李开复博士 图源：创新工场

(资料图片仅供参考)

界面新闻记者 | 李京亚

在去年年末ChatGPT横空出世之前，创新工场董事长兼CEO李开复对人工智能的现状打了一个比方：全球人工智能商业化还在篮球比赛第一节，我们用深度学习投中了一个三分球，用卷积神经网络和自监督学习投中了两个二分球，而整个比赛可能刚打了两分钟。

已经达成共识的是，ChatGPT问世后取得的巨大成功迅速将这场比赛推进到了第二节。时隔上次就AI发声百日有余，李开复3月14日在一场趋势分享会上首次谈到了他对AI新时代的理解，阐述了他所看好的投资机会以及看重的创业形态。

李开复回顾了AI 1.0时代的发展现状和瓶颈，他指出，AI 2.0时代是AI迄今为止最重要的一个时代，其间巨大的平台式机会将比移动互联网还大十倍，AI 2.0也是中国面临的一个巨大的平台式机会，而且是中国在AI领域的第一次平台竞逐机会。

“虽然我们看到微软和谷歌在打搜索仗，但如果是我，一定先把Office改造一次。”李开复坦言，AI 2.0会最先应用在能容错的领域，而毫无疑问最大的应用领域现在是内容创造。

生成式AI被成本锁定的较低商业天花板近来广为业界讨论，李开复表示这是因为没有考虑到AI 2.0的收费模式并不一样，“每个领域都可以把原有的APP重写一次，创造出更赚钱的商业模式，最终AI 2.0的生成能力会把成本降的几乎到0。”

李开复还借用硅谷顶级投资人的一句话预测了AI 2.0时代的潜在市场规模：难以把握——它将介于所有软件和所有人类的努力之间。

以下为李开复《AI 1.0到AI 2.0的新机遇》的主题演讲全文，经界面新闻删减：

AI 2.0是绝对不能错过的一次革命。我们之所以称为AI 2.0，而不是某些产品代号，是因为这些产品有多种内涵，它带来的革命机会大家远未看到。我知道在网上都在谈一些很酷的国外产品，但那只是冰山一角，以后的机会将要远远超出，会是一个平台级别的趋势。

就像电是伟大的发明，但电网才是平台，Windows、安卓才是平台。AI 1.0就像是发明电，AI 2.0就是电网。AI 1.0时代，我们看到AI下棋，蛋白质折叠，四波浪潮影响了互联网、商业、实体化各种识别功能，开始有机器人、无人驾驶出现，直到AI 1.0遇到了瓶颈。

1.0它的优点就是它的缺点，优点是数据越多结果越好，但既然很多数据，就要标注清洗数据，成本巨大。同时，AI技术应用在任何领域，模块是通用的，但它每次的应用和优化都是割裂的，并且AI模块没有形成有效的平台。什么叫不是有效的平台，举例来说，如果今天一家银行想做AI应用，但没有任何数据可以来做一个冷启动，你就要收集清洗标注数据，还要去做模型，整个过程都有相当代价，所以供应商做AI的价格很贵。很多AI公司说我帮助赋能了A，助力了B，给各个商业公司创造价值，但公司赚钱不容易，成本高会让老板望而却步，或者做了半年一年AI没有结果，老板一气之下就不做了，这些是AI 1.0到这几年落地阶段面临的很大挑战。

还有一个小问题，AI 1.0一直说得那么神奇，其实好像又没有那么智能，这是因为1.0一直没有解决怎么通用，如何有跨领域认知的问题，它的智慧有一定的瓶颈。

现在AI 2.0时代来了，这是AI迄今为止最重要的一个时代，2.0与1.0的差别就是：AI 2.0克服了AI 1.0单领域、多模型的限制，可以用无需人工标注的超级海量数据去训练一个具有跨领域知识的基础大模型（Foundation Model）。

AI 1.0是单一领域的标注，但世界上所有数据是跨领域的，是通用的，该怎么标注？一些研究员想了非常巧妙的方法：让AI不标注数据也能学习，这种学习方式称为自监督学习，AI把全世界数据拿过来自己教自己，一段时间后形成一个基础模型，这个基础模型就是全世界数据训练出来的，什么领域都涵盖，也都懂，不过它半懂不懂，不像我们深度懂，但它读的书比我们每个人多几百万倍。今天大模型都是基于文字或者基于图片的，基本就两种，GPT是这个时代最伟大的大模型。

今天AI界是做文字的做文字，做图片的做图片，这是小模型、小训练集，但我们心中相信未来2-3年一定有科研机构在此处突破，做出最伟大的基础模型，全世界数据，图片、文字、语音、视频，只要能储存起来，就能够都扔进去。一旦有了这个巨大的模型之后会有新的应用，银行、保险甚至机器人、无人驾驶、制造。

这种巨大的平台式机会将比移动互联网大十倍，而且它是中国AI的第一次机会。当然今天还是美国领先，美国确实有突破式创新的能力，但我们赶快勤奋努力也是可以追上，这个机会真的比过去任何时候，至少要大十倍。

AI 2.0 从“辅助“人到逐步“替代”人工，所有使用者界面将被重新设计。AI 2.0 时代的第一个现象级应用是生成式 AI（Generative AI），也就是国内流行的AIGC。你们应该马上可以推算出来AI 2.0会最先应用在能容错的领域，毫无疑问最大的应用领域是内容创造。我想借此机会讲讲记者该怎么用这个工具。AI 2.0将是记者最好的朋友，现在是两者结合的好时候。AI今天写不出你们的文章，但其实你们也写不出AI的文章，最终顶级的记者能大大利用AI来扩张想法和发挥，而非顶级的记者可能会面临很多挑战。

内容创造比如平面设计、创意写作带来的颠覆是巨大的，未来的工具的长相完全不同，使用者完全不同，商业模式也会不一样。虽然我们看到微软和谷歌在打搜索仗，但如果是我，一定先把Office改造一次。过几天他们会做新的发布会，你们也可以期待。

第一批AI 2.0的应用地带还有娱乐、做游戏、3D甚至元宇宙等，这些领域需要持续人工干预，避免谬误或更严重的错误发生。

下个阶段是部分选择的自动化。这个层面AI仍然会出错，但对于容错高的应用来说可被接受，可以用巧妙的用户界面来改善不太完美的技术。比如金融、培训等行业也可以容错，我们可以用AI对话来教孩子中文或英语或韩语；金融肯定不会用AI来决定买哪个股票，但可以用来做自动交易。最后的“全自动化”阶段才是AI不犯错，可以自动用在各种领域，我称之为更未来的AI 3.0。

在AI 2.0时代，生产力工具的升级是特别巨大的机会，用语言生成图片可以把时间从一小时降到几秒钟，把150美元的成本降到8美分，这些例子是真实的。很多人认为生成式AI的商业前景还太小，这是因为金融分析师没有考虑到AI 2.0的收费模式并不一样。我们看到很多报告说一个搜索要增加3美分，靠广告的盈利模式会赔很多钱，短期可能这样，长期来看3美分的成本会降。未来AI可以根据用户问什么问题，按照答案的含金量来收费，商业模式会变。

所有的应用会被重写一遍，这一定程度上在移动互联网时代已经发生了，在AI 2.0时代会再发生一次，当AI 2.0平台够大的时候，这个平台可以支撑各种应用。

进入AI 2.0，创新工场看好一些投资领域。第一我们会投资应用，那些能帮助人类产生生产力的、最能赚钱的应用，既做中国的应用，也可以考虑做全球的应用；第二我们要投资平台，现在确实只有美国的平台，未来应该会有中国的平台，中国的平台还可能有很大的机会，虽然我们现在技术上不如美国，但中国的市场、中国的公司会胜出，我们希望找这样的公司，在中国胜出后，还有别的国家适合中国的文化思想，也可以把它推广出去；最后是投基础设施，考虑怎么把计算量压缩，更好的进行模型运维、管理、训练。我们都希望他们能跨平台使用，也不希望一家独大。

在AI 1.0我们投出10家独角兽，今天我们在AI 2.0已经开始布局，投资了一些公司，这些公司已经开始做2.0应用了。美图是最快应用AI 2.0的中国公司，创新奇智也在探索AI 2.0 +制造，我们非常自豪的是投资了澜舟科技，它做出了孟子大模型。AI基础设施公司我们也投资了潞晨科技。

创新工场的独特之处是可以到处看创业者，看看谁要发英雄帖、朋友圈，我们也关注AI领域的论文谁写得最好。我们跟其他VC不一样的点是，看到好的机会可以自己做“塔尖孵化”，团队进来，有长板也有短板，我们有很多能力来孵化这些公司，有很多科技能人，我们做商业投资的资源都是可以帮助赋能AI创业者的。但如果他们本身就是强大的创业者，我们也可以纯粹进行财务投资。

最后讲一下预测。第一AI 2.0是革命性的东西，不只是AI 1.0的升级，它是从无到有，是巨大的、真正的智慧的产生，甚至可以带来我们讲了很久但一直没有做出来的产品，比如智能助手。而它的发展过程一定是先从人机协作，再到自动化。

第二是产业的变革，这是我们最认可的领域，每个领域都可以把原有的APP重写一次，创造出更赚钱的商业模式。AI 2.0的生成能力会把成本降的几乎到0。

第三是AI让所有的人都能创造。未来AI加上特别有想法的艺术人，会带来艺术领域的突破性。最后，每个人都会成为AI 2.0程序员。

我们可以预测平台公司将诞生，不会很多，因为门槛很高，但如果他们好好把大模型做好，把中间层工具做好，会造福整个做应用的行业，他们可能会成为垄断者。不过，考虑到平台能力很重要，我们要投的不是只会把模式做得最大的公司，而是要把中间件做好的公司。

我们还希望，很多弱势群体如教授、研究员、创业者，那些得不到计算资源就很难做出AI 2.0平台性工作的人，也能够有其他的资源，无论是政府、高校或者是一些愿意做捐赠的机构能够把资源提供给他们。

AI 2.0是一个巨大的源泉，但不会是通用人工智能。AI 1.0的时候，人类还能做这么多事情，AI 2.0是一个巨大的源泉，能做的东西比人类多太多，但它也不能完全覆盖所有的事情。

AI 3.0会更大，但也不会全部覆盖人类的事，因为人类的创造力，思考和自我意识，同理心和爱是AI不能取代的。

AI 2.0的风险也很大，如果掌握在恶人和贪婪的人手中，会攻击我们每个人。

最后一句话，来自硅谷顶级投资人对这个领域的预测：这个市场的潜在规模难以把握——它将介于所有软件和所有人类的努力之间。