中文在人工智能時代的優勢，東方衛視《這就是中國》

本文是根據3月10日晚上22點東方衛視播出的《這就是中國》節目中我的演講稿增補改編

首先來講一下最近國外流行的中式英語熱。

英語現在的造詞方式，事實上與中國4千年前的漢字發展過程有些類似，就是每遇到一個新事物，就造一個新詞。因為類似英語的字母文字造一個新詞的確是比象形文字造一個新字要容易很多，這也導致了英語詞匯量過快的增長，每年都會增加幾百個新詞。但現在很多人發現中文用新詞組來表達新事物的方法非常有效，所以開始用中式英語來極大簡化英文。大家也很容易聽懂。例如：

wash wash to sleep 洗洗睡吧

You think beautiful 你想得美

No zuo no die 不作不死

You can you up 你行你上

想起二十年前在做國際市場時，就與國際市場人員調侃很多不太會說英文的中國發明出來的中式英語段子。如出了一個車禍，中國司機要給警察報警：

One car come,one car go,two car peng peng, one car die 一輛車往這里來，一輛車往那里去，兩輛車砰砰，一輛車壞了。

這些都只是太過直接的極簡中式英語。但還有一些真是準備改革英文的基礎邏輯，把英語的時態、語法都準備干掉了。例如英語的數字，從0到12都是專門的單詞，13到19有一定規律，但也是特定的規律。中式英語是要革命式地變化：

Tenone 十一

Tentwo 十二

Tennine 十九

不用再去背eleven,twelve......fifteen,nineteen

Week one 星期一

Week two 星期二

Week seven 星期七

不用再去背Monday,Tuesday,...Sunday，這多好。

one month 一月

two month 二月

tentwo month 十二月

不用再去背January，February...... December,多簡單。

這樣英文單詞不僅不用再新增，反而可能極大縮減。

英語的時態也逐步被拋諸腦后。例如:

我2019年去了倫敦。我剛去倫敦。用傳統英語翻譯是這樣：

I went to London in 2019.

I just went to London.

用中式英語是這樣：

I go London 2019.

I just go London.

看了以上這些，就很容易理解下面談到的為什么中文在人工智能時代有技術優勢了。

DeepSeek之所以爆火，主要并不是它技術性能上獲得了突破性的進展，而是其效率獲得了數量級的提升，從而使實現相同性能的成本下降了20倍。之所以如此，是因為研發團隊幾乎是將各種可能的提升效率的技術都充分挖掘了。例如，更多采用底層編程語言PTX，一般來說越是更底層的編程語言效率越高，但編程的難度越大。另外還有適當地降低精度，采用一個字節的8比特浮點運算，而不是32比特，從而成倍減少存儲量和運算量。這個專業術語叫“量化”。采用蒸餾方法極大減少參數。另外還有混合專家架構（專業術語叫MoE）、多頭潛在注意力技術（專業術語叫MLA）。這些技術本身并不是說完全由DeepSeek獨創的，原來在美國人工智能界的專業人員都知道，但為什么是DeepSeek把這些充分利用了呢？這里面涉及到兩國信息技術發展中的一些文化問題，有降成本的因素而盡量采用高級語言，關注研發的降成本而不是運算芯片的降成本；另一個問題甚至是運算芯片的核心廠商故意引導軟件運算效率低下的商業模式，以便形成更高性能芯片更大的市場需求。

以上這些相對比較專業的內容，對普通觀眾可能理解起來比較困難，所以我們今天就談一個大家比較容易理解的、也非常有意思的方面：就是中文在人工智能時代的技術優勢。DeepSeek充分利用了中文的這種優勢，所以在它爆火之后很多人開始注意到這個問題。

如果我們回顧一下兩百多年來的歷史，我們對于中文在現代科技中的作用，是經歷了一個從最初很自負、到自卑、然后重新開始自信的認知轉變過程。

在中國古代，我們對自己的文化是很自負的，對中國周邊在文化上是壓倒性的優勢，其他地區對中國是非常仰慕的心態。近代中國落后，尤其是甲午戰爭中國失敗以后，導致很多中國知識階層開始反思中國的文化，包括自己的語言文字。這種反思很快發展到極端，甚至認為漢語文字阻礙了中國進入現代科技文明。也有人認為中國應當放棄中文的象形文字，改成拼音的字母文字。

隨著以電子計算機為代表的信息技術出現以后，中文在計算機鍵盤輸入上存在一定困難。計算機的鍵盤是來自英文打字機，所以，輸入英文當然是最簡單方便的。因此，曾經認為中文阻礙了中國進入現代科技文明的觀點和思潮，在信息技術時代又再次興起。但是，20世紀80年代，中國科技界在漢字輸入上做了大量的工作，在當時稱為“萬碼奔騰”，這些漢字輸入的工作在很大程度上降低了中文電腦輸入的困難。其中比較著名和主流的有五筆字型輸入法，也叫王碼，是王永明發明的。我個人也曾經在王碼電腦公司工作過。另一個常用的輸入法是拼音輸入法。雖然客觀上說，直到今天中文還是比英文等字母文字的鍵盤輸入稍微麻煩一點點。但這些中文輸入法在很大程度上有效解決了中文的計算機輸入問題。甚至在五筆字型輸入基礎上充分采用詞組輸入后，在輸入效率上還可以超過英文輸入。

到了人工智能時代，情況發生了很大逆轉，中文在技術上開始展現出很大的優勢。在40多年前，我剛開始接觸到計算機人工智能的語音識別技術時，就知道中文在技術上有很大優勢。這是當時業界就公認的一個看法，只是普通人可能關注不到這一點，當時語音識別技術也還沒成熟商用。現在我們已經普遍使用人工智能語音識別功能了。中文的這種優勢現在更加充分地體現在今天流行的大語言模型中。為什么中文在人工智能中存在技術優勢，主要的原因有如下這些：

首先是漢字非常規整，或者說非常整齊。漢字無論是書寫還是發音，尺寸都是一樣的，非常整齊。這種規整對于計算機處理是非常方便的。比如要進行語音識別，中文每個字發音都是聲母加韻母，發音長度一樣。這樣的話就相對比較容易區分出一句話中每一個字的發音。而相比之下，英文一個單詞的長度從一個字母，到十幾個字母的都有，這樣字母文字每個單詞發音的長度都可能不一樣。英文中一個字母的單詞如a，意思是“一個”；還有i，就是一個字母i，意思是“我”。但象英文的“祝賀”是Congratulations，就有15個字母。我們可能會好奇，最長的英文單詞會有多少個字母？如果我們從網上去搜索，可能答案會不一樣。一些醫學或分子生物學領域的專業單詞可能會出現比較長的，有40多個甚至更多的字母。還有一個問題是，很多英文句字發音會有連讀的情況，這就更加難以區分出每個單詞。雖然現在這些問題在人工智能中解決了，但其技術難度都比中文要困難很多，需要更大的運算量。幾乎所有字母文字都存在這個問題。

第二個是漢字的信息密度一般比字母文字高。這個體現在很多方面，漢字是表意文字，內涵豐富，可以用詞組、成語等很少的漢字就能表達非常豐富的含義。尤其文言文信息密度更高。對于人工智能來說，最終體現的是相同含義的一段語言或文章，在計算機中需要多少存儲量和計算量。一般來說中文的存儲量和計算量都是最少的。如果我們對比一下書面相同內容的中文和英文或其他字母文字，中文一般都是頁數或幅面最少的。但我們要注意這個并不是說完全絕對的，因為英文也有人家的優點，比如較為嚴謹，所以在比較嚴謹的論文或法律文書中，有可能英文的信息密度與中文相差并不大。但是由于絕大多數情況下中文的信息密度的確是比較高的，所以在人工智能的訓練中，相同內容中文訓練的存儲量和計算量就會比較少。這是中文效率優勢的一個體現。

第三個是穩定性。漢字是相對比較穩定的.我們今天所使用的漢字，與幾千年前的甲骨文大都非常接近。在2千多年前秦朝統一六國，并且統一文字之后，漢字基本上就很少再發生變化了。總的趨勢是生僻字使用得越來越少，對于新出現的事物，漢字是通過常用字去建立新的詞組來適應，并且這樣組成的詞組天然地會存在有規律分類的特性。例如機器的“機”字，可以組成拖拉機、播種機、飛機、紡紗機、發動機、蒸汽機、計算機......如此之多的機器，漢字都可以用“機”來形成詞組。漢字的穩定性對人工智能帶來的好處是訓練的參數可以更少，有效的重復可以更多，準確性就更高。相比之下，英文每年都會增加大量新詞，常用單詞都可能發生變化。現在的英國人閱讀400年前英國的作家莎士比亞的作品都已經很困難了。但中國人閱讀2千年前的作品依然很容易看懂。

當然，我們提到中文在人工智能時代的技術優勢，并不是要把它過度拔高。只是從以上不同技術時代中文技術優劣的變化過程中，希望我們能更客觀地看待中國的文化。在進入人工智能時代，我們更應該發揮中文的優勢，使得中國在人工智能時代可以獲得更快的發展，并且有更好的經濟效益。

從我們對自己語言的態度變化中，我們可以獲得一些啟示：就是如何用科學的態度去看待自己的文化。中文有自己的特點，這些特點相對不同的技術要求，可能是有利有弊的。所謂利弊或優劣勢，永遠是相對特定的要求來說的。我們不能說遇到某種劣勢，就簡單地去完全自我否定，也不能遇到優勢，就自我膨脹。科學的態度是，如果是劣勢，我們就想辦法通過技術改進去消除或至少減少這種劣勢。有了這種技術改進，可能劣勢就不再是劣勢或者已經變得無關緊要了；如果是優勢呢，我們就要想辦法去充分地開發利用它。即使是優勢，如果你不去充分地開發利用，它也不會自動地體現出來，或者體現得不夠充分。這是我今天的演講希望能表達的。