AI：让科学发生革命的工具

王坚像“谜”一样神奇而独特的存在。他是中国工程院院士、之江实验室主任、阿里云创始人，作为一名科班出身的工业心理学博士、教授、系主任，到微软担任亚洲研究院常务副院长，再到阿里巴巴首席架构师，以及具有国家重要战略意义机构的科技领导人，其经历横跨高校、企业、科研多个领域，这些角色看似差异较大，但它们之间却有一种密不可分的连接。

可以说，上世纪80年代“开放而超前”的杭州大学心理系奠定了他作为心理学家和计算机学家（兼修并完成浙江大学计算机系相关的基础课程）的科学家底色；而微软近十年的历练使其在紧跟世界科技前沿，尤其在大规模数据处理系统等方面打下扎实的基础；无论是采用计算作为公共服务的产业模式，主持研发大规模分布式计算系统的“飞天”以及云计算产业的突破，还是以志愿者的方式推动“城市大脑”作为未来城市新的数字基础设施，则使其完成“0到1”“1到100”的创新全过程；而在之江实验室则是其聚焦智能计算，推进高效能新型算力系统成为浙江、杭州实施人工智能战略的创新尝试，尤其在机制创新、市场模式创新有了新突破。

在杭州云栖小镇的“2050博悟馆”，王坚与《财经智库》进行了独家对话。博悟馆陈列着近百件与数据、计算和互联网相关的艺术品，还有百余位对人类作出重大贡献科学家的画像，就如他倾其全身在苦苦追索“创新究竟如何发生，尤其在决定人类命运的关键性创新，在何种条件下产生”，犹如他创办“云栖大会”“云栖小镇”“2050”的初衷，而酝酿已久的“梦溪论坛”亦初步成型，既追踪沈括，也借鉴为期两个月诞生了近代“人工智能”的达特茅斯会议。

“悟”是灵魂，“大道至简”是他认知世界的风格。

“1到100”实质是社会对技术的认可

《财经智库》：近期，诺贝尔物理学奖和化学奖分别颁发给了从事人工智能的科学家，无论是人工神经网络和机器学习的基础性发现，还是在预测蛋白质结构和计算方面，均与人工智能相关，这说明AI技术在多个领域的应用并产生深远影响，但为什么诺贝尔奖的颁奖词里并未提人工智能的字眼？

王坚：有意思吧。当今年的诺贝尔物理学奖公布后，《科学》杂志的网站上发表了一篇文章，题为“In the surprise，AI pioneers win Nobel Prize”（出乎意料，AI开拓者赢得了诺贝尔奖）。更有意思的是，《财富》杂志在介绍获奖人Geoffrey Hinton（杰弗里·辛顿）时，说他是一个认知心理学家，同时也是一个计算机科学家，所以物理学奖不仅颁给了计算机科学家，同时还是一位心理学家。有好事者跑到ChatGPT去问，Hinton的相关研究是不是属于物理学？怎么问也问不出来Hinton从事的是物理学研究。

《大西洋月刊》的报道更是直接以《AI赢得了诺贝尔奖》为标题，但同时也描述了诺贝尔奖“向善”的初衷，即诺奖的获得者要对人类福祉有贡献。在我看来，这次诺奖肯定了AI对人类的益处。曾经有人说过ChatGPT是人工智能的iPhone时刻，《大西洋月刊》的这篇文章则认为这次诺贝尔奖就像是AI的青霉素（青霉素对人类有贡献）和X光时刻。如此的表述是为AI正名。当然在全球范围内，仍然对AI有争议，但我愿意将这次颁奖称之为最好的“AI诺贝尔和平奖”。但整个颁奖词里确实未提AI字眼，科学界与媒体界强调的面有所不同，我比较同意部分主流媒体的观点。

事实上，这是在提示人类要重新思考基础学科的含义和概念。这已经不是科学研究工具的革命，而是一个能让科学发生一次革命的工具，这个新工具让科学得以进行一次彻底革命，某种意义上讲它“革”了科学的命。

《财经智库》：您在讲工具的革命和革命的工具时，将此运用于企业，记得您曾提到大公司觉得AI是工具的革命，小公司觉得AI是革命的工具。如果大公司也有革命工具的意识，那么划时代的影响就来了。您的意思是，尽管大小公司有区别，但都具备一个创新空间？

王坚：严格意义上讲，大企业是可以把AI作为革命的工具，只不过它要守着原来的利益和惯性不放，就只能变成工具的革命了。理论上都可以成为革命的工具，但在大公司中，让人们全面拥抱AI会比小公司更难。

《财经智库》：船小好掉头，大企业往往做不到。

王坚：对，做不到是因为机制原因，而非工具本身的原因。其实今年诺贝尔奖也部分反映出了这个问题，为什么不是这个学科领域的科学家来完成这些研究呢？他们还是抱着固有的思维不放。

《财经智库》：这跟你提出的“机制创新”又有怎样的关联？您说过，从AI到AI+，这个“加”不是别的，而是“机制的创新”，而机制创新不是人工智能与产业的简单结合，它完全超出了“0到1”的创新，就像OpenAI，事实上继承了源自Google的Transformer技术，但Google内部的机制难以创新，不像早期的OpenAI本身具备非营利机构的特质。您说这种超越“0到1”创新，远远超出学界、产业界已有的认知，那它对现有认知提出了怎样的挑战？

王坚：讲“0到1”时，人们往往没有把它的内涵和外延说清楚，我们总是狭隘地将此视为技术本身的革新，而技术本身的革新是0还是1，可能有一种判断的标准问题，既包含技术带来的或者技术影响的变化，也含有一个“0到1”的过程。毫无疑问，“从0到1”的创新很重要，但“1到100”的创新同样重要。1到100的创新不是简单的应用，是社会对这个技术的认可程度，这是非常艰难的过程。也就是说一个新技术的起源到最终需要社会的认可，实际上就是“从1到100”的过程。

今年诺贝尔奖可以视为科学界认可了AI，它是AI在科学领域“1到100”的创新。AI开始影响科学研究本身。所以我的明确定义就是，“1到100”是社会对这个技术认可的过程，而不是简单的再重复过程。

关键要将“机制”说清楚。“1到100”的内涵到底是什么？1到100是1被放大了100倍，而不是1重复100次。从这个意义上讲，社会接受一项新技术的过程极其艰难，人们理解AI也是这个过程。你可以说AI从1956年达特茅斯会议开始，已近70年的历史；如果从ChatGPT的出现算起，也可以说近几年才有了突破。

《财经智库》：在AI的历史纵向上，您说过虽然人工智能有很长的过去，但只有七年的历史，直到Google开始提出了Transformer，后来OpenAI推出了ChatGPT。但在横向关联性上，您也提出其中的创新就是数据、模型、算力的系统结合，以及机制创新、技术创新和基础设施的创新，这个历史纵向跟你所想的横向关联，其结合点又在哪？

王坚：它本质上就是一个纵横交错的关系。纵向，就是这个时刻所有的创新要素要能够整合，OpenAI把深度学习、Transformer架构、大语言模型，以GPT的形式整合在一起；横向，数据、算力慢慢变得成熟，更像个基础设施。比喻来说，高速公路作为基础设施，如果没有汽车、汽油及相关技术的整合，没有任何用处。因此，要在一个基础设施上进行深刻的纵向整合，世界才会被改变，谁先谁后则是另外一回事。历史源头也很重要，有的可能是先修路才有车，有的可能有了车才修路，两者之间相互作用并影响。

如何加速基础设施的创新也至关重要。设想一下，造一辆车容易，但要大规模使用，基础设施不可缺。若把大规模使用当作一个创新加速过程，就变得有意思了。

我经常被问到一个问题，到底是“0到1”重要，还是“1到100”重要？很难回答，因为这个问题需有前提和条件，哪方面欠缺它就是重要的。

《财经智库》：条件和时间不同，重要性就不同。当我们谈论pure questions时，答案是一样的，但放入不同的时间和地点或环境，答案则不同；即使同样的问题，强调的面也不同。

王坚：就是这个道理。你说对人来讲，维生素C重要还是钙重要？就看你缺什么。我始终强调判断很重要，判断不对所有东西都不对。你到底是缺钙还是缺维C，判断变得很重要。创新也是如此。举例来说，人才很重要，这句话永远都对，但今天此时此刻是哪种人才重要，不见得是一件容易判断的事情。

《财经智库》：判断与认知就会影响决策和结果。您曾经引用红杉资本的观点，在云时代、移动时代、AI时代，云计算就是基础设施。为什么基础设施作为技术渗透的一种形式对人类产生的影响是最深刻的？

王坚：为什么基础设施最重要？好的基础设施能跟随人类几百年、几千年，真正一直存留下来的基础设施没有多少，如道路，电网等，有些当时所谓的新发明，例如很多智能硬件，认为是创新，其实昙花一现。如今火热的虚拟现实，最后不是还回到“眼镜”上吗！所以，越是能跟着人类发展，越是简单离不开的东西，才是真正革命性的东西。道路、电力等可以发生诸多形式的变化，但不会消失。

那么，云计算为什么是基础设施？计算是不会没有的。一个技术真正要追求的就是它的生命周期，世界上生命周期足够长的技术不多，云计算是少数几个可以与电等媲美生命周期的技术，因为对计算服务的需求不会消失，就像对电的需求。

我常常说自己做云计算是非常幸运的。第一，云计算是技术，技术创新是关键；第二，云计算是商业，不是每一项技术本质上都有商业属性。为什么阿里云成功，不是我有什么了不起，是因为云计算本质上就是商业；第三，云计算还是一个能够持续几百年的商业。大家对商业的理解不太一样，不能把简单的买卖当商业；市场化与商业化也不是同一概念，我们需要的是真正回归市场化。总而言之，同时兼具这三个条件，技术、商业，还能持续百年的创新，很少。

《财经智库》：您把数据、计算和云计算都视为基础设施。那未来AI还会主要依靠transformer技术，还是会有更好的技术？如果有的话，这种新技术应该有什么特点？或者比现在更优，或更好的底层？

王坚：依我之见，这次诺贝尔奖的物理学和化学奖的获奖贡献对AI的作用还是稍微差了一层意思，没有直接把AI说出来。如果真正要说AI，一定要说Transformer技术，神经网络是Transformer的基础，Transformer是非常革命性的，其革命性体现在几个方面：其一，Transformer是能够真正把大规模算力用上的一个技术框架，除了Transformer，没有其他任何技术框架和方法能够利用如此大规模的算力进行训练；其二，在Transformer的框架下定义了数据，它用Token变成了定义数据最基本的单元，事实上把计算和数据相融合，使其架构趋于完整。

我认为，短期内发生革命性变化，还是比较难的。要不要想办法革新？当然要。但如果有人今天说有东西会马上颠覆Transformer，我也表示怀疑。计算机会不会革命？一定会，毋庸置疑。但我基本认为20年之内是不可能的，我们到今天还是依赖冯·诺依曼结构。

《财经智库》：您有没有觉得Transformer这个革命性技术有弱点？

王坚：我可能鼠目寸光，我更愿意看到它的长处。这就如同对待一个人，他的长处还没有完全发挥出来，你却去想他的弱点？有人会写文章，你却责怪他数学能力差，逻辑是不对的。你需要先找到他的能力边界，而不是找缺陷。ChatGPT的巨大成功误导大家的地方，就是把大家的目光集中在让Transformer做ChatGPT类似的事情。事实上，这次诺奖得主预测蛋白质结构也是用的Transformer架构，但他们对这个架构做了革命性的延伸。再比如，在生成图片的Midjourney所用的技术也同样用在了蛋白质结构预测；接下来也可以用这个技术来预测天气等。在AI历史上还没有一个方法可以被这么广泛运用，目前一个很大的挑战是我们还没有把它用好。就像电从点亮灯泡到成为汽车的动力经历了100多年。而让我“着谜”的就是它还能被用在哪里！对技术也要有敬畏之心。