阿里云创始人王坚：Sora的意义不止在影响短视频等行业

3月12日消息，阿里云创始人王坚在近日接受南方都市报的采访。在对话中，他针对今年备受关注的Sora模型、大模型商业化等问题发表看法。王坚表示，当前国产大模型和GPT-4及其下一代技术的差距仍然很大，建议通过开源方式，依靠技术社区的力量找到发展路径，由市场来检验其水平。

此外，王坚认为，Sora问世的意义极大，远不止会对短视频、影视等行业带来冲击，它解决了非常复杂的一件事——视觉问题，甚至直言“如果能创造视频，它也就能创造世界。”

阿里云创始人王坚 图源：阿里云视频号

以下为对话内容：

南都：2024年被认为是AI大模型应用的浪潮年。在大模型产品的商业化或市场化方面，有哪些思考可以分享？

王坚：在我看来，商业化和市场化不完全是一个意思。商业化是要一手交钱一手交货的，而市场化的重点在于要产生市场价值。以搜索这一服务项目为例，它的用户量巨大，可以算作已经“市场化”了。不过，从来没有人为使用搜索服务付钱，而是为搜索页面上的广告付费。所以从这个角度讲，搜索本身并没有实现商业化，但是它完成了市场化，有人便进而想出加广告的模式对其进行商业化。我认为，市场化是商业化的基础，商业化是市场价值的重要体现。

南都：那你认为目前大模型的商业化之路进展如何？

王坚：当今全球范围里，所谓的大模型商业化还是在探索过程中。不过，目前事实已经证明，它有用户基础，也就是可以“市场化”的，那就有可能产生商业价值——这一点其实很重要，一个产品如果没有用户基础，就算实现商业化了，也是小本生意。对于一场技术革命来说，它不可能以小本生意为目标，肯定能产生更广泛的影响。整体来讲，我认为当前的大模型还处于市场价值大于商业价值的阶段。

南都：这个发展的过程你觉得会慢还是快？

王坚：那就得看你技术力量有多强、算力支撑有多大、投资有多少了，这些要素缺一不可，甚至没有办法讲其中哪个因素是核心的。当你缺哪个要素的时候，哪个要素就是最重要的。现在国内200多个大模型我觉得没有问题，大家都在一点点往上爬完成必不可少的技术积累，但肯定不是最后200个都能爬上来了，大部分中间被淘汰掉了，但总之该活的一定会活下来的。短期来看，我认为现在整个发展过程还和市场没有直接的关系，因为这个领域的天花板还远远没有碰到。大家现在已经在讲万亿参数的模型了，行业都觉得很兴奋，你可以想想从一个模型的参数从数10亿到万亿的差别。因此，这个赛道在国内外都还远没有到需要收敛的程度，OpenAI那么出名，但仍然会有它的挑战者出现，大家仍然在做不同的有创造性的探索。

南都：你刚才也提到，我国10亿参数规模以上的大模型已超过200个，怎么看待这场“百模大战”？

王坚：10亿参数其实不是一个大数字，目前我们主要讲的都是百亿级的。不过大小也都是相对的，就像刚改革开放时“万元户”意味着富裕，现在肯定不算了。这种参数规模和事物的发展周期有关系。再说到200多个的数量，我觉得这不算多，为什么——你不可能一夜暴富，凭空就做出500亿参数的大模型吧？人的钱是要一分一分挣的，要把一个大模型建好，也是要一点一点积累经验的。

南都：我们也注意到，追赶OpenAI，对标ChatGPT似乎是过去一年里国内很多AI公司的最大命题。

王坚：我觉得不能简单地说对标ChatGPT。ChatGPT、GPT-4二者，我们要把它们区分开来——前者其实是在后者基础上延伸出来的一个应用，因此真正衡量基础模型的能力应该去对标GPT-4。值得注意的是，GPT-4和GPT-3有一个非常大的不同，GPT-3是全开放的，大家都知道它是怎么做的，以及能做到什么程度，但到了GPT-4就不开放了，所以当前不太好谈对标的问题。就像你高考一样，高考成绩好不见得你这个人好，但你成绩不好又读不了大学。所以在短时期内衡量谁好谁坏是不公平的，还是要从长远角度由市场来说明问题。可能有观点认为，国产大模型的水平已经接近GPT-4或者差一点点，但其实肯定不是差一点点，是差很多的。我想更好的办法是由市场来证明大模型的能力，比如把模型开源出去，放到国际上去，让市场去检验产品。

南都：当下全球AI竞争不断升温，你认为在技术迭代或人才储备等方面，中美两个“头号”玩家存在哪些差距？

王坚：具体来讲，我个人认为我们头部的聚集还不够。现在美国还是有很明显的大模型玩家的，而在中国并不明显。所以最大的变量是我们这200个10亿参数的大模型，什么时候能变成20个2000亿的模型。在这个过程中，底层技术的演进迭代、资金投入都是非常重要的事。

南都：有观点认为，不同国家地区在大模型或AI方面的资金投入规模也差距巨大。

王坚：对这个观点我要提出质疑。大模型和以前创业不太一样，从前创业公司可以用很小的资本很快完成一次创业，但大模型出来以后，算力投入就变成了一个极其“烧钱”的东西，到底用多少算力花多少钱，也变成了一个大家不愿意公开谈及的事情。我想今天没有任何一个人可以把具体投入的资金统计完整，至少我在业内没有看到过什么非常自信的总结。

南都：所以简单来说，就是我们真正意义上的技术优势可能还没有形成？

王坚：也不见得没有形成优势，这个问题涉及很多不同因素，包括产业、商业策略、合作情况等等，这些问题也不是单一的投入可以解决的。从宏观来看，国家地区之间的竞争其实是综合科技实力的竞争，而非单项技术的竞争。至于“综合”到什么程度？比如算力、AI、工程能力、理论研究等等，都会有所涉及。像谷歌的Gemini模型，官方发布了一篇白皮书，里面有名有姓分工署名的人就有接近800人，所以这种综合因素的影响其实是很复杂的。这不是一个简单的回答可以概括的，不是因为这件事情本身复杂，而是它太动态了。ChatGPT也好，GPT-4也好，AI技术也好，它们就好像处于小孩快速长身体的阶段，我们是没有办法对处于高速发展态势下的事物做一个对比判断的。当然，如果从现阶段来看，也不需要我说太多——大家都知道我们并没有太多的领先优势，但同时我们也有领先的可能。另外，我想补充的是，很多观点都在说“现在人工智能全球只剩下中美两个玩家”了，但事实上ChatGPT出来之后大约一年，欧洲又有一家名叫Mistral AI的初创公司异军突起，其大模型技术也很突出。因此，全国只剩中美两个“头号玩家”的观点其实不是那么准确。

南都：上个月OpenAI又发布了视频合成模型Sora，有观点认为它可能会引发短视频、广告、游戏等行业格局的重塑。你怎么看？

王坚：如果谈到Sora，只说它可能会影响短视频等行业，那我觉得是对它极大的羞辱，它的意义远超这种事情。就像是原子弹刚刚爆炸时一样，没有人能想到这个东西后来可以作为核电站来发电，还可以实现小型化，还有很多别的用处。如果只是把原子能技术当作原子弹用，那就是大大低估了这个技术的重要性。值得关注的是，Sora事实在解决世界上最复杂的一件事——真实世界的视觉问题，视频是它的表现手段。它真正的意义在于靠技术已经能够生成像这个自然界一样复杂，有细节的视频或者图像。如果能创造视频，它也就能创造世界。

南都：那这种超强的伪造能力会不会引发大家对于虚假信息的一些担忧？

王坚：其实“伪造”这个词不对。什么叫伪造？你拿了一个假的东西告诉别人这是真的，这就叫伪造，而通过技术生成一段逼真的视频，如果符合真实世界的规律，它就不是伪造。我们也不说技术是不是中立的，只是说技术有了这样一种能力，只有用这种技术能力去行骗，才是真正的造假。而现在我们面临的主要问题是，技术到了这个程度，却不知道拿它来干什么。

南都：在高算力需求的大模型时代，怎么看待云计算？

王坚：我们在AI时代常说使用几万张显卡训练一个大模型，当有这么大规模的时候，其实就是云计算，只不过是看你这个云计算是想做一个有体系的、可以真正提供大规模服务的，还是自己搞搞。就在月初，美国商务部也表示不允许中国的企业用美国的云服务做大模型训练，种种情况都说明云计算服务在AI时代，或者说大模型在AI时代就是非常重要的。

南都：那么云计算是否有望解决当前的算力困境？

王坚：这其实是个很复杂的事情。GPT-3时期的时候OpenAI公布说，大概用了1万块英伟达A100（一种AI芯片）进行训练。但像亚马逊这样的云服务运营商，除了A100还用了H800的卡，总共大概有3000E（1E约等于1000PFlops-day）的算力。在过去的三个月里，按照官方的预测，每个季度会增加1000E的算力。与我们现有的算力对比一下，GPU的大规模使用，让云计算提供的算力会有百万倍的增长。到了GPT-4，就已经不公开其所需的算力了。不过，行业里大家都会有一个共识，就是只要做到这个规模就能猜出个大概。比如通义千问开源的是720亿参数的模型，那大家就都能猜到这背后有多少算力在支撑。

南都：2024年是我国正式全功能接入国际互联网30周年。回顾这段时间，你觉得有哪些重要的节点值得记录？

王坚：我们今天所有看到的东西都是互联网发展的结果。我举个最简单的例子——数据。你试想一下，没有今天的互联网，我们会不会产生那么庞大的数据？不会的。二三十年前很多人说，互联网是一台巨型计算机，第一代互联网把所有PC连在一起，第二代互联网则是把手机联系在一起，那如今就是人工智能把所有的数据联系在一起。所以我觉得互联网在整个社会发展过程中起着一个主轴作用，看似太过基础，好像可以忽略不计，但你把它抽掉，整体也就坍塌了。