独家丨李志飞将在大模型领域创业，做中国的 OpenAI|人工智能技术

综合报道

16min read

独家丨李志飞将在大模型领域创业，做中国的 OpenAI

凌梓郡2023/02/16

摘要

ChatGPT 的爆火点燃了 AI 大模型时代，李志飞告诉极客公园，自己将全力投入其中。

ChatGPT 爆火后，新的共识正在逐渐形成：语言大模型将成为下一个科技时代的超级加速器。中国也需要自己的 AI 大模型。而有能力做这件事的人选并不多，李志飞是其中之一。

作为科技创业圈最资深的自然语言科学家之一，李志飞出身美国约翰霍普金斯大学语言与语音处理实验室，博士期间一直研究机器翻译和自然语言处理。离开大学后，李志飞加入谷歌 AI 团队，主导开发了包括谷歌手机版离线翻译等一系列产品。2012 年，他选择回国，在语音交互领域创业，创立出门问问。

ChatGPT 火起来之后，他一个月两次前往硅谷，和来自 Open AI、谷歌、DeepMind 等各家的工程师和科学家交流取经。「AI 大模型的元年」来了，这是他最直观的感受。一番调研之后，他明白这场大模型之战，参赛选手不止巨头，也不会是只有一两个幸存者的「生存游戏」。

语言模型、人机交互，变革发生在李志飞学习、研究、工作了十几年的领域。他告诉极客公园，已经下定决心投身其中，做一个中国的语言大模型。

「我一直想做一个我能做，我喜欢做，同时也有深远价值的事情。」他表示，早在 2020 年 GPT-3 刚发布时，他就提出 GPT-3 是「暴力美学」的胜利，看到了通往 AGI 的可能性，并最早着手开发 GPT-3 中文版 UCLAI。

近日，李志飞和极客公园进行了一场近两个小时的交流，分享了自己对大模型、ChatGPT 的看法，以及自己接下来在这个领域创业的思路。

以下是对话实录，由极客公园整理。

「这就是 AI

大模型时代的开启」

极客公园：怎么理解这场 ChatGPT 带来的狂热浪潮？新在什么地方？为什么大家现在这么兴奋？

李志飞：ChatGPT 始于一个基于统计的语言模型，通过千亿级参数的训练，让它拥有了各种能力，可以快速学会各种任务。这次普通老百姓都体验到，ChatGPT 在语言表达、回答知识性的问题、多轮对话的上下文逻辑等方面的表现，带来的体验超出所有人的期望。它可以编程、做算术题、写诗，甚至某种程度上比真人做得都要好。

极客公园：除了震惊的体验本身，在创业者或者资本看来，是怎么把它看成一个变革性的商业机会的？

李志飞：我过年第二天就再次跑到美国去，初衷就是想了解有没有人清楚这是怎么搞出来的，为什么大模型这么厉害。

我跟 Google、OpenAI、DeepMind、Meta、Amazon 的人聊，即使技术大牛都还不清楚 ChatGPT 如何拥有这种能力。但是大家能够看到很多现象。第一，用户太疯狂了；第二，美国太疯狂了，在美国知名孵化器 Y Combinator，可能有三分之一以上的项目都是基于大模型做的应用。

所有人都认为，这是 AI 大模型时代的开启，就像 2010 年移动互联网时代一样。不到硅谷，切身感受到 AIGC 的火热，我不会下定此刻是「AI 大模型时代」这一结论。我每天七八个会从早说到晚，喉咙都是哑的，都是讨论这个东西。让你觉得这就是一个时代的开端。

图片来源：DeepMind

极客公园：对这个时间节点，很多人将其比作移动互联网的 iPhone 时刻。大家已经想清楚这是一场怎样的变革了吗？

李志飞：为什么说现在 AI 大模型出来，大家像 2010 或 2011 年的时候看移动互联网一样？我 2010 年在硅谷，当年所有人都觉得移动互联网是一个大事，但所有人也都觉得商业模式不清晰，因为屏幕太小，广告做不了，而且网络信号也不好。但是当时大家看到几个东西，比如屏幕体验已经很好了，3G 通讯也能用了，在路上发邮件查餐馆虽慢一些，但是 GPS 很准。

我对现在也有这种感觉，直觉这是一个大事情。美国创投在 2022 年 10 月已经觉醒了，当时我在美国，有一位红杉的投资者跟我说，李志飞，你的时代到了。我说为啥？他说你知道吗？在美国，红杉所有的管理合伙人只讨论 AIGC，别的项目都不看了。

极客公园：今天，投资 AIGC 还是很多 VC 的看点，但最近大家对于底层 AI 大模型的热情也涨起来了。这是什么原因？

李志飞：现在很多人把 AIGC、ChatGPT、AI 大模型搅在一起。要先理清楚这三个是不同的概念。最底层是 AI 通用大模型，上面可以做 AIGC，比如说 Midjourney 可以画画，Jasper 可以写文案等；也可以基于底层模型做对话机器人，比如基于ChatGPT。在美国，除了 OpenAI 和巨头，还有另外三、四家创业公司也都在做 AI 通用大模型，都有大几亿美金的投入。

但是在中国，你突然发现，要进入 AI 大模型时代，根本就没有一个基本的、能玩得好的 AI 大模型，怎么做应用？如果现在是移动互联网的开端，安卓、 iOS 是不是超级重要？但是今天中国缺乏大模型时代的安卓、 iOS，所以根本没法开发应用。即使中美完全畅通，以今天中国科技的发达程度，以及资本的力量，AI 大模型肯定也是一个必须的基础设施。

极客公园：AI 大模型就是 AI 时代的操作系统级别的存在？

李志飞：我不太想把它比作操作系统，也不想把现在看成 iPhone 时刻或者网景时刻。因为我觉得所有这些比喻，都会让我们错误地去判断这个事情。如果把它比作操作系统，按历史看我们会觉得中国肯定没戏；如果把现在看成网景时刻或 iPhone 时刻，那创业者应该选择去做一个网站或移动 APP，但现在中国缺的反而的是一个大模型时代的浏览器或 iPhone。

另外从形态来讲，无论是浏览器，还是硬件，还是安卓 iOS，都是一个离线的东西，或者是一个静态的东西。

AI 大模型是一个跟数据、业务高度融合，需要动态迭代发展的一个存在，它是个 service，下面不停在变，和应用深度的融合。它远远比当年静态的事物要更加有多样性，有更多可能性。

极客公园：更接近一个新时代的云。

李志飞：我觉得比喻成智能云 OS 更好一点，这是一种整合的流动的 Service。凡是离线的、硬件的、实体的来类比，AI 大模型都会被带偏。任何对它历史形态的简单归纳，都有可能束缚对于它的正确理解。

「它可能让整个

价值链都重新塑造」

极客公园：既然不能做定义，怎么理解目前 AI 大模型展现出的超强能力和想象空间？

李志飞：在我看来，它是一个「通用的认知引擎」。首先它有超强的语言能力，在学习语言的过程中，也学习了很多知识和逻辑。有了这些基本能力后，就能快速拥有做各种任务的能力。

比如说只需要给它少量的数据，就能够做翻译。本来它只懂中文，但如果你给了一万个中英互译的例子，它就能够很快做好翻译。就像打通任督二脉一样，它很快就能够自己把能力串通。

所以这个认知大模型的能力会带来很多可能性。比如拿现在的大模型加一些蛋白质结构的数据，它展现出来的预测结构的能力，很可能就比不是基于语言大模型的其它模型效果要好得多。

极客公园：为什么通用大模型会有这么强大的潜力？

李志飞：模型学会了非常底层的结构和机制。万物都是自然产生的，语言也好，生物结构也好，它一定符合某种我们目前难以解释的规律。模型经过互联网上所有的数据训练之后，它也获得了某种属于自己的解读方式。

极客公园：这种能力是通过学习语言获得的吗？

李志飞：语言是底层的突破，如今通用性表现在，这个系统能够通过语言模型，做各种各样的任务。以前的语言模型只能做某一个具体任务。比如有一个训练好的预训练模型，有潜力做很多任务，但是一旦进行 Fine Tuning (微调）之后，就只能做一个任务了。微调让它处理任务的准确率更高，但却是以丧失多任务能力为代价的。

现在的通用大模型，即使进行了微调后，依旧可以做多个任务。预训练的核心是让它有基础的认知和逻辑能力，通过微调引导，让它能够在各项任务上处理得更好，知道怎么使用已有的知识。

极客公园：就像让一个人上完大学之后，获得了基础能力，然后可以从事不同的岗位，做不同的事情。而不是在幼儿园的时候，就开始训练它拧螺丝。

李志飞：这个比喻很对。以前做某个单独任务，比如机器翻译，就像一上来就教它拧螺丝。当然这也需要一定的语言逻辑和知识能力。但是如果第一天只教了拧螺丝，比起先让它读大学，然后再教它拧螺丝，可能后者拧得更好。第一是学得快速高效，比如之前可能要教 5 年，现在只要教 5 天就行了。第二，不但可以拧螺丝，还可以教它写论文，做教授。只要用很少量的例子，就可以让它快速学习。

极客公园：这样通用大模型的出现，对于 AGI（通用人工智能）意味着什么？

李志飞：今年可以说是 AI 通用大模型的元年。对于 AGI 来说，我认为是明确有光，越来越逼近，也可能永远都不能到达。今天人类的智能可能也没有被挖掘充分。AGI 的天花板可能是人类集体智能的一个集合。如果你把全世界每一个人具备的能力，以及特异的东西都聚合在一起，看成一个抽象统一体，这就通向集体智能。

如果这样假设，现在是这个阶段的起点。

极客公园：如果说现在我们能够看到基于 AI 带来的全新生产力。它会给现实带来怎样的影响？

李志飞：现在 ChatGPT 或 AIGC，还存在于虚拟世界，帮助人类提升效率，比如自动化一些步骤、做一些重复的工作，或者给一些脑暴 idea。未来三五年，都是人的得力助手。

图片来源：DeepMind

我们为什么觉得它厉害，后面的应用可能远超互联网，因为这是一个「通用的认知模型」。一旦把这个方法论、基础放到不同领域，可能会重塑很多东西。

我觉得它可能真的会让整个价值链都重新塑造。比如对于程序员，以后可以用自然语言沟通，提供数据，模型直接写程序。这可能就会导致计算范式产生巨大的改变，操作系统、分布式计算、甚至芯片本身的大部分工作，都会从程序驱动变成数据驱动。这种改变发生以后，今天还有生意的一部分企业，可能再过 10 年就没生意了。

「AI 通用大模型

是一个核武器，

它是有时间窗口的」

极客公园：2020 年 GPT-3 出来的时候，大家挺震撼的，国内也热过一波。在那个变化发生的时候，大家没有去把它持续不断地做好，是因为什么？

李志飞：抽象地说，第一，没有对于 AGI 的信仰；第二，就算你有信仰，像我这种已经产生的信仰，并且当时也训练了 GPT-3 中文版 UCLAI，但还是不够坚决；第三，到执行层面，也没有足够的钱；第四，没有一个有真实用户的线上大模型，就没有产品和数据闭环。GPT-3 从 2020 年已经在线上跑了，拿到数据，然后每个星期重新优化迭代。

GPT-3 中文版 UCLAI | 图片来源：出门问问

极客公园：在国内，功能性、专用的 AI 很早就在各个场景里应用了，但是大家更多去考虑应用场景，而没有对大模型的革命力有更多的想象。

李志飞：对，刚才只是讲了一些抽象的东西。整个土壤不一样，土壤孕育的人也不一样。人和钱都很重要。比如美国，有一批财务自由的人，总是要干一些跟别人不一样、超级不确定的东西。甚至有时候非常偏执。OpenAI 前三年在毫无营收的前提下，每年烧 5 亿美金。

咱们对不确定性的东西，天然比较恐惧，但跟 10 年前比好太多了。10 年前中国是什么状况，当时我回国做中文版 Siri，做一个语音 APP，大家都觉得如神一般。如果我今天只是把 API（Application Programming Interface 应用程序编程接口）包装一下，做一个 ChatGPT，大家就会觉得山寨。因为大家已经开始认识到，需要 10 亿美金砸里边做大模型。

极客公园：如果说今天就像哥伦布已经发现新大陆，在中国我们要去复现属于自己的 AI 大模型，是怎样的难度？

李志飞：首先，我们知道新大陆肯定有金子；第二，我们大概知道路线是什么样子，但没有特别精准的地图。我们知道 LLM 能够实现，也大概知道它的原理是什么样子，但是做的过程中，肯定有无穷的风浪，有很多决定需要去做，才能够到达彼岸。

现在市场上流传着中美之间的差距是两年，或者不到两年。我觉得，如果现在有足够多的钱、算力、人，我们今天开始搞一个中文 ChatGPT，可以做到和它性能差不多或者差一点，这就是我们培养的一个大学生。人家的大学生现在已经 80 分了，我们培养的是 60 几分，只要努力，后面升到 80 分也越来越快了。

极客公园：比较而言，目前中国做 AI 大模型，有什么优势，有什么劣势？

李志飞：先说短处，对于大规模的 AI 大模型，我们的人才是非常少的，因为中国没有怎么训练出过好的大模型。过去我们的模型参数可能也很多，但不是通用的，语音识别、TTS、人脸识别都单独做一套，所以方法论也有点不一样。还是以大学生比喻，目前中国训练的大模型可能只有 40 分，没到 60 分。只有先做出一个 60 分的大模型，有了自学能力，才能靠勤奋努力升到 80 分。

同时我们也有优势，比如在数据层面，可以标注海量的数据，可以做精修；第二，如果方向很清晰，中国是很擅长「暴力美学」的。

极客公园：对于 AI 大模型，目前所有人都说不清楚商业模式、最终产品形态是什么样。在这种不清晰的状态下，在中国，做一个小一点的东西，直接通向某个目标，是不是更合适？

李志飞：我觉得，最一流、最前沿的投资者，这一时刻大概率会选择最大的东西，因为垂直领域的东西根本就不用着急。大家都知道通用 AI 大模型是一个核武器，它是有时间窗口的。人才壁垒、时间壁垒、数据壁垒、资金壁垒一旦建立起来，小的团队就没有戏了。

目前，美国做通用 AI 大模型的融资窗口就已经关了，除了 OpenAI 以外，好几家都有大几亿美金。除非有超级牛的人进来，否则不会再有 VC 再进去。

极客公园：如果未来中国也出现了一个类似 OpenAI 的大模型，以及垂直领域的细分模型，未来的产业形态会是怎样？

李志飞：肯定不会是一个大模型。在美国，可能 Amazon 会有一个，不管是自己做，还是收购，微软和 OpenAI 会有一个，Google 会有一个，创业公司还会有一两个。它是一个通用认知模型，后面还有各种各样的商业模式，比如在金融领域做一个应用的模型。但是前提是你有了一个 60 分的大学生，才能通过勤奋努力学会搞金融。

我觉得大模型的数量不会像以前互联网操作系统那样就两个，那是一个静态的东西。因为我们现在想象不出来通用大模型到底还能做出什么，在别的应用领域是不是能重塑各种各样的形态。比如制造业，可能也要有一个，但前提是要有通用大模型的能力。

「现在要争分夺秒

拿到参赛门票」

极客公园：如今环境在变化，有决心的人也在出现，比如王慧文。足够富裕，敢冒风险的人有了，投资人也出现了。有了这些条件后，做这件事还有哪些难点和不确定性？

李志飞：技术之外的因素，比如 CEO 和首席科学家是不是在某些决策，或者对时间的期望能够达成关键一致？比如，首席科学家要花 1 亿人民币买 1000 张显卡，三个月之后才能训练出一个参数 1000 亿的模型。如果 CEO 特别急躁，说 1 亿人民币，三个月以后还不知道能不能做出来，问一个月做出来 500 亿参数的行不行？看起来很简单的东西，如果两边的判断不一致，可能会导致下不了决心，或导致动作变形。找人工智能科学家难，怎么用好人工智能科学家更难。

高层对时间、节奏、投入的认知要达成高度一致。包括投入多少钱、多少数据、多少人、多少算力。团队之间也是一样，还会遇到很多工程选择，比如做模型，是用更多的预训练数据，还是去标注更多的数据？在模型结构里，是把所谓的 context 长度变长，还是把字符向量表示得宽一些？至少有几十个超参数需要去处理。每个超参数随便一变，就可能影响你的时间、钱、要用的 GPU，最后结果还不确定。

极客公园：巨大的工程量面前，影响结果的不确定性因素很多。

李志飞：这些 OpenAI 也不会告诉你答案，他可能尝试过很多，什么样的数据、方法论，以及投入的预算是最优解。即使他把参数给你，你可能也不一定能搞对。

所有因素，如果高层不能很好地与程序员沟通，就会有风险。还有执行层面，数据清洗得好不好；GPU 的并行训练处理得如何，使得 GPU 的利用率比较低；数据的标注质量是不是足够好；各个模块可能有几百个因素，如果一个因素没有弄好，要么浪费钱，要么训不出来。

极客公园：要处理这些问题，对于这样技术公司的 CEO 是一个巨大的考验。

李志飞：绝对的。在这一刻的起点，首席科学家肯定是最重要的。

极客公园：做这样一个领军人物，除了对技术了解，也要会杀伐决断，聚集人才，除此之外还有什么特性很重要？

李志飞：很难去概括，但是可以类比。比如在硅谷，怎么判断一个人是不是非常 technical 或者是很硅谷范儿，你只要问他几个问题就知道了。

这是认知经验带来的交流效率。学术界高手过招也是这样，比如有些问题我已经冥思苦想了很久，各种办法都试过，我知道对方也在做这个事情，我们可能只花 5 分钟交流，就能对齐答案。他可能说一个名词，说哪一篇论文是可以做这个事情的，或者哪篇论文里边哪一部分是可以解决这个问题的，你立刻就知道此人的能力层次。他能思考到这个程度，一定是一个很长的过程。哪怕我们对问题的定义不一样，双方至少在这个地方真的是深度思考过。

极客公园：怎么看目前大模型的竞争环境？时间节点是怎样的？

李志飞：如何与巨头竞争，目前还回答不了。顶级投资者更关心的是花多少钱能搞出来，是不是能做成。

在我的想象里，到明年 6 月，只要你能做出这个 60 分的基础大模型，哪怕市场上有 5 个，都能进入下一轮竞赛。现在要争分夺秒拿到参赛资格，想太多只会让你犹豫，觉得风险太大。如果是做垂直大模型或应用，一点都不要急，慢慢来。

现在到了我的主战场，

一定要参与

极客公园：那你自己是怎么做决定的？

李志飞：这是我的主战场，我一定要参与。我读了多年的 NLP 博士，在 Google 做的也是语言翻译相关工作，创业十年做语音交互和生成式 AI。现在 NLP 领域有如此大事，中国也需要自己的通用大模型，此时不做，更待何时。

这是我的专业，也是我的热情，同时也相信能建立深厚壁垒和深远价值。关于壁垒，我这次去美国之前总觉得 Google 是不是很容易做出 ChatGPT。但跟很多人聊完以后，我意识到这里边其实可以建立很多壁垒，Google 要立马做到 ChatGPT 这种水平也不容易。

极客公园：你也要做中国版的 OpenAI？

李志飞：中国版 OpenAI 只是让向公众描述这件事更容易。但最核心，我看好的还是「通用的认知模型」本身。两年前我就已经着手做大模型了，是国内最早开始认真做大模型的一批。

2020 年，GPT-3 刚出来我们就训练过一个大模型 GPT-3 中文版 UCLAI，在此基础上，我们做了文言文和白话文翻译、古画生成、音乐合成等方面的实践，也成功做出了业界 Top1 的配音产品「魔音工坊」等，拥有国内最好的 AIGC 用户量和营收规模，在世界范围也仅次于 Midjourney 和 Jasper。