導(dǎo)語(yǔ)：

ChatGPT像一面鏡子，照出了中國(guó)AI發(fā)展的成就與不足。

在AI前沿領(lǐng)域，必須承認(rèn)，我們目前還不具備碾壓式的實(shí)力，但我們有足夠的決心、投資能力和互聯(lián)網(wǎng)產(chǎn)業(yè)基礎(chǔ)。

盡管如此，AI產(chǎn)業(yè)的核心突破，需要的人才、資源、資金的門檻之高，也決定了，其如果需要在中國(guó)做出世界級(jí)的創(chuàng)新，一則還是要靠舉國(guó)體制，另外也要協(xié)同一批龍頭企業(yè)的共同努力。

AI的競(jìng)爭(zhēng)不止有技術(shù)流打法，也有產(chǎn)品流、產(chǎn)業(yè)流的打法。

唯獨(dú)重要的是，我們不能放棄，我們必須雖千萬人吾往矣。

從一個(gè)研究者的視角，騰訊值得關(guān)注。它的用戶基數(shù)、豐富場(chǎng)景、基礎(chǔ)技術(shù)投資，以及過去十年可能是最好的中文語(yǔ)料資源積累、多模態(tài)應(yīng)用的廣度等，決定了它是一個(gè)有機(jī)會(huì)在AI領(lǐng)域做出核心突破的潛力企業(yè)。因此，筆者也進(jìn)行了一番深度調(diào)研，其中的若干感悟和結(jié)論，或許能給大家了解中國(guó)AI行業(yè)現(xiàn)在和未來，帶來一些啟發(fā)和觸動(dòng)。

1、場(chǎng)景優(yōu)先

ChatGPT4的發(fā)布，以及國(guó)內(nèi)廠商的跟進(jìn)，讓這個(gè)概念更火了。

其實(shí)讀者關(guān)心的問題不僅僅是中國(guó)能不能做出類ChatGPT的項(xiàng)目（因?yàn)榧僖詴r(shí)日，肯定能），大家關(guān)心的可能是，什么時(shí)候輪到我們領(lǐng)先和主導(dǎo)下一輪？

在原理透明的前提下，問題的底層邏輯是，誰(shuí)擁有優(yōu)質(zhì)的訓(xùn)練數(shù)據(jù)集，誰(shuí)就是趕超的關(guān)鍵先生。

那些擁有自己閉環(huán)生態(tài)的企業(yè)明顯具有先天優(yōu)勢(shì)，海外科學(xué)家指出，ChatGPT訓(xùn)練所需要的高質(zhì)量數(shù)據(jù)集，通常有這樣幾類——50%的用戶生成內(nèi)容、20%的書籍、10%的科學(xué)論文、近10%的代碼和近10%的新聞。

無論在哪個(gè)數(shù)據(jù)集里，用戶生成內(nèi)容（UGC）的數(shù)量占比都是最大的，放到國(guó)內(nèi)來看，可以看出騰訊優(yōu)勢(shì)相對(duì)明顯。舉個(gè)例子，騰訊的微信公眾號(hào)是國(guó)內(nèi)優(yōu)質(zhì)長(zhǎng)內(nèi)容的關(guān)鍵載體，富集了過去10年最有創(chuàng)造力的創(chuàng)作者提供的內(nèi)容。

同時(shí)，大量的音視頻內(nèi)容和技術(shù)，也是騰訊發(fā)展多模態(tài)的優(yōu)勢(shì)。

但騰訊的優(yōu)勢(shì)是否能轉(zhuǎn)為勝勢(shì)呢？這是我們此文重點(diǎn)要討論的，就是騰訊的AI底蘊(yùn)究竟如何。

也許我們可以試圖回溯一下，騰訊的AI發(fā)展從何而來。

2012年，QQ用戶突破1.6億，在騰訊上下為之歡騰的時(shí)候，微信又以閃電般的速度，在這一年的9月實(shí)現(xiàn)了用戶規(guī)模突破2億。一年之內(nèi)，騰訊就有了兩個(gè)億萬級(jí)用戶規(guī)模的強(qiáng)場(chǎng)景，這既是AI發(fā)展的土壤，也是對(duì)年輕研究人員的壓力。

也是這一年，騰訊優(yōu)圖實(shí)驗(yàn)室成立，這是騰訊內(nèi)部最早開始專注AI研究的實(shí)驗(yàn)室之一。

優(yōu)圖實(shí)驗(yàn)室創(chuàng)始團(tuán)隊(duì)，在PC互聯(lián)網(wǎng)時(shí)代，曾經(jīng)做出過過一款看圖軟件產(chǎn)品——QQ影像。但沒過幾年，伴隨移動(dòng)互聯(lián)網(wǎng)到來，產(chǎn)品和技術(shù)團(tuán)隊(duì)進(jìn)入了瓶頸期。

據(jù)騰訊云副總裁、騰訊云智能研發(fā)負(fù)責(zé)人、優(yōu)圖實(shí)驗(yàn)室研發(fā)負(fù)責(zé)人吳永堅(jiān)回憶，團(tuán)隊(duì)最初是帶著一種頗為沮喪的心情，主動(dòng)“求變”的。他們的計(jì)劃是，圍繞原來在PC端積累的圖像能力，去移動(dòng)端做些技術(shù)新嘗試。當(dāng)時(shí)，他們關(guān)注到一種無損圖像處理的算法。在沒有外部支持的情況下，五人團(tuán)隊(duì)僅用三個(gè)月就做出了新算法，他們把這種能力應(yīng)用在騰訊旗下的業(yè)務(wù)，使商品詳情頁(yè)圖片加載速度提升50%以上。

對(duì)優(yōu)圖實(shí)驗(yàn)室來說，這是一個(gè)重要轉(zhuǎn)折點(diǎn)，吳永堅(jiān)意識(shí)到：”我們之前都是純做應(yīng)用的，后來發(fā)現(xiàn)產(chǎn)品的應(yīng)用發(fā)展可能會(huì)起起伏伏，但支撐應(yīng)用的底層技術(shù)永遠(yuǎn)是越先進(jìn)越好，我們就把關(guān)注重心轉(zhuǎn)移到技術(shù)能力建設(shè)上。讓我們的研發(fā)離應(yīng)用只有一代的差距，最后我們選擇了一個(gè)詞叫‘預(yù)研’。”

任何時(shí)候，技術(shù)只有落在實(shí)際場(chǎng)景中才能驗(yàn)證效果。

當(dāng)時(shí)，吳運(yùn)聲（優(yōu)圖實(shí)驗(yàn)室負(fù)責(zé)人）提出，如果優(yōu)圖要做圖像（技術(shù)），就要和騰訊內(nèi)部圖像需求最多、最復(fù)雜的團(tuán)隊(duì)去接觸，因?yàn)樾枨笤酱�，技術(shù)可挖掘的價(jià)值就越大。

思路一通，靈感就來�；�于QQ空間的圖像場(chǎng)景，優(yōu)圖實(shí)驗(yàn)室做出了一系列創(chuàng)新，包括圖像顯著性內(nèi)容檢測(cè)，也就是自動(dòng)找出圖片中最能代表圖像的區(qū)域。

在同一個(gè)階段，深度學(xué)習(xí)的浪潮起來了。圖像技術(shù)與深度學(xué)習(xí)匯合，促使優(yōu)圖實(shí)驗(yàn)室正式進(jìn)入圖像理解的領(lǐng)域，也就是基礎(chǔ)的視覺AI的算法研發(fā)。

這時(shí)候，又一個(gè)新的需求產(chǎn)生了。

微眾銀行，一個(gè)完全沒有線下實(shí)體的互聯(lián)網(wǎng)銀行，帶來了一個(gè)世界級(jí)難題——活體檢測(cè)。

現(xiàn)在，基本上所有對(duì)安全性要求高的APP，都有一個(gè)視頻驗(yàn)證身份的過程。但在2013年的時(shí)候，這方面的技術(shù)還很不成熟，一些常規(guī)的檢驗(yàn)如搖頭、眨眼等，都有被作假的幾率。

“后來我們想了一個(gè)方法，就是給出一串?dāng)?shù)字，讓用戶讀出來。這樣，我們就有了視頻+音頻+圖像三種模式交叉驗(yàn)證”，吳永堅(jiān)說：“后來想想，優(yōu)圖實(shí)驗(yàn)室的AI進(jìn)入多模態(tài)的研究方向，也就是這一個(gè)瞬間啟發(fā)的。后來，我們還研發(fā)了背景變色閃光的驗(yàn)證方法，這個(gè)技術(shù)在當(dāng)時(shí)可以說是世界級(jí)的，現(xiàn)在還是業(yè)界主流的驗(yàn)證方法。”

這個(gè)案例證明了，騰訊從C端業(yè)務(wù)中積累的AI能力，同樣可以解決B端的需求，局面打開了。

風(fēng)也起來了，2016年，隨著AlphaGo戰(zhàn)勝人類棋手，一股AI熱席卷全球，與今天ChatGPT帶來的沖擊頗為類似。

而騰訊也開始加速規(guī)模化、矩陣式布局AI研發(fā)。2016年4月，AI Lab成立，專注于AI基礎(chǔ)研究和應(yīng)用探索的結(jié)合。

一個(gè)標(biāo)志性的事件是——2017年8月，騰訊發(fā)布首款將人工智能技術(shù)運(yùn)用在醫(yī)學(xué)領(lǐng)域的AI產(chǎn)品騰訊覓影 。這個(gè)項(xiàng)目徹底擊穿了部門墻，聚合了騰訊公司內(nèi)部包括AI Lab、優(yōu)圖實(shí)驗(yàn)室、架構(gòu)平臺(tái)部等多個(gè)頂尖人工智能團(tuán)隊(duì)的能力。

這不僅促使騰訊成為影像領(lǐng)域的國(guó)家新一代人工智能開放創(chuàng)新平臺(tái)，也成為騰訊AI崛起的標(biāo)志性事件。

寫到這里，筆者突然想起了英國(guó)物理學(xué)會(huì)會(huì)士、深圳兩化融合首席科學(xué)家馬兆遠(yuǎn)說過的一番話，他說——

“推動(dòng)世界的絕大多數(shù)進(jìn)步，首先是解決了工程問題。好的科學(xué)家應(yīng)該是工程師，好的工程師也應(yīng)該是科學(xué)家。而在實(shí)踐中，科學(xué)是第二性的，工程才是第一性的”。

2、算法產(chǎn)品化

2019世界人工智能大會(huì)上，騰訊公司董事會(huì)主席兼CEO馬化騰表示：騰訊已建立四大AI實(shí)驗(yàn)室，涵蓋AI從全面基礎(chǔ)研究到多種應(yīng)用開發(fā)，將打造面向未來的“科技引擎”。

而應(yīng)用開發(fā)的產(chǎn)業(yè)化、商業(yè)化落地，是其中關(guān)鍵一環(huán)，也是當(dāng)前整個(gè)AI領(lǐng)域尚未較好破解的一道難關(guān)。

另一方面，追求高質(zhì)量發(fā)展、促進(jìn)產(chǎn)業(yè)升級(jí)轉(zhuǎn)型，是中國(guó)產(chǎn)業(yè)互聯(lián)網(wǎng)技術(shù)領(lǐng)域歷來的關(guān)注焦點(diǎn)。這其中，AI如何參與？

騰訊給出的答案是，發(fā)布云智能，更強(qiáng)調(diào)云與人工智能的融合深度，以AI作為產(chǎn)業(yè)互聯(lián)網(wǎng)時(shí)代的數(shù)據(jù)“中央處理器”，釋放數(shù)字化能力。

從場(chǎng)景出發(fā)，是這條路得以跑通的底層邏輯。

例如，中國(guó)是世界上工業(yè)門類最齊全的國(guó)家，用AI解決工業(yè)質(zhì)檢需求正是其中一個(gè)典型場(chǎng)景。

手機(jī)攝像頭支架，聽起來似乎沒啥科技感；但如果我告訴你，富馳高科是一家金屬粉末注射成型(MIM)產(chǎn)品專業(yè)制造商，是不是就高大上很多？

手機(jī)攝像頭支架看似簡(jiǎn)單，但形狀不規(guī)則且只有手指頭大小，需要檢測(cè)的點(diǎn)位高達(dá)七八十個(gè)。

算筆賬你可能覺得更直觀，由于富馳高科每年生產(chǎn)的零部件數(shù)億個(gè)，僅質(zhì)檢人員就需要超1500人。質(zhì)檢人員需要聚精會(huì)神，才能完成這種精細(xì)質(zhì)檢，且因?yàn)槠�勞往往容易�?dǎo)致漏檢錯(cuò)檢。

2021年，騰訊云開始用AI能力給富馳高科解決手機(jī)零部件質(zhì)檢難題。

當(dāng)時(shí)，騰訊云采用TNN深度學(xué)習(xí)推理框架，借助算法模型加速和智能調(diào)度等多種技術(shù)能力，從工程化上實(shí)現(xiàn)了性能優(yōu)化；算法方面，則創(chuàng)造性的設(shè)計(jì)了光度立體成像解決方案，克服了MIM產(chǎn)品因高反光特性而導(dǎo)致的產(chǎn)品缺陷與正常反光混淆的行業(yè)難題。最終的結(jié)果是，基于這套解決方案，富馳高科單臺(tái)質(zhì)檢儀的工作效率是原來人工的10倍。

解決一個(gè)從未被破解的行業(yè)難題，自然需要投入大量算法工程師。但每個(gè)方案都采用重人力的模式，不可持續(xù)。

由此，在過去的兩年里，騰訊一直探索“算法產(chǎn)品化”的方式，即拆解算法里的每一個(gè)流程，精細(xì)到每一步明確要做什么，然后將其沉淀到騰訊云TI平臺(tái)上，最終形成了一個(gè)面向工業(yè)質(zhì)檢場(chǎng)景的產(chǎn)品化平臺(tái)——工業(yè)質(zhì)檢訓(xùn)練平臺(tái)TI-AOI。 現(xiàn)在，面對(duì)同樣的工業(yè)質(zhì)檢場(chǎng)景，騰訊只需在項(xiàng)目前期派少量算法人員過去，其余大部分工作都可以在TI平臺(tái)上完成，效率提高，加速了AI技術(shù)在工業(yè)場(chǎng)景的落地。而未來的進(jìn)階方向是——騰訊甚至都不用派工程師到場(chǎng)，這項(xiàng)工作就可以由企業(yè)自己的運(yùn)營(yíng)人員完成，并且他們不需要有很強(qiáng)的算法背景。

這樣做更大的價(jià)值還在于，拉低應(yīng)用門檻，進(jìn)一步推動(dòng)AI普惠。

傳統(tǒng)制造業(yè)是產(chǎn)業(yè)智能化升級(jí)的主體，但一般的制造業(yè)企業(yè)沒有研發(fā)AI算法，甚至沒有應(yīng)用AI算法的能力。

騰訊的工業(yè)質(zhì)檢訓(xùn)練平臺(tái)為企業(yè)找到了一個(gè)限制更少，門檻更低的方案。即便不懂AI算法，工廠技術(shù)人員依然可以用平臺(tái)進(jìn)行缺陷標(biāo)注，讓算法根據(jù)零件質(zhì)檢需求自動(dòng)跑起來。對(duì)騰訊而言，一路積累下來的能力可以復(fù)用于其它類似場(chǎng)景，下一個(gè)項(xiàng)目也不會(huì)再用6個(gè)月時(shí)間了，這為騰訊AI在這一領(lǐng)域加速布局打開局面。

為富馳高科服務(wù)的騰訊云TI平臺(tái)是騰訊云智能的體系的核心產(chǎn)品之一，還有我們熟悉的數(shù)字人，或稱數(shù)智人。

數(shù)字人和我們前文敘及的ChatGPT有密切的聯(lián)系，某種程度上，數(shù)字人也是生成式AI的一種載體，是AIGC的一部分。

例如，短視頻制作已經(jīng)是一個(gè)龐大的行業(yè)，但其上限是內(nèi)容生產(chǎn)成品太高、效率較低。

騰訊云智能有一款2D數(shù)智人，可以實(shí)現(xiàn)依靠3分鐘真人錄制視頻，就生成一個(gè)數(shù)字人形象，后期則通過文字輸入就能生成視頻內(nèi)容，大大降低了視頻錄制成本、修改成本，最終是降低了短視頻內(nèi)容制作的準(zhǔn)入門檻，為豐富內(nèi)容生態(tài)貢獻(xiàn)很大。

技術(shù)含量更高的3D虛擬主播，也因?yàn)锳I，而有了更多展現(xiàn)形式。例如經(jīng)常在電視上看到的手語(yǔ)主播，需要通過細(xì)微的手部動(dòng)作來展示內(nèi)容，現(xiàn)在通過AI已經(jīng)可以實(shí)現(xiàn)文字、語(yǔ)音直接轉(zhuǎn)手語(yǔ)。

2022年初，騰訊AI手語(yǔ)數(shù)智人”聆語(yǔ)“誕生，成為首位服務(wù)于國(guó)際賽事直播解說的數(shù)字人，支持實(shí)時(shí)生成手語(yǔ)，可懂度 90% 以上，而一般比較熟練的真人解說員的手語(yǔ)可懂率不過是60%-70%。但在加入AI以前，用數(shù)字人來完成這類操作是很難想象的。

從數(shù)字人到數(shù)智人，騰訊云智能數(shù)智人的背后是新一代的多模態(tài)人機(jī)交互系統(tǒng)，可以讓虛擬人物擁有超細(xì)微面部情感表情以及數(shù)百種肢體動(dòng)作，并且通過自動(dòng)化的播報(bào)平臺(tái)、交互平臺(tái)，打通形象生產(chǎn)到內(nèi)容生產(chǎn)的全鏈路

背后的背后，是騰訊積累多年的語(yǔ)音交互、自然語(yǔ)言理解、圖像識(shí)別等AI能力的充分整合。

騰訊云副總裁、騰訊云智能負(fù)責(zé)人、優(yōu)圖實(shí)驗(yàn)室負(fù)責(zé)人吳運(yùn)聲總結(jié)說：騰訊云智能要做的就是整合騰訊的技術(shù)優(yōu)勢(shì)和行業(yè)經(jīng)驗(yàn)，從而打磨出更多優(yōu)秀的產(chǎn)品和服務(wù)模式，助力產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型。

在對(duì)諸多案例的探尋中，筆者一直在思考的是，為什么騰訊AI的產(chǎn)業(yè)化、商業(yè)化落地效率更高，也更受到實(shí)際用戶的青睞？

現(xiàn)在看來，騰訊的AI研發(fā)一直帶有產(chǎn)品化的思維，對(duì)目標(biāo)用戶需求和痛點(diǎn)考慮的更為周全、具體，這是騰訊原生的DNA在賦能；另一方面，在云計(jì)算、大數(shù)據(jù)方面的領(lǐng)先性，讓騰訊AI有很好的底層支撐和綜合競(jìng)爭(zhēng)力。

3、飛輪效應(yīng)

騰訊AI的產(chǎn)業(yè)實(shí)踐，讓我們看到了一種中國(guó)本土AI的趕超模式，我姑且稱為”閉環(huán)效應(yīng)“疊加”飛輪效應(yīng)“的”雙環(huán)組合“。

首先是閉環(huán)，研發(fā)-賦能-落地-反饋-人才，可謂缺一不可，但把這五個(gè)要素形成一個(gè)閉環(huán)，難度更大。

但如前所述，騰訊云智能的打造，已經(jīng)促進(jìn)了這一閉環(huán)的形成，通過聚合騰訊優(yōu)圖實(shí)驗(yàn)室、騰訊AI Lab等騰訊頂級(jí)實(shí)驗(yàn)室的技術(shù)能力、產(chǎn)品能力以及多年的實(shí)踐經(jīng)驗(yàn)，輸出從底層算力支撐到 AI 開發(fā)平臺(tái)、到 AI 產(chǎn)品解決方案、再到頂層數(shù)智化轉(zhuǎn)型方法的四級(jí)全鏈條服務(wù)，就是其具體體現(xiàn)。

現(xiàn)在更急切的任務(wù)是，如何讓這個(gè)飛輪轉(zhuǎn)起來，形成Flywheel Effect（飛輪效應(yīng)）。這其中，四個(gè)“關(guān)鍵引擎”缺一不可。

第一個(gè)引擎，是強(qiáng)大的云計(jì)算、大數(shù)據(jù)底蘊(yùn)。

大家都知道，OpenAI能夠取得成功的一點(diǎn)，是微軟基于云計(jì)算能力，為其打造了一臺(tái)超級(jí)計(jì)算機(jī)，將數(shù)以萬計(jì)的 Nvidia A100 GPU 和 Azure 云計(jì)算平臺(tái)串聯(lián)在一起，能以高吞吐量、低延遲網(wǎng)絡(luò)來使用這些算力。

在這個(gè)層面，騰訊云針對(duì)類似的訓(xùn)練、推理、測(cè)試及優(yōu)化場(chǎng)景，能夠點(diǎn)對(duì)點(diǎn)提供最佳的匹配方案和產(chǎn)品。特別是在大模型訓(xùn)練場(chǎng)景，結(jié)合了騰訊自研的軟硬件技術(shù)，為騰訊云AI計(jì)算、高性能計(jì)算需求提供算力底座�；�礎(chǔ)層將裸金屬云服務(wù)器作為節(jié)點(diǎn)，滿配最新代次的GPU，節(jié)點(diǎn)之間通過RDMA網(wǎng)絡(luò)互聯(lián)，提供高性能、高帶寬和低延遲的算力。

第二個(gè)引擎，是大模型的能力。

行業(yè)里一直圍繞大模型或小模型，大數(shù)據(jù)或小數(shù)據(jù)有爭(zhēng)論，但ChatGPT的問世，決定了至少是在今后3年，大模型是更主流的方向。

打造大模型是極其艱難的，但為其后的泛化提供了保證。就好像如果你編了一本《漢語(yǔ)大字典》，那么再編一本《中學(xué)生字典》就很簡(jiǎn)單；相反你想編一本《小學(xué)生詞典》，但手頭沒有《漢語(yǔ)大字典》做母本，一切也得從0到1來過。

騰訊很低調(diào)，但不意味著其在大模型領(lǐng)域落后，相反，騰訊打造的混元AI大模型，其完整覆蓋NLP（自然語(yǔ)言處理）、CV（計(jì)算機(jī)視覺）、多模態(tài)等基礎(chǔ)模型和眾多行業(yè)/領(lǐng)域模型，已先后在中文語(yǔ)言理解權(quán)威評(píng)測(cè)集合CLUE 與 VCR、MSR-VTT，MSVD等多個(gè)權(quán)威多模態(tài)數(shù)據(jù)集榜單中登頂，實(shí)現(xiàn)跨模態(tài)領(lǐng)域的大滿貫。

值得一提的是，近期混元AI大模型團(tuán)隊(duì)推出了業(yè)界最大的萬億中文NLP預(yù)訓(xùn)練模型HunYuan-NLP-1T，再次打破CLUE三大榜單記錄，實(shí)現(xiàn)在中文語(yǔ)理解能力上的新突破。

第三個(gè)引擎，叫長(zhǎng)期的基礎(chǔ)技術(shù)積累。

基礎(chǔ)技術(shù)積累對(duì)于產(chǎn)品導(dǎo)向型的公司，是一個(gè)發(fā)展悖論。但以產(chǎn)品為名的騰訊，從2015年后，開始傾力于基礎(chǔ)技術(shù)的研發(fā)突破。

微軟對(duì)OpenAI的投入超過百億美金，所以，最簡(jiǎn)單的一個(gè)評(píng)價(jià)標(biāo)準(zhǔn)是——你愿意為基礎(chǔ)研發(fā)花多少錢？

筆者看到的數(shù)據(jù)是，自2015年至2021年，騰訊的研發(fā)投入從90億增加到519億，增量達(dá)4.8倍，是國(guó)內(nèi)增速最快的科技企業(yè)。 其中，2021年騰訊研發(fā)投入達(dá)到518.8億元，較2018年實(shí)現(xiàn)翻番，研發(fā)人員數(shù)量同比增長(zhǎng)41%，新增研發(fā)項(xiàng)目超6000個(gè)。2019-2021年，騰訊三年累計(jì)研發(fā)投入已經(jīng)超過1200億元，年均增速超過30%。

早在2019年，騰訊在全球主要國(guó)家的專利申請(qǐng)數(shù)量已超過30000件，授權(quán)專利數(shù)量超過10000件。專利申請(qǐng)數(shù)量在國(guó)內(nèi)互聯(lián)網(wǎng)公司中排名第一，在全球互聯(lián)網(wǎng)公司中排名第二，僅次于谷歌。

第四個(gè)引擎，叫基于反饋的人才培養(yǎng)。

任何一個(gè)產(chǎn)業(yè)都需要在無數(shù)次反饋中獲取進(jìn)步。 人們對(duì)科學(xué)家的要求可能是千分之一的成功率，但對(duì)產(chǎn)品的要求是千分之一的失敗率。 兩個(gè)千分之一中間，有著漫長(zhǎng)的過程。 但正是因?yàn)轵v訊AI憑借各種形式進(jìn)入千行百業(yè)，就為繼續(xù)創(chuàng)造、探索和不斷改進(jìn)，提供了可能性。 雖然，每一步改進(jìn)都意味著大量的選擇和優(yōu)化，但這是有助于打造在實(shí)踐中大量開發(fā)經(jīng)驗(yàn)和工程訓(xùn)練積累而成的能力。如果說科學(xué)精神是從無到有的探索，那工程精神就是“日拱一卒”的堅(jiān)持。 在筆者看來，除了以上敘及的方方面面，騰訊AI體系的一大成就，是培養(yǎng)了一批了解科學(xué)、懂得技術(shù)，并能把構(gòu)想和創(chuàng)意造出來的新型工作者。

他們?cè)谀撤N程度上，已經(jīng)不符合對(duì)工程師的傳統(tǒng)定義，而是一批能夠掌握把握企業(yè)需求，然后落地成產(chǎn)品、把科學(xué)轉(zhuǎn)化為生產(chǎn)力的高技能人才。他們中的一部分將繼續(xù)成為更高級(jí)的工程技術(shù)人才，也有一小部分會(huì)在研發(fā)中總結(jié)規(guī)律，向科學(xué)家、基礎(chǔ)研發(fā)者的角色發(fā)展。 但毫無疑問，擁有來自實(shí)踐的豐富反饋，以及由此培養(yǎng)出的大批人才，最終幫我們畫完了騰訊AI體系的閉環(huán)。

而順便值得一提的是，騰訊還擁有豐富的多模態(tài)內(nèi)容、復(fù)雜的場(chǎng)景與大量的需求，這些也都是催發(fā)創(chuàng)新、打磨技術(shù)的最佳實(shí)踐環(huán)境。

但問題的關(guān)鍵是，不是所有條件的具足，就自動(dòng)能夠把“能力”變成“成績(jī)”，世上最難的事，就是通過無數(shù)次與不確定性的博弈，把現(xiàn)實(shí)變成最大的確定性。

雖然騰訊AI已經(jīng)在數(shù)十、數(shù)百個(gè)行業(yè)中落地，但有待去探索的產(chǎn)業(yè)和領(lǐng)域卻是成千上萬，它們的需求、場(chǎng)景和痛點(diǎn)，是中國(guó)AI技術(shù)發(fā)展的豐厚土壤。以如此宏闊的未來圖景，我們相信包括騰訊在內(nèi)的科技企業(yè)將有更大的作為，當(dāng)他們進(jìn)入全球的AI領(lǐng)導(dǎo)者行業(yè)之一，我們?cè)贋槠浼用幔�似乎是一個(gè)更好的選擇。

       原文標(biāo)題 : 什么是中國(guó)AI趕超的正確姿勢(shì)？