围绕人工智能(AI)技术的范式正在急剧变化。美国OpenAI于2022年11月公开了运用生成式AI技术的“ChatGPT”,令全球为之震动,而今年1月中国的一家AI初创企业又推出了性能与之相当的“DeepSeek R1”。担任总统直属国家人工智能委员会技术分科委员长的延世大学计算机科学系特聘教授赵成培31日在接受Seoul Economic Daily采访时诊断称:“韩国的AI研究基础设施和人才在数量上与美国、中国相比非常不足”,“我国拥有的AI用半导体芯片总量甚至不及美国一家大型科技公司,因此需要有差异化的战略来克服这一点。”他表示:“作为AI芯片使用的图形处理器(GPU)耗电量非常大,因此必须在数据中心同时建设供电设施,但目前仍不完善。”他还强调,相关基础设施的扩充十分紧迫:“有些大学研究所为进行AI研究购置了GPU,却因无法接入电力线而偶尔出现无法使用该AI芯片的情况。”
-谷歌AI阿尔法围棋带来的冲击已进入第10年。这期间AI技术是如何演进的。
△2016年阿尔法围棋战胜围棋界人类最强者李世石九段,使一般民众对AI的关注度大增。计算机自行从数据中寻找模式进行学习并在此基础上进行预测的机器学习技术,在阿尔法围棋的开发过程中起到了核心作用。准确地说,是以机器学习的一种——深度学习和强化学习为基础。这一技术也开始应用于“语言模型”方式的AI开发。所谓语言模型,就是在若干词语依次排列后,推测接下来出现什么词才能构成最自然的句子。如果在语言模型算法中大幅增加参数,AI就能完成更复杂、更精细的工作。由此诞生了能够与人对话并执行复杂任务的聊天机器人式大规模语言模型(LLM)AI。近来,研究者的关注集中在以LLM为基础、能够自主制定计划开展工作并与其他AI交流信息的“智能体AI”的开发上。
-最近DeepSeek冲击似乎又开启了另一种技术趋势。
△此前技术开发的基本趋势是,为让AI能完成更复杂的工作而扩大学习数据的投入量并不断增加算法参数。为此需要能够对海量数据进行并行运算的高性能计算机。英伟达的GPU备受青睐,正是因为它能以并行运算方式高速处理大量数据。然而中国的DeepSeek却使用了性能低于美国大型科技公司所用高性能芯片的低配芯片,却实现了高性能,令人惊讶。开发方称,DeepSeek的开发仅投入约560万美元。考虑到OpenAI开发ChatGPT等投入了1亿美元以上,DeepSeek相当于以不到美国大型科技公司10%的成本开发出了性能相近的AI。
-DeepSeek的开发给我们带来哪些启示。
△与美国大型科技公司的大容量AI不同,DeepSeek被设计为轻量化。由于算法规模和数据量较小,即使用性能较低的半导体芯片也能快速运算,从而造出了性价比很高的AI。这使得AI开发的物质与人力基础设施远逊于美国的我国,也能够拥有开发高性能AI的信心。
-韩国的AI技术水平如何。
△简单比较并不容易,但在美国斯坦福大学发布的全球AI指数中,我国大致排在第7位。这个水平看起来还算不错。然而除第1位美国、第2位中国之外,其余主要国家的技术水平相差不大。在英国、法国、加拿大、新加坡之后,我国以相近水平紧随其后。如果我们再多集中于AI研发(R&D),技术排名还能比现在提升。但仅为提高评价指标排名,以“我国有这种技术也有那种技术”的方式做百货商店式研发并不可取。抛开排名,应集中并引领那些真正能产生社会和产业波及效应的技术。
-如果说有我们能够引领的领域。
△将原创技术加以应用、开发为商用服务,也是我们能够做好的领域。韩国有必要在这类差异化领域集中研发。例如我国在医疗领域通过医疗保险拥有优质数据。在制造业领域也具备丰富经验、数据和物质基础。若开发专门针对这些领域的AI并瞄准全球市场,完全可以引领技术。
-AI研究人力短缺严重,引进海外人才的条件是否具备。
△全球范围内AI研究人员的身价大幅上涨,招到能用的人非常困难。美国硅谷给AI领域研究人员的年薪大约是我国大企业平均水平的3~4倍。即使我们付出那样的高薪把外国人引进来,他能否真正做出与身价相称的成果也并不确定。
-据说我国研究机构不仅从美国,连从印度都难以引进工科出身人才,甚至到巴基斯坦等地打探AI专业人士。
△也有声音认为,需要思考从第三世界引进二三流人才来凑人数是否就能实现人才培养。但要引进一流人才,我们的定居条件又不足。语言壁垒、签证问题等社会条件需要全面改善。这将需要很长时间。
-如果说有培养高端人才的方法。
△中国在没有外国人参与的情况下,仅靠纯本国人力开发出了DeepSeek。据悉投入的人力规模仅为美国一般大型科技公司的九分之一。我们若在国内很好地培养专业人力,也能像中国一样追赶美国技术。过去几年,国内主要大学在政府支持下设立了10所人工智能研究生院。培养年轻科学家的“明星学者计划”项目和人工智能中心建设项目也在推进。不过,并非只要在数量上无条件增加AI领域人力就能确保竞争力。目前AI技术格局由前1%以内的人才所主导。我们也应考虑这一点,将人才培养政策设计为双轨制。有必要分为培养研究核心先导技术的少数精英的轨道,以及培养具备应用AI技术、扩大用户基础能力的人力的轨道,从而改善教育与评价体系。
-想了解物质基础设施条件如何。
△美国头部大型科技公司持有的GPU芯片,各公司从数万张到最多数十万张。我国政府每年也调查国内企业和机构的GPU持有情况,据说持有量还不及美国一家大型科技公司。即便是持有较多的NAVER集团、Kakao集团、Samsung Electronics等,也各自仅为数千张水平。国内主要大学或政府出资研究机构各自仅持有十余张。就数量而言,与美国相比寡不敌众。电网供应也仍不充分。GPU单张价格通常在4万美元以上,但价格正逐步下降,今后情况或许会有所改善。
-除英伟达昂贵的GPU之外,国产芯片或其他半导体能否用作AI芯片。
△除英伟达之外也有开发和制造AI芯片的公司,但在运行稳定性方面可信度仍相对不足。不过国内企业中,以Rebellions等初创企业为中心,正在开发可替代GPU的神经网络处理器(NPU)等。当然,由于NPU主要专注于推理功能,对其能否完全替代GPU功能存在分歧意见。尽管如此,今后在AI开发中推理功能日益重要,因此至少要在该领域开发出能让我们占据第一的芯片。
-如何消除AI技术研究过程中的制度障碍。
△要开发高性能AI,需要海量学习数据。但我国的个人信息保护监管比美国更严格,成为研究者的制约。最近制定的人工智能基本法也是如此,我国与AI相关的制度主要参照了欧洲的法律体系。欧洲的监管壁垒高于美国,AI技术因此落后。政府正在运营为新技术开发和产业化提供法律限制特例的“监管沙盒”制度,对AI应更广泛地适用此类特例。以此打通技术开发、商用化和技术型创业之路。
◆He is…
1965年出生于首尔,毕业于延世大学计算科学系,在韩国科学技术院(KAIST)计算学系以神经网络研究取得博士学位。曾任日本ATR人类信息通信研究所研究员和加拿大不列颠哥伦比亚大学访问教授。在延世大学历任认知科学研究所所长和人工智能研究生院院长等职。曾任韩国数据挖掘学会会长,并在去年9月成立的总统直属国家人工智能委员会中担任技术分科委员长。






