在 2024 年度演讲中，刘润老师探讨了应如何拥抱或应对人工智能带来的变化，并提出了“拥抱人工智能的十种姿势”。—— 看新闻、开始用、多探索；学原理、懂具身、装模型、训数据、找方案；做模型、改范式。

　　第一种，叫“看新闻”。ChatGPT 又升级了，Sora 更聪明了，马斯克又出大招了，中国公司也加入战局了……网上各种新闻铺天盖地，热闹得像放烟花一样。看新闻，是大多数人接触“人工智能”的方式，这没错。但倘若您仅仅是看新闻，那只会让您愈发焦虑。但这些问题，除了让您睡不好觉，什么用也没有。

　　真想体验AI的魅力，就要从观众席跳到球场上，进入第二种：开始用。拥抱的第一步，是张开双臂。使用的第一步，是装好APP。尽量亲自安装。亲自注册。亲自体验。只有不断亲自练习，您才能学会如何写出一个好的“咒语”。什么是“咒语”？咒语，是让AI为您施展魔法的指令。一定要开始用。记住，只有开始使用，您才能把“观感”转化为“体感”。

　　接下来是第三步：多探索。多探索，就是培养对AI强烈的好奇心。您要不停地问自己：这件事，能不能让AI来搞定？那件事，能不能请AI来帮忙
 

　　所以，多探索，多尝试。保持像猫一样的好奇心。不断拓宽您对AI的理解边界。看新闻，开始用，多探索，掌握这些，您就算是AI的“票友级”玩家了。不过，如果想用AI创业，那还得继续努力，争取达到“职业级”水平。

　　而进入“职业级”第一步，就是：学原理。

　就算您不是学计算机的，我也特别建议您至少要搞懂五个AI的基本概念：神经网络、深度学习、监督学习、强化学习、参数。懂点AI的基本原理，就像戴上了透视眼镜，能让您发现行业中隐藏的真正机会。然而，AI再强大，也只是个“大脑”。要真正改变世界，还需要了解“身体”的作用。这就是：具身。具身不仅包括大脑的决策，还包括身体的感知和行动。

　　可是，它是怎么“感知”到我想动的呢？这个机器人有一个传感器，它可以感知您的肌肉“电流”，从而理解您的意图。这就是“感知”的力量。人之所以是人，是因为我们不仅仅有聪明的大脑可以做“决策”，还有灵敏的感官可以“感知”世界，以及灵活的双手可以付诸“行动”。感知、决策、行动，构成了一个完整的智能体，也就是具身智能。

　　您可能会发现，人形机器人和无人驾驶汽车，其实都是具身智能的尝试。被大模型武装的“具身智能”不仅仅能和您聊天，它能真正地改变这个世界。学原理，懂具身，然后就该动手了。怎么动手？不如从装个本地模型开始。比如，META的LLaMA模型，或者绘图用的Stable Diffusion模型。等等。装模型的目的，是从“操作层面”上了解人工智能。理解什么是“训练”，什么是“推理”。

　　成为“职业级”选手的关键一步：训数据。

　　人工智能有三大要素：算法、算力和数据。当小伙伴们的算法水平相当，算力也达到极限时，那最终比拼的，就是数据了。

　　我拥有独特的数据，或者我的数据质量更高，我的AI效果当然就会更好。装模型、训数据。到了这一步，您就已经踏上了AI的“职业化”之路。这条路，九九八十一难。而其中最关键的一难，可能就是：找方案。

　　您在照片里看到的这一卷卷丝线，是化学纤维，简称化纤。它的上游是石油，下游是用于纺织业，最后被做成各种衣物。化纤行业长期面临两个问题：断线和色差。为了解决这些问题，工厂里的工人们，需要用强光手电，仔细检查每一卷化纤，就像在寻找针尖上的瑕疵。又累又费事。那么，我们可以找AI要方案吗？

　　恒逸化纤，他们采用了“AI智能眼”的解决方案。AI智能眼，每隔5秒钟眨一下，它眨这一下，就能准确识别出化纤的质量问题。检测准确率，甚至超过了人工质检。这就是：找方案。

　　每次技术革新，都像是搭积木：首先是“基础技术”的出现，然后是“补充技术”的发展，最后是“应用技术”的繁荣。互联网，就是一种基础技术。但是一开始，小伙伴们并不知道互联网有什么用。直到浏览器出现。浏览器，就是互联网的补充技术。有了浏览器，互联网才真正被激活。大量应用技术井喷式发展。搜索引擎，电子商务，视频网站，社交软件，等等等等。

　　1994年互联网作为基础技术刚进入中国时，近期的那些互联网应用巨头，百度、阿里、字节、腾讯，都还不存在。近期的AI可能也是一样，基础技术刚刚出现。未来真正的AI巨头，可能近期根本不在牌桌上。大量的机会还在前方。

　　这一步，已经是“职业级”选手的最高水平了。还想更进一步，就需要进入“大师级”的领域。比如，做模型。

　　是的。做模型，是少数人的游戏。为什么？

　　因为它，实在是太烧钱了。2023年一年，OpenAI训练ChatGPT4.0的成本，高达7800万美元。而谷歌训练Gemini Ultra模型，更是耗费了1.91亿美元。如果把这些模型比作人，它们一天也要吃三顿饭，那Gemini每顿饭的成本，是17万美元。100多万人民币。一顿饭，100多万人民币。难怪我脑子不好使。我要是一顿饭花100块，都觉得自己在挥霍了。所以，做基础模型太烧钱，普通人很难参与其中。但如果我还是很想参与，怎么办？为它提供数据。

　　基础模型有时就像个书呆子，答不出一些看似简单的问题。比如：9.11和9.8，哪个大？大部分基础模型，都认为9.11大。问为什么，它们会回答：因为11比8大。AI似乎数学不太好。为什么？因为他们缺乏高质量的数学数据。没学过，所以不会。

　　所以，如果您真想参与基础模型，也许不一定要在“主战场”上和巨头正面竞争，您可以在“侧翼”寻找机会。那么，做模型，是拥抱人工智能的最高姿势了吗？还不是。“改范式”才是。