婚后试爱txt新浪本月在香港大学陆佑堂做了一次演讲。这是港大经管学院陈坤耀杰出学人讲座的系列活动。据说，17年前，马云曾站在同一个舞台上。主办方称，这次演讲的报名速度创下纪录：邮件发出两小时内，超过1200人报名。

　　美国人怎么算谁赢？看谁的大语言模型（Large Language Model）更强。今天是OpenAI领先，明天是Anthropic，后天可能是别人。但蔡崇信说，这个计分方式本身就有问题。

　　这个判断的底层逻辑是：AI的价值在于渗透率（penetration rate）。中国国务院的AI规划就很务实——到2030年，AI代理和设备的渗透率要达到90%。不讲玄学，只讲普及。

　　训练大模型、跑推理（inference），本质上都是在烧电。中国的电力成本比美国低40%。

　　为什么？因为15年前中国就开始大规模投资电力传输基础设施。北方发的电要送到南方，新能源产地和用电需求地往往不重合，必须靠输电网络打通。中国国家电网每年资本支出900亿美元，美国只有300亿——三倍的差距。

　　结果是什么？中国的电力装机容量是美国的2.6倍，而且新增装机容量是美国的9倍。这个差距还在拉大。

　　蔡崇信提到一个有趣的数据：全球几乎一半的AI科学家和研究人员，都有中国大学的学位——无论他们现在在美国公司、中国公司，还是世界任何地方工作。

　　他还讲了个段子。最近社交媒体上有人吐槽，说自己在Meta（Facebook）的AI团队里，同事们都在用中文交流想法，他完全听不懂。

　　以前中国公司出海，语言是劣势——在意大利开办公室，当地人不会说中文，中国员工得用第二语言沟通。但在AI领域，全球的华人工程师用中文分享想法、交换思路，这反而成了信息优势。

　　训练一个万亿参数的模型，如果系统效率不高，GPU消耗会非常恐怖。中国团队因为硬件受限，必须把系统优化做到极致。DeepSeek就是这么逼出来的——阿里的通义千问（Qwen）模型刚刚赢得了一场为期两周的加密货币和股票交易AI竞赛，DeepSeek排名第二。

　　蔡崇信对DeepSeek毫不吝惜赞美：我们在杭州的邻居，他们做的事情令人难以置信。

　　蔡崇信的观点很直接：开源模型会击败闭源模型，不是因为开源更先进，而是因为开源更符合全球大多数用户的利益。

　　他举了个例子。假设你是沙特阿拉伯，想发展AI，又想保持“AI主权”（sovereign AI）——意思是AI不受外国控制。但你没有人才自己开发模型。

　　这时候你有两个选择：选择一：通过API使用OpenAI。付很多钱，而且数据要喂进去——你不知道数据去了哪里，那是个黑箱（black box）。选择二：直接下载阿里的开源模型，部署在自己的私有云上。免费，而且数据完全可控。

　　成本和隐私，两边都赢。所以无论是政府还是企业，只要认真做成本效益分析，都会倾向于开源。

　　阿里靠的是云计算。你用开源模型没问题，但你要跑模型，需要云基础设施——存储、数据管理、安全、网络、容器（containers，他说这个词他自己也不太懂）。这些阿里都能提供。开源模型是流量入口，云服务才是利润来源。

　　这个模式其实很像早年的互联网公司：免费产品获客，增值服务变现。只不过规模和技术门槛完全不同。

　　港大教授邓希炜问了一个好问题：阿里从B2B电商变成AI云计算公司，秘诀是什么？

　　阿里1999年成立时，中国还没加入WTO，国际贸易必须通过国有贸易公司。2001年入世之后，小企业可以直接和全球做生意了。阿里的B2B平台就是帮这些小厂找买家——第一版网站是英文的，面向海外。

　　后来消费者电商起来了，就有了淘宝。买家和卖家互不信任，就发明了支付宝（最初是个担保交易系统）。物流跟不上，就投资物流。

　　云计算也是一样的逻辑。16年前，没人讨论云。但阿里的消费平台要处理海量数据，如果继续用Dell的服务器、EMC的存储、Oracle的数据库，所有利润都会交给这些供应商。

　　所以阿里云的起点是自己吃自己的狗粮（eat our own dog food）——先内部用，用好了再开放给外部客户。

　　蔡崇信对年轻创业者的建议也很明确：优先选择有机增长（organic development），而不是并购。因为自己团队培养出来的能力，DNA纯正，文化匹配。阿里也做过并购，有些成功，有些失败得很惨。

　　第一，学会获取知识。听起来是废话，但在AI时代，知识获取的效率差异会被放大。

　　第三，学会提问。蔡崇信特别强调这一点——提出正确的问题（ask the right questions），比找到答案更重要。

　　很多人说AI时代不用学编程了，用自然语言（natural language）就能指挥机器。蔡崇信不同意。

　　他甚至建议学电子表格——能把一个复杂公式写对，让数字自动计算出来，这本身就是逻辑训练。

　　数据科学（data science）：其实就是统计学的新名字，但未来数据会爆炸式增长，懂得管理和分析数据的人永远稀缺。

　　心理学和生物学：理解人脑怎么运作。人脑仍然是最高能效的机器，AI的很多设计思路都来自对大脑的模拟。

　　材料科学（material science）：世界现在被比特（bits）主导，但让比特跑得更快的，是原子（atoms）。半导体领域会有大量创新，而半导体的核心就是材料。

　　1999年，蔡崇信放弃香港的律师高薪，跑去杭州加入一个18人的小公司。为什么？

　　这就像一个看涨期权（call option）——最多亏掉权利金，但收益没有上限。

　　但他补充了一句更重要的话：机会是来找你的，不是你去找它的。你要做的是准备好（preparedness），这样机会来的时候才能抓住。

　　金融市场泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？这是一门艺术，我不知道。

　　他的判断是：AI可能存在金融泡沫，但技术本身是线月互联网泡沫破裂，但互联网并没有消失——今天互联网比那时候强大得多。

　　蔡崇信拥有NBA布鲁克林篮网队（Brooklyn Nets）、WNBA纽约自由人队（New York Liberty）、NLL圣地亚哥队（San Diego Seals）和拉斯維加斯沙漠之犬队（Las Vegas Desert Dogs）等多家美国职业运动队。今年篮网时隔六年重返中国（澳门），这是他主动推动的。

　　但他做体育投资最有意思的部分，是一个教育项目：每年选6-8个中国初中生，送去美国读高中、打篮球。

　　他说这是在复制自己的经历——13岁离开台湾去美国读书。人与人的交流（people-to-people exchange），比任何官方渠道都重要。

　　不是模型本身，而是让AI被广泛使用的整个生态系统。电力成本低40%、数据中心建设成本低60%、全球一半AI人才有中国学历、资源匮乏逼出系统级创新——这些加在一起，让中国更有可能实现AI的大规模普及。而普及率才是线：为什么开源模式会赢？

　　因为对全球大多数用户来说，开源同时解决了成本、数据主权和隐私三个问题。闭源模型要付费，数据要喂进黑箱；开源模型免费，数据可以留在本地。这不是技术优劣之争，是利益格局使然。

　　学编程不是为了写代码，而是训练逻辑思维；学统计（数据科学）是因为数据会爆炸；学心理学是因为要理解人脑这个最高效的机器；学材料科学是因为让比特跑得更快的是原子。更重要的是，学会提出正确的问题——这比找到答案更有价值。*