为什么感觉欧美AI比我们强?

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
NLP自然语言处理_高级版,每接口累计50万次
简介: 本文介绍了电视机、电脑、手机、原子弹和飞机等重要发明的起源,其中大部分发明均源自美国。文中还探讨了中美在AI领域的竞争,指出美国在创新方面领先,而中国则在规模化生产和应用方面表现出色。尽管存在差距,但中国在算力、算法、数据和人才等方面持续加大投入,逐渐缩小与美国的差距。

电视机:发明于英国

电脑:发明于美国

手机:发明于美国

原子弹:发明于美国

飞机:发明于美国

问题中说的是欧美,或许讲美国更加的精准。的确很多东西都是从美国诞生的。

有句话叫着:“美国擅长从0到1,而中国擅长从1到100”

美国是全球的一个核心,不论是AI技术还是别的东西,这也是无可厚非的。

但中国也不弱,上面说的从1到100,主要说的是在已有基础上进行大规模的复制、扩展和优化。我想中国的原子弹、卫星这一伟大的两弹一星工程足以说明。

当然造就这种情况的因素太多太多,想想欧美满大街都是汽车的时候中国大街上的自行车还比较稀少。当欧美电灯满室的时候,中国还都是煤油灯。

但中国在制造业、基础设施建设、市场扩展和规模化生产方面具有强大的能力。

再回到AI这个问题,

这次AI浪潮的涡流中心就是生成式AI,它的核心技术就是Transformer模型。这一模型最初由谷歌在2017年在论文《Attention is All You Need》中提出。

这次AI浪潮的发源地又是美国,Transformer模型是谷歌发布的,chatgpt是openai发布的。

当然chatgpt或者说Transformer并不是AI技术的起点,比如在之前中国在语言识别、模式识别、图像处理和机器学习算法等AI技术领域都不有错的发展。

像科大讯飞的语言识别、大疆的无人机技术等等

当然上面都是我个人的一些看法,再来看看大佬们都怎么看的:

马斯克

在接受媒体采访时表示,中美人工智能差距大约是12个月。他认为美国和欧洲是人工智能领域的最大进展来源,但中国在资源延展和优化方面仍具有优势。

中国科学院院士杨金龙

他认为中国在AI for Science方面处于国际并跑的阶段。虽然欧美的AI for Science比中国起步早,但经过近年来的追赶,中国已经与国际同行在很多领域并驾齐驱。

华为首席AI科学家廖恒

他认为在AI这件事上,我们距离国外可以说略略落后一点点,但落后的并不是那么巨大。像华为这样的企业,其实还是比较争气的。

任正非

他在多次提到华为在AI芯片和5G技术方面的研发投入和成果。他认为中国在AI硬件和基础设施方面具有竞争力,能够支持全球AI技术的发展。

的确中国在AI上有差距,但并不大。

AI目前主要拼就是这四个方面:算力、算法、数据和人才。

下面我们就这四个方面具体来看一下

算力

说到算力那就必需讲到这次浪潮中的另一个赢家,英伟达黄仁勋。

目前AI的核心算力就依赖于GPU,也就是显卡。这个对CPU更细的计算单元,以前只是玩游戏才会关注它,现在也在风口浪尖上。

从GPU这个层面来讲,拼算力就是拼投入。谁的算力更多,训练语料更丰富,谁的模型就表现更好。

算力依赖于 GPU 和机房规模,训练语料需要自己收集。说到底,两者都取决于经济实力。

来看看中国在AI这块的一些投入。

  • 中国将继续引领亚太地区人工智能市场发展,占亚太地区人工智能总支出的五成。
  • 2023年中国人工智能市场支出规模预计将增至147.5亿美元,约占全球总规模的十分之一
  • IDC预测,全球生成式AI市场年复合增长率或达85.7%,中国生成式AI投资增长加速,五年复合增长率达86.2%

以上是来自IDC中国的数据,虽然数据上有的是真实数据有的是预测数据。但也能大致上反应出国内目前AI行业的基本情况。

可以看到中国在AI这块的投入并不少,那么为什么AI没有预想的那厉害。

上面有说的AI浪潮另一个赢家英伟达,也就是我们说的AI芯片。目前英伟达是全球最大的AI芯片供应商,有数据显示全球95%的AI芯片由英伟达供应,而美国发布了芯片和半导体设备限制对中国出口。那么中国的AI芯片只能自己想办法,比如华为生成的芯片,但华为虽然可以生产,但对于中国这么庞大的市场是完全不够的。所以从算力这方面中国还有不小的发展空间。

当然政府的重视、企业的投入无疑都在拉小这块的差距。

算法

生成式AI的核心技术是开源的,不同的只是各家的实现,但是核心功能都是类似的。

当然许多重要的AI算法和模型如Transformer是由美国公司和研究机构提出的或开源出来的,但国内百度、腾讯、阿里、字节、华为等公司在AI算法上有着丰富的研究和应用经验。

如百度,在2017年陆奇在百度AI开发者大会上提出了 “All in AI”,次年百度飞桨学院成立,它提供了首席AI架构师培养计划。

在2024年百度率先推出了无人驾驶汽车在武汉使用,无疑说明中国在AI算法方面投入和研究

数据

中国拥有庞大的互联网用户群体和丰富的应用场景,积累了海量的数据资源。

根据全国数据资源调查报告,2023年中国的数据生产总量达到了32.85泽字节,同比增长22.44%。这里的泽字节可能看上去太抽象了,1ZB(泽字节) = 1万亿GB也就是 32.85万亿GB。

人才

李开复确实曾表示中国不缺AI人才,国拥有大量技术厉害且刻苦耐劳的工程人才,在这方面比美国更有优势。

可以看到AI2000人工智能全球最具影响力学者榜单中有不少华人。

人工智能全球女性学者也有不少华人如李飞飞。

另外在ChatGPT团队的成员大多具有计算机科学、人工智能、自然语言处理、机器学习等相关领域的高等教育背景。他们来自世界各地,有美国、英国、法国、德国、中国、印度等国家的人才。

总结

人工智能(AI)包含很多方向,目前带动AI浪潮的GPT是属于自然语言处理(NLP)领域。自然语言处理是人工智能的一个分支,专注于使计算机能够理解、生成和处理人类语言。

在很多方面中国的AI技术也不弱,虽然欧美的AI for Science比中国起步早,当然起步早的原因很多有历史、经济、政治等因素。

如今在国家及企业的全力发展下国内的AI百花齐放,如百度文心系列、阿里的通义系列、字节的豆包系统及Kimi、DeepSeek等等完全可以满足我们的需求。

我是栈江湖,如果你喜欢此文章,不要忘记点赞+关注

目录
相关文章
|
10月前
|
机器学习/深度学习 人工智能 自然语言处理
从平凡到非凡:借AI风口普通人如何起飞?
雷军曾说:“站在风口上,猪也能飞上天。”而AI无疑是当前最强劲的风口。本文介绍了如何抓住AI时代的机遇,包括理解AI基础概念、选择合适的AI工具、将AI融入工作提升效率,以及利用AI创造被动收入。通过这些步骤,你将能够在AI浪潮中获得成功。
450 0
从平凡到非凡:借AI风口普通人如何起飞?
|
10月前
|
人工智能 自动驾驶 安全
“第四次工业革命”-AI革命
“AI变革”被誉为“第四次工业革命”。中国在AI领域持续发力,占亚太地区AI支出的五成,预计2023年市场规模将达到147.5亿美元,约占全球市场的十分之一。IDC预测,中国生成式AI市场年复合增长率将达86.2%。国内企业如百度、阿里、清华等在AI技术研发和应用方面取得显著进展,推动了无人驾驶、送餐机器人、无人快递车等应用场景的发展。尽管AI带来了降本增效,但也引发了就业和社会压力。总体而言,中国在AI领域的投入和发展势头强劲,未来前景广阔。
763 0
“第四次工业革命”-AI革命
|
Web App开发 算法 搜索推荐
DSP广告系统架构
DSP的目标 使用程序的方式进行广告的投放的管理,并利用算法和技术自动实现精准的目标受众定向,只把广告投放给对的人。 对广告主而言,使用程序化购买不仅能提高流量采购效率,更低成本的或可靠,稳定的流量,还能使用各种策略,投放不同的目标人群,使得广告的投放效果更加可控。
5388 0
|
人工智能 API
【保姆级教程]】5分钟用阿里云百炼满血版DeepSeek, 手把手做一个智能体
阿里云推出手把手学AI直播活动,带你体验DeepSeek玩法。通过阿里云百炼控制台,用户可免费开通满血版R1模型,享受100w token免费额度。活动还包括实验步骤、应用开发教程及作业打卡赢好礼环节,提交优秀作品更有机会获得定制礼品。快来参与吧!
2730 0
|
10月前
|
存储 数据可视化 Linux
语雀停机事件后,你也在找替代方案吗?
2023年10月23日,语雀遭遇长达8小时的服务中断,严重影响了用户的日常工作和生活。事后官方提供了6个月免费会员作为补偿。此次事件引发用户对云笔记产品的可靠性思考,Obsidian和思源笔记因注重本地存留而受到关注。Obsidian支持双向链接、Markdown、本地存储及插件系统,适合个人知识管理;思源笔记则强调关系图谱和快速引用功能。此外,也有用户选择印象笔记、腾讯文档等云产品或使用编辑器+网盘的方式。如何选择合适的工具取决于个人需求和偏好。
798 2
|
存储 弹性计算 监控
几百T的视频、图片数据进行更有效地存储和管理
采用传统硬盘搭建存储方案,看起来成本低廉,但是再加上各种附加因素后却大幅攀升,而云存储厂商通常提供基于订阅的定价模型、一些免费服务和一定的折扣。现在,我们就来了解一下如何更省钱地使用云存储。
20409 46
几百T的视频、图片数据进行更有效地存储和管理
|
10月前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。
|
11月前
|
机器学习/深度学习 搜索推荐 大数据
大数据与医疗健康:个性化治疗的未来
【10月更文挑战第31天】大数据正以前所未有的方式重塑医疗健康领域,推动个性化治疗从理论走向现实。本文探讨了大数据在医疗健康中的应用,特别是在推动个性化治疗发展方面的潜力与挑战,包括数据挖掘、电子健康记录、远程医疗等方面的技术创新,以及面临的数据安全和隐私保护等问题。未来,大数据将助力医疗健康领域更加智能和人性化。
|
机器学习/深度学习 人工智能 自然语言处理
人工智能生成内容(AIGC)
人工智能生成内容(AIGC)
325 0
|
人工智能 资源调度 前端开发
Hello~ ProChat 1.0 : 会话组件中 的“亿” 点点细节
Hello~ ProChat 1.0 : 会话组件中 的“亿” 点点细节
282 0