以下为答主【不懂才搞怪】对问题《美国提前中国数年进入“强人工智能时代”会有什么影响？》的回答。

说实话，在一年前，GPT刚刚诞生的时候，我可能还有还有这方面的忧虑，但伴随着这一年的发展，再加上近期Sora的发布，我反而没有了这方面担心。

因为【美国提前中国数年进入“强人工智能时代”】已经成为了彻头彻尾的【伪命题】。

现在全世界各大媒体都在吹GPT多牛多牛，不过只是利用媒体炒作的另一个版本的【星球大战】计划罢了，就是为了把中国的AI发展方向带到一个错误的方向。

现在中国与美国的AI发展，已经出现了两个完全不同的方向。

以OPENAI为代表的美国人工智能，面向的是人文、艺术、娱乐、百科、私人助手等服务类方向。

以华为为代表的中国人工智能，面向的是无人码头，无人矿场、无人驾驶（物流）、无人航运（如无人综合化科考船等） ，自动化工业母机等以【星闪】代表的万物互联的集群式AI协调算法方向。

当中国的无人码头、无人矿山、无人驾驶、无人综合科考船都已经进行实际投入试运营的时候，美国的无人化设施又在哪里呢？

去年GPT发布的时候，我还以为GPT有可能会极快的提升美国在无人化产业的落地，结果一年了，就这？？？

中国集装箱船都准备上核动力了，伴随着机电化在航运上的运用越来越成熟，同时加上北斗的助力，未来远洋航队无人化运输可能在5年到10年内就可以实现。

当5年后中国L5无人驾驶都可以上路，甚至大货车都使用L5驾驶的时候。当路上的车辆都在使用【星闪】进行数据互联，进行AI集群算法辅助的时候。美国呢？还在用GPT疯狂产出 图片？视频？游戏？虚拟女友？

洋山港无人化码头都运营多久了，美国的呢？

更不要说，GPT的发展路线，中国还有百度、科大讯飞等公司在追赶。

那中国的万物互联，AI集群式算法，无人化工业路线，美国又有哪些公司在做呢？

当华为的【星闪】技术+华为ads可以协调1公里内范围几百架近千台车辆进行自动化驾驶时，这个技术应用在军用的无人机集群作战中会有多可怕？

那美国的GPT呢？生成几千张图片对敌军进行传单攻击对吧？

话说特斯拉呢?先把视觉雷达的算法搞清楚再说吧。话说GPT不是那么牛嘛，不然让马克斯求教一下GPT？我相信GPT可以分分搞定特斯拉的视觉雷达算法的。

GPT路线最大的问题在于，自以为AI可以掌握所有信息，可以利用这些信息可以产出相关的决策，但是你们难道不知道信息的传输是天然存在壁垒的。

你以为可以用GPT可以生成一个市场运营计划，但是实际上当前市场上相关的公司的真实财务与决策数据GPT根本就拿不到。

你以为问个GPT就可以知道第7代战斗机怎么生产了？没有经过大型风洞的极限实验来收集数据，你连个模型都设计不出来，更不要说电控等设备联调是个综合性的学科。靠GPT？这些机密数据GPT你拿得到吗？

那些把GPT吹的多牛多牛的人，我就问你们【美国福特号航母的弹射器问题，靠GPT可以解决吗？】

说白了，现在再提什么【美国提前中国数年进入“强人工智能时代”】，我都觉得好笑。

等GPT可以生成出无人地铁的自控软件出来再说吧。

PS：首先我再再再一次强调，我并没有否认AI技术对人类发展的意义。我认可AI还要继续发展，甚至我认同AI最终会走向AGI，但是我并不认可GPT这一条路线，甚至我认为GPT这条路线根本就走不到AGI。

评论里有人拿【GPT关于人工智能与无人化的区别】来回复我，让我不要把人工智能发展跟无人化发展混为一谈。

其实我就是我最最看不起GPT的一点，就是GPT只会根据【现有数据】以及你提问的倾向性来给出【回复内容】，完全没有哲学逻辑可言，甚至在很大程度上会影响你的决策方向。

我可以这么说，人工智能发展，可以说全部都是为了未来无人化与自动化进行服务的。不管是所谓的【思考、学习、理解、推理和解决问题】，都是为了能够更好的进行无人化系统应用而存在的。不管是在科研领域的无人化数据自收集自分析，或是服务业的无人化文化产品自衍生创作，甚至是智能机器人的辅助工作。都是可以说是无人化领域。

如果把人工智能发展，把无人化领域进行切割，那才是真正把人工智能发展带入了一个死胡同。我想问，不做无人化，那还发展人工智能干嘛？人工智能发展不就是为了减少人的脑力或体力活动吗？这不是【无人】化，那还能是什么呢？

如果不谈无人化系统，那研究人工智能才是真正的空中楼阁，AI技术就算突破到AGI，你又不想让它替代人类干活，那你发展它干嘛？

GPT类的通用大模型的最原始逻辑是什么？是【词语接龙】，是通过【无数的单词】形成的【长语拼接】来形成一个个的【关键字搜索】模块。

不同的【关键字搜索】模块又可以对应【不同的长语句】，然后这些长语句既可以是结果，也可以是新的【关键字搜索模块】。

所以为什么GPT的训练需要不断的进行数据投喂，就是因为他需要不断的完善他的【关键字搜索】所对应的结果。就以生成画作为例，一开始根据原始数据随机给到的【1~10000】的结果。然后根据你的数据【投喂】，也就是【数据排除法】，不断地优化他的【关键字】搜索结果。然后将【关键字】搜索结果精简到【60~65】。就可以完成所谓的培训了。

从GPT3.0开始的原始数据，就开始爬下英文互联网上的所有数据以及GIT上的代码数据，然后再通过标注师，来完善所谓的【关键字搜索】。

你真以为GPT会编程吗？它只是根据你的【需求关键字】把GIT上其他程序员的代码抄下来反馈给你罢了。同时只要你在GPT上将你优化的代码再投喂给GPT，那也是将你的完善代码收录到他的【关键字结果集】里罢了。

听说现在已经有不少有恶意的画师跟程序员，开始对GPT进行数据污染了，也就是不断把垃圾画作与垃圾屎山代码【投喂】给GPT，让GPT的【搜索结果集】中出现越来越多的垃圾数据。这也是为什么越来越多的人反映GPT4越用越难用的原因。

我为什么不看好GPT这种路线，就是因为它的底层逻辑就有着最致命的问题，就是【GPT完全没有逻辑判断能力】，它只是在非常机械的进行【数据搬运】。

为什么GPT为代表的通用大模型要堆GPU？因为GPU无法对复杂的逻辑公式进行计算，但它却可以快速的执行【抄作业】类的简单运算。

所谓的【通用大模型】，越【通用】，就离真正的AGI领域越远。因为它【完全没有实际上的逻辑能力】，同时对【数据污染】的抵抗能力等于0。

为什么大多数科研类的企业与院所，都是自己开发闭源类的小模型，除了可以满足自身特殊的复杂算法需求外，还可以避免出现大范围的数据污染。

为什么很多业内的人其实看不起GPT，并不是因为简单的傲慢，内行看门道，外行看热闹。

真正会武术的看到耍花架子的人，都知道只要直直一拳，花架子就得倒。但看热闹的人却觉得会武术的人招式不如耍花架子的人好看。 内行看到的门道跟外行看到的热闹完全不是一回事。

现在再说到国内。

在这里我就要说说（你可以说我是吹）华为盘古大模型，首先它是闭源的，并且直接供应的是B端，如大型企业与相关的科研院所。有着可以针对复杂公式算法的理解能力。

对于盘古大模型的底层逻辑，因为没有更多的信息出来，所以无法提供太多的评价。

但就以现在大家可以看到结果来说，比如在华为无人驾驶领域的成果来看，盘古AI大模型在【科研方向】、【硬件系统集成的协调适应能力】、还有【对复杂现实环境学习处理能力】简直到了可怕的程度。

如果拿GPT与盘古来对比，GPT就像是把一个小学生扔到了社会这个大染缸里，是个人都能对它说教一番，GPT也是不辩是非。啥啥都学，见人说人话，见鬼说鬼话。

而盘古就像是把一个学生直接扔到了科研院校，学到的东西都是严重筛选过的，然后再扔到社会里，通过与系统硬件相结合，与现实相结合进行具体实践，实践结果也会通过特有的AI学习机制进行优劣排斥。

未来盘古的应用，如果进一步应用到船舶制造、航天采矿、工业机床甚至太空观测，在收集到千行百业的生态数据，同时再加上筛优自学习逻辑相结合下。才最最有可能向我们所设想的AGI方向前进。