在上海世博中心和上海世博展覽館的路上,，一個貼了數(shù)個微信群二維碼的立牌旁,，不少路人掃描入群，一個女士說：“很多群都滿了,，需要有人拉才行,。”

而在另一個微信群里,，不時有群主提示,，展覽館開放注冊了，可以注冊進入了,。

連日的梅雨之后,，上海進入炎熱的夏季，正在舉行的2024世界人工智能大會,，就像當下37,、38度的天氣一樣，無論是場內(nèi)還是場外,，熱度都非常高,，國內(nèi)外專家學(xué)者和企業(yè)家們，都加入到這場AI的最大盛會,。

百度創(chuàng)始人李彥宏分享中提到說,，上一次參加世界人工智能大會是2022年,，當時主題是元宇宙,，當時主辦方希望他講元宇宙，李彥宏堅持說講AI,，并把主題定在了AIGC,，“我認為AI的技術(shù)發(fā)展路線，發(fā)生了方向性的改變,，就是從過去的辨別式人工智能,，轉(zhuǎn)向了未來的生成式人工智能?！崩顝┖暾f,，講這話后的5個月，ChatGPT發(fā)布,，后來的事情大家就更清楚,，兩年的時間恍若隔世，整個世界都變了,，人工智能顛覆了絕大多數(shù)人的認知,。

阿里云CTO周靖人也是早在2022年就提出了MaaS，也就是模型即服務(wù)的概念,，“兩年前,，我們在世界人工智能大會上發(fā)布通義大模型系列，當時我們公布,，通義核心模型將開源開放,。到今天，通義千問已經(jīng)實現(xiàn)真正意義上的全尺寸,、全模態(tài)開源,，拉平了開源,、閉源模型之間的差距?！敝芫溉嗽?024世界人工智能大會期間這樣說,。

確實，在這個AI盛會期間,，各路大佬們分享的高密度信息,，以及思維和觀點的碰撞,，夾雜著對未來發(fā)展趨勢的洞悉和預(yù)判,，一定程度上，讓我們看到未來的一部分,。

接下來,，我們看看大佬們都說了什么吧！

上海人工智能實驗室主任,、首席科學(xué)家,，清華大學(xué)惠妍講席教授，銜遠科技創(chuàng)始人周伯文：通向AGI的必經(jīng)之路是ABI,，并會有通專融合的“價值引爆點”

“通向AGI的必經(jīng)之路是ABI,，即廣義人工智能。從學(xué)術(shù)上我給出了嚴格的定義：自監(jiān)督,、端對端,、從判別式走向生成式?！?/p>

周伯文認為,，人工智能AGI落地會有一個高價值區(qū)域，同時要求模型兼?zhèn)浜軓姷姆夯芰妥銐虻膶I(yè)性,。這個區(qū)域離原點最近的位置,，我們把它叫做通專融合的“價值引爆點”。

根據(jù)對歷史生產(chǎn)力提升的分析，我們認為處在這個點的大模型,，在專業(yè)能力上應(yīng)超過90%的專業(yè)人類,，同時具備強泛化能力，即ABI的能力,。誰先進入高價值區(qū)域,，即意味著誰的能力更強，擁有更多的場景和數(shù)據(jù)飛輪,，并因此更早擁有自我進化迭代的能力,。

周伯文認為,，強泛化之上的專業(yè)能力是AI皇冠上的明珠,，通專融合的發(fā)展新范式。

如何瞄準構(gòu)建一個既具有泛化性又具備專業(yè)能力的AI系統(tǒng),，以更高效,、更好地適應(yīng)和解決現(xiàn)實世界中的復(fù)雜問題？這包括三層重點工作：

• 基礎(chǔ)模型層：專注于更高效地構(gòu)建通用泛化能力,，尤其是其高階能力,，如數(shù)理、因果推理等,。通過高質(zhì)量數(shù)據(jù)的清洗和合成,，研發(fā)高性能訓(xùn)練框架、高效的模型架構(gòu),。

• 融合協(xié)同層：采用多路線協(xié)同的算法和技術(shù),，構(gòu)建比肩人類優(yōu)秀水平的專業(yè)能力。我們的原創(chuàng)工作包括高密度監(jiān)督信號的生成,、復(fù)雜任務(wù)規(guī)劃,，以及新的架構(gòu)來實現(xiàn)系統(tǒng)1（即快速、直覺反應(yīng)的系統(tǒng)）和系統(tǒng)2（慢速,、邏輯分析的系統(tǒng)）之間的交互,。通過這些技術(shù)，AI能夠在復(fù)雜環(huán)境中做出決策,，將復(fù)雜任務(wù)分解為更易管理的子任務(wù),，制定行動計劃，并有效地協(xié)調(diào)多個智能體,，以實現(xiàn)群體智能的涌現(xiàn),。

• 自主進化與交互層：強調(diào)AI的自主探索和反饋閉環(huán)的重要性。AI系統(tǒng)需要能夠在真實或仿真世界中自主地收集數(shù)據(jù),、學(xué)習(xí)并適應(yīng)環(huán)境,。通過與環(huán)境的交互，AI能夠獲得反饋,，這些反饋對于其自我進化至關(guān)重要,。自主進化與交互層使AI能夠進行具身自主學(xué)習(xí)，最終對世界模型有更深刻的理解并與之交互,，完成開放世界任務(wù),。

早在1900年，德國數(shù)學(xué)家大衛(wèi)·希爾伯特（David Hilbert）提出了著名的“23個問題”,，引領(lǐng)了數(shù)學(xué)很多子領(lǐng)域數(shù)百年的發(fā)展,。

在科學(xué)上,，提出一個好問題往往比解決問題更重要。希爾伯特還有一句名言,，這也是他的墓志銘：“We must know. We will know.”我們必須知道,。我們終將知道。

“今天我們踏上通專融合的路線,，探索通用人工智能AGI的未來,，展望下一代的AI for Science，更可以從這句話中汲取靈感和激勵,?！敝懿倪@樣說。

中國工程院院士,、清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）院長張亞勤：大模型和生成式AI有五個大的趨勢

在 2024 世界人工智能大會 “長三角協(xié)同創(chuàng)新AI新質(zhì)生產(chǎn)力發(fā)展”論壇上,，中國工程院院士、清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）院長張亞勤就大模型和生成式AI的發(fā)展趨勢等進行了分享,。

張亞勤認為大模型和生成式AI有五個大的趨勢：

• 第一個趨勢是多模態(tài),、跨模態(tài)、多尺度,，這里面有文字,、聲音、圖像,、視頻,，但是也包括像激光雷達、結(jié)構(gòu)傳感器,、生物里面DNA,、蛋白質(zhì)、細胞,，其實是一種多模態(tài),、跨模態(tài)的方式。

• 第二個趨勢是走向邊緣,，現(xiàn)在講的大模型更多的是基礎(chǔ)大模型在云端的,，現(xiàn)在更多的智能走向PC、電視,、手機,、車，走向各種邊緣,。

• 第三是智能體的發(fā)展,，特別是自主規(guī)劃去完成一個任務(wù),，自我升級，包括自我編程,、自動試錯,。

• 第四是物理智能，現(xiàn)在大模型和物理世界結(jié)合起來,，包括無人車,、無人機、無人系統(tǒng),，包括物理設(shè)施,、基礎(chǔ)設(shè)施，走向通用人工智能不僅僅要理解這個世界,，要讀書,，而且要走路。其實物理智能就是我們機器和物理世界交互學(xué)到我們這個世界模型,。

• 第五是比較長遠,也是最重要的智能,是生物智能,，我們把大模型和我們的大腦、器官,、生物體連在一塊的時候,，這時候智能是AI加上HI新的智能。

張亞勤認為,，現(xiàn)在行業(yè)簡單的堆算力,、堆數(shù)據(jù)，一定會有達到一個瓶頸,，一定會遇到一個瓶頸,，效率十分低，比起人的大腦目前效率可能低3個數(shù)量級,，現(xiàn)在有860億個神經(jīng)元,。“每個神經(jīng)元有一千到一萬個連結(jié),，但是我們只用20瓦,，所以我們的效率是高了很多?！?/p>

張亞勤預(yù)計,，未來五年會出現(xiàn)一個全新的架構(gòu)，這個框架需要首先要有一個記憶系統(tǒng),，像人類是三層有DNA記憶,、短期記憶、海馬體記憶,，皮層記憶,、長期記憶?，F(xiàn)在目前的AI大模型是沒有真正的支持記憶系統(tǒng)的，沒有真正的物理模型，系統(tǒng)推理能力比較差，透明性也比較差,。

什么時候可以達到AGI,？張亞勤給出一個時間段：15-20年,。他把這個時間分成三個階段：

• 第一是現(xiàn)在信息智能，多模態(tài)智能,。

目前的ChatGPT或者GPT4已經(jīng)通過圖靈測試了,，視頻像Sora等在5年之內(nèi)預(yù)計也能通過圖靈測試,，是一個新的圖靈測試,。

• 第二個是物理智能或者具身智能,，這可能需要5年甚至更長的時間,。

具身智能第一個就是無人駕駛,，無人駕駛可能是最快通過圖靈測試的具身智能,。然后是機器人，產(chǎn)業(yè)的機器人、家庭的機器人等，這個需要可能5-10年的時間。

• 最后是生物智能，包括腦機接口,、植入芯片或者是傳感器也好,，可能還需要5年、10年,。如果5年前問我這個問題我說可能需要50年,，過去這幾年大模型的發(fā)展，我認為是加速了,，20年之內(nèi)可以達到AGI,。

中國工程院院士,、之江實驗室主任,、阿里云創(chuàng)始人王堅：一定會有新的大公司出現(xiàn),，也一定會有大公司烈火重生

“人工智能有一個非常長的過去,，但是有一個非常短的歷史。長到什么時候呢,？長到其實你可以追溯到一百多年以前,。但是短到什么時候呢？短到就是GPT的出來,。GPT的潛力,，今天事實上還是沒有被完整的探索的,?！?/p>

王堅認為,，未來十年將是一個非常激動人心的十年,，一定會有新的大公司出現(xiàn),，也一定會有大公司烈火重生。

人工智能,，是一個非常革命性的東西,。它對產(chǎn)業(yè)的影響一定是反映在兩方面：

• 第一， 只要是個新的技術(shù),，一定會有新的大公司出現(xiàn),。如果一個新的技術(shù)出來，沒有新的大公司出現(xiàn),，那它是不是顛覆性的技術(shù)是要打個問號的,。但是我自己相信，在這個時代一定會有新的大公司出來,。就像當年的GE一樣,，這是第一個邏輯來看這件事情。

• 第二,， 一定會有大公司是烈火重生的,。就像前幾天大家看到蘋果這個事情。我覺得蘋果這個發(fā)布很有意思,，不是他拿AI去服務(wù)了C端的客戶,，事實上人工智能技術(shù)重新重構(gòu)了蘋果這家公司，這個重構(gòu)是從重構(gòu)它的操作系統(tǒng)開始的,。所以我自己覺得,，因為有了人工智能技術(shù)，蘋果這家公司不一樣,，那是不是真的能不一樣,？但我們要再往下看，但是我想只有不一樣,，以后他可能才可以市場上活得更好,。所以我想對于大公司而言,，就是大的企業(yè)而言，只有兩種可能性,。

王堅說，因為數(shù)據(jù)等,，人工智能對大公司會友好一點,。但友好并不是說它會對你寬容，你沒有創(chuàng)造力,，它也不會對你寬容,，因為該面臨的挑戰(zhàn)還是會面臨的。

“最后你發(fā)現(xiàn)有一個因素容易被忽略,，就是人,。AI我們這么講是革命性力量的時候，你發(fā)現(xiàn)AI對每個部門都會產(chǎn)生影響,，要所有部門的所有人都去擁抱AI這在很多大企業(yè)是很難的,。我想小企業(yè)跟大企業(yè)的差別就是，根本上,，小企業(yè)一定會覺得大企業(yè)一定會覺得AI是工具的革命,。小企業(yè)一定會覺得這是革命的工具，那就是點差別,。我想大企業(yè)也要意識到這是革命的工具,，那這個變化就來了?！?/p>

另外,，關(guān)于能源問題，王堅認為,，要放在時間和空間維度動態(tài)來看,。

“1980年全世界都擔(dān)心石油馬上沒有了，沒想到越到現(xiàn)在石油反而更便宜了,?！蓖鯃哉J為，所有的問題都是要在動態(tài)過程中解決,，你根本不會想到可能十年以后說的算力,，跟今天說的算力不是同一個算力。十年以后說的電,，可能跟今天說的電也不是同一個概念,。“所以我是覺得這個還是要在動態(tài)過程解決,，一定不能在現(xiàn)在這個時刻的狀態(tài)來解決十年以后的問題,。要拿十年以后的狀態(tài)來解決十年以后的問題,。”

商湯科技董事長兼CEO徐立：有應(yīng)用支撐,，才能迎來AI的超級時刻

“超級時刻和應(yīng)用是互相成就的,，只有超級時刻帶來的認知的變化,，最后才能推動這樣一個應(yīng)用。所以倒推回來,，如果我們后面用應(yīng)用來支撐,，那么我們現(xiàn)在這個時刻就是超級時刻?！?024世界人工智能大會期間,，徐立說，就像IPhone一樣,，因為是有了這個平臺,，后面才有iOS上面的App Store生態(tài)，應(yīng)用是決定這個時代是不是人工智能超級時刻的一個關(guān)鍵,。

要走向應(yīng)用,，人們在認知上有幾個核心的重要的突破點：

• 一是對高階的邏輯數(shù)據(jù)的依賴性來解決人工智能的推理問題，就是它的智慧,。

  現(xiàn)在的人工智能大模型某種程度上只是記憶器,，他只是背下了所有的知識點，它僅有的一點點的智能其實是來自于互聯(lián)網(wǎng)上的數(shù)據(jù)背后帶有的一個高階的邏輯思維鏈,。那在在垂直領(lǐng)域里要做一個突破,，依賴于人類去構(gòu)造更加高級的思維鏈背后的邏輯，甚至是再往上一步,，不依賴于人類,，也就是通過跟真實世界的交互形成執(zhí)行的數(shù)據(jù)，形成知識層,、推理層以及執(zhí)行層,。

• 第二個是實時的交互性能夠帶來一個流暢的體驗，也是帶來推動超級時刻以及應(yīng)用變化的一個核心,。

• 最后很重要的一點是可控性,，不管是文本、圖像,、視頻,，如果對它沒有具備可控性，它作為一個工具，它本身能夠帶來的效能的提升就非常的有限,。

徐立說,，如果要推動人工智能超級時刻的到來，需要大模型可以展現(xiàn)出卓越的深度思考的能力,。首先合成的人工數(shù)據(jù),，特別是高級思維的數(shù)據(jù)往往是非常重要的，所以越是有應(yīng)用的場景,，才能形成更好的高質(zhì)量的數(shù)據(jù)的一些核心,。

第二自然的沒有延遲的交互。所以端側(cè)其實也是一個非常重要的突破點,，今年商湯科技著重推動模型的端側(cè)優(yōu)化，實時的交互變化更加的流暢,。用好端和云兩部分的計算機資源,，才能夠成為一種全自然的交互模式。

第三就是所有的生成都要可控,，你不需要做得很好,，但你需要知道你哪里做得不好，并且說做哪里進行一些修改,，有了這樣的一個邊界,，那么實際上才能做到真正的可控技術(shù)以及可持續(xù)的技術(shù)發(fā)展。

百度創(chuàng)始人,、董事長兼首席執(zhí)行官李彥宏：閉源模型最能打,、避免掉入”超級應(yīng)用陷阱”，最看好智能體

2024世界人工智能大會期間，李彥宏的分享不僅回應(yīng)了關(guān)于開源還是閉源的問題,，也提到了是否發(fā)展超級應(yīng)用等問題,。

李彥宏認為，在大多數(shù)的應(yīng)用場景,，開源模型并不合適,，當你處在一個激烈競爭的市場環(huán)境當中的時候，你需要是讓自己業(yè)務(wù)的效率比你的同行更高,，成本比你的同行更低,，這個時候商業(yè)化的閉源模型是最能打的。

李彥宏說,，有些外行甚至混淆了模型開源和代碼開源這兩個概念,，模型開源你拿到的是一大堆的參數(shù)，你還是要去做SFT（監(jiān)督微調(diào)）,，還是要去做安全對齊,，你不知道這些參數(shù)是怎么來的,。你是無法做到眾人拾柴火焰高的，即使你拿到對應(yīng)的源代碼,，你也不知道他用了多少數(shù)據(jù),，用了什么比例的數(shù)據(jù)去訓(xùn)練這些參數(shù)。所以拿到這些東西,，并不能夠讓你站在巨人的肩膀上去迭代和開發(fā),。

所以同樣參數(shù)規(guī)模之下，閉源模型的能力就比開源模型要更好,，而如果開源想要能力追平閉源,，那么它就需要有更大的參數(shù)，這就意味著推理成本會更高,，反應(yīng)速度會更慢,。

李彥宏也強調(diào)了從卷模型到卷應(yīng)用的觀點，“沒有應(yīng)用,，光有基礎(chǔ)模型,，不管是開源還是閉源都一文不值?！?/p>

李彥宏說,，基于基礎(chǔ)模型的應(yīng)用在各行各業(yè)、各個領(lǐng)域都已經(jīng)開始了逐步的滲透,，兩個多月前我們宣布文心大模型的日調(diào)用量超過了2億,，最近文心的日均調(diào)用量超過了5億！僅僅兩個多月的時間,，調(diào)用量發(fā)生了這么大的變化,，足見它背后代表了真實的需求，是有人在用,，是有人真的從大模型當中獲益了,，得到了價值。

比如在快遞領(lǐng)域,，讓大模型幫助處理訂單,，做到了”一張圖、一句話寄快遞”,，不再需要其他繁瑣的流程,，時間從3分多鐘縮短到19秒。而且90%以上的售后問題,，也都由大模型來解決,，效率提升非常的明顯。

再比如在小說創(chuàng)作領(lǐng)域，一開始也用開源模型做出過一些效果,，后來改用文心輕量級模型,，經(jīng)過10輪上萬組數(shù)據(jù)的SFT和post pretrain，結(jié)果有了明顯的提升,，最近又轉(zhuǎn)到文心4.0版本,，僅用了數(shù)百條數(shù)據(jù)，4.0就在情節(jié)和邏輯方面展現(xiàn)出了非凡的優(yōu)勢,，生成的內(nèi)容無論是可用率還是優(yōu)質(zhì)率都大大超過了輕量級模型,，網(wǎng)文作者們?nèi)缁⑻硪恚?/p>

其實更通用的領(lǐng)域，比如說代碼生成,，文心快碼這樣的軟件,，在各個領(lǐng)域，也在逐步的滲透,，百度內(nèi)部的話,，我們有30%左右的代碼，已經(jīng)用AI生成的,，代碼的采用率超過了44%。

李彥宏認為,，要避免掉入”超級應(yīng)用陷阱”,，覺得一定要出現(xiàn)一個DAU10億的APP才叫成功，這是移動時代的思維邏輯,。其實不一定,，AI時代，”超級能干”的應(yīng)用比只看DAU的”超級應(yīng)用”恐怕要更重要,，只要對產(chǎn)業(yè),、對應(yīng)用場景能產(chǎn)生大的增益，整體的價值就比移動互聯(lián)網(wǎng)要大多了,。

”隨著基礎(chǔ)模型的日益強大,，開發(fā)應(yīng)用也越來越簡單了，最簡單的就是智能體,，這也是我們最看好的AI應(yīng)用的發(fā)展方向,。“李彥宏認為,，制作一個好的智能體通常并不需要編碼,，只要用人話把智能體的工作流說清楚，再配上專有的知識庫,，一般就是一個很有價值的智能體了,。這比互聯(lián)網(wǎng)時代制作一個網(wǎng)頁還要簡單。

未來在醫(yī)療、金融,、教育,、制造、交通,、農(nóng)業(yè)等等領(lǐng)域,，都會依據(jù)自己的場景，自己特有的經(jīng)驗,、規(guī)則,、數(shù)據(jù)等等，做出各種各樣的智能體,，將來會有數(shù)以百萬量級的智能體出現(xiàn),，形成龐大的智能體生態(tài)。

上?？茖W(xué)智能研究院院長,、復(fù)旦大學(xué)浩清特聘教授、無限光年創(chuàng)始人漆遠：實現(xiàn)通用人工智能的最好標志之一就是實現(xiàn) “AI愛因斯坦”

“在AI 1.0時代，從風(fēng)控到搜索,、推薦,，每個具體任務(wù)都訓(xùn)練出一個模型，聚焦同一個任務(wù)或領(lǐng)域的具體任務(wù),?！逼徇h認為，“在今天的AI 2.0時代,，大模型有更好的泛化能力,，可以在很多領(lǐng)域或某一類垂直領(lǐng)域的多項任務(wù)中發(fā)揮接近或超越人類的能力。我們看到了通用人工智能的火花,?！?/p>

與AI對話，欣賞與傳播AI生成的文本,、圖片與視頻……AI已經(jīng)為人們的生活帶來便利與樂趣,。但是“所有的大模型都是‘做夢的機器’，都有幻覺的特點”,，漆遠坦言,，“幻覺和幻想類似，在情感對話和藝術(shù)創(chuàng)作里可以發(fā)揮作用,。但是如果想把大模型作為生產(chǎn)力工具,，在科研,、醫(yī)學(xué)、金融等領(lǐng)域的核心業(yè)務(wù)里發(fā)揮重要作用,，大模型的幻覺就是個大問題,，可能會違背基礎(chǔ)規(guī)律，導(dǎo)致差之毫厘,，謬以千里,。”“從微觀的分子,，到宏觀的人體表型,、到更宏觀的氣象氣候和復(fù)雜的經(jīng)濟金融系統(tǒng)，我們需要AI大模型做出精準預(yù)測,，給出靠譜的答案,，甚至發(fā)現(xiàn)未知的規(guī)律?！?/p>

漆遠認為,，scaling law還有紅利，但是基于transformer（注：變壓器）自回歸架構(gòu)的大模型不足夠走到通用人工智能,，無論是從AI技術(shù)本身角度還是從能耗的角度而言,。未來要把人工智能的邏輯推理為代表的符號主義和深度學(xué)習(xí)為代表的聯(lián)結(jié)主義結(jié)合在一起，融合知識規(guī)則,、數(shù)字世界與物理世界里的數(shù)據(jù),，去探索與發(fā)現(xiàn)世界里的未知規(guī)律。

今天的深度學(xué)習(xí)是對數(shù)據(jù)的模擬和壓縮,，擅長對觀測數(shù)據(jù)的概率內(nèi)插預(yù)測，并不擅長對數(shù)據(jù)之外的外插推演,，更不擅長多步的邏輯推演,。而愛因斯坦的大腦，作為人類智能一個巔峰體現(xiàn),，結(jié)合有限的物理觀測數(shù)據(jù),、自己的“合成數(shù)據(jù)”和黎曼幾何等數(shù)學(xué)工具，提出狹義和廣義相對論,，適用于廣闊的宇宙,。漆遠認為實現(xiàn)通用人工智能的最好標志之一就是實現(xiàn) “AI愛因斯坦”，發(fā)現(xiàn)復(fù)雜世界的未知規(guī)律,。

施耐德電氣副總裁古月：沒有生態(tài)的力量,，AI很難真正發(fā)展起來

沒有生態(tài)的力量，AI很難真正發(fā)展起來,，更不用說在產(chǎn)業(yè)推廣應(yīng)用,。

因為AI要蓬勃發(fā)展,，需要算法、算力,、數(shù)據(jù)等因素的支撐,，單獨一家企業(yè)很難具備這些所有的能力。AI的規(guī)?；瘧?yīng)用,、技術(shù)創(chuàng)新迭代、產(chǎn)業(yè)可持續(xù)發(fā)展,，這些都離不開高度開放合作的生態(tài)體系,。AI產(chǎn)業(yè)鏈上的不同企業(yè)、機構(gòu)和個人需要共同協(xié)作,、相互賦能,，才能釋放AI技術(shù)紅利和產(chǎn)業(yè)價值，實現(xiàn)經(jīng)濟效益和社會效益的共贏,。

施耐德電氣商業(yè)價值研究院認為,，企業(yè)對于AI價值的期待正在從單一向立體轉(zhuǎn)變，形成三大顯著趨勢：首先,，從僅重視AI的商業(yè)收益,，拓展到越來越注重社會環(huán)境價值；其次,，價值取向從宏觀決策到微觀個體,，更加關(guān)注AI如何影響并優(yōu)化每一位用戶的體驗；第三,，從追求AI帶來短期的快速增長,，到更重視長期的價值跨越。

騰訊集團副總裁蔣杰：場景應(yīng)用會成為未來大模型的決勝要素

“未來通用模型會成為水,、電,、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施一樣存在，供業(yè)務(wù)和應(yīng)用按需接入,?！彬v訊集團副總裁蔣杰認為，從行業(yè)和應(yīng)用的角度來看,，未來會出現(xiàn)更多不同尺寸,、不同模態(tài)的模型，業(yè)務(wù)可以通過大小模型的協(xié)同,，在提升性能的同時滿足定制化需求,。

騰訊混元大模型自2023年9月首次亮相以來,，經(jīng)過多次迭代升級,，在國內(nèi)率先采用MoE架構(gòu)，實現(xiàn)性能大幅提升,，模型整體參數(shù)量已達到萬億,，tokens數(shù)量超過7萬億，居國內(nèi)大模型第一梯隊,。

目前,，騰訊混元大模型已通過騰訊云向企業(yè)及個人開發(fā)者開放，包含萬億,、千億,、百億等不同參數(shù)尺寸，接下來,，多種尺寸的騰訊混元MoE模型也將對外開源,，可分別支持手機端、PC端,、云以及數(shù)據(jù)中心等多樣化的部署場景,。

蔣杰表示，大模型行業(yè)正經(jīng)歷從單模態(tài)到多模態(tài),，再到全模態(tài)的演進,。比如在文生圖領(lǐng)域，最近效果比較好的是采用 DiT 架構(gòu)的模型,，它融合了早前主要用于文本生成的Transformer架構(gòu),，并在圖像和視頻生成任務(wù)中展現(xiàn)出了顯著的優(yōu)勢；在文生視頻領(lǐng)域,，視頻生成正朝著更高分辨率,、更長時長、更精細的方向發(fā)展,，一些較好的模型已經(jīng)能夠生成長達數(shù)分鐘高清的視頻,，帶來了廣闊的應(yīng)用想象空間。

騰訊混元大模型正在積極部署多模態(tài)甚至全模態(tài)技術(shù),，在文生圖方面，混元文生圖打造了業(yè)界首個中文原生DiT架構(gòu)生圖模型效果超開源 Stable Diffusion 模型,，發(fā)布一個多月Github 點贊數(shù)超過兩千,，是社區(qū)內(nèi)最受歡迎的國產(chǎn)開源文生圖模型；在3D生成方面,，單圖輸入僅需30秒即可生成動漫,、汽車、建筑等類型的3D模型,；在視頻生成方面,，騰訊混元擁有文生視頻,、圖生視頻、圖文生視頻,、視頻生視頻4大核心能力,，支持視頻風(fēng)格化、視頻重繪等多樣化的產(chǎn)品玩法,。

蔣杰認為,，場景應(yīng)用會成為未來大模型的決勝要素。當前大模型的落地主要集中在生產(chǎn)工具和提效方面,，距離真正的業(yè)務(wù)創(chuàng)新還有一定距離,，缺少殺手級的應(yīng)用，不過行業(yè)的探索一直沒有停下,。

T3出行CEO崔大勇 ：2027年將是自動駕駛商業(yè)化運營拐點

除了大模型以外,，自動駕駛是人工智能技術(shù)落地應(yīng)用的另一重要領(lǐng)域。

自動駕駛何時會迎來大規(guī)模商業(yè)化運營？T3出行CEO崔大勇在2024 世界人工智能大會 “長三角協(xié)同創(chuàng)新AI新質(zhì)生產(chǎn)力發(fā)展”論壇上預(yù)測說,，2027年是自動駕駛進入商業(yè)化運營的拐點,。

一方面，隨著人工智能大模型時代到來,，自動駕駛技術(shù)日益成熟,。另一方面，自動駕駛車輛成本降低,?！癛obotaxi車輛成本在100萬元以上時，就沒有商業(yè)化應(yīng)用場景,。眼下,，我們已經(jīng)看到有企業(yè)推出30萬元以內(nèi)的量產(chǎn)車型。這樣的車輛批量上市,，便能夠大規(guī)模應(yīng)用,。”崔大勇說,。

值得一提的是,，相關(guān)部門積極推進完善智能網(wǎng)聯(lián)汽車和自動駕駛相關(guān)法律法規(guī)制度建設(shè)，讓自動駕駛商業(yè)化應(yīng)用再提速,。其中,，五部門已確定20個城市（聯(lián)合體）為智能網(wǎng)聯(lián)汽車“車路云一體化”應(yīng)用試點城市。

從更長遠來看,，人工智能將大大改變?nèi)藗兂鲂畜w驗,。崔大勇舉例稱,，隨著自動駕駛，尤其是全無人駕駛時代的到來,，乘客將享有獨屬于自己的車上空間,。比如，乘客可以在車上開電視電話會,、玩游戲,，或者看視頻，這是一個私密的,、完全放松的個人空間,。

綜上，從各方的發(fā)言中,，不難看出,，在大模型的發(fā)展范疇下，更加務(wù)實的走向場景,、應(yīng)用,，找到商業(yè)化的路徑，已經(jīng)成為業(yè)內(nèi)的共識,，而且會在未來幾年時間成為發(fā)展的重要路徑和方向,。