韩维辰会回国内发展吗

黄仁勋说自己现在要搞这个物理的 ai 啊，其实中国早就在开始做这方面的工作了，黄仁勋最近在这个 c e s 上讲了一个最新的概念，叫物理 ai， 哎，弄得我们国内好多人就开始紧张，开始破防了，觉得好像一夜之间黄仁勋就可以靠这个东西把这个制造业呢搬回美国。 然后很多人就担心说，那这样一来的话，你中国的那些工程师的优势，你的这个产业链的优势，你的制造能力，那不就是被黄教主的物理 ai 彻底的平替掉了吗？ 就说实话，我看了一下黄仁勋讲的这个东西啊，数我本人眼界狭窄，我觉得没有那么夸张，就如果说我们能够冷静下来的话，就是把黄仁勋讲的这些东西给他拆开了看。我觉得大家都会发现一个很重要的事实，那就是他的这套趋势听起来非常的宏大， 还让人觉得耳目一新，但其实并不是什么突破性的原创，更何况他也谈不上说美国很快就能够把这条路跑通。那我来讲讲我的观点啊，就第一个问题，那我先说说我对于这个所谓的物理 ai 的 理解，不一定对啊，大家这个见谅。 黄仁勋给他的定义是让 ai 不 止呢理解语言和图像，而是能够去认识和理解物理世界，能够在真实的环境当中去感知推理， 去做出决策，并且呢执行各种动作和任务，听起来很高级吧，但是如果啊把这个概念咱们翻译成这种工程化的语言，他其实就是在讲三件事情， 一是对真实世界的建模，二是对这个复杂系统的仿真，三是在仿真和现实之间去反复的训练和校准，而且我们都知道就是关于这件事情，那个李菲菲哎，在这个斯坦福大学讲了十几年了，并且在全世界的这个机器人圈子里反反复复的也讨论了好多年了， 尤其是自动驾驶领域，那不天天说的都是这事吗？那要我说就是这里边的问题的关键不在于说理念对不对，在于谁到底能够拿什么把它给做出来。 所以这就是我为什么认为就是这个所谓的物理的 ai 呢？并不是什么新鲜玩意。而且从科研发展的历程来看的话，从二零一六年开始， 学术界就已经明确的意识到了，单靠这种生成式的模型是不可能真正的去理解现实世界的。那我们今天这个机器人也好，自动驾驶也好，工业控制也好，本质上都不是语言训练的问题，本质上是要去解决物理约束下的这个决策问题。 过去十几年呢，这条路线一直卡在两个地方，第一个呢，就是预算的成本太高啊，过去没有那么高级的这个芯片对吧？第二个就是真实世界的数据太少，所以呢，这方面的研究一直是停留在实验室，停留在论文上，停留在这个呆萌的层面，并没有进入真正的大规模的工业化应用领域。 第二个问题，就如果说我们把这件事情再往深层次里看一下，我们还会发现另外一个问题，就所谓的物理 ai 和中国过去很多年反复强调的数字孪生工业仿真和智能制造，它本质上就是一回事，那我们做投资的调研过很多项目，对吧？数字孪生是什么呢？他就是在虚拟的世界里边去构建一个尽可能接近真实世界的这个工厂，真实的设备包括真实的流程，哎，这样的一个模型， 然后在里边进行反复的一个演算、优化、试错，最后再反过来去指导现实的生产，包括现实的一种管理系统。实际上这套逻辑，这种产品，这种模式，在中国的工厂生产领域，在制造业领域，在这个能源、交通、电网这些领域里边早就玩了很多年了。 那关于这点，我相信有过实体生产经验的人应该能够同意我的说法。第三个问题就是物理 ai 的 关键，它不在于说你美国人有没有想明白，而是你美国人现在能不能做出来。要我看的话，就是要做成物理 ai 这件事情，你至少有三个硬性的条件，缺一不可啊，这就是大量真实、连续可用的工业场景。 第二个是必须要具备高频的、高质量的、完整的生产数据。第三个就是能够长期支持算力、高频度预算的能源和基础设施。那咱们先说工业场景，你物理 ai 不 可能在实验室，不可能在 ppt 里去训练出来吧？ 他必须要安排机器人进入工厂，上到生产线上，然后去接触各种各样的设备，然后去进行各种作业的尝试和试错。就是你这个机器人，你得学会拧螺丝，你得学会搬东西，你得学会焊接、装配。那这些功能可不是看几段视频啊，模拟模拟就可以的了，他必须要在真实的环境当中反复的训练上千次， 反复的失败无数次。但是问题在于，试问美国有多少这样的工厂啊？美国现在制造业的增加值只占到他整个 gdp 比中的百分之十一左右， 你上哪去找那么多的工业场景呢？那么还有一点是，就美国现在它大量的制造业，它是集中在高端的、小批量、高度自动化的这个领域里边，缺少了密集的、复杂的、变化多端的这种多场景的工业现场。那没有这些复杂的现场，你物理的 ai 拿什么去训练？拿什么去理解真实的世界呢？ 咱们再说这个工业数据啊，那生成式的 ai， 你 可以靠互联网的文本啊，可以靠这个图片来推理，训练是物理， ai 肯定不行啊，需要的是设备的运行数据，需要的是工艺的参数，需要的是故障的记录，各种环境的变化，包括 人工干预的各种行为指南，这些数据只能够来自于生产的一线，这些数据只有中国是最丰富的，因为中国拥有全球最完整的工业门类体系，有四十一个工业的大类，两百零七个工业的中类， 规模以上的工业企业的数量超过了四十八万家。假设说想让机器人来学习干活的话，中国有的是地方让机器人天天干，但是你美国呢？根本就没有那么多的工业数据。有人说美国可以靠欧洲和日本来提供数据啊，但问题是欧洲和日本的厂商愿不愿意给美国，给英伟达提供这样的数据呢？ 因为这些数据啊，它已经不是技术层面的问题，而是涉及到产业的秘密，涉及到数据主权和数据安全的问题了。所以这个物理 ai 这件事情，你越往后走，它越不是你应伟大一家公司能够解决的问题。 再看看第三个条件，就是电力和算力的基础设施。显而易见，物理 ai 这个算力需求的能耗啊，它是远高于生成式 ai 的， 因为它不是一次性推理，它是大量的、反复的、多路径的模拟的推演，所以它对能源的消耗一定是非常非常大的。 那现在美国最大最大的问题是什么呀？大家都很清楚，那就是美国近几年数据中心的用电量，它的增速已经出现了电力的瓶颈， 所以美国现在不得不重启石化能源来保证电力的供应，因此电力一定会成为美国物理 ai 发展的最重要的拦路虎。好，我们接下来说第四个问题，那就是中国的 ai 家其实就是在率先实施物理 ai 行动。黄仁勋讲的这个物理 ai 在 美国还是个设想，还是个 ppt， 但是在中国其实这条路一直在走，只不过呢，我们给他起了一个更加朴实的名字，就是叫 ai 家。中国的 ai 家没有那么多花里胡哨的概念啊，他就是用 ai 去提升真实的生产效率， 就是在用这个工业场景去训练模型，然后再让这个模型反过来去指挥我们的设备，指挥机器人和系统来干活。你去看我们现在很多的钢铁、化工、电厂、港口，包括矿山和物流园区，其实已经有大量的 ai 系统在开始做调度，在做优化了。只是说以前呢， 这个算力和模型有限，哎，没有把它包装成物理 ai 这样高大上的东西而已。就中国现在要走这条路， 真正的短板只有一条，那就什么？就是这个缺乏先进的 gpu。 但是这个问题呢？它不是方向性的问题，它只是时间性的问题。就等到我们将来整个算力的瓶颈被突破之后，我们中国有电力，有工程师， 有全球最复杂最密集的这个工业场景，有全世界最完整的工业数据，所以物理 ai 它这种东西，它反而会在我们中国用的是最彻底最极致的。那我讲这个呢？我的意思就是说，我们不用被这次这个黄仁勋在 c e s 会议上讲的这些话术吓倒了啊，有些人说啊，美国的制造业全面回归了， 哎，中国的制造业呢？要被平替了。王仁勋现在说的只是一个方向，方向不等于领先，不等于实践。就真正决定这一次 ai 竞争胜负的，从来都不是说谁先喊概念的问题了，下一步他一定是谁能够在真实的世界里边 能够把这个物理 ai 系统呢给跑起来，给用起来。那么从这个角度来说，美国其实在这条道路上，他们确实刚刚起步，确实还在写 ppt， 但是中国已经用 ai 加这个战略方针这条路上走了很久了， 当哪天我们整个算力的短板补上来之后，那所谓的物理 ai， 它一定会在中国跑的是一马平川的。

深夜十一点多，山东一家肿瘤医院，一位妈妈拜托外卖小哥给孩子买套新衣服，谁都明白这意味着什么，孩子快走了，只想体面告别。小哥立刻冲出去找童装店，打了十几通电话，终于有一家接了。他简单说明情况，店主二话不说，等我马上回店。关了的店为陌生孩子重新亮灯。 店主挑好衣服鞋子，还悄悄塞了个玩具，小哥飞奔回医院。凌晨一点，孩子穿上了人生最后一套新衣。 他为啥这么拼？二零一九年，他四岁女儿因神经母细胞瘤离世，抗癌三年，他受过太多陌生人帮助，有人垫药费， 有人捐完就拉黑，有人帮女儿拍古装照。临终前，女儿说，爸爸多帮帮别的小朋友。从此他留在肿瘤医院，跑单家做志愿者，自己淋过雨，所以拼命为别人撑伞。此刻，他女儿一定在天上骄傲的说，那是我爸爸！

哎，你是否注意到一个扎心的规律啊，就是那些本可以颠覆时代的前沿科技，一到我们这，总是会被先套上枷锁。那早年的国产手机被刻意限制 wifi 功能，那普通人想上网只能买水货，那马斯克的心恋在全球风生水起，在我们这始终就是落地难。 就连苹果的 excel 技术，也得经历功能阉割才能进入市场。这看似是技术可归问题，本质上就是一场关于控制欲与创新力的生死博弈。而时钟拨回。这十五年前，中美互联网江湖各有一位枭雄， 百度和谷歌。二零一零年，谷歌因为政策原因退出中国，但百度成了国内搜索领域的无冕之王。可如今，你再看 谷歌，在 ai、 安卓、 youtube、 云服务领域构建了万亿商业帝国，而百度在失去了外部竞争后，靠广告流量苟延残喘，那后来转型 ai， 也只是水花渐起，又落下市值，连谷歌的零头都够不着。 同样的起点，完全不同的结局，这不得不让人追问啊，是我们主动拒绝了世界的创新浪潮，还是世界的创新赛道早就把我们甩到了身后？再深挖，你就会发现，新技术在我们这里，素面轨迹是惊人的一致啊，先强力管控，再试探开放。先阉割功能，再谈创新突破。那 ai 是 这样， 区块链也是这样，下一代互联网 web 三点零更是在重走这样的老路。那当我们一次次用控制的料铐锁住创新的翅膀时，可曾想过，这种循环最终会让中国科技在全球竞争中陷入怎样的被动吗？ web 三会步入百度的后尘吗？在风险管控和创新突围的天平下，我们到底是在筑墙自保，还是在画地为牢？那这些问题值得我们每一个关心中国科技未来的人好好琢磨琢磨。你怎么看？欢迎在评论区留下你的犀利观点。嗯。