清华跑出的AI“第一梯队”：锤子不该只砸钉子
作者： 朱秋雨
“这一轮AI浪潮，到底怎么挣钱？”
10月17日，在深圳举办的世界人工智能大会上，一名国内头部AI公司的负责人以此为标题，开始了他的演讲。
现场座无虚席。观众手机举得很高，后排站了满满的两排人。
毫无疑问，落地、挣钱是当下AI从业者最关注的话题。年初人们对AI大模型的欢呼声量变低，越来越多人开始发问：这一轮的生成式AI，与往常有什么不同？它能带来新的价值吗？
智谱AI的CEO张鹏，也在长期思考着这些问题：AI，目前为止普通人摸不着的技术，如何才能正确判断它的价值。他的公司由清华大学知识工程实验室（KEG）孵化，在2023年一举成为中国AI明星企业之一。
这一年，智谱AI获得了25亿人民币的投资。投资方集合一众大厂：美团、蚂蚁、阿里、腾讯。
令互联网大厂竞相跟投的，不止是清华系的“背景”。
这家创业公司最特别的是，它拥有与国际顶级机构不一样的技术路径，GLM（General Language Model），一个独属于中国的自研路径。
回到2022年3月。一篇7位中国作者合写的论文发布，轰动学界。
他们在文中大胆指出，目前所有的预训练模型框架中，都有各自的缺陷。比如，众所周知的GPT，原理是根据前一个词预测后面词的出现概率，生成了答案。这是一个单向的过程，不利于机器理解语言。
而世界级大厂谷歌提出的Bert模型框架，是在一句话里挖空一个单词，让机器学会完形填空。它却又不利于迅速生成答案。
“我们提出了一种通用语言模型（GLM）来应对这一挑战。”在论文里，一个全新的大模型路径被提出。紧接着，2022年8月，智谱AI对外发布，基于GLM的1300亿参数开源大模型GLM-130B。这是当年全亚洲唯一入选斯坦福评测的主流大模型。
一切就像命运般“赌”对了。
三个月后，这个年轻的创业公司随着ChatGPT的发布备受瞩目。有人形容，这是最像OpenAI的中国公司，研究背景强，同样追求更远的事情—让机器像人一样思考。
面对火热的关注，毕业于清华的张鹏却很冷静，习惯反思。他告诉南风窗，早在2022年中旬，团队已经预料到了这一轮技术带来的爆发。但当下的AI大模型虽然迭代迅速，仍旧面临如何创造新价值的问题。
他预想了很多种情况的发生。如果有一天，AI的进步真的让技术持有者面临奥本海默的抉择，张鹏说，他会坚持一个原则：Don’ t do evil。
“基于已有认知情况，不要作恶。”
以下是南风窗与张鹏的对话：
ALL in 大模型
南风窗：从2019年创业到现在，这几年你自己有什么感受的变化？尤其是AI行业经历了几年的“冷板凳”，今年大家的关注度突然间上升了那么多。
张鹏：我的感觉跟你的不太一样。回溯我国，人工智能产业更多在2012年随着“AI四小龙”的兴起开始进入市场。只有十几年发展时间，速度却非常快。在我眼里，人工智能领域一直是快速上扬的进程。当然，以前在学校，我看得更多是全球最顶尖的研究成果，感知上和国内的市场可能是两码事。
所以，我没觉得AI是一个“冷板凳”。但ChatGPT出现后，确实改变了一些事情，让人工智能行业从过去单在技术上推进，到如今整个产业对AI的关注。这是两条线。两条线交汇到一起，形成现在这个局面。
南风窗：上述我偏向投资的角度，今年对AI领域的投资确实更热一点。回看三年前，2020年6月11日，GPT-3发布，这是一个学术和产业界关注到的大事。这一天刚好是智谱AI成立一周年。“生日”碰上GPT-3的发布，有改变智谱AI的命运轨迹吗？
张鹏：我们2016、2017年开始研究AI产业时就一直在讨论，到底应该做什么事。上一代的AI技术（即行业大模型）不是我们想要的，因为预见得到技术天花板。果然，2018、2019年前后，AI企业纷纷到达发展的天花板，陷入瓶颈。
2019年时智谱成立。我们很明确的想法是，做下一代的人工智能。这就是清华大学人工智能研究院名誉院长张钹院士所说的，要发展第三代人工智能—“认知智能”。与张钹院士聊时，我们想清楚一件事，AI未来的方向里一定要有两条腿：一是数据驱动，另一个是知识驱动。从筹备创业一直到2020年，我们都在这个框架下用各种技术，如信息学习、数据挖掘、训练模型，推动认知智能的落地。
2020年，智谱成立一周年，正好碰上GPT-3的发布。那一天，我们请了张钹院士等人座谈，讨论的便是：GPT-3为代表的大模型，是不是我们所追寻的认知智能可能的解决方案。
我们接着做了一些小规模的实验，取得了一点成果。但到2021年初，我们发现，世界顶尖的水平领先我们挺多的。既然要去做下一代的技术，不上不下还是不行，应该瞄准最先进的技术去追赶；于是开始考虑，投入资源做一个世界顶级水平、类似GPT-3的千亿级模型。
2022年8月，智谱AI对外发布，基于GLM的1300亿参数开源大模型GLM-130B。这是当年全亚洲唯一入选斯坦福评测的主流大模型。
那时候，公司内部讨论最多的问题便是，要不要投这么多钱，做一个无法保证成功的大模型。经过对我们实力的评估，我们最终决定还是冒一点风险。做出投入的最本质原因，还是我们笃定AI大模型会是未来很重要的一件事。
当时国内这样认知的人非常少。别说创业公司了，大厂可能都很少。
南风窗：你刚刚说，想对标GPT-3。智谱AI最特别的一点就是GLM的路径。当时就确定，想走的路径是区别于谷歌和OpenAI，基于中国人自研的GLM路径吗？
张鹏：对。我们投入大成本做千亿模型的时候，在算法的研究层面已经完成了。GLM的路径在百亿模型上验证成功了，区别是我们没做千亿参数模型的验证，并不确定基于GLM能不能让我们超越GPT-3的水平。
南风窗：如此看来，百亿参数级的模型，对很多创业公司是可以接受的成本。但如果跨到千亿级参数，这就是一个飙升的难度，是决定一个公司的攸关时刻。
张鹏：对，一个是公司从经营层面怎么来决策，是否要冒这个风险。
另一个更大的层面，从百亿到千亿参数的研发，难度不是简单的乘10倍。很多技术上的风险和问题，不是说有决心、有钱，敢冒风险就能解决，这是大家比较害怕的事，也是到现在为止能跑出千亿模型的机构还非常少的原因之一。
南风窗：GLM还有一个特点，它比较节约算力，国产芯片也可以使用。这个特点怎么做到的？
张鹏：这就是所谓的“穷人的孩子早当家”。2020年底、2021年初做大模型研发时，算力不够，我们只能到处去借。借到的算力要一点一点地抠出来，分给研究和工程。
所以我们天然地对资源的浪费挺关注。当时的模型除了训练，还进行算法优化，做了很多提速量化压缩的辅助性工作。这些工作的目的是为了降成本，让大家更好地使用它。
而且我们必须笃信能这么做，否则，我们资源厚度不如国外的企业，起步比人家晚。在又不如人家的前提下，如果不做出一些创新，怎么可能追得上？
不要把我们做的事情定义成中国版ChatGPT。我们眼里，ChatGPT只是一个阶段性的成果。它不是我们的终极目标。
南风窗：背靠清华，智谱在中国的发展有一种“天之骄子”的感觉，这三年，智谱在发展的过程中有遇到灰暗的时刻吗？
张鹏：我们没有认为自己是天才。刚创业出来跟投资人聊天，他们最大的一个质疑就是：“你们一帮从学校出来的，整个创业院队又不年轻，你们凭什么能成功？没有一个人有市场和创业的经验，凭什么能成功？”一开始其实挺困难的，得面对这些问题。
南风窗：所以与外界想象的不同，清华系在投资者面前没有太多的加成
张鹏：“清华系”能起到锦上添花的作用。它不能是一个创业公司的全部，甚至都不能是你的最重要的三件事情之一。对于我们想做的事情而言，一开始资源方面确实紧缺。
AI不是用来砸已有钉子
南风窗：上述来看，智谱AI的气质还是与OpenAI有些相似，创业公司，注重技术和研究，靠技术夺得头筹。但你之前在受访时强调，智谱不是中国版OpenAI，你为什么会这样说？
张鹏：这里我要纠正一下外界的解读。从我的角度看，我们确实很多方向上的选择和决策，都和OpenAI有点像。我之前说的是，不要盯着OpenAI实现阶段性的目标。也就是说，不要把我们做的事情定义成中国版ChatGPT。我们眼里，ChatGPT只是一个阶段性的成果。它不是我们的终极目标。
我们的终极目标和OpenAI很接近，那就是实现通用人工智能。OpenAI毕竟还是比我们领先，所以在很多选择上，我们第一步就是虚心学习。他们做了很多创新，如果我们觉得有道理的，就想办法去做。
南风窗：智谱与OpenAI有相似的目标，实现通用人工智能（AGI）。你的AGI定义是什么样的？现在我们有了涌现很多智能的大语言模型，你觉得实现通用人工智能的下一个突破的点在哪里？
张鹏：通用人工智能，在不同的专家和学者眼里，有不同的解读。很难说清楚AGI的具体定义是什么。但我相信一种更简单的描绘：拿人做对比。像图灵测试，通过行为学的定义，用对话的方式让人分辨机器和人（如果人分辨不清哪个是机器哪个是人，说明机器通过了测试）。
目前的AI早就通过了“图灵测试”，但还有很多问题，比如容易出现幻觉和有毒性的词汇，逻辑能力也不足。这些还有赖于工程问题的解决。
目前的AI早就通过了“图灵测试”，但还有很多问题，比如容易出现幻觉和有毒性的词汇，逻辑能力也不足。这些还有赖于工程问题的解决。
今后我认为还有几个重要的方向：
一是多模态。人类的智能包含了很多能力，视觉、听觉等。我们在尝试这些能力跟大模型融合。这是未来很重要的方向。
第二，如同红杉资本在《Generative AI’ s Act Two》的文章中所说的，生成式AI的故事进入了第二幕。所谓的第二幕就是应用。现在，大模型的智能能力已经初步具备了，具备基本的人际沟通能力了。但怎么把它用到实际当中去，产生真正价值，怎么来做这个事情，还待解答。
第三，上述事情假如我们都能实现了，下一步我们该考虑，AI是否不仅达到人的水平，还能超过人。也就是Super Intelligence（超级人工智能）的出现。
南风窗：刚刚我们一直在聊说落地和技术，这是智谱的两条腿。大模型在国内掀起浪潮半年多了，想知道在未来，这两条腿共同前进的目标是什么？
张鹏：有一个比较抽象的目标，那就是让大模型的能力，真正创造出一些比较大价值的应用。面向消费者端，那便是创造一个Super App（超级应用）。
在面向企业端，即在应用场景给客户带来更大的价值。我们常提的叫“降本增效”，后面我还补了两个词，叫作“提质”，提升质量；还有，“创新”。