回复@味更醇: 还是算力问题//@味更醇:回复@山行:感谢山行兄开了这个话题。很高兴能分享自己的想法。
因为这篇帖子主要是用于科普，所以我就简单地谈一下我的看法和想法，试图去简单描述一下未来可能的机会和方向在哪里。申明一下，这篇帖子只讨论目前备受关注的大模型人工智能相关的东西，不讨论其余的人工智能技术，比如推荐系统，图像识别等等。
如果把大模型人工智能产业链简单地区分一下，我认为可以分为三层。第一层是硬件层，也就是算力层，目前由英伟达统治；第二层是大模型层，目前最突出的公司是背靠英伟达和微软的openai；第三层是应用层，这一层主要基于大模型做应用，目前已经有了gpt应用商店，但是没有诞生比较大影响力的公司。
对于第一层硬件层/算力层，目前我国的公司和英伟达差距甚远。我觉得算力不仅仅是有无，还有优劣之分。如果只是像yzd一样只要制造出来，优劣没有太大区别的话那很好办。但是，如果我们制造出来的算力芯片和别人差太多，就没有太大的意义。
对于第二层大模型层。先要说一下大模型是怎么诞生的。简单来说，一个大模型是大量高质量的数据训练合理算法框架得出的结果。这里面有三个词，大量高质量的数据、训练、合理的算法框架。第一，对于大量高质量的数据，在数据的量上我国有优势，毕竟场景和人口都有优势，这一块我国有好的公司出现时非常有可能的。第二，合理的算法框架，这个是每个公司内部的秘密，每个公司都有自己的框架。我国和mg都有非常多的公司在做大模型。第三，训练。训练是一个非常庞大的工程，大模型训练一次要花几个月的时间，以及上千万美元的费用。怎么去训练，以及怎么传输好海量的数据都是非常复杂且困难的工程问题。从Google的bard等一众大模型都比不上openai的gpt4.0和sora上看，其余公司的差距要远远大于google和openai的差距。想要追上也是一件非常酷男的事情，因为训练的成本对于openai来说是指数级下降的（反过来说就是他们的效率在指数级上升）。
对于第三层应用层。我认为，在相对较短的时间内（2-3年），出现有影响力的公司的概率非常大。这一点是毋庸置疑的。比如专业的私人医疗助手，这个就是一个非常好的应用。这一层我国和mg都有非常大的机会。不存在很大的初始差别。
第一层和第二层我们的差距都太远。但是长期来看，这个方向是国家大力发展，一定要做出来的。不过想要追上确实压力非常大，openai确实一骑绝尘。