现在AI发展快，但遇到几个大问题。首先数据不够，算力也不够，算法还不成熟。比如自动驾驶识别错误率高，大模型训练成本贵，普通公司养不起。

首先数据不够，训练大模型需要海量数据，但真实场景数据分散，收集困难，比如训练GPT-3用了45TB数据，但很多行业数据封闭，导致模型效果打折扣。算力不够，现在训练一个GPT-3要花200万美元，普通公司根本负担不起，国内超算中心数量全球第二，但企业自建成本高。算法不成熟，自动驾驶识别错误率还有15%，行人识别错误率高达30%，医疗影像诊断准确率比人类医生低8个百分点。时间上，前年全球AI算力需求增长35%，但芯片产能只够满足60%需求。数据不足和算力短缺形成死循环，企业只能用小样本训练，效果差。比如电商推荐系统，小样本训练准确率比大数据训练低40%。算力成本高，现在训练一个中等模型要花10-20万，普通公司只能做简单应用。算法缺陷导致问题，比如人脸识别黑皮肤错误率比白皮肤高3倍，方言语音识别错误率超25%。这些困难互相影响，数据不够算力就浪费，算力不够数据就积压，算法不成熟又让数据价值打折扣。