7月5日下午，2023世界人工智能大會開幕的前一天，華為輪值董事長胡厚崑去展臺轉了一圈，想看看大家都在忙什么。7月6日的開幕式上，胡厚崑給出了他的總結：一種是大模型的研究，另一種是大模型在不同行業的應用。

(資料圖片)

這兩件事概括出了在人工智能爆火的半年內業內發力的重點方向，也預示出了人工智能行業發展的星辰大海。開幕式上，“黃金時代”成了一個關鍵詞，胡厚崑說，“通用人工智能正帶領我們走向下一個黃金十年”。微軟CEO納德拉也曾提到，“人工智能的黃金時代已經到來”。

機器人數量將超人類

特斯拉缺席了上海車展，卻出現在了2023世界人工智能大會上。據悉，這是特斯拉首次應邀參展，特斯拉的展臺上除了“車元素”外，其人形機器人“擎天柱”也成了亮點。

特斯拉CEO馬斯克以視頻形式“現身”開幕式，以機器人開啟了“話匣子”。馬斯克稱，“當下我們領略到了數字計算能力的爆炸式增長，機器和人類算力之間的差距進一步擴大，一段時間以后，人類的智能在全部智能中所占比例將會越來越低，這可能是人類歷史上影響最為深刻的一個時期”。

特斯拉的人形機器人還處于研發早期，但馬斯克預計，未來將會有越來越多的機器人，“機器人和人類的比例可能會超過1:1，也就是說未來機器人的數量可能會超過人類。但這同樣也會帶來‘雙刃劍’一般的問題。機器人的生產效率比人的生產效率大很多，所以我們要確保它始終是有助于人類的”。

另外，馬斯克透露，特斯拉的自動駕駛已經非常接近于沒有人類干預的狀態，且已經在美國道路上進行測試。“我們預測，大概在今年晚些時候，就能實現全自動駕駛。”

人工智能“走深向實”

“我們都堅信，在一個不長的時間里，人工智能尤其是通用人工智能，會幫助我們改寫身邊的一切。當方向清晰了之后，最關鍵的就是路徑的設計。”胡厚崑表示，華為當下考慮的核心問題，就是要全力推進人工智能“走深向實”。

實現這一目標，華為有兩個關鍵的舉措或者說兩個抓手，即深耕算力，打造強有力的算力底座支撐中國人工智能事業的發展；以及結合大模型，實現從通用大模型到行業大模型的研究創新，讓人工智能真正服務好千行百業，服務好科學研究，也就是華為提出的AI for industries，AI for science。

胡厚崑稱，華為推出了新的三層大模型結構。最底層對標通用大模型，華為稱之為基礎大模型，這一層可以形象地理解為“讀萬卷書”，主要作用就是做好海量基礎知識的學習。在這一層上，華為還打造了行業模型和場景模型，可以稱作“行萬里路”。

“從‘讀萬卷書’到‘行萬里路’，還有很多挑戰需要克服，其中很關鍵的一點就是要把各行各業的知識與大模型進行充分的匹配和融合，華為正在與各個行業的伙伴一起努力。”胡厚崑稱。

胡厚崑還提到，盤古大模型3.0將于7月7日發布。

未來應用將由人工智能驅動

在開幕式上，微軟全球資深副總裁、微軟大中華區董事長兼首席執行官侯陽表示，微軟堅信，今后任何一家公司都需要具備駕馭數字技術的能力，“我們也看到隨著生成式人工智能不斷展現出巨大潛力，今后每一家公司的每一個應用程序都將由人工智能來驅動”。

侯陽提到，隨著去年底ChatGPT的一夜爆紅，大模型和生成式人工智能仿佛在瞬間爆發，很多科技行業的從業者都對AIGC的涌現驚詫不已。但在微軟看來，這種涌現絕非偶然，無數優秀的科研人員數十年如一日地進行基礎研究，以及海量計算資源的投入，才造就了這樣的創新成果。據悉，OpenAI ChatGPT的突破，靠的便是微軟智能云提供的基礎架構和算力支持。

侯陽還根據近期其全球客戶產業智能化解決方案，總結出了6個重點行業應用人工智能的創新化場景，包括優化制造與能源行業的供應鏈韌性，革新零售電商的智能客服，在游戲中構建栩栩如生的NPC角色，在金融行業隨時獲取市場實時行情分析報告，更早發現、更快管控潛在金融交易風險，在生命科學領域提升臨床試驗數據分析能力，在教育領域帶來更具啟發性、互動性、定制化的學習方式等。

開源是安全的唯一辦法

自ChatGPT橫空出世以來，圍繞監管的話題便始終如影隨形。但在發布會上，圖靈獎得主、Meta AI團隊首席人工智能科學家楊立昆提出了完全不同的看法。在他看來，從長遠視角來說，要讓人工智能安全且良善的唯一辦法就是開源。

“想象一下，未來我們每個人都需要通過人工智能助手與數字世界進行互動，我們所有的信息都會經過人工智能助手系統，如果那時候技術還只是被少數公司控制的話，絕對不是一件好事。”楊立昆稱。

楊立昆認為，未來人工智能系統應該成為人類所有知識的寶庫，訓練它們的方式也必須要基于眾多源頭，“因此我們也希望看到更多的開源AI系統”。

完善還有很長路要走

在被問及大模型發展基礎理論方面的突破時，圖靈獎獲得者、上海期智研究院院長姚期智引用了他們一位年輕學者在算法上的突破性貢獻，即能夠將現在主流的強化學習加快數百倍。

姚期智表示，在ChatGPT以后，下一個非常重要的目標就是讓智能機器人有視覺、聽覺等多種感知能力，能夠在不同的環境里自主學習各種新技能。現在一般的強化學習方法太慢，學習一項新技術通常需要幾個月，但上述突破可以使強化學習在幾個小時之內完成這項工作。

“這不僅是一個實用的問題，也是一種理論上的貢獻。”姚期智提到，過去六七年間，人工智能的思想家們一直存在一個路線之爭，就是依賴強化學習這條路是否正確。上述突破正是把天平傾斜向了另一邊，即我們應該堅持現在這條路，通用人工智能的完善還有很長的路要走。

人工智能并不總是智能的

人工智能并不總是智能的，也可能出現“幻覺”等挑戰。面對如何應對大語言模型在實際應用過程中的困難和挑戰這一問題，清華大學交叉信息研究院助理教授、AI初創大模型企業Moonshot AI創始人楊植麟給出了他的回答。

楊植麟認為，當下大模型確實有很多問題尚未解決，比如安全性如何可控，如何避免產生“幻覺”，不去編造一些很不存在的內容等。這其中很重要的一個點，就是我們在思考這些問題的時候，不能采用“頭痛醫頭”的辦法，而是需要更系統地抽象出這些問題之間的底層，有哪些共同的問題，回到更本質的層面解決。

“畢竟是通用的模型，我們更希望它能夠在這些方面做到舉一反三。”楊植麟表示，最本質的解決辦法還是要去做更規模化、高效的壓縮，比如用更好的、更適合分布式訓練的框架，更好地分配算力等方式，去解決人工智能當下存在的局限性。

關鍵詞：

責任編輯：Rex_07