从学术界到企业界，思想者先行

去年，时代杂志公布了AI领域*影响力的100人。四大板块中，入选年龄*的是76岁的杰夫·辛顿。

人工智能简史在被神经网络重塑之前，辛顿在符号主义大行其道的80年代，一头扎进神经网络默默耕耘。

符号主义基于规则，模仿的是人心，生成的是一个白盒系统，可解释，可触达，确定性更高，但神经网络主张模仿人脑，生成的是一个黑盒系统。

可当时有一大难点，就是多层神经网络中存在的隐藏层和计算量问题，在一开始就劝退了一大批精英，所以别说发展，在那个年代，神经网络流派的生存都是问题。

但是，如果在辛顿的履历里，找一件对AI贡献*的事，并不是他让神经网络成功度过生存危机的误差反向传播算法，也不是他后来以受限玻尔兹曼机为基础，进一步演化出来的深度信念网络，而是他用了四十年的时间，坚持不懈，开创了一个新的分支：机器学习。也为后来所有的研究者，守着这扇通往新世界的大门。

2006年深度学习正式提出，辛顿已然著作等身，但关于AI究竟要走哪条路线的偏见，依然根深蒂固，多伦多大学计算机学系，当时就流传着对新生的一句忠告：不要去辛顿的实验室，那儿没前途。

当然，这句话没有劝退真正眼光毒辣的学生，比如伊利亚。

早在2003年，大家还对神经网络流派嗤之以鼻的时候，本科二年级的伊利亚，就带着惊人的直觉和更深入的研究，敲开了辛顿办公室的大门，也代表着他对这一路线，早就深信不疑。

2004年，辛顿在辗转多个大学工作后，终于在加拿大高等研究院拿到了50万美元的经费，这可能是当时*还在支持神经网络研究的机构。

50万美元，对于科研来说确实有些微薄，但是却足够让辛顿结束漂泊的访学生涯，并安顿下来，召开了一场研讨会。

当时辛顿的半个学生杨立昆，和另一位徒孙约书亚·本吉奥，也加入了他的队伍。所以早在20年前的2003年，“深度学习三巨头”(杨立昆、约书亚、辛顿），就已经坐上了同一张牌桌。

但是，只有算法上的创新还远远不够，横在三巨头眼前难以逾越的还有两座高山：算力和数据。

2012年，64岁的辛顿去谷歌做暑期实习生，这次入职，是应吴恩达邀请，接手谷歌猫项目。

如果只是识别一只普通的猫，传统的计算机视觉自然不在话下，可是猫有可能长得千奇百怪。

虽然当时谷歌在动用了16000个CPU后，识别准确率已经高达74.8%，辛顿却仍然认为：他们的神经网络用错了。

几个月后，辛顿和自己的两个学生：Ilya Sutskever、Alex Krizhevsky，带着新算法AlexNet，以及两块英伟达GTX580显卡，参加了计算机视觉领域最受关注的世界赛事，ImageNet，并以84%的识别准确率，拿下冠军。也是这一年后，曾经只拿来玩游戏的GPU，凭借*的并行计算能力，来了个180度大翻身。

神来一笔的两块GPU，算力这座大山被凿开了口子。那么数据问题又该如何解决？

实际上，这场图像识别比赛（ImageNet）本身就是一块高质量的数据试金石，比赛的主办者，就是后来被称为AI教母的李飞飞。早在2000年，她就意识到，卡住神经网络脖子的，可能不在于算法的精度，而在于缺少大规模、高精度的数据。

于是，ImageNet数据集的构想产生了。

最开始她用WordNet中的名词作为索引，来筛选和分类图片，但只依靠本科生，这项任务大概90年后才能完成。

就在所有人都陷入僵局的时候，马逊土耳其机器人这个网站步入研究者的视野，也没用什么新鲜方法，亚马逊找来十万名“人类智能”，一招人海战术，在短短两年时间内，就标注了超过300万张图像。

2010年，*届图片识别大赛举办。2012年，数据库里的图片，就已经扩充到了1500万张。

也是这一年，数据集的概念出现，逐渐成为未来所有人工智能的核心养料。

所以当李飞飞看到了辛顿的AlexNet获奖，立刻就意识到，历史即将改写。她在颁奖当天，买了最后一班飞机票，亲自赶到现场给辛顿团队颁奖。

多年以来压在深度学习身上的三座大山：算法、算力和数据，在这一年被集中解决，第三次人工智能浪潮也从沉淀中苏醒，时刻准备爆发。

拿下大赛冠军几个月后，辛顿三人的“空壳公司”DNNresearch，也在四位买家（谷歌、DeepMind、微软、百度）的角逐中，被谷歌以4400万美元的价格收入囊中。

这次竞拍也让深度学习技术，逐渐走入资本视野，从学术界主导，正式进入企业主导的时代。

值得一提的是，参与竞拍辛顿的四家公司中，还有一家小公司，DeepMind。当时的DeepMind自己都在四处筹钱，创始人哈萨比斯竟还想和大厂掰掰手腕，买下DNNresearch，可见他非同一般的眼光和野心。

但AI的吞金能力远超大家想象，所有AI初创公司都面临巨大的融资压力，杨立昆当年关于这一点，没有说错。果然两年后，DeepMind也被谷歌用6亿美元拿下。后来的故事，大家也有所耳闻了。

2015年，谷歌DeepMind团队推出了Alpha Go，第37手，漂亮的“神之一手”，也一举成名。

但是，距离人工智能真正爆发，还缺少一个关键契机。

2017年，一篇终结了CNN（卷积神经网络）和RNN（循环神经网络）的论文问世，（《Attention is all your need》https://arxiv.org/pdf/1706.03762），八位作者都来自谷歌。

回过头来看，注意力机制，作为后来主导大语言模型的根基，被谷歌这家，全世界*的注意力商人发布，好像也在情理之中。

第二年，谷歌就发布了BERT模型。大模型的狂潮，也正式拉开了帷幕。

所以不难看出，2012年的那一次实习、一场比赛、一局竞拍，让深度学习走出学术界，正式进入商业市场里摸爬滚打。由于深度学习长期无人问津，领域里的*学者也屈指可数，

学术界就干脆以超级学者为核心，形成了几大AI高校研究阵地。

这些稀缺的大佬同时化身*猎头，带着自己的学生，从实验室，走进了AI领域的前沿公司。只不过，这一次他们不再是玩家，而是换了个身份，继续这场游戏。

AI创业者，谁笑到最后？

新的牌局上，谷歌可以说开局就有*同花顺的底气，毕竟接连拿下辛顿团队、DeepMind，

之后又连续发布Alpha Go、Transformer、BERT。手握最强AI资源的谷歌，是当时AI领域*的头号玩家，很长一段时间，风头无两。

但为什么后来坐上了王位的，会是当时连一间像样办公室都没有的Open AI呢？

谷歌输在了哪儿？

谷歌作为一家号称只招收精英的科技巨头，成立了20多年，去年裁员后仍有18万员工（Alphabet）。

不缺资金、不缺人，也不缺资源，但与之对应的，是精力分散、过分谨慎，以及团队磨合的问题，船大难掉头。

相比于Open AI产品的一目了然（Open AI官网），谷歌的产品开发可以用眼花缭乱来形容。这个网站上：https://killedbygoogle.com/ 记录了被谷歌砍掉的295个项目（包含AI与非AI）。

谷歌一直在各种不同的技术路线上广撒网，却并没有带来与之对应的收获。

技术开发什么最重要？选对路线，并持续加码。这几轮翻牌，在GPT模型上（BERT线）持续加码的玩家，只有一个，就是Open AI。

谷歌后知后觉，在GPT-3出现后才下定决心All in，但此时它的身份已经从领头羊，变成了追赶者。不仅如此，由于手上的筹码太多，谷歌还面临另一个难题，就是优等生陷阱。

由于Bard机器人发布后频频翻车，而市场对大公司的小失误又极其敏感，直接导致股价跌了8%，损失高达1000亿美元，也留下了非常严重的后遗症，就是内部越来越倾向保守，论文一篇篇地发，但产品落地不声不响。

好在去年3月，谷歌终于把Google Brain和Google DeepMind合并，哈萨比斯统一领导，全力开发Gemini系列，但是内部磨合问题，必然会消耗一定的时间和精力。

哈萨比斯当初卖身谷歌，是因为只有10%的时间搞研发，其它时间都在找钱，现在倒是不缺钱了，但管理问题同样令人头大。

原先DeepMind实验室的核心成员陆续离开，创立或者加入新的公司，当初的Transformer八子也是一样选择。

尽管谷歌已经开始亡羊补牢地召回人才，但是相较于山姆·奥特曼的气势如虹，钱，已经不是吸引*人才的主要因素。

微软成*赢家？Open AI能赢到最后吗？

*的大脑，才是致胜的关键。而从一开始就践行这一点的，就是开头那场晚宴上迟到的年轻人，布罗克曼。

他那场他还不是主角的晚宴结束后，*时间就给当时AI行业的*人物们一一打了电话，

可惜的是，辛顿已经去了谷歌，杨立昆也被Facebook收入麾下，只剩下致力于学术界的约书亚·本吉奥。

本吉奥也是神助攻，直接给他提供了一份年轻研究者名单，虽然当时AI界的聚光灯都在大佬们身上，但布罗克曼依然租了辆大巴车，把名单上的研究人员，带到一个与世隔绝的葡萄酒庄，度过了一整个周末。

三周之后，因为布罗克曼在人才招揽上超高的执行力，再加上马斯克+山姆·奥特曼的人格魅力，可以说OpenAI从一开始就拥有双重Buff，而且那时候的他们，言辞里充满对技术的浪漫主义情怀，一种奥本海默式的理想气质蔓延在整个酒庄。

最终，10个人里有9个，都同意了加入Open AI，当然也包括拒绝了谷歌两到三倍薪酬诱惑的伊利亚。就这样，在一众巨头的抢人大战中，OpenAI成功拿下了大批现如今的*学术大牛。

AI公司起步，人不在多，必然得精。

有了这些人在前，Open AI的人才军火库也形成了自己独特的筛选标准，一不重学历，二不重资历。相比遍地博士的大型研究机构，ChatGPT研发团队里的本、硕、博人数雨露均沾，当然其中绝大部分，也都是*名校的学位。

但他们仍然认为只要能解决问题，甚至高中毕业的也能上。

虽然如今OpenAI的创始团队已经七零八落，布罗克曼本人也宣布了长期休假，但Open AI在人才上的先发优势依然不容小觑。

看到这里可能有人会有疑问，Facebook怎么缺席了？

去年5月，华盛顿白宫，美国副总统哈里斯拉着这几家AI巨头开了个闭门会（谷歌、微软、OpenAI和Anthropic），却没出现Facebook的身影。

要知道当年DeepMind卖身，Facebook也是出价者之一，这家公司不仅成功将GAN改造成了工具，推出了PyTorch，也拿下了大将杨立昆。

但问题就是，在GPT风起云涌的时候，Facebook还有一堆自己的麻烦没处理好，VR和元宇宙业务出师不利，社交媒体业务陷入监管危机。直到去年，才推出了LLaMA。

但相比迟到，Facebook有一点倒是值得肯定，不仅在商业路径受阻时，还持续向AI团队提供足够的资金支持，也始终没忘当年对杨立昆的承诺，坚持开源路线。

因为Facebook坚信，AI牌局里，开源是隐藏的王牌。只要自己一直在牌桌上，就还有机会。

而当初那场决定了AI未来走向的关键竞拍中，还有一个熟悉的身影，百度。而且中国实际上是当时最早抛出橄榄枝的一方。

但那个时候，中国公司还陷在技术研发和投资回报哪个更重要的问题中，无法自拔。最直接的体现就是主打计算机视觉的AI四小龙（商汤、云从、依图、旷视），一直在估值和股价的质疑里浮浮沉沉。直到，GPT出现后，事情才有了转机。

清华系逐渐进入大众视野，如今的中国AI大模型五虎（智谱AI、百川智能、月之暗面、零一万物和MiniMax），三家出身清华，这一批AI创业者身上标签也更明显，那就是像极了OpenAI：

年轻、根正苗红的技术背景，以及更成熟的AI落地思路。

代表人物，就是月之暗面的创始人杨植麟，师从智谱AI首席科学家唐杰，博士生导师分别是谷歌和苹果的AI负责人。

AI草台班子里的角儿

从辛顿到杨植麟，从硅谷到清华，从学术界到企业界，在主题为AI的这场牌局中，我们也能一窥其中的玩家风格。

就像杨立昆最早质疑的一样，年轻，没经验，但他没料到的是，正是这样的玩家，才有更强的学术延伸性，伟大确实很难被计划。也是因此，才会出现创业公司和大厂同台竞技的画面。

同样也是阿里这类巨头，多方押注创业公司的原因（上述五虎，阿里全部都投了）。

模型公司绑定巨头的玩法，已经在美国走通，（微软+OpenAI、亚马逊+Anthropic、特斯拉+xAI），可一旦出现突破性进展，最直接的可能，就是脱离大厂，重新洗牌，提前预定新一代大厂。

所以AI这场牌局，从辛顿30年坐冷板凳开始，就已经注定了会是一场长期游戏，只有*想象力的玩家，才有胜出的可能。

比如Open AI成立之初，就只有两个目标：一是训练一台机器，在《魔兽争霸》里打败*玩家；二是打造一只五指机械手，用来还原魔方，这只机械手还出现在了布罗克曼的婚礼上。

未来，或许很难再有第二个Open AI，但草台班子的戏台上，总有耀眼的角儿能杀出重围，也正是新奇和有趣，才造就了出色和有戏，这或许才是新技术行业，应有的题中之义。