文｜林炜鑫
編輯｜鄧詠儀
5 月 18 日，第七屆世界智能大會在天津舉行，百度 CEO 李彥宏發表了題爲《大模型改變人工智能》的演講，再次闡述他關于生成式人工智能的思考。
李彥宏表示自己不擔心大模型會減少人類的工作機會，同時透露，百度自研的 " 昆侖芯 " 第三代會在明年年初上市。
過去半年，OpenAI 開發的 ChatGPT 徹底出圈，使生成式人工智能受到前所未有的關注。研究機構預計，未來 10 年很多工作的效率會成倍提升。越來越多人意識到，大模型将大幅度解放人們的生産力。一些悲觀的聲音認爲，現有的大量工種将被 AI 取代，到時可能的失業潮将引發不可預料的社會問題。
李彥宏較爲樂觀，" 大家能夠看到現在的工作會消失，但是我們看不到什麽新的工作機會會被創造出來 "。他以工業革命爲例，蒸汽機的發明和應用導緻井下背水的工作消失了，但同時又創造了更多新的工作。每次生産力的解放，最後都會讓人們的生活變得更好。
AI 不會搶走人類的工作，相反，AI 加持的工作有更多想象空間。李彥宏舉例，大模型會重新定義營銷和客服，未來每個客戶都可以獲得全天候的專屬助理的服務。
人工智能時代也革新了 IT 行業。過去的技術棧是三層（芯片—操作系統—應用），如今變爲四層（芯片—框架—模型—應用）。以芯片爲例，未來的主流将是 " 以 GPU 爲代表的，新一代适合并行大規模浮點運算的芯片 "。
百度早在 2013 年左右就開始研發人工智能，2019 年發布了文心大模型的 1.0。兩個月前，百度推出了對标 ChatGPT 的大模型産品 " 文心一言 "，引起市場關注。
李彥宏介紹，百度在這四層都有比較領先的産品，其中百度自研了十年之久的芯片 " 昆侖芯 "，目前有兩代産品，幾萬片的部署，第三代也有了明确的上市時間。
演講最後，李彥宏表示百度會長期持續在人工智能方面進行投入，他強調，人類最大的危險不是創新帶來的不确定性，而是不創新不進步造成的停滞。
以下爲李彥宏演講實錄：
各位領導、各位嘉賓：我今天給大家帶來的題目叫做《大模型改變人工智能》。剛才龔克也講了，人工智能在過去這半年當中，受到的關注度比以前高了很多，最主要的是因爲出現了生成式的人工智能。而生成式人工智能底層技術，實際上就是大模型。
那麽大模型爲什麽會改變人工智能呢？是大算力、大模型、大數據，導緻了智能湧現，什麽叫智能湧現呢？過去的人工智能是，我想讓機器學會什麽技能，就教它什麽技能。教過的有可能會，沒教過的就不會。大模型出現所謂的智能湧現之後，以前沒教過的技能，它也會了。這就是爲什麽有人講，我們現在朝着通用人工智能方向發展。
與此同時，人工智能發展方向從辨别式走向生成式。什麽叫辨别式？我們過去比較熟悉的人工智能的應用，基本上都是辨别式。比如說人臉識别，過來一個人，我識别這個人是誰，或者不是誰。這個是典型的辨别式。搜索引擎也是典型的辨别式人工智能。用戶輸入關鍵字或者一段話，他要找的東西，我們在全網進行匹配，哪一個網頁，哪一段内容是他需要的，這是辨别式人工智能。
什麽叫生成式人工智能？今天我想寫一份申請書，你給我寫一下。或者說，我周末請客，10 個人，需要出一份菜單，這個無所謂對錯，但是它能給你一些感覺，給你一些創意，給你一個好的基礎去發展你的思路。或者說，給我畫一幅車水馬龍的圖片。這種東西，過去人們不覺得是人工智能應該做的事，現在可以做了。
那麽這樣會導緻什麽呢？導緻人們的工作效率大幅度地提升。比如說，在内容創作、客戶服務、翻譯這些工作，它的效率會大幅度地提升。所以我們也看到，很多研究機構都認爲，在未來的 10 年，很多工作它的效率會成倍成倍的提升。同時也帶來一些擔心，是不是這樣的效率提升，會使得很多人的工作就沒了？這些人工作丢掉之後，會不會給我們人類帶來不可預知的問題。
其實這個事兒我也講過很久，最好的去探知答案的方法，實際上是回顧過去。因爲很多人也覺得，人工智能是第四次産業革命的标志，我們可以看看之前的産業革命都取代了哪些工作？
200 年前，從井下背水的工作基本上消失了。第一次産業革命是蒸汽機的發明，蒸汽機發明第一個應用就是采礦的水，怎麽能夠把它用機器弄上來。井下背水這些工作的消失，帶來了什麽？我們來看一下，實際上産生了很多新的工作。
這 100 年，我們看到世界人口出現了高速增長，跟之前的一兩千年人口增長速度相比，快了很多。與此同時，人均 GDP 也幾乎是在同樣地快速增長。這說明什麽？說明雖然有些工作機會沒了，但是更多的機會出現了。人們工作效率的提升，可以養活更多的人，而每個人的生活又變得比以前更好了。從井下背水那個工作，真的不是什麽好工作。
100 年前，馬車夫的工作消失了。這張圖片是 1913 年紐約第五大道的一張圖片，這張圖片裏幾乎已經全部都是汽車，隻有一輛馬車。那會兒，紐約到處都是賣馬肉的，馬也沒用了，後來出現了很多新的工作。1900-1990 接近 90 年，同樣的規律，世界人口繼續高速增長，每一個人創造的價值繼續高速地增長。
30 年前，我們這一代人親身經曆，也就是我大學畢業前後，什麽工作消失了？打字員的工作消失了。現在年輕一代沒有見過打字機的，但也出現了很多新的工作。同樣的規律，世界人口繼續高速增長，人均 GDP 繼續高速增長。
曆史雖然不會重複，但是确實有它的規律。那麽這一次，爲什麽那麽多人會擔心 AI 會讓工作機會減少呢？我覺得是因爲，大家能夠看到現在的工作會消失，但是我們看不到什麽新的工作機會會被創造出來。就像 100 年前、200 年前那些人，看不到後來産生的新的工作機會一樣。我個人是屬于樂觀派，我不擔心大模型會導緻人類工作機會減少、生活會變差。
那麽大模型怎麽重新定義的人工智能？剛才萬鋼主席也講了，人機交互的方式發生了變化。其實過去幾十年信息産業的發展，人機交互的方式發生了三次變化。
更早我們就不說了，命令行是我讀大學讀研究生的時候，主要的工作界面。人機進行交互，是通過命令行。我輸入一個命令，它給我想要的反應。我當時覺得這個東西效率很高，但是大多數人不會這種操作。
更簡單的人機交互方式是什麽？是圖形用戶界面（GUI）。這個起碼很多人能看懂了，比第一個要更友好一些。但它仍然不是最自然的交互方式。我要想搞清楚怎麽重設一下電腦的自動睡眠時間，我得經過四級菜單，一層一層地點進去，才能找到這個位置。有多少人能記住四級菜單以後，每一個功能在哪？
人工智能的誕生，讓我們可以用自然語言跟電腦進行交互。當我有需求的時候，比如說我想查一下上個月，2023 年 4 月，我的公司每一個産品線，有哪些産品的毛利率超過了疫情前的水平？這樣一個課題，在過去很可能需要我的助理花半天一天的時間才能獲得。今天，如果計算機懂你的自然語言，一秒鍾之内就可以給你一個表格。
大模型也會重新定義營銷和客服。其實道理很簡單，就是誰擁有最佳的跟客戶溝通的方式，誰就會擁有這個客戶。這個道理不是因爲 AI 的産生，不是因爲大模型的産生，隻不過技術使得我們實現的可能性，變得比以前多了很多。今天即使你有 70 億個客戶，你的每一個客戶也都可以有一個專屬的 7 × 24 小時的、什麽都知道的助理去服務他。
大模型是一個基礎，大模型之上會有各種各樣人工智能的應用。最近這段時間讨論比較熱的是，AI 時代的原生應用到底長什麽樣子？我給大家舉幾個例子：
比如說像 DoNotPay，這是什麽呢？比較典型的應用場景是人工智能律師。比如說，你在美國開車超速了，超速之後警察給你一個罰單，一般交幾百塊錢。其實你可以不交，你請一個律師幫你打官司，就可以不交了。但是請一個律師的錢，可能是罰單錢的兩倍，所以你不請了。今天請 AI 當律師，你就可以不交那個錢。
Jasper 是營銷創意的生成工具，你的公司想要出什麽樣的創意，它來幫你出，所以效率高很多。
Speak 是韓國的軟件應用，實際上是教你學外語的，模拟各種場景，你要到餐館點餐，跟對方談判，你要跟對方怎麽交互，上百種語言都可以做得非常好。
對于百度來說，我們的大模型叫文心一言，兩個月之前發布的，應該說是在全球大廠當中是第一個發布的。之所以我們要盡快地發布出來，是因爲市場有非常強的需求。目前有 200 多萬的用戶在排隊等待進行測試，也有十幾萬家企業希望接入文心一言進行測試。
當然百度在這方面的投入，實際上不是剛剛開始的，不是這半年才開始的。我們從 2019 年發布了文心大模型的 1.0，到現在已經有四年的時間。更早的時候，我們從 2013 年左右就開始人工智能投入了。
人工智能之所以有這麽大的變化，其實不僅僅是它的應用場景的變化，實際上背後的技術棧也發生了非常根本的變化。
我們每個人都熟悉的 IT 的技術棧是這三層，底層是芯片層，典型的公司是英特爾、AMD、高通，它的芯片叫做 CPU；中間層是操作系統，在 PC 時代就是 Windows，在手機時代是安卓和 iOS；上面是應用層，PC 時代所有的人都給 Windows 開發軟件，在移動時代所有的人都給安卓和 iOS 開發應用。
今天人工智能時代的到來，改變了這個格局。現在的 IT 技術棧變成了四層，底層仍然是芯片層，但是主要的芯片已經不是 CPU，而是以 GPU 爲代表的，新一代适合并行大規模浮點運算的芯片。上面我們叫做框架層，就是深度學習的框架，像百度的 PaddlePaddle 飛槳，Meta 的 PyTorch，谷歌的 TensorFlow 都是在這一層。再上面一層是模型層，今天的 ChatGPT、文心一言等等，這些是屬于模型層，以後 AI 時代的原生應用，都會基于大模型來進行開發。
這方面百度有比較明顯的優勢，我們在四層當中每一層都有比較領先的産品，比如說芯片層有昆侖芯。這個也做了有十年之久，最早是因爲搜索應用需要，我們買别人的芯片，畢竟太貴了，所以自己開發了。框架層是飛槳，飛槳今天在中國的市場份額第一。在模型層是文心大模型，其實除了文心一言，它是對标 ChatGPT 的之外，我們還有很多行業大模型，如交通大模型、能源大模型等。應用層的話，像百度搜索等都是我們比較領先的應用。
這四層都有比較領先的産品或者技術，有什麽好處呢？就是你可以進行端到端的優化，每一層可以給其他層反饋，根據這些反饋你可以綜合的、統籌的去考慮怎麽優化。
百度在芯片層的布局，就是昆侖芯，我們已經有兩代産品，幾萬片的部署，無論是公司内還是公司外都在應用。昆侖芯第三代，會在明年年初上市。
在框架層，飛槳的框架在中國人工智能領域已經有了 500 多萬開發者，也越來越獲得大家的認同。
模型層剛才講了文心一言，在各種使用場景都有不少的應用。未來，我相信會有更多的應用會基于文心大模型開發出來。
在應用層大家比較熟悉的是百度的搜索，百度不可能在應用層什麽都做，我們除了搜索之外，還做了跟交通有關的應用。交通也是非常複雜，而且影響非常廣泛的方向。
百度做的其實主要是兩件事，一個是自動駕駛，或者是無人駕駛的技術，一個是智能交通。無人駕駛我們做了有十年時間，現在在武漢、在重慶都可以進行商業化的無人的運營。智能交通我們也做了有好幾年了，在不少城市都證明了效果，通過智能的調整紅綠燈變燈的時間，可以讓我們的城市的交通效率有 15% 到 30% 的明顯提升。五一長假之前最後一個工作日，很多人也注意到，北京是大堵車，從二環到五環，甚至在六環都是紅的，唯一一片綠的是亦莊，亦莊有智能交通的人工智能系統，可以動态調整交通流，所以效率确實是被證明有明顯的提升。
我們也很期待未來在大模型之上，會有各行各業各種應用能夠找到好的應用場景，能夠獲得效率大幅度的提升。
最後，我想說對于人類來說，最大的危險，最大的不可持續，并不是創新帶來的不确定性。相反的，我們停止創新，不發明不創造不進步，按照慣性走下去，所帶來的各種各樣不可預知的風險，才是人類最大的威脅。這就是爲什麽，百度在這麽多年長期持續的在人工智能方面進行投入，也是我們爲什麽要把百度的使命，在多年前就定義成 " 用科技讓複雜的世界更簡單 "。
謝謝！
