欧洲人工智能，尴尬与焦虑笼罩

本文由 远川科技评论 撰写/授权提供，转载请注明原出处。

文章来源于：远川科技评论

作者：沈丹阳

编辑：李墨天

欧洲人工智能产业在全球分工里找到了自己的定位：开会。

ChatGPT 横空出世的 2023 年，欧洲能喊得上名号的全球性 AI 峰会有近 20 个，大约是美国的 3 倍、中国的 5 倍[1]。在人工智能权威杂志（AI Magazine）年末总结的“2023 Top10 AI Events”中，欧洲承办的会议占比高达 70%[2]。

如此高密度的文山会海，显性成果只有一个——推出了以《人工智能法案》为代表的一系列管理办法。

一系列监管举措逗乐了大洋对岸的美国人，纽约研究机构 CB Insights 的首席执行官表示，欧洲现在拥有的 AI 法规比像样的 AI 公司还要多：“衷心祝贺欧盟制定了具有里程碑意义的 AI 立法，继续努力做一个技术创新的空心市场吧[3]”。

抛开讽刺挖苦的成分，欧洲在人工智能领域的建树的确逊色，独角兽公司的稀有程度也堪比野生雪豹。

去年召开的 VivaTech 峰会上，法国总统马克龙就点名表扬了一家来自革命老区巴黎的 AI 公司 Mistral，称其为“法国的 OpenAI”。

Mistral 的知名度不如 OpenAI，但包括英伟达、Salesforce 和谷歌前任董事长施密特在内的这些投资者，暗示了它的份量。去年底，Mistral 在推特上低调发布了其开源模型 Mixtral 8x7B，迅速引爆了各大开发者社群。

但这样一家被马克龙称为“欧洲的希望”的公司，它的每一个横截面都折射着欧洲人工智能产业的尴尬。

去年 12 月，Mistral 在 A 轮融资中斩获 20 亿美元估值，震惊欧洲投资圈。

这家公司 2023 年 5 月才宣告成立，初创团队只有六个人，靠着 7 页 PPT 拿下了 1.13 亿美元的种子轮投资。有位早期投资人将 Mistral 视为“欧洲的尤里卡时刻”，意思是欧洲人非常善于搞科研，但商业化水平差劲，而 Mistral 将改变这一切。

Mistral 之所以备受瞩目，核心在于其大模型的“混合专家模式”的 MoE（Mixture of Experts）架构。

MoE 架构主要由两个关键部分组成：专家网络和门控机制。

（1）专家网络：传统 Tranformer 架构的 FFN（前馈网络）层是一个完全连接的神经网络，MoE 架构的 FFN 层则划分成稀疏性的神经网络，这些被称之为“专家”的小 FFN，每个都有自己的权重和激活函数，它们并行工作、专注于处理特定类型的信息。

（2）门控机制：用来决定每个 token 被发送到哪个专家网络的调配器，比如下图中“More”这个 token 在输入概率（p)为 0.65 时被分配到 FFN2，而“Parameters”则在输入概率（p）为 0.8 时被分配到了 FFN1。

通俗一些说，经典的 Tranformer 架构在运行时，无论下达的推理指令是什么，都会把系统中所有的员工全部调动起来问个遍，颇有些劳民伤财；MoE 架构则是“术业有专攻”，把不同的问题交给相应领域的专家来解决。

这意味着 MoE 架构在推理时，最大程度实现了性能和参数规模之间的平衡，节省了科技大厂谈之色变的算力成本。

正因如此，Mistral 8x7B 模型一经问世，让 Meta 的 LLaMA2 大模型都有些黯然失色，其背后是 MoE 架构对 Transformer 的创新性改造。

近期，Mistral 又发布了性能逼近 GPT-4 的超大杯模型 Mistral Large，虽然并未开源，但上线闭源大模型，意味着 Mistral 正式加入 AI 的商业化竞争。

Mistral 在领英的页面也显示，近期从事商务拓展的员工比例大幅增加，已占其整体的近 40%[4]。

按照其 CEO Arthur Mensch 的说法，Mistral Large 的训练成本仅为 2000 万美元左右，而 OpenAI 的模型则超过 5000 万美元。

对于一家如此罕见的科技新贵，欧洲各国政府自然是捧在手里怕摔了，在监管政策上也对 Mistral 大开绿灯，采用了“AI 基础模型豁免，AI 应用重点监管”的分层处理思路。这意味着 Mistral 的产品仅需承担有限的披露义务。

然而，举欧洲上下扶持的 Mistral，本质上却是一家彻头彻尾的美国公司。

与“注册地”这个法律层面证明公司国籍的事实信息相比，人才、资本、市场三大经营要素也许更能代表一家企业的内核。从这个意义上讲，Mistral 的确更像一家美国公司。

Guillaume Lample（左）、Arthur Mensch（中） 、Timothée Lacroix （右）

Mistral 的三位联合创始人人生经历非常雷同：都是土生土长的巴黎人，都有在美国公司的工作经验，也都有着与程序员身份不符的发量。

CEO Arthur Mensch 在巴黎读到了博士后，与另外两位创始人彼此相识于巴黎求学生涯。博士期间，Arthur 发表了深度学习领域大作《结构性预测与注意力中的可微分动态编程》。

依靠这篇论文，Arthur 一毕业就加入了 DeepMind 巴黎团队，从事语言模型的开发。

首席科学家 Guillaume Lample 与首席技术官 Timothee Lacroix 则在毕业后远赴美国镀金，转岗至 Meta 位于巴黎的 AI 分支机构，主攻大模型项目。Meta 的开源大模型 LLaMA，就由 Guillaume Lample 领衔开发。

CEO Arthur 并非人们眼中典型技术极客的样子，他是个狂热的马拉松爱好者，对硅谷大公司的官僚文化深恶痛绝。这让三个姓氏连起来就是“L.L.M(大语言模型)”缩写的青年，命运再次交织在一起。

Mistral 的“含美量”不仅体现在创始团队的履历，大部分 Mistral 员工的上一份工作，也在美国科技公司位于欧洲的分支机构。

而在 Mistral 成立八个月内的两次融资中，背后的核心力量也是美国的风投基金和产业资本。

Mistral 的走红虽然吸引了一众欧洲本土的 Old Money 捧场，包括菲亚特背后的阿涅利家族、老佛爷百货的家族办公室 Motier Ventures、英国风投基金 First Minute Capital。

但在 1.13 亿美元的种子投资里，领投方其实是美国老牌基金 Lightspeed。

而在 A 轮融资中，另一家老牌基金 a16z，与微软、英伟达和 Salesforce 这些美国产业资本抢尽了风头，Mistral 不仅是用了微软的 Azure 云服务，还与亚马逊达成协议，使其成为 Amazon Bedrock 客户的基础模型开发商。

尽管 CEO Arthur 曾多次公开表示 Mistral 的主要目标市场是欧洲，并强调欧洲在人工智能领域的独特优势。但同样身不由己的是，Mistral 目前一半的客户都来自美国市场。

Mistral 的轨迹似乎重复着某种轮回。凭借 AlphaGo 红极一时的 DeepMind 诞生在英国，但在创办第四年就被谷歌收入囊中。

曾经的“英伟达杀手”——英国芯片公司 Graphcore 受困于财务压力；文生图模型 Stable Diffusion 背后的 Stability AI 其实是家英国公司，但似乎所有人都默认它是美国公司。

欧洲科技公司的理想似乎总是由美国最后买单。历史的前车之鉴高悬在 Mistral 头顶，时刻提醒着它难以摆脱的命运。

2018 年 4 月，杰夫·辛顿、约书亚·本吉奥，以及德国计算机科学家尤尔根等 200 多名学者，共同签署了一封联名公开信，尖锐地提出了一个警告：欧洲在人工智能领域正在远远落后于美国和中国。

当时，OpenAI 刚刚发布基于 Transformer 的 GPT 模型，眼看着人工智能在美国加速，欧洲成立了一个旨在打造全球人工智能强国的研究机构 ELLIS 应对。但信中的警告还是成为了预言，猜中了生成式人工智能的全球竞争格局。

欧洲并不缺少顶尖的高校和人才，“人工智能三巨头”杰弗里·辛顿、约书亚·本吉奥和杨立昆都是如假包换的欧洲人。欧洲人工智能遇到的的真正问题，是软件和互联网这门“前置产业”的缺位。

2012 年，在斯坦福教书的吴恩达教授以顾问的身份进入谷歌，主持 The Cat Neurons 项目（即“谷歌猫”）的研究。这个项目动用了遍布谷歌各个数据中心的 16000 个 CPU 来训练（内部以过于复杂和成本高为由拒绝使用 GPU），这是当时科技公司能拥有的最大规模的算力。

谷歌之所以兴建大规模的数据中心，是因为大量的互联网公司都是谷歌云服务的客户。如今大模型的“万模之母”Transformer 架构，同样来自谷歌。

就像不能脱离电商谈直播带货一样，英伟达在 AI 时代大杀四方，是因为一大批游戏玩家给黄总报销过研发成本；欧洲汽车工业的底子，也是因为斯柯达在 1895 年就开始造大炮了。

人工智能、互联网和软件，都属于“计算机科学”这门大产业的子集。美国人工智能的繁荣，是因为微软、谷歌和亚马逊在互联网时代为人工智能储备了大量的“人才预备役”。

高等教育可以培养人才，但吸引人才靠的是产业的繁荣。丰田的电动车工程师跳槽去比亚迪，总不会是因为能在深圳交社保吧。

与美国互联网的 Magnificent 7、中国的 BAT 相比，欧洲的互联网产业几乎是一片盐碱地。

全球市值最高的 50 家互联网公司中，中美两国占据了 39 家，欧洲公司只挤进了一家 Spotify。而欧洲最大的互联网独角兽，居然是估值 180 亿美元的 Onlyfans[5]。

互联网产业的荒芜，造成了人工智能“人才蓄水池”的缺失。

“人工智能三巨头”中，辛顿和本吉奥选择移民加拿大，前者把公司卖给了谷歌，后者进入蒙特利尔大学任教。杨立昆则在纽约大学教书，后来跳槽到了 Meta。

AGI 喷涌的 2023 年，美国风险投资支出的主力是以 Magnificent 7 为代表的科技公司，其规模是美国其他投资机构的两倍、更是欧洲的近六倍[6]。欧洲并不缺钱，但从 Mistral 的融资就能看出，Old Money 们更愿意扮演锦上添花的角色。

对前沿技术的投资，本质上是上一个时代的成功者，面对下一个时代来临时的避险行为。只是爱马仕和 LV 不需要担心这个问题。

人工智能产业的中美竞争一直是舆论场热度最高的话题，中国公司则常以追赶者的身份亮相。但在怒其不争之余，我们常常忽略，成为追赶者也是有门槛的。

繁荣的互联网和消费电子产业带动了芯片设计、数据中心、云计算等一系列细分门类的建立，它们都是发展人工智能重要的基础设施。同时，它为相关人才提供了一个重要的培养与输送的体系。

ChatGPT 横空出世时，“为什么又是美国”的声音此起彼伏。但如果把时间拉长，会发现从晶体管、集成电路，到 Unix、x86 架构，再到如今的机器学习，美国学界和产业界几乎都是领跑者的角色。

关于美国“产业空心化”的讨论不绝于耳，但以软件为核心的计算机科学这门产业，不仅从未“外流”到其他经济体，反而优势越来越大。

追赶与模仿并不可鄙，产业的进步从来没有拔地而起的故事。反倒是不同行业间隐藏的递进与链接，决定着一个经济体面对技术浪潮时的姿态与命运。

近期，Mistral 宣布与 OpenAI 的主要投资方微软达成重要合作，这一消息火速引起了欧盟相关部门的注意，该部门称合作可能涉及潜在风险，需要就此进行深入调查[7]。与此同时，欧盟也在针对微软与 OpenAI 之间的投资进行并购合规方面的审查。

人工智能的全球分工，好像走向了互联网与消费电子时代发生过的故事：

美国创新，中国模仿，欧洲罚款，印度抓人。

扫码关注公众号

获取更多技术资讯