一、1944年前后，
四位科学家开创数字时代
今天谈到的数字时代、智能时代，应当追溯到八十年前的历史场景。1944年前后，发生了诸多大事：诺曼底登陆，产生联合国方案，布林顿森林会议召开等。
但是，真正对历史产生深层次和持久影响的是四位科学家和他们的思想，这四位分别是冯·诺伊曼（John von Neumann，1903-1957）、斯蒂比茨（George Robert Stibitz，1904-1995）、图灵（Alan Mathison Turing，1912-1954）和香农（Claude Elwood Shannon，1916-2001）。没有他们在那个历史节点的贡献，很可能数字时代和智能时代就无从谈起。
八十年前，科学家前沿性地意识到：伴随量子科技，特别是原子结构认知的突破，经典的物质状态世界已经开始向信息世界和信息时代转型。
世界是由物质、能量和信息构成。信息不是物质，无法用物理形态表现出来，它涉及到众多理论、模式、方法和工具。香农创建了信息论，包括信息结构、尺度、单位、标准和应用的技术路线，特别是信息和熵的关系。信息最终的体现是数字和数据。
那么，人类如何处理数字和数据？
唯一选择是计算机。于是，冯·诺伊曼提出了冯·诺伊曼构架，解决现代计算机的三个原则：
第一，计算机引入二进制；
第二，实现数据存储和执行；
第三，计算机体系包括输出、输入、储存、运算和中心控制。
美国的第一台离散变量自动电子计算机EDVAC就是基于冯·诺伊曼构架而发明。可以肯定，没有冯·诺伊曼架构就没有计算机或者人类在计算机上要走更漫长的道路。
如何将处于物理独立状态的计算机连接起来，不仅是最自然的思路，而且是最早期的互联网思想。
对此，斯蒂比茨作出了巨大贡献，他将电路开关技术应用于计算机，解决了01语言的运行和电磁式计算机的遥控问题。由于他的贡献，奠定了计算机通信和互联网的基本技术前提。
此时，图灵提出了一个更加严肃的问题：计算机是否会学习？是否会思考？这就是人工智能的基本思路，进而提出了著名的“图灵测试”，图灵因此被誉为“人工智能之父”。
总之，从1944年到1950年前后，所谓的最重要的科学前沿机制在信息论、计算机科学、计算机互联网、计算机思考这四个方面。这四个方面的交换作用，就是所谓的信息和通信技术革命，或者是数字革命。
在过去的八十年间，人类一直被这四条平行线所左右。只是在过去的十年左右的时间，人们突然发现这四条平行线发生了交汇。此时此刻，这样的交汇突然加速。
二、数字生态遭遇困境无法无限发展
数字经济背后是一个数字生态时代，它是以计算机为基础，以互联网为网络而构成的一种全新的社会经济模式或社会运行体系。
互联网保守估计有八十年的历史，在上个世纪50年代，数字经济、数字技术的关键问题，包括今天讨论的半导体和芯片问题，都在基础理论和关键技术层面得以完成。著名的“摩尔定律”就是在那个时期提出来。
在互联网的发展过程中，逐渐形成完整的数字生态，生态中的基本元素是数据。因为数字技术的商业溢出效应，产生了具有创新特征的代表性公司，并形成彼此的分工。
例如，台积电（台湾积体电路制造公司，TSMC）主要解决芯片问题；社交平台有推特；元宇宙有Meta公司（前身是脸书Facebook）；搜索引擎有谷歌；软件开发有微软公司，跨境电商有亚马逊公司。
在上述背景下，形成算力为动力、算法为工具、平台为纽带这样全新的数字经济形态。平台经济使用户、商家和生产者之间构成了全新的三角形关系。
当人们对数字技术、数字经济、数字生态充满极大的热情，推动数字化转型之时，数字生态开始面临困境和潜在危机。
主要是：人类大脑无法解决非线性问题和指数计算问题。在传统数字技术的框架中，无法解决非线性的和加速成长为特征的大数据的爆炸。
现在数据大到难以想象的程度，已经进入175ZB规模，距离YB时代近在咫尺（1PB=1024TB，1EB=1024PB，1ZB=1024EB，1YB=1024ZB，1BB=1024YB）了。
除了算力不足，算法滞后外，大模型的本质是解决概率问题，这个世界是由或然率（发生可能性的指标）决定的，人类过去的算法工具已不可行。
此外，还有数据确权问题、安全问题和治理问题。在过去五年时间里，硬技术方面的挑战也很严峻，例如，摩尔定律已是极限，于是衍生出如何理解和面对后摩尔定律时代。
总而言之，不要认为数字经济靠它本身或者数字技术可以无限发展下去，这是错觉。
三、大模型让AI由边缘向中心跃迁
人工智能一直在发展，它研究怎么处理输入输出，完成自我学习，优化升级，实现像人一样的思考，并且超越人类等任务。最重要的两个问题是如何通过机器学习和将自然语言纳入大模型（Large Language Models，LLM），与神经系统结合，实现可持续的深度学习。
完成这一历史跃迁花了约七十年。联结主义路线被证明是唯一能够走出人工智能沼泽地的选择。
2009年之后，人工智能急速发展，在这一年，“智能汽车”进入人们视野；
2015年成立了非营利性人工智能研发组织OpenAI；
2017年诞生了第一代有语言和智能意识的机器人索菲亚；同年论文《Attention Is All You Need》发表，提出了今天人工智能发展的完整框架和核心技术，即Transformer，实现了机器学习模型的突破。从2017年之后，人工智能进入了所谓的快车道；
2017年到2022年11月30日，人工智能产生了根本性的突破；
2022年年末，ChatGPT的发布，彻底改变了人工智能生态，实现了人工智能从“边缘”到“中心”的跃迁。人工智能迅速变成一个主导性的科技力量和发展模式，成为可以泛化的一种工具。
当下，业内将大模型通常分为通用型和行业型。一种错误观点认为，大模型是人工智能的突破性进展，是人工智能的工具。这样的认识是很不够的。
今天讲人工智能，就是要讲大模型，没有大模型的人工智能是不成立的。也就是说，人工智能已“大模型”化，人工智能和大模型实现了前所未有的高度重合。
现在，人工智能由大模型的集群构成。目前正处于高度的大模型竞争和进化的历史时期，一方面还会有新的大模型产生，另一方面，绝大多数大模型会自生自灭。
过去一年，与大模型有关企业的盈利速度显著，人工智能成为影响资本市场的核心变量。
四、2024年：
数字与智能经济“一体化”融合
当下的历史时期，可以概括为数字技术和数字经济会迅速被智能化技术和智能化经济所改造和替代的时期。数字化转型，在尚未完成的情况下，又叠加了智能化转型。
1.大模型竞争在于GPU，并已从芯片扩大到“芯粒”
因为智能化需要大数据的支持和培育，数字经济和数字技术的进展会对智能化技术、智能化经济产生非常积极和正面的作用。
中国面临巨大挑战，那就是要重构包括数字经济和智能技术在内的新的基础设施，即物理形态所支撑的新的基础结构。产生了两个新概念，人工智能硬件与人工智能软件。
现在比较大模型，不仅包括大模型的思路、构架是否更加完美，而且要看人工智能的GPU（图形处理器）的支持，它直接关乎实际上的性能。CPU（中央处理器）是数字时代的基础结构的支撑，在人工智能时代是GPU。现在，还有TPU（特定学习任务的定制化处理器），以及DPU（数据处理器）。
目前，英伟达是GPU的“王者”，有V100、A100，正在研究H100（第九代数据中心GPU），H100能够维持英伟达在未来十年的优势。
但是，谷歌、微软、英特尔、AMD都在加速开发自己的GPU。现在是CPU加GPU，实现从芯片到“芯粒”（预制有特定功能可组合集成的晶片）的历史新阶段。
2.从数字资本、AI资本并存，到AI资本压倒数字资本
网上有一个对话：英特尔前高级副总裁帕特·基辛格（Patrick Paul Gelsinger，1961-）在麻省理工学院的座谈会上反省了英特尔的成长教训。他提出，英伟达太幸运了才会成功。英伟达对此反应激烈，英伟达称，是凭借对人工智能发展过程清晰的判断和认知才获成功。
我认同英伟达的观点，在整个硅谷或者当时广义的IT产业中，只有英伟达的创始人黄仁勋（Jen-Hsun“Jensen” Huang，1963-，美籍华人）在1999年重新认识和解决了两个问题，一是GPU和图形的问题，二是平行计算问题。
人类大脑虽然可以同时思考很多问题，无法同时运行若干个平行计算。平行计算超出了过去传统或经典计算机的思路，在模型和芯片上加以支持。英伟达实现了不起的突破。
今天是数字企业、数字技术和智能技术混合企业的成长过程，绝大多数微观企业必须完成定制化的人工智能的转型。同时，从数字资本和AI资本的并存，到AI资本压倒数字资本。过去软件开发靠人，现在靠人工智能，人工智能可以节省55%的资源。
按照区域分析，人工智能领域的投资差异十分明显，美国第一，欧盟第二，其次是英国，然后是中国和世界其他国家。
这就说明，在农耕时代，所有国家都是参与者。在工业时代有一批参与者和引导者，其他国家勉强能跟上，只是发展速度不同。
但数字时代，已经有一半国家出局。到人工智能时代只有极少数国家有能力、有资格参与竞争和游戏。
3.下一步将通过具身智能机器人加速数智一体化
目前已形成许多人工智能领域的新企业集群，除了大型公司还有许多小公司，从绘画、唱歌、写小说到PPT制作。
下一步，在大模型的基础上，具身智能机器人将在经济和社会的各个领域发挥全方位的作用。什么叫具身人工智能？
它与过去的机器人不同，过去机器人是生产线上辅助人类、替代人类体力劳动的机器人，我们把它理解成蓝领机器人，对人类威胁并不大。
今天产生的是超白领机器人，它最大的特点是具有学习、推理、判断、决策、创造等能力。
2024年，马斯克做的第二代人形机器人Optimus（擎天柱），会实现感知、运动、交互三种重要功能的完美结合，成为彻底改变人工智能的新一代，目前马斯克的目标是至少生产100亿台，这已超过80亿地球总人口。
4.人工智能代理时代来临，知识图谱、思维方式被迫改变
在这个数字和智能融合时代，一切人类的行为都可以通过人工智能得以实现。用人工智能的话说，是可以多模态生成的时代，人工智能可以满足人类所有想象的愿望并加以实现。其中，最震撼的是人工智能代理时代扑面而来。
AI Agents现在处于什么状态？所有人都被迫作出选择，在不同领域中很快面对或处于三种场景：
其一，经典传统人主导的、人工智能辅助的场景；
其二，人和人工智能平分秋色的场景；
其三，人工智能占主导的场景。
未来大趋势是，人们会发现，大模型与人之间也需要有中介，所有事情都需要通过人工智能的中介加以实现。
最严肃的问题是，人工智能改变知识图谱和思维方式，会强制人类接受不断改进的思维树，接受新的决策模式。人工智能会改变人类反馈强化学习的模式。同时，人工智能也会彻底改变云计算、区块链、互联网，重新构造元宇宙。
2023年，全球最有影响的开源软件开发平台GitHub对于人工智能技术开发贡献甚大。基于这个平台的人工智能有关的项目达到三亿多。在亚太地区，印度、日本、新加坡都是这个平台的受益者。这也意味着，充分利用GitHub是实现人工智能技术开源的重要途径。
现在，可以考虑提出一个人工智能宪法（AI Constitution），推动人工智能和DAO的结合模式，也推动人工智能的法规、体系、监督的方式 。
5.新挑战：大模型有无极限，有无替代方案？如何控制能耗？
总之，当人工智能刚刚从边缘进入人类经济活动的中心位置，已经开始面临诸多的严肃问题和一系列挑战，包括：
大模型是否有极限？视觉、性数据是否有天花板？
Transformer为核心的支持大模型框架，是否有替代方案？
如何改善人工智能大模型成本结构？
如何降低人工智能能源消耗？如何构建人工智能与Web3的融合模式？
......
所有这些问题，在2024年都需要有解决方案和技术性突破。
五、上海的优势与潜能
首先，制度优势。人工智能发展到今天，任何一个项目的开发动辄十亿、百亿甚至上千亿美元，它对资本的需求需要实现资源整合。中小企业直接开发或者创新人工智能的技术难以实现。所以，需要集结力量。举国体制正在成为关键选择。在这方面，中国特别是上海地区是有优势的。
其次，区域创新体系。上海已经建立包含政府、科研机构、企业紧密集合的区域创新系统，具有相当成熟和互动的经验，现在应当思考如何将这些经验和资源投入基于人工智能的创新。
再次，制造业基础。从数字经济到智能经济，最终还是与工业制造结合，需要有相当的工业制造能力支撑这样的智能体系。例如具身智能机器人。在这方面，中国有优势，上海的优势更加明显。
此外，上海具备先发优势的基本条件，有条件组织AI联盟。
六、多个二元结构的差距叠加带来博弈
2023年3月29日，美国生命未来研究所公布了一封由辛顿、马库斯和马斯克发起，共1079人联署的公开信，呼吁人工智能停止六个月开发，在此期间加快开发强大的AI治理系统。
但是，事实证明该愿望并未实现，因为人工智能的所有方面都已进入博弈状态，每个人或者每个主体都处于“纳什困境”。
最后，引用最近四个人的话作为我的结尾。
微软首席执行官纳德拉说：“人工智能的黄金时代已经成熟”。
比尔·盖茨说：“未来18个月到24个月，我们现在刚开始，人工智能会（在发达国家）广泛地使用”。
斯坦福大学的吴恩达（Andrew Yan-Tak Ng，1976-，美籍华人)提出一个观点，今天大模型往前发展就是世界大模型。
Facebook首席人工智能科学家杨立昆（Yann André LeCun，1960-，法国AI科学家）说：“AI将接管世界，当然它不会征服”。
英国经济学家刘易斯（William Arthur Lewis，1915-1991）曾经提出农业经济和工业经济二元结构理论。几十年过去，在世界范围内，传统的二元结构并没解决，现在又出现了工业经济和数字经济的二元结构，以及数字经济和人工智能经济的二元结构，导致几个二元结构的差距（gap）的叠加时代，最终引发世界的非均衡发展的加剧，甚至断裂。人类必须寻求全新的解决之道。中国要有新的历史贡献。
简言之，2024年，将是人工智能彻底改变传统经济形态、传统社会形态和传统全球化的关键一年。未来愿景是，人工智能将以2023年为拐点，2024年将全方位向所有行业和社会领域蔓延。
人工智能，必然会重构人类社会的底层逻辑。所以，未来的创业者，一定要理解技术、理解世界、理解中国，以及理解自己。
来源：笔记侠