陳永偉/文

隨著亞馬遜、臉書、微軟、特斯拉等公司相繼啟動大規(guī)模裁員，美國的科技企業(yè)似乎徹底進入了“寒冬”。當目睹了一眾大型科技企業(yè)在短短幾個月內(nèi)失去了數(shù)千億，甚至近萬億美元的市值之后，很多人對這些企業(yè)，以及整個科技領域的未來產(chǎn)生了懷疑。

這場科技企業(yè)集體遭遇的“寒冬”會持續(xù)多久呢？對此，我個人是比較樂觀的。如果我們回顧一下歷史，就會發(fā)現(xiàn)在上一次互聯(lián)網(wǎng)泡沫破滅之后不久，互聯(lián)網(wǎng)領域就迎來了新生，而催動那次新生的很多重要技術(shù)和商業(yè)模式則是在市場最低迷的那一段時間內(nèi)孕育的。

這段歷史告訴我們，無論總體環(huán)境多么惡劣，如果一個行業(yè)中含有的新力量足夠多，那么它重新贏回繁榮的希望就很大。而在當下，只要我們對美國的科技企業(yè)進行一些觀察，就會發(fā)現(xiàn)即使在這一段蕭條期內(nèi)，這些企業(yè)依然沒有停止對技術(shù)的研發(fā)，以及與技術(shù)匹配的商業(yè)模式的探索。而這一切，很可能會成為開啟下一輪繁榮的關(guān)鍵。

在本文中，我們將對七個技術(shù)領域的發(fā)展進行一些介紹，看一看在這些領域中，科技企業(yè)正在怎樣求索著未來。

大模型帶來的AI小高潮

幾年前，我曾應邀做過一個關(guān)于人工智能對就業(yè)影響的報告。在報告之后的問答環(huán)節(jié)，有一位女士向我問道，她想讓自己的孩子學點兒難以被人工智能替代的技藝，不知道計算機是不是一個理想的選擇。我當時的回答是：“在我個人看來，編程是很可能被人工智能所取代的，至少一些對創(chuàng)造性要求不高的編程是這樣，因為它們其實就是按照某些規(guī)則來處理問題，而只要這些規(guī)則是明確的，那么人工智能就應該很容易實現(xiàn)。”

盡管我對自己的判斷是比較自信的，但在當時，我估計如果要讓人工智能可以像人類程序員一樣編程，得要用上至少十年的時間。但在短短的幾年之后，事實就證明，我當時的預期實在是太保守了。就在這幾天，一款名為ChatGPT的交互式AI程序刷爆了朋友圈。盡管交互式AI并不是什么新東西，例如微軟小冰、蘋果Siri都可以歸于這一類別，但過去的類似AI所能進行的交互、處理的問題通常比較簡單，至多只能算是一個小型的輔助工具。ChatGPT則完全不同，它可以被用來處理相對復雜的任務。

比如，我曾讓ChatGPT解答一個“雞兔同籠”問題。當我把問題輸入對話框之后，ChatGPT就會開始和一個小學生一樣，列方程、算答案。一會兒，一個完整的解答就出現(xiàn)了。不過，不知道是由于對中文的文本訓練不足還是其他什么原因，它給出的答案并不正確。我要求程序重試，于是，ChatGPT就又進行了一遍演算。到第三遍時，它給出了正確的答案以及十分工整的解答過程。相比于求解用文字描述的數(shù)學題，ChatGPT在其他一些需要描述的任務上要好得多。例如，我讓它生成一段關(guān)于Web3.0的一千字左右介紹，它立刻生成了對應的文本，并且從我個人的判斷看，其內(nèi)容還是有一定專業(yè)水準的。

ChatGPT最令人吃驚的功能還是我認為可能還要過上幾年才能實現(xiàn)的編程。比如，我讓它用python語言編寫一個“九九乘法表”，它立刻編寫了對應的程序，還順帶生成出了運行的結(jié)果。值得一提的是，ChatGPT強大的編程能力甚還造就了一個最近流傳頗廣的段子：說由于馬斯克要求推特的程序員們每周都要提交編寫的程序，所以現(xiàn)在這些程序員正在密集使用ChatGPT，讓這個AI來幫助他們應付“黑心老板”的壓榨。

當然，如果有哪個程序員真的要用這種方法來糊弄馬斯克，那可能多半是難以蒙混過關(guān)的。因為歸根到底，其實創(chuàng)造ChatGPT的OpenAI最早就是由馬斯克和山姆·阿爾特曼（SamAltman）等人一起締造的。據(jù)說，在2015年12月，馬斯克和硅谷知名創(chuàng)業(yè)孵化器YCombinator的掌門人阿爾特曼，以及PayPal聯(lián)合創(chuàng)始人彼得·蒂爾（PeterTheil）在一個人工智能的會議上相遇，三人相談甚歡，一拍即合，于是就在一周之后成立了OpenAI。此后，馬斯克由于特斯拉與OpenAI在數(shù)據(jù)上的利益沖突問題離開了OpenAI。不久后，微軟就對OpenAI投資了10億美元，并讓OpenAI用Azure云來進行模型的訓練。

在微軟的強大財力和資源的支持之下，Ope－nAI訓練出了一系列功能強大的AI產(chǎn)品，而其中最為著名的就是自然語言處理模型GPT系列。所謂GPT，是“生成性預訓練”（GenerativePre-Training）的簡稱。這種訓練方式分為兩步：第一步利用沒有標簽的文本數(shù)據(jù)集訓練語言模型，第二步是根據(jù)具體的下游任務對模型進行調(diào)整。相關(guān)的研究證明，采用這種訓練方式，可以很好地利用海量的無標簽文本材料，從而讓訓練效果更好。

當然，除了訓練原理外，GPT系列模型最顯著的特點就是其包含的巨大參數(shù)數(shù)量。在GPT-1中，參數(shù)數(shù)量約為1.17億個；GPT-2的參數(shù)數(shù)量約為15億個；而到了GPT-3，參數(shù)數(shù)量更是達到了駭人的1750億個。如此巨大的參數(shù)，在經(jīng)過海量學習材料的訓練和校準之后，所得到的AI就可以很好地模擬人的思維和語言習慣，從而可以讓AI能夠用類似人的方式來思考和處理各種問題。

前面我們所提到的ChatGPT，其實只不過是GPT-3的一個模塊，它的功能主要是讓GPT-3所產(chǎn)生的結(jié)果以一個更為自然的方式呈現(xiàn)出來，從而讓人與AI的交互更為便利。但僅僅是這樣一個模塊，就足以讓數(shù)百萬的注冊用戶震撼了，甚至還有人在使用ChatGPT之后驚呼：有了這個東西，那谷歌搜索不就要下崗了？

應該說，這種感嘆是一定道理的。由于GPT經(jīng)過了海量的文本訓練，因此其對知識文獻的整理能力是相當強悍的，從這個角度看，它將來確實有可能取代現(xiàn)在谷歌的部分功能，尤其是在各界期待已久的GPT-4面世之后。不過，如果要說它可以就此讓谷歌“下崗”，這或許就有些言過其實了。

其原因，除了GPT系列本身依然存在的缺陷之外，更重要的是谷歌本身的人工智能能力也不容小覷。不僅谷歌自身的AI部門已經(jīng)開發(fā)出了PaLM、LaMDA等功能強大的AI模型，其收購的DeepMind更是與OpenAI齊名的AI研究機構(gòu)。例如，幾年前擊敗人類頂級圍棋選手，掀起人工智能熱潮的AlphaGo，就是出自DeepMind。

而近年來，DeepMind更是開發(fā)出了很多堪稱“逆天”的AI模型，例如其在2020年推出的AlphaFold就預測了超過兩億個蛋白質(zhì)的結(jié)構(gòu)，從而對分子生物學產(chǎn)生了巨大的推動作用；而其在最近推出的DeepNash，則可以有效處理信息不對稱條件下的博弈，在實戰(zhàn)中，已經(jīng)可以戰(zhàn)勝西洋軍棋的頂尖人類高手。即使在大型自然語言模型方面，它也毫不遜色于OpenAI。目前，其已經(jīng)訓練的大語言模型就包括Go－pher、Chinchilla等。尤其值得注意的是，和OpenAI通過持續(xù)增加參數(shù)數(shù)量來提升模型表現(xiàn)不同，谷歌和Deep－Mind目前正在嘗試用較少的參數(shù)來訓練較少的模型。例如，Gopher模型的參數(shù)是2800億個，而Chinchilla模型的參數(shù)則只有Gopher的1/4，約為700億個，但在各種實驗中，Chinchilla模型的表現(xiàn)則要優(yōu)于Gopher?？梢韵胂?，如果在后續(xù)的實踐中，谷歌將Deep－Mind訓練出的這些AI模型集成到其搜索引擎當中，那么ChatGPT或者其他的產(chǎn)品想要輕易撼動其地位，也并不是一件容易的事。

需要指出的是，以上提到的這些AI模型其實只是現(xiàn)在科技巨頭們開發(fā)的AI模型中比較有代表性的幾個。隨著人工智能技術(shù)的日益成熟，幾乎所有科技巨頭都加入了對高性能AI產(chǎn)品的研發(fā)，而各種明星AI產(chǎn)品則如雨后春筍般涌現(xiàn)。僅比較近的產(chǎn)品就有臉書的OPT-175B（其參數(shù)量和GPT-3類似，為1750億個），以及微軟與英偉達聯(lián)合開發(fā)的Megatron-TuringNLG（其參數(shù)達到了5300億個）等。不出預料的話，在未來的相當長的一段時間內(nèi)，AI將會成為科技巨頭們競爭的主戰(zhàn)場。

開啟計算的量子時代

隨著人工智能、元宇宙等新技術(shù)陸續(xù)得到應用，人們對于算力的需求正變得越來越大。因此，如何突破算力瓶頸，也就成為了科技巨頭們最為關(guān)注的問題之一。從目前看，對于這個問題，有兩個不同的應對思路：一個思路是沿用經(jīng)典計算的框架，用更多的計算單位（CPU和GPU）來創(chuàng)造更多的算力；另一個思路則是根據(jù)新的計算理論制造計算機，而量子計算機就是這個思路的一個代表性產(chǎn)物。

我們知道，經(jīng)典計算的基本單位是比特，比特的狀態(tài)要么是0，要么是1，因此經(jīng)典計算機中的所有問題都可以分解為對0和1的操作。而量子計算的基本單位則是量子比特，它的狀態(tài)則可以是一個向量。這樣一來，量子存儲器就比經(jīng)典的存儲器具有很大的優(yōu)勢。具體來說，對于一個N物理比特的存儲器，如果用它作為經(jīng)典存儲器，那它只能存儲N個數(shù)據(jù)；如果它是量子存儲器，那么它可以同時存儲的數(shù)據(jù)就有2的N次方個。隨著 N的增加，量子存儲器相對于經(jīng)典存儲器的存儲能力就會出現(xiàn)指數(shù)級增長。

在進行量子計算時，數(shù)學操作可以同時對存儲器中全部的數(shù)據(jù)進行。這樣一來，量子計算機在實施一次的運算中可以同時對2的N次方個輸入數(shù)進行數(shù)學運算。其效果相當于經(jīng)典計算機要重復實施2的N次方次操作，或者采用2的N次方個不同處理器實行并行操作。這樣一來，就可以大幅度節(jié)省計算次數(shù)。

打個不太恰當?shù)谋确剑和孢^動作游戲的朋友大多知道，在游戲中，我們扮演的英雄可以使用很多招數(shù)，有些招數(shù)只能是針對單一對象輸出的，另一些招數(shù)則可以針對全體敵人輸出。前一類的單體輸出招數(shù)就相當于經(jīng)典計算，而后一類的群體輸出招數(shù)就相當于量子計算。我們知道，在面對大量小怪圍攻的時候，一次群體輸出產(chǎn)生的效果可以頂?shù)蒙虾芏啻螁误w輸出的招數(shù)。同樣的道理，在一些特定情況下，量子計算可以比經(jīng)典計算實現(xiàn)效率質(zhì)的提升。一個例子是大數(shù)因式分解。在這方面，量子計算就對經(jīng)典計算有著碾壓性的優(yōu)勢。比如，從理論上看，如果我們要用現(xiàn)有的經(jīng)典計算機分解一個二進制長度為1000的數(shù)，將會耗時1025年，而如果改用量子計算機完成相同的工作，則用不了1秒就可以完成這個工作。另一個例子是新型藥品發(fā)現(xiàn)。在進行新藥開發(fā)時，研究者經(jīng)常要用計算機模擬不同的藥品分子結(jié)構(gòu)。這一工作如果交由經(jīng)典計算機完成，效率相當?shù)拖?，而如果改用量子計算，效率則可以得到巨大的提升。

這里需要指出的是，作為量子計算的載體，量子計算機除了可以在某些特定領域?qū)崿F(xiàn)超高的計算速度外，還可以作為試驗場，完成一些量子物理的試驗。例如，不久之前，谷歌就在自己的量子計算機“懸鈴木”上實現(xiàn)了量子蟲洞，成功地將量子態(tài)通過蟲洞，由一個量子系統(tǒng)傳遞到了另一個量子系統(tǒng)。

由于量子計算擁有如此巨大的潛力，因此它也就自然成為了科技巨頭們競相爭奪的制高點。其中，谷歌是在這一領域進展最快的。在2019年，它就開發(fā)出了上面提到的“懸鈴木”計算機，這個計算機擁有53個量子比特，從而幫谷歌首先實現(xiàn)了量子霸權(quán)。“藍色巨人”IBM實現(xiàn)量子霸權(quán)的時間雖然晚于谷歌，但作為老牌的硬件巨頭，其進步速度顯然更快。目前，它的量子計算機已經(jīng)裝備了433個量子比特，其性能已經(jīng)要比谷歌的“懸鈴木”勝出一籌。微軟早在2015年就建立了量子計算實驗室，盡管到目前為止，它還沒有造出計算機成品，但卻在理論上取得了很多突破，不僅發(fā)現(xiàn)了新的粒子，還對量子計算的框架進行了很多探索。這些成果，都可能在下一階段引領微軟實現(xiàn)量子計算的“彎道超車”。相比于微軟、谷歌更重視單機量子計算機的開發(fā)，亞馬遜則更加重視將量子計算的算力通過云提供給用戶。為此，亞馬遜推出了量子計算云服務AmazonBraket，并建立了量子云計算中心。如果亞馬遜的類似工作順利，那么在不久的將來，即使我們并不擁有屬于自己的量子計算機，但依然可以通過云來調(diào)用量子計算，完成很多用經(jīng)典計算難以完成的工作。

讓元宇宙為產(chǎn)業(yè)服務

在虛擬現(xiàn)實（VR）、增強現(xiàn)實（AR），以及人工智能等技術(shù)實現(xiàn)突飛猛進之后，人們在賽博空間中構(gòu)造虛擬世界的能力獲得了空前的提升。因此，從2021年開始，元宇宙就成為了諸多科技企業(yè)競相布局的領域。

最初進入元宇宙領域的是臉書等企業(yè)，其布局的重心是消費領域的元宇宙，其產(chǎn)品主要是滿足人們的生活和娛樂需求。隨后，微軟、亞馬遜等大型企業(yè)也相繼進入到了元宇宙領域。和臉書不同的是，這些企業(yè)在布局元宇宙時，更加側(cè)重于其在各產(chǎn)業(yè)，尤其是工業(yè)領域的應用，其產(chǎn)品也主要是圍繞著提升生產(chǎn)效率而設計的。關(guān)于微軟的元宇宙布局，在此前的專欄中已經(jīng)有了比較多的介紹，限于篇幅，在此不再贅述。這里著重介紹一下亞馬遜的相關(guān)布局。

在不久前的亞馬遜云科技re:In－vent大會上，亞馬遜公布了一款名為SimSpaceWeaver的模擬服務。這項服務可以根據(jù)用戶需要對多主體、大規(guī)模的場景進行模擬，并通過直觀的方式向用戶進行呈現(xiàn)。借助它，用戶就可以輕松地對諸如城市設施建設在內(nèi)的各種公共項目的后果進行預測。在大會播放的演示片中，SimSpaceWeaver模擬了100萬人在拉斯維加斯四處游走的狀況，通過將地理空間數(shù)據(jù)同成群結(jié)隊的模擬人群疊加起來，我們就能觀察到這樣巨大的人群是如何在街道上活動、休憩的。

而在另一個測試中，SimSpaceWeaver則模擬了整片森林中所有植物的生長狀況，并據(jù)此計算了森林對控制碳排放和增加生物多樣性的貢獻。顯然，至少對于個人或小企業(yè)，如此巨大規(guī)模的模擬是很難實現(xiàn)的，而現(xiàn)在，只要通過AWS調(diào)用SimSpaceWeaver，就可以做到這一點。除了 SimSpaceWeaver等模擬工具之外，針對元宇宙時代對VR、AR內(nèi)容產(chǎn)品需求激增的情況，亞馬遜還在AWS上提供了空間計算（SpaceComputing）服務。利用這一服務，用戶可以像制作圖片、短視頻那樣，以比較便捷的方法和低廉的成本構(gòu)建3D模型和場景。這樣，就為未來元宇宙生態(tài)的多樣性提供了有力的保證。

為了能源而奮斗

隨著大模型、大計算時代的到來，巨大的耗能量就成為了人們不得不面對的另一個問題。以GPT-3為例，其一次模型訓練需要耗電19萬度，妥妥的一個“電老虎”！與此同時，它還會產(chǎn)生85噸的二氧化碳，非常不環(huán)保。針對這一情況，現(xiàn)在越來越多的科技巨頭已經(jīng)將能源，尤其是清潔能源的發(fā)展和利用，以及節(jié)能技術(shù)作為了突破的重點。

在對能源領域的探索上，特斯拉是當之無愧的先行者。早在2015年4月，特斯拉就對外公布了一個名為“特斯拉能源”的方案。在該方案中，特斯拉宣布推出了一款名為“能量墻”（powerwall）的家用電池。這款電池可以懸掛在建筑物的墻上，并和太陽能板相連進行充電。在太陽能資源充足的地區(qū)，家庭完全可以通過“能量墻”來實現(xiàn)用電的自給自足。不僅如此，“能量墻”還可以接入電網(wǎng)，充當虛擬電廠的角色。這樣，有電力富裕的家庭就可以通過它來出售富余電力獲得收入，電力也可以在市場上獲得更有效率的配置。后來，特斯拉又進一步推出了“能量墻”的商用版本“能量包”（powerpack）。截至2021年底，特斯拉在全美國部署的“能量墻”和“能量包”的儲能規(guī)模已經(jīng)達到了3992MWh。根據(jù)特斯拉官方的預測，其部署的儲能設備規(guī)模將進一步達到1500GWh。在不久前的一次訪談中，當被記者問及“特斯拉能源”是否可以幫助美國解決能源問題時，馬斯克信心滿滿地回答：“我相信它不僅可以解決所有美國人的能源需求問題，還能解決全世界人的能源問題。”盡管這個回答帶有很大的吹噓成分，但至少也在一個側(cè)面反映出了特斯拉在這個領域取得的成績。

另一家大舉進軍能源行業(yè)的科技巨頭是亞馬遜。一方面，和特斯拉類似，亞馬遜也在儲能領域進行了大規(guī)模的投入。盡管從儲能設備的建成規(guī)模上看，它暫時還無法和特斯拉相提并論，但依然是不可小視的。另一方面，亞馬遜也在積極推進能源的分散化。目前，亞馬遜已經(jīng)建成了一個內(nèi)部的能源共享網(wǎng)絡，接入這個網(wǎng)絡的用戶、發(fā)電設備，以及儲能設備可以在網(wǎng)絡內(nèi)進行電力的交易和調(diào)劑。在此過程中，部署的傳感器可以傳回大量的數(shù)據(jù)，而亞馬遜的人工智能則可以對這些數(shù)據(jù)進行分析，并在此基礎上幫助交易網(wǎng)絡更有效率地運作。盡管到現(xiàn)在為止，亞馬遜的這個能源交易網(wǎng)絡規(guī)模還較小，但亞馬遜方面預計，在未來幾年內(nèi)，這個網(wǎng)絡的規(guī)模將迅速擴展，并最終達到在全球范圍內(nèi)實現(xiàn)電力調(diào)配的目標。

破解供應鏈難題

過去幾年內(nèi)，全球供應鏈的脆弱性問題引發(fā)了世界各國的廣泛重視。受各種地緣政治和自然因素的影響，供應鏈中斷事件時有發(fā)生。因此，提升供應鏈韌性就成為了擺在人們面前的一個重要課題。很顯然，對于這樣一個重大的課題，科技巨頭們也不會缺席。

由于其主營業(yè)務——電商與供應鏈的關(guān)系非常密切，因此亞馬遜是眾多科技巨頭中對供應鏈問題探索最早，同時也是最為深入的。這種探索首先源于亞馬遜體系的內(nèi)部。為了提升其自身的倉儲和物流效率，亞馬遜率先用大數(shù)據(jù)、人工智能、機器視覺、云計算等技術(shù)對其自身的倉儲和物流管理體系進行了全面改造，搭建大數(shù)據(jù)智慧物流運營系統(tǒng)，對整個體系內(nèi)部的物流進行調(diào)度。

尤其值得一提的是亞馬遜的倉儲管理系統(tǒng)Bin。Bin系統(tǒng)在收到采購訂單后，會將采購訂單、運貨車以及倉儲位置都視為不同的貨位，這樣產(chǎn)品從入庫開始的流轉(zhuǎn)狀況就被對應地描述為了在不同貨位之間的切換。借助系統(tǒng)的強大支撐，產(chǎn)品從收貨、上架、盤點、驗貨、出貨的全流程中具備非常高的靈活性，所有的信息都存儲在貨位系統(tǒng)中。亞馬遜強大的信息系統(tǒng)將貨品、貨位、數(shù)量的綁定關(guān)系做到了極致，從而支持起了其每年數(shù)百億美元的銷售規(guī)模。依托這種先進的信息化手段，亞馬遜可以將每張訂單的處理時間縮短3分鐘以上，從總體上看，其運營效率可以獲得三到四倍的提升。

在滿足了自身的需求之后，亞馬遜還將其供應鏈解決方案，以及技術(shù)能力積極對外輸出。今年9月，亞馬遜向其電商平臺上的第三方賣家推出了一項“亞馬遜倉儲配送”（AmazonWare－h(huán)ousing&Distribution，簡稱AWD）服務。一旦第三方賣家購買了這一服務，就可以依托亞馬遜的倉儲和物流體系來對其貨物進行存儲和配送。

值得一提的是，目前卡車司機嚴重缺乏是美國供應鏈面臨的一大難題。據(jù)估計，目前全美卡車司機的缺口大約在8萬左右，這一方面導致了美國長途運輸成本居高不下，另一方面也會造成司機疲勞駕駛。針對這一問題，亞馬遜方面表示將在不久的將來推出無人駕駛卡車服務。如果這一設想成真，那么就可以有效緩解司機缺乏的問題，從而讓貨物的流通變得更為高效和安全。

在對供應鏈解決方案進行探索的科技巨頭中，另一個比較有代表性的是微軟。如果說做電商起家的亞馬遜在這個問題上是“軟（件）硬（件）兼施”，那么做軟件起家的微軟就是更為側(cè)重軟件，力圖通過軟件和服務來為客戶的供應鏈進行優(yōu)化?，F(xiàn)在，亞馬遜已經(jīng)推出了包括Dynamics365SupplyChainIn－sights與MicrosoftCloudforManufac－turing在內(nèi)的多套針對供應鏈的優(yōu)化應用。其中，MicrosoftCloudforManu－facturing制造云主要負責協(xié)助制造業(yè)客戶從生產(chǎn)現(xiàn)場到組織全面數(shù)字化，讓客戶掌握供應鏈全貌以快速因應各環(huán)節(jié)的波動。而SupplyChainInsights則是專為規(guī)劃供應鏈路線，以及在出現(xiàn)瓶頸前及時排除影響原物料運送問題而設計的新工具。將其和 MicrosoftCloudforManufacturing進行搭配后，能夠有效強化制造商的敏捷度與彈性。

今年11月，微軟還聯(lián)合甲骨文、SAPSE等友商共同推出了“微軟供應鏈中心”（MicrosoftSupplyChainCen－ter）平臺。在這個平臺上，用戶可以調(diào)用以上多家公司的產(chǎn)品，來完成供應鏈漏洞檢查、供求預測、訂單自動管理等一系列供應鏈管理中常見的任務。這樣，用戶就可以大幅減少投入到相關(guān)問題上的精力和成本。

重新激活無人駕駛領域

無人駕駛是一個需要綜合應用計算機、人工智能、通信、導航定位、模式識別、機器視覺、智能控制等各種技術(shù)的領域，因而能否制造出高質(zhì)量的無人汽車就在某種程度上成為了檢驗一個科技公司綜合實力的試金石。

美國是最早探索無人駕駛技術(shù)的國家。早在上世紀80年代，美國陸軍就和美國國防高級研究計劃署（DARPA）一起在這個領域進行了很多的探索。在早期的探索中，圍繞無人駕駛的發(fā)展路徑曾經(jīng)出現(xiàn)過很大的爭議。一種觀點認為，無人駕駛應該走“車路協(xié)同”的道路。這種觀點認為，無人駕駛應該通過車、路、人、環(huán)境的互動來實現(xiàn)，人們可以通過用通訊技術(shù)改造后的道路來協(xié)調(diào)在道路上行駛的汽車的行為，從而實現(xiàn)所有汽車整體運行的高效率。而另一種觀點則主張走“單機智能”的道路，即依靠汽車自己攜帶的攝像機和雷達來識別圖框，并由人工智能來進行判斷、作出決策。

在最初的一段時間內(nèi)，“車路協(xié)同”的思路曾一度占據(jù)了上風。美國的一些州甚至已經(jīng)制定了“車路協(xié)同”相關(guān)規(guī)范。不過，由于美國基礎建設建造能力相對不足，“單機智能”最終取代“車路協(xié)同”，成為了主流，而這就導致了在人工智能領域更有優(yōu)勢的企業(yè)在無人駕駛領域具有先天優(yōu)勢。也正是因為這個道理，在人工智能領域占據(jù)優(yōu)勢的谷歌成為了最早進入這一領域的科技企業(yè)之一。

早在2009年，谷歌就在內(nèi)部開始了無人駕駛研究。這個部門后來被分拆了出去，就是現(xiàn)在的Waymo。此后，隨著共享出行的崛起，共享出行巨頭U－BER、Lyft等也先后加入了無人駕駛的研發(fā)，并設想會在不久的將來用無人駕駛徹底取代人類司機。但由于一系列事故，導致無人駕駛的安全性受到很多質(zhì)疑，無人駕駛也由此一度陷入低潮。

不過，這并不是說科技巨頭們的造車事業(yè)停止了，事實上，它們只是對此更為低調(diào)了。最近，很多科技巨頭在這一領域取得了較大的突破。例如，11月19日，美國加州公用事業(yè)委員會（CPUC）決定授予 Waymo參與其無人駕駛試點計劃的許可，這一計劃允許自動駕駛汽車公司在無人駕駛的情況下搭載特定的公眾乘車，并且可以全天候運營。與此同時，通用旗下的Cruise，以及特斯拉的無人汽車也都先后開始了上路載客測試。可以想見，在不遠的將來，無人駕駛這個看似沉寂的領域或許又會重新爆紅，成為科技企業(yè)業(yè)務中亮眼的一塊。

讓機器人全面走向生產(chǎn)生活

除了無人駕駛之外，機器人也是科技巨頭們競相布局的一塊硬件領域，并且其對各項技術(shù)的綜合要求也是較高的。

我們知道，在現(xiàn)實中，機器人有很多不同的用途。一些機器人是工業(yè)用的，主要被用來完成一些流程相對固定的自動化任務，對其智能化、擬人化要求相對較低。而另一些機器人則是民用的，主要用于服務用途，因此需要相對較多的智能，在形象方面也有一定要求。

在實踐當中，不同的科技企業(yè)根據(jù)其業(yè)務發(fā)展的需要，在機器人發(fā)展方面也選擇了不同的方向。

比如，主營電商的亞馬遜由于對其倉儲物流方面的業(yè)務十分重視，因此其在機器人領域的發(fā)展主要側(cè)重于專用的工業(yè)機器人。不久之前，亞馬遜剛剛公布了一款新型的機器手。這款機器手可以像人類的手一樣，十分靈活地對物品進行抓握。利用這款機器手，就可以省去大量整理和搬運貨物的人力。

而相比于亞馬遜的務實，特斯拉研發(fā)的機器人則要花哨得多。在今年9月舉行的特斯拉發(fā)布會上，馬斯克向在場的觀眾介紹了一款名為“擎天柱”的機器人。這款機器人有著和人類近似的身高，可以像人類一樣行走，和人類交流，還可以完成一些簡單的任務。更重要的是，根據(jù)馬斯克的介紹，在不久的將來，擎天柱就可以量產(chǎn)，其成本可以降到2萬美元以下。如果真是這樣，那么在不久的將來，這款人形機器人就很有希望從科幻進入現(xiàn)實，走進千家萬戶。

結(jié)語

通過對以上這些領域近況的回顧，我們不難看到，雖然從總體上講，美國的科技企業(yè)確實陷入了一個低谷。但在這個低谷當中，其實正在孕育著很多新的技術(shù)力量和商業(yè)機會。在不久的將來，時機成熟之后，它們就會迅速萌芽，長出一個新的繁榮時期。

這里值得一提的是，相比于美國的科技巨頭，中國的科技企業(yè)現(xiàn)在正面臨著更為嚴酷的寒冬。在疫情、嚴監(jiān)管等多重因素的作用之下，很多企業(yè)的市值慘遭腰斬。不僅如此，社會上的很多輿論還認為，造成這一切的根本是在于這些企業(yè)沒有硬的技術(shù)創(chuàng)新，只會用一些新的模式來圈錢。

但其實只要我們了解一下國內(nèi)科技企業(yè)的研發(fā)狀況，就會發(fā)現(xiàn)這樣的指責其實是不公道的。僅以AI大模型為例，事實上早在2021年，阿里巴巴的達摩院已經(jīng)開發(fā)出了和GPT類似的AI預訓練模型M6，并且其參數(shù)已經(jīng)多達10萬億個，遠超GPT-3。目前，M6已經(jīng)部署在阿里云上，為淘寶和天貓的客戶提供支持，只不過阿里并沒有開發(fā)出一個類似ChatGPT的交互程序來進行宣傳，因而M6的知名度并不高。除此之外，無論是在能源、供應鏈、無人駕駛，還是在機器人上，我國的一線科技企業(yè)都有能夠和美國巨頭們相匹敵的產(chǎn)品。甚至在一些領域，如無人駕駛上，我國的一些企業(yè)還做得更好。從這個角度看，我們或許應該給國內(nèi)的科技企業(yè)以更多的關(guān)愛和體諒，而不應該對它們盲目污名化?；蛟S，它們握有的那些技術(shù)才是幫助我們走出經(jīng)濟寒冬的關(guān)鍵。