周鴻禕路演聊AI，分析師、基金經理瘋狂湧入，電話會被擠爆

中國基金報

周鴻禕認爲，中國廠商和GPT3.5的差距是18個月，GPT4是24個月，比光刻機的難度小多了。

大家好，昨夜的機構路演，擠爆了。券商分析師，基金經理都在聽。

19日晚間，圈內最大的事件，就是大家都在聽AI的電話會會議，直接把app幹爆了，投資者湧入進門財經券商路演直播間，一度導致進門財經APP宕機。據瞭解，進門財經定位是專業投資機構的路演工具，一般是券商、公募、私募、資管、保險等等機構的人用。可以想象，現在的市場熱點全在chatgpt概念板塊上。

民生證券還請來了360紅衣教主的周鴻禕。據說參會人數超過千人！

泰勒找來了這場路演紀要。其中第三個問題把泰勒笑噴了，有人問周鴻禕，以後小孩長大了應該會學什麼專業嗎？週迴答：這個問題很奇怪，該學什麼專業學什麼專業啊

Q：上游哪些場景很關鍵？

A：算力不是最關鍵的問題，場景和數據是關鍵。我們二線隊伍，賬上200多億人民幣，之前國家搞了很多超算中心，沒事情幹，現在發現配了GPU就有東西看。Transformer算法是谷歌發明的，實現靠的是大力出奇跡，幾千億參數。這是個工程問題。從1到n中國能做的很快，openai中國做的很快，谷歌和meta會很尷尬。Meta開源了他的大語言模型，技術的knowhow會快速傳播。關鍵的東西，第一是數據，有知識量的數據做訓練，聊天的語料不包括知識chatgpt中文語料佔了不到5%，大量知識在外文期刊裏面，只用中文訓練語料是不夠的。很多機構說用了很大的參數，但是不敢拿出來說，大概率是數據不夠。還需要人類的槍花反饋學習和調優，激發GPT理解人類的查詢意圖，這個是問題的關鍵。還有個很重要的是場景，微軟放棄了自己的小娜的研究，全力幫助AI，在場景化上可以讓大家看到人工智能有什麼場景。搜索引擎一直在做NLP，自然語言處理，大家都在跟蹤使用，搜索引擎在獲取海量數據方面優勢。我們和百度抓取的網頁在千億萬億的規模，需要清洗辣雞網頁進行工程化的索引。我們搜索引擎要抓取英文的維基百科和語料，對於我們是現成的。初創公司可能會卡在工程化的初始階段，這個對工程化的要求比較高。還有人工標註的調優，微軟做了很多貢獻，搜索引擎幫助很大。360搜索份額佔比30%，百度佔比60%。微軟幫助openai佔據了很多的場景，下一步可能會把teams（視頻會議）等TO B的場景做結合。

Q：以後會不會很多行業不存在了，機器把人替代了？

A：我不是很認同。我認爲這是個洗牌的機會，如果你不重視他，抓上這班車就不行。我們企業內部要起每個部門都用AI提升我們的能力，用AI的大語言模型賦能，這樣會成爲我們手裏有力的競爭武器。GPT4的知識能力和考試的能力已經超越了每一個地球人，GPT可能是用3.5和4互相訓練。我們也考慮過這種，用bert這種理解性的模型進行反饋和獎勵。這是個生產力工具，是能給各個產業賦能的，關鍵是你需要找到相應的場景和場景化的能力。

Q：以後小孩長大了應該會學什麼專業嗎？

A：這個問題很奇怪，該學什麼專業學什麼專業啊，對prompt很敏感。

Q：關於我們360，行業現在是巨頭扎堆，360的核心優勢？

A：第一個問題已經講了，第一是數據的能力，不能光用中文的數據，要有全球數據的抓取能力，要能做到對垃圾的判別和清洗。用戶上億次搜索的數據，我們和百度有知識問答的欄目，這種涉及用戶的真實的使用場景來進行訓練。數據我們有優勢。GPT2和bert是開源的，真要做到上千億上萬億的模型，幾千張GPU的顯卡，幾個T的數據進行幾個億的訓練，這個對工程化要求很高。第三，搜索引擎我們市場份額是百度的一半。搜索引擎不具備生成性，不會編出林黛玉倒拔垂楊柳的故事，生成式AI會無中生有，如果編的結果是不對的普通人很難驗證就很麻煩。我們做泛化，泛化的知識圖譜的搜索，前面的十條二十條結果給大語言模型做提煉，這樣就不會讓生成式AI無中生有。我們搜索引擎dau有一個億，大語言模型可以做及時的翻譯和推薦，我們這種場景可以很好的讓用戶體驗到人工智能的場景，形成商業化的閉環。我在政協叫了個提案，大家忽視的是這個東西真正的破圈了。之前無論是阿爾法狗和蛋白質摺疊，離生活比較遠。得益於微軟工程化產品化的能力。一方面要打造核心技術，全方位最大化的調用公司的資源。大模型的方向已經出來了，要做到大力出奇跡，500億到1000億的參數訓練，用有質量的語料。谷歌現在很尷尬，模型做出來了商業化的場景可能也被微軟搶完了。微軟專注場景和產品化的結合，openai專注技術，這樣能實現很好的效果。

Q：360的場景和應用？

A：並行的。360也在做TO B，也是我們很重視的機會。我們的安全大腦幫助企業抵禦攻擊。我們的機會是，中國企業不接受公有云，希望有個私有化部署的GPT和數據。未來每個企業可能有自己的大腦。只做垂直行業的訓練肯定是不行的（說的就是科大訊飛）。我們離GPT還有24個月到36個月的差距，第一個版本能做到幾百億參數的模型的時候，做到GPT的六成的功力，做到企業內部是夠用了。TO B和TO G端是有大量的機會的。面對中小企業端，我們打算推出生成式AI的辦公套件和應用。Openai找了100家垂直的SaaS公司，會專門訓練垂類的應用。我們這兩年很關注sme（中小企業），中小企業對企業數字化的要求功能明確，少花錢使用簡單，SaaS更合適，我們去年推面向企業的SaaS雲服務，一年120萬家客戶。我們瀏覽器國內份額最大，做了個SaaS商店，我們會找合作伙伴做一些場景。TO C我們有大量的使用場景，瀏覽器加上AI插件變成AI個人助力。TO B，TO SME和TO C三十多個場景使用不同的能力，儘快佔據用戶的使用場景。

Q：我們會和百度一樣芯片模型全覆蓋的平臺嗎？

A：我們肯定不是這個方向。谷歌自己搞過GPU，也就自己用。訓練最好還是用A100和A800，框架沒必要自己搞，自己搞個框架還要花精力和別的芯片適配。微軟這麼強大微軟只做應用，openai用的框架也是用的行業通用框架。我不認爲產業鏈全都做了是好事。我們堅定的沿着transformer框架把模型幹到千億。首先是要佔據應用場景。

Q：百度內測效果不錯，對於360未來應用的推廣是不是更有信心了？

A：百度搜索一哥肯定能做好的，微軟的搜索份額比谷歌要小，可以放開手要做創新。百度爲什麼做一個聊天機器人我不理解，我要做的話可能更願意和搜索相結合。國內我不認爲會和美國一樣一支獨大，頭條和其他互聯網廠商大家不會相互支持，會互相競爭，360啊微博啊B站啊知乎啊小紅書啊美團滴滴等等，他也不敢用巨頭的服務，肯定要自己搞。還是希望在這個模型上做出幾個超級應用。有應用有場景的公司加上模型會有價值。

Q：中國電信佈局了企業版的chatgpt，對這個的關注提升到了國家戰略的高度，國家的重視會對行業產生什麼影響？

A：國家隊幹這個事肯定不是壞事，互聯網上大家都做過。從目前擁有的數據和團隊能力來看，民營企業和國企都在一個起跑線上。只要不是隻要牌照才能搞大語言模型，這樣都有機會。GPT是個生產力工具，這將決定未來國際競爭當中的國運。美國人對於大語言模型也有政治正確的要求。

Q：中國和美國比有24到36個月的時間差？

A：不是和微軟比。GPT4驗證了我們很多觀點，他的參數量我覺得應該到了萬億，訓練的數據比原來大了5到10倍。人類反饋強化學習不再是十萬組，而是幾十萬組的答案對，有很強的智能的能力。目前來看多模態是勝過國內的能力的。國內的圖像識別還是傳統的圖像識別，openai把所有都看做序列，圖像也是序列，他能把圖像組成部分的關係和邏輯相關性總結出來。他在閱讀文檔上的能力國內做不到。他能支持5萬字的輸入，表示他的深度記憶能力越強，對上下文的理解越好。GPT3.5我們認爲國內和他的差距18個月，gpt4是24個月。雲談了這麼多年，企業上雲的比例也還不高。這比光刻機的難度小多了。

Q：怎麼看GPT4，會不會取代操作系統成爲戰略級的入口？

A：這是兩個概念，需要host一個應用需要操作系統，操作系統還是需要的。人工智能沒有突破之前大數據給企業用不好用。Gpt相當於是發電廠，這個比喻比較貼切。純做GPT的公司有點來不及，要麼是有GPT豐厚的場景。場景越大爆發性就越大，如果場景很小，就做了個虛擬人掛個GPT跟人對話，這個場景就很小。場景未來可能有多家服務提供商。

Q：場景是我們非常關注的點，特斯拉的機器人也是爆款，多模態和機器人的關係？人形機器人是終極目標嗎？

A：我不這麼認爲。不考慮機器人的外形，音響之類的用自然語言和人交流這關就是過了。Gpt能否處理好機械手臂，尋找空間定位也是，出了GPT之後傳統的做語言識別的圖像識別的就有問題了。人形機器人有個最大的問題，機械手臂抬起的力量，這和人工智能沒有關係。如果機器人手裏拿不了太重的東西，這可能會成爲妨礙。自動駕駛汽車也是個機器人，只不過長了4個輪子。GPT的大語言都可以賦能。你們和智能音箱聊過天，聊兩句就能知道他是個滯脹，gpt肯定通過了圖靈訓練。橡膠娃娃也是仿真機器人。

Q：GPT4在物聯網終端的廣泛應用是大趨勢了，邊緣計算的需求？

A：這跟邊緣計算有什麼關係呢？構不成邊緣計算的節點。真正的能力都在雲端，運算都在雲端。

本文作者：泰勒，來源：中國基金報，原文標題：《今晚，爆了！分析師、基金經理瘋狂湧入！“馬英九將赴大陸”！熱搜也爆了：張蘭家族信託被擊穿！》

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

責任編輯：石秀珍 SF183