喝点VC｜a16z合伙人：AI已成为地域竞赛，成为“超级中心”取决于计算、数据、能源与合规四要素

图片来源：a16z

Z Highlights

• 在采用通用技术的过程中有两个关键时刻，首先是国家、民族、地区开始问自己，我们是欢迎这项技术还是对其发展持敌对态度？这是国家发展过程中非常重要的第一步。第二个问题是，我们是自己研发还是购买？也就是说，我们能否相信别人为我们提供它？

• 人工智能以历史上最快的速度成为了通用技术。政府应该选择自己研发还是购买？这可能是未来24个月中最大的购买决策之一

• 这里真正重要的只有三四个要素。第一个是计算能力，我们已经讨论过了；第二个是丰富且低成本的能源，它为数据中心提供动力；第三个是数据，即这些模型学习所需的高质量数据的可用性；第四个是监管。

• 海外，许多国家的法规是在版权和知识产权等方面相对宽松，那些实验室乐于在这些领域加速发展，而美国的公司则在试图弄清楚他们应该遵守哪些规定，这种不确定性比放任自流的做法更具有破坏性

人工智能成为通用技术，政府如何拥抱前沿技术？

Anjney Midha：我的观念是基础设施独立性。许多国家和地区开始意识到，现代人工智能、基于深度学习的人工智能、生成模型是一种被称为通用技术的形式。在人类历史上，我们可能只有大约20到22种通用技术，比如电力、印刷机，这些技术在社会中有非常广泛的应用，并最终成为了社会发展各个领域的支柱和经济增长的重要推进器。在采用通用技术的过程中有两个关键时刻，首先是国家、民族、地区开始问自己，我们是欢迎这项技术还是对其发展持敌对态度？这是国家发展过程中非常重要的第一步。

第二个问题是，我们是自己研发还是购买？也就是说，我们能否相信别人为我们提供它？对于AI来说，我们已经过了是否接受它的问题阶段，现在全球有数十亿人已经接受了它。所以政府实际上没有太多选择，人工智能以历史上最快的速度成为了通用技术。政府应该选择自己研发还是购买？这可能是未来24个月中最大的购买决策之一，国家是买技术还是自己研发？

Steph Smith: 我想将国家和公司进行类比，因为许多公司选择自己研发，但也有一些公司选择租赁或购买。当你思考这个问题时，世界上有许多大国，比如美国，显然正在自己研发，接下来让我们来谈谈较小国家如何应对生成式AI技术的快速发展。

Anjney Midha：好消息是我们可以从数百年人类历史中寻找线索，看看接下来会发生什么。如果是一个小国，在20世纪初，你会看到发达世界的现代化电气化过程。如果你观察许多国家的发展轨迹，许多国家实际上选择进入所谓的合作协议。因此，对于小国来说，与先进技术接轨首先是从与处于前沿的国家进行合作开始的。

处于人工智能前沿的这些国家，我称之为“超级中心”。这些国家有能力开发、训练、构建和托管自己的前沿模型。我之所以称它们为“超级中心”，主要是为了向“超大规模企业”这个词致敬，因为只有少数几家公司拥有计算能力和人才来真正构建前沿人工智能。我们可以看到的是，现在已经从只有这些公司推动前沿人工智能的发展，转变为整个国家和地区一起推动人工智能技术的进步。因此，如果你是一个小国，并且认为拥有自己的人工智能基础设施非常重要，并想保持技术独立，但没有足够的计算能力来训练这些模型，或者没有足够的本地人才，那么你可以与一个与你价值观相符的国家或海外伙伴进行合作。

人工智能模型及其与电力等基础设施的不同之处是，人工智能模型中有一个包含基本人类价值观的编码，它们是通过数据训练的，而数据中嵌入了这些地方规范和文化价值观。因此，如果你恰好用在美国收集的大量互联网数据来训练一个模型，那么这些模型通常就是符合美国文化的，它们被编码了这些价值观。如果你用法国的数据来训练模型，它们实际上微妙地包含了一大批反映法国文化规范的价值观。

我认为如果是一个小国，第一步就是明确你与哪个超级中心的价值体系最为一致。互联网的发展方式基本上是形成了两个互联网，中国的互联网和世界的其他部分。人工智能的发展可能最终看起来也不会太不同。

一个很好的历史先例是货币技术，货币是一种相当通用的技术。在20世纪初金融现代化的过程中，许多国家开始问同样的问题，我们是自己建造还是购买货币？我们是依赖美元，还是拥有自己的货币？这导致了现代货币体系的形成，美元是单一的全球储备货币。这是通过一系列盟友合作实现的，许多国家意识到他们没有足够的本地资源来维持与黄金挂钩的美元。因此，有美国、中国、印度这样的大国，也有一些小国决定他们想成为流量节点，像新加坡、爱尔兰，卢森堡和苏黎世这样的小国，成为了现代金融领域的全球领导者，因为他们最终决定想与这些权力中心结盟。

因此，对于人工智能领域来说，让我们称处于前沿的地区为超级中心，也有计算荒漠，这些地方没有安装任何计算能力，甚至与之相关的技术。所有较小的国家都必须弄清楚他们想与哪个超级中心结盟，以及如何成为人工智能基础设施世界的现代新加坡、爱尔兰、卢森堡。

是否合作取决于国家是否想成为一个计算荒漠，如果不想，而且政府希望真正拥抱人工智能，并加强相关基础设施建设，那么政府必须弄清楚最想与哪个超级中心结盟。之后，如何成为一个有价值的盟友就变得相当容易理解了。

人工智能的核心资源：计算能力、能源、数据、合规监管

Steph Smith: 这是一个很好的类比，因为许多人将资源视为拥有的农田和在那个经济体中工作的人。但你指出的是，长期以来，许多国家以其他方式提供价值或资源。当我们考虑人工智能时，你已经指出了一些国家可以投资的东西，无论是它们拥有的计算能力、为人工智能提供动力的能源资源，还是前瞻性的政策。我们可以将这些分解为几个部分。你如何看待这些组成部分，以及国家应该如何在这些方面进行操作或投资？

Anjney Midha：好消息是，这里真正重要的只有四个要素。第一个是计算能力，我们已经讨论过了；第二个是丰富且低成本的能源，它为数据中心提供动力；第三个是数据，即这些模型学习所需的高质量数据的可用性；第四个是监管。

好消息是这些要素相对明确。坏消息是，世界在这些方面分配得非常不均匀。一些国家拥有的计算能力远远超过其他国家，其他一些国家由于其自然资源优势，拥有的能源远远超过其他国家。

因此，如果你在中东，可能还没有大规模的数据中心，但拥有大量的石油储备。如何将这些资源转化为成为超级中心？这就是比较优势法则。你有能源，应该利用它来吸引世界上最好的团队和公司以及基础模型实验室等，通过交易你所拥有的东西来换取他们所拥有的东西。因此，我对那些认识到自己优势的国家之间的联盟关系持乐观态度，然后与其他国家合作来填补这一空白。

我所说的“国家”也包括来自其他国家的私营公司。我们可能会看到的一个现象是国家之间的联合训练模型。对于大多数国家来说，不可能在堆栈的每个部分都完全独立地建设的基础设施，更为可行的是在堆栈的一个部分做得很好，然后与另一个主权国家或地区在一些方面合作，以实现从你所不认同的价值体系中的联合独立。

从长远来看，你可能能够逐步构建这些东西，但就基础设施而言，尤其是人工智能的基础设施，通常需要数年，甚至十年的时间。例如，在模型层之下，你有芯片层。而在芯片层之下，有光刻层。荷兰有一家公司叫ASML，它制造的实际上是世界上最重要的机器。

每台机器的成本大约是2亿美元。他们是唯一能够制造这些EUV光刻设备的公司。美国能否说，我们明天就要建造自己的ASML？不行，因为这意味着需要10年以上的时间。

另一方面，对于一个较小的国家来说，能否说我们要走在技术前沿，训练自己的本地模型？如果你有一个领先的科研团队的话，在几个月内完成是比较容易的。而这是一个很大的“如果”，全球只有少数几个真正有能力做到这一点的科研团队。我认为主权人工智能或基础设施独立并不意味着你拥有堆栈的每一部分的100%所有权，至少在短期内这是不可行的。这意味着你不依赖于你不信任的某个关键部分。

谁来主导人工智能技术发展？私营企业or政府？

Steph Smith：我们可以谈谈私营公司吗？作为一个国家，你说你需要这种主权，但同时，你能通过存在于你国家内的公司来依赖这种主权吗？例如，以美国为例，政府真的需要参与进来吗，还是他们可以简单地让Anthropic或OpenAI来主导这部分堆栈？你如何看待政府与私营企业之间的区别？

Anjney Midha：在一些国家，这条线非常明显，在其他国家则更加模糊。在中国，这条线非常清晰。在美国则不是这种情况。有一些受保护的技术类型，如双重用途技术、机密国防技术，如果你在开发这些技术，特别是如果你是在国防项目资助下开发的，那么你必须将其提供给政府，因为政府支付了该技术的开发费用。但在很大程度上，美国和大多数其他盟国的私营部门默认受到保护，无需将技术提供给政府。

因此，我认为大多数国家面临的问题是，你希望在这个光谱的哪个位置存在？每个国家对此都有不同的方法，在美国、加拿大、英国、澳大利亚、新西兰这五个国家，我们通常有一种共同的方法或框架来对这种基础设施进行分类。总体而言，人工智能模型尚未被归类为双重用途或受到国家安全保护。技术发展的历史在很大程度上表明，如果你想要获胜，那么解锁国家最优秀的人才，减少官僚主义的阻碍，通常最终会获胜。

Steph Smith：如果我们考虑如何让美国保持在前沿，并思考我们之前讨论过的不同层次或要素，你认为有哪些高风险领域，或者你认为我们正在落后？可能是在能源部门，也可能是在模型层，或者是因为我们依赖ASML，等等。你认为我们在哪些方面存在高风险，无法再保持我们的优势？

Anjney Midha：回到之前讨论过的四个要素，即人工智能前沿的计算、数据、能源和合规。在计算方面，我认为美国的私营市场做得相当不错。它对市场需求的反应相当灵敏。我认为美国最大的基础设施企业是芯片公司和计算公司并非巧合，因为美国市场满足在这种需求方面做得相当不错。

但在数据方面，情况非常艰难，首先，拜登在23年的行政令是一个发令枪，表明“人工智能很重要。请对此采取行动”，并将其留给各州去解决。”在2024年，仅在美国州一级就有超过700项针对人工智能的具体立法。而其中许多法律，如果你仔细看，虽然出发点很好，但实施得非常糟糕，以至于基本上不可能遵守。

因此，我认为我们需要在一个领域中自我设限，需要一个统一的数据合规法律框架，但目前在美国联邦层面上暂时没有相关规定。在海外，许多国家的法规是在版权和知识产权等方面相对宽松，那些实验室乐于在这些领域加速发展，而我们的公司则在试图弄清楚他们应该遵守哪些规定。这种不确定性比放任自流的做法更具有破坏性。我认为美国公司完全可以应对这些规定。在美国，好的创始人会遵守规定，他们只是希望被告知应该遵守什么规定，而不是在50个不同州之间，面对不断变化且不明确的规定。

此外，还有一个基本的科学问题，那就是这些模型遇到了非常真实的数据壁垒。阻碍美国及其盟国前沿研究的一个问题是缺乏政府支持，以促进跨国界合作，使更多数据可供盟友地区使用。在能源方面，我认为我们显然在美国核能方面束缚了自己。例如，法国20年前对核能技术的拥抱使他们今天能够拥有非常高效的数据中心。而在美国，我认为我们在这一点上基本上是自掘坟墓。

最后，在推理监管方面，我认为我们做得不够的是明确责任归属。我看到一些提案，计划在明年的立法会议之前，即使一些滥用的案例是由其他使用者造成的，模型开发者也应对其成果输出承担责任。

Steph Smith：如果实施这项法规会发生什么？是否会驱使那些非常重要的开发者离开？

Anjney Midha：一定会的，限制过多的法规会导致优秀的开发者离开。他们的离开会迫使大多数初创公司失去相比于大型科技公司具备的宝贵人才优势，反而会进一步巩固了现有大型科技公司的地位。

计算能力和优秀人才是推进国家人工智能技术发展的关键

Steph Smith：你期待一个立法者，或者一个国家的领导人，应该思考什么？关注哪些决策？在关注购买GPU的国家，还是在建设新的能源中心？

Anjney Midha：最核心的指标是计算能力。如果考虑到人工智能供应链，第一英里始于数据中心。我会说这是新的主权原子单位，这是新事物。我们从未真正让国家考虑人工智能数据中心的原子单位，就像国家应该购买的东西一样。是的，大约24个月前，我们开始看到国家认为这个第一英里很重要。因此，你看到大量的NVIDIA采购订单来自政府的资产负债表，他们从未见过如此巨大的需求，因为国家意识到他们想成为超级中心。这从政府提前12到36个月下订单以接收GPU开始，因为如果不排在队伍前面，相比其他竞争对手会丧失很大的竞争优势。

我关注的第二件事是那些既具有深厚技术背景又来自深度研究背景的创始人和科学家，他们在大型超大规模企业实验室中已经领导了前沿模型的开发。例如，Arthur Mensch创立了Mistral，他在DeepMind工作过，他在META领导了最初的Lama家族，他们深受使命驱动，相信他们可以帮助解决大型政府政府面临的基础设施建设问题。

因此，出现了一类新的创始人，他们既主要是技术出身，又在学术界接受过培训，但被激励去解决大型国家和区域交付技术时所面临的真正困难问题。如果你是像这样的创始人，并且有勇气，那么你对人类的影响最终将是具有代际意义的。

原视频：AI Is Becoming a Regional Race

https://www.youtube.com/watch?v=LEksqAk3yrQ

——-

（文：Z Potentials）