本月在香港大學陸佑堂做了一次演講。這是港大經管學院陳坤耀杰出學人講座的系列活動。據說，17年前，馬云曾站在同一個舞臺上。主辦方稱，這次演講的報名速度創下紀錄：郵件發出兩小時內，超過1200人報名。

　　美國人怎么算誰贏？看誰的大語言模型（Large Language Model）更強。今天是OpenAI領先，明天是Anthropic，后天可能是別人。但蔡崇信說，這個計分方式本身就有問題。

　　這個判斷的底層邏輯是：AI的價值在于滲透率（penetration rate）。中國國務院的AI規劃就很務實——到2030年，AI代理和設備的滲透率要達到90%。不講玄學，只講普及。

　　訓練大模型、跑推理（inference），本質上都是在燒電。中國的電力成本比美國低40%。

　　為什么？因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網絡打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。

　　結果是什么？中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。

　　蔡崇信提到一個有趣的數據：全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。

　　他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta（Facebook）的AI團隊里，同事們都在用中文交流想法，他完全聽不懂。

　　以前中國公司出海，語言是劣勢——在意大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了信息優勢。

　　訓練一個萬億參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬件受限，必須把系統優化做到極致。DeepSeek就是這么逼出來的——阿里的通義千問（Qwen）模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。

　　蔡崇信對DeepSeek毫不吝惜贊美：我們在杭州的鄰居，他們做的事情令人難以置信。

　　AC米蘭官網

　　蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數用戶的利益。

　　他舉了個例子。假設你是沙特阿拉伯，想發展AI，又想保持“AI主權”（sovereign AI）——意思是AI不受外國控制。但你沒有人才自己開發模型。

　　這時候你有兩個選擇：選擇一：通過API使用OpenAI。付很多錢，而且數據要喂進去——你不知道數據去了哪里，那是個黑箱（black box）。選擇二：直接下載阿里的開源模型，部署在自己的私有云上。免費，而且數據完全可控。

　　成本和隱私，兩邊都贏。所以無論是政府還是企業，只要認真做成本效益分析，都會傾向于開源。

　　阿里靠的是云計算。你用開源模型沒問題，但你要跑模型，需要云基礎設施——存儲、數據管理、安全、網絡、容器（containers，他說這個詞他自己也不太懂）。這些阿里都能提供。開源模型是流量入口，云服務才是利潤來源。

　　這個模式其實很像早年的互聯網公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。

　　港大教授鄧希煒問了一個好問題：阿里從B2B電商變成AI云計算公司，秘訣是什么？

　　阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之后，小企業可以直接和全球做生意了。阿里的B2B平臺就是幫這些小廠找買家——第一版網站是英文的，面向海外。

　　后來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。

　　云計算也是一樣的邏輯。16年前，沒人討論云。但阿里的消費平臺要處理海量數據，如果繼續用Dell的服務器、EMC的存儲、Oracle的數據庫，所有利潤都會交給這些供應商。

　　所以阿里云的起點是自己吃自己的狗糧（eat our own dog food）——先內部用，用好了再開放給外部客戶。

　　蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長（organic development），而不是并購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過并購，有些成功，有些失敗得很慘。

　　第一，學會獲取知識。聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。

　　第三，學會提問。蔡崇信特別強調這一點——提出正確的問題（ask the right questions），比找到答案更重要。

　　很多人說AI時代不用學編程了，用自然語言（natural language）就能指揮機器。蔡崇信不同意。

　　他甚至建議學電子表格——能把一個復雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。

　　數據科學（data science）：其實就是統計學的新名字，但未來數據會爆炸式增長，懂得管理和分析數據的人永遠稀缺。

　　心理學和生物學：理解人腦怎么運作。人腦仍然是最高能效的機器，AI的很多設計思路都來自對大腦的模擬。

　　材料科學（material science）：世界現在被比特（bits）主導，但讓比特跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。

　　1999年，蔡崇信放棄香港的律師高薪，跑去杭州加入一個18人的小公司。為什么？

　　這就像一個看漲期權（call option）——最多虧掉權利金，但收益沒有上限。

　　但他補充了一句更重要的話：機會是來找你的，不是你去找它的。你要做的是準備好（preparedness），這樣機會來的時候才能抓住。

　　金融市場泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？這是一門藝術，我不知道。

　　他的判斷是：AI可能存在金融泡沫，但技術本身是線月互聯網泡沫破裂，但互聯網并沒有消失——今天互聯網比那時候強大得多。

　　蔡崇信擁有NBA布魯克林籃網隊（Brooklyn Nets）、WNBA紐約自由人隊（New York Liberty）、NLL圣地亞哥隊（San Diego Seals）和拉斯維加斯沙漠之犬隊（Las Vegas Desert Dogs）等多家美國職業運動隊。今年籃網時隔六年重返中國（澳門），這是他主動推動的。

　　但他做體育投資最有意思的部分，是一個教育項目：每年選6-8個中國初中生，送去美國讀高中、打籃球。

　　他說這是在復制自己的經歷——13歲離開臺灣去美國讀書。人與人的交流（people-to-people exchange），比任何官方渠道都重要。

　　不是模型本身，而是讓AI被廣泛使用的整個生態系統。電力成本低40%、數據中心建設成本低60%、全球一半AI人才有中國學歷、資源匱乏逼出系統級創新——這些加在一起，讓中國更有可能實現AI的大規模普及。而普及率才是線：為什么開源模式會贏？

　　因為對全球大多數用戶來說，開源同時解決了成本、數據主權和隱私三個問題。閉源模型要付費，數據要喂進黑箱；開源模型免費，數據可以留在本地。這不是技術優劣之爭，是利益格局使然。

　　學編程不是為了寫代碼，而是訓練邏輯思維；學統計（數據科學）是因為數據會爆炸；學心理學是因為要理解人腦這個最高效的機器；學材料科學是因為讓比特跑得更快的是原子。更重要的是，學會提出正確的問題——這比找到答案更有價值。*

　　26歲鄭州小伙倫敦鬧市開店賣胡辣湯：原料來自國內，一碗售價130元，日均客流約300人，外國顧客占三分之一

　　一條金手鏈貴9000元！周大福年內第三次提價，多品牌金飾克價年內漲超550元

　　華碩發布12028風扇ProArt PF120：LCP扇葉，0.5mm葉框間隙