最近有個說法：ChatGPT 這麽成功的 AI 應用之所以誕生在美國，而非中國，是因爲中國 AI 領域的企業急功近利，投資人竭澤而漁。
類似結論有很多論據，比如中國投資圈看 AI 項目必要看場景和商業潛力，根本不看那些短期見不到回報的基礎模型項目。中國 AI 企業，哪怕是大廠也異常重視商業化，剛做了個項目就迅速要求指向産業，指向營收。與之相反，ChatGPT 則集成了 OpenAI 長期不計回報的研發思路，最終完成了厚積薄發。
這樣推論下來，中國 AI 在發展了若幹年之後，依舊沒有誕生明星技術，似乎大多是投資人與企業過分短視的鍋。換言之，什麽時候我們的企業和資本像美國 AI 圈一樣不差錢，不愛錢，咱們的 AI 基礎研究和核心技術才有出頭之日。
這個說法乍一聽合情合理，證據充分，也非常契合今天輿論場中 " 内事不決賴資本 " 的話語習慣。
但是，這真的經得起推敲嗎？
ChatGPT 爆火，确實很讓人羨慕。理解大家都很急，所以咱們先别急。如果在這種粗暴的 " 反思 " 之下，最終得出結論是不考慮商業回報，不計較個體得失，中國 AI 就會好起來。那或許才是真正走上了南轅北轍之路。
因爲這種占領道德制高點的邏輯，在出發點上就站不住腳，并且會遮蔽中國 AI 發展至今最閃亮的部分。
OpenAI，乃至美國 AI，
真那麽不計回報嗎？
最近我們都在聽聞這樣一種叙事：ChatGPT 的誕生，是因爲 OpenAI 這家公司敢于挑戰偉大研究，不計回報，最終成功。
但這個叙事線索可能從根本上就是有問題的。這個故事裏，OpenAI 是一群懷揣夢想的年輕人，爲了改變世界聚集到一起。這裏有個混淆因果的錯誤，不是 OpenAI 選擇了偉大，而是投資人在創立、發起 OpenAI 這家科研實體的時候，定位就是隻做具有巨大變革意義的研究。
2015 年，馬斯克和他的朋友們發起 OpenAI 時，思路就是彙集全球最頂尖的 AI 人才，在非盈利的前提下，研發最具前沿性的 AI 技術。這個模式對标的更多是類似貝爾實驗室這樣能夠産生巨大社會價值的半學術、半企業科研實體，直接競争者則是這之前剛被谷歌收購的 DeepMind。
所以，不是 OpenAI 選擇了底層技術研究，而是它本來就爲 AI 底層技術而生。另一個需要注意的點是 OpenAI 這樣的公司，本身就是特殊機緣下，融合了全球頂級富豪、頂級學者、海量輿論關注而誕生的明星企業。将這樣企業的技術能力與具體某一家中國企業、投資機構進行對比，本身就有誇大後者責任的嫌疑。
看到這裏，或許有人會說。那 OpenAI 能成功，不還是不差錢，不考慮商業回報換來的嗎？這點也有問題。因爲到 2019 年，OpenAI 就主動放棄了自己的非盈利屬性，轉頭擁抱商業化。
在當時，随着馬斯克等一批先期投資者的退出，以及算力、數據、人才等支出越來越龐大。OpenAI 開始愈發清晰認識到非盈利模式是難以持續的，于是随着山姆 · 阿爾特曼出任 OpenAI 的 CEO，公司轉型成爲受限制營利實體（OpenAI LP），用限制利潤上限，限制營收種類等方式，來探索在商業化與非盈利機構之間的新平衡點。這種 " 以商養研 " 的模式，目前來看是基本成功的。它一方面推動大量 OpenAI 的技術成果走向市場，以換取利潤資助後續研究，形成正向的研發資金鏈。另外也敞開了 OpenAI 接受更多資助的大門，于是 2019 年 7 月 OpenAI 接受了微軟 10 億美元的戰略投資，代價之一就是 OpenAI 成爲微軟雲計算領域的獨家技術供應商。這也造就了幾年後的今天，微軟用 ChatGPT 把谷歌、META 等老對手逼到了角落。
這就不難看出，OpenAI 并沒有一些媒體說的那麽 " 高冷 "，反而它的發展軌迹，突顯了一種 " 樹挪死人挪活，辦法總比困難多 " 的實用主義氣質。如今，OpenAI 已經可以實現超過 3500 萬美元的年收入，這對于商業科技公司來說當然并不算多。但對于半盈利性質的科研實體來說，卻解決了一大堆發展問題。從營收方法上看，OpenAI 不僅與微軟深度捆綁，源源不斷獲取微軟投資，擔任其技術供應商，還可以通過商業版訂閱、API 付費接入等模式，将旗下的衆多産品變現，比如 OpenAI 的以文生圖大模型 DALL.E，就是很多 AI 畫圖軟件的幕後支援。
與 OpenAI 相對，它的老對手 DeepMind 在這一輪大語言模型的爆發中似乎有點沉默。這當然有很多原因，比如技術路線選擇的問題，但有個問題是絕對拖延了 DeepMind 發展效率與技術布局能力的，那就是商業化。
這幾年，近乎每年都可以看到 DeepMind 連年虧損，導緻谷歌不滿的消息。其聯合創始人公開表示過，如果當年不是谷歌收購，DeepMind 應該已經破産了。奈何這些年風高浪急，地主家也少有餘糧，由于 DeepMind 一直具有較高的獨立性，并且更傾向于理想化、學術化的研究氛圍，所以屢屢遭到谷歌的責難和懷疑，二者間産生了非常多矛盾。
當然，随着 OpenAI 這輪大火，谷歌似乎也發現還是得靠 DeepMind，所以最近又有關系回暖的傾向。但不管怎麽說，商業化的缺陷并沒有成爲 DeepMind 一飛沖天的助力，反而變成了它不斷受到母公司責難，研究進程放緩，甚至屢屢出現裁員、破産危機的發展障礙。
可以說，DeepMind 是那種 " 事都辦漂亮了，錢一分沒拿回家 " 的奇男子形象。但這種形象至少目前來看，沒有帶來成功，反而帶來了外界對它的懷疑。
但要補充一點，這裏并沒有看衰 DeepMind 的意思，它近幾年的大量研究，真的非常具有突破性與想象力，等它找到了合适自己發展的快車道，下一個比肩 AlphaGO 和 ChatGPT 的現象級 AI 技術還得是它來做。希望我們到時候的反思，别又是美國 AI 不計回報 ......
其實吧，中國 AI 領域有大把虧錢的項目。很多行業 +AI 解決方案，廠商做一個賠一個。無數博士走到工廠、農田，最後結算的費用可能連博士們的工資都不夠。這種模式依舊在中國有序推進，至少證明了中國 AI 絕不完全等于急功近利。
反過來說，美國 AI 企業和投資機構也愛錢，社會對新技術、科技企業的評判标準也是商業化是否成功。我們見過很多中國 AI 創業公司，即使營收困難，也能通過政府扶持、加入大廠産業生态、融入垂直行業等方式活下來。反而是大量美國 AI 公司擠在狹小賽道，也缺乏兜底支持，最終結局是昙花一現。
換個角度看，也不是中國投資人更愛錢，美國投資人不愛錢。比如不久之前一所大學發布的數據報告稱，2015 年至 2021 年，來自美國的投資占中國 AI 企業融資總額的 37%。如果數據無誤，我們很難解釋 " 不計回報 " 的美國投資人，怎麽都來投資 " 掉錢眼 " 的中國企業了？
追求商業回報，是企業與商業資本的天性與天職，絕沒有任何錯誤。
很多媒體與 KOL，喜歡美化出一個 " 無用之用以爲大用 " 的美妙叙事。因爲這種故事有戲劇性，有反差感，也就有流量，同時也能迎合 " 中國科技不太行 " 的某種心理期待。
醒醒吧。人家 OpenAI 不是沒盤算商業化，隻是盤算的更好一點。
那 ChatGPT 爲什麽
沒有誕生在中國？
那麽又有人問了，說了這麽多，ChatGPT 這種世人皆知的應用，不還是人家美國做出來的嗎？
這個問題背後，更多是一種在中美對弈、" 科技卡脖子 " 等時代背景下的焦慮情緒非常值得理解，但也确實應該冷靜一些來看待。
自 2017 年《新一代人工智能發展規劃》頒發以來，中國 AI 産業進入了高速發展階段，得到的成果已經顯而易見。在 AI 領域，中國既沒有芯片制造等方面的沉重曆史包袱，也不像腦機接口、量子計算這些超前沿技術那樣，有種看不到摸不着的虛幻感。中國 AI 發展的成績與堅實程度，是肉眼可見的。從産業規模、頭部公司、産業生态建設這些宏觀指标，再到 AI 芯片、AI 開發框架、大模型這些核心技術基礎設施，中國 AI 可以說是沒有明顯短闆的。
而 OpenAI 和 DeepMind 這兩家公司，本身就是在特殊情況下，集合了全球頂尖人才、力量與資本的特殊公司。它們的成果與前瞻性，是包括其他所有美國公司在内的全球 AI 企業，短時間内難以追平的。
這兩家公司就像世界杯決賽最後的那個點球，差那一球，就說明法國足球遠遠落後于阿根廷嗎？恐怕并非如此吧。當然了，如果足球連越南都可以輸，那就不要出來讨論了。
用這兩家公司的特殊性，來評判大量中國企業，這本身就是種不公平對比，就像美國 5G 很多關鍵技術都不如中國，這能證明美國通信整體不行嗎？
如果真的要讨論爲什麽 ChatGPT 沒有出現在中國，那首先要正視這個問題背後的複雜性。
比如說，OpenAI 的人才儲備和人才來源，是中國 AI 公司乃至 AI 産業不計回報，甚至任意揮灑金錢就能換來的嗎？再比如說，OpenAI 和 DeepMind 的崛起機遇非常特殊，天時地利人和占盡，并且已經形成了正向的滾雪球效應，這也是中國企業難以複制的。
其實，OpenAI 和 DeepMind，已經逐漸發展成微軟和谷歌的前瞻性 AI 科研機構。這種模式真的要對比，更像是華爲 2012 實驗室、阿裏達摩院、百度研究院，當然也有許許多多的不一緻。這些中國的企業研究機構，也做大量不計回報、充滿前瞻性的研究，隻是可能沒有 ChatGPT 那麽成功和知名，但至少不必說中國企業隻愛錢。
如果簡單的将 AI 技術，總結爲不差錢就能做好，往往會适得其反。就像這些年中國高校和科研機構做 AI 模型蔚爲大觀，但是大量項目在驗收、發論文、評比、獲獎之後就沒有下文了，開源模型也沒什麽人用，缺乏生态活力，其投入産出不成比例。
這種研究依托科研經費，當然可以不計商業回報，但真的對中國 AI 有實質性提升嗎？或許也是存疑的。
實際上，大部分科技都需要多層次的研發投入。商業化研發與前瞻性研究需要并行，隻是 AI 技術的特點，讓成果更容易直接被外界感知。
ChatGPT 沒有誕生在中國，就像中國爲什麽做不出 7nm 芯片一樣，是個複雜且關聯廣泛的問題。
他強由他強，清風拂山崗
好在 ChatGPT 沒有誕生在中國，其實不大要緊。AI 大模型在今天的中國，隻是一個 " 早或晚 " 的問題，絕不像芯片制造那樣是 " 有和無 " 的矛盾。
某種意義上說，我們也沒必要糾結到底是誰先完成這個突破。能率先突破固然好，但也并不意味着太多。IP 網絡在歐洲原子能中心誕生，互聯網産業在美國定型，互聯網 + 的經濟奇迹卻在中國發生。我們能說互聯網技術是屬于歐洲、美國或者中國的嗎？隻能說，大多數技術最終都是長跑，其成果是屬于全人類的。
既然 AI 也是長跑，那麽其最終将在時間和空間關系上，形成漫長的産業鏈。每一寸的優勢，都是優勢；每一個長處，都是機遇。
這也是寫這篇稿子最終想讨論的話題：中國 AI 言必提場景，開口就是産業，似乎成了一種壞事？
恰恰相反，這種所謂的 " 急功近利 " 不是壞事，而是中國 AI 最大的底牌。
我們知道，AI 是一種通用性技術，它幾乎可以給任何領域帶來價值，而價值的源泉顯然不能僅僅在互聯網上，更多要發生在各個行業通過智能化技術完成生産力解放，比如說自動駕駛，就極大解放了交通行業的生産力。
在這一點上，中國産業多、産業場景充沛、産業結構複雜，并且整個社會對智能技術、數實融合的接受度非常高。在多年推進之後，AI 技術進産業已經在中國取得了寬度與深度具備的成果。
張嘴就是産業，閉嘴就是場景，這不是因爲中國企業、投資人隻愛錢，是因爲中國 AI 真的有産業融合度，有場景探索能力。
舉個反例，美國大量 AI 創業公司，都離不開互聯網的一畝三分地，ChatGPT 的商業落地首站也是搜索，而工業 AI 項目，在美國總是難以形成規模。
我們曾經探訪過天津港 C 段碼頭，這是世界第一段真正意義上依靠 AI 技術驅動的無人碼頭，但類似應用在歐美就很難推動，碼頭工會會阻止一切無人化、智能化項目進駐。
堆在消費互聯網，不願意觸碰産業，也無法深入産業的西方 AI 圈子，留給中國的機會，就藏在那些産業與場景中，藏在那些充滿 " 銅臭味 " 的商業價值裏。
我們曾經說過，中國版 ChatGPT，真正的核心是 " 産業場景 + 類 ChatGPT 應用 "。
什麽強都是強，中國 AI 有場景和商業路徑，這不是壞事。我們商業前景更好，商業路徑更短，當然要優先發展商業化、産業化。中國 AI 之所以獨特于全球，就在 " 産業 AI" 這幾個字上。
有人又會問了，說了這麽多，做不出 ChatGPT 的中國 AI，做出過美國沒有的東西嗎？
做出來過啊。比如中國某個大家都知道的操作系統，就可以解決礦山、隧道裏多設備智能化聯接的問題；中國某個深度學習框架，突出大規模分布式訓練、推訓一體等能力，就對應工業、金融這些場景的需求。
中國 AI 的創新與獨特性，就是從産業思考和行業場景當中來的。那句話怎麽說來着，從人民中來，到人民中去。
有趣的是，我在舉例中國 AI 技術成果的時候，甚至都不能說名字，否則很多平台和不少讀者，應該自然而然腦海中就浮現了 " 軟文、廣告 " 等念頭，反而美國 AI 技術怎麽誇，誇贊的多離譜都沒事，這或許也可以說明點問題。
真正想要讓中國 AI 更強、更好，就首先要停下 " 它們不差錢，我們隻愛錢 " 的錯誤對比，就像把一切自己的不成功，都歸結于同學、同事是富二代，着實沒什麽意思。
接下來，要發揮強項，補強弱勢，讓 AI 技術成爲中國式現代化的動力，讓龐大的産業鏈成爲中國 AI 進步的源泉。
如果還能多做一點，那就盡量停止内耗，停止友商之間的傾軋，停止但凡說中國 AI 好，就必須諱莫如深，當然也要停止無意義的過度自我吹捧。
再然後，或許我們就可以看看人才培養、生态建設這些問題了。隻有某一天，中國擁有一大批超一流的 AI 學者、學生與研發團隊，全世界 AI 人才願意加入某家中國 AI 公司，那我們才有讨論中國版 OpenAI 的可能。
否則隻靠幾位名人号召，一些豐厚待遇招聘，這事基本沒戲。
如今，我們已經有了這樣的共識：中國足球，不是 11 個人的事；中國芯片，是全中國的事。
那就也要知道，中國 AI，不是幾家公司和幾個投資人的事，它是中國人的事，是全世界的事。
他強任他強，清風拂山崗；他橫任他橫，明月照大江。當你爲 ChatGPT，爲中國 AI 而焦慮的時候，不妨想想這幾句話。
