在上海人工智能大会上，我们目睹了中国AI发展的新高度。今天，我们将引用两位业界大佬的讲话，并附上一些个人见解。首先，李彦宏提到，无需担忧AI会夺走人类的工作，当前的AI技术，如百度的“文心”，更多地扮演着辅助角色，如辅助驾驶，而非完全取代人力。他指出，尽管某些职业可能会消失，但新兴职业，如数据标注师和提示词工程师，将应运而生。这些职业虽然门槛不高，但对逻辑思维有较高要求。然而，值得注意的是，消失的职业数量远不及新创职业，且“门槛不高”往往意味着收入也相对较低。

接着，严弘提出了避免陷入“超级应用陷阱”的观点。他解释道，移动时代的思维定势认为，超级应用是关键，但在AI时代，那些具有强大功能的应用，即便用户量不及10亿日活跃用户（DAU），也可能对产业和应用场景产生更大的价值。严弘的这一观点，或许反映了百度在超级应用领域的局限性，正如俗语所说，“吃不到葡萄说葡萄酸”。李彦宏强调，AI时代的核心仍旧是搜索，这是百度的强项。然而，百度自身从未成功打造出超级应用，这一直是其心中的痛。在AI时代，百度虽有雄心，但若无法突破超级应用的瓶颈，其盈利前景将受到限制。

总的来说，中国AI的发展正迎来新的挑战和机遇，而如何在AI时代找到自己的定位，对于企业来说至关重要。

Open AI虽未打造出超级应用，其盈利模式因此受到挑战。百度近期的讨论聚焦于超级应用的概念，试图解答为何缺少超级应用会影响盈利。百度旗下应用如百度搜索、百度网盘、百度地图及百度贴吧，用户基数庞大，但它们能否称为超级应用仍存疑。同样，Open AI的Chat CPT等应用虽广受欢迎，也未达到超级应用的标准。

超级应用的定义应涵盖以下要素：首先，需拥有庞大的用户群体，例如猎豹移动曾达到1.5亿日活跃用户和6亿月活跃用户，但即便如此，它仍未跻身超级应用之列。原因在于，巨大的用户量仅是必要条件之一，还需考量其他因素。

其次，超级应用应具备长时间的用户使用时长。用户在应用中停留时间越长，应用的吸引力和粘性越大。以百度的应用为例，其用户使用时长与微信、抖音等相比明显不足，这成为其未能成为超级应用的关键因素之一。

此外，完整的生态系统是超级应用的另一重要特征。用户在应用中不仅停留时间长，还能进行多样化的互动和交易，形成闭环生态。例如，微信不仅提供即时通讯服务，还集成了支付、游戏、小程序等多种功能，构建了一个自给自足的生态体系。

综上所述，超级应用的定义不仅限于用户量，更在于用户使用时长和生态系统的完整性。这为Open AI和百度等科技公司提供了新的思考方向，即如何在提升用户量的同时，增加用户粘性和构建生态体系，以实现超级应用的突破。

这个里边要有内容提供者，要有内容消费者。里头可能还有很多其他的，比如说有交易啊，有借贷，有很多的金融生态。你要有完整生态在里头。这是百度的应用，从来没有做到过。百度自己也惦记做电商，还惦记去做这外卖，还惦记去做金融支付，但都没做起来。你要想做超级应用，你就必须有完整的生态，有人靠你平台吃饭，还能吃的不错。这种超级应用呢，基本上是等同于操作系统的。

为什么马斯克那么羡慕微信？马斯克当时收购Twitter的时候，他说微信多好啊，大家可以在里边解决所有的事情啊。可以在里边聊天，可以在里边学习，可以在里边看八卦，可以在里边看视频，可以在里边买东西，可以在里边打车，可以在里边借钱，在里边做各种金融理财，都可以干。这是他喜欢微信的地方。这才叫超级应用呢。

贝特正在向这个方向发展啊，但现在还有一些距离。那我们常见有哪些超级应用呢？第一个呢，就是微信啊。QQ其实也算，但是没有微信那么完整的生态。支付宝其实是一个啊，淘宝的没有那么全，淘宝其实也算吧。然后抖音，快手都是完整生态的超级应用啊。滴滴跟美团呢，算bug。国外呢，Facebook工具群可以算一个，就是Facebook，Instagram，WhatsApp啊，Facebook message，把这几个加一块，你可以算一个。谷歌全家桶啊，Gmail啊，谷歌地图呃，Google Calendar，其他的一些，包括像咱们YouTube这种，全家桶你可以算一个。

安卓啊，你应该把这个东西算上。苹果全家桶，可以算一个。大家有没有发现，中国的这个超新应用都是单根一个，而这美国的这些超新应用呢，都是全家桶啊，或者叫工具群。为什么会这样？就是我记得，我当时去天津那个航母公园参观的时候，人家给我讲过，他说你发现这个航母跟咱们平时看的美国航母有什么区别没有？我说上头有好多炮啊，下头还有导弹，啥都有啊，这玩意怎么啊？他说对，他说美国的航母都干干净净的啊，这个上面的甲板是平的，而苏联的航母呢，上头是啥都有，有炮有导弹，还有各种东西都全啊。原因也很简单啊，美国航母呢，都是集群作战，一出去就是一航母战斗群啊，他不需要这些玩意，剩下有什么，驱逐舰巡航舰给他来提供，还有潜艇。俄罗斯呢，没有那么多海军，所以他出去呢，一条航母就出去了，所以他啥事都得自己管。中国的这些超级APP也是这样啊，我一关门啊，你们都不许上我这来啊，数用户都是我的，交易都在我这做，所以它呢，都是单个的，它就只能做一个超级APP。而到美国呢，你比如说Facebook啊，我有Facebook，有Facebook message，有Instagram，有WhatsApp啊，我各司其职，自己去做自己的事，他就可以做一对啊，他们是这么来做的啊。就是大家的玩法不太一样，就是必须要去做超级APP才有可能在AI时代挣到钱啊。那么百度我觉得又会错过这个事情，这是没有任何办法的。现在在AI时代，这是一个新的挑战和机遇。

国内在超级应用（Super App）领域有所建树的，可能还是以字节跳动为代表，其旗下的豆包等产品，作为超级应用（Super App）的典范，实际上已经初具规模。阿里的王坚，提及阿里云的王坚，他不仅是阿里云的创始人之一，也是阿里云的首席科学家。可以预见，未来一定会有新的大公司涌现，如同Open AI这样，原本默默无闻的小公司，可能会迅速成长为行业巨头。在国内，也必将有新的大公司诞生。

实际上，百度、阿里、腾讯，这些互联网时代的巨头，到了移动互联网时代，谁又是真正的领头羊？滴滴、美团、字节跳动，这些公司已经在移动互联网时代崭露头角。而在即将到来的AI时代，一定还会有新的巨头崛起，具体是哪一家，我们拭目以待。同时，也会有一些大公司经历浴火重生。

在互联网向移动互联网的过渡中，百度显然落了下风，而淘宝和微信则成功把握住了这一波机遇。在AI时代，阿里云似乎已经迎头赶上，阿里云投资了国内几乎所有的AI大模型，国内一半的AI算力都在阿里云上运作。因此，在AI领域，阿里云已经占据了领先位置。

AI对于大企业来说，相对友好，因为这需要大量的资金、算力、数据和计算中心，这些都是小企业难以承担的。然而，大企业拥抱AI也并非易事，因为这可能会打破原有的管理结构，大企业往往存在路径依赖。王坚曾说过一句引人深思的话，他认为在AI和GC时代，核心其实是人，而不是AI技术本身。这句话值得我们细细品味。

而大公司与小公司面对AI,确实持有不同的看法。大公司视AI为工具的革命，而小公司则认为AI是革命的工具，这二者之间存在巨大的差异。大家可以思考一下，话到底是怎么讲的。那么，关于人工智能呢？它拥有一个非常长的过去，但却只有非常短的历史。这是王坚的原话，意思是什么呢？就是我们可能从100年前就开始谈论人工智能，但是我们现在这一波人工智能，是从XGPT发布以后才真正开始的。因此，人工智能的历史实际上是非常短暂的。

接着，王坚提到了三个不等式，这三个不等式很好地概括了中国AI发展的现状。第一个不等式是什么呢？就是与基础模型相比，应用做得还不够好。你可以说中国有没有像GPT这样的模型？没有。中国有没有像Gemini那样的模型？也没有。更没有VLOG。那么，你可能会问，中国为什么就做不出好模型来呢？这确实是一个问题，但是，你的应用是否真的需要这些好模型呢？所以，不要总是抱怨中国的模型不好。实际上，中国的应用做得也不够好，但中国的应用已经算是全世界做得最好的之一了。与美国的AI应用相比，我觉得中国的做得还是要好很多的。但是，所有的AI应用对于大模型的各种能力的发挥，其实都是比较有限的。因此，现在的大模型其实已经够用了。你别看我们赶不上Open AI，但是我们的模型已经够用。

第二个不等式呢，有人在讲，和现有的算力相比，你老说美国幸运，我们没有算力了怎么办？显卡不够了怎么办？基础模型做得还不够好？这个问题与第二个不等式有关。什么意思呢？你说我缺算力，催显卡吧。然而，这并不是问题的全部。我们应当关注的，不仅仅是算力的差距，还有如何更高效、更智能地利用现有的资源。这是中国AI发展需要思考的问题之一。

就是，以咱们现在做的这些模型，咱们现在大部分模型，实际上就是几十亿啊，就是几百亿参数，这种模型，在现在咱们的这些显卡上已经足够了。你再给我更多显卡，我都用不上了。对吧，咱们现在是这样的一个情况，咱不缺显卡，咱们是模型不够好，这个也是大家觉得比较奇怪的地方。所以，中国从来不缺显卡，这是第二个不等式。第三个不等式是什么？以现有的电力相比，算力还不够。原来都说，AIHTC最后是拼的是电对，现在讲了，说咱们电有的是，咱压根就没有那么多显卡，所以也不需要花烧那么多电，要烧电的时候是以后的事了。所以他这三个不等式呢，我觉得是讲的非常到位啊。重复一下，跟基础模型相比，应用做的还不够好；和现有的算力比起来，基础模型做的还不够好；跟现有的电力比起来，算力也还不够啊。它的意思是什么呢？就是现在的能源咱们足够使，十年后的算力和电力，与现在肯定完完全是两个概念。不要用现在的现状，去思考如何解决10年后的问题啊。想的非常好，就是啊，王坚讲的。然后呢，我总结一下啊，中国现在的AI大模型，到底发展到什么状态？第一个呢，是方向是明确的啊，咱们就是需要有人指明方向，老大喜欢指明方向，这个也确实是中国民族性，没有人指明方向呢，咱们就做不出东西来。现在呢，真正救了中国AI的是谁？是梅坦，阿玛一喇嘛2，喇嘛3，这三个大模型的发布，绝对是让中国的大模型彻底走出来了。在喇嘛系列没有发布之前，比如像百度的文心妍是拿什么做的呢？

它是原来的 GBT2，是开源的。拿那个东西，再加上 GPT3.5 生成的各种数据，去训练，淘出来的。但是到拉玛系列出来以后，名义万物啊，通 1,000 分啊，等等，大量的这种模型就出来了。你不需要去抄它的模型，但是呢，啊，它把所有的参数，一些代码都公开了。我们就可以自己去训练。中国聪明人还是很多的，呃，方向只要明确了，我们就可以走通。我们从来都不缺乏跟随者，只要有人知道这条路是通的，就可以往前走。那么下一个问题是什么呢？就是刚才王坚讲的，说我们模型不够好吧，我们的算力也不需要太多算力不够吧，也不需要太多电。那么呢，我们就要想下一个问题，叫 scaling low 到底在这管不管用。什么意思呢？就是这种模型越大效果越好，这样的这种规模法则，在中国到底管用不？因为美国人呢，现在已经开始担心 scaling low 是不是会失效。因为现到目前为止还是你继续堆参数，继续堆机器，你还是可以做出更好的模型来。现在依然是有效的，但是一旦哪天无效了怎么办？因为这个涨上去的过程，是人自己搞不清楚到底怎么涨上去的。这个事是美国人现在最担心的。但是中国的大模型，都是千亿以内的模型，就是我们看到比较大的，比如通 1,000 问 72B 啊，72B 就是 720 亿参数的，这种模型其实足够大家用。这种 72B 的模型，加上 AIGC 的这种 AI gent，就是叫做 AI 智能体的帮助，已经可以解决绝大部分问题了。你就算是到比如说几千亿。不过，这个话题我们今天就先聊到这里，下次有机会再继续探讨。

甚至上万亿参数的这种模型，它的表现能力其实未必比千万三72B好多少。而且，现在的Lama三70币，包括谷歌最新出的GMA227币，微软出的F 34币，效果都很好。为什么需要那么大的模型啊？中国人说我们就实用主义，我们就这么使了。国内也不是没有千亿以上的啊，比如通信千份是出国110亿，也就是1,100亿的参数。还有一些做moe的这种逃课的玩法，逃课什么意思？就是作弊嘛，就是它号称是所有加在一起有1,000多亿，但是呢，它是moe的啊，就是每一次可能只调用其中两个，所以就是这每一次工作的可能，也就是只有二三百亿，三四百亿这样的一个参数水平在工作。所以呢，在中国，压根就轮不到讨论这个scaling low的，这个事情我们等美国摸明白了，接着往前走，一定是这样。

那么，我们在多模态识别图像跟语音识别，中国本身是具有数据优势，因为我们存了大量的图片，存了大量的语音，而且这些东西都已经做过了详细的标注。在这块上我们其实不比他们差。当Lama 3这样的基础模型能力提升的时候，我们现在做的图片识别，语音识别相关的这种大模型呢，能力自然也就上升了。所以我们现在好多的这种模型是什么？图片识别的，这种模型是在Lama 3的基础上进行微调，把这图像识别的部分调进去，这样效果还是可以的。我前面讲了一期视频，说斯坦福大学学生抄咱们清华的一个项目，也就是用拉玛三微调的图像识别，他们抄完以后，号称是自己做的。

现在，这个领域缺乏具体的应用场景，因此，对于多模态识别本身的要求，并没有那么高。在多媒体生成方面，首先，“Stability Fiction”已经表现得相当出色，我们目前在大规模应用上，国内多采用他们家的图像生成技术。在语音生成这一块，实际上，中国在此领域一直表现不俗，在GPT出现之前，国内已经研发出了许多高质量的语音生成模型。至于音乐生成，现在也有人在探索，类似于“Sora”这样的世界模型，经过大半年的积累，国内也开始涌现出相关产品，如快手推出的“快龄”等，效果尚可。

端到端的模型，虽听说一些车厂正在研发，但目前尚未见到实际成果。在政府和企业应用方面，或者说是政府企业对AI的拥抱，从目前的情况看，中国在国际上处于较为领先的地位，因为有大量项目正在推进。自媒体平台上，氛围同样热烈，诸如李易洲这样的人物，被誉为“中国AI第一人”，四处开设课程，因此，自媒体领域使用AI的人数众多，加之中国自媒体市场火爆，AIGC生成的内容，对于从事自媒体工作的人来说，是一个极大的助力。

所有AI功能在中国，最先被应用的场景，就是刷抖音和刷小红书，生成小红书爆款内容，生成抖音文案，这些是国内较为普遍使用的AI功能。中国的AI市场，正处于爆发的边缘，应用创新是我们所擅长的。比如，与Open AI竞争新的模型，我们并不擅长，我们更习惯于等待他们研发出来后，再沿着他们的方向努力，这是我们熟悉的路径。然而，如何让应用更加好用，提升用户体验，是我们需要思考和探索的方向。

中国人还是很厉害的。巴马3,000文2已经把这个基础模型的能力拉上来了。我们现在拿千文2，拿拉玛3这样的模型，去做这种应用的话，效果其实已经非常好了啊。基础模型的能力够了以后呢，就差赚钱了啊。咱不干别的，咱就赚钱就行了。而赚钱这个事呢，中国人是最熟练的啊。我记得以前我们做游戏的时候，人家讲说，你看全世界各国开发的游戏，差别在什么地方？他说欧洲人做的游戏好玩啊，我说这我承认啊。他说美国人的游戏呢，相对均衡啊，我说这个也承认吧，移民国家嘛，哪人都有。而日本人的游戏和韩国人的游戏好看，我说也行，他们呢有这个动漫的底子嘛，所以他们的游戏好看。我说那中国游戏呢啊，他说中国游戏挣钱啊。这就是全世界四大游戏游戏派别啊，中国游戏最挣钱啊。咱们在什么地方设收费点，怎么去让大家上瘾，怎么能够把钱掏出来，这件事中国人是最全的。

现在呢，中国也在努力的把中国的AI应用呢，推到全球去啊，也是要去做，出海全球。为什么呢？就是啊出去了以后，你就可以用叉h p t的这种海外模型了。而且呢到了海外，中国团队就又能够起飞了。这事儿是怎么讲的？因为AI这种东西啊，它有一个很大的问题是什么？就是它在国内面临了巨大的，叫审核成本。国内呢对版权要求不高啊，但是对合规，对审核要求很高。出了国以后正好反过来啊，人家对版权要求很高，对于合规来说要求比较低。说说错了，没什么太大关系啊，处罚有啊，不是特别严重。那么，接下来我们就可以看到，中国AI在海外的市场空间将会非常广阔，因为我们可以更加自由地去创新，去探索，而不用担心过多的合规成本。

以 AI 这种时不常的张嘴胡说八道，这个状态来说的话，这种东西送到国外去，效果一定是最好的啊。因为我们当年投过 music 啊，也是中国团队到国外去做的这种产品，也就是现在 TikTok 啊。现在我知道 music 的团队啊，就是已经离开了，字节跳动离开了，呃 TikTok 他们现在又在开始努力，用这些大模型，准备在海外做项目去了。所以，AIGC 可能真的是最适合出海的，而且在这一块的话，绝对产能过剩。你想，互联网公司离职了多少人啊，有多少 35 岁以上的朋友，毕业了，走向了社会，他们现在如果手里还有点钱的话，就会努力的用 AI 做一些应用去劝国外，这个是真正大家要去干的事情。

然后，内容创作就是未来的方向啊，最大的短视频内容生态就在咱们手里，top 生态抖音快手都在努力工作。现在抖音的很多工具，包括我现在每天在用的剪映，已经涨价了，原来一年大概是 100 多块钱 200 块钱，现在已经涨到一年 500 块钱了。为什么？就是把大量的 AI 功能都塞到剪映里边去了。啊，你们今天早上看的那个视频里头，字幕是有重点突出的啊，普通的字是白字，重点是黄字啊，还变大一点。这个就是剪映的 AI 干的活，干得还可以。现在的点映出字幕，还可以做一个什么事呢？他还可以把呃口语啊，一些哼哼哈哈的词直接给你去掉，对吧，他不出现在字幕里，这不也都是 AI 干的活吗？啊都已经做起来了是吧。

人形机器人这一块呢，啊中国现在发展的也非常快速，在这一次上海的 WAIC 上啊。

在世界AI聚会上，展出了可能几十台人形机器人，各种各样的，包括擎天柱二代都来了。甚至有一些公司，比如说斯碧池还是谁，他们现在已经跟一汽还是上汽签了协议，说我们的机器人已经要去打螺丝了。当然，这个消息公布以后，这个公司的港股马上暴跌了6%，还是暴跌了百分之多少，这也是比较诡异的现象吧，妖孽横生的一个时代，怎么办呢？

但是，做机器人那件事，特别是你想快速迭代开发机器人，那件事情，全世界必须在中国做，没有其他地方可以做。我记得原来在深圳有一个是蛇口一个地区，就是各种各样国家的人，在那个地方做硬件创新，为什么？因为所有的原配件都在那周围，周围全的一塌糊涂。后边呢，搞兼容机器人，因为马斯克搞这个，呃擎天柱就是兼容机器，兼容兼容机器人，什么意思？就是我把标准定好了，中间的零件是可以换的。你一旦兼容机器人了，中国华强北就有的是东西可以提上去，对吧。硬件生产的部分，中国肯定是遥遥领先，没准在机器人时代，我们会再出一家像大疆那样的公司，我觉得完完全全可以期待。

阿梅怎么说呢，中国人从自古以来，就是知其然而不知其所以然，我们从古只有鸡兔同笼，没有方程，只有算术，没有数学，这样的一个民族，遇到了自己都解释不清楚怎么来的LMM，遇到了AIGC的时候，这玩意简直是天生为我们打造的，里边这个原理反正你们也搞不清楚，我们也搞不清楚，那咱就猛着上呗，玩工匠精神这事很适合卷嘛。

一定是最适合咱们的啊。所以呢，最后我们还是讲一下王坚这句话啊：“不是工具的革命，而是革命的工具，这是我们对AI最大的预期。不要让AI这样高能的工具成为政府统治的工具吧。越是大的公司，越是政府，他们只能得到啊——工具的革命，是得不到革命的工具的。而只有个人和小公司，小团队才能得到革命的工具。就像很多国家，他们在工业革命以后，为什么这些贵族，这些政府搞不定这件事情？因为，对于他们来说，枪炮和机器都是工具的革命啊。只有对于这些新兴的阶层来说，这才是革命的工具啊。”所以我说，王坚这句话讲得非常好啊。这就是我们今天要讲的第二个故事，就是中国的AI现在发展的什么状态。

大家好！欢迎收听老范讲故事YouTube频道。今天咱们来讲一讲“弱智吧”。

“弱智吧”是什么呢？它实际上是一个百度贴吧，里面有很多独特、简短的文字，带有哲学、脑筋急转弯、幽默感，甚至很优美的内容。大家会说：“我们是弱智，我们要到弱智吧里面去，贴一些弱智的内容，贴一些弱智的问题和答案。”但随着时间的积累，人们发现，这正是“大智如愚”的体现。弱智吧的很多内容也被大家筛选出来，贴到小红书、抖音等各个平台上，惊艳了一大片人。

这真是非常神奇的事情。有人感慨：“我们很聪明的人没有惊艳到别人，而是一帮‘弱智’惊艳到其他人了。”弱智吧里有些什么样的经典语录呢？比如“吃什么补什么”，告诉我们“吃苦成不了人上人，只有吃人才行”。这样的内容看似无厘头，但仔细思考，你会发现吃人才是成为人上人的唯一原因，因为“吃什么补什么”。它巧妙地结合了中国传统文化的内容。

还有其他有趣的例子：“工人罢工之后就成了人”，“原来你是工人”；“四川人至死不渝，重庆人乐不思蜀”，这两个相邻的省份和直辖市，四川人似乎到死都不愿去重庆，而重庆人却乐在其中。

这就是弱智吧里常见的一些内容，充满了创意和趣味。不想四川了，啊。

这是…也是把中国传统文化里的一些梗串在一起了。甚至还有啊，苦难是生命的防沉迷系统。这个世界是一列高速行驶的列车，我们不是乘客，是燃料。向禁欲的寺庙去求姻缘，向不出门的方丈去问人生，向路边的瞎了眼的道士去看前程，向最爱你的人去证明他没有那么爱你。啊，这也是《弱智八里》的信息。

然后，咖啡因来自咖啡果，所以咖啡因是果，咖啡果才是因。这也是把以前的这种因果循环，很多佛学的东西加在里头。有人看不到未来，其实是看到了未来，哇，这也是里面经常经典的一句语录了。还有些什么呢？

生鱼片是死鱼片，等红灯是在等绿灯，救火是在灭火，指南针主要是指北。大家看到了以后会突然愣一下，然后再去思考。思考完了以后，有些是会心一笑，呃，有些可能真的是会回忆起心中的某一些苦涩。但最终可能也还是只能会心一笑。

既然有这么强的《弱智吧》，现在大家要都在搞人工智能，都在搞AIGC，搞大模型了，那咱们肯定是不能放过这些大模型。所以呢，有一段时间就开始流行用弱智吧的问题去考教大模型。任何一个新的大模型出来以后，都是会把弱智吧的问题拎出来问一遍，看看大模型是不是足够的弱智吧。

最早翻车的应该是百度的文心一言，后来他们针对弱智吧的很多问题进行了特定的修正，效果呢，稍微好了那么一点点。现在基本上，只要是跟中文相关的大模型出来以后，都会弱智吧一把。经常会被拿来问AI大模型的弱智吧问题，是什么呢？

1. 为什么我爸妈结婚的时候没有邀请我？
2. 高中想要提升升学率，为什么不直接招大学生呢？
3. 为什么晚上睡觉的地方叫酒店，而晚上喝酒的地方叫夜店呢？
4. 网吧能上网，为什么弱智吧不能上？弱智呢？
5. 说一个半小时是几个半小时？
6. 陨石为什么总是落在陨石坑里？
7. 人如果只剩下一颗心脏还能活吗？
8. 蓝牙耳机坏了，去医院挂耳科还是牙科呢？
9. 小明打开水龙头…
10. 是因为开水龙头烫到了小明的手吗？他其实在考验的很多是什么。你的分词是怎么分的？这些相关的近义词、同义词、反义词，以及语言背后的很多梗，到底是什么意思？比如说，关于酒店和夜店的故事，关于说，“哎，你父母结婚的时候为什么没有邀请你？”的问题，他其实在后面是带有很多的就是直接问话之后的潜台词。你如果这些潜台词搞不明白的话，那么这件事情基本上你是没法回答的。所以很多的AI大模型，遇到了这样的问题之后，如果他只进行一层思考，那必然回答是错误的。既然这样，咱干脆拿弱智巴来做大模型训练，不就完事了吗？

于是啊，中科院、滑铁卢大学和灵异万物，他们呢就把这个事情组织起来说，我们拿弱智巴的数据进行训练吧。其实刚我刚才讲的案例里头，大家会看到，像百度其实早就训了。那为什么今天咱们要讲中科院、滑铁卢大学和零一万物拿出来训练呢？因为他们训练的结果是开源的。训练完了以后的这些数据集也是开源的，你拿着这些数据集，就可以去调整自己的大模型了，而不像百度似的，发现丢人了，关起门来，我去做一下调整和测试，然后啊再开开门，你看这回会回答这个问题了吧。啊但是他是不是会回答其他问题，然后别人是不是可以通过这个过程学到一些什么东西，就通通都没有了。这就是必元的这些大模型的一些弊端啊，开元大模型的或者一些开元的玩法啊，他们就会给大家整个的这种训练啊，整个的模型应用的能力提升做出一些贡献。

弱智吧，大分大智若愚，弱智吧，才是人类面对AI的最后一道壁垒。为什么讲这个呢？就是很多人说，你看看这个人到底是人还是机器。以前我们要让他做图灵测试，但是到这里来，把弱智吧的题给他读一遍，然后看看他到底能不能做出来，来判断他到底是人还是AI。弱智吧 到底是不是人类面对AI的最后一道壁垒？那肯定不是。现在，既然大家已经开始拿弱智吧的问题去训练AI了，已经拿它去训练出很多的模型，优化的这个结果了，而且那个真的是结果，经过弱智吧训练的这些模型，打分是非常高的。那么我们现在需要的是高质量语料。很多人在去讨论说…

为什么中国没有产生CHANGPT的时候？有一个很神奇的论点，就是说中国缺乏高质量语料。其实并不缺。以前大家都说，全世界的高质量英文语料大概是6TB左右，这个数据不知从何处查得。但是，这一次拉玛3就打了所有人的脸，说你看我用15T的数据去进行训练，训练完了以后，效果确实是遥遥领先。而这个15T的数据里，有大量的其实是由AI自己生成的，然后由AI去审核、去过滤的这样的数据去训练。这些数据里头有95%是英文的，只有5%不是英文的数据。更不要说中文了，中文跟所有其他语言混在一起，占最后的5%。

现在我们到底怎么去给拉玛三做继续训练，怎么在他这个基础上去做提高？其实，国内很多做大模型的公司已经在这里跌了跟头。别看网上有很多人说阿拉玛3可以自己去做微调了，可以怎么怎么样，甚至还有些人给非程序员出教程，那其实是骗人的。真正的大模型公司，他们会拿拉玛3的模型做完训练之后去做验证，去做跑分。虽然跑分这个事情跟我们的主观评测、主观感受有一定差距，但跑分还是他们验证、测试训练效果的最好方法。现在他们对拉玛3进行的各种微调，在训练所有的这些事情，大部分结果其实是变差了的。就是你训练完了以后比原来更差，拉玛三不擅长中文，你对中文进行了一堆训练以后，中文能力没有提升，英文能力反而下降。这个事情是蛮多的，所以大家不用那么狂欢地说，我要去拿拉玛3去做训练了，先去等一等看。现在我也在找人说，咱们是不是拿弱智吧的数据集把拉玛3再训一遍试试，但是最后能不能得到效果，还要再去等。那么，到底如何找到高质量的中文语料呢？刚才我们讲，弱智巴是一个高质量的中文语料，中科院的巴、铁路大学的和零一万五三拨人凑一块，他们干嘛呢？把弱智巴找出来，弱智巴的帖子很多，排序嘛，找点赞最高的500个帖子，把它找出来。先把这个标题取出来，“你到底都问了什么”，然后用GPT4做些回答，再进行人工的修正，再参考原来弱智吧里面的一些内容，混入到数据集里边去。包括小红书、知乎、豆瓣、百科也都没放过。就是大家把各种各样的信息都拿出来，做训练了。

但是人类最后处理的方式是：人类提出问题，人类回答，人类筛选，然后由GPT4辅政，再用人类去标注，入库训练。这就是整个的一个过程。整个训练完了以后，弱智吧的数据是效果最好的。就他们用小红书的数据，用豆瓣的数据，原来很多人说豆瓣应该是一帮文艺青年，应该拿那个玩意数据训练出来效果最好。但是现在不知道为什么，是弱智巴的语料训练的效果是最好的。而且很神奇的是，用弱智巴语料训练出来的大模型，他们在零一万物的E34B上做了微调和继续训练，发现这个模型写代码编程的能力莫名其妙的上升了。

大模型真的就是一个黑盒子，就是你对他进行训练以后，他可能有些能力会上升，有些能力会下降。他们发现，弱智吧训练完了以后会写程序了，会做各种逻辑相关的这种判断，这个会更强一些。而且呢，他们真正做得好的地方是，不是说他们把已经训练过的E34B拿出来给别人用了，现在他们训练过的E34B还在他们内部，什么时候能拿出来还不知道。但是他们做了一件事情，他们把弱智吧用来去训练的数据集开源了。这个数据集在哪呢？在huggingface上，在github上都有，大家可以上去去找，很多开源的数据集，大家都可以在上面找。比如说你要写小说，上面有专门的小说数据集。你只需要把这个数据集拿出来，跟一些认定比较好的大模型去进行训练，这样就可以更好地去写小说了，包括写玄幻小说或各种带设定的小说。他们都会有这样已经标注好的数据，你不用再重新学习和自己做标注。人类不需要反复重复发明轮子。当然，像百度那样，他们可能做完后只说自己有，别人没有。但做开源模型的人会把中间训练的数据集也直接开源，你可以在上面找。现在，弱智吧也可以自己下载去训练，但训练的结果没法保证。我们不能保证用了弱智吧的数据训练后，模型就会变聪明，这是没法保证的。

为什么呢？就像有个学校说，他们学校的学生都能提分多少多少，然后你满怀希望把孩子送进去，训练后发现高考提分没提到，你不能去退钱。人家最后会告诉你，可能是孩子不够努力，或者有其他问题。因为这是一个黑盒子。但至少他们给你开源了数据，你可以用，这比百度那种完全闭门造车的要强很多。

大模型的本身其实是一个黑盒子，就像上同样的补习班，有的孩子提分明显，有的可能降分，甚至有些直接崩了。大模型也是这样的东西。那么为什么弱智吧的效果特别好呢？这个事，其实谁也说不那么清楚。

有些人进行了一定的逻辑分析，称赞说：“你这个逻辑很好，虽然里面都是2到3层的转折逻辑，甚至包含很多诡辩和脑筋急转弯。它是一种极端的端到端思维，我有一个开始，有一个结束，但中间的运转过程，我不说。”这种弱智的神奇之处在于，尽管可以逻辑分析，比如每天有人打电话说：“你好，我们是人大附中退休老师开办的补习班，我们家孩子高三，所以这种电话每天都会接到。”他们告诉你一个逻辑，但你不能由此推导出孩子去补习班就一定能学出来，真的不一定。他们这么做，只是想表明这是符合逻辑的。在众多补习班或大数据集中，选择某个进行训练，可能会提高成功几率，但每次训练的结果只有0和1，过程不可拆解，也无法详细分析。这就是现在AI大模型的奇怪之处。

那么，为什么学了弱智吧就会编程呢？参考上面的讨论，这其实没有任何逻辑可言。现在有人主张学习哲学，问：“是不是应该学一些哲学？”我们已经给大模型提供了各种语料，是否应该加入更多哲学相关的信息，让模型训练后向AGI的方向发展？我们尝试用弱智吧的信息进行训练，结果在各种评测中领先。对此，我们只能说结果如此，现象已经呈现，但要分析清楚原因，比如是否学了哲学，或者学了什么，还无法明确。

先讲政治，这样的事情，他就对齐了。这个事情是没有任何可以直接进行关联的逻辑的。啊，也有可能有些模型，比如说用哲学相关的语料训练之后，他的逻辑能力反而会下降。这个可能性是非常大的，特别是在一些不那么讲逻辑的地方。那里学的各种奇怪的哲学，因为我们现在冠以哲学之名的东西是蛮多的。这个都很难说的事情。这就是我们今天要讨论的问题：用弱智吧的内容去训练大模型，导致大模型的性能提升了，到底给我们带来什么样的思考。如果你说，哎，我是想去用弱智吧的东西也训练一下自己的大模型，怎么办？到黑根face里边去搜索，你是可以找到这个数据集的。或者你到灵异万物，到其他地方去问，你也可以找到这个数据集。你也可以拿这个数据拿回来，自己去训练一下。但是一定要记住，我们不保证所有的人上了同样的培训班之后，上了同样的补习班之后，你都可以去提分。这就是跟大家讲的今天的故事。好，今天的事情讲到这里，感谢大家收听。请帮忙点赞，点小铃铛，参加Disco讨论群。也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。