这节课的内容是AIGC行业发展跟人工智能的情况，刚才有同学问到中国企业，尤其像华为是否会有后发优势，我认为是有的。结合刚才我们讲的内容和这张图，大家可以看到，AIGC发展的特点，除了本身技术水平缓慢迭代往前走外，第二点是新的技术在不同阶段完成的功能性是不一样的。早期是小范围实验，科学家自己的游戏，中期就有一些功能，比如2012年做的同声传译等等。

微软从出现以来始终处于科技创新的前沿，我去年下半年在发表的一篇文章叫《第五范式的出现：科学智能+机器猜想》，第五范式讲的跟ChatGPT大模型就有一定关系，是AI for Science人工智能用于基础科研领域。微软今年才成立第五范式的研究机构，大模型的出现标志着什么？人和机器的深度协同当然不仅限于人和机器的沟通，沟通只是一个基础功能，过去20年的技术创新，大家很担心的是依赖于20世纪80-90年代一系列创新基础，没有任何原创性的技术创新。

Nature做了一篇论文，相应的统计里面说了两件事。第一，发表在Nature上的基础创新的综述性论文这几年越来越少，大家都去研究细节了，创新越来越偏功能化、偏细分化。第二，获得诺奖的学者，获得诺奖的原因离现在的年龄越来越大，比如说他70岁凭借30岁干的活获得诺奖，说明基础科研创新受阻碍了，这个阻碍是什么原因？

我觉得有两点。第一，知识爆炸导致科学分工。从第二次、第三次工业革命后，知识分工越来越细了。现在去问清华的某个教授或学者，他们更多的是研究某一细分领域的专业知识，分工越细，能力越专业，好处就是水平越高，坏处就是对其他行业可能不太了解，甚至没办法去做任何研究工作。真正的知识爆炸大时代，大师就是全科式人才，比如牛顿、爱因斯坦、达芬奇、达尔文，现在很难培养了。

第二点是知识爆炸的情况下，技术高速迭代的同时，人没有跟着技术进化。比如计算机发明了，但大多数人无法应用编程语言，没有学且学起来也困难。

今天这个时代变成什么呢？第一点，自然语言本身可以跟机器进行直接交互，用GPT生成式模型，完全可以通过各种大公司的算法和程序考试，告诉它一些固定模块，生成想要的功能，自然语言本身成为了人和机器可以直接交互的工具。计算机是0/1思考，需要再把0/1变成自然语言，中间有很多program。

第二点是什么？机器可以帮我们消化大多数领域的其他知识，从而创造新知识，新知识靠人去创造，不是机器直接创造。我们有一个topic，需要机器给出足够的论证证据和资料来帮助我们进行知识的拓展。

第三点，AI for Science用的不只是transformer或GPT，逻辑在GPT之上。其它基础科研领域有可能在AI的辅助之下大大加速发展，叫机器猜想加科学智能。在莱特兄弟发明飞机之前，我们是不知道飞机原理的，但是先把飞机发明出来，再去研究空气动力学。在机器的情况下，可能也不知道这个模型learning出来的过程是什么，但是可以直接问它如果要发现某种符合特定蛋白质结构的方式，应该从什么样的基因序列上着手？之前的实验论文说明了这个问题，AI告诉了科研团队某一个可能性的基因片段，后来研究发现只有这种可能，这大大压缩了基础科研的创新时间。

这就解决了两个问题，第一，过去数十年间基础科研领域没有创新突破，在机器的帮助下可以实现创新突破周期的压缩。

第二，反哺到人工智能领域，把人工智能应用的场景从简单的自然语言文本、图形图像扩展到推动基础科研所有领域的创新，从而导致创新本身也拥有了投资价值。以前我想投一个医药公司，新药研发可能要等50年，现在如果能把它压缩到3-5年的周期，整个创新业态就不一样了。

这里要强调的是，AIGC的发展只是AI进入通用人工智能时候的一种范式，而最重要的AI for Science，是一个通用范式。

投资投的是什么？第一是对现在有理解，知道现在发生了什么，但最重要的是，需要比其他人多看几年未来。而在这个时代，毫无疑问，技术决定了未来演化的方向，我认为AI for Science决定了几乎所有跟科研科学有关的技术创新方向。大家需要知道这个方向上都发生了什么，需要知道这些事情对大家在基础研究领域包括投资领域有什么意义。

我刚才回答华为有弯道超车的可能，因为两点。第一从软硬件水平来说，华为的软件实现自主化，是被封锁最厉害的，所以只能自强不息，已经完成了一些软硬件的国产化，包括自循环。

第二个比较重要的就是在目前国内的这些科技创新企业当中，好像只有华为招了一堆数学家或者基础科研学者在做研究，而且其中一大半是老外，欧洲的、俄罗斯的一些数学天才。华为的基础通信模块，最早的交换机之一，它的数学逻辑就是靠芬兰或是某个小国的数学家做出来的，这个数学家还在当地建了一个研究所，这些就是我们要抓住的机会。

在全球科技竞争封锁这么严重的情况下，直接去拿现有的成果不是最好的选择，因为拿来直接用就是一直在吃剩饭，一直在落后，应该做的是去抓住这些最基础的科研领域。ChatGPT在数学上也有局限，它只能做到这个版本智能的极限。当然再往后看，如果Altman没有骗大家的话，他的意思是在GPT-4上可以做更多的拓展、延伸、深化并且迭代，但是无法做出更高级别的智能，所以并不准备把以后的优化版本叫做GPT-5。我并不认为它是不做技术创新，而是基于这个判断，短时间内无法涌现出更高级别的智能了，所以我可能会看好一些在这个领域有研究的企业。再往下看也是这样的，参数不断变化，工艺不断变化，使得整个创新逻辑在变化。

右边就是市场活跃的情况，市场活跃情况反映了什么呢？反映出当我们做出跟前一个时代完全不同的产品时，市场就会给出一个信号，告诉我们这件事做对了，会获取更多的市场关注。掩盖在市场关注之下的是过去5年左右的时间，在科研界大家都没有看好它的情况下，仍在不断投入。

以上本期课程的主要内容，关于课程内容有什么问题或建议欢迎留言。我是刘志毅，我们下期再见。

- E N D -

 加入刘志毅「AI时代的科技新范式」

— — 《AI时代的科技新范式》目录— —