同样烧开一壶水用电磁炉5分钟搞定用蜡烛可能得烧到明天。AI的算力就是电磁炉和蜡烛的差别。电脑芯片从几十纳米到如今的几纳米能力越来越强。强大的算力让AI的训练从几年变成几个月乃至几周。大模型的突然爆发也有能理解了。因为硬件终于跟上了。但硬件跟上这四个字也并非一路坦途。2012年之前AI研究主要用的还是CPU训练一个图像识别模型可能要好几天。2012年AlexNet证明GPU显卡芯片并行计算能力远超CPU之后NVIDIA顺势成为AI时代最重要的基础设施公司GPU从游戏设备变成了AI训练的标配。2017年Google推出TPU张量处理器专门为深度学习设计进一步拉高了算力上限。算力的飞速增长带来了一个直接结果训练大模型的成本在持续下降。2017年训练一个中等规模的语言模型可能需要几十万美元2020年GPT-3的训练成本据传已经接近千万美元级别到了2024年DeepSeek-V3用约600万美元的训练成本做出了性能接近GPT-4o的模型这个成本在几年前是不可想象的。成本下降意味着更多公司有能力训练自己的大模型而不是只有资金雄厚的巨头才能玩得起这也让更多的企业可以独立部署自己的AI来规避数据泄露的可能。算力的提升让AI商业化之路变得轻松。第二个数据——让AI有了充足的燃料。老话说巧妇难为无米之炊。再厉害的厨师没米也做不出饭。AI也一样再强的算力再好的算法没有数据也训练不出什么结果来。互联网三十年积累了大量人类语言、图片、视频等等数据。ChatGPT读了几乎整个互联网的文字你让DeepSeek帮你写方案它能写出来是因为它肚子里有足够多的素材。但数据的故事不只是量多这么简单。首先是规模。GPT-3用了约3000亿个token词元训练DeepSeek-V3用了约14.8万亿token。读得越多知识覆盖面越广理解能力越强。其次是质量。互联网上的数据是有杂质的广告文案、网络吵架、无意义的水帖充斥其中。顶级AI实验室会花大量时间做数据清洗和质量筛选从海量原始数据中挑出真正有价值的部分。再次是多样性。单一来源的数据会让AI产生偏见AI需要接触不同语言、不同领域、不同视角的数据才能发展出更平衡的理解能力。最后是后训练数据。大模型预训练完成后还需要通过高质量的指令数据、人类反馈数据做进一步调优——这一步叫RLHF基于人类反馈的强化学习正是ChatGPT在2022年引爆行业时最核心的技术突破之一。预训练让AI见过世面RLHF让它懂得规矩。没有数据再强大的版图再好的算法也只能空转。第三个算法——让AI有了高效的能力。有火有米要想做出好吃的饭还得有食谱。AI要想真正智能起来就需要一套高效的算法这就是AI的食谱规定好每一步怎么做、火候怎么掌握。而这个算法的发展也是在经历了几个关键节点后达到现在的水平。符号 AI 时代1950s-1980s科学家们试图用明确的规则让机器推理比如如果下雨就带伞。规则越多越复杂但遇到没有预设的情况就完全失效。连接主义崛起1980s-2010s让机器通过大量数据自己总结规律而不是靠人工写规则。1986年反向传播算法Backpropagation的完善让深度学习成为可能但受制于当时的算力和数据发展缓慢。2017年Transformer登场。Google发表了论文《Attention Is All You Need》提出了Transformer架构。这个架构让AI第一次能高效处理超长序列的数据同时也让并行计算成为可能直接催生了后来所有大语言模型。可以这么说没有Transformer就没有ChatGPT也没有今天的AI大模型。2022年后工程化的力量。算法不只有架构创新训练方法、工程优化、推理加速……这些工程化的工作同样关键。DeepSeek之所以能震惊全球不只是因为架构好更是因为它用更少的算力和数据通过一系列工程优化做出了不逊于GPT的效果。这就相当于用更小的火、更少的米按照更好的食谱做出了一样好吃甚至更好吃的饭。没有算法再多数据和算力也无用武之地。今天的AI它到底是什么说了这么多历史和技术那到底应该怎么理解AIAI是Artificial Intelligence的缩写也就是人工智能是一项让机器具备人类一样的感知、理解和决策能力的技术。它的核心就两点它不是魔法是基于数学和算法的技术它的目标是模仿人类智能的某些方面而不是复制一个完整的人它不需要有情感、有自我意识。它的智能体现在做到以前只有人类才能做到的事甚至超越人类。比如识别图片、能听懂你说的话、能生成文字和图片、能帮你做分析做决策。具体到我们的工作场景AI现在能帮你做到写作写邮件、写方案、写总结、写代码帮你从0到1分析读懂数据、找出规律、给出建议帮你做判断搜索帮你找资料、总结要点、翻译成大白话创作生成图片、海报、文案帮你做创意客服24小时在线自动回答问题帮你省人工你可能会说这些听起来好像也没什么了不起但关键在这里以前这些事你得花钱请人、花时间培训。现在一个AI工具几秒钟就能做而且24小时不休息。AI真正厉害的地方不是某个功能有多惊艳而是它把以前很贵的事变成了很便宜的事。
第一个：算力——让AI有了有力的工具。
同样烧开一壶水用电磁炉5分钟搞定用蜡烛可能得烧到明天。AI的算力就是电磁炉和蜡烛的差别。电脑芯片从几十纳米到如今的几纳米能力越来越强。强大的算力让AI的训练从几年变成几个月乃至几周。大模型的突然爆发也有能理解了。因为硬件终于跟上了。但硬件跟上这四个字也并非一路坦途。2012年之前AI研究主要用的还是CPU训练一个图像识别模型可能要好几天。2012年AlexNet证明GPU显卡芯片并行计算能力远超CPU之后NVIDIA顺势成为AI时代最重要的基础设施公司GPU从游戏设备变成了AI训练的标配。2017年Google推出TPU张量处理器专门为深度学习设计进一步拉高了算力上限。算力的飞速增长带来了一个直接结果训练大模型的成本在持续下降。2017年训练一个中等规模的语言模型可能需要几十万美元2020年GPT-3的训练成本据传已经接近千万美元级别到了2024年DeepSeek-V3用约600万美元的训练成本做出了性能接近GPT-4o的模型这个成本在几年前是不可想象的。成本下降意味着更多公司有能力训练自己的大模型而不是只有资金雄厚的巨头才能玩得起这也让更多的企业可以独立部署自己的AI来规避数据泄露的可能。算力的提升让AI商业化之路变得轻松。第二个数据——让AI有了充足的燃料。老话说巧妇难为无米之炊。再厉害的厨师没米也做不出饭。AI也一样再强的算力再好的算法没有数据也训练不出什么结果来。互联网三十年积累了大量人类语言、图片、视频等等数据。ChatGPT读了几乎整个互联网的文字你让DeepSeek帮你写方案它能写出来是因为它肚子里有足够多的素材。但数据的故事不只是量多这么简单。首先是规模。GPT-3用了约3000亿个token词元训练DeepSeek-V3用了约14.8万亿token。读得越多知识覆盖面越广理解能力越强。其次是质量。互联网上的数据是有杂质的广告文案、网络吵架、无意义的水帖充斥其中。顶级AI实验室会花大量时间做数据清洗和质量筛选从海量原始数据中挑出真正有价值的部分。再次是多样性。单一来源的数据会让AI产生偏见AI需要接触不同语言、不同领域、不同视角的数据才能发展出更平衡的理解能力。最后是后训练数据。大模型预训练完成后还需要通过高质量的指令数据、人类反馈数据做进一步调优——这一步叫RLHF基于人类反馈的强化学习正是ChatGPT在2022年引爆行业时最核心的技术突破之一。预训练让AI见过世面RLHF让它懂得规矩。没有数据再强大的版图再好的算法也只能空转。第三个算法——让AI有了高效的能力。有火有米要想做出好吃的饭还得有食谱。AI要想真正智能起来就需要一套高效的算法这就是AI的食谱规定好每一步怎么做、火候怎么掌握。而这个算法的发展也是在经历了几个关键节点后达到现在的水平。符号 AI 时代1950s-1980s科学家们试图用明确的规则让机器推理比如如果下雨就带伞。规则越多越复杂但遇到没有预设的情况就完全失效。连接主义崛起1980s-2010s让机器通过大量数据自己总结规律而不是靠人工写规则。1986年反向传播算法Backpropagation的完善让深度学习成为可能但受制于当时的算力和数据发展缓慢。2017年Transformer登场。Google发表了论文《Attention Is All You Need》提出了Transformer架构。这个架构让AI第一次能高效处理超长序列的数据同时也让并行计算成为可能直接催生了后来所有大语言模型。可以这么说没有Transformer就没有ChatGPT也没有今天的AI大模型。2022年后工程化的力量。算法不只有架构创新训练方法、工程优化、推理加速……这些工程化的工作同样关键。DeepSeek之所以能震惊全球不只是因为架构好更是因为它用更少的算力和数据通过一系列工程优化做出了不逊于GPT的效果。这就相当于用更小的火、更少的米按照更好的食谱做出了一样好吃甚至更好吃的饭。没有算法再多数据和算力也无用武之地。今天的AI它到底是什么说了这么多历史和技术那到底应该怎么理解AIAI是Artificial Intelligence的缩写也就是人工智能是一项让机器具备人类一样的感知、理解和决策能力的技术。它的核心就两点它不是魔法是基于数学和算法的技术它的目标是模仿人类智能的某些方面而不是复制一个完整的人它不需要有情感、有自我意识。它的智能体现在做到以前只有人类才能做到的事甚至超越人类。比如识别图片、能听懂你说的话、能生成文字和图片、能帮你做分析做决策。具体到我们的工作场景AI现在能帮你做到写作写邮件、写方案、写总结、写代码帮你从0到1分析读懂数据、找出规律、给出建议帮你做判断搜索帮你找资料、总结要点、翻译成大白话创作生成图片、海报、文案帮你做创意客服24小时在线自动回答问题帮你省人工你可能会说这些听起来好像也没什么了不起但关键在这里以前这些事你得花钱请人、花时间培训。现在一个AI工具几秒钟就能做而且24小时不休息。AI真正厉害的地方不是某个功能有多惊艳而是它把以前很贵的事变成了很便宜的事。
