​比尔盖茨称他一生中见证了两次革命性技术的展示，一是1980年被介绍给一个图形用户界面，这才有了后期的操作系统，而另一次就是以ChatGPT为代表的AI技术。

ChatGPT的横空出世，也让我们见证了AI从“偶像派”到“实力派”的转变。

开发人工智能和通用人工智能一直是计算机行业的伟大梦想，我们目睹了复杂的人工智能成为现实，并且它们在快速地升级。不难预见，未来将会有大量公司致力于开发新的AI应用以及改进技术本身。

中信建投证券研究所所长武超则将AI看作数字化时代的操作系统，“它是一个超级工具，会大幅加快数字化应用的落地，我们既要看到AI对数字化的加速，更要看到数字化时代将会对生产、生活方式的下一次重塑。”

AI规模化落地应用，扎扎实实为国民经济提质增效，同时我们也非常明确“这一轮科技创新需要从底层操作系统、大模型甚至是芯片和CPU、GPU做起”。

每一轮的科技创新都是“由大的确定性和小的不确定性构成的，确定的是行业技术和演进趋势，不确定的是谁最终能跑出来”，从细枝末节的问题中间跳出，俯瞰它对全行业的影响，或许才能够让我们在众多不确定性中保留一份清醒。

 AI的前世今生

人工智能（Artificial Intelligence，缩写为AI）亦称智械、机器智能，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术，其经历了这样的几次浪潮。

1950年，“人工智能之父”图灵提出了机器具有智能的可能性，1956年的达特茅斯会议上“人工智能”这个词由约翰.麦卡锡等人首次正式提出，因此这一年被公认为是人工智能的元年。

随后的几十年间，人工智能经历了发展高潮与瓶颈期的不断切换。1966年美国麻省理工学院发布了世界上第一个聊天机器人ELIZA，20世界80年代，推理作为机器智能的主要机制引发了以日本第五代计算机为代表的的人工智能研究第二次高潮。

但在此期间，人工智能应用规模的扩大，让人们认识到此时的人工智能与憧憬中的还存在很大差距，人工智能要实现真正的智能化，其应该拥有自己的感知系统，并且可以自主学习。构想与现实技术之间的差异，也让人工智能的发展反复受阻。

直到上世纪90年代末，互联网技术推动人工智能的创新研究加速，人工智能进入平稳发展期。

伴随着大数据、云计算、物联网等技术的发展，以深度神经网络为代表的人工智能技术迎来爆发式增长的新高潮，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了重大的技术突破，大幅跨越了科学与应用之间的技术鸿沟。

2015年OpenAI成立，并提出其使命是推动通用人工智能。其聊天机器人ChatGPT自2022年11月开放公测以来，迅速习卷全球成为现象级应用，基于Transformer模型，ChatGPT能够理解和学习人类的语言来进行对话。随后我们便以始料未及的速度见证了GPT-4的震撼发布。

微软、谷歌、百度、阿里等众多科技巨头纷纷加入AI竞赛并推出自己的拳头产品，此等狂欢场面让我们意识到AI真正迎来了它的爆发式增长。芯片巨头英伟达黄仁勋不禁兴奋地宣布“我们正处于AI的iPhone时刻。”

历经几十年的螺旋式上升，人工智能从初期探索到引发第四次产业革命，世界正在被AI重塑，人工智能将融入每个人的生活，变得无处不在。

而就人工智能要实现的根本目标而言——让机器来模仿人类学习以及其他方面的智能，一切才刚刚开始。正如比尔盖茨所言：“我们应该记住，我们只是在人工智能可以实现的开始阶段，无论它今天有什么限制，它都将在我们不知不觉中被消除。”

惊叹与争议接踵而至

人工智能作为新一轮驱动科技革命和产业变革的核心驱动力量，已经成为了国际竞争的新焦点和经济发展的新引擎。如何在更高的层次、更大的范围让AI为人类带来更加美好的未来，是政策制定者和科技先行者应该规划和思考的问题。

在人工智能“狂飙”的路上，既留下了工作效率飙升的满屏惊叹，也饱含着深深的隐忧。

除去人工智能可能与人类竞争并对经济、政治、社会和文明造成潜在风险等此类伦理问题，隐私和数据泄露问题就首先给企业和个人敲响了警钟。

在AI不断迭代且确实能大大提高工作效率的时候，不积极拥抱AI似乎就意味着会被时代远远甩在身后，但同时我们也看到本来持谨慎、保守态度的三星在引入ChatGPT不到20天，就发生了3起机密数据泄露事件，其中还涉及三星半导体设备测量资料等信息。

其实关于ChatGPT的争议一直不断，据Cyberhaven数据统计现实，近160万名打工人中，有6.5%的员工表示会将公司数据复制到ChatGPT中，更有3.1%的员工表示曾将公司的机密数据放入ChatGPT。担心机密数据外泄的企业会禁止员工访问ChatGPT，例如摩根大通、花旗银行等。

数据隐私问题在Web2时代一直饱受诟病，而数据作为人工智能发展的三大基础要素之一，若随意被盗取、滥用，这样的AI应用即便能够大规模赋能生产力，也不是我们希望看到的结果。

3月31日意大利个人数据保护局就宣布，禁止ChatGPT的使用，同时对其背后的OpenAI公司展开调查，限制其处理意大利的用户信息。

同时，AI掀起的惊涛骇浪，也将算力问题再度推向前台：一边是计算量爆棚的AI与大模型发展热情高涨，另一边是即将触顶的算力增长空间与算力消耗所带来的惊人碳排放量。

早在2021年，麻省理工学院的研究人员就曾发出算力警告：深度学习正在逼近计算极限。还原人工智能本质，算力即权利，只有算力足够强大才有更多可能性。

有这样一种说法，“流向大模型的每一滴水其实最后都会流向算力”，未来将是人工智能算力的“超摩尔时代”。

AI的普及是历史的必然趋势，随着AI算法突飞猛进的发展，越来越多的模型训练需要巨量的算力支撑，但要知道，算力提高的背后，硬件、环境和金钱等成本都将变得越来越无法承受。

且目前区域间算力资源供需也是不平衡的，要发展AI，必须要有稳定可靠的衔接平台来供给算力资源。

如何支撑AI产业高速发展突破AI算力困境？算力扩容问题在提高单芯片算力之外是否还有其他答案？如何实现算力可持续发展？我们期待能把AI引擎拉满的可行方案不断涌现。

 AI的未来需要怎样的算力服务

数据、算力和算法——推动AI发展的三大基础要素，三者之间相互促进、相互支撑、缺一不可。在致力于大模型研究的同时，如何保证数据隐私安全，又满足AI发展不断飙升的算力要求，都是当下亟待解决的问题。

数据接入和处理是支撑AI发展的重要底层资源和生产要素，为保证隐私数据不被非法收集、储存与利用，避免其被盗取或滥用，必须采用先进的技术方案以及配套的监管机制来实现数据管控，隐私计算技术也许会成为AI发展的关键一环。

诸如基于密码学基础的安全多方计算技术或基于可信硬件的TEE可信执行环境技术，无论哪一种隐私计算技术，其最终目标都是为了实现数据的「可用不可见，可算不可识」，这也是隐私计算技术的核心理念。

而在实际落地中，不少项目或企业正不断尝试将区块链技术与隐私计算相结合，将区块链技术对计算的可信证明应用到隐私计算中，可以在保护数据隐私的同时增强隐私计算过程的可验证性，两者相辅相成，能够实现更广泛的数据协同。

隐私计算除了能够保证「隐私安全」，「计算」也是至关重要的一部分。目前提出的算力资源优化途径中，云计算和边缘计算是重要的技术变革方向。高效的分布式互联和协作计算能力，实现算力端、边、云协同是提升智能服务的有效途径。

而基于区块链技术构建的Web3云计算在分布式计算范式中天然具备分布广泛、边缘化的特点。作为下一代互联网的重要组成部分，Web3云正在吸引越来越多的传统云巨头和行业巨擘的眼球，而人工智能作为一项关键技术，也将对其发展产生深远影响。

在这个新领域里，GPT-4无疑是备受期待的一个突破，它被称为“史上功能最强大的AI模型”。它可以通过深度学习和模型训练，对Web3云中庞大、复杂的数据进行更加智能的处理和分析，这将使得Web3云能够更好地满足用户的数据处理和分析需求，为用户提供更加准确、全面的数据分析结果。同时，GPT-4还可以帮助智能合约更加智能化，并实现更加高效、智能的执行。

随着AI的不断发展，未来将会有更多的用户参与到Web3生态中，享受到更加智能和高效的服务。这将进一步加速区块链技术的落地和应用，从而推动整个经济的转型和全方位升级。

尽管存在数据隐私安全和算力优化等诸多挑战，但Web3云作为未来互联网的重要组成部分，其潜力无疑是巨大的。以Phala Network为代表的Web3云服务利用「计算-共识分离」的机制，通过安全硬件环境（Secure Enclave），让用户在数据加密的情况下使用数据，同时实现了大规模的云处理。

我们可以期待，在不久的将来，更加智能、高效、安全的Web3云服务将会逐渐普及，并为人们带来更加丰富、智能的云服务体验。

AI时代已到来，云计算也将乘着AI的东风攀越直上开辟另一个机遇窗口。AI所需的高性能、低成本、高灵活性算力资源将助力企业加速Web3时代云服务的落地。

本文链接：https://my.lmcjl.com/post/4924.html