企业必须保持模型切换能力——吴恩达深度解析AI发展路径

在人工智能技术飞速发展的今天，企业如何在这场技术革命中保持竞争力？近日，深度学习领域的先驱人物接受了媒体专访，系统性地回顾了现代AI发展的关键节点，并就当前行业热议的开源闭源之争、应用层价值、企业护城河构建等核心议题给出了深刻洞察。作为曾创建谷歌大脑团队、担任斯坦福大学人工智能实验室主任的行业领袖，吴恩达的观点无疑为正在探索AI落地路径的企业提供了重要参考。

Transformer架构的诞生与规模化信念

2010年，吴恩达向谷歌创始人提出了一个在当时备受争议的构想：构建极其庞大的神经网络，并向其输入海量数据，它们就能学到不可思议的东西。正是这一理念催生了谷歌大脑团队，并最终孕育出Transformer这一改变AI发展轨迹的关键架构。回顾这段历史，吴恩达强调，"你构建的AI越大，它们就会变得越聪明"这一理念至今仍在推动着整个行业不断前进。然而，他也指出，当前许多企业虽然认识到AI技术的惊人潜力，却依然感觉这项技术没能真正帮助他们实现突破。核心挑战不在于购买了多少AI工具的许可证，而在于能否找到真正适合自己的应用场景，这涉及人员变革管理、技术与业务的深度结合，以及必要的基础设施支撑。

开源与闭源：企业需要保持选择灵活性

在开源与闭源模型的争论中，吴恩达明确表达了自己的立场：支持开源模型的发展至关重要。他强调，虽然他本人也与OpenAI、Anthropic等闭源模型厂商保持良好关系，并衷心希望这些企业取得成功，但这些企业的成功绝不能以切断其他人对开源模型的访问为代价。开源模型性能卓越、成本低廉，为企业提供了更多选择，意味着企业不会被锁定在某一个闭源专有模型提供商那里。吴恩达建议企业领导者，在构建业务时最重要的是保持选择的灵活性，因为没有人能够准确预测一年甚至六个月后哪个模型会成为最顶尖的模型。他本人同时使用OpenAI、Claude、Gemini等多个模型，不会让自己受制于其中任何一家。

应用层价值被严重低估

吴恩达指出了一个常被忽视的现象：在大量资本涌入数据中心建设、GPU采购和基础设施层资本支出的背景下，真正有价值且被严重低估的部分，是建立在这些基础设施之上的所有应用程序价值。他以互联网时代为例，当年思科在网络设备领域做得极为出色，但真正创造庞大价值的是建立在互联网之上的各种应用程序。在AI领域，吴恩达与合伙人也花了大量时间帮助大型企业思考，到底哪些应用程序能真正改变商业模式，而不仅仅是让人们跟聊天机器人聊聊天、复制粘贴文本或者修改邮件语法。他们寻找的是能带来颠覆性自动化的场景，不仅为了节省成本，更是为了驱动业务的实质性增长。

企业护城河与未来技能需求

在反驳所谓"蒸馏论"时，吴恩达明确指出，将中国开源模型的进步主要归功于知识蒸馏的观点被极度夸大了。以Kimi 3为例，其基础模型开源到发布的时间窗口极短，根本不足以支撑大规模蒸馏训练。更重要的是，世界各地的AI实验室都从公开的互联网上获取数据并进行知识蒸馏，如果某家实验室声称已将互联网知识蒸馏到自己的模型中，并禁止他人进行任何蒸馏，这在逻辑上是站不住脚的。吴恩达强调，美国和中国都拥有卓越的技术创新，前沿实验室都在积极研究其他地区发表的开放成果，这是技术进步的正常路径，而非某一方的单向输出。

如有侵权，请联系删除。