人類最後的發明？AI浪潮中的頭號玩家都有誰？

AI真正走進大眾視野不過2年，卻掀起了全球性的科技風暴。

最開始的那幾位，是如何組起了這場牌局？後來能坐上牌桌的玩家，又具備那些特質？以及那些“天才思想者”的路，普通人有可能複製嗎？

從學術界到企業界，思想者先行

去年，時代雜誌公佈了AI領域最具影響力的100人。四大板塊中，入選年齡最大的是76歲的傑夫·辛頓。

人工智慧簡史在被神經網路重塑之前，辛頓在符號主義大行其道的80年代，一頭紮進神經網路默默耕耘。

符號主義基於規則，模仿的是人心，生成的是一個白盒系統，可解釋，可觸達，確定性更高，但神經網路主張模仿人腦，生成的是一個黑盒系統。

可當時有一大難點，就是多層神經網路中存在的隱藏層和計算量問題，在一開始就勸退了一大批精英，所以別說發展，在那個年代，神經網路流派的生存都是問題。

但是，如果在辛頓的履歷裡，找一件對AI貢獻最大的事，並不是他讓神經網路成功度過生存危機的誤差反向傳播演算法，也不是他後來以受限玻爾茲曼機為基礎，進一步演化出來的深度信念網路，而是他用了四十年的時間，堅持不懈，開創了一個新的分支：機器學習。也為後來所有的研究者，守著這扇通往新世界的大門。

2006年深度學習正式提出，辛頓已然著作等身，但關於AI究竟要走那條路線的偏見，依然根深蒂固，多倫多大學電腦學系，當時就流傳著對新生的一句忠告：不要去辛頓的實驗室，那兒沒前途。

當然，這句話沒有勸退真正眼光毒辣的學生，比如伊利亞。

早在2003年，大家還對神經網路流派嗤之以鼻的時候，本科二年級的伊利亞，就帶著驚人的直覺和更深入的研究，敲開了辛頓辦公室的大門，也代表著他對這一路線，早就深信不疑。

2004年，辛頓在輾轉多個大學工作後，終於在加拿大高等研究院拿到了50萬美元的經費，這可能是當時唯一還在支援神經網路研究的機構。

50萬美元，對於科研來說確實有些微薄，但是卻足夠讓辛頓結束漂泊的訪學生涯，並安頓下來，召開了一場研討會。

當時辛頓的半個學生楊立昆，和另一位徒孫約書亞·本吉奧，也加入了他的隊伍。所以早在20年前的2003年，“深度學習三巨頭”(楊立昆、約書亞、辛頓），就已經坐上了同一張牌桌。

但是，只有演算法上的創新還遠遠不夠，橫在三巨頭眼前難以踰越的還有兩座高山：算力和資料。

2012年，64歲的辛頓去Google做暑期實習生，這次入職，是應吳恩達邀請，接手Google貓項目。

如果只是識別一隻普通的貓，傳統的電腦視覺自然不在話下，可是貓有可能長得千奇百怪。

雖然當時Google在動用了16000個CPU後，識別精準率已經高達74.8%，辛頓卻仍然認為：他們的神經網路用錯了。

幾個月後，辛頓和自己的兩個學生：Ilya Sutskever、Alex Krizhevsky，帶著新演算法AlexNet，以及兩塊輝達GTX580顯示卡，參加了電腦視覺領域最受關注的世界賽事，ImageNet，並以84%的識別精準率，拿下冠軍。也是這一年後，曾經只拿來玩遊戲的GPU，憑藉超強的平行計算能力，來了個180度大翻身。

神來一筆的兩塊GPU，算力這座大山被鑿開了口子。那麼資料問題又該如何解決？

實際上，這場圖像識別比賽（ImageNet）本身就是一塊高品質的資料試金石，比賽的主辦者，就是後來被稱為AI教母的李飛飛。早在2000年，她就意識到，卡住神經網路脖子的，可能不在於演算法的精度，而在於缺少大規模、高精度的資料。

於是，ImageNet資料集的構想產生了。

最開始她用WordNet中的名詞作為索引，來篩選和分類圖片，但只依靠本科生，這項任務大概90年後才能完成。

就在所有人都陷入僵局的時候，馬遜土耳其機器人這個網站步入研究者的視野，也沒用什麼新鮮方法，亞馬遜找來十萬名“人類智能”，一招人海戰術，在短短兩年時間內，就標註了超過300萬張圖像。

2010年，第一屆圖片識別大賽舉辦。2012年，資料庫裡的圖片，就已經擴充到了1500萬張。

也是這一年，資料集的概念出現，逐漸成為未來所有人工智慧的核心養料。

所以當李飛飛看到了辛頓的AlexNet獲獎，立刻就意識到，歷史即將改寫。她在頒獎當天，買了最後一班飛機票，親自趕到現場給辛頓團隊頒獎。

多年以來壓在深度學習身上的三座大山：演算法、算力和資料，在這一年被集中解決，第三次人工智慧浪潮也從沉澱中甦醒，時刻準備爆發。

拿下大賽冠軍幾個月後，辛頓三人的“空殼公司”DNNresearch，也在四位買家（Google、DeepMind、微軟、百度）的角逐中，被Google以4400萬美元的價格收入囊中。

這次競拍也讓深度學習技術，逐漸走入資本視野，從學術界主導，正式進入企業主導的時代。

值得一提的是，參與競拍辛頓的四家公司中，還有一家小公司，DeepMind。當時的DeepMind自己都在四處籌錢，創始人哈薩比斯竟還想和大廠掰掰手腕，買下DNNresearch，可見他非同一般的眼光和野心。

但AI的吞金能力遠超大家想像，所有AI初創公司都面臨巨大的融資壓力，楊立昆當年關於這一點，沒有說錯。果然兩年後，DeepMind也被Google用6億美元拿下。後來的故事，大家也有所耳聞了。

2015年，GoogleDeepMind團隊推出了Alpha Go，第37手，漂亮的“神之一手”，也一舉成名。

但是，距離人工智慧真正爆發，還缺少一個關鍵契機。

2017年，一篇終結了CNN（摺積神經網路）和RNN（循環神經網路）的論文問世，（《Attention is all your need》https://arxiv.org/pdf/1706.03762），八位作者都來自Google。

回過頭來看，注意力機制，作為後來主導大語言模型的根基，被Google這家，全世界最大的注意力商人發佈，好像也在情理之中。

第二年，Google就發佈了BERT模型。大模型的狂潮，也正式拉開了帷幕。

所以不難看出，2012年的那一次實習、一場比賽、一局競拍，讓深度學習走出學術界，正式進入商業市場裡摸爬滾打。由於深度學習長期無人問津，領域裡的頂尖學者也屈指可數，

學術界就乾脆以超級學者為核心，形成了幾大AI高校研究陣地。

這些稀缺的大佬同時化身最佳獵頭，帶著自己的學生，從實驗室，走進了AI領域的前沿公司。只不過，這一次他們不再是玩家，而是換了個身份，繼續這場遊戲。

AI創業者，誰笑到最後？

新的牌局上，Google可以說開局就有皇家同花順的底氣，畢竟接連拿下辛頓團隊、DeepMind，

之後又連續發佈Alpha Go、Transformer、BERT。手握最強AI資源的Google，是當時AI領域絕對的頭號玩家，很長一段時間，風頭無兩。

但為什麼後來坐上了王位的，會是當時連一間像樣辦公室都沒有的Open AI呢？

Google輸在了那兒？

Google作為一家號稱只招收精英的科技巨頭，成立了20多年，去年裁員後仍有18萬員工（Alphabet）。

不缺資金、不缺人，也不缺資源，但與之對應的，是精力分散、過分謹慎，以及團隊磨合的問題，船大難掉頭。

相比於Open AI產品的一目瞭然（Open AI官網），Google的產品開發可以用眼花繚亂來形容。這個網站上：https://killedbygoogle.com/ 記錄了被Google砍掉的295個項目（包含AI與非AI）。

Google一直在各種不同的技術路線上廣撒網，卻並沒有帶來與之對應的收穫。

技術開發什麼最重要？選對路線，並持續加碼。這幾輪翻牌，在GPT模型上（BERT線）持續加碼的玩家，只有一個，就是Open AI。

Google後知後覺，在GPT-3出現後才下定決心All in，但此時它的身份已經從領頭羊，變成了追趕者。不僅如此，由於手上的籌碼太多，Google還面臨另一個難題，就是優等生陷阱。

由於Bard機器人發佈後頻頻翻車，而市場對大公司的小失誤又極其敏感，直接導致股價跌了8%，損失高達1000億美元，也留下了非常嚴重的後遺症，就是內部越來越傾向保守，論文一篇篇地發，但產品落地不聲不響。

好在去年3月，Google終於把Google Brain和Google DeepMind合併，哈薩比斯統一領導，全力開發Gemini系列，但是內部磨合問題，必然會消耗一定的時間和精力。

哈薩比斯當初賣身Google，是因為只有10%的時間搞研發，其它時間都在找錢，現在倒是不缺錢了，但管理問題同樣令人頭大。

原先DeepMind實驗室的核心成員陸續離開，創立或者加入新的公司，當初的Transformer八子也是一樣選擇。

儘管Google已經開始亡羊補牢地召回人才，但是相較於山姆·奧特曼的氣勢如虹，錢，已經不是吸引頂級人才的主要因素。

微軟成最大贏家？Open AI能贏到最後嗎？

頂尖的大腦，才是致勝的關鍵。而從一開始就踐行這一點的，就是開頭那場晚宴上遲到的年輕人，布羅克曼。

他那場他還不是主角的晚宴結束後，第一時間就給當時AI行業的領袖人物們一一打了電話，

可惜的是，辛頓已經去了Google，楊立昆也被Facebook收入麾下，只剩下致力於學術界的約書亞·本吉奧。

本吉奧也是神助攻，直接給他提供了一份年輕研究者名單，雖然當時AI界的聚光燈都在大佬們身上，但布羅克曼依然租了輛大巴車，把名單上的研究人員，帶到一個與世隔絕的葡萄酒莊，度過了一整個周末。

三周之後，因為布羅克曼在人才招攬上超高的執行力，再加上馬斯克+山姆·奧特曼的人格魅力，可以說OpenAI從一開始就擁有雙重Buff，而且那時候的他們，言辭裡充滿對技術的浪漫主義情懷，一種奧本海默式的理想氣質蔓延在整個酒莊。

最終，10個人裡有9個，都同意了加入Open AI，當然也包括拒絕了Google兩到三倍薪酬誘惑的伊利亞。就這樣，在一眾巨頭的搶人大戰中，OpenAI成功拿下了大批現如今的頂級學術大牛。

AI公司起步，人不在多，必然得精。

有了這些人在前，Open AI的人才軍火庫也形成了自己獨特的篩選標準，一不重學歷，二不重資歷。相比遍地博士的大型研究機構，ChatGPT研發團隊裡的本、碩、博人數雨露均霑，當然其中絕大部分，也都是頂尖名校的學位。

但他們仍然認為只要能解決問題，甚至高中畢業的也能上。

雖然如今OpenAI的創始團隊已經七零八落，布羅克曼本人也宣佈了長期休假，但Open AI在人才上的先發優勢依然不容小覷。

看到這裡可能有人會有疑問，Facebook怎麼缺席了？

去年5月，華盛頓白宮，美國副總統賀錦麗拉著這幾家AI巨頭開了個閉門會（Google、微軟、OpenAI和Anthropic），卻沒出現Facebook的身影。

要知道當年DeepMind賣身，Facebook也是出價者之一，這家公司不僅成功將GAN改造成了工具，推出了PyTorch，也拿下了大將楊立昆。

但問題就是，在GPT風起雲湧的時候，Facebook還有一堆自己的麻煩沒處理好，VR和元宇宙業務出師不利，社交媒體業務陷入監管危機。直到去年，才推出了LLaMA。

但相比遲到，Facebook有一點倒是值得肯定，不僅在商業路徑受阻時，還持續向AI團隊提供足夠的資金支援，也始終沒忘當年對楊立昆的承諾，堅持開源路線。

因為Facebook堅信，AI牌局裡，開源是隱藏的王牌。只要自己一直在牌桌上，就還有機會。

而當初那場決定了AI未來走向的關鍵競拍中，還有一個熟悉的身影，百度。而且中國實際上是當時最早拋出橄欖枝的一方。

但那個時候，中國公司還陷在技術研發和投資回報那個更重要的問題中，無法自拔。最直接的體現就是主打電腦視覺的AI四小龍（商湯、雲從、依圖、曠視），一直在估值和股價的質疑裡浮浮沉沉。直到，GPT出現後，事情才有了轉機。

清華系逐漸進入大眾視野，如今的中國AI大模型五虎（智譜AI、百川智能、月之暗面、零一萬物和MiniMax），三家出身清華，這一批AI創業者身上標籤也更明顯，那就是像極了OpenAI：

年輕、根正苗紅的技術背景，以及更成熟的AI落地思路。

代表人物，就是月之暗面的創始人楊植麟，師從智譜AI首席科學家唐傑，博士生導師分別是Google和蘋果的AI負責人。

AI草台班子裡的角兒

從辛頓到楊植麟，從矽谷到清華，從學術界到企業界，在主題為AI的這場牌局中，我們也能一窺其中的玩家風格。

就像楊立昆最早質疑的一樣，年輕，沒經驗，但他沒料到的是，正是這樣的玩家，才有更強的學術延伸性，偉大確實很難被計畫。也是因此，才會出現創業公司和大廠同台競技的畫面。

同樣也是阿里這類巨頭，多方押注創業公司的原因（上述五虎，阿里全部都投了）。

模型公司繫結巨頭的玩法，已經在美國走通，（微軟+OpenAI、亞馬遜+Anthropic、特斯拉+xAI），可一旦出現突破性進展，最直接的可能，就是脫離大廠，重新洗牌，提前預定新一代大廠。

所以AI這場牌局，從辛頓30年坐冷板凳開始，就已經註定了會是一場長期遊戲，只有最具想像力的玩家，才有勝出的可能。

比如Open AI成立之初，就只有兩個目標：一是訓練一台機器，在《魔獸爭霸》裡打敗頂級玩家；二是打造一隻五指機械手，用來還原魔方，這只機械手還出現在了布羅克曼的婚禮上。

未來，或許很難再有第二個Open AI，但草台班子的戲台上，總有耀眼的角兒能殺出重圍，也正是新奇和有趣，才造就了出色和有戲，這或許才是新技術行業，應有的題中之義。 （36氪Pro）