AI浪潮漫谈｜智谱CEO张鹏专访笔记

AI漫谈 · 访谈笔记

如何与AI共处？我们需要一整个时代的适应

智谱CEO张鹏专访 · 全文精华提炼

核心观点

● AI从1956年达特茅斯会议开启，目标始终是「模拟人类智能并服务人」，只是路径不断演进。

● 大模型只是实现AI的一种技术方法，不是全部；今天的技术虽在迭代，但图灵时代提出的智能之问与验证，至今未能跳出。

● AI发展七十年间几起几落，从没有「一帆风顺」的必然；「目标远大」与「资源有限」之间的落差，恰是推动行业前进的渗透压。

● 「人只接触过人，尚未学习如何与AI和谐共处」——这是张鹏认为当下每个人都必须面对的问题。

AI发展的三个核心要素

算力

发动机：GPU浮点计算能力的崛起，让深度学习的规模不断突破边界。

数据

燃料：PC普及与互联网的出现，堪称让深度学习飞跑的「石油输出」时刻。

算法

驾驶舱：从感知机到专家系统，再到Transformer与GPT系列「端到端」新范式。

三者动态循环，螺旋上升，相互刺激，永不止息。

发·展·脉·络

AI七十年：从图灵到GPT的关键节点

1950

图灵发表《计算机器与智能》，提出「智能」之问与图灵测试，以行为学定义智能。

1956

达特茅斯会议正式定义「人工智能」这一学科方向。

1958

感知机诞生——通过数据迭代在超平面中找到分类方法，「机器学习」思想的最早源头。

1966

MIT开发出第一个真正意义上的聊天机器人。

1973

「AI的局限性」报告发布，第一次AI寒冬到来——理想过高，实际差距悬殊，资金断流。

1981

第一台带GPU的计算机出现。GPU强化浮点计算，恰好符合AI的科学计算需求。

1980s末-1990s初

专家系统盛极而衰，知识穷举不可行、计算量指数级膨胀，第二次AI寒冬来临。

1997

深蓝击败国际象棋世界冠军卡斯帕罗夫，标志着搜索式AI的一次巅峰。

2016

AlphaGo击败李世石；同日前后Google发表Transformer论文——下一个范式的钥匙首次亮相。同年AlphaFold加速蛋白质结构预测。

2018

OpenAI科学家团队果断转向Transformer路线，GPT-1开发。

2019-2020

GPT-3发布，业界开始认知到「一切都变了」——预训练大模型成为新范式。

近期

DeepSeek以开源和大幅降低成本冲击市场；行业共识：百花齐放但正在收敛。

深·度·解·读

几个关键概念的一种解读

聊天与AI的关系

答案并非偶然。语言交流是最自然的智能检验方式。从图灵测试开始，「会不会聊天」就是衡量智能的核心标尺。

大模型大在哪

模型本质是巨大的参数矩阵。感知机时代参数只有「几个」，达到进Transformer水平的模型则拥有千万至上千亿级参数——「规模」本身带来能力质变。

通用模型VS垂直模型

曾经被热烈讨论的垂直模型路线如今基本被证伪：专业数据喂给通用模型后，通用模型更强；垂直小模型既无法保持能力优势，也无法绕开成本问题，「伪命题」成为行业共识。

白盒到黑盒

早期的AI是「白盒」逻辑——规则可解释、体系可推演；到了深度学习的黑盒阶段，端到端变得效果更好。张鹏说，「人的大脑至今也是个黑盒」，与其硬拆，不如从行为上逼近。

                AGI不是抽象的。只要把「目标」定义清楚——比如「我的车能自己去地库接我」——行为学意义上的AGI就可能分步实现。定义决定了通往它的路径。
            

智·能·之·问

「人工智能要取代人吗？」

张鹏的回答：更像一次进化的加速

AI确实正在改变生态。知识量上AI或许超过普通人，这是全新的人际关系。

人很难被取代。历史每个阶段都在经历「危机论」——蒸汽机、计算机、硬盘……人类不仅活下来，还过得更好。

最大的冲击是「从未与异类智能相处」。张鹏将其类比于人遇到外星智慧体时的摸索与适应。人只与人打过交道，与AI共处并没有现成答案可抄。

AI也有人没有的能力边界。张鹏认为，AI的演化分L1-L5五级：智谱按「知识压缩学习—推理—自我学习—意识—其他」梳理。目前大模型大概走到第三级。自我意识、情感、欲望等，未必会在AI形态上出现；在它「不在」的地方，人类的价值会永远留存。

商·业·观·察

竞争格局：收敛与多样化的平衡

全球大模型主要玩家大概「5+5」，中国和美国各自5-6家，欧洲有Mistral等。

「只剩一家」几乎是幻觉。张鹏判断技术上需要多样性，且技术中早期变革太快，各玩家很难被一家垄断。

长期仍会收敛：头部GPU大玩家将逐渐集中，做通用大模型的门槛会更高，但模型之上会生长出一个庞大的新生态——基础设施、平台、垂直服务与数据，机会极多。

中美AI发展路径差异

美国路径：极致创新，追求「高度」——资本与顶尖人才在小范围内高度聚集，投入不计成本，像发射火箭。

中国路径：稳定与普惠，侧重「AI赋能千行百业」，强调效率、ROI、沿途下蛋。在每个阶段把技术成果转化落地，并用商业化支持下一轮追赶。

美国做0到1，中国做1到10到100——但这不是「低端」的代名词，恰是一种不同的战略选择。

智谱的商业模式：MaaS（Model as a Service）

核心理念：把大模型能力封装为服务，让客户不用理解模型内部，像用水电一样即取即用。

客户样本：中国前十大互联网公司中有九家成为智谱客户；通过模型能力帮助社交平台做跨语言内容互译，也曾长期与手机厂商合作往端侧植入AI。

差异化优势：张鹏认为智谱最核心的壁垒是「专注」与「认知」，永远在技术最前沿押注算法与创新。

「我们要做的，就是不断保持对技术创新的领先感知，用技术的速度与创新创造出市场空间，在这个周期窗口里获取更高的利润价值。技术溢价，创新的技术溢价，就是这么来的。」

沉·思·留·白

给普通人的一些启发

不要线性外推：张鹏提到最大的认知限制是用过去经验推测未来——AI真正带来的变化往往在习惯性想象之外。
AI是工具，不是对手：失业讨论只是起点；人类适应能力远比自己预想的强。
观察AI落地的真实场景：它可能不在新闻里，而在药物发现、蛋白质结构预测、边缘端部署、社交内容翻译这些细微而巨大的角落。

后记

AI的商业化仍处于培育阶段。智谱以「敢于尝试」的姿态入场，需要在巨大的技术与资金投入、快速迭代的模型能力和真实市场价值之间，找到平衡点。

这不止是一家公司的挑战，也是所有即将学会与AI共处之人的必修课。

—— 由 CuteNote.app 颜值笔记整理