李志起 李 崢 張家鋮 編者的話：人工智能（AI）大模型的誕生,，讓2023年成為人類歷史上一個重要年份——通用人工智能元年,。聯(lián)合國教科文組織稱,，以大數(shù)據(jù)驅(qū)動的人工智能技術(shù)正在推動第四次工業(yè)革命。但對于普通人來說,，AI在帶給我們“驚喜”之余，場景層面的具體落地似乎還有待破局,?！霸辍币堰^，人工智能會“涼”嗎,？落地應(yīng)用的具體前景如何,？跨界與場景創(chuàng)新是兩大方向 李志起人工智能的發(fā)展是一個多元交叉領(lǐng)域，既需要算法和算力的突破,，也需要與具體產(chǎn)業(yè),、應(yīng)用場景深度融合。人工智能在C端（消費者端）的成功應(yīng)用往往會引起普通群眾的興趣,，但B端（企業(yè)用戶端）才是真正豐厚的蛋糕,，當然也充滿了挑戰(zhàn)性、難度也是最大的,。 隨著人工智能產(chǎn)業(yè)鏈的完善,，諸如無人機、人形機器人,、智能網(wǎng)聯(lián)汽車等領(lǐng)域都展現(xiàn)出巨大的市場潛力,。這些領(lǐng)域的共同特點是具有豐富的應(yīng)用場景，為AI提供了施展拳腳的舞臺,。而要真正實現(xiàn)通用人工智能的落地應(yīng)用,，需緊緊圍繞場景創(chuàng)新這一核心。企業(yè)需深入研究行業(yè)痛點,，理解真實需求,，打造定制化的人工智能解決方案。 中國在人工智能應(yīng)用方面具有得天獨厚的優(yōu)勢,。龐大的市場規(guī)模,、多樣化的應(yīng)用場景以及完整的產(chǎn)業(yè)鏈為AI的創(chuàng)新提供了沃土,。這種優(yōu)勢將倒逼產(chǎn)業(yè)鏈上游的發(fā)展，像諸多戰(zhàn)略性新興產(chǎn)業(yè)一樣,，下游的繁榮也將為上游提供強大推動力,。如何將這種優(yōu)勢轉(zhuǎn)化為實際的競爭力，則需要政策制定者,、產(chǎn)業(yè)界和學術(shù)界的共同努力,。 目前，人工智能在垂直領(lǐng)域的應(yīng)用已開始顯現(xiàn)其獨特優(yōu)勢,，但與這些領(lǐng)域結(jié)合時,，常常面臨“跨界”挑戰(zhàn)?？缃绮粌H僅是技術(shù)的跨越,，更是思維、認知和組織結(jié)構(gòu)的跨越,。傳統(tǒng)職業(yè)與人工智能的結(jié)合需要一批既懂技術(shù)又懂業(yè)務(wù)的復合型人才,，他們能夠?qū)⒈涞拇a與實際需求緊密結(jié)合，創(chuàng)造出真正有價值的應(yīng)用,，這其實是當下人工智能發(fā)展中最緊迫的問題,。 為此，在政策層面應(yīng)出臺更多針對應(yīng)用場景創(chuàng)新的扶持政策,。鼓勵企業(yè)與科研機構(gòu)合作,，將理論研究轉(zhuǎn)化為實際的產(chǎn)品和服務(wù)。同時,，降低市場準入門檻,，為AI的創(chuàng)新應(yīng)用提供更為廣闊的空間。 產(chǎn)業(yè)界需積極擁抱變革,，勇于嘗試跨界合作,。傳統(tǒng)企業(yè)應(yīng)將人工智能視為轉(zhuǎn)型升級的重要機遇，而不是威脅與挑戰(zhàn),。通過與AI企業(yè)的深度合作,，打破原有產(chǎn)業(yè)的邊界，創(chuàng)造出更多具有競爭力的新業(yè)態(tài),。 學術(shù)界則應(yīng)更加注重與產(chǎn)業(yè)界的對接,，將研究成果及時轉(zhuǎn)化為生產(chǎn)力。鼓勵學者走出象牙塔,，深入了解市場需求,，與產(chǎn)業(yè)界共同探索AI落地的最佳路徑。 通用人工智能的落地應(yīng)用是一個系統(tǒng)工程,，需要多方面的協(xié)同努力,。而跨界與場景創(chuàng)新是兩大方向,。只有緊緊抓住這兩個關(guān)鍵詞，才能真正實現(xiàn)AI與實體經(jīng)濟的深度融合,，推動中國經(jīng)濟高質(zhì)量發(fā)展,。（作者是北京市政協(xié)經(jīng)濟委員會副主任，振興國際智庫理事長）普及應(yīng)用的三個方向和需要關(guān)注的風險李 崢 2024年,，生成式人工智能技術(shù)將進一步發(fā)展,，并可能在更多領(lǐng)域得到廣泛應(yīng)用。但同時也可能帶來更為普遍性的風險,，主要體現(xiàn)在以下領(lǐng)域： 其一,，生成式人工智能與硬件設(shè)備的深度融合。2024年,，該技術(shù)可能走出電腦屏幕,，邁向更多消費級產(chǎn)品和工業(yè)生產(chǎn)設(shè)備，提升這些領(lǐng)域硬件的智能化程度,。但是,，這也可能帶來一些新風險。如算法的漏洞可能被網(wǎng)絡(luò)攻擊者利用,，威脅設(shè)備的安全穩(wěn)定；人工智能算法也可能與現(xiàn)有控制系統(tǒng)存在沖突,，從而增加設(shè)備故障的可能性,，甚至造成生產(chǎn)事故。生成式人工智能變“硬”顯著增加了人工智能設(shè)備造成人類傷亡的風險,，這可能造成新的法律問題和引發(fā)社會恐慌,。 其二，生成式人工智能與更多開發(fā)者的結(jié)合,。近一年來,，生成式人工智能的開發(fā)門檻不斷降低，開始被全球數(shù)字生態(tài)的諸多開發(fā)者所熟悉,。2024年,，我們將看到越來越多軟件、數(shù)字媒體,、游戲中插入生成式人工智能技術(shù),，形成人工智能深度參與的新型數(shù)字生態(tài)。這些新變化也將帶來一些挑戰(zhàn)和難題,，例如,，生成式人工智能將自動抓取和改編數(shù)字空間中的內(nèi)容，帶來版權(quán)上的爭議,；新型娛樂方式將更加鼓勵與用戶互動,，從而改進其算法,，這雖然將加深用戶的沉浸感，也可能造成新的數(shù)字成癮和隱私暴露問題,；生成式人工智能的廣泛使用將增加甄別內(nèi)容的難度,，讓更多人身處于“后真相”時代。 其三,，生成式人工智能與更多用戶的深度接觸,。生成式人工智能與硬件和開發(fā)者的融合都將最終體現(xiàn)在用戶端。2024年,，該技術(shù)將在用戶層面上實現(xiàn)“祛魅化”,，成為一項普及型消費品。在大范圍普及的同時,，用戶對于該技術(shù)的風險和缺陷卻意識不足,。例如，生成式人工智能應(yīng)用將加劇當前已經(jīng)存在的“數(shù)字繭房”現(xiàn)象,，利用更加智能的手段采集和套取用戶大量敏感信息,，反向塑造用戶的行為和決策；該技術(shù)也將讓一些傳統(tǒng)犯罪手法變得更加隱蔽,、高效,，突破現(xiàn)有的身份認證、識別安防系統(tǒng),。 在一段時間內(nèi),，生成式人工智能與一般的數(shù)字技術(shù)的區(qū)分也會存在難以界定的情況。監(jiān)管部門應(yīng)加強應(yīng)對,，探索統(tǒng)籌發(fā)展與保障安全的合理化路徑,。（作者是中國現(xiàn)代國際關(guān)系研究院美國研究所所長助理）從“大”到“小”解決落地難題張家鋮 近年來，以大模型為代表的人工智能技術(shù)在自然語言處理,、計算機視覺以及多模態(tài)融合等領(lǐng)域取得了長足進展,，在特定任務(wù)上已展現(xiàn)出近似人類智能的語言理解與創(chuàng)作能力。但是,，由于計算資源,、數(shù)據(jù)安全、生成內(nèi)容風險等限制,，通用人工智能何時能落地應(yīng)用,，成為真正造福社會的工具仍任重道遠。當前人工智能的落地應(yīng)用面臨兩個主要矛盾： 一是技術(shù)通用與場景適應(yīng)的平衡,。當前人工智能的許多領(lǐng)軍技術(shù)都在追求更加通用強大的能力,，因為這是實現(xiàn)通用人工智能的必由之路。然而，追求通用性的同時也面臨技術(shù)過度泛化的風險,，完全通用的技術(shù)可能很難適應(yīng)特定場景的需求,。當前的通用大模型由于缺少對行業(yè)知識的深度理解，以及對企業(yè)內(nèi)部知識的融會貫通,，而無法有效應(yīng)用到企業(yè)的實際生產(chǎn)和效率提升中,。廣度與深度的平衡、通用能力與適應(yīng)能力的取舍,，是當前人工智能工程化的關(guān)鍵所在,。 二是數(shù)據(jù)質(zhì)量與隱私安全的權(quán)衡。高質(zhì)量的數(shù)據(jù)是當前人工智能技術(shù)取得進步的基石,，如果企業(yè)過度注重數(shù)據(jù)的安全與保護,，將難以為研發(fā)團隊提供足夠樣本，訓練更精準的模型,。而一味追求數(shù)據(jù)共享,，則會降低企業(yè)信息安全水平，增加商業(yè)機密泄露的風險,。 上述矛盾導致許多企業(yè)一方面“神往”AI,，一方面又“懼怕”AI的局面。構(gòu)建一套完整的企業(yè)數(shù)據(jù)安全體系,，利用數(shù)據(jù)分類分級制度,、差分隱私、同態(tài)加密等技術(shù)為數(shù)據(jù)共享和訓練保駕護航,，將是人工智能可持續(xù)發(fā)展和應(yīng)用的基礎(chǔ),。 “元年”之后的人工智能正處在一個關(guān)鍵的轉(zhuǎn)折點，其引發(fā)工業(yè)革命的道路將取決于如何在千行百業(yè)中落地應(yīng)用,。就當前面臨的雙重矛盾來看,，將大模型拉下“神壇”,，從訓練服務(wù)于企業(yè)的垂直“小”模型做起將是一條可行的道路,。 從“大”到“小”，意味著先將大模型做小做精,，應(yīng)用于企業(yè)業(yè)務(wù)系統(tǒng)中的某一個切口,，隨著數(shù)據(jù)安全體系的建立和完善，再逐步將大模型接入企業(yè)機密級的知識圖譜,。在確保信息安全的基礎(chǔ)上,，讓人工智能技術(shù)在企業(yè)實踐中“落地生根”，完成從實驗室到實踐的轉(zhuǎn)變,，成為企業(yè)數(shù)字化轉(zhuǎn)型的穩(wěn)定力量,。（作者是清華大學新聞與傳播學院助理研究員）▲