AI风口正在过去，抑或者说我们正在远离

自2021年NVIDIA发布了元宇宙，即Omniverse以来，追随，热捧，炒作，误解的一大片紧随而至。当大家以为这玩意最终只是个噱头，即使是落地也有庞大的工业成本时，ChatGPT问世了，现在连普通人也发现新的工业级计算已经无法忽视了。反观现在2023年的GTC，元宇宙模式不仅没有停滞，甚至已经着手落地，在感叹你老黄这三年来作为支撑OpenAI背后的硬件厂商之余，顺带一提，DGX也是那年的GTC发布的，倒是回过头看，这三年来，我们在做什么？

不能说完全没有，零零星星地概念，甚至对数字孪生最大的误解：“实时和模拟”，加之对其内在工业技术沟壑的差距，结果还停留在游戏娱乐里那套“建模”的概念。强行理解确实是可以解释为一个高级版的建模，但是它的终点不再是作为我们对虚拟世界想象的一个“辅助”，而是要作为对真实世界的映射。何为映射，就是在一个特定标准下，它的表现几乎与现实世界表现无异，你这辆车在这用多大的功率在什么地面跑，那么就应该与现实世界中的无异，撞到障碍物后，会发生什么反馈，而不是出现游戏引擎常常出现的“粘连”和“击飞”现象。各种场景做的粗糙，我们在游戏里会会心一笑，毕竟很清楚这毕竟是游戏，细节全靠脑补，但是在这里，它会直接影响能不能正确产出“真值”。而比较遗憾的是，大多是应用仅仅是停留在后者这种对游戏引擎那样，仅仅是对现实的“拟态”，甚至还不一定是现实世界，毕竟你只要想弄个悬空的桥或者建筑都是可以的。

结果就是它被归咎于“噱头”，因为表现出来没有实用价值。那是必然的，当你甚至无法保障这些客观数据无法带来事实上的真值时，意味着数字孪生这个研究方向已经出现了偏差，它强调的正是客观上的“真实”而非主观上的“相似”。但有心想做的又会很快地看到，其背后的工业成本巨大。数字孪生确实是有个绕不开的坎，就是前期要付出不菲地工业成本，正因为需要保障客观上的真实，就需要尽可能地为真实世界服务，包括精细度，场景的设计，但不是一味的精细，这样是没有止境的，就会变成某些在工科领域里一些人的反对观点中，无法对各种物理特性进行真实的复刻，于是数字孪生就永远无法实现的这般宛如学院派的发言。恕我直言，在讨论任何应用领域的潜在价值时，不讨论面相的应用场景，那是毫无意义的。

那么老黄为数字孪生交出了什么一个应用场景的答卷，是新的工业制造领域。AI的训练只是其中一部分，原型测试，工业管理，大量可重复，可控制，低成本，高稳定性的长时间测试和训练，让我们有了一个质变的提升：通过对现实世界的映射造就的这的孪生，让我们有了“操控世界”的能力，虽然不是真的操控真实世界，但是我们可以所以控制数字世界中的任何东西，生成各种实际情况，光线，环境，时间，你在这练习十年的时间，却只需一下午就能在真实世界中直接应用，你在这里只需少量成本构建的大型结构，却可以直接在现实世界被套用于高昂的精密器械，或者是大型工厂，这里面的试错成本和时间几乎被无限缩小，让即使是普通人都有机会触及一生都未必能达到地实验结论，这就是映射-计算-反映射。

所以当我看到GPT这类多模态大型模型像最初的元宇宙那样，逐渐偏离方向时，我是感到相当惋惜的。电影我可以等，在小时代系列和流量横行的时代，我告诉自己电影毕竟是一个百年艺术，至少会有不少底蕴，只需要重新找对方向，而后的故事大家都很熟悉了，观众最终用自己的电影票驱逐了这些东西，重新纠正了业态地发展方向，最终才等来了球2的出现，但这期间经历了漫长的变迁，虽然算来也不过十来年。但是反观现在我们正处于生成式AI的节点，我们还真的能再拿个十几年的时间去找对一个方向？生成式AI与多模态大模型有更高的技术门槛，其背后是庞大的算力支撑和海量的数据源，它的门槛相较于数字孪生是有高无低，刚有初步进展就想变现的想法更是不可行，而现在正看着所谓GPT的“热度”正在逐渐下降，直到都以为这玩意和当年的元宇宙一样，甚至更古老的VR领域一样，只是一时的热度产物。然后有一天，成熟的应用突然出现，又会前仆后继，但是沟壑只会越来越大，在这期间累积的差距，最终也会变成历史的一部分。

技术从来不是朝思暮想，三天打鱼就能出来的东西，它可能会诞生于灵感迸发，但一定是脱胎与默默无闻的迭代和改进，它没有这么多动人的故事和经历，只有到最后，所有的工业体系配备已经完善，基础设施已经就绪，软件算法已经成熟，最终收获一整个工业科技大厦的喜悦，而这，才是大多数人听到的故事。AI的风口看起来正在过去，抑或者说，我们正在远离。