「講好AI故事」

本號成天寫AI產(chǎn)品如何講故事，很遺憾，創(chuàng)業(yè)小登們講故事能力有每況愈下的趨勢。

今天我們來整點純正的宏大敘事。

講故事著實是一個技術(shù)活?！度祟惡喪贰肪陀昧艘徽緯钠?，來論證人類文明就是由講故事驅(qū)動的。

而在二級市場，故事的價值可以直接量化，

比如，阿里開一場云棲大會，CEO吳泳銘講了一個故事，當天阿里市值就漲了將近3000億港幣。

這個故事就講得非常地好，tremendous。論據(jù)充分，邏輯環(huán)環(huán)相扣。這是現(xiàn)在非常稀缺的宏大敘事能力。

那么，吳媽的「通往ASI之路」，到底邏輯是怎么講的？

一個好故事，必須直面核心問題，然后用自己的方式回答。

吳媽的故事正是如此。他要解答的，是AI最底層的矛盾：大語言模型這條技術(shù)路線，到底能不能實現(xiàn)AGI，能不能讓AI超越人類？

楊立昆、李飛飛這些反方的質(zhì)疑很清晰：現(xiàn)在訓(xùn)練大模型的數(shù)據(jù)都來自互聯(lián)網(wǎng)，但互聯(lián)網(wǎng)上已有的高質(zhì)量數(shù)據(jù)快用完了。

更重要的是，只用人類已有的文本信息來訓(xùn)練，AI無法憑空產(chǎn)生物理感知，也就無法真正超越人類。

AI做題可以做得很好，甚至拿IMO金牌，達到博士水平。但它沒有主觀能動性、沒有原生的創(chuàng)造力。

從信息論的角度思考，世界的本質(zhì)是信息，而信息的輸入質(zhì)量，決定了輸出質(zhì)量。如果AI無法與物理世界發(fā)生交互，那它就只能在文字、編程領(lǐng)域打轉(zhuǎn)、內(nèi)卷。

所以，這就是AI行業(yè)最根本的矛盾：

AI要想超越人類，必須能夠和物理世界交互，獲取未經(jīng)過人類歸納的、海量的、一手原始數(shù)據(jù)。

這個「信息論困境」，是吳媽敘事需要解決的根本矛盾。

明白了這個根本矛盾之后，我們再來看吳媽的講話，一切都串起來了。

吳媽上來先立論。

沒有直接給出答案，而是先抬高了所有人的預(yù)期——把目標從AGI，提高到ASI，超級人工智能。

AGI只是起點，只是達到人類通用認知能力。我們要做的，是遠遠超越人類智能、能夠自我迭代進化的ASI。

非常好，目標有了，接下來就要談實現(xiàn)路徑。

吳媽隨即提出了一個通往ASI的「AI發(fā)展三段論」

第一階段：智能涌現(xiàn)。 AI充分學(xué)習(xí)互聯(lián)網(wǎng)上已有的知識。這已經(jīng)基本完成。

第二階段：自主行動。AI開始與物理世界交互，關(guān)鍵是學(xué)會調(diào)用工具。我們正處在這個階段的早期。

第三階段：自我迭代。AI獲取了物理世界的全量原始數(shù)據(jù)，能自我迭代、自我學(xué)習(xí)，最終實現(xiàn)ASI。這遠未到來。

這個三段論的邏輯精妙之處在于，它的第三階段，直接回應(yīng)了開頭提出的核心矛盾。自然引出了下一個問題：這個關(guān)鍵的第三階段，具體要如何實現(xiàn)？AI如何自我迭代超越人類？

大家都不知道，只能聽吳媽提出阿里云的敘事。

為了讓邏輯閉環(huán)，吳媽又把第三階段aka自我迭代，拆解成了兩個核心要素。

第一個要素，AI要能夠連接真實世界，獲取原始的一手數(shù)據(jù)。

這就回到了我們一開頭提出的核心問題：AI只學(xué)二手知識，是沒有前途的。就像自動駕駛，不能靠人去寫規(guī)則，人永遠也寫不完真實路況的規(guī)則。人必須讓AI自己學(xué)會看攝像頭的原始視頻，自己去理解和學(xué)習(xí)。

第二個要素，AI要學(xué)會自主學(xué)習(xí)，Self-learning。

和物理世界交互之后，AI必須要有一個持續(xù)學(xué)習(xí)機制，能夠持續(xù)獲新的數(shù)據(jù)并接收實時反饋，自主優(yōu)化、修正偏差、實現(xiàn)自我迭代與智能升級。

很好，到了這里，吳媽的敘事已經(jīng)邏輯自洽了。AI如何超越人類？

那就是通過連接真實世界來解決信息輸入問題，再通過自主學(xué)習(xí)來驅(qū)動智能升級。

理論講完了。如何證明你能做到？

這就引出了阿里云的兩個戰(zhàn)略判斷。這兩個判斷，分別對應(yīng)前面提出的兩個核心要素，理論結(jié)合實踐了屬于是。

第一個判斷是：大模型是下一代的操作系統(tǒng)。

這個判斷最核心的點在于，大模型要通過調(diào)用工具、調(diào)用Agent，來和真實世界產(chǎn)生交互，來獲得更多的原始數(shù)據(jù)。

比如智譜前段時間做的AutoGLM 2.0，讓AI可以根據(jù)用戶指令，完成點外賣、寫個好評之類的操作，比較簡單地和物理世界有了交互。

背后，就是調(diào)用的阿里云的無影AgentBay。AutoGLM 2.0上真的有一個云安卓手機，AI直接使用云手機里安裝的APP。非常直接粗暴的交互邏輯。

并且，今天邏輯能力比較好的非技術(shù)用戶，都可以通過自然語言，讓編程Agent來創(chuàng)造一些能用的小工具。

未來，更多非技術(shù)背景的行業(yè)專家，可以將自己腦海里的知識經(jīng)驗結(jié)構(gòu)化，創(chuàng)造出若干Agent小工具，這些Agent可以通過協(xié)議互聯(lián)，可以調(diào)用物理世界的各種服務(wù)和設(shè)備時，一個龐大的Agent生態(tài)就形成了。

（call back一下，這就是）

這個大模型OS的核心價值，在于通過調(diào)用工具和Agent，來和真實世界產(chǎn)生交互。這恰恰是實現(xiàn)「要素一，連接真實世界」的手段。

也正因如此，通義千問必須選擇開源。因為要打造AI時代的安卓，就必須是一個開放的生態(tài)，讓盡可能多的場景和設(shè)備接入進來，最大化連接的可能性。

邏輯串起來了

第二個判斷是：超級AI云是下一代的計算機。

無論是Agent生態(tài)要連接真實世界，還是AI模型要進行自我迭代，整個體系都必須運行在實際的算力載體上。這背后需要海量的計算資源。

大模型這個新的「操作系統(tǒng)」，需要運行在一臺新的計算機上。新的計算機提供的海量算力，正是為了支撐「要素二，AI要自我學(xué)習(xí)」。

兩個戰(zhàn)略判斷合在一起，就構(gòu)成了一個邏輯閉環(huán)：阿里云的兩大核心戰(zhàn)略，就是是實現(xiàn)其「ASI三段論」的實踐方案。

現(xiàn) 在我們回看整個敘事。

從提出「信息論困境」這個核心矛盾，到給出「ASI三段論」拆解目標，再給出兩個核心要素的解法，然后把公司戰(zhàn)略和解法綁定，最后證明自己有能力實現(xiàn)這一切。

這才是純正且閉環(huán)的宏大敘事。

當然，正所謂，批判的武器抵不過武器的批判。

最有說服力的，還是當天通義大模型一次性發(fā)了7個。從Qwen MAX到萬相2.5，文本生成、視覺理解、語音識別、視頻生成應(yīng)有盡有。

應(yīng)有盡有，這才是真的endless win，贏無止境

（本文配圖由 ChatGPT 生成，Gemini CLI輔助寫作。）