# 聊一聊Sam Altman的Who will control the future of AI?


![](https://leafw-blog-pic.oss-cn-hangzhou.aliyuncs.com/Xnapper-2024-08-04-19.29.23.png)

今天随便翻了翻 X，看到了 Sam Altman 7 月底发的一篇推文，说的是他在 Washington Post 上的一篇文章，[Who will control the future of AI?](https://www.washingtonpost.com/opinions/2024/07/25/sam-altman-ai-democracy-authoritarianism-future/) ，从他说的 `U.S. need to maintain its lead in developing in AI` 来看，就显然可以看出他不会是那种希望全球共同发展 AI 的和平主义者，而是更希望美国进行独裁的支持者。之前对于他的各种新闻我也看过了很多，更对于 OpenAI 的发展也是越来越抱有怀疑态度，尤其是从之前的内部动乱到后来 Karpathy 大神的离职，感觉 OpenAI 逐渐就是变成他的 CloseAI，而且现在无论是闭源的 Anthropic 还是开源的 Meta ，都隐隐有着超越之势，也许不就的将来，OpenAI 会被拉下神坛。

他的这篇文章主要是有这么几个观点：

1. 美国的 AI 公司和行业需要制定强有力的安全措施，以确保我们的联盟在当前和未来的模型中保持领先地位，并使我们的私营部门能够创新；
2. 基础设施决定 AI 的命运；
3. 必须制定一个连贯的 AI 商业外交政策，包括明确美国打算如何实施出口管制和外国投资规则，以全球构建 AI 系统；
4. 需要创造性地思考建立新模型来确立开发和部署 AI 规范的世界，特别关注安全性并确保全球南方和其他历史上被落下的国家的角色。

从他的角度来思考，他希望美国作为 AI 领域的领导者其实也是合理的，就像我们也会希望中国能达到行业的领先地位。但从这一点可以看出，我们国内的开发者们的确需要考虑不要过分依赖国外的模型或服务，可以将目光也放到国内的一些厂家，虽然一开始我也觉得国内这些大模型公司只是为了一些 KPI 而强行退出的大模型一定很难用，但从这一年各家的成果以及体验来看，和他们相比还不是无法越过的差距。

从 GPT3.5 发布至今， 实力最强劲的还是 OpenAI 和 Anthropic 两家，尤其最近 Anthropic 的发展趋势也有隐隐超过 OpenAI 的意思，我也不止一次在考虑要不要把 ChatGPT 的会员停掉换到 Claude ， 但目前还在等到他将 OpenAI 彻底击败的时刻。而国内现在的大模型公司则是百花齐放，而且头部企业也有将自己的模型进行开源或部分开源，比如 Qwen2 还登顶了 HuggingFace 的 LLM Leaderboard ，虽然最近发布的 LLaMA 3.1 可能更强，但由于它不支持中文，因此我想最强的开源中文大模型可能还是得属于 Qwen2 。

从 LLaMA 不支持中文的特性也许也能看到一丝跟 Altman 一样的想法，就是美国需要维持模型中的领先地位，这么大参数规模的模型，就算进行中文微调，感觉也不一定能达到英文的水平，那么具体对于国内开发者或企业而言，也许就不会是首选的开源模型。

不过这并不意味着国内开发者就没有好的选择。相反，国内的大模型生态正在快速发展，并且逐渐涌现出一批优质的模型。例如，除了 Qwen2，还有深度求索的 Deepseek， 智谱的 ChatGLM 等，都在特定领域表现出色，并且在中文处理上有着天然的优势。对于需要进行中文大模型任务的开发者和企业，这些模型显然是更好的选择。

我个人现在算是忠实的 Deepseek 拥护者，因为没有足够的硬件支持，使用的是他的 API，现在是只要有大模型 API 调用的需求，我首选就是 Deepseek， 而且就在 8 月 2 日，他们还上线了[硬盘缓存](https://platform.deepseek.com/api-docs/zh-cn/news/news0802) 的能力，我在半个月前还有问他们客服多轮对话的 token 计算问题来着，因为多轮对话每次都要把前面轮次的所有内容全部传进去，导致 token 的使用还挺大的，没想到这么快他们就上线了缓存能力，本来就是比白菜价还白菜价的费用，现在更是划算了。（深度求索打钱 😄）。

当然闭源的模型产品如月之暗面的 Kimi， 字节的豆包，都是有着比较好的用户体验，我平常使用的比较多的国内闭源模型产品就是 Kimi，至少从模型表现上还是不错的，尤其是进行文章的阅读以及之前我自己写的 Paper-Agent ，都是使用 Kimi 的模型能力。

在这样的背景下，国内开发者应该更加关注本土化的发展机遇和挑战。尽管目前国内外在 AI 技术上的差距仍然存在，但这种差距正在逐渐缩小。通过积极参与开源社区，推动技术共享与合作，国内的 AI 生态系统有望在未来几年内实现更大的突破。作为个人开发者或者中小型企业也许没有参与基座大模型的战场，但从模型的应用上，还是有着很大的市场空间。

虽然想要真正的进行模型商业使用，如果不使用模型产商的 api 而是进行私有的训练或部署，小体量的模型很难上战场，大体量的又承担不了成本。可未来会一直维持这样的尴尬境地么？我想不会，正如最近贾扬清说的 `Is LLM model size re-walking the path of CNNs?` 以及 Karpathy 说的 `LLM model size competition is intensifying… backwards!`，未来大模型的发展可能会逐渐变成尺寸越来越小的模型，而硬件的发展也有着黄仁勋的黄氏定律（虽然咱国内不一定能用上最强版本），因此对于大模型行业，资源成本应该是逐步降低的趋势的。
![](https://leafw-blog-pic.oss-cn-hangzhou.aliyuncs.com/Xnapper-2024-08-04-20.28.24.png)

![](https://leafw-blog-pic.oss-cn-hangzhou.aliyuncs.com/Xnapper-2024-08-04-20.28.04.png)

最后，尽管美国在 AI 领域拥有显著的先发优势，但全球 AI 技术的竞争格局正在发生变化。各国在技术创新、政策制定和市场应用方面的互动与博弈，将深刻影响 AI 的未来发展路径。对于每一位 AI 从业者而言，如何在这一快速变化的环境中抓住机遇，实现技术与应用的创新，是一个值得深思的问题。