李彥宏接受《時代》專訪：AGI可能不存在，中國模型落后的不太多

李彥宏

鳳凰網科技訊 北京時間1月27日，百度CEO李彥宏接受了美國《時代》雜志的專訪，談到了百度在AI領域的發展歷程。李彥宏表示，他甚至不相信存在所謂的通用人工智能(AGI)，沒有一個模型能夠“面面俱到”，OpenAI不行，谷歌也做不到。在模型發展上，中國落后的沒那么多。

在百度北京龐大總部入口大廳的墻上，懸掛著一塊鑲嵌著金色數字“1417”的小木牌。這個數字取自北大對面的一間賓館房間。正是在那里，李彥宏于2000年創立了這家市值500億美元的公司。

在公司創立早期，李彥宏的重點是鞏固百度作為中國領先搜索引擎的地位。然而，他早在本科階段在北京大學和清華大學上課時，就對AI產生了濃厚興趣。但是在1991年他赴美攻讀研究生時，這份興趣被暫時擱置。

“我對教授說，我對AI感興趣，但他卻說：‘別搞這個，否則你將來會找不到工作的！’”李彥宏笑著回憶道。

如今，事實證明了這位教授當年的判斷大錯特錯。據估計，去年全球AI市場規模已達2440億美元，而AI芯片先鋒英偉達已成為全球市值最高的公司，價值超過4萬億美元。李彥宏早早地預見到了這一趨勢，如今百度已成為中國領先的全棧式AI企業之一，提供從芯片、云基礎設施，到模型、智能體、應用和消費產品的全套服務。

去年11月，《時代》在百度世界大會期間采訪了李彥宏。以下是采訪全文：

問：你在2000年創辦百度時，有沒有預料到AI能在今天發揮如此重要作用？

李彥宏：沒有。當時我創辦百度時，我意識到互聯網將在中國成為一件大事，而搜索技術對于中國互聯網的發展非常重要。但我當時并沒有把AI和搜索引擎聯系起來。大約在2010年，我們意識到機器學習(AI的一個分支)開始在搜索結果排名中發揮作用。我們大約在那時開始投資AI，以便研究有多少人會點擊某個鏈接。隨后在2012年，我們意識到深度學習將變得非常重要。它識別圖像的精確度遠超上一代技術。百度對AI的實質性大規模投資，正是從2012年左右開始的。

問：你曾提到，去年在將AI融入社會和經濟各個領域方面，許多門檻已被打破。你認為2025年是AI普及的關鍵之年嗎？

李彥宏：就應用而言，是的。因為在2023年或2024年，主要關注的還是基礎模型。基礎模型的能力不斷提升，同時推理成本持續下降。但未來，人們必須考慮應用層面的增值。在過去大約半年里，我們已經看到，這波AI浪潮在應用層面創造價值的各種場景。

問：你最近發布了文心一言5.0，在多個指標上都能與ChatGPT、DeepSeek及其他大語言模型一較高下。但這是一個競爭非常激烈的領域。是什么讓你覺得文心一言能夠脫穎而出？

李彥宏：在開發我們的基礎模型，也就是文心一言時，我們采取的是以應用為驅動的策略。特別是5.0版本，我們并不試圖“面面俱到”，而是專注于我們非常關心的應用領域，例如搜索或數字人。在這些領域，無論基礎模型層面需要哪些能力，我們都會訓練模型在這些技能上表現出色。

舉例來說，我認為我們的模型在指令執行和創意寫作方面表現非常好，創意寫作方面甚至被評為第一。因為這些能力可以用在數字人層，尤其是在數字人進行直播、電商銷售時。要賣東西，你需要寫出非常有說服力的腳本，讓用戶愿意為商品付費。因此，我們會針對這些應用場景優化模型。

我們認為，未來沒有任何基礎模型能夠在每個方面都做到最好，OpenAI做不到，谷歌Gemini也做不到，我們自己也做不到。但我們會優化模型，使其在我們最關心的應用方向上表現更好。

問：你是否認為基礎模型領域會像其他技術一樣，很快進行整合，只剩下少數幾個佼佼者？

李彥宏：我認為最終確實會如此。桌面互聯網是這樣，移動互聯網是這樣，AI也將會是這樣。最終可能只會剩下少數幾個基礎模型，但在應用層，將會有許多在不同方向上取得成功的參與者。我認為那里蘊藏著最大的機遇，否則這一切只會成為一個泡沫，遲早會破裂。

問：你曾表示芯片的價值存在誤導性，而應用層的附加值需要提升。作為一家全棧AI公司，百度在哪些應用領域看到了增長和收入的潛力？

李彥宏：這正是我的觀點。我認為目前的格局像一個金字塔：大部分價值體現在芯片層面，模型層面可能只實現了十分之一，而應用層面實現的價值更少。這顯然不健康。我之所以這么說，是因為自2023年初我們在開發基礎模型時采取了非常不同的策略，當時大家的注意力都集中在文心一言上。我公開表示：“不要只關注模型，要關注應用。”這正是我們過去兩三年堅持的方向。因為我堅信，必須在應用層創造更多價值，才能持續支撐對模型、芯片等底層技術的投入。

問：百度積極擁抱開源模型，你為何認為這是最佳選擇？

李彥宏：我們一直支持開源社區，尤其是在深度學習框架層面。我們的飛槳開源深度學習平臺有數千萬開發者在使用，其影響力可與TensorFlow和PyTorch媲美。在模型層面，我們也認識到開源能吸引更多關注，讓人們更愿意嘗試并驗證其效果。但必須說明的是，我不認為開源是價值創造的關鍵。準確地說，這并非真正的“開源”，而是“開放權重”。你可以獲得模型所有權重參數，卻無法知曉訓練數據，因此難以完全復現模型開發者的成果。不過這并不重要：關鍵在于為你的應用提供最佳性能的模型。它可能是一個小型開源模型，也可能是昂貴的大型閉源模型。只要它能創造的價值遠超過你在推理和訓練上的投入，就值得采用。當前行業正處于模型爆發期，幾乎每周甚至每天都有新模型發布。開發者擁有豐富的選擇，但這種局面終將趨于穩定并走向成熟。當更多模型開發者轉向應用層，為各類場景開發智能體時，生態系統便會真正成熟起來。

問：與上次交流時相比，我感受到一個顯著變化是百度正堅定推進國際化擴張，特別是蘿卜快跑自動駕駛出租車在中東和歐洲的布局。你們如何應對這一進程中監管與地緣政治方面的挑戰？

李彥宏：無論在中國還是海外，這始終是充滿挑戰的領域。目前自動駕駛技術已到達臨界點：我們完全具備在高度擁堵的城區大規模部署自動駕駛出租車的能力，但很多城市目前還不允許自動駕駛車輛上路。目前。蘿卜快跑已在約22個城市運營，我們正快速擴大規模：持續增投車輛、提升訂單量。因此，只要當地監管允許，我們都樂于推進部署。我們有時獨立運營，有時與Uber、Lyft等各類本土伙伴合作。我們非常靈活，我認為我們的技術已經為此做好了準備。此外，由于中國擁有非常有競爭力的供應鏈，我們能夠以低于西方車輛的成本制造自動駕駛出租車。因此，我們在全球大多數城市都能實現獨特且健康的經濟效益。這也是為什么只要監管允許，我們就準備好部署的原因。

問：中國在傳感器、電池以及其他電動車零部件的供應鏈方面非常強大，但芯片是美國似乎牢牢掌控的一個領域。百度剛剛發布了新款M100芯片，并正在開發新的芯片集群。我們現在是否可以說，中國已經不再依賴美國芯片了？

李彥宏：不，在GPU或AI加速器方面，我認為我們可能落后美國兩到三代。但這并不會阻礙我們開發非常有價值的應用。芯片層位于技術金字塔的最底層，其上是各種框架、基礎模型，然后才是應用層。我們在芯片上可能落后幾年的時間，但在模型層面并不算太遠。而在模型之上，我們有很多其他地方找不到的應用場景。美國的人甚至都不知道這些問題需要被解決。這正是價值創造的地方。因此，我并不太擔心芯片限制，雖然我非常希望能夠使用最先進的英偉達芯片。

問：美國政策制定者討論用“曼哈頓計劃”式(美國研發首個原子彈的代號)的力量來推動AGI。而在中國，政策框架更多關注將AI技術普及到社會各領域。你覺得美國以軍備競賽的方式討論AI有幫助嗎？

李彥宏：在這個問題上，我們的看法非常不同。美國主流觀點確實把它當作“曼哈頓計劃”，國家投入巨資去實現所謂的AGI，以便領先中國和其他國家。而我們更關注應用。中國在制造業方面非常強大，我們有大量工廠，需要高效率、低成本地生產各種產品，而AI正是用來解決這些問題的。這才是我們更關心的。我甚至不認為所謂的AGI存在，也就是有一個模型能“包打天下”，在每個方面都優于其他模型。我認為，我們必須考慮實際應用。即使你像愛因斯坦一樣聰明，如果你甚至都不知道某些事情存在，也很難去解決問題。

問：所以你們是把AGI放在一邊，只專注于應用嗎？

李彥宏：我并沒有花很多時間去思考AGI。我們當然在訓練模型，但訓練模型的目的，是為了解決具體的應用問題。我并不認為我們應該去打造一個“無所不能、適合所有人的超級智能AI”。

問：在開發AI應用，并克服監管等阻礙以實現大規模普及方面，你認為最大的挑戰是什么？

李彥宏：創新幾乎總是需要處理前所未有的問題，尤其是當試圖將技術部署到現實世界時。以自動駕駛出租車為例：道路上存在出租車司機和各類由人駕駛的車輛。這是一項新事物。總體而言，中國政府是支持創新的，他們常說“我們支持你的創新努力”。但另一方面，他們也需要顧及各利益相關方的種種關切。如果沒有任何法規允許自動駕駛汽車上路，那就意味著它不能上路。這與美國的情況略有不同。在美國，如果沒有法規說你不能讓自動駕駛汽車上路，那么你就是被允許的。在得州或佐治亞州等地方，對自動駕駛出租車運營根本沒有監管。但在中國，在AGI和基礎模型方面，很多情況下你必須獲得監管機構的許可。

早在2023年初，美國很多意見領袖就聲稱“AI非常危險，我們需要監管。我們需要將基礎模型的發展推遲六個月，以確保其安全，或符合我們的價值體系”。但在中國，其實并沒有發生類似的事情。我們并不經常討論這類監管問題，但實際上，已經存在一整套引導新技術發展的監管規則。

問：現在看起來，美國在AI領域推動更多安全措施和護欄的努力已經消失。美國正全速推進、試圖贏得他們所說的“AI 競賽”。你覺得這是不是有些魯莽？你認為美國是否應該退一步，像中國那樣制定一些恰當的監管措施？

李彥宏：我對此會非常謹慎地看待。一方面，我確實認為應該有一定的護欄；但另一方面，由于技術發展得如此之快、進步如此迅猛，在制定監管規則時必須非常小心，避免傷害創新的節奏。我們很難指望監管者對技術有比基礎模型開發者更深入、甚至更好的理解。如果采取一種過于“事先預防式”的態度，可能并不是一件好事。你希望監管它，但應該退后半步，觀察它的演變，然后再制定恰當的法規。你不應該走在技術路線圖的前面，哪怕只是領先一步或半步，因為那樣做，它會成為創新的減速帶。

問：對于那些擔心AI取代工作、取代人類的人，你想說什么？你理解他們的擔憂嗎？

李彥宏：是的，中國和美國都面臨類似的問題。從長遠來看，人們普遍認為新技術將為人類創造更多的工作機會。但短期內，我們確實面臨挑戰。由于AI帶來的生產力提升，就業將面臨下行壓力，我們需要找到方法來應對這個問題。在美國，人們討論全民基本收入；在中國，我們則更多談論新的就業機會，比如數據標注這類工作。百度就幫助許多城市建立了數據標注中心，雇傭了成千上萬的人。我認為未來，我們將能夠創造出許多我們從未設想過的全新工作崗位。

問：你如何看待數據中心能耗巨大的問題？這個問題如何解決？

李彥宏：這個問題我們很早就面對過，大概在10到15年前，當我們開始建設大規模數據中心時，就開始關注所謂的PUE(電源使用效率)。我們投入了大量精力來確保數據中心的能效。在中國，我們的數據中心可能仍是能效最高的。隨著AI的擴展，我們確實需要更多的算力和電力。因此，這方面的努力變得越來越重要，也多少有些不同。在GPU時代，有很多不同的節能方法。但也許最明顯的一個是讓你的模型更小，推理成本更低。如果你能做到這一點，自然就會減少電力需求。在這方面，中國遙遙領先。我們能夠開發出推理成本是美國同行十分之一甚至百分之一的模型。我認為美國更側重于開發最強大的AI模型，而中國，可能因為我們的購買力較弱、競爭更激烈，我們總是不得不降低推理成本，順帶也節約了能源。

問：像DeepSeek這樣的公司只花了600萬美元就做出了V3 模型，而Meta卻在AI上砸下了數十億美元，成效卻備受質疑。你怎么看？你是否認為美國正陷入一種泡沫，只是在不斷往研發里砸錢，卻并沒有真正關注產出和回報？

李彥宏：我認為這是兩條不同的發展路徑。在中國這邊，我們努力讓模型變得更高效。我們必須這么做，因為我們無法獲得最先進的芯片。而在美國這邊，你們擁有更先進的芯片，也更愿意在前沿技術上進行大規模投入。我覺得這同樣是好事，這有助于人類去探索技術的極限、可能性的邊界。我對這方面的努力非常感興趣，也一直在密切關注。正如我之前說的，我們可能無法在模型訓練投入上與谷歌、OpenAI相匹敵，但我們離應用更近。我們更清楚要解決什么問題，也希望在美國意識到這些問題存在之前，就已經把它們解決掉了。

問：你認為在未來大約10年里，AI將以哪些最不被理解、或者最出人意料的方式改變社會？

李彥宏：這存在著巨大的不確定性，因為技術演進得實在太快了。要去想象10年之后會發生什么非常困難，甚至回頭看一年前，我都無法想象今天的AI會如此強大。所以我們能做的，就是持續觀察技術所能達到的可能性，并努力找到利用這些創新的方式。(作者/簫雨)

更多一手新聞，歡迎下載鳳凰新聞客戶端訂閱鳳凰網科技。想看深度報道，請微信搜索“鳳凰網科技”。