本月在香港大学陆佑堂做了一次讲演。这是港大经管学院陈坤耀出色学人讲座的系列活动。听说，17年前，马云曾站在同一个舞台上。主办方称，这次讲演的报名速度创下纪录：邮件宣布两小时内，超越1200人报名。

  美国人怎样算谁赢？看谁的大言语模型（Large Language Model）更强。今日是OpenAI抢先，明日是Anthropic，后天或许是他人。但蔡崇信说，这个计分方法自身就有问题。

  这个判别的底层逻辑是：AI的价值在于浸透率（penetration rate）。我国国务院的AI规划就很务实——到2030年，AI署理和设备的浸透率要到达90%。不讲形而上学，只讲遍及。

  练习大模型、跑推理（inference），本质上都是在烧电。我国的电力本钱比美国低40%。

  为什么？由于15年前我国就开端大规划出资电力传输基础设施。北方发的电要送到南边，新能源产地和用电需求地往往不重合，有必要靠输电网络打通。我国国家电网每年本钱开销900亿美元，美国只需300亿——三倍的距离。

  成果是什么？我国的电力装机容量是美国的2.6倍，并且新增装机容量是美国的9倍。这个距离还在拉大。

  蔡崇信说到一个风趣的数据：全球简直一半的AI科学家和研究人员，都有我国大学的学位——不管他们现在在美国公司、我国公司，仍是国际任何地方作业。

  他还讲了个段子。最近交际媒体上有人吐槽，说自己在Meta（Facebook）的AI团队里，搭档们都在用中文沟通主意，他彻底听不懂。

  曾经我国公司出海，言语是下风——在意大利开办公室，当地人不会说中文，我国职工得用第二言语沟通。但在AI范畴，全球的华人工程师用中文共享主意、沟通思路，这反而成了信息优势。

  练习一个万亿参数的模型，假如体系功率不高，GPU耗费会十分恐惧。我国团队由于硬件受限，有必要把体系优化做到极致。DeepSeek便是这么逼出来的——阿里的通义千问（Qwen）模型刚刚赢得了一场为期两周的加密钱银和股票交易AI比赛，DeepSeek排名第二。

  蔡崇信对DeepSeek毫不吝惜赞许：咱们在杭州的街坊，他们做的工作令人难以置信。

  蔡崇信的观念很直接：开源模型会打败闭源模型，不是由于开源更先进，而是由于开源更契合全球大多数用户的利益。

  他举了个比如。假定你是沙特阿拉伯，想开展AI，又想坚持“AI主权”（sovereign AI）——意思是AI不受外国操控。但你没有人才自己开发模型。

  这时分你有两个挑选：挑选一：经过API运用OpenAI。付许多钱，并且数据要喂进去——你不知道数据去了哪里，那是个黑箱（black box）。挑选二：直接下载阿里的开源模型，布置在自己的私有云上。免费，并且数据彻底可控。

  本钱和隐私，两头都赢。所以不管是政府仍是企业，只需仔细做本钱效益剖析，都会倾向于开源。

  阿里靠的是云核算。你用开源模型没问题，但你要跑模型，需求云基础设施——存储、数据办理、安全、网络、容器（containers，他说这个词他自己也不太懂）。这些阿里都能供给。开源模型是流量进口，云服务才是赢利来历。

  这个形式其实很像早年的网络公司：免费产品获客，增值服务变现。只不过规划和技能门槛彻底不同。

  港大教授邓希炜问了一个好问题：阿里从B2B电商变成AI云核算公司，诀窍是什么？

  阿里1999年景立时，我国还没参加WTO，国际贸易一定要经过国有贸易公司。2001年入世之后，小公司能够直接和全球经商了。阿里的B2B途径便是帮这些小厂找买家——榜首版网站是英文的，面向海外。

  后来顾客电商起来了，就有了淘宝。买家和卖家互不信赖，就发明晰支付宝（开始是个担保交易体系）。物流跟不上，就出资物流。

  云核算也是相同的逻辑。16年前，没人评论云。但阿里的消费途径要处理海量数据，假如持续用Dell的服务器、EMC的存储、Oracle的数据库，一切赢利都会交给这些供货商。

  所以阿里云的起点是自己吃自己的狗粮（eat our own dog food）——先内部用，用好了再开放给外部客户。

  蔡崇信对年青创业者的主张也很清晰：优先挑选有机增加（organic development），而不是并购。因自己团队培养出来的才干，DNA纯粹，文明匹配。阿里也做过并购，有些成功，有些失利得很惨。

  榜首，学会获取常识。听起来是废话，但在AI年代，常识获取的功率差异会被扩大。

  第三，学会发问。蔡崇信特别强调这一点——提出正确的问题（ask the right questions），比找到答案更重要。

  许多人说AI年代不必学编程了，用自然言语（natural language）就能指挥机器。蔡崇信不同意。

  他乃至主张学电子表格——能把一个杂乱公式写对，让数字自动核算出来，这自身便是逻辑练习。

  数据科学（data science）：实际上的意思便是计算学的新姓名，但未来数据会爆破式增加，懂得办理和剖析数据的人永久稀缺。

  心理学和生物学：了解人脑怎样运作。人脑仍然是最高能效的机器，AI的许多规划思路都来自对大脑的模仿。

  资料科学（material science）：国际现在被比特（bits）主导，但让比特跑得更快的，是原子（atoms）。半导体范畴会有很多立异，而半导体的中心便是资料。

  1999年，蔡崇信抛弃香港的律师高薪，跑去杭州参加一个18人的小公司。为什么？

  这就像一个看涨期权（call option）——最多亏掉权利金，但收益没有上限。

  但他弥补了一句更重要的话：机会是来找你的，不是你去找它的。你要做的是准备好（preparedness），这样机会来的时分才干捉住。

  金融市场泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？这是一门艺术，我不知道。

  他的判别是：AI有几率存在金融泡沫，但技能自身是线月互联网泡沫决裂，但互联网并没有消失——今日互联网比那时分强壮得多。

  蔡崇信具有NBA布鲁克林篮网队（Brooklyn Nets）、WNBA纽约自由人队（New York Liberty）、NLL圣地亚哥队（San Diego Seals）和拉斯維加斯沙漠之犬队（Las Vegas Desert Dogs）等多家美国工作运动队。本年篮网时隔六年重返我国（澳门），这是他自动推进的。

  但他做体育出资最有意思的部分，是一个教育项目：每年选6-8个我国初中生，送去美国读高中、打篮球。

  他说这是在仿制自己的阅历——13岁脱离台湾去美国读书。人与人的沟通（people-to-people exchange），比任何官方途径都重要。

  不是模型自身，而是让AI被遍及的运用的整个生态体系。电力本钱低40%、数据中心建造本钱低60%、全球一半AI人才有我国学历、资源匮乏逼出体系级立异——这些加在一起，让我国更有或许完成AI的大规划遍及。而遍及率才是线：为什么开源形式会赢？

  由于对全球大多数用户来说，开源一起处理了本钱、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据能够留在本地。这不是技能好坏之争，是利益格式使然。

  学编程不是为了写代码，而是练习逻辑思维；学计算（数据科学）是由于数据会爆破；学心理学是由于要了解人脑这个最高效的机器；学资料科学是由于让比特跑得更快的是原子。更重要的是，学会提出正确的问题——这比找到答案更有价值。*