中国工程院院士王坚（演讲实录）：AI+重点不是加什么，而是怎么加

王坚院士外滩大会演讲：AI+的核心不是加什么，而是怎么加

9月5日，中国工程院院士、之江实验室主任、阿里云创始人王坚在2024 Inclusion·外滩大会上，分享了他对AI、AI+和AI基础设施的深度思考。他明确提出：AI+绝不是AI与产业的简单叠加，而是数据、模型与算力的有机组合。他强调，当我们谈论“人工智能+”中的“+”时，重点不是加什么，而是怎么加——这背后隐藏着更核心的机制创新。当数据、模型、算力的规模都发生剧变时，必然引入新的要素：AI基础设施。

王坚指出，一件事上升到基础设施层面，意味着技术渗透的终极形态。什么样的技术能对人类产生最深远的影响？答案是成为基础设施的技术。他援引红杉资本的观点：在云时代、移动时代、AI时代，基础设施始终是云计算。他最后总结道：“当你看AI、AI+和AI基础设施时，会发现这个世界不仅在技术层面革命，机制和基础设施也在革命。没有什么比这三项革命同时发生更令人激动。这些革命正在创造未来。”

---

以下是王坚院士在大会上的演讲实录（经整理与精炼）

王坚以三个关键词——AI、AI+和AI基础设施——开启了分享。他指出，尽管AI这个词千人千面，但今天这三者恰好被结合在一起，形成了一幅完整的图景。

他首先引用了一个常被提及的判断：

这听上去矛盾，却揭示出最令人困惑的问题——到今天为止，人工智能究竟在讨论什么，依然值得深究。

王坚展示了一张图，上面红线标注的位置大约在20世纪40年代末到50年代初——图灵发表了那篇名为《智能机器》的文章。他认为，这是漫长过去的开端。如果追溯机器智能的源头，甚至可以向前推几百年。图灵这篇文章发表在心理学与哲学杂志上，首次探讨机器与智能的关系。值得注意的是，当时“计算机”这个词尚未诞生，大家习惯称其为“computing machinery”。美国计算机学会ACCM的名字就来自这个历史渊源。图灵在文章中首次使用了“数字计算机”一词，其深远意义至今仍值得反复咀嚼。

很多人会谈到1956年的达特茅斯会议。王坚风趣地说，如果当年这个会不在达特茅斯开，那十位先驱的想法可能就被维纳的控制论给“灭掉”了。我们或许会用另一个词来称呼今天的人工智能。但“人工智能”这个说法就这样流行开了。

他对人工智能的理解，很大程度上源于赫伯特·西蒙。这位心理学家参加了达特茅斯会议，后来获得了诺贝尔经济学奖。西蒙在1972年以美国计算机学会身份首次访华，80年代初又以美国心理学会身份再次来华。当时王坚正读大三，西蒙在校园里讲了人工智能。他感慨道：“一个大学三年级的学生，在80年代初的中国，听到有人说人工智能将在未来十年发生天翻地覆的变化，那种激动可想而知。但事实上等了十年，什么都没发生。”不过，当时提出的许多基础概念至今仍在沿用。

甚至今天广为人知的神经网络，在80年代末的教科书《并行分布式处理》中就有系统阐述。只不过当时每一层只有两个节点，总共三层，规模无法与今天同日而语。王坚强调：

为什么说AI只有非常短的历史？回到那张图，红线标记的另一处是2017年——谷歌提出了Transformer架构。王坚认为，今天人工智能重新回到大众视野并在产业中产生影响，就是从2017年开始的。

这段历史始于一篇论文，而其八位作者如今已全部离开谷歌——最近听说有一位即将回归。尽管他们发明了Transformer，但谷歌并未从中直接受益。比如，Transformer首次引入了token这个概念——今天几乎每个商业服务都按token计价。如果没有基本的计价逻辑，不可能形成健康的产业，更不用说基础设施了。

几乎在同一时期，OpenAI诞生了。在王坚看来，OpenAI的出现促使人们重新思考创新机制。这便有了2022年GPT的发布。两件事结合，让他感到一种奇特的张力：

——尤其在0到1的创新上，谷歌做到了100%，甚至超额完成。但为什么又说它不行？因为尽管发明了Transformer，谷歌却没有创造出像OpenAI那样对社会有巨大价值的产品。这迫使人们重新审视创新机制：中间的机制远远超出学者甚至产业界今天的理解。这对所有从业者都是最大的挑战。

ChatGPT的光芒掩盖了不少事情。比如AlphaFold，尤其是AlphaFold3的发布，大众很少讨论它背后依然是Transformer加扩散模型。今天生成图片、视频的基础，离不开Transformer加扩散，但很多人没意识到，谷歌那篇文章才是根本。从AlphaFold2到AlphaFold3，名字略有改动（用了“pair”模块），但底层还是Transformer。

从ChatGPT到AlphaFold，再到媒体上频繁出现的天气预报模型——三个应用跨度极大，背后却都离不开Transformer。王坚由此强调：

当去年政府工作报告多次提到人工智能，并首次提出“人工智能+”时，他认为必须在Transformer的逻辑下理解这个“+”。很多人习惯在“人工智能+”后面直接加一个行业，王坚直言：

他反复思考“人工智能+”到底是什么。回到GPT：ChatGPT本质上不是应用，而是应用平台，就像上一个时代的Office。如果拆开来看，GPT是基础模型，chat则是应用——ChatGPT就是GPT加chat。但chat不是简单的应用场景。微软与OpenAI合作时，曾在比尔·盖茨家里讨论过GPT能用在哪些场景，最后只有ChatGPT最具革命性，变成了产品；其他很多有用但非革命性的想法，后来被写成了书。王坚调侃道：“书是很危险的东西——不是革命的东西都写成了书，最革命的东西做成了产品。”

他进一步指出：

第一个是技术本身（模型的能力），第二个是对问题的理解深度。很多时候，我们并不真正理解问题，以为有了GPT就能解决一切。而ChatGPT背后的“+”，其实是OpenAI这家公司。没有OpenAI，GPT和chat不会变成影响大众的产品。OpenAI本身就是一个机制创新的范例：它既包含非营利机构OpenAI Inc.，又有商业实体OpenAI LP，两者莫名其妙地共存。传统投资人永远投不出OpenAI这样的公司。

黄仁勋说“ChatGPT是人工智能的iPhone时刻”，这句话被广泛引用。王坚起初也激动，但后来发现这句话什么也没说清楚：ChatGPT不清楚，人工智能不清楚，iPhone也不清楚，三个模糊的东西凑成一句流行语。他甚至指出，iPhone本身也没被说清楚——第一代iPhone发布时没有App Store，那些与乔布斯一起发布第一代iPhone的公司今天都已消失。所以iPhone到底是什么，同样值得深思。他认为这句话其实是“抄袭”了另一句更深刻的话：当AlphaFold2出来时，有人说它是“生物学的ImageNet时刻”。这才是反映技术发展本质的表达。

这又回到那篇经典论文——杰弗里·辛顿和他的两位学生发表的文章。任何做机器学习或图像识别的人都绕不开它。抽象出来，这篇文章只用了三个东西：ImageNet（有组织的数据）、CNN（模型）和GPU（算力）。这是第一次将三者完美结合，而每一个单独拿出来在当时都不算新：ImageNet存在已久，CNN也不是新算法，GPU在网吧里随处可见。但这篇论文把它们组合到一起，使得GPU、模型和数据成为行业标准。GPU在学术和工业界的地位由此奠定。当时他们只用了两块普通的GPU卡，其算力已超过上万个CPU核，但在中国的每家网吧都能找到同样的卡。王坚感叹：算力重要，但在创新阶段，人的创造力才是最关键的。

而今天之所以需要引入基础设施，唯一的原因是

。当数据、模型、算力的规模都发生了剧变，就必须引入新的东西。Pascal的发明人曾写道：“婴儿速度的1000倍就是一架喷气机。”在IT世界里，任何事物规模增加1000倍，就会发生质变。正是这1000倍，让AI基础设施成为绕不开的话题。

一旦某件事成为基础设施，它便是技术渗透的终极形态。人类发展史上，哪些技术影响最长远？就是那些变成基础设施的技术。王坚引用红杉资本的一张幻灯片：在云时代、移动时代、AI时代，基础设施都是云计算。有趣的是，这张图上把苹果划入了基础设施，英伟达也被划入基础设施——这并不奇怪，因为大家都认为英伟达应该去做云计算。作为云计算从业者，王坚看到这张图时非常激动。

他还展示了另外一张图：美国六家AI独角兽背后的基础设施支持。OpenAI背后是微软（投资100亿美元），第二名背后是AWS。这些独角兽背后恰好是全球排名第一、第二、第三、第五、第六的云计算服务商——唯独没有第四。而第四正是阿里云。这既体现了基础设施对AI的影响，也反映了产业之间的差距。从这角度看，

它没有发明Transformer，却凭借云基础设施，与OpenAI共同创造了今天的世界。每个人都能在AI、AI+和AI基础设施的逻辑中创造历史。

王坚最后强调，一家创业公司为了证明自己的重要性，画了一张图：数据、计算、算法，但这些要素如果不放在基础设施中，就没有价值。

只有当所有要素融为一体时，才会迎来更激动人心的创新。他在图里还做了区分：传统IT时代的云计算与AI时代的云计算，尽管有差别，但都是云计算；传统意义上的数据与AI意义上的数据，也有细微区分。

总结起来：