阿里云创始人王坚：AI驱动力在数据、模型与算力间轮转，科学数据或成下一个瓶颈

王坚的观察起点是一个常被忽略的区分：人们习惯把数据、模型和算力放在一起讨论，好像它们在任何时候都同等重要。但他在《南华早报》的访谈中提出，这三者的主导地位在AI发展的不同阶段是轮转的，理解当前这波AI浪潮需要看清哪个因素在哪个时刻起了决定性作用。

他给出的对应关系是：2012年AlexNet在ImageNet竞赛中的突破，核心贡献是证明了大规模标注数据能让深度网络产生质变，那是数据主导的阶段；2017年Transformer架构的引入，改变的是模型设计本身如何组织注意力机制，那是模型主导的阶段；而英伟达过去几年的崛起，则反映算力在近期发挥了显著作用。

在这个框架下，王坚给出了一个明确的方向判断：数据将在三到五年内、也许更长时间，重新变得更加重要。他的机制是，互联网上的文本数据正在快速耗尽，而大量科学数据尚未被充分探索和利用。

王坚的身份为这个判断提供了一层特殊语境。他2008年加入阿里巴巴集团担任首席架构师，2009年从零开始创建阿里云，说服公司管理层投入巨资建设云计算基础设施。如今他是中国工程院院士，并担任浙江省政府支持的之江实验室主任。他的视角来自AI基础设施的供给侧——他建造过算力层，因此对'什么在什么时候成为瓶颈'有第一手的工程经验。但他并非AI算法研究者，其判断更多基于产业观察和基础设施逻辑，而非对训练数据分布的定量测量。

这个框架最有力的反方在于它的归因方式。回顾时我们总能指出'那一次突破是因为数据'或'这一次是因为算力'，但这种事后标签缺乏事前可操作的标准。王坚的预测——数据将在三到五年内重新主导——目前没有明确的检验条件：什么算'重新主导'？是训练数据规模成为瓶颈，还是数据质量成为瓶颈，还是数据获取成本成为瓶颈？此外，合成数据生成和检索增强生成等技术路线可能降低对原始互联网文本的依赖，从而削弱'文本耗尽'这一机制的紧迫性。框架本身有启发价值，但作为预测，它的可证伪性仍然不足。