前言：文章内容来源于2023年02月20日，鲍捷博士在 INfoQ【极客圆桌派：狂飙的】的访谈。访谈内容分为上、下两个部分发布，本文为下篇。已发布的上篇：
｜ Agree To .不求共识，尊重不同视角。
主持人：
我们今天可以讨论一下中国人工智能领域的发展。您认为中国的 的有效性如何？或者抛开 ，看中国的大型模型是否具有相应的技术实力，有可能在国内出现 的应用？
鲍捷：在回答这个问题之前，我想先谈一下国内人工智能落地的问题。中美两国在人工智能落地的方式是不同的。在美国，更多还是大型互联网公司，来做一些增量产品，比如说谷歌、 。但在中国，自 2013 年以来，人工智能的落地基本是围绕社会治理展开的。
如果 真的能够成功，那么它代表的并不只是 本身，而是代表着自然语言处理技术的突破，这项技术走通了。未来的十年中，在中国可能的商业化落地路线还是围绕着社会治理，即 展开的。我们需要思考的是，围绕 需要建立一种什么样的技术架构。
主持人：是不是视觉的那一波要换种方式重新来一次？
鲍捷：是有可能的，这可能会带来一个全新的更大的市场，但是未来会很难。
主持人：但它会产生另外一种结果是吧？
鲍捷：结果肯定是一种能提升各领域 （治理）能力的应用。像是我们从事金融领域，本身在金融领域中能力较强，在 （监控合规）已有极大的投资。并且在 2022 年之前绝大部分的增长都是来自于这种需求。未来这种需求只会增加而不会减少，这也将会成为行业主要的增长点。
除此之外，企业内部的治理需求也会逐渐增加。这些数字化转型带来的变化将会带来更多新的应用和解决方案。
这也是为什么 MLOps 是数字化转型中一个热门话题的原因。随着语言处理能力的提升，一方面，机器学习将不仅局限于传统的结构化数据，而是会在更广泛的数据范围内应用，如在数据湖，湖仓一体化的基础上实现实时的知识生成和构造。这种知识的管理将从 MLOps 进步到 KBOps。
另一方面，还将带来全新的办公工具。未来的十年中，我们今天所熟知的办公三件套可能全面升级，进行小机器人化，会有大量的机器人在整个工作流程的每一个环节上提升工作效率。
围绕着这种数字化转型的大前提，商业化也变得清晰明了。帮助人们理解文档、实现商业智能和数据分析，以及自动化生成各种报告、公告和文件等内容，都将成为未来的趋势。这一领域有可能成为未来十年新增市场达到1万亿规模的领域，属于在 （社会治理）和 (企业治理) 机制领域中带来的全新、更大的市场。
主持人：是由技术人员去开发 （领域），还是由领域专家使用技术？还是两者都需要？
鲍捷：应该将两者结合起来。本质上，这是领域的问题，而不是技术问题。
我还有另外一个观点，就是这个世界上压根就不应该有太多人工智能公司，就好像世界上绝大多数公司都不是操作系统公司，也都不是所谓的浏览器公司，更多的是扎根场景服务的公司。
主持人：您认为这会影响公司的发展路线吗？从某种程度上讲，需要招募哪些人？需要放弃哪些业务？需要关注哪些业务？
鲍捷：一些我们原本认为需要三到五年才会发生的事情，已经出现了，所以我调整了优先级。比如，AIGC 一直是我们长期战略的一部分，我们之前认为未来的竞争对手是微软，准确来说是 。
主持人：为什么竞争对手会是微软？
鲍捷：本质上说，我们在做三件事：帮人抄作业，帮人查作业，帮人写作业。其中，抄作业是 Word，查作业是 Excel，写作业是 。
过去这 6 年向金融机构提供的所有服务、开发的支持金融机构各项业务的各种机器人都是这三者，如写报告的核心是 Word ，风控的核心是 Excel，私募投资的最终调研报告是 。
我们最初花费大量精力在开发人工智能 Word 上，最近两年已经着手开发人工智能 Excel，而原计划要3到5年才能实现的写作业部分，现在就要开始了。
主持人：对于文因互联而言，您觉得它是一个专业领域的三件套，还是通用领域的三件套？
鲍捷：目前还无法断言，但我非常确信，在中国的金融领域中，我们是最好的，而这种能力正在扩展到其他领域。比如，最近开始涉足医疗领域，帮助医生撰写文献，还有航空领域进行文档撰写。当然，这只是初步尝试。
我相信，当我们成为一个相对成熟的公司时，这种通用能力本身是有可能被孵化出来的，但由于创业者的困境，肯定不是以“文因互联”为主体。
主持人：前段时间也有人说现在是“网景时刻”，如果我们从创投角度上面来看现在遇到的事情，您认为“网景时刻”到了吗？
鲍捷：不是网景时刻，是谷歌时刻。
1998年，谷歌成立之前，有很多搜索引擎公司，现在大家基本不记得它们的名字。
而在这些公司中，谷歌做对了一件事情，就是将人类反馈加入搜索算法中。这与以往所有搜索引擎公司基于更传统的信息检索方法不同。以往的方法基本上都是围绕如何让数据发现更好的 ，如基于 TF-IDF 或 BM25 等算法。但是谷歌的做法是使用 算法，将人类的 注入，直接对齐人类思维，导致三年后所有竞争对手都倒闭了。
我认为现在所有这一批做认知智能的公司，如果三年内不能够跟进转变，基本上也会倒闭。当然，这一点现在的人们比当初看得更清楚了。我们回到1998年，像 Lycos 和 这些搜索引擎公司，它们的老板或技术人员就不知道这些吗？当然不是。
实际上， 算法的等价算法就是 IBM 的工程师所创造的。因此，在那个时刻，并不是只有一个人掌握了这些技术，今天也是一样的，聪明的人都看到了，没有人不知道。
主持人：但是谷歌时刻听上去不是一个对创业者友好的时刻，因为它会形成一个巨无霸，而如果我们说是网景时刻，会有很多建各种网站的可能性，这些寓意不同可能会有不同结果。
鲍捷：使用“谷歌时刻”并不意味着我们的目标是创建像谷歌一样的应用。实际上，从盈利的角度来看，人工智能的应用无论是在中国还是在美国，ToC 可能只占20％，而 ToB 则占80％，也就是说，ToB 仍然是主流，而不是 ToC。在 ToB 领域中，很难出现像谷歌这样的巨头，因为这些技术都是基于相同的底层技术和模型构建的。而且，在 ToB 应用实现过程中，技术占比很低，其他因素更加重要，所以很难有一家公司能够吃遍整个市场。
ToB 公司的商业组成，由许多组件拼凑而成，每个几十亿或者上百亿的组件都需要经过一番拼搏才能成功，这种商业格局与 ToC完全不同。因此，不可能出现一个巨头企业吞噬整个市场的情况。相反地，会有许多公司在不同的领域里崛起，这也是 ToB 的落地模式。
主持人：鲍老师，您会投资怎样的公司？
鲍捷：我可能会在中国或美国寻找不同的投资机会。在中国，我可能会投资一种 as a （咨询作为一种服务）类型的公司。经过多年艰辛的创业过程，我们终于明白了一个事实：中国的 ToB 服务的 SaaS 中，第一个“S”和第二个“S”和美国是倒过来的。在美国，是 as a (软件即服务)，而在中国是 as a (服务即软件) 。
因此，从某种程度上说，在中国的 ToB 领域中，美国的 SaaS 服务可预见将来是不可行的。这是因为两个社会或两种经济形态的底层运行规律是不同的。
因为所谓的软件本质上只是治理的 IT 化。如果治理本身就不一样，软件怎么可能是一样的呢？所以，在那种环境下成长起来的 SaaS 在中国并不适用。在中国，要想落地并被客户认可的关键因素一定是服务，而不是软件。
主持人：但这个点是一个市场因素，就不是一个 的因素。
鲍捷：我所说的不是政府（） ，而是治理（）。这包括了企业之间的商业交易方式以及资源整合方式，也决定了商业模式的形态。
在中国，要想扩大 ToB 业务，只有一个途径，那就是必须具备非常强的交付和服务能力。在其中，人工智能的作用是什么呢？以前人们总认为人工智能公司颠覆的是软件公司，其实这是错误的。人工智能颠覆的不是软件公司，而是服务型公司。或者我们不必使用“颠覆”这个概念，因为它并不好。我们能否提高传统服务型公司的效率，使其更好地服务，支持这个行业能够创造真正的正面社会价值，从而使业务增长。如果我要进行投资，那么应该像文因互联一样的提供数字化转型能力的底层公司。
本质上，我们生产各种各样服务不同场景的机器人。现在在金融领域中有许多细分场景，比如银行场景、券商场景、财富管理场景等。但是我们无法全部自己去做。因此，最终我们必须形成一种提供每个领域内进行知识建模和知识落地，就像银行合规就是一个典型的场景。
可能有一小团队，由10人、20人、30人等组成，使用比较传统的方式来工作，效率较低。但是他们的优点是在这个行业工作了10年、20年、30年，非常了解这个行业，但是他们的执行方式传统而痛苦。我的目标是加速这个过程，将效率提高10倍，我愿意投资这样的公司。
主持人：我最后问几个比较定性的问题，像现在微软 Word 现在已经开始嵌入 ，您认不认同这种生成的内容直接拿来用？
鲍捷：在 ToB 领域里是不行。
主持人：您觉得对于本身做工具再增加 AIGC 能力的公司和一个 AIGC 的公司做工具，哪一种赢面更大？
鲍捷：自身有业务模式，再增强该方面能力的公司更容易。
主持人：如果我们没能够有效地建立起来大模型，长远会造成怎样的影响？
鲍捷：关于这个问题，我想讲一个故事。1860年，英法联军攻入圆明园，搜刮了大量财物，其中包括一批马戛尔尼仪器，这批仪器是70年前乾隆皇帝所接受的礼物。然而，英法联军发现这批科学仪器从未被打开过。
如果这些仪器当时被打开，结果会是怎样的呢？这是个开放性的问题。
主持人：对你而言， AGI 是不是必须要先有智能，然后才是 AGI ？
鲍捷：每当人工智能进入寒冬期之前，总会有一些人谈论 AGI，所以当有人谈起 AGI 时，我都会感到不安。因为 AGI，就像问意识何时在生物体中开始一样，这个问题我认为是无法回答的，也可能是不必要回答的。
就像真正的爱情是什么一样，无法被定义，也无法被划分。如果你说它是一只鸭子，那么它就是一只鸭子。目前，我并不关心这个问题的答案，对于可预见的未来，它没有太大意义，这只是一个定义问题，任何人都可以去解答。
主持人：最后，请鲍老师评价一下今天的交流内容，作为此次访谈的收场。
鲍捷: 今天的交流，很多都非常的认同，在去年的时候已经感觉到人工智能的秋天已经来了。我们之前统计过，人工智能的冬天一共持续了17年，每一次的高潮平均只有9年，从2012年算起，现在时间已经到了。
从1998年开始做人工智能，我经历过一次冬天，我的整个研究生和博士后阶段都是在冬天度过的。那时候的人工智能非常困难，我们毕业后必须转行。如果你坚持做人工智能，可能找不到工作，这与今天完全不同。
在这种情况下，我们必须非常谨慎。但冬天也带来了一些优势，我们发现太阳底下无新事。让你感到美妙的东西其实并不是新的，只是在某个时刻，以你意想不到的方式重新组合在一起，突然变得很美。
大家总是觉得瓦特发明蒸汽机是发明了独特的技术，但瓦特没有发明，他所有使用的技术以前都有，只是发明十几种更好地使这些机器传动的方式而已，如曲轴和更好的密封方法。而就是这份突破，就把蒸汽机的效率提高了10倍，也同理。
不是全新的东西，它里面所有的元素都源于之前的积累。比如我们 98 年刚刚开始学研究生课程时，就已经学过强化学习等，基于受控自然语言的输入交互当时也存在，它虽然跟现在不一样，不过也只是将成分组合在一起。
目前我还没有看到 的核心代码，但我坚信如果有机会去学习，其中一定不是纯粹的语言模型，会有非常多的工程，就像现代版本的曲轴2。这种计算机体系架构和大规模数据的操作能力，才是真正的奥秘。它不会出现在任何一篇论文中，即使我们想要拥有，也无法抄袭，一方面我们抄袭不到，另一方面抄袭一个产品是缺乏灵魂的。
我的信念一直是，要自己演化一个产品，但演化出的产品，是以更简单的方式在早期使用 MVP 不断迭代和循环产生出来。
这类大规模语言模型的重要性和操作系统、浏览器内核相当，所需要的技术复杂性也相当。一旦它成熟，至少需要 1000 个人长期维护，因此最终可能只有每个国家只有一家公司拥有这样的模型。
然而，这种操作系统会衍生出一个庞大的生态系统，甚至可能引发软件领域的全新革命。我们在本科时学过一句话：“程序等于算法加数据结构。” 但在未来，这是否会被改写？数据将变成什么？
数据将不再仅仅是传统意义上的数据，而是更丰富的结构化数据，就像大型语言模型本身就是一种数据一样。但到那时，我们不能再把它仅仅称为数据，应该称它为知识，因为其中包含了丰富的结构和信息。此外，算法也将不再只是以前编写底层代码的方式，而是由大量机器生成的源代码或模块。
我们需要更多的人来引导和提示，因此未来从事”提示学习（ ）”的工程师将比软件工程师更多。因此，未来的程序将由知识加提示组成，这可能是一种全新的范式。
在未来，像是今天所有人都必须要用 Word、Excel、 一样，我们每一个人都在每天的日常工作中做提示学习。
注：1.此为鲍捷先生2月20日讲座内容，微软举办生成式人工智能发布会时间为3月16日
2.3月15日，发布GPT4，其论文附录揭示了工程结构复杂性
相关文章
