第六章 AlphaGo的震撼
一
2016年3月9日，首尔，四季酒店。
李世石在赛前说过一句话：“我会以5比0赢。”
这位三十六岁的韩国九段棋手，是过去十年全球围棋战绩最稳定的人类选手之一。他赢过中日韩几乎所有顶尖棋手，在世界冠军榜上名列前茅。
他对DeepMind说：“让我来替人类测试一下，你们的机器到底有多少本事。”
首局，李世石执黑。
开局前十五分钟，一切正常。李世石落子沉稳，节奏流畅，棋盘上的格局中规中矩。
第三十七手，AlphaGo落下一颗棋子。
李世石的手在棋盘上方悬了一秒，然后收了回去。
他盯着那个位置，看了整整十二分钟。
那颗棋子落在了一个所有人类棋手都会避免的位置——那里看起来既不连接实地，也没有明确的后续手段。按照人类围棋的经验，这是一步臭棋。
但AlphaGo不按人类的经验走。
李世石起身离开座位，在赛场外的走廊里站了很久。没有人知道他那十二分钟在想什么。
最终比分：1比4。AlphaGo赢了。
二
AlphaGo第四局第七十八手，后来有了一个专门的名字：“神之一手”。
那一手，AlphaGo走出了人类围棋两千年来从未有人走出过的棋路。那一步棋让李世石当场陷入长考，让解说员在直播中沉默了整整一分钟，也让全球所有观战的人工智能研究者集体起立鼓掌。
不是因为它赢了。
而是因为它赢得不像机器。
人类棋手在复盘时说：那一步棋，没有任何计算可以解释它。那不是穷举法的胜利，那是——直觉。
黄仁勋在硅谷看完第四局直播，给DeepMind团队发了一封邮件，只有两行字：
“这是GPU的胜利。这是通用计算的胜利。”
他在发给内部高管的后续邮件里补了一句：
“从今天起，每一个国家的政府、科技公司、军方，都会问同一个问题：我们有没有自己的算力？”
英伟达的股价在接下来三个月里涨了百分之四十七。
三
马斯克在AlphaGo和李世石对局的整个五天里，没有出现在任何公开场合。
他在Twitter上连发了十七条动态，其中有一条后来被截图无数：
“我们_call_this的AGI，不是一台会下棋的机器。但棋是一个信号。”
有人指出他打错字了，“call_this”应该是”call this”。他回复说：“不重要。”
AlphaGo首局结束的那个晚上，他给山姆·奥特曼发了一条信息：
“你看到了吗？”
奥特曼回复：“看到了。”
马斯克说：“这不是结束。这是开始。我们需要加快速度。”
从那天起，OpenAI的训练强度翻了一倍。
四
2016年5月，北京。
李彦宏在内部战略会上，收到了一份关于AlphaGo的专题分析报告。
报告的结论只有一句话：“百度已经落后，但落后的幅度可以被压缩。”
李彦宏把报告合上，说了一句后来被百度内部反复引用的话：
“从今天起，百度所有不涉及AI的业务，资源全部压缩。所有涉及AI的业务，资源翻倍。”
那是百度历史上第一次，把”AI”写进了公司的最高优先级。
同一个月，华为海思收到了余承东的内部指令：加快神经网络处理器的研发进度。
指令里有一句话：“AlphaGo证明了一件事：用专用芯片做AI，比用通用芯片快十倍以上。我们不能在这件事上缺席。”
那是麒麟NPU的研发第一次进入华为消费者业务的最高优先级。
五
DeepMind后来做了一件让黄仁勋真正不安的事。
AlphaGo在击败李世石之后，DeepMind团队做了一组内部对比测试：同样的AlphaGo模型，跑在英伟达GPU上，和跑在Google自研TPU上，胜率差距有多大？
答案：换上TPU之后，AlphaGo对GPU版本的胜率超过了80%。
这不是一个微小的提升。这是专用AI芯片对通用GPU的降维打击。
黄仁勋得知这组数据的时间，大约在2016年底。他在内部技术会上说了一句话：“TPU证明了一件事——专用芯片在AI推理上可以碾压GPU。问题是，它能不能扩展到训练？”
如果TPU只能在推理上快，那它的威胁有限——推理是验证已知模型，训练才是创造新模型，训练市场比推理市场大得多。但如果Google继续迭代TPU，如果TPU v2、v3开始支持训练，如果其他公司也开始自研芯片——
英伟达在通用GPU赛道的独霸地位，会出现裂缝。
黄仁勋没有等。他在2017年初启动了英伟达历史上最大规模的架构迭代计划——Volta架构。内部代号是一句话：“让GPU的训练效率，始终比自研芯片快两代。”
专用AI芯片的军备竞赛，从这一组对比数据开始，正式打响。
六
2017年6月，Google的一篇论文在网上公开。
标题：“Attention Is All You Need”。
作者是Google的八位研究员，牵头的是一位叫阿希什·瓦斯瓦尼的年轻人。
论文提出了一个全新的深度学习架构：Transformer，变形金刚。
这个架构的核心思想是：让AI在处理语言的时候，不再一个字一个字地读，而是同时看完整句话，通过”注意力机制”判断哪些词和哪些词最相关。
这个技术后来成了大语言模型的根基。
但在那篇论文发布的时候，Google内部并没有人意识到它意味着什么。
瓦斯wani自己在接受采访时说：“我们当时只是想解决机器翻译的问题。我们不知道它会变成后来那些东西的基础。”
那是2017年6月。
半年后，OpenAI用Transformer架构训练出了第一版GPT。
又过了几个月，百度用Transformer的思路，重写了ERNIE的核心模块。
一年后，Google用Transformer训练出了BERT，在几乎所有自然语言理解 benchmark 上刷新了纪录。
Transformer从一篇论文，变成了一把钥匙，打开了生成式AI的大门。
而Google，把它亲手丢了出去。
七
2017年，华为做了两件事。
第一件事：发布麒麟970。
这是全球第一款内置神经网络处理器（NPU）的移动端芯片。它让手机可以在本地跑AI任务——不需要联网，不需要云端算力，一台Mate 10 Pro可以实时识别十几种物体。
发布会上，余承东亲自演示了NPU的物体识别功能。他对着手机摄像头举起一本书，Mate 10 Pro在三秒内识别出书名。
全场掌声。
但没有人意识到另一件事：这款芯片里搭载的NPU架构，最早的技术来源，正是中科院计算所那个用风扇吹服务器的实验室——寒武纪的前身。
第二件事：华为内部悄悄启动了”达芬奇架构”项目。
这是华为自研AI芯片的真正起点。后来，它有了另一个名字：昇腾。
AlphaGo点燃了三个人。黄仁勋看到了通用GPU的全面胜利，但心里清楚Google TPU已经在路上。马斯克看到了AGI的影子，加快了对OpenAI的投入。李彦宏和余承东看到了同一个事实：中国不能在AI芯片这件事上缺席。
而那篇叫”Attention Is All You Need”的论文，已经悄悄躺在了arXiv的服务器里，等待被更多人发现。