采訪、撰文丨宇婷

上周谷歌正式發布的 AI 大模型 PaLM2 ，被稱為“重磅反擊” ChatGPT 的 AI 軍備競賽升級。如果從翻譯、地圖、辦公等局部功能看有新意，但在本質上是否真的推動 AI 向前走了一步呢？

“并沒有實質突破”，就這一問題，我訪問了崔興龍。作為元知科技集團聯席總裁、元知智能研究院執行院長的崔興龍曾供職于 Google 美國研究院，負責跨語言翻譯搜索項目及 PIM 數模語義轉換項目，他也是我所認識的最早從 1.0 時期就開始關注 ChatGPT 等相關模型的AI領域研究者。

崔興龍曾作為創始合伙人成立了多家公司并成功退出，其中包含兩家上市公司。

元知智能研究院隸屬于元知科技集團，旗下元知科技投資了商湯、奇虎 360 、陸金所、平安好醫生等項目。

在去年與崔興龍的訪談中，他談及了話題：M 型社會下，大企數字化“平臺”趨勢不可逆，并且 AI 在其中能夠推動自由社群的實現。（此處加去年稿件鏈接）

“在解碼和編碼達到一定的高度后， AI 能夠逐漸模擬出人類思想和智慧的總和，但突破不了人類極限。因為在這一輪AI所誕生的應用表明，人類編碼、解碼的語言框架已經限定了其發展?！贝夼d龍認為。

“重要的是思考清楚 AI 如何逼近人類的智能總和，無法突破人類智能邊界的原因，以及解決的可能性在哪里?！?/p>

當下對于 ChatGPT 和 AIGC 的評價呈現出兩個極端。一方面是工具論，另一方面則是要限制 AI 的發展。如何突破“術”的層面去理解 AI ，需要從計算機、純應用數學的角度出發去辯證中立地思考。

圍繞以下問題， To B 新勢力對崔興龍進行了訪談，以下是訪談紀要：

一、AI 的發展：逼近人類智能總和

今天，從符號、計算工程的角度看， AI 已經無限接近真實世界。過往的人類歷史，是靠文字、語言、符號進行傳承的，隨著符號、數學、工程學的發展，今天的計算框架已經能夠實現將人類的海量信息存儲下來，這讓 AI 展現出同時性和更大的張力，因此無限逼近于人類智能總和，并且能夠超出人類的預測能力。

在這一部分中我們探討了：

PaLM2 的發布并沒有太大突破 AI 的發展水平。

OpenAI 的野心很大，但是它在現實的野心又比我們小。

OpenAI 技術發展背后的人類學科知識體系支撐。

宇婷：如何看待當下 OpenAI 旗下 ChatGPT ，以及谷歌旗下 PaLM2 的發展？崔興龍：先說ChatGPT。我在1.0發布 Beta 版時就開始關注ChatGPT。從產品的框架來講，3.0已經是一個很好的框架了。3.0其實是一個在架構，尤其在這個所謂多模態和底層 AI 的框架下，已經成熟的產品。

所謂框架好，是說它一開始就是照著想做一套通用的底層框架的思路在做，一套工程化的以計算科學和計算工程學為核心的通用的 AI 框架。

ChatGPT 真正實現 To C 的是 3.5 版本。3.5 其實是一個在 To C 端能夠達到一定高度的產品，它一定不是終局表現，但是它已經達到一個很優秀的產品的形態，這個形態比較符合現在大家對 AI 的認知。

3.5 無論在一些文本、圖片、視頻，甚至小游戲的生成， AIGC 等方面都有重大突破。如果開玩笑說其訓練的擬合度，不知為何一下就提高了，這實際上是多模態的擬合，不單單是視覺信息跟聲紋信息的擬合，而是整個算力的綜合提升。

ChatGPT 4.0 是一個相對成熟的階段，可以在專業數據領域和視頻領域，甚至在一些其他的工業化領域，形成一個深度整合的工具的框架。3.0 、 3.5 版本，大量的數據還是通用化數據，不能叫做通用人工智能，廣泛受眾的數據并沒有深入到垂類的專業場景。4.0 具備了在 To B 端，垂類深度行業整合的過程的基礎。

PaLM2 的發布并沒有太大突破 AI 的發展水平。

宇婷：你怎么評價 Transformer 框架？

崔興龍：在 ChatGPT 的 1.0 階段，我們其實也不是用，更多的是開始關注。當時 Transformer 以及很多框架，從最早的 RN 、 CN 、 DN 到 Resnet 等等，當然有些達不到框架級別。

衍生過來看，其實我覺得 Transformer 一定是一套很好的通用型的框架，它更好地用工程化的方法給一些具象的場景做了規范。找到具象的產生式的目標和邊界，定義好產生規則，設定好參數，再做預訓練。這套方法和框架跟我個人對 AI 的理解是一致的，我認為從 3.0 開始，這套框架就走得很順，后面會越來越快。但現在需要喂它數據走到To B 端，或者真正的專業領域。用這套數據給到它，訓練好，再往深了走，到那個時候可能還會出現問題，但一定可以用工程化的方法再解決掉。

宇婷：怎么理解“工程化”？

崔興龍：其實工程化方法就是降維，就是把科學問題降維成技術問題，技術解決不了，就降維成工程問題無限趨近于它。就跟你用微積分是一樣的。今天就是在用工程學的方法無限趨近于真實世界的原理。

宇婷：如何理解 OpenAI 的“野心”？

崔興龍： OpenAI 的野心很大，但是它在現實的野心又比我們小。它的野心其實是希望在科學性上，在整個的開放框架，在每一層的開放性上做到最好。無論是底層的算力也好，還是底層的數據也好，基于它的框架的預訓練的模型也好，垂類的合作人都是持開放態度，它是希望能把這件事做到。它的野心大，要做成一個全行業通用型的標準，或者就像我說的基于今天的計算科學、符號科學、計算工程學等等構合成的這么一套構成的標準，它希望做到這個程度。至少我相信 Transformer 的老大和 Google 的 Alan 的制造體系應該是這樣的野心。

當然 OpenAI 是不是這個野心我不知道，但是 Transformer 最開始做的時候，它就把框架全部開源了，所以 ChatGPT 才可以用它，無論從它的 2.0 版本的轉型還是其他。它的標準是希望要做操作系統，做未來真正的底層，所以它的野心大。

它的野心又小，小到它不屑于說我去提供一套云的服務標準，我非要把你這個行業所有的數據都收集全，你這個行業所有的都要向我交槍投降，標準標記、所有的規則全部由我來掌握，然后你只要在里面做生意就行了，相當于它變成了一個行業或者某一個領域的規則制定者、分配機制的決定者和法官。

宇婷：你覺得開放的對立面是“控制”或者“壟斷”嗎？

崔興龍：我覺得這個不是正反兩邊的關系。他想壟斷，總帶著壟斷的心。資源是指，比如說用戶、資金，他所掌握的線上線下的很多場景。

宇婷：從美國的研發經驗中，我們可以得到怎樣的啟示？

崔興龍：從能量和信息的角度來看，人需要的資源并不多。一個人掌握了一定的資源和一個組織的規則定價權之后，能夠讓這個組織內所控制的資源盡量做到開放和共享，或者說一定程度上大家保證基礎需求都滿足情況下共享，這是個理想的狀態。集中很多資源和能力是為了反哺到底層科研的研發上。

我認為這個世界最主要的東西就是信息和能量，很多未來科技的發展和應用的發展，甚至學科的發展，都逃不脫這些。真正能夠改變我們底層的，是人工智能在信息領域巨大的進步?？煽睾司圩兪钦娴睦糜钪骈g真實有效的更核心的能量，而量子計算或許是讓人類能夠在今天的計算規則之下，找到更底層的宇宙運行的規則，也就是說，在信息上找到一個更有價值的傳遞方式和能量的表達方式，這在量子計算和量子科學方面是有可能的。所以人工智能、量子計算和可控核聚變是未來真正的顛覆性技術。

宇婷：你能說一下內卷嗎？還有你提到的“能量”這個詞很有意思。

崔興龍：內卷有一定的背景。第一，你這個組合所掌握的資源在下降。第二，你的上層階級、統治階級的分配規則和利益還不想變。卷的本質就是你在外整體的規則的競爭，降低你整體的組織能力的卷，企業內卷也一樣，內斗消耗各種問題。為什么 AI 一定要應用在企業中，解決企業的效率和安全問題，它的關鍵就在于行業中也要做，因為我們的資源在變梯的時候一定要追求最高的效率和最大的安全，否則就很可怕，我們過去是靠堆人堆出來的效率與資源。

人的能量是從吃這片土地的東西交換來的，所以為什么說 AI 在一定程度上一定要應用于垂類跟行業，尤其大量的企業是一定要把今天通用的 AI 應用在組織中，因為你的生態變了，組織變了，你還要用原來的那套框架的效率和管理機制，去用在這個社會競爭中，一定會卷死的。

宇婷：ChatGPT 、 PaLM2 能夠實現當下的發展，關鍵的支撐元素是什么？

崔興龍： ChatGPT 這一次的亮相，尤其是到 3.0 之后的亮相，其實是在計算科學、數學、計算工程學、計算機工程學，以及今天整套符號學基礎上發展的一個大集成，而且達到了一個相當的高度，這是一個很重要的事件。

首先是算力技術上的支撐?；貞?2003 、 2004 年的時候，訓練一個簡單的模型，即便不是特別復雜的，均值回歸、線性回歸、邏輯回歸，再隨便做一個擬合，用上稍微復雜一點的算法，兩天就花出去 2000 多塊人民幣。調參是一個非常高頻的動作，當時的算力和框架，在成本上是無法支撐的。

其次是算法上的進化。邏輯數學跟應用數學的發展基本是貼近平行的，最早數學跟工業沒關系，慢慢跟工業生產有關系了，跟農民生產、冶煉技術有關系了，應用在化學、物理中。1930 年前后，康托跟整個集合論的發展，奠定了數學在 20 世紀的巨大變化。到 20 世紀的早期，邏輯數學，就是所謂抽象數學開始迅速的脫韁的研發發展；所謂應用數學，其實還是跟物理、化學，整個工程界在一起走。數學家在嘗試解釋算法的核心意義時，是依托于最早的數學框架建立起來的，三次數學危機下，不可解釋性是有問題的。當時，大家對于算法組合的理解，對于最早統計算法的理解，在結合工程化的進展中，沒有達到今天的高度，因為沒有數據能夠訓練和嘗試。2011 年前后，隨著移動互聯網的發展，大量可標記的數據產生，那個時候李飛飛老師用大集成算力的方法來解決問題，做嘗試、做訓練。數學支撐算法的進化，提供了數學基礎。

再次則是符號學發展的支撐。OpenAI 技術發展背后的人類學科知識體系的沉淀發揮著重要作用。

宇婷：怎樣理解支撐 OpenAI 技術發展背后的人類學科知識體系？

崔興龍：首先，框架已經搭起來了?？梢岳斫鉃锳I 是我們在過去，在人類發展到這么多年以來，在符號學、計算科學、計算工程學和數學方面的一次高峰。它其實可以用很清晰的標注手段，很小的顆粒度或很有特征的標記的邏輯，標注我們所產生的所有數據。

人類在溝通的早期，是沒有語言的，就靠畫畫、靠比劃，這其實就是一種符號語言。然后慢慢有數學語言，有我們的自然語言，形成了語言繪畫邏輯，表達了很多東西。但是這些符號化的東西跟過去的東西是很難連續性地沉淀下來的，它可能靠書籍，靠很多其他的方式。但是隨著計算機的發展，我們可以把很多數據以二維的邏輯存到光盤、 u 盤、磁盤，甚至一個陣列里，或者一個 NAS 里面，或者一個矩陣里，甚至云里面，就是形成了一套完整的大框架。

AI 真正被大家廣泛認知是在 2010 年以后，被廣泛的學界認知也是在 2008 年之后。六十年代人工智能就已經有這個提法，并且有很多科學家已經去嘗試了。那個時候，計算機、計算機工程、計算機網絡還不成熟，到 80 年代出現的知識系統，就是在處理數據的過程。我們過去把所有的數據和信息進行處理，但是聲紋識別信息還是比較少，慢慢把聲紋識別信息沉淀下來以后，逐漸形成了信息的累積。但是這個時候的信息跟人、位置、行為很少發生關系，這個時候也很難做標記。

促成 Transformer 通用建模能力的兩大原因：圖建模（左）和驗證哲學（右） 

圖片來源：新智源 

二、AI 無法突破人類智能的極限

在今天的這套框架下， AI 不會擁有真正的智能。我覺得只有一種可能性突破，就是量子計算的方法和我們對腦科學里面的微管的研究和丘腦的研究突破之后，我們可能才真的覺得今天的 AI 會出現創造力?！夼d龍

在這一部分中，我們探討了：

看似智慧，但 AI 并沒有突破人類的智能，且受限于人類。

國內外在 AIGC 發展上，差距在哪里。

為什么 OpenAI 能夠在美國出現。

宇婷：你認為 ChatGPT 是否能夠擁有真正突破人類的智能和創造力？

崔興龍：我們今天的 ChatGPT 應該說到了一個高度，但它真正實現有智能的 AI ，在 Transformer 這套框架下是有挑戰的。

很多人說今天的 AI 沒有創造力，首先我認為今天的 GPT 框架一定有創造能力，當然不是今天的這套。它可能基于各種框架，尤其在結合了行業深度數據和一些私域的數據結合之后，它一定可以在某些特征場景下做新材料、新創意和新的方法，甚至包括藝術領域。

但是它在今天的這套框架下，不會擁有真正的智能。我覺得只有一種可能性突破，就是量子計算的方法和我們對腦科學里面的微管的研究和丘腦的研究突破之后，我們可能才真的覺得今天的 AI 會出現創造力。

宇婷：你認為 AI 無法突破人類的是什么？

崔興龍：今天的 AI 依然是在用工程學的方法解決常識、科學和技術問題的探索，它有一個致命熵——無論訓練出來的是個虛擬的機器人還是別的什么，最大的問題就是缺乏真正的本能，本能就是我們用邏輯語言描述不出來的東西，就像維德根斯坦講的，邏輯在邏輯之外。而我們對人類本能的研究其實受限于人是否真正有本能和靈魂，就是自我意識的問題，這不是個哲學問題，這是個科學問題。

宇婷：受限于人類的含義是什么？

崔興龍：本能就是我們用邏輯語言描述不出來的東西，例如，就像維德根斯坦講的，邏輯在邏輯之外。

今天，但凡能用文字、圖像、符號、繪畫等表達出來的東西，或者說是任何一種語言所能表述出來的東西，我認為都可以被今天的這套框架無限趨近和擬合。只要你能用語言、文字、圖像和各種所表達的可被觀測到的數據，就是無論可視、可聽、可感知的所有數據，都可以被今天的 AI 所逐漸的趨近于那個最高的人類智慧。

但是它喪失了兩樣東西，觀察今天這套框架是怎么搭起來的，它的數學計算能力，它對符號學的標記，對所有事物的認知，都是人類給予的。人類是怎么標注世界的，對于山，中國人用象形文字去畫，埃及最早也是象形文字，包括所傳聞中的尼比魯星人；在地球遺留的移民，則是通過留下一些所謂的石碑所標注的符號來標注世界。

AI 最大的問題就是從這些符號開始，包括從最早畢達哥拉斯開始所謂萬物皆數的理論。軸心時代是從公元前 8 世紀到公元 2 世紀，期間綿延有序產生了包括孔子，歐洲古希臘的先哲們，包括像阿基米德、歐基里德等等這些人， AI 能夠很好地應用這一批人所產生的這套數學符號體系，但是這些符號體系不一定真的是標注整個自然界最好的方式，所以說今天的 AI 不一定真的具有超越人類綜合最好的智能。

如果 AI 有一種真正有智能和本能的生物到了地球，它也許會用別的方法去標記。

舉個例子，為什么今天數學遇到了不可解釋性的問題？就是這套框架，其實它是在我們的訓練之下去理解這個世界的，但這個世界里山就真的是山嗎？鐵的元素就是真的是那么標注的嗎？不一定。你非得用二維的數字去標注它嗎？不一定。只能說我們過去的標注符號體系跟訓練體系無限的趨近于這個自然界的存在的真實，但是不一定真的是這個自然界存在的真實。也許會有更好的標記語言， 但可惜的是 AI 是基于我們今天這套標記語言產生的。

宇婷：對比 ChatGPT 和國內大模型大廠和創業公司，你認為與海外比有多大差距？

崔興龍：國內真正在 AI 上的投入與付出，還有時代與代際的差距。如果是在風口上做一些快速變現，并不能稱為真正的 AI 公司。

從兩個角度思考和衡量 AI 公司。第一，我們如何從計算科學、符號學和工程學的角度形成真正的突破，以及科學技術上的突破；第二，在應用領域，深化一個人工智能應用在垂類行業中做成一個開放式的，或者說相對公平的規則類的平臺，在技術儲備以及底層應用上真正能夠改變社會效率。

從真正的研發和現實的應用來講，如果只是做這類生意，你可以叫 AI 應用技術企業，而不應該叫人工智能科技企業。

宇婷：你怎么看 OpenAI 這樣的公司并非最早在中國出現？

崔興龍：我覺得上來就把目標定成 OpenAI 這套框架獨立起一家的話，需要的創業啟動資本很高。

首先說結論，我們比 Google 和 OpenAI 落后，這是一個不爭的事實；第二，國內的大廠還有在中文環境下的機會；第三，垂類廠商跟行業的領頭羊和國內大廠在垂類行業還有機會。

這一次機會是前后 100 年來重要的一次機會，前 50 年或者到后 50 年一次重要的機會。

宇婷：AI 是一個非常綜合性的學科，不僅僅是計算機或者是數學，包括對于整個科學的求真和求知，但癡迷的狀態是很難達到的境界。

崔興龍：如果我們想真正在 AI 中達到目前全球最頂尖的高度，我們的基礎科研和對應用技術、工程學的態度要做改變。

NLP 領域和計算機視覺領域模型大小的變遷 

圖片來源：新智源

三、AI 突破和應用的可能性

如果今天現實一點，我們普通人創業，或者有一點資本或影響力的人去創業，首先還是要把這種垂類行業框架搭起來，這是有商業機會的。下一步就是很多企業一定要去應用它，因為它對企業提升效率，包括風險控制，以及整個過程管理的這種精細化的擬合會有很好的幫助?！夼d龍

一定要在行業內給 AI 很多數據，去喂養它，看它訓練出的結果，或者給它一些目標，就像下棋一樣，至少告訴它什么是輸贏，如果輸贏你都不告訴它，規則都不告訴它，它沒法跟你玩?！夼d龍

在這一部分我們探討了：

如何在實際業務領域，真正應用好 AIGC 。

技術領導人，在懂或者不懂 AI 的前提下，要拿出怎樣的科學態度面對轉型。

未來 AI 的機會掌握在哪一類公司的手中。

宇婷：今天我們討論了 ChatGPT 等已經達到了足夠的智能高度，但仍然無法超越符號學、數學和計算工程學的框架。這是否有解決的可能性呢？

崔興龍：我認為解決的可能性有兩種。第一是量子計算，用計算科學的邏輯和工程計算的邏輯，比如當計算能力達到十的十億次方，完全從算力上超越，發展到這個階段， AI 可能會突破桎梏和陷阱。第二則是在腦科學上的發展，能夠用較小的能耗計算圖片函數，其中耗電量一度都達不到。如果用 AI 計算，則要消耗很多電量。核心是需要認知人類的本能，真正發展出一套完全等同人類的路徑以超越人類。

宇婷：你覺得哪些學術理論對這一波 AI 有底層影響？

崔興龍：我覺得對今天近代科學和人工智能影響最大的，還是圖靈、馮諾依曼，然后是維特根斯坦、卡希頓。如果你讓我排這四個人，我認為維特根斯坦是第一位的。其實你看他的書根本不像哲學書，他的書像一個科學家寫的哲學書，里面全是公式和定理。

比如在書的第 4 章，經常講當主體發生變化，客體描述維度出現偏差的時候會如何等。

宇婷：如果仍要回歸到實際的層面，去討論一家企業怎樣應用最先進的 AI 技術，你的思考路徑是什么？

崔興龍：扒開這些框架的底層，能夠看到真實的技術基礎。如果非要我建議，建議選擇效果最好的，當然不是說一定選擇 GPT 的框架。但如果我創業做一個項目，一定會用 ChatGPT 的框架，因為跟了幾年時間，比較了解，它每一層的開放思路，包括在每個垂類場景預訓練的模型跟整個底層模型的融合，能夠實現很好的技術支撐。

宇婷：如果沒有太強大的對 AI 知識的了解，如何降低使用 AI 技術的門檻？

崔興龍：在國內，我的判斷就是理性的創業一定會出現一些垂類的框架，比如說針對企業管理的，是真正能夠提升企業效率的，可能像做 SaaS 的廠商，或者 OA 的廠商，可能還會出現一套行業框架標準，這個還是要匯總到大廠里。然后基于醫療領域可能會出現自己垂類的框架，基于底層框架之上的一些應用。

當然如果有國內的頂尖的科技大廠去硬剛這個 OpenAI 或者 Google 的話，我覺得未嘗不可，它愿意它就去嘗試，當然我們也期待真的有人能嘗試成功。

現實一點來說，如果我們普通人創業，或者有一點資本或影響力的人去創業，首先還是要把這種垂類行業框架搭起來，這是有商業機會的。下一步就是很多企業一定要去應用它，因為它對企業提升效率，包括風險控制，以及整個過程管理的這種精細化的擬合，會有很好的幫助。

宇婷：關于 AI 替代人工這個問題，你有怎樣思考？

崔興龍：就像很多人提出未來寫 PPT 的會不會失業，未來寫文檔的會不會失業，其實這只是表象問題，最關鍵的問題是它要真正改變這個企業的底層邏輯，為什么要寫這個評語和為什么要去做這樣的組織結構，我覺得這個是深層次的思想。

兩個維度，一個是要用今天垂類的 AI 這套框架的底層，去把它變成一種工具，接入到你企業的生產系統和管理系統中，這一定能帶來效率的提升。無論你是生產制造業和純粹的管理型的企業，還是資本管理型的企業，還是資產管理公司都可以用。其實這對它的大類資產管理和風控管理是一個極好的幫助，因為你可以把各種通用型的數據跟垂類的數據都喂給它，看它訓練出來的結果。

然后你再提煉出一套你的 BI 可視化模型，你一定能夠起到作用，甚至對超大規模的企業做組織結構的變更和篩選，我覺得也是一個很好的機會。因為我們很多時候看一個企業雇那么多人在很大程度上是不必要的，就是很少會有老板說我站在一個角色的角度去看待人，而是說我什么業務需要招什么人，用傳統的思維招人。

宇婷：關于 MaaS 的商業模式，以及不同緯度的數據，比如：行業深度數據、私域數據、垂類數據，你怎么思考這些新的趨勢？

崔興龍：醫療、教育、化工、冶煉、制造、生產、地產等等，它其實都是屬于行業類的數據，在之上，每個企業還會有自己的一批核心的這種數據。當然這些數據主要是私域的，包括建設的臨時小場景，企業內部的數據和行業的數據是非公網上可以看到的，這一類數據挺重要。

這些數據不會完全公開出來，而如何提供一套行業垂類的框架是非常重要的。比如說對很多做新材料的研究，你至少得告訴它哪些是既有材料，以及材料學的研究方法和理論，今天技術的模型是什么，或者怎么判斷是新材料，告訴它一個結論和目標場景也可以，然后再去不斷的訓練和擬合，得到建議和方法，這可以提升你的研究效率，以及做實驗的效率。

如果你去做很多基因相關的研究，會發現其實類重復的實驗非常多，可能高達上百次，但是 AI 可以在數據維度幫你做修剪，回答做這幾種數據就可以驗證出材料符合的光學特性。

所以，一定要在行業內給 AI 很多數據，去喂養它，看它訓練出的結果，或者給它一些目標，就像下棋一樣，至少告訴它什么是輸贏，如果輸贏你都不告訴它，規則都不告訴它，它沒法跟你玩。

宇婷：你認為有想象力和“擁有”數據的公司，哪一類公司擁有更大的機會？

崔興龍：數據和有這樣的意愿，其實都是決定這件事成敗與否的若干個因素之一，沒有哪個是決定因素。如果你要讓我在這么多因素中挑一個什么是決定因素，那我認為現在有這種意愿和欲望的公司更重要。今天的通用框架，我認為還是一定要跟各個行業去做深度的融合，這種融合會達到一個相當的高度。

宇婷：所以當務之急不管你是用國外的框架還是國內的框架，咱們做點實際的事兒。

崔興龍：對，實際的能幫你在企業中解決真實問題的，比如說最簡單的能幫你的生產系統解決什么問題，能給你的企業管理和運營系統的優化，效率的提升，成本的降低提供什么幫助，我覺得先去做有效的嘗試。在這個過程中你就會真的知道哪些需要調整，哪些需要去貼合，以及數據過去的標準和價值與否，甚至可能很多數據都已經無效了。

宇婷：如果現在這個企業它的能量狀態、資源狀態不是非常強，但是它現在有這個意愿把 AI 引入進來，在這一輪中能逆襲嗎？

崔興龍：我覺得至少能活得更長久一點。這個事你不做，在不改變你的效率和風險控制的前提下，你會死得更快，而且在資源減少的情況下，內部會瘋狂的內卷。用今天數據的計算科學、計算工程學，用 AI 能夠改變這個組織的效率和提升整個組織的競爭力。投入、效率、安全是個三角形，很多時候只能保一個，就是你想要投入最小，那你可能就要把效率和安全降低，你想要效率最大，可能有時候得犧牲安全，因此要找到一個 balance ，這個平衡點很關鍵。

對于企業家來說， AI 走到今天更好的方法就是要想清楚如何用數據跟模型的方法去思考這個事，然后你才會想到怎么去應用它。你不是去做 OpenAI 的底層框架的，對于企業家還是要想好如何去用它，用的前提不是你真的要把它拿過來用，而是要想清楚我為什么要用它，用它的目標是什么，我才會想到說用誰的框架。

宇婷：如果作為創始人，第一步應該怎樣邁出？

崔興龍：我覺得應該找專業的人先做清晰的顧問，然后告訴他，或者共同確認這家企業應該走什么樣的路徑，以及結合 AI 應該完成什么樣的目標。

比如說如果我是一個金融企業的老板，我會想它在風險控制上能幫我解決什么問題；或者我就是做一個大類資產的管理公司，那它在大類資產管理中能不能幫我解決實際的問題；如果我的資產大量都是地產，我跟地產行業結合，能不能幫我預測到整個地產行業全流程的模型，能不能幫我看到各個過程中產生的問題，對我的資產是不是造成了影響。

不同行業的人都可以結合行業內的頂尖人士，共同確定做 AI 的清晰的目標，這不是招兩三個人就能夠解決問題的。能不能幫你產生實際的效果，以及你帶來的價值是哪些，需要目標、邊界、參數形成的一個共同場景。

目標行不行？有沒有支撐？怎么執行？這些很關鍵。如果沒有明確，一定要請外部的團隊來幫你做診斷。

宇婷：元知內部， AI 項目目前的進展是怎樣的？

崔興龍：我們公司在商業和應用上，其實就是在企業變革、內部組織效率方面，還是做了很多，還結合了一些 AI 的方法，就是結合數據加模型的方法。我們很早就在做嘗試，當然是有波折的。

以合生匯為例， 21 街是一個重要的引流手段，背后是結合認知行為科學和 AI 分析進行引流的。具體來說， 21 街的人均消費并不低，客戶到這里并不是單純的消費，本質上是有輕社交的欲望。如何在一個商場中增加 21 街這樣的 IP ，讓消費者產生互動，得到滿足（社交、自我展示等），進而進一步吸引更多消費者，這是關鍵。

版權聲明：

凡本網內容請注明來源：T媒體（http://www.alternativecancerresearchinstitute.com）”的所有原創作品，版權均屬于易信視界（北京）信息科技有限公司所有，未經本網書面授權，不得轉載、摘編或以其它方式使用上述作品。

本網書面授權使用作品的，應在授權范圍內使用，并按雙方協議注明作品來源。違反上述聲明者，易信視界（北京）信息科技有限公司將追究其相關法律責任。