Workflow
深度学习革命
icon
搜索文档
刚刚,Ilya Sutskever获得美国国家科学院大奖,AI领域首次
机器之心· 2026-04-04 15:24
奖项与个人成就 - Ilya Sutskever获得美国国家科学院科学工业应用奖,这是该奖项首次颁发给AI领域,奖金为2.5万美元 [1][6] - 奖项旨在表彰具有内在科学重要性并在工业界有重大、有益应用的原创科学工作 [6] - Sutskever因其开创性贡献深刻改变了全球人工智能研究及工业应用,被公认为历史上被引用次数最多的计算机科学家之一,帮助开启了深度学习革命 [8] 个人贡献与技术影响 - Sutskever的工作通过包括AlexNet、Sequence-to-Sequence学习和GPT模型在内的研究突破,以及他对CLIP、DALL-E和AlphaGo的贡献,重新定义了机器智能的边界 [8] - 2015年,他联合创立了OpenAI,并作为首席科学家领导了促成大型语言模型以及ChatGPT发布的重大研究突破 [8] - 他还主导了催生出诸如OpenAI o1等推理模型的研究工作,并曾领导OpenAI的超级智能安全团队(超级对齐团队)直至2024年离职 [8] 新公司创立与融资 - 2024年离开OpenAI后,Sutskever联合创立了Safe Superintelligence Inc.(SSI),这是一家将开发安全的超级智能作为唯一使命的研究实验室 [8] - 公司在2024年9月完成10亿美元融资,随后在2025年4月完成高达20亿美元的融资,估值飙升至320亿美元 [9] - 投资方阵容豪华,涵盖了Andreessen Horowitz、红杉资本以及Alphabet和英伟达等科技巨头 [9] 公司战略与治理 - 2025年7月,Sutskever拒绝了Meta首席执行官马克・扎克伯格的收购意向,并在联合创始人Daniel Gross离职加入Meta后亲自出任SSI的首席执行官 [9] - 公司战略明确,目前没有任何发布消费级产品的计划,旨在避免陷入消耗巨大的市场红海竞争 [9] - 凭借充足的30亿美元资金储备,SSI将把全部资源纯粹投入到基础研究中,致力于在不受商业压力干扰的环境下,实现具备高度安全性与对齐能力的超级智能 [9] 奖项历史与地位 - 美国国家科学院科学工业应用奖由IBM公司设立,于1990年首次颁发,每三年颁发一次 [11] - 历届获奖者在其领域取得了杰出进展,其中五位获得了美国国家科学奖章,一位(中村修二)获得了诺贝尔物理学奖 [12] - 历届获奖者及其贡献包括:Carl Djerassi(首款成功的口服避孕药)、中村修二(氮化镓LED)、Robert H. Dennard(发明DRAM及CMOS缩放定律)等 [13]
AI基建狂潮之下,我们可以向历史学到什么?
经济观察报· 2025-11-11 18:57
文章核心观点 - AI作为新一代通用目的技术,其潜能的释放强烈依赖于相关基础设施的建设,当前AI基建浪潮可借鉴历史上铁路、电力和互联网等通用技术革命中基础设施建设的经验与教训 [4] - 英伟达的成功被视为赶上了AI基建浪潮,其市值突破5万亿美元,成为历史上首家市值突破此门槛的公司,凸显了算力需求激增带来的巨大机遇 [2] - 历史经验表明,技术革命的基建浪潮普遍面临标准混乱、结构惰性和危机浪费三重陷阱,AI基建需要跨越这些门槛才能真正成熟并释放价值 [28][29][32] 铁路革命的启示 - 铁路建设极大地压缩了时空,例如早期英国一条40公里铁路使运输成本下降80%,速度提高十倍,打破了地理对经济的约束 [6] - 铁路建设初期缺乏统一标准导致效率低下,例如英国曾存在多种轨距(如1435毫米与2140毫米)和时间标准,造成换乘困难和协调成本高昂 [7][8] - 1847年铁路泡沫破裂后,政府介入统一了轨距、运行时间和信号系统,促使铁路总长在后二十多年突破2.1万公里,并推动英国向全国经济体转变 [8] - 对AI基建的启示在于,算力网络需避免标准混乱(如API接口不统一),真正的价值在于标准化与协同的制度,而非单纯的GPU数量 [9] 电气革命的经验 - 电力的普及及其生产率的提升存在显著滞后,例如纽约1882年首次供电后,直到20世纪20年代末其对生产率的影响才真正显现,间隔近半世纪 [12][13] - 初期工厂仅将电动机替代蒸汽机而未改变围绕中央主轴的生产结构,导致效率提升有限;真正的效率跃升来自于按工艺顺序重构工厂布局和管理 [14] - 当前AI应用面临类似挑战,截至2025年上半年,80%的企业尝试使用AI,但仅5%的项目进入生产阶段并产生实质价值,多数投入未获回报 [15] - AI基建的价值释放关键在于推动AI与组织流程、治理结构的深度耦合,而非仅仅聚焦具体应用项目 [15] 互联网泡沫的遗产 - 上世纪90年代末互联网泡沫期间,基础设施建设高速推进,例如2000年北美运营商铺设光纤达6.8百万英里(约10.95万公里) [17][18] - 泡沫破裂后纳斯达克指数从2000年3月5048点高位跌去78%,大量互联网公司倒闭,遗留大量闲置基础设施如“暗光纤”和服务器 [18][19] - 泡沫破裂后企业重组(如亚马逊聚焦供应链效率、谷歌确立搜索广告模式)和基础设施盘活(如Level 3 Communications收购闲置光纤)为后续云计算崛起奠定基础 [22][23][24] - 监管政策变化(如美国FCC推动电信市场开放)促使宽带价格从1999年每Mbps超过1200美元降至2005年不到50美元,优化了基础设施利用 [25] - 对AI行业的启示在于,泡沫存在是必然的,关键是如何在泡沫破裂后有效盘活遗留的算力中心、模型平台等基础设施,支撑下一轮发展 [26] 跨越技术革命的三重陷阱 - 第一重陷阱是标准混乱,历史表明从铁路轨距、电力电压到互联网协议,统一标准(如TCP/IP)是技术从“安装期”进入“部署期”的关键门槛 [29] - 第二重陷阱是结构惰性,技术基础设施必须与制度、管理和文化变革同步,例如电气化后需用流水线重构工厂,AI需带动行业系统性重构才能释放生产率效应 [31] - 第三重陷阱是危机浪费,历史上的泡沫遗留设施(如铁路网络、“暗光纤”)通过“建设性毁灭”转化为后续发展的基础,AI基建需为泡沫“留下结构”,让投资沉淀为公共算力和共享平台 [33][34]