随着大语言模型研究对算力、数据和人力的要求越来越高，高校在大模型时代的定位越显尴尬。事情已经比较清楚了，AI研究的组织方式，已经产生了质变，而且我很怀疑这只是一个开始，很快会扩散到其他领域。
我之前在另一个blog《OpenAI与古田军号》 对这个问题有过一些思考，现在我对这种变化的认识更加深刻了。
这种变化背后是“还原论”的失败。所谓还原论，指的是一种研究的范式或者指导思想，即“复杂的系统可以通过将其化解、拆解各部分的方法来加以理解和描述”。实验室的研究，正是还原论的实践：通过少量人力和物力研究分解的模型。这种研究的组织范式在过去几百年都是比较成功的，很多新科学新技术都是脱胎于实验室。工业界承担的任务主要是技术集成和工程实现，做成产品。
但是大模型有独特的性质：作为一个复杂系统，必须在一定规模之上才能产生效果。还原论在大模型面前是彻底失效的，因此实验室的组织方式也失效了。不仅仅是“产品”，连新技术都无法在实验室中产生。我怀疑大模型只是一个起点，随着复杂科学的兴起，还原论的失败可能在更多领域显现，比如量子计算机、脑科学等等。
新时代的研究组织方式的特点有：
- 规模化：大量的人力物力
- 工业化：组织形式类似工业界，集团作战，且有明确的任务和分工。
- 商业化：以商业化产品为目的，而不是paper。只有商业化，至少是商业化的可能，才能筹集足够的资金。
- 探索性：不仅仅是技术集成和工程实现，也需要探索性的研究，发现新的科学和技术。这是和一般工业界的区别。
其实在OpenAI之前，航天的研究也是这样的，只是我没有重视。比如马斯克的可回收火箭，也必须是一定规模之上才能看到效果。某种程度上，SpaceX就已经是新时代研究组织方式的先驱者了。
特别值得强调的是，并非人多钱多就是“新时代研究组织方式”了。有的高校实验室有上百人，却是各自为战，一团散沙。即便是工业界，很多公司也没有进入新时代。据我了解，商汤内部的研究组织方式非常松散，更接近传统的实验室，虽然产生了很多paper，但并没有带来类似大语言模型的突破。
如果不能意识到这种变化，必然会落后。我未来数年的任务，不仅仅是技术本身，也包括探索研究的组织方式，比如如何开展实验室和工业界之间有效双赢的合作；如何分配任务，发挥两者各自长处；在何时进行规模化，等等。发表paper是相对容易的，但如果想真正做出有影响力的工作，并推动社会的进步，这种探索是必要的。