大咖巅峰激辩人工智能：智能新世代看点、赛点、拐点｜甲子引力X

　　4月25日，中国科技产业智库「甲子光年」在上海举办了「2023甲子引力X智能新世代」峰会，30余位嘉宾齐聚本次峰会，全方位聚焦新一代人工智能，为科技与产业的结合寻找新机会，层层剖析中国科技产业新风向和趋势判断，一起驰骋在智能新世代，共同探寻智能新世代的过去、现在和未来。

　　自2023年以来，以ChatGPT为代表的生成式人工智能已经席卷全球，涉及算法模型、计算设施、数据平台、产品应用、商业模式、应用场景和生态建设等多个环节，这似乎预示着科技产业必将掀开一个新篇章。

　　无数技术先驱已经开始踏上新的旅程——2023年真正成为了中国的“大型AI模型之年”。

　　在上午的巅峰论坛环节，甲子光年创始人&CEO张一甲与上海市信息服务业行业协会秘书长陆雷、科大讯飞联合创始人&聆思科技董事长胡郁、微软亚太研发集团副总裁商容、清华大学计算机系长聘副教授&聆心智能公司创始人黄民烈、Fusion Fund创始合伙人张璐共同以《共赴山海：智能新世代的看点、赛点、拐点》为论坛主题，展开了精彩讨论。

　　张一甲：今天都是老朋友，包括线上的两位。非常开心，今天的五位嘉宾中，几乎每一位都代表了一个身份，能够为我们提供智能产业中“产学研政企投服”的不同视角。首先请所有嘉宾介绍一下自己和智能新世代的关系，讲述自己扮演的角色在AI生态中的视角。

　　胡郁：我是科大讯飞联合创始人胡郁。科大讯飞在1999年成立了一家人工智能公司，当时人工智能处于第二次低谷，互联网才是最热的，但是我们在中国的人工智能领域坚持了20多年。我在科大讯飞做研究院创始院长时，做出了讯飞输入法。2014年，科大讯飞从语音转向人工智能。同时我也是科大讯飞的轮值总裁，在人工智能最低谷开始创业，也经历了人工智能第三次浪潮，有很多经验和感触。我和一甲过去几年合作过很多次，非常高兴有这样的机会，在人工智能再次有了新热潮的时候能跟大家一起探讨和分享。

　　陆雷：我是经历过1999年互联网IT热潮的老兵，也在互联网从业25年。我现在是上海市信息服务协会的秘书长。如果贴一个标签的话，我愿做这个行业永远乐观的吹鼓手。

　　商容：我是来自微软亚太研发集团的商容。微软亚太集团成立于2006年1月，我在2006年底从思科加入微软，过去的16年，与数千名从事基础研究、技术孵化、产品开发的工程师、研究员一起见证计算机科学的一次次重大突破，这是信息产业波澜壮阔的时代。之前在思科工作的8年，也非常荣幸经历了互联网革命的浪潮。

　　张璐：谢谢一甲。大家好，我是张璐，在硅谷主要做科技和医疗层面的投资，在2015年创立了Fusion Fund。从2015年开始，我们在北美投资中早期的、科技属性非常强的科技公司，这些公司也有非常强的全球化布局理念。我自己本身经历也比较特殊，我最早在斯坦福进行材料科学方面的研究，之后从科研者转型成了创业者。我很早开始创业，21岁创立了第一家医疗器械公司。当时我们通过数据的应用提供个性化诊断的有关服务，只是没有关联人工智能应用的标签。我的公司被高价收购之后，我就进入投资行业，在2015年成立了自己的基金Fusion Fund。从2015年到现在，在人工智能驱动下，各式各样的垂直行业布局非常多。两年前，我们开始布局生成式人工智能在垂直领域的应用。今天我们讨论的很多话题，比如“什么产业适用于人工智能技术”，这也是我们在硅谷重点关注的方向。现在无论是一线的投资人还是创业者都非常兴奋，也很高兴有机会和大家分享我们在硅谷的所见所闻。

　　黄民烈：各位好，我是来自清华大学的黄民烈。我现在是清华计算机系的教授，同时我们也创立了一家公司叫聆心智能。聆心智能是做对话大模型的公司，我们主要做超拟人大模型，赋能一些数字人、游戏、教育、营销等各种场景。聆心智能也是国内最早做大模型的团队。2020年年底，我们就开始做这个大模型，那时刚好是GTP-3问世不久。在这个背景下，我们孵化了这样一家公司。

　　张一甲：我们今天的人工智能讨论将分为不同的视角展开。我跟大家简单介绍一下今天全天讨论的不同议题，首先是“明天过后”，讲通用人工智能；其次是“行稳致远”，讲通用大模型可行性；第三个是“百花齐放”，讨论AIGC内容时代的破与立；第四个是“正本清源”，讲人工智能是与非、能与否的问题。请问大家最关注的议题是什么？

　　胡郁：在技术层面，OpenAI的尝试让我们找到了一条技术路线，我更关心它会带来什么样的产品形态，这样的产品形态会带来什么样的用户价值和客户价值。谷歌用检索技术做出来了一个搜索系统。谷歌当年的独特在于，从技术路线上看，他们走了PageRank这个技术路线；从产品形态上来讲，是一个网页搜索；从用户价值来讲，连通了用户和网页服务商。当时他们没有商业模式，也不知道将来靠什么赚钱，我觉得这不重要。

　　今天从技术上看，ChatGPT是通用人工智能，但具体来讲，属于我们过去提的“认知智能”，这个技术路线基于大模型和生成式模型。对比原来的小模型，很多人认为ChatGPT就是一种产品形态，我不完全这样认为。我认为如果要创业，产品形态和用户价值还是要非常明确。比如说谷歌这样的网页搜索是产品形态，用户价值是通过搜索能够做这个事情。现在ChatGPT开放了很多API，做了很多事情。但我个人认为产品形态和用户价值有待进一步明确。其中有一点非常重要，将通用人工智能大模型与其他原有业务进行结合，打通后对所有人都很有启发。我关注的是将来由ChatGPT这样的大模型会带来什么样的新的产品形态和用户价值？无论是软硬件一体化设备还是互联网软件服务，我特别希望看到这样的东西，但我认为现在还在路上。

　　张一甲：我补充一个问题，大牛现在纷纷下场，你是否选择下场？或者会用什么姿势对待这个时代？

　　胡郁：确实有很多人下场。但因为我现在还在担任聆思科技的董事长，聆思科技在做终端的AIoT芯片，这个芯片之后会连接大模型的语音交互能力，但因为大模型应用非常广泛，我还在思考这个问题。我认为下不下场最关键的是，我参与其中，但不是采用某种（创业）形式，比如像今天缺席的小川一样。我给大家披露一件事，据我了解，今天宣布要做大模型的公司有60多家，包括黄老师这样的创业公司、互联网巨头以及科大讯飞和商汤这样的大型人工智能公司和很多行业的公司，对他们来说，将来的2-3年将是充分竞争的时代，但现在肯定没有。

　　陆雷：我从两方面回答：一个是我个人对这个问题的思考，和产业无关，我在思考人类进化的下一步是什么？我们是不是还像原来一样进行生理的进化？人类的进化会不会走向“人造人”？我们的下一代或者我们这辈子有没有机会在头上装一块芯片，具备生化人的人造能力？当然，我只是一个观察者和跟随者。

　　接下来我再分享一下作为行业协会秘书长看到的一个有趣的现象：很多应用场景启动了，包括刚刚你演讲所提到的很多应用需要被人工智能重新梳理一遍。

　　这一点没错。我举个例子，有一家大型的央企要完成一项很突发的任务，过去这些任务是靠人做的，但人的服务满足不了突发要求。因为平时可能没有服务，但是这种突发时刻到来的时候，需求是呈几何数量增长的。现在企业在积极探索能不能用小算力的专用人工智能解决这个问题，前台是数字人，后台是大量专用人工智能。他们非常积极地在这个领域探索，甚至作为投资人出现。因为他们看到了通用人工智能范式的成功，认为下一个专业人工智能的领域产生不是问题。所以通用人工智能成功之后，我们人类很多新的应用场景可能会被更高效率的工具改变。我想这就是业界最近发生的变化。

　　商容：陆秘书长讲得非常好。我现在更关注AI和生产力软件的结合。微软上个月推出了Microsoft365 Copilot，我认为这是关系到每个人的，是生产力的重塑，更是全新的人机交互方式。陆秘书长刚刚提到，碳基生命有没有可能拥有加上芯片的大脑？我认为机器和人类是共同进化的。我们向机器寻找答案的时候，机器也给了我们更多期望之外的启发和印证。这样的过程，是与这个深度数字化时代相匹配的一种进化和成长的方式。我想在座的各位可能还会工作50年以上，在人工智能的帮助之下可以做到人类之前做不到的事情，这是时代提供给每个人的机会。

　　张璐：我听了其他的演讲嘉宾所讲的国内的情况，第一点感受是，目前我们在硅谷看到的生成式人工智能的创新周期可能和国内所处的周期不同。因为创新周期基本上先是基础技术创新，再到技术应用创新，最终所有的技术创新会导致商业模式的创新。硅谷的优势是有过去这些年的技术积累，而且不止OpenAI一家公司，很多家公司都在做大语言模型的基础模型。几家比较明确的技术提供方已经在市场出现了。我们作为投资人以及一些创业者都关注到，很少有公司从头做一个大的数据模型，因为已经可以从市场上直接调用、使用了。

　　现在一些API是完全开放的，也有一些在基础大模型之上的创新。刚刚几位演讲嘉宾提到了各个行业应用生成式人工智能。对我们来说，可能关注的不止是人工智能技术本身，而是数据。因为在应用人工智能重新训练提高准确性、一致性，以适应不同行业需求的过程中，我们要求企业不仅能够调用人工智能，还会围绕数据有更多要求，比如数据的质量、数量以及怎样合理保护数据。

　　大家也感觉到，在不到一年的时间里，ChatGPT做了一件非常厉害的事情，给全产业做了一次教育：全产业应用人工智能。刚刚有嘉宾提到了，这样一轮教育之后，现在各个产业都在探讨怎样把垂直应用落地，包括很多大的企业。我们从2018年就创立了Fusion Fund的CXO网络，有44家500强企业的首席技术官跟我们合作，包括保险公司、大银行，还有医疗企业，他们对于自己建立战略的需求非常强。我们一方面要根据这个行业里面的数据特性，决定哪个垂直行业落地更快，另一方面是关注如何更快把应用建立起来。

　　当然从我们投资人的角度，我们确实也有自己的行业专注，我们一直是只投To B，因为在C端做应用可能更多不是技术层面的区别，而是运营、执行层面的问题，比如怎样尽可能更快速地把用户体验做好。ChatGPT让大家看到技术的快速发展效率，其实这些都是厚积薄发的过程，但部分的资金还有创新力都专注技术应用的创新。

　　张一甲：非常精彩，感谢张璐。张璐作为投资人有非常多的实战经验。我很意外现在人工智能的论文都不带公式，更像一个哲学辩论。接下来请黄老师讲一下自己目前最感兴趣的议题。

　　黄民烈：我一直在学术圈做对话和生成式AI的研究。我们回顾一下智能音箱出现时，在2016-2018年期间也是国内资本热烈追逐的行业和方向，但那波之后我们今天留下什么？这是值得我们思考的。

　　聆心智能做的是“超拟人大模型”。新的AI到底能给我们带来哪些新的用户和新的产业形态，是我们思考的问题。虽然看起来我们在通用应用上做得很强、很厉害了，但实际上真正要到最后落地和解决一个行业问题的时候，还有一定的差距，是有短板需要我们补齐的，比如涉及到数据怎么用，场景怎么找，怎么把数据和模型之间的闭环跑起来。当然，也有一类公司肯定是纯应用驱动的，也不管数据能否积累更多的价值。

　　对聆心智能而言，我们自己是技术出身，数据和模型怎么能够更快跑起来，并在特定场景真正解决用户的需求，实现一定价值，这是我们思考的。我们自己做的大模型今天的能力比2018年，甚至是2019、2020年时有一个突飞猛进的变化。奇点是实实在在地发生的，但真正落地时也依然会有各式各样的问题。

　　这可能跟语言本身的特点高度相关。我们也在致力于用大模型的基础组件加上其他关键算法技术模块，解决最后一公里的问题。这是我们正在关心的事情，这样才能真正实现商业的落地，最后才能把整个业态真正跑起来，这个是一个良性健康的发展。今天的ChatGPT更多停留在炫技的层面，这是我的思考。

　　张一甲：谢谢黄民烈老师。下面我想聊一聊关于大模型和AGI的问题。首先想聊一聊人工智能的路径选择。

　　目前大家都在看大模型，而且很多路径非常相似，大家可能与ChatGPT高度趋同，全世界俯首称臣于ChatGPT或者OpenAI，我想问一下大家的真实想法，虽然大模型是唯一被验证的路径，但如果把视野拉长，是否有可能造成技术路径多样性的衰减？

　　或者换句话说，我之前过采访人工智能领域的德国院士和美国院士，发现德国门类很多，但都不出名；而美国在定义什么是流行，可能会把所有人力和资金都放在1-2个重点赛道，全世界都不确定人工智能到底是一条道路走到底，还是多条道路分散风险，一起发展。大家看来，通往AGI的路是否应该一条道路走到底？请胡郁总先来分享。

　　在ChatGPT出现之前，有人能够确定地讲GPT-3这条路是对的吗？很简单，不能。因为大部分人因为看见而相信，不是因为相信而看见。如果我们要在研究上取得突破，必然需要在多条路上进行尝试，人类研究任何东西，在某一路走通之前，最优解是同时尝试多条路。

　　但是中国人的悲哀在于，中国人只会跟随，不愿意尝试。从商业逐利的角度来讲，跟踪式是最省力的。但从科学角度来讲，我们需要尝试多样化的路径。如果你真想探索真理，很显然应该尽量鼓励多样化的研究，哪怕其中99%都是失败的。但是如果不是多条路径的探索，怎么可能找到必然正确的道路呢？

　　一旦从科研到工程化阶段，毫无疑问应该把所有力量聚焦到那条已经找到的道路上，就像张璐刚刚提到的，应该做应用，创造应用价值。因为消费者不关心用什么技术路线，只关心我获得了什么用户价值和客户价值。研究上出现那些东西很好，但是大部分人关心的是“跟我有什么关系”，两者是不矛盾的。

　　更难的是，当所有人都已经看到某一条路径取得了进展的时候，还会有一些人选择探索不同的方向，哪怕将来会失败，因为只有这样才能找到下一个突破点。大部分人是看见才相信，看见后会以为这个东西能远远超过原来真实预期的有泡沫的地方，所有曲线都是这样的，因为这是人性。

　　我非常佩服早期在黑暗中摸索的人，以及已经在工程上突破一个方向，但还愿意在其他道路上摸索的人，只有这样人类才有希望。如果从满足普通人的需求来讲，毫无疑问，你就需要在已经确定的工程上加大投入，探索边界，尽快触达天花板，带给所有用户使用价值。

　　张一甲：高处不胜寒，你作为科大讯飞的联合创始人，应该看到了整个中国在科技和商业之间非常多不同的风景，中国能真正做到“因为相信，所以看见”的技术理想主义者有谁？

　　胡郁：当然有了。为什么我们会安静谈论这些事情？如果没有国防的突破，请问大家有机会做大模型吗？因为有了前人，我们才有资格谈中美之间的共赢博弈，所以我认为当然有这样的人。但说实在的，在我们的商业界有没有这样的人，我不知道。

　　张一甲：非常精彩的回答。当我们谈论技术理想主义时会和地域国情有很大关系，OpenAI的技术理想主义是带有个人英雄主义色彩的，ChatGPT更多是无冕之王、长期坚持的结果。陆秘书长对此怎么看？

　　陆雷：我认为这个世界没有“因为相信，所以看见”，所有人都是“因为看见，所以相信”。只是因为我们身高不同。我年轻的时候见过一个荷兰排球队的副攻，他身高2.12米，他只打一种球，谁都知道他打哪种球，但是就是没人拦得住，这就是暴力之美，这就是通用人工智能的成就之美。所以我相信刚才你讲到的理想式人物。

　　我非常赞同你后面的观点，他们是民族之梁，那些所有的理想主义者他们真正比我们站得高、站得远，我们要明白或者相信一点——我们看不到不代表别人看不到。如同今天我听一甲的演讲学习了很多东西，我没有看到的，一甲看到了。

　　另外，一甲刚刚问的问题也是当下面临的很大的挑战。作为行业协会的秘书长，我参与了很多行业的规范和标准的文件，包括配合写一些规划，我们原来写的“三年计划”“五年方案”，现在来看，要有很大一块落空了。因为ChatGPT出现了，颠覆了（一切）。

　　由此出现了一个新的问题——我们推动建设的节奏要变了。过去从治理端或者管理端、政府端来讲，我们考虑的是怎么用3年、5年推动一个行业。对不起，接下来这个时间可能要压缩到6个月，新的文件出台可能只能管6个月，过了6个月就是笑话了，我们看到微笑曲线的尾巴在向上翘。这种情况下，生产关系的变革，频率可能也不能像原来一样了。我是上海市人大代表，我们今年人大就在考虑，对很多东西由过去的三年、两年讨论一次变成一年讨论一次了，不然跟不上。

　　所以各位，引领人类社会进步的是刚才胡总讲到的那些理想主义者或者说高屋建瓴者，他们在推动我们人类社会前进，之后无论是商业化，还是构建更加适配的生产关系，以适应生产力的发展，这都是我们在后面跟进而补足的，所以我们要的是不被落下。刚刚胡总讲的没有人赌，是的。因为我们没有资格赌，三条队，不知道哪条队通，就在远处看一下看到哪条队动了我再跟上，这样最保险。因为我们只有一个人，如果有三个人就安排一个人一条队，大家大户有大家大户的做法，小家别院有小家别院的智慧，这都是中华民族的智慧。

　　商容：真的非常精彩，今天有人说GPT一日，人间十年。陆奇博士前天也在上海有一场精彩的演讲，也感慨技术创新迭代迅速。我们很幸运IT行业有这样见识深邃的领军者可以带着我们探索未知。我经历了上一轮互联网革命，今天思科已不在第一阵营，大家可能忘了它曾经的辉煌。那个世代也催生了很多的互联网企业，我们也从跟随起步到后面慢慢引领超越，所以不要妄自菲薄。微软CEO Satya在2014年接手的时候，微软并不是一手好牌。但他在担任CEO的第一天开始就坚定地说，5年之后微软会成为一家人工智能公司。早在2018年，还没有太多人留意OpenAI时，Satya就在他的演讲中反复提到微软与Open AI 的合作。陆奇博士认识Sam Altman时他才19岁。没有什么事是一蹴而就的。

　　前两天参加北京国际电影节，听了一节非常有名的德国导演多纳斯马尔克的大师课。他酝酿9年，33岁编导处女作《窃听风暴》，出道即巅峰，获得奥斯卡金像奖。他说成功是藏在深山的女神，难得一见。你用不着想什么时候会碰到女神，你努力做就好，听从内心，相信自己。非常谢谢一甲给我们呈现这场思想盛宴，让我们在ChatGPT时代满怀信心一往无前。

　　张璐：刚刚大家讲的这些对我非常有启发。我们一直在一线，包括很多公司已经在做垂直行业应用。一来我们不要神化ChatGPT和生成式人工智能。二来学界有各式各样的创新，但OpenAI非常实际，走了一条最贴近商业化和实际应用场景的道路，这也是为什么一旦落地有这么多可能来进行应用。

　　就像刚刚胡郁总讲到的，很多时候我们需要分阶段来看创新多样性和商业成功这两件事。比如，现在如果是初创企业，就需要选择落地速度最快，落地效能最高的模型，也就是我们说的生成式人工智能，但学界很多模型还在发展，从实际应用出发，生成式人工智能不是每个行业都适合应用的。我刚刚提到过，比如数据的质量和数量，包括实际的应用场景，你会发现有一些产业可以体现出模型的巨大能力，但有一些产业不一定适合。

　　我们眼光拉长一点，看过去几十年人工智能科学家背景的迭代，大家熟悉的很多顶尖人工智能科学家背景是偏向数学的，但过去这几年很多顶尖人工智能科学家有第二个背景，Neuroscience脑神经学。我们现在基础的人工智能模型并没有真的像人类大脑的脑神经网络一样的工作机制，所以还有很多探索是关于如何更好地理解潜意识的工作方式，并让它在人工智能上应用体现。

　　最近也有很多人说生成式人工智能大语言模型应用场景如此广泛，是不是和人脑有一个PK。3-5岁的小朋友理解这个世界，形成他的模型是不需要大量数据来培训的。他只用一些规模很小的、有限的数据，就可以举一反三，认识这个世界，建立巨大的世界观，这个角度有很多机会可以探索——一方面我们会投资接下来3-5年内能快速进入产业，帮产业快速整合转型提升的技术方向；另一方面，我们也在持续关注和支持接下来10-20年的技术方向，包括OpenAI也开始坚定走生成式人工智能在不同模型角度探索。可能在未来几年会有更加落地、更加实际、成本更低的模型出来，很多创新也就会转移到那边。

　　我们要客观看待技术的机会和场景，包括我们面临的问题，比如现在从投资的角度我们会面临非常多的问题，一个是算力的要求太大，不可持续，成本相对比较高。Meta的人工智能研究非常好，就是脸书，但没有很快做成产品。Meta解决了一个非常头大的问题，怎么降低对算力的需求，再去运营大的语言模型和生成式人工智能。类似的创新在迭代出现，帮助我们更加优化生成式人工智能各式各样的应用场景和条件，在未来可能也会有新的，更有意思的技术突破和创新应用出来，所以是一代一代的（进化）。创新不是直线发展，而是一个圈，基础技术、基础应用、商业模式在回环，我们拭目以待还会有更多新的东西出来。

　　黄民烈：我认为多样性确实是一个非常重要的问题。不仅在学术界，我们经常会注意到过去我们曾经制造了各种各样看起来非常漂亮和优雅的小模型，但现在这些模型已经不再流行了。如今，大家也只在大型语言模型上进行一些小规模的尝试。我们正在思考如何开展研究，这到底是一个好事还是坏事，我认为这是一个值得探讨的问题。

　　另外从工业角度来看，我们也能看到多样性正在逐渐消失。我们看美国，美国不止有OpenAI一家在做大模型产品，并且几家做大模型的企业也都并非对标OpenAI，这就是我说的理念不同。大家希望做不同的东西来给大家用。

　　但国内声称自己要做OpenAI的公司已经有十几家，其实大家只是想抓住热点。但真正需要思考的是，这件事情的本质是什么，我们应该做哪些真正难而又正确的事情。个人而言，我比较悲观，所以我认为这是值得思考的问题。我们是否应该投入大量人力和物力来重复做同一个事情，或者采取更好的选择，为中国的AI和大模型发展打造更好的生态？这是我们应该思考的问题。但至少今天我看到的情况，无论是从学术界的多样性、还是资本对科技的布局来看，这种多样性都不太乐观。

　　另外，如果我们从整个通用人工智能行业和产业的发展角度看，我们需要更加注重数据与算力的发展。比如国外有专门为AI模型训练提供数据的企业，而中国还没有。同样我们在算力层面也还是落后的。中国的算力非常紧张、价格也比较高，模型开源和开放共享也做的并不好。那么我们就要考虑，我们的这种「重复造轮子」也许对人工智能产业发展并不是很有利。大家投入巨大的财力、人力、物力，却做差不多的事情，这件事是不是浪费。这一点，其实也应该由多样性而引发我们的思考。

　　从OpenAI的发展历程我们可以看到，理想与情怀真的很重要。我们希望真正追寻的是我们的梦想和热情，以及我们真正喜欢做的事情。而不仅仅是为了追求利益。如果我们仅仅是追求利益，那么很可能我们无法完成伟大的事业。中国伟大的事业并不是由金钱积累而来，而是凭借梦想和热情创造的。这是我的观点。

　　张一甲：谢谢黄老师。业界流传一个观点是：因为相信所以看见，而非看见所以相信。甲子光年2023科技趋势报告也给出了同样的观点：长期的信仰背后是非常深刻的理性。这个理性表达了我们对“看似盲目”的坚持和乐观。几位嘉宾如何看待关于情怀、理想与利益、感性与理性之间关系的问题？

　　陆雷：我认为，梦想就是最大的利益。我本科学的是经济学，这让我能够用经济学原理解释背后的理性。什么是梦想？如果把商业利益价值作为利益的全部，显然是错误的。人类应该去追求更高的利益价值。很多为中国负重前行的重要科技人物，他们不是为了利益吗？但他们不是为了自己的利益，而是为了这个国家、这个民族的利益在努力。这件事才是由衷激发他们产生强大自驱力的动力，金钱与之相比不值一提。商业价值固然重要，但不是唯一。个人的利益会存在，但同时还有群体利益。每个人都有自己的使命和任务，因为每个人与生俱来就是不同的。我们不应该试图把别人能够完成的事情复制到自己身上。

　　胡郁：在回答这个问题之前，我觉得我们先要定义什么叫利益。因为大多数人仍然被商业驱动所影响，生活在这样的环境下，他们在追求实现伟大理想的过程中，经常面临贫穷和生活困境。例如，假设我是老板，拥有足够的财富，但我的员工或合伙人却没有达到同样的财务状况。如果我要求他们和我一起追求伟大的理想，但是我住在豪宅里开豪车，而他们连基本的住房都没有，那么这样的要求显然是不公平的。人家想的是要吃饱穿暖，这是一个非常朴素的利益驱动原理。

　　那么，既然是这样的驱动原理，一定会趋利避害。为什么很多企业会追随其他企业做类似业务，其实是因为这样的风险最小。有钱人家的孩子学哲学、数学、艺术。而没钱人家的孩子学计算机、金融。这是因为他们需要赚钱。在“相信与看见”这件事上，大部分人先需要证明给他们看，他们才会相信。

　　我认为一个人最大的“利”，在于其人生价值，在于其人生的幸福与快乐来自于哪里。我特别认同《人类简史》里提到的，人类特别热衷追求三件事，一个是长生不老，第二个是快乐和幸福感，第三个是成为神。对比第一和第三个，显然追求快乐与幸福是更现实的。快乐和幸福感是人的一辈子最大的“利”。所以在我看来，一个人自己最大的人生价值，就是跟喜欢的人一起做喜欢的事。而这个事情的成功和失败其实不重要。我经历过，其实就已经得到了最大的利益回报，也就超越了“因为相信所以看见”的范畴。马斯洛说，幸福来自于物质，再往上是名和利，再上面是自我实现，就是这个问题。

　　我们现在看到大模型的成功，但事实上它也是试错出来的。假设你做了一辈子最后发现，另外一条技术路线成功了，那么你没有获得利益吗？我不这样认为。就像我刚刚讲的人生价值，最后结果是不是成功，甚至是不是造福了其他人，我认为此时此刻已经不重要了，这就是一个人最纯粹的人生价值。如果这个是“利”，那我认为没有任何一个利要高于它。但只是大多数人不认为这个是“利”，他认为这个是人生追求。

　　就这一点而言，有一些人叫做追求，有一些人叫做人生的价值，有一些叫做自我实现，名字不一样。但是如果从经济学原理来讲的话，那么它其实就是“利”，并且我认为没有任何一个利于个人来说比这个还要大。

　　张一甲：感谢胡郁总，哲学上的争论十有八九是名词定义的争论。利益如何定义，在我看来可能是多巴胺和肾上腺素的区别。同样这个问题来问一下商容姐、张璐和黄老师。

　　商容：其实所有问题归根结底都是哲学问题。微软一直特别强调价值驱动。OpenAI带给我们最大的惊喜是人工智能门槛极大的降低，智能的涌现和泛在，正在惠及所有人。我认为这是一条非常广阔的道路，并不是大家只能挤在大模型这一条路上。我们需要做差异化的基础技术研究与产品研发，把技术转化应用到不同地方不同领域。我非常荣幸有机会在微软工作，微软研究院1991年成立，就是要探索尝试所有不可能的事情，不断试错。而对于产品和服务团队，则需要聚焦，do less with more.

　　张璐：科技改变世界。这句话直接体现了科技创新的精神。伟大成功的科技公司，基本都是理想主义与商业成功的结合体，而并非只有一个特质。如果一个企业空有理想，而没有商业成功，那么它也不能达到改变世界的目的。

　　这也是为什么我们会认为，美国硅谷总觉着这是科技理想主义者存在最多的地方。但事实上这也是最现实、最商业化的地方。虽然并不是所有科技创新都源于硅谷，但很多科技创新都是在硅谷成功实现了商业化。在这个层面上，并不需要计较哪个更重要，而是需要更好地将理想主义和商业成功结合起来。只有这样，我们才能在改变世界的同时创造财富。当然更重要的是改变世界。

　　黄民烈：相信是理想、情怀和未来，而看见则是当下。我记得贝佐斯曾经说过一句非常好的话，大致意思是：梦想家构建和规划未来，而科学家和工程师则是实现梦想的人。在中国这样的文化和背景下，我们更应该拥有梦想和梦想家的精神，去思考和规划我们更美好的未来。

　　胡郁：我一直感觉，甲子光年一直在提醒我们：理想中要有现实，狂热中要有理性。确实如此。大家疯狂的时候你要冷静，大家都悲观的时候你要乐观。我很喜欢今天的对话，今天很多人从科学、研究、商业等不同角度来寻找底层逻辑和本质认知。就像甲子光年这个名字，甲子是时间的概念，光年是距离的概念。而且今天峰会的主题叫“共赴山海”。我们看到的趋势是，未来20年真的是我们这代人在一起努力，无论是在硅谷、美国还是中国上海等地方，为了人类的未来在“共赴山海”。在这个场合里，更多人在追逐真相和真理，追逐梦想和现实的过程中，底层逻辑和本质认知比名和利更重要。

　　张一甲原本学数学，本来应该搞科学研究，但她的贡献在于提升大家的认知，能给整个社会和业界带来更大的价值，而不仅仅是在当前热点上有所推进。我非常有幸和各位嘉宾、一甲以及在场和线上的很多人在一起，因为只有这样，未来才更有希望。谢谢大家！