凭借上世纪九十年代的搜索技巧，以及拙劣的软件技术，我终于在一番尝试后体验了市面不下四五个版本的“李鬼”ChatGPT。 群里有一个老哥实在看不下去，甩给我一个论坛链接，拍着胸脯说包灵，只要用手机号注册就能和人工智能聊。

为什么ChatGPT没有出现在中国？其实这句话并不严谨。因为ChatGTP本质是通过神经网络学习来理解人类的提问并进行回复。 而神经网络学习架构这概念可不是什么新玩意儿。早在1949年神经网络学习就被脑科学家提出，上世纪8、90年代神经网络学习就已经在计算机领域广泛发展。元宇宙、NFT这些近几年走红的词语，见了它都得叫声“老祖宗”。

国内互联网企业不说传统豪强BAT，哪怕新贵如字节跳动，美团，滴滴，基本上每一家都有个“XXLAB”的实验室。 通常是有正经科学家挂帅，手下一批牛逼的程序员，整天捣鼓些各种各样的模型。 而神经网络学习说白了就是一种很高效的模型架构。 没几个在研究的模型，你都不好意思在中关村号称互联网企业。

众所周知ChatGTP强在语义识别和文本组织能力远超之前我们见识过的“人工智能”，所以我们的问题可以进一步转化为“为什么国内没有出现能力这么强，这么好用的模型”。

现在是晚上六点半，试想你忙碌一整天非常饿急需一顿饱饭。 这时候你的主管让你在七点前整理出一份文件交给TA。 大多数人都会选择赶文件，延迟吃饭。 因为吃饭是眼前的满足，但是为了明年的这时候还有饭吃，从长远来看顺从主管是最好的选择。 考虑的周期长了，这就是长期主义。

古代人在畅想木牛流马这种“神乎其技”时，就如我们在畅想未来世界的人工智能。 现在还有多少人记得IBM的超级计算机“深蓝”。 1997年5月，深蓝对战当时国际象棋世界冠军卡斯帕罗夫，最终以3.5：2.5赢得了比赛，成为历史上第一个在标准国际象棋比赛中打败卫冕世界冠军的计算机系统。

这件事让我印象很深刻，因为当时我在学围棋，认为国际象棋相比围棋，无论是棋子数，还是马走日，象飞田的规则，都不如围棋来得纯粹。所以当时年幼且无知的我觉得是因为国际象棋太简单所以被计算机给“穷举”了。

二十年后的2017年，AlphaGO直落三盘把当时的围棋世界排名第一柯洁打的“涕泪交加”。二十年的时间，人工智能就攻克了人类自诩变化最多最复杂的运动。 但是这二十年中间，人工智能是见不到什么收益的，只能日复一日地“喂”它棋局学习。

过去十年，很多独角兽企业两三年间就估值几千亿美元。 这种刺激加上整个市场变化的快节奏，让很多企业管理者和投资人只注重眼前可见的利润，却不想不敢去做长期的投资。 这即是缺乏长期主义。

再好的神经网络学习模型，在初始阶段也需要人去有选择地“喂”他们模型。

我们有8亿微信用户，6亿抖音用户，2亿头条用户，却训练不出一个“ChatGPT”。 这种绝望中国球迷应该很熟悉。 想我泱泱大国还挑不出11个蹴鞠的人儿了吗？这两个问题其实有一个共同的解，就是我们的培养体系出了问题。

中国的这些互联网公司，就像一个个村长，管理着一个个屯。 有的屯比较大，但是屯里的人只关心吃喝。 有的屯比较专，只喜欢唱跳和RAP。 屯与屯之间老死不相往来。 如果要摸清所有人的喜好，做一个统筹难于上青天。

我在国内几个大厂都呆过，数据的“红线”几乎已经到了偏执的地步。 有的数据明明是公开的，但是在“规定”一刀切的前提下你也休想从我嘴里听到一个字。 跟搞地下工作一样。 这样的氛围，造成了各个公司间的数据孤岛，区别只是量级而已。

马云曾说做了淘宝他知道中国罩杯最大的省份是谁。 抖音可以知道全国哪个省份的男人在小姐姐跳舞的视频里花时间最多。 我觉得他们数据能打通，一定能产生一些很有意思的碰撞。

现在基本是一家互联网公司就有小额贷款业务。 我很不能理解。 因为很多公司已经过了“果腹”阶段了，还在为走道不捡东西就算丢而折腰。

国内创投界做“跟随”一直很厉害。 直播火就一窝蜂都做直播，手游挣钱多就一窝蜂都去做手游，医疗、外卖，房产，美其名曰丰富产业生态。 看上去我们出门可以扫小白车，小黄车，小蓝车；点外卖可以找渴了么，饿了么，困了么，但是也造成了巨大的浪费，产生了海量的社会管理成本。 每次开车经过写字楼扎堆的地方都提心吊胆的，那些骑手除了订单不超时，啥车都赶超，啥缝都赶钻。再看看微软已经把元宇宙事业部解散了，未来主攻人工智能。

即使像微软这样财大气粗的企业，也在选择把“好钢用在刀刃上”。 优秀的企业都在为十年后谋篇布局，泯然众人的企业就老想着放十年债。 我们如今能用上华为手机，抄着百度百科的作业，背后都是这些中国企业在聚焦核心主业默默努力的结果。

你心目中有哪些企业“十年磨一剑”呢，欢迎在评论区跟文哥聊聊。