在人工智能發(fā)展史上，2023 已經(jīng)成為非常值得紀(jì)念的一年。在這一年，OpenAI 引領(lǐng)的 AI 大模型浪潮席卷了整個(gè)科技領(lǐng)域，把實(shí)用的 AI 工具送到了每個(gè)人手里。但與此同時(shí)，人工智能的發(fā)展也引起了廣泛的討論和爭議，尤其在其商業(yè)應(yīng)用和未來發(fā)展前景方面。

著名 AI 專家 Rodney Brooks 在 2024 年初發(fā)文預(yù)言，認(rèn)為 AI 可能即將進(jìn)入一個(gè)新的寒冬，隨著泡沫的破裂，行業(yè)可能面臨嚴(yán)峻的挑戰(zhàn)。他的這一言論引發(fā)了業(yè)界的廣泛討論：新的一年，AI 領(lǐng)域?qū)瓉砀嗟某醋?，還是進(jìn)入低谷？與此同時(shí)，還有不少人擔(dān)心，AI 是不是會取代更多人的工作？

在前不久的國際消費(fèi)類電子產(chǎn)品展覽會（CES）上，兩位著名 AI 科學(xué)家、斯坦福大學(xué)教授李飛飛和吳恩達(dá)以此為契機(jī)展開了討論。此外，他們還討論了：新的一年，哪些 AI 技術(shù)將迎來新的突破？AI 智能體的崛起意味著什么？對生成式 AI 準(zhǔn)確性存在顧慮的企業(yè)要怎么用好這項(xiàng)技術(shù)？

以下是本次討論的視頻內(nèi)容：

原視頻鏈接：https://videos.ces.tech/detail/video/6344567556112/great-minds-bold-visions:-what% E2%80%99s-next-for-ai

為了方便大家收藏具體內(nèi)容，機(jī)器之心還將視頻整理成了文字版：  

主持人：首先我們來討論一下第一個(gè)問題，這個(gè)問題與人工智能的當(dāng)前狀態(tài)有關(guān)。去年無疑是人工智能炒作非常瘋狂的一年。

我們的好朋友 Rodney Brooks 在 1 月 1 日發(fā)推說：「現(xiàn)在該穿厚衣服了，可能又一個(gè)人工智能寒冬即將來臨，而且會非常寒冷?！鼓敲矗谛碌囊荒?，AI 領(lǐng)域會迎來更多的炒作，還是低谷呢？

吳恩達(dá)：我認(rèn)為媒體會按照它們的方式去做事。但我們并不會進(jìn)入寒冬，因?yàn)槿斯ぶ悄艿纳虡I(yè)基礎(chǔ)比以往任何時(shí)候都要堅(jiān)實(shí)，甚至在生成式 AI 浪潮來臨之前就已經(jīng)如此。去年，人工智能真正起飛了。它可能推動(dòng)了數(shù)千億，甚至數(shù)萬億美元的市場，這點(diǎn)我不確定。至少對像谷歌這樣的公司來說是數(shù)千億美元，因?yàn)檎故靖嚓P(guān)的廣告可以帶來大量的收入。所以 AI 的商業(yè)基礎(chǔ)是存在的。

其實(shí)，關(guān)于人工智能，最難理解的一點(diǎn)是，它是一種通用技術(shù)。這意味著它不僅僅對一件事有用。它有點(diǎn)像電力這樣的通用技術(shù)，如果我問你電力有什么用，你會覺得很難回答，因?yàn)樗挠猛咎珡V了。人工智能也是如此。就我們今天所處的階段來說，即使人工智能無法取得任何技術(shù)核心進(jìn)展，當(dāng)然它肯定會取得進(jìn)展。即使沒有，世界各地都有很多用例等待被發(fā)現(xiàn)和構(gòu)建。所以我非常有信心，它的商業(yè)基礎(chǔ)將繼續(xù)壯大。

李飛飛：是的，我大體上同意 Andrew（吳恩達(dá)）的觀點(diǎn)。我們看到的是人工智能的另一個(gè)拐點(diǎn)，這個(gè)拐點(diǎn)始于大型語言模型的發(fā)展，特別是 ChatGPT 的首次推出以及后續(xù)模型的推進(jìn)。

我認(rèn)同 Andrew 的看法，AI 是一種深化的橫向技術(shù)。作為一種深化的橫向技術(shù)，它正成為下一次數(shù)字革命或工業(yè)革命的重要推動(dòng)力。公共媒體的報(bào)道，會呈現(xiàn)波動(dòng)，但這不是最關(guān)鍵的。重要的是，這項(xiàng)技術(shù)已經(jīng)根植于我們的生活。它正在深入到所有垂直行業(yè)和消費(fèi)者體驗(yàn)中，逐漸改變我們的社會、經(jīng)濟(jì)和政治結(jié)構(gòu)。這是不爭的事實(shí)。而且這種改變正在變得越來越明顯。

主持人：讓我們跳到你們對 2024 年重大突破的預(yù)測。你們認(rèn)為今年 AI 的最大突破會是什么？

李飛飛：預(yù)測未來總是非常危險(xiǎn)的，因?yàn)槲艺f錯(cuò)的話會被引用。從計(jì)算機(jī)視覺和所謂的以像素為中心的 AI 領(lǐng)域來說，我確實(shí)認(rèn)為我們正處于非常激動(dòng)人心的技術(shù)進(jìn)步的邊緣。我們一直在關(guān)注生成式 AI，我們一直在研究擴(kuò)散模型，有人可能聽說過 Gaussian splatting 或這方面的內(nèi)容。我認(rèn)為目前的技術(shù)浪潮中，有許多成果幾乎就要實(shí)現(xiàn)突破了。我不確定它是否會像一年多以前的大型語言模型那樣成熟，但我越來越多地看到這一點(diǎn)。我對此非常興奮。

主持人：Andrew，你怎么看？

吳恩達(dá)：是的，我也有幾個(gè)預(yù)測。首先，我們看到了大型語言模型的突破。我同意飛飛關(guān)于圖像的看法。所以我看到的是，從大型語言模型到大型視覺模型的轉(zhuǎn)變。很多進(jìn)步不僅僅在于圖像生成，圖像分析也在進(jìn)步，它能提高計(jì)算機(jī)的視覺能力，這對自動(dòng)駕駛汽車等領(lǐng)域有很大的影響，比如任何帶有攝像頭的地方。這是第一點(diǎn)。

第二點(diǎn)我想說，你向 ChatGPT 提問，它會立即作出回應(yīng)。但我更感興趣的是自動(dòng)化智能體的崛起。當(dāng)你給 AI 系統(tǒng)一個(gè)指令，比如說「親愛的 AI 系統(tǒng)，幫我做市場調(diào)研，對這個(gè)公司進(jìn)行競爭分析?！怪悄荏w不會立即給出回應(yīng)，而是規(guī)劃一系列動(dòng)作，比如進(jìn)行網(wǎng)絡(luò)搜索、下載網(wǎng)頁、總結(jié)信息。它會去做半小時(shí)、一小時(shí)或一天的工作，然后帶著答案回來。自動(dòng)化智能體能夠規(guī)劃和執(zhí)行一系列動(dòng)作。它們現(xiàn)在剛剛起步，但在研究和商業(yè)化方面有很多進(jìn)展。我期待在接下來的幾個(gè)月里，會有新的突破。

最后一點(diǎn)，可能也適用于 CS 領(lǐng)域，我對邊緣 AI 非常感興趣。我經(jīng)常在我的筆記本電腦上，運(yùn)行大型語言模型。我經(jīng)常用 GPT-4，也經(jīng)常用 Bard。但很多人不知道的是，在你的筆記本電腦上運(yùn)行大型語言模型實(shí)際上已經(jīng)相當(dāng)可行。雖然這些模型不像 GPT-4 那么大，但也夠用了。我認(rèn)為這件事意義深遠(yuǎn)。所有的 PC 制造商，難道不會想要銷售給消費(fèi)者一個(gè)更強(qiáng)大的 PC，讓他們使用最新的 AI 技術(shù)嗎？顯卡通常是人們升級電腦的一個(gè)動(dòng)因。我認(rèn)為在你的筆記本電腦、PC 或你的工業(yè) PC 上運(yùn)行的邊緣 AI，它的能力實(shí)際上比大多數(shù)人認(rèn)為的要好得多。對 CS 領(lǐng)域來說，我認(rèn)為這將推動(dòng)很多設(shè)備的銷售。

李飛飛：我有一點(diǎn)點(diǎn)不同的意見。你提到了「自主智能體」，但我更傾向于將其稱作「輔助智能體」。我們在當(dāng)前的大型語言模型和這些龐大的基礎(chǔ)模型中觀察到，處理長尾問題依然是個(gè)挑戰(zhàn)，無論是在幻覺現(xiàn)象還是其他方面。在很多工作環(huán)境中，為了提供高品質(zhì)的服務(wù)和產(chǎn)品，關(guān)注長尾分布非常重要。因此，我認(rèn)為更可能出現(xiàn)的是人機(jī)交互式協(xié)作。在這種模式下，輔助智能體既包含了自主工作的部分，也包含了與人類的協(xié)作部分。這比完全自動(dòng)化更有可能成為現(xiàn)實(shí)。

吳恩達(dá)：確實(shí)如此（擊掌）。我其實(shí)在一定程度上同意你的看法。我想分享我的經(jīng)歷?！缸灾髦悄荏w」這個(gè)詞可能有些問題，但我在商業(yè)領(lǐng)域看到的是，大多數(shù)人更愿意讓 AI 輔助人類，而不是替代人類，尤其是考慮到失業(yè)的問題，這是一個(gè)現(xiàn)實(shí)挑戰(zhàn)。我不想忽視那些失業(yè)者的苦難。

我觀察到的是，決定是否使用 AI 來自動(dòng)化或取代人力，通常更多是基于商業(yè)經(jīng)濟(jì)來考慮，而不是基于倫理?；蛟S這應(yīng)該是一個(gè)倫理決策，但誠實(shí)地說，當(dāng)我與企業(yè)合作建立聊天機(jī)器人時(shí)，我看到大多數(shù)企業(yè)都會進(jìn)行非常理性的經(jīng)濟(jì)評估。人類能夠帶來這些價(jià)值，人工智能能夠帶來那些價(jià)值，他們關(guān)心的是怎么做是最佳的經(jīng)濟(jì)決策，畢竟競爭者也在做相同的事情。我希望我們能說「不要取代人類的工作」，但不幸的是……

主持人：關(guān)于這種類型的 AI 智能體，我想引用 Mira Murati 的一句話。她說，「AI 智能體的概念并不新鮮，但現(xiàn)在我們正在向未來迭代，發(fā)展出具有智能和常識的智能體，它們理解我們?yōu)槭裁匆瞿承┦虑??！?/span>

李飛飛：好的，我想補(bǔ)充一點(diǎn)，也對那個(gè)觀點(diǎn)發(fā)表評論。我認(rèn)為我們需要謹(jǐn)慎區(qū)分取代「工作」和取代「任務(wù)」。我相信，你我都看過相同的報(bào)告。報(bào)告表明，人類的每項(xiàng)工作實(shí)際上都是由多個(gè)任務(wù)組成的。我花了很多時(shí)間研究醫(yī)療保健。一名護(hù)士在值班的 8 小時(shí)里要完成數(shù)百項(xiàng)任務(wù)。AI 智能體確實(shí)在許多任務(wù)中發(fā)揮輔助和增強(qiáng)的作用，但我們需要慎用「工作」這個(gè)詞。我確實(shí)認(rèn)為，經(jīng)濟(jì)商業(yè)決策與倫理社會決策并不是互斥的。這是一個(gè)更深入的討論，我知道你和我意見是一致的。

回到你關(guān)于這些智能體有理解能力的問題。我認(rèn)為這是一個(gè)非常微妙的術(shù)語，僅關(guān)注商業(yè)方面。什么是理解？有對數(shù)據(jù)中存在的模式的理解，有對你所做決策的理解，還有對任何人類任務(wù)意圖的理解。所以，實(shí)際上，我不會簡單地用一個(gè)籠統(tǒng)的「理解」這個(gè)詞來描述今天的 AI 智能體。

主持人：你認(rèn)為 AI 智能體會在何時(shí)達(dá)到什么程度？

李飛飛：我認(rèn)為我們目前做得最好的是理解數(shù)據(jù)中的模式，尤其是當(dāng)我們有大量的訓(xùn)練數(shù)據(jù)時(shí)，我們做得非常好。我指的是大型語言模型，使用基于序列到序列的基于 transformer 的算法，我們真的做得很好，從數(shù)據(jù)中提取模式，以創(chuàng)造強(qiáng)大的預(yù)測模型。所以我認(rèn)為，這可能是最前沿的。再次強(qiáng)調(diào)，我認(rèn)為「理解」要微妙得多。你們都來自商業(yè)領(lǐng)域，知道其中的細(xì)微差別，我認(rèn)為還有更多工作要做。至于意圖理解，我認(rèn)為我們只是觸及了表面。

吳恩達(dá)：我想回到任務(wù)的話題，因?yàn)槲艺J(rèn)為這很重要。我的團(tuán)隊(duì)為很多企業(yè)工作，偶爾我會接到首席執(zhí)行官的電話。他們說：「嘿，Andrew，我讀了關(guān)于 AI 智能體的文章，我該怎么做？」結(jié)果表明，有一種方法，它能幫助企業(yè)確定哪些任務(wù)應(yīng)嘗試用 AI 增強(qiáng)或自動(dòng)化。正如飛飛所說，大多數(shù)工作由許多不同的任務(wù)組成。以放射科醫(yī)師為例，放射科醫(yī)師閱讀 X 射線影像，他們需要獲取病人的病史，操作機(jī)器、維護(hù)機(jī)器、指導(dǎo)年輕醫(yī)生等等。所以放射科是一個(gè)例子，涉及許多不同的任務(wù)。我所見過的企業(yè)做法是觀察你的團(tuán)隊(duì)，了解你所有員工實(shí)際上在做什么任務(wù)，并且不是在職位層面，而是在任務(wù)層面分析。這項(xiàng)任務(wù)在多大程度上適合用 AI 去增強(qiáng)或自動(dòng)化以及業(yè)務(wù)投資回報(bào)率如何。每次我和企業(yè)一起做這個(gè)工作時(shí)，我們總是能想出很多點(diǎn)子，但我們沒有時(shí)間去實(shí)施。所以 AI 的增強(qiáng)或自動(dòng)化有很多機(jī)會

我學(xué)到的第二點(diǎn)是投資回報(bào)率最高的任務(wù)，往往不是人們最初所想到的那個(gè)。以放射科醫(yī)師為例，人們通常會想到，哦，放射科醫(yī)師就是看 X 光片的。這是你的腦海中關(guān)于這個(gè)職業(yè)的定位畫面。但當(dāng)我們?nèi)シ纸膺@項(xiàng)工作時(shí)，我們會發(fā)現(xiàn)有很多其他任務(wù)，比如收集病人病史之類的。這些任務(wù)可能更容易實(shí)現(xiàn)，而且投資回報(bào)率更高。所以我發(fā)現(xiàn)，系統(tǒng)地進(jìn)行這個(gè)練習(xí)，通常有助于企業(yè)識別有價(jià)值的機(jī)會，然后進(jìn)行構(gòu)建與購買的決策，執(zhí)行 AI 項(xiàng)目。

主持人這正是我想談的下一個(gè)話題。讓我們討論一些更加實(shí)際的問題，在與財(cái)富 500 強(qiáng)公司的合作中，你有沒有發(fā)現(xiàn)，那些有著清晰的、可證明的、可實(shí)現(xiàn)的投資回報(bào)率的應(yīng)用都有哪些共性？比如，你覺得這個(gè)房間里的大多數(shù)人應(yīng)該專注于哪些應(yīng)用？

吳恩達(dá)：如果我們廣泛觀察財(cái)富 500 強(qiáng)公司，我認(rèn)為常見的應(yīng)用是客戶運(yùn)營或客戶支持。有很多公司試圖增強(qiáng)或自動(dòng)化客戶支持。我認(rèn)為軟件工程也在轉(zhuǎn)變。我們對軟件工程師的支持遠(yuǎn)遠(yuǎn)超出了 Github Copilot。Github Copilot 是一個(gè)不錯(cuò)的工具，但我們能做的遠(yuǎn)不止這些。我認(rèn)為銷售運(yùn)營也受到了很大影響。但對于特定企業(yè)而言，幾乎每家公司都在做客戶運(yùn)營，所以你也應(yīng)該認(rèn)真考慮這個(gè)方面。但更激動(dòng)人心的事情是，我和一家非常大的農(nóng)業(yè)公司談過，我們確定了一些任務(wù)。這不是你想到的那種收割任務(wù)，而是一些奇怪的任務(wù)。我們認(rèn)為或許可以使用 AI，來大大節(jié)省他們的時(shí)間。所以，適合你的業(yè)務(wù)和行業(yè)特色的小眾領(lǐng)域，我認(rèn)為通常更引人入勝。它們不僅有趣，還能創(chuàng)造出特定于行業(yè)的防御性飛輪效應(yīng)。因?yàn)槊總€(gè)人最終可能都會購買一些通用的銷售運(yùn)營工具等，但那些特定于你業(yè)務(wù)的東西，你應(yīng)該在內(nèi)部構(gòu)建，我覺得這些事情非常令人興奮。

李飛飛：現(xiàn)在確實(shí)有各種各樣的客戶支持或運(yùn)營解決方案。但我想補(bǔ)充的一點(diǎn)是，我們還可以在當(dāng)前技術(shù)中尋找共同的機(jī)會。我認(rèn)為有個(gè)結(jié)論今天依然成立，那就是，在數(shù)據(jù)最豐富的地方，你可以從中識別出可重復(fù)或有效的模式，無論是人類語言模式、結(jié)構(gòu)化數(shù)據(jù)模式還是圖像數(shù)據(jù)模式。數(shù)據(jù)所在的地方，以及數(shù)據(jù)模式被證明在你的業(yè)務(wù)中有價(jià)值且可操作的地方，就是你應(yīng)該關(guān)注的地方。

主持人：讓我們談?wù)勜?cái)富 500 強(qiáng) CEO 可能面臨的障礙。我們上周日舉行了醫(yī)療保健峰會，會上有幾位醫(yī)療保健 CEO 出席。我們問其中一位，你對數(shù)字創(chuàng)新最感興趣的是什么？他說人工智能。然后我問他，作為 CEO，你最擔(dān)心什么？他說，不準(zhǔn)確性。

李飛飛：這是最難的行業(yè)之一。

主持人：你想對那些將不準(zhǔn)確性上升為 CEO 級別關(guān)切的 CEO 說些什么？在你看來，還有哪些問題可以上升到這個(gè)級別？

李飛飛：就像我之前所說的，這取決于你的產(chǎn)品、你的服務(wù)以及結(jié)果的利害程度。在醫(yī)療保健、金融預(yù)測等許多行業(yè)中，長尾精確性非常重要。你不能承受人命損失或人身傷害，你不能承受銀行出錯(cuò)。所以你需要了解你的行業(yè)，了解你的解決方案和服務(wù)，看看 AI 可以在哪里發(fā)揮真正的作用。這就關(guān)系到你說的炒作。當(dāng)我與商業(yè)高管交談時(shí)，我們應(yīng)該摒棄炒作，理解這項(xiàng)技術(shù)能做什么，避免投資于那些 AI 還不擅長的方向。

主持人：那么飛飛，類似醫(yī)療保健這種涉及生死和高度監(jiān)管的行業(yè)，他們想用生成式 AI，但又擔(dān)心準(zhǔn)確性問題，你想對他們說些什么？

李飛飛：Andrew 和我都在醫(yī)療保健領(lǐng)域工作了很久。實(shí)際上，醫(yī)療保健中有大量的 AI 應(yīng)用，從非常上游的藥物發(fā)現(xiàn)開始，我們可以做很多事情。

主持人：我想說的是生成式 AI

李飛飛：這是一個(gè)信息過載的詞。今天，每種 AI 都被稱為生成式 AI。在 Andrew 和我的早期研究中，我們有非常具體的數(shù)學(xué)定義來定義生成式 AI。但現(xiàn)在，我們……

吳恩達(dá)：我們之前管它叫機(jī)器學(xué)習(xí)，但機(jī)器學(xué)習(xí)……

李飛飛：我們還曾經(jīng)區(qū)分生成式 AI 和判別式 AI。如今，這種數(shù)學(xué)嚴(yán)謹(jǐn)性已經(jīng)消失了。

吳恩達(dá)：是的，我覺得大眾媒體已經(jīng)接管了技術(shù)術(shù)語。技術(shù)界也只是跟著適應(yīng)。

李飛飛：確實(shí)如此。所以，當(dāng)你說生成式 AI 時(shí)，我假設(shè)你指的是那種大數(shù)據(jù)驅(qū)動(dòng)的有預(yù)訓(xùn)練階段的模型。有些人可能會將 transformer 和預(yù)測模型納入其中，但我不確定是不是總是這樣。但無論如何，我認(rèn)為如果真的存在準(zhǔn)確性問題，我們應(yīng)該檢查幾個(gè)方面，比如這是模型的問題，還是數(shù)據(jù)質(zhì)量的問題？是因?yàn)榘?AI 引入流程才有了這個(gè)問題嗎？導(dǎo)致結(jié)果不準(zhǔn)確的商業(yè)問題有很多。你要弄清楚這些問題，并嘗試解決它們。有時(shí)候，例如在某些醫(yī)療診斷和治療層面，你確實(shí)需要認(rèn)識到限制的存在，如果風(fēng)險(xiǎn)太高，我們不能過度推進(jìn)。

吳恩達(dá)：我補(bǔ)充一點(diǎn)，雖然我們使用 “生成式” 這個(gè)術(shù)語。但 AI 往往用于分析。我的團(tuán)隊(duì)已經(jīng)做了很多項(xiàng)目，比如使用這些大型語言模型來閱讀電子健康記錄，試圖得出結(jié)論，而不是撰寫文本。即使你在寫文本，如果你小心使用總結(jié)軟件，也能得到不錯(cuò)的結(jié)果。它可能還會有一些錯(cuò)誤，我認(rèn)為在醫(yī)療保健環(huán)境中，如果某個(gè)場景風(fēng)險(xiǎn)不那么高，還是有很多部署這些技術(shù)的機(jī)會的。

就診斷來說，如果你弄錯(cuò)了一些東西，那結(jié)果是很糟的。但我們部署了一個(gè)系統(tǒng)，目前仍在一家醫(yī)院運(yùn)行。該系統(tǒng)用于篩選患者、閱讀電子健康記錄，判斷誰的死亡風(fēng)險(xiǎn)更高，并推薦他們考慮接受臨終關(guān)懷。但我們無法信任系統(tǒng)做出的決定。所以我們把它送給醫(yī)生，讓醫(yī)生復(fù)查我們展示的病例，并做出最終決定。

實(shí)際上，我新加坡的一個(gè)朋友正在使用新加坡國立大學(xué)的一個(gè)系統(tǒng)，查看病人的電子健康記錄，嘗試估計(jì)病人將在醫(yī)院待多久。有時(shí)醫(yī)生會認(rèn)為這是個(gè)簡單的病例，三天內(nèi)就會出院，但 AI 說不，需要 5 天。這就引發(fā)了進(jìn)一步的討論。這就是新加坡正在發(fā)生的事情。醫(yī)生說，「哦，也許我需要再仔細(xì)看看這個(gè)病人。也許我漏掉了 AI 發(fā)現(xiàn)的東西」所以，這些東西實(shí)際上正在部署。但根據(jù)系統(tǒng)的能力，我們通?？梢栽O(shè)計(jì)安全措施，確保以負(fù)責(zé)任的方式部署 AI。

在醫(yī)療保健運(yùn)營中，如果你使用 AI 來安排核磁共振機(jī)的試用，即使你犯了錯(cuò)誤，導(dǎo)致核磁共振機(jī)使用效率降低，這雖然很糟，但也許并不像弄錯(cuò)關(guān)鍵診斷那么糟糕。所以實(shí)際上，AI 在醫(yī)療保健領(lǐng)域有很多部署機(jī)會，我認(rèn)為幾乎所有行業(yè)都是如此。

主持人：那么，我們接下來討論基礎(chǔ)模型。這個(gè)問題的靈感來自我在科技網(wǎng)站上讀到的一篇文章。如果說 2023 年是 OpenAI 高光之年。那么，在基礎(chǔ)模型的領(lǐng)導(dǎo)者中，2024 年的主角將是哪個(gè)公司？蘋果會推出 Ajax 大模型嗎？我們對 Gemini 的關(guān)注會多于 GPT 嗎？

吳恩達(dá)：事實(shí)證明，每當(dāng)出現(xiàn)一波技術(shù)創(chuàng)新時(shí)，媒體都喜歡談?wù)摷夹g(shù)層面。所以媒體會關(guān)注 OpenAI、谷歌、AWS、微軟、Meta、英偉達(dá)、AMD 等公司。這沒什么問題。但事實(shí)證明，要讓技術(shù)基礎(chǔ)設(shè)施層成功，我們還需要成就另一個(gè)領(lǐng)域，那就是建立在這些技術(shù)提供商之上的應(yīng)用層。坦白說，我們需要基于這些工具構(gòu)建的應(yīng)用來產(chǎn)生更多收入，以便它們能夠?yàn)檫@些工具構(gòu)建者買單。一篇很好的文章顯示了 GPU 的資本投資。作為一個(gè)群體，我們需要?jiǎng)?chuàng)造一些應(yīng)用，來填補(bǔ)這數(shù)百億美元的空白，這是我們現(xiàn)在已經(jīng)進(jìn)行的資本投資，特別是在 GPU 方面。

所以，我不知道媒體會做什么，他們有自己的炒作周期。但我認(rèn)為大量的實(shí)際工作，不僅僅存在于基礎(chǔ)模型那里，而是在醫(yī)療保健、金融服務(wù)、教育、電子商務(wù)等所有這些領(lǐng)域，去識別和執(zhí)行項(xiàng)目。