李沐最新演讲：因“恐惧”而创业，我的八个大模型判断

南方财经全媒体记者江月 上海报道

正当杨植麟、王小川、张鹏等“清华系”忙碌于搭建中国版GPT时，毕业于上海交大ACM班的李沐辞去了亚马逊的AI研究工作，也扎进大语言模型（LLM）创业中。

创业后，李沐从社交媒体上消失了整整一年。今年8月，他回到知乎和B站写下了《创业一年，人间三年》，记录他创业第一年的工作。据他说，第一年收入和支出幸运地实现了打平。他又说，接下来更多的公司会在利用LLM降本增效和升级产品上“卷起来”。

正值大语言模型热潮降温，很多人觉得“拿着锤子找钉子”不是一个好迹象——应用没有爆发，再造大模型又有何意义？李沐在这个时候现身，似乎带着一剂强心剂。

李沐的新公司叫Boson AI，他担任CTO（首席技术官），其博士期间的导师Alex Smola担任CEO。Boson是一个物理学概念，指“玻色子”。在量子物理学中，基本粒子被分类为玻色子（Boson）和费米子（Fermion）。也就是说，玻色子和费米子组成了世界。

在未来世界里，人和AI，是否也将是玻色子和费米子的关系？

不过也有人在看了他的自述后，失望地说，一个能给黄仁勋写邮件插队买H100、“偶遇”张一鸣点拨创业思路、在办公室得到蔡浩宇拜访、在斯坦福与宿华散步的人，其经验很难被他人借鉴。

8月23日，李沐回到上海交通大学计算机科学与工程系，面对校友发表了一次演讲。在这次演讲中，他谈到对大模型发展趋势的判断，也再次剖析了自己的创业心路历程，这些内容也许仍有借鉴意义。

自从2004年进入上海交大计算机科学与工程系成为第三届ACM班学子以来，李沐一直头顶着“天才”这顶光环。

他的学业履历相当顺利：在交大7年，获得学士、硕士学位，此后短暂在ACM班学长戴文渊介绍下在百度工作，随后投奔卡内基梅隆大学Alex Smola教授，用五年时间获得博士学位。

他的事业旅程令他名利双收。他在百度、Google Brain、亚马逊先后工作，还与陈天奇等人创建了被广泛使用的深度学习框架MXNet。

为什么选择在2023年创业？他也深知他放弃的是一段更容易的人生道路，而选择创业就是选择经历苦难。李沐讲述了一个关于克服深层次恐惧、用延迟满足说服自己接受苦难、在时间沉淀中去满足深层次欲望的逻辑。

根据李沐的演讲，以下总结了他的八个大模型判断和他的创业心路。为了方便阅读，南方财经全媒体记者对演讲原文进行了整理。

判断一：数据传输速度成为算力的第一瓶颈

我首先来向不熟悉这个领域的人来解释一下大模型，大模型的本质就是深度学习，可以把深度学习比喻成“炼丹”。炼丹就是把一堆材料填进一个炉子，依据一个丹方炼出我想要的丹药来。深度学习是把一堆数据喂进一个设备，依据一个算法得出我想要的模型。

设备，或者说算力，得到了产业界投入的大量精力。芯片设计厂商依据摩尔定律，每年把晶体管缩小一半，又增加带宽，把一根光纤传输的数据量翻倍。

但在我看来，数据传输回归到了一些肉眼可以看到的问题上。说白了，我们所做的是把这些芯片尽量压缩在一个最小的空间里。

很多人可能没有看过GPU，GPU其实都放在很高的机架上，层层堆叠。但这样做有个坏处，就是散热不好，空调是不足以给他们降温的，所以现在用上了水冷设备，用高比热容的水来快速散热。

大家可能觉得，光纤用光速传输数据，已经够快的了吧？但在我们看来，一个房间之隔的距离就能带来光纤传输上几个纳秒的延迟，这非常不能忍。所以我们要把光纤缩短，能用一米长绝不用两米。

判断二：内存成为算力上限的制约因素

光有算力其实是不够的，在现代计算系统中，算力越高，所需要的存储空间也越大，所以后者会制约前者的上限。

对于大语言模型而言，它们需要将庞大的数据集压缩并嵌入到模型中，这就要求硬件上具备足够大的内存来存储这些数据和中间计算结果。然而，内存的物理空间是有限的，如果内存需求过大，可能会在有限的芯片面积上牺牲其他重要组件。

在芯片设计中，内存占用的面积是一个关键考虑因素。随着内存容量的增加，可能会减少芯片上可用的计算单元数量，进而影响整体性能。此外，内存的增加也会带来成本上升和散热问题。因此，芯片设计需要在内存容量、计算能力和成本效益之间做出平衡。

我预计，如果半导体制造工艺没有实质性的突破，例如在晶体管尺寸缩小和三维集成方面的进步，那么单个芯片的存储容量可能会受到限制。具体来说，如果工艺限制导致内存容量难以大幅提升，那么模型的大小和复杂度也会在一定程度上受限，这可能会限制在单个芯片上实现超大型模型的能力。这就需要通过系统架构设计，如多芯片模块或分布式计算系统，来扩展计算和存储能力，以满足大模型的需求。

判断三：电力成本越来越凸显

当算力需求达到一定规模时，供电成本确实成为了一个必须精打细算的关键因素。

我甚至要考虑自行建立发电厂以降低长期成本，因为1000块芯片的耗电量可达一兆瓦，这种规模的能耗可能超过一个校园的总电量需求 。

判断四：未来，训练大模型的价值会逐年减半

近年来，算力芯片设计商英伟达获得了垄断地位，导致算力芯片价格成了训练大模型的主要成本之一。短期来看，算力每一次翻倍，价格都会有1.4倍的提升。目前，做推理的芯片可能还有多个品牌选择，但做训练的芯片门槛还比较高，市场选择并不多。

可是在过去很长的一段时间里，在充分竞争的市场里，算力芯片维持了性能翻倍、价格不变的态势。长期看来，我认为市场还是会逐步变得有充分竞争。

我的结论是，在未来，训练大模型的价值会逐年减半。这给我带来的思索是，不要去追逐模型的大小，要更多思考模型能带来什么价值，把这作为你的战略考量。

判断五：10T到50T是大模型可用的参数规模上限

虽然人类历史产生的数据远远不止50T token，但超过这个规模的数据质量并不一定能给大模型带来更好的提升。我认为大模型的可用参数规模会在10万亿到50万亿token之间，也许你能获得更多数据，但通过清洗后会回归到这个数值范围。

就目前的尺寸而言，大模型预训练参数量应该在100B到500B token之间，超过500B不是说训练不动，而是做部署会很难。在Google历史上，它没有真的上线过超过500B的模型。在未来一段时间，受限于数据，我认为100B到500B会是大模型的主流尺寸。

判断六：人机交互模式会发生改变

在ChatGPT出现之前，我们的人机交互模式是点按钮。不过，点按钮只能满足你80%的需求。

其实点按钮是一个将需求标准化的程序，将一个需求做成了一个按钮（窗口）在那里，但未来，人机交互的目标是实现你更定制化的需求。

如果想实现更精确的需求，长文本、语音会发挥作用。原始的语音信号其实包含很多文本无法覆盖的信息，比如说情绪、方言、性格。语音方面的延迟已经控制在300毫秒以内，可以做到交流不被打断的程度，视频方面我觉得发展还没有那么快。

判断七：垂直模型是个伪命题

很多人都提出要建立垂直模型来解决特定领域的问题，但经过我们长时间的研究，发现这是一个伪命题。

我们的实践发现，如果一个模型要在知识面评测上赢过通用模型，首先要在通用智能的评测上和通用模型几乎打平。

判断八：预训练不再是技术问题，而是工程问题

两年前，预训练是技术问题，两年后的今天，它已经是工程问题，而后训练才是技术问题。对于后训练，高质量的数据和改进的算法能够极大地提升模型效果。高质量的数据一定是结构化的，并且与应用场景高度相关，以保证数据的多样性和实用性。

做大语言模型的研究，你可以不去做预训练，你就做后面的一部分，因为后面部分其实对大家有利的。前面变成了一个工程问题，需要很多卡，很多人来完成，后面才是算法创新。

我认为数据决定了模型的上限，而算法决定了模型的下限。如果你想要让模型在某个地方做得好，首先要把这一块的数据准备好，大家应该把80%的时间放在数据上。

以下有关我的人生选择和创业：

我自己是有“打卡”一般的人生，此前的人生履历一直都还不错。

不过，不管读博士还是打工，都是一个相对简单的关系。公司从最上层把世界的复杂关系抽象成简单任务，一层一层落实下来，越到下面你越是螺丝钉。螺丝钉的工作就是去对应一个螺母钉上去就行了，你不需要去管那个机器有多复杂、外面世界有多复杂。

如果你在这个简化的世界待久了，你会忘了你的人生动机。

其实人生动机是由你深层次的恐惧激发出来的。如果你仔细想，你会知道内心有一些特别不愿意分享出来的事情，很多时候我们都选择逃避。我们能满足的是自己浅层的欲望，但这种深层次的恐惧，很少有人能直面。

我的深层次恐惧是什么？很小的时候，我就曾经恐惧人生意义消逝。现在我要直面这种恐惧，我选择把这种恐惧转换成一个向上的动机。

我想选择直面复杂的社会，没有人帮我做抽象，我要去自己把这个社会理解清楚，然后快速学习复杂的环境，自己把一些复杂的事情做抽象。

创业真是最好的经历苦难的办法，我拥有了“婴儿般的睡眠”，每三小时醒一次。

我问了很多人，你们创业的时候是怎么熬过来的，后来总结的核心是延迟满足。工作的话，我今天的工作明天就能得到肯定；读phD的话，需要三年，我才能得到学术成果。创业，我需要更耐心的等待。

这真是一个最好的时代，新的技术带来了新的机会，语言模型对社会的影响将会很大。这也是一个最坏的时代，我知道我需要付出的东西比以往任何时候都要更多。