家都知道進展非常緩慢，電力建設無法跟上未來 AI 產(chǎn)生的能耗增長，而且首先要保證居民的用電需求。這個問題在美國非常嚴重，而在中國卻不是一個特別大的問題。因為中國的電力建設，包括基礎(chǔ)設施建設，做得可以說是非常好的。
駱軼航：基礎(chǔ)設施這東西原本不值錢。所以我們那時說互聯(lián)網(wǎng)公司就像水電、煤一樣，我們說它估值就上不去了，市值上不去了。但是，作為一種稀缺的基礎(chǔ)設施，它就值錢了。我覺得未來可能會出現(xiàn)這種新的電力和可替代能源的公司，它們直接因為變得稀缺而提升價值。這可能是一個非常大的變化。
泓君：如果能節(jié)省一點點能耗，這對所有在 GPU 上進行訓練的公司來說，都是一個巨大的資源節(jié)省，同時對社會也是一種巨大的資源節(jié)剩我記得剛剛慶春在跟我們分享的時候，提到聯(lián)想在降低能耗方面進行了一些嘗試，可以整體展開一下嗎？
陳慶春：剛才兩位老師提到的觀點是，做一些大型集群的算力必然會耗電。過去耗電的原因有兩個：一個是散熱，另一個是電力消耗。
我不知道大家是否去過數(shù)據(jù)中心，那種服務器特別多的數(shù)據(jù)中心，第一個特點就是噪音特別大。這個噪音并不是來自于服務器本身，大家可能會記得，第一代電腦的聲音很大，主要是因為散熱風扇的噪音。同樣地，當你看到一個數(shù)據(jù)中心時，最先看到的不是服務器，而是一群空調(diào)外掛機。這么多空調(diào)外掛機是因為大量的服務器和存儲在一起產(chǎn)生的熱量會很高，如果不降溫就可能導致宕機。因此，需要用空調(diào)來保持數(shù)據(jù)中心的平穩(wěn)運行。
這就使得數(shù)據(jù)中心具有了這樣一個不好的屬性。那么，我們?nèi)绾卧谶@個不利條件下去改善呢？聯(lián)想因為做服務器已經(jīng)很多年，所以在十幾年前就發(fā)明了海神液冷技術(shù)，來幫助服務器降溫和節(jié)能�，F(xiàn)在，這項技術(shù)已經(jīng)發(fā)展到第六代了。
楊元慶介紹海神液冷技術(shù)，圖源：聯(lián)想
我可以舉個例子，聯(lián)想為北京大學建立的高性能計算中心，節(jié)省了50%的智能散熱成本，每年算力可以節(jié)省60萬度電。
所以無論是高性能計算中心還是GPU計算中心，在散熱和降低能耗方面都有天然的需求。目前，關(guān)鍵在于哪個廠家更有能力將這部分費用降低。這可能是一個非常有競爭力的優(yōu)勢，現(xiàn)在幾乎所有數(shù)據(jù)中心，無論是國內(nèi)還是國外，都優(yōu)先考慮節(jié)省成本。他們會關(guān)注你能為我節(jié)省多少電力成本，畢竟工業(yè)用電成本也相對較高。
泓君：今天整體的討論中，我還是想了解AI是不是真的創(chuàng)造了一些社會價值，它是如何幫助人的，尤其是如何幫助一些特殊群體。大家有沒有相關(guān)的案例想要分享？
陳慶春：舉個例子，聯(lián)想非常關(guān)心殘障人士的需求，比如聾啞人只會通過手勢溝通，那么他們對著PC比劃手語時，PC可以識別手勢并進行翻譯，把手語轉(zhuǎn)換成文字或語言，幫助他人理解。這種技術(shù)能夠?qū)⑸鐣械拿恳粋�弱勢群體都考慮在內(nèi)。
泓君：這個案例確實非常好，特別是在硅谷，我對AI在科學領(lǐng)域的應用感觸很深。比如說“AI for Science”這個方向，像今年諾貝爾化學獎的頒布就特別有代表性，一共三位獲獎者，其中兩位獲獎者是來自DeepMind，他們通過AlphaFold在蛋白質(zhì)結(jié)構(gòu)預測方面取得了重大突破。這類AI的進展不僅推動了基礎(chǔ)科學的突破，同時也為社會帶來了巨大的益處。
陳慶春：聯(lián)想之前在公益事業(yè)方面也做了很多工作，其中一個例子就是利用AI技術(shù)幫助復刻應縣木塔。大家可能知道，應縣木塔是中國非常重要的古建筑之一，由于年久失修，現(xiàn)在已經(jīng)無法讓游客近距離接觸或登上高層去觀察其細節(jié)。為了讓更多人能夠感受到這座古塔的原貌，聯(lián)想通過AI技術(shù)對木塔進行復原。通過AR和VR的方式，人們可以在電腦上以近距離的視角來觀看和了解這座古建筑的結(jié)構(gòu)和細節(jié)。
