Scale AI华裔创始人：当前AI性能已停滞

Opinion   #数据壁垒  

Alexandr Wang: 尽管计算能力显著提高，但自GPT-4模型发布以来，基础模型的性能没有显著突破。当前AI性能的停滞主要由于“#数据壁垒”，即可访问的互联网数据已经被耗尽。要突破这一瓶颈，关键在于获取更多多样化和专业化的数据。

AI性能停滞 数据壁垒 数据多样性与专业化 数据治理与质量 数据合成与生产 AI模型推理能力 数据监管与创新 AI技术军事应用 企业数据策略 人工智能与就业市场变化

内容提要

• 当前AI性能提升遭遇瓶颈，主要受限于数据获取而非计算能力。
• 互联网上的公开数据已被充分利用，需要更多专业化和多样化的数据源。
• 大型企业拥有大量专有数据，但这些数据不易获取且结构化挑战巨大。
• 解决AI推理能力不足可以通过开发通用推理能力或通过大量数据训练实现。
• AI的未来进步需要依赖于前沿数据的生成，包括复杂推理链和专业讨论。
• 数据的质量和结构对AI模型的可持续竞争优势至关重要。
• 过度严格的数据监管可能抑制AI创新，需要平衡数据访问与隐私保护。
• AI技术可能成为强大的军事资产，需要对最先进的AI系统采取封闭策略以防负面后果。
• 企业需要制定数据策略以保持竞争优势，未来可能看到更多基于消费的定价模式。
• 基础模型的开发成本极高，未来可能只有国家或大型科技公司能承担，导致行业进一步集中。