壹||ChatGPT是創新生態體系產出的結果，拆解這個生態有幾個關鍵步驟，有創新性的機制，企業走了一條不尋常的道路，聚集了一批理想主義的技術天才，大公司進行了投入和資源整合。我們現在面臨的一個困境是沒有這樣的生態，可以支撐創新層出不窮。

貳||中國人工智能的發展是在別人的架構、數據集的基礎上，我們取得應用場景的突破也有着特殊原因，比如說機器視覺的發展和工程建設採購、公共場景需求是離不開關係的，爲什麼會出現一種我們已經是“老二”的錯覺？

3月15日凌晨1點，OpenAI宣佈正式推出ChatGPT 4.0，這是其AI語言模型系列中的最新產品，也向全球科技界投下了一枚核彈。第二天，百度文心一言發佈，承載着中國生成式AI產品的希望，但是正如百度董事長李彥宏所說，這款產品並不完美。

這樣的差距引發了學界和業界的討論，因爲就在五年前，中國和美國的人工智能發展似乎差距縮小到了一個程度。

2018年清華大學中國科技政策研究中心發佈了《中國人工智能發展報告2018》（以下簡稱“報告”），彼時報告提出，中國在論文總量和被引論文數量上都排在世界第一，專利數量排名第二，中國人工智能企業數量位列世界第二，中國人工智能領域的投融資佔到了全球的60%，成爲全球最“吸金”的國家。

“現在專利數量也排名第一了”，當時主持編撰該報告的梁正介紹。梁正現任清華大學公共管理學院教授、人工智能治理研究中心主任，他一直致力於研究科技政策、創新管理等領域，曾擔任國家創新調查制度諮詢專家組專家，《國家中長期科學和技術發展規劃綱要（2006-2020年）》實施情況中期評估專家組專家，參與完成國家中長期科技發展規劃戰略研究。

在梁正看來，彼時出臺的報告實際上更希望強調的是中國人工智能領域仍需要努力的方向，比如在覈心技術如芯片和底層架構方面的力量依然十分薄弱、頂尖人才缺乏，與發達國家特別是美國的差距還十分明顯等。“但在當時的產業氛圍中，大家更關注的是我們已經取得的成績”，梁正說，在當時機器視覺等細分領域，中國企業在國際競賽和產業應用兩端取得了顯著優勢。

就在報告發布的前一年，即2017年，谷歌發表了論文《Attentionis All You Need》，提出了一個新的學習框架Transformer。由此，人工智能開始進入大模型時代。

在自然語義處理領域，這一框架取得了非常好的效果，OpenAI連續迭代的GPT即是基於這一新的學習框架。

五年時間過去，從目前的成果發佈現狀來看，在這場新的人工智能競賽中，中國尚未如2018年一樣，有並駕齊驅之感，從某種直觀的體驗上，中美的差距似乎被“拉大了”。

在梁正看來，2018年實際上還只是個別領域的成績突破，本質上是在別人的架構和數據集基礎上，在一些應用場景上的突破，並不意味着中國在人工智能領域取得了全局性的優勢。但今天也不意味着中國人工智能掉隊了，在人工智能領域，中國產業和學術界依然在穩步前進，在一些領域仍然有自己的優勢。

從2017年國家出臺新一代人工智能發展規劃開始，中國人工智能研發在“集中力量辦大事”和“市場主導的產業落地”兩端都很有力度，但似乎如中國工程院院士李國傑所說的那樣，國內AI研究存在“頂不了天、落不了地”的情況，儘管有很多被引用次數很多的論文，數量也頗高，但與真正的“成果”還有距離；而國內人工智能頭部公司在資本退潮後，似乎也有些沉寂。

我們可以從ChatGPT的創新中觀察到什麼？在人工智能的科研政策、科研路線上是否有進一步調整的空間？科技公司又可以從中學習到什麼？

爲此，我們專訪了梁正，他同時是清華大學人工智能國際治理研究院副院長，2020年，清華大學人工智能國際治理研究院成立，這是由清華大學批准成立的校級科研機構，面向人工智能國際治理重大理論問題及政策需求開展研究，成立以來承擔了包括國家科技創新2030重大項目，科技部科技創新戰略研究專項等一系列重大項目。

梁正介紹，這是科技和產業的關係，再往底層說有些事也不是公司去做，0-1的事情應該科學家做，1-2由具備長期戰略視角的企業來做，而在中間科研界、產業界應該有種緊密互動的機制，中國正在構建這一生態，還不能太着急。

硅谷式創新

經濟觀察報：ChatGPT是個非常典型的硅谷式創新，我們能看到很多標籤，比如輟學的天才、風險投資、科技集團等等，從這些標籤後，我們能觀察到創新機制的要點是什麼？

梁正：ChatGPT是創新生態體系產出的結果，拆解這個生態有幾個關鍵步驟，有創新性的機制，企業走了一條不尋常的道路，聚集了一批理想主義的技術天才，大公司進行了投入和資源整合。我們現在面臨的一個困境是沒有這樣的生態，可以支撐創新層出不窮。

但要看到，美國形成這樣的創新體系也花了很長時間，美國是三個體系疊加到一起產生的化學反應，一個是研究型大學，有相對的獨立性，有一批科學家在做探索性的工作；第二個是使命導向的如聯邦實驗室體系，以國家使命去驅動前沿研究；第三個是硅谷，基於創新創業和風險投資的商業生態，三者之間有密切的互動，才支撐了美國的從科研到產業化創新的循環，先有從0-1的突破，再有人承接去做1-2工作。另外，資本市場起了放大器的作用支撐了從2到N的階段。可見，基礎研究、商業投資和政府支持要有良性的互動，建立起從創新到價值的完整鏈條。

經濟觀察報：在你看來ChatGPT產生於openAI　公司，有沒有體現出一些更新的創新特點？

梁正：微軟作爲一個戰略投資者去支持了一開始看起來不是特別靠譜的事，這是一個創新。大公司也做內部風投，但很少像微軟這一次押這麼重的注，這也可見，這一類創新中小企業自己已經玩不起了，背後有非常大的投資門檻。

經濟觀察報：21世紀有一個很大的變化，很多偉大的事情是小公司在做，這和20世紀是有很大的區別，例如20世紀是波音等大公司在造飛機，21世紀是小公司在發射火箭，爲什麼會出現這樣的情況？

梁正：小公司沒有什麼負擔，機會成本是最小的，openAI一開始定義自己是一個非營利機構，巨頭們可能不願意幹獲利前景太遠的事情。但也不能武斷地說大公司就不創新，大公司能力主要是在於規模化。合理的互動機制是，小企業提出好的idea，靠大企業最終實現。

經濟觀察報：美國政府在這一輪美國的人工智能的發展中扮演的角色是什麼？

梁正：美國政府在創新中扮演着多重的角色，美國政府實際上是一個發展型政府，並沒有對外所說的那麼放任不管，而是在各個環節上推動創新和產業發展。比如，美國政府是基礎研究和知識生產方面最大的資助者，也是研發目標或者需求的提出者，更重要的是美國政府也是採購方，同時還扮演着各方面創新力量協調人的角色。一些重要的行業面臨危機的時候，例如半導體，就是美國政府來組織協商對策。美國政府的角色不像我們想的那麼單一，它其實很多元。

經濟觀察報：ChatGPT本身就是一家企業創造的，硅谷似乎有一套比較成熟的企業和科研界轉化的機制，而且這個機制隨着科技公司發展變得越來越靈活，我們可以怎麼去理解這種機制，產業界、科研界和政策的關係應該是什麼樣？

梁正：這是科技和產業的關係，再往底層說有些事也不是公司去做，比如說“人工智能”（AI）就是在Dartmouth會議上一幫科學家最早提出來的概念。0-1的事情應該科學家做，1-2由具有長期戰略視角的企業來做。這裏面需要巨大的投入，如果都讓政府做問題也很大，每一筆公共投資其實都是要有所交代，很怕錢投進去，最後一地雞毛。

我們研究美國國防部高級研究計劃局（DARPA）很長時間，爲什麼他們總能做出來顛覆性創新？首先他不是看商業目標，很多項目經理是有業界經驗的；其次他們項目經理在選擇項目的時候會和業界做緊密的溝通，反覆去問IBM、英特爾做不做，如果英特爾IBM都覺得說不做，這事太困難了，短期內做不出來，項目經理大概就能判斷這件事情應該是政府來做，然後他會考慮把企業和政府的目標結合。DARPA支持不同的團隊去做原創性和探索性研究，他機制很精細，可能一開始幾支小團隊都去做探索，然後做到一定程度比一比，看誰更有希望。而且項目經理的權力很大，他可以要求學者去做什麼研究，等研究做到一定程度，也就是產業覺得可以做的時候就不再投錢，項目就交接給產業。

產學研界建立這種緊密的聯繫是需要時間的，這次機構改革讓一些科技計劃項目回到行業部門去管理，從面向產業需求去尋找研究問題的角度來看是合理的。在科技資源配置方面，我們過去的問題是大家拿一個本子去到不同地方找支援，但美國會用多個渠道的經費來支持一件事，我們現在的問題是拿一個本子去不同的地方交差。科學界和產業界要形成一種互動機制，還是需要有懂產業的科學家和項目管理人員。

ChatGPT給中國的啓示

經濟觀察報：2017年前後，中國的AI的專利數量、論文數量、論文被引數量都處於全球第一、第二位置，當時給人一種感覺，在人工智能領域中美是並駕齊驅的，事實是這樣的嗎？

梁正：2018年我們發佈了中國第一個人工智能發展報告，報告從論文、專利、投融資等維度做了中美比較，中國在論文總量和論文被引數量上都排在世界第一，當時專利數量排名第二，現在也排名第一了，中國市場規模大，衆多業務場景需求拉動了專利申請，顯得專利數量特別多。尤其是機器視覺領域，中國相關公司參加國際大賽的排名都很靠前。

但這是一葉障目，用人工智能的一個應用場景做得好得出了人工智能全局好的結論。實際上，中國人工智能的發展是在別人的架構、數據集的基礎上，我們取得應用場景的突破也有着特殊原因，比如說機器視覺的發展和工程建設採購、公共場景需求是離不開關係的，爲什麼會出現一種我們已經是“老二”的錯覺？這幾年業界學界都在反思，我們在人工智能領域基本是做應用，當時很多人認爲這是人工智能的全部，其實只是人工智能大領域裏邊很特殊的一部分。

把時間尺度拉長來看，我們會有更清醒的認知，當我們認爲自己在一些應用領域已經非常領先的時候，國際早已在做底層更加基礎的研究，不僅是人工智能領域，其他產業中國企業也很少有大力做基礎研究的。我們和業界交流，大家的思路基本是跟隨，看着有苗頭了，再大規模投入，快速地應用落地，這是我們的特點。

我們也參與了2017年國家新一代人工智能發展規劃的編制，當時在科研方面實際上佈局了5條不同路線，都是着眼於未來的新的方向。未來中國要想在人工智能領域裏面真正有一席之地的話，那就不能走跟隨的路線，我覺得確實不能夠着急，想看到開花結果還沒那麼快，首先對自己要有客觀的判斷，不能因爲論文多、專利多，就說人工智能領域我們已經很強了，這是以點帶面、太過樂觀。

經濟觀察報：市場巨大的牽引力可能會倒逼上游的創新，但是在人工智能的頭部公司上，這一點表現得不是很明顯，既然有了這麼大的市場訂單，爲什麼中國公司還是沒跟上ChatGPT的浪潮？

梁正：在應用場景之下是底層架構和基礎研究，當我們和業界去交流時，原以爲他們市值已經這麼高，在創新的基礎上一定會大量投入，結果卻不是，中國公司很少有做長期的規劃，即便是定位於做基礎研究的頭部企業的研究院，對它的考覈都是相對短期的。到現在爲止，幾乎沒有中國公司大力投入基礎研究，沒有人做0-1的事情。我們可能要用一段時間來營造創新的市場環境，有一批長期主義的人做基礎性、探索性工作，纔有可能做出有意義的東西。

經濟觀察報：如果僅僅以跟隨的要求來看，似乎我們在大模型這一波浪潮中，跟得也並不緊？

梁正：爲什麼說企業也需要有科學家，因爲有了企業才能把握到最前沿的研究方向，並更好的做出判斷，比如華爲就“養”了一批科學家，可能短期內不見得這些人可以作出產品方面用得上的技術，但就像貝爾實驗室也是一樣，除了自己做研究以外，還要看別人做什麼研究，這裏有哪些東西是對我公司有意義的，華爲今天在5G短碼標準方面的技術源頭就是公司里科學家看到了土耳其教授的一篇文章。企業不“養”這一批人，想讓大學老師替你去看論文，是不現實的，因爲他不會和行業的需求去結合，也不瞭解企業需要什麼。所以這是一個體系，沒有專業的項目管理人員，沒有一批在產業領域的科學家做戰略謀劃，想做產學研的結合是很難的。

但在中國要求大企業去“養”一批科學家，要求太高了。我不是說中國企業短視，只是中國企業還沒有嚐到甜頭，還沒有引起重視，或者改變觀念，認爲底層創新會對產業產生重大的影響。硅谷這些大公司，第一個喫螃蟹的都會獲得鉅額的回報，根本上還是經濟激勵的問題，他得嚐到創新的甜頭，他纔會繼續。我希望業界、學界能建立起交流機制，企業提出問題，學界重視企業的選題。

經濟觀察報：在基礎研究領域，我們應該怎麼去推動基礎領域的探索以解決“上不着天和下不着地”的問題？

梁正：其實要同時重視三類技術研究，一種是自由探索型的，最後結果和一開始預期是完全不一樣的研究；第二種是使命導向型的，跟國家目標契合的方向；第三種是市場需求導向型的，和業務場景結合。如果對三類研究都予以同等重視，在三種研究之間建立密切互動的機制，就能解決研究“上不着天”和“下不着地”的問題，或者說現在的機制存在兩頭都聯繫不暢的問題，很多學者包括評審專家不是真正瞭解實際的需求，沒有豐富的行業經驗，很多選題可能是根據他自己的偏好或者說所處的領域來定的，這是不夠的。

經濟觀察報：你認爲在人工智能這個領域裏面，科研政策或者政府部門還有進行微調的空間嗎？

梁正：中國政府現在作爲出資人和採購人的角色正在加強，去年六部委出臺文件鼓勵基於重大應用場景的人工智能創新，已經進了一步，要把政策運用起來，並且這些政策工具我們以前也成功使用過，例如在電動汽車行業。在協調人的角色發揮方面，目前來看相關部門作用發揮得還不是特別理想，但從這次機構改革也能看出，成立了中央科技委，科技部也從具體的項目管理裏抽身出來，更多做戰略佈局、統籌協調的工作，在科技工作方面的協調力度會顯著提升。

經濟觀察報：我們怎麼去補這些短板？

梁正：基礎的能力建設是需要大家一起來做的，有政府、科學家、大企業和小企業的參與，也應該有行業協會的協調，可能效果更好。

經濟觀察報：上一輪中國在專用場景裏做了很多突破，一些人覺得繼續採用跟隨策略，快速進入應用場景，中國這一輪還能出現大的爆發，你怎麼看？

梁正：如果跟得足夠快，結合場景肯定是可以的，但是第一，現在ChatGPT在國內還沒有開放，國內正在做替代產品，但是要看效果質量怎麼樣；第二也不能盲目跟風，在語言大模型上來講，真不見得中文語言有優勢。要想成功，一些紮實的底層工作繞不過去，需要一些有理想主義的企業家和有市場視角的科學家，這樣的人慢慢多起來，就會從量變產生質變。

本文來自微信公衆號“經濟觀察報”（ID:eeo-com-cn），作者：宋笛 鄭淯心，36氪經授權發佈。