夕小瑶(机器学习优秀答主）回答：

我觉得最大的障碍在于文化，或者说意识。

据我观测，每当国外有新的技术突破的时候，咱们国内手握大量资源的团队第一反应往往是——

咱们赶紧做个中文版的出来！咱们要做出中国的首个XXX模型。

所以，如你所愿，各大手握资源的团队纷纷推出了中文版的BERT、RoBERTa、GPT3等。有的团队还比较实在，不在名字层面做创新，干脆就叫XXX中文版。但不少团队是在原版基础上强行加一些作用不大的伪创新和所谓差异化，搞点trick刷个榜，然后起个霸气的名字，就开始做推广了。

文化的事情你不能去苛责具体的团队或人。毕竟，趟全新的路子，失败风险是要高于成功的；打补丁做宣传，成功的概率要高于失败的。失败后，绩效怎么办？团队会不会被干掉？会不会成为降本增效先锋？这都是一个团队leader要顾忌的事情。

顶层机制和价值导向不改，下边是不敢放开手搞创新的。

另外，今年OpenAI忙着搞ChatGPT，国内大厂忙着降本增效，人人自危，AI成为秋招重灾区。接锅吧，经济大环境！

这究竟是时代的偶然还是历史的必然？

纳米酱回答：

国内做AI的只有两种，面向政府和面向普通人，面向政府的话，并不需要chatgpt，只需要诸如智慧城市，芯片，智慧xx等项目成功结题，领导人升迁便可。

面向普通人就是便宜卫生巾的拼多多，跳舞扭屁股的抖音，以及一刀999的传奇页游

从环境来说，科技本身发展逻辑被政治和普通人把握，是不可能为了证明某个科技奇点，而产生任何主动性投资以及鼓励

袁进辉（一流科技公司创始人）回答：

我理解，最核心的还是人和环境两个因素，没有那样的人，没有那样的环境。这是一个鸡生蛋、蛋生鸡的问题，到底是环境造成了没有这样的人，还是人构成了这样的环境?

具体来说：

1，需要有远见且为理想而持之以恒的人。

看看几位在深度学习革命中发挥重要角色的人有什么特质：

“远见者”特斯拉AI主管Karpathy｜深度学习崛起十年 

黄仁勋口述：英伟达的发展之道和星辰大海 

深度学习崛起十年：“开挂”的OpenAI革新者 

DeepMind爆发史：决定AI高峰的“游戏玩家”｜深度学习崛起十年

天才制造者：独行侠、科技巨头和AI ｜深度学习崛起十年

这些人都不是心血来潮或者看到什么热门就去掺和一下的人，都是有很超前的科学信念，不问西东，持之以恒为之奋斗的人。

2，其次，这样的人需要得到资源的支持。简言之，人才和资源的匹配机制不行，无论是政府的资金，还是社会风险资金，理想上是流向那些最合适的人和团队那里，但实际上和国外差距非常大。

Xiangyu Zhang（旷视科技）回答：

意识和视野的差距是决定性的，国内非常缺少有前瞻能力、能出题的帅才。这也不完全是试错的问题，事实上真正厉害的人带队做东西的成功率非常高。我就接触过一些人，别人看来比较高风险、需要试错的事情，在他看来非常具有确定性、几乎必然成功的，最后果然也能把事情做成，这就是视野和前瞻能力的差距。我们的很多学者提不出好的课题，要么过于平庸，要么无法实现，要么没有卵用。这是每个课题带头人需要反思的。

还有就是产学研商业闭环的能力国内也非常欠缺。做这种东西，钱不是大风刮出来的；对于头部学者想搞事情，拿到启动资金并不困难，但接下来怎么办需要周密的部署，钱从哪里来，怎么拿投资，前期如何过渡，预期能取得多少成效，要如何反馈科研、回馈投资人，都得想清楚，这样才可持续发展。我们的很多项目初始投资其实不少，但是没有做好闭环，很快钱就烧光了。

其实AI领域我们和国外差距最小的反而是解题能力，或者说是狭义的技术实力。已知一个方向确实行得通，国内很快就可以做出来。很多人可能认为AI领域国内非常依赖国外工作的开源，其实并不是，这和操作系统等传统领域还不一样，AI技术本身我们的差距并不大。头部的公司在已知方向的情况下靠自己复刻一个算法或者一个商业模式，这些并不困难。但问题是这种模式在其他领域可能听起来还不错，在AI这种快速发展的行业里是不行的，因为算法是有明显的时间价值的，淘汰迭代的速度太快了，率先意识到一个东西，并第一个做出来，将拿走几乎全部的credit和大部分潜在利润，以及进一步转型的时间窗，后面follow的就算成功也只能吃灰。最简单的，我们累死累活复刻了ChatGPT，结果别人直接出了ChatAGI；或者堆了大量机器把参数量弄到十万亿，结果别人说实现AGI堆参数是错误的，只需要小参数量、小数据就行了，这不是直接降维打击么。这种亏我们在几年前的AutoML时代已经吃过一次了，希望不要在大模型时代再吃一次。

文章转载自知乎，著作权归属原作者，侵删

END

分享

收藏

点赞

在看