长创新：英伟达登顶的底层逻辑，让我们看清什么？

来源： 秦朔朋友圈

英伟达股价超越微软、苹果，成为全球市值第一大企业之后，近日出现下跌，失去第一位置。股市必然有波动，股价必然会涨跌，短期中期英伟达可能重回市值第一。

---

不过比市值登顶更重要的是产业登顶，英伟达毫无疑问已经成为智能时代基础设施的第一驱动，AI生态位的算力王者，超级智能大模型、机器人、智能汽车、AI PC、元宇宙等多领域计算架构的主导者。从微软、谷歌到苹果曾经的市值交替第一，不知不觉我们已经走过了PC、互联网、移动三个时代的顶点。亲历人工智能发展进程的沸腾瞬间，心态颇为复杂。大市和股价已经如此高企，还在持续上行，且机构继续看好，这种现象在过去的大周期里并不多见。上一次目睹这样的沸腾，已经是24年前。AI算力登顶资本市场这种极具象征意义的标志性事件，很容易让人联想到2000年前后的网络繁荣，以及泡沫破裂之际刺骨的寒冷。在这样一个历史时点，非常有必要倡明一个概念：长创新。
长创新、根科技、母生态，才是底层逻辑，也是求解发展问题的答案。
这一次和那一次不太一样：大周期视野下的强智能
互联网从萌芽、泡沫、寒冬到走向鼎盛，实际上是一个已经持续50多年时间的大周期。商业互联网的历程则是30多年。而人工智能如果从1950年前后的源头算起，已经经历70多年漫长探索。如果从这一轮热潮的第一个起点“可用AI”来看，从起步到现在大约已经有15年时间。如果从第二个起点看，起步只有6年时间。第一个起点，是始于2009年、2012年才形成热度的ImageNet带动的图像识别，神经网络的复兴以及在多个识别领域的付诸实用。第二个起点，是2018年至…
信号：NAIQ、MOTGAM、SCCIEOSS
与新IT-G8重塑全球秩序
数据显示，英伟达是美股增长的主要贡献者，但主角显然不止英伟达。面向下一代生态平台，NAIQ与MOTGAM基本都是SCCIEOSS八层布局。NAIQ为Nvidia、AMD、Intel、Qualcomm等计算-算力生态基石企业。MOTGAMA为Microsoft、Open AI、Tesla、Google、Amazon、Meta、Apple等。SCCIEOSS为Sense传感感知、Computing计算结构、Connection网络连接、Intelligence智能、Engine驱动引擎、OS操作系统、Synergy协作合约…
长创新、根科技、母生态
无论英伟达还是苹果、谷歌、微软，实际上都是“长创新”的必然。长创新（Long Innovation）是我提出的一个概念。在压力陡增与动作变形同在、反智反常识尘嚣日上的今天，必须倡明这样一个根植于基本面的概念。人工智能发展的底层逻辑里没有速成，前沿科技的发展范式里没有反智，创新思维的词典里也没有取巧和偶然。新概念不是造词，也不只是针对英伟达。概念是对形态的准确理解，是承载实质的认知容器。什么样的容器装什么样的认知。科技历程，一直以来是新认识新概念新物种不断涌现的历程。面对时间，必须有紧迫感，但也必须从长计议。NAIQ、MOTGAM也好，新IT-G8也罢，都经历了漫长的发展历史，有些甚至从上个世纪六七十年代一路走来。他们的创新有一个共同规律，就是“长”——长创新。长期主义，长周期科技，长创新生态，是长创新的三个维度。长期主义是观念也是坚持，不懈的行动。长周期科技，意味着所在科技领域的发展本身具有长周期特性…
人工智能发展四个象限：内场外场见高低，内卷外卷见短长
业内看法往往差异较大，尤其中美之间。卷的维度也有较大不同。美国尤其头部企业的决心，远比股市投资者大。大平台基本都看清楚了，考虑的也不是股价的事，更不是像中国有些从二级市场跑到一级市场炒短线投资者说的那样，技术已经见顶大模型已到瓶颈期。一切其实才刚刚开始，只有“玩得动和玩不动”“能以原理升维释放原力”和“不能、只能做到50分”和“就是要坚持做到98分临界点”的区别。有原生原理升维能力、全球资源业务大盘以及多少个billion资金的…
越往第一第二象限走，才越可能有长创新
长心来自于长信，生态需要涵养。只有更多机构能够投资到AI领域，更多创业者能够获得资金资源加持，各行各业企业充分应用各类AI技术，国内大模型相关企业多卷原理升维，少卷价格战，走向第一第二象限才有可能。目前的价格已经够低。良性发展，首先是可持续发展。造血技能还没有成形就大失血，会死一批初创企业，生态因此也就没有了多样性的创新可能。AI领域不能过早重复通过资本把竞争对手全都洗出局的互联网故事。对于某节发起的价格战，说实话各方很有看法。哪怕只为自身考量，国内AI力量至少在早期尽量避免内卷，如果要卷就向外卷，外卷原理，外卷升维，外卷出海，怎么都比内卷强。为什么同样一条路，大家却会去到不同的地方？最后，是个人的观点总结——1.永远没有无所不能的AI，通用是相对的，泛化也始终是相对的。2.AGI不是一天到来的，AGI也不是只有一个圣杯，AGI是连续通过多个节点的渐进过程。3.通用始终首先是一种基本素养，而不是一种广泛能力，但越来越多的通用会基于一系列的专用。4.基本素养决定智能能力，包括泛化能力，这就是为什么有人要持续炼丹，去做那些在有些人看来会浪费大量资金资源的事情的原因。5.长期主义要的是智，短期主义要的是能，这就是本质区别，所以取巧可能只是意味着投机，没有在基础原理层面进行突破所取得的增益，都只是“优化”收益，实际上并没有长期竞争力。6.实际上始终取巧的居多，所能看到的大部分宣示取得进展、突破、提高的，都是在取巧，取巧通常会混淆效率和效能、效能和智能的区别。7.原理突破产生原力，带来新的边际效应，取巧利用原力红利，边际效应早期可以，中后期显著递减。8.极端而言，原理、原力是本，场景、应用、盈利是末。奔着原理去得到的是原力，早期是大资金加持，中期原力成为印钞机，最终智能成为硬通货。冲着赚钱去得到盈利，最终没有自己的原理，用的是别人的原力。这是创新和生意的区别。9.规模始终更有效，就像Scaling Law（尺度定律）始终有效。还有一个不叫Scaling Law的Scaling Law就是生态效应，平台的开发者越多，使用模型的用户越多，接入的设备与传感越多，对模型的增益越大，母体越强。10.所以一定会更趋中心化，更像吸星大法，中心化智能会把一切都吸进去，也会把很多都吐出来。会有“哥斯拉即视感”，也会有依附，人和万物对中心化智能的依附。11.当然也会有反身性，垄断指责、智能税、伦理道德、数据隐私等问题都出来了，有时候是问题，有时候其实是多方博弈。12.公域私域的边界、力量与权力的关系、智能鸿沟与基尼系数、智能红利是否能体现为智能普惠等问题，正在集中爆发，用一句老的术语说就是生产力与生产关系的矛盾会相当突出，摩擦成本急剧升高。13.个性化智能最有可能在端侧实现，端侧效率最高，但效能未必最高。端侧智能是每个人的智能，但不一定是通用人工智能，端侧的通用能力要基于云端结合的混合智能。14.云侧智能实质上更好控制，端侧智能实际上更加安全。但是前者是对控制者而言，后者是对个人而言。所以很多时候会看到同样是在讲安全，但实际可能完全不是一回事，但明天后天的秩序就这样被定义了。15.未来是复杂的，心态比未来更复杂。。注意：Title、Date、Body 三个部分的内容，放入到对应的位置。最后只需要按照格式标准输出为Makedown源文件格式内容。

感谢阅读！如果您对AI的更多资讯感兴趣，可以查看更多AI文章：GPTNB。