AI智能體開卷,、人形機器人進入商用前期、國產(chǎn)算力春意浮動

作者／ IT時報記者 郝俊慧

編輯／ 孫妍

短短10天內(nèi)，上海連續(xù)舉辦兩個全球性重要展會——世界移動通信大會（MWCS2024）和世界人工智能大會（WAIC2024），無論瓢潑大雨還是烈日當(dāng)空,，AI都在魔都掀起一陣科技“颶風(fēng)”。

馮·諾伊曼說：“技術(shù)的不斷加速進步,，將會引發(fā)人類歷史上某個關(guān)鍵的奇點,。”從2018年首屆世界人工智能大會拂曉初現(xiàn)的“人工智能新紀(jì)元”曙光,，到如今第七屆WAIC的召開,，我們已然佇立在奇點的門檻之上，比以往任何時候都更貼近那個改寫歷史的瞬間,。

透過WAIC2024的透鏡,，我們清晰看到AI的三大趨勢。

與一年前的WAIC相比,，今年的“百模大戰(zhàn)”名副其實，中國電信的“星辰”,、阿里的“通義”,、百度的“文心”、騰訊的“混元”,、商湯科技的“日日新”,、云知聲的“山海”,、人工智能實驗室的“書生”……幾乎每個展臺都有自己的“大模型”,。

在“卷”了一年參數(shù)量級、可支持上下文token數(shù),、推理價格等等之后,，AI Agent（AI助理/AI智能體）拉開了“百模大戰(zhàn)”的第二幕。

今年入選WAIC鎮(zhèn)館之寶的支付寶智能助理,，便是一款基于螞蟻集團百靈大模型研發(fā)的AI Agent,，用戶在支付寶首頁下拉就能喚起“小助理”，問一問就能獲得出行,、健康,、政務(wù)、金融等領(lǐng)域超8000項數(shù)字生活服務(wù),。

“同門師兄”阿里云的“通義for everyone”則集成通義大模型全棧能力,，以通義千問最新基礎(chǔ)模型為基座,，整合通義實驗室前沿的文生圖、智能編碼,、文檔解析,、音視頻理解、視覺生成等能力,，最終形成一個All in one的全能AI助手,。

在“騰訊元器”展區(qū)，參會嘉賓可以通過添加提示詞,、插件,、知識庫等自由創(chuàng)建智能體（AI Agent），也可以在智能體商店選擇,、使用智能體,，以滿足不同場景下的需求,。

除了這些針對個人用戶的“AI 助手”，作為大模型從通用走向垂直應(yīng)用的重要“抓手”,，AI Agent也出現(xiàn)在各類行業(yè)大模型中,。

“為B端客戶打造一個AI Agent的過程，更像是一個打通企業(yè)流程,、全面治理數(shù)據(jù),、重塑業(yè)務(wù)架構(gòu)的契機?！敝袊娦糯竽Ｐ褪紫瘜＜覄⒕粗t告訴《IT時報》記者,，只有深入理解行業(yè)特性和場景需求，才能打造出真正實用的AI Agent,，實現(xiàn)技術(shù)的有效落地,。

與微軟在Windows 11中創(chuàng)建的Copilot（助手）不同，AI Agent更強調(diào)服務(wù)的協(xié)同性以及對自然語言的認(rèn)知程度,。

OpenAI對AI Agent的定義是以大語言模型（LLM）為大腦驅(qū)動,，具有自主理解、感知,、規(guī)劃,、記憶和使用工具的能力，能自動化執(zhí)行復(fù)雜任務(wù)的智能體,。它具有獨立思考和行動能力,，不僅能夠處理信息，還能根據(jù)環(huán)境變化自主學(xué)習(xí)和適應(yīng),，以實現(xiàn)特定的目標(biāo)或解決特定的問題,。

不久前蘋果剛剛發(fā)布的“Apple Intelligence”，便是一個整合操作系統(tǒng),、軟件、模型和數(shù)據(jù),，強化對應(yīng)用場景的理解,，深刻洞察用戶需求的AI Agent。

第一個為AI Agent歡呼的大佬是比爾·蓋茨,。早在1995年出版的《未來之路》一書中,，他便描述過這種可以理解用戶自然語言并根據(jù)對用戶的了解完成多種任務(wù)的Agent，但直到ChatGPT橫空出世,，才讓他看到了真正可實用AI Agent出現(xiàn)的可能,。

在比爾·蓋茨看來，AI Agent將徹底顛覆人與機器的交互方式,?？深A(yù)見的未來是：智能手機上都會有一個AI Agent,，它將集合手機中所有數(shù)據(jù)，滿足用戶隨時隨地的需求,；它將是企業(yè)的“AI程序員”,，協(xié)助開發(fā)人員完成從編碼、測試,、升級應(yīng)用到故障排查,、安全掃描和修復(fù)、優(yōu)化云資源等繁瑣重復(fù)的工作,；或者是公司的“數(shù)據(jù)分析員”,，自動匯集分析企業(yè)所有數(shù)據(jù)，挖掘數(shù)據(jù)金礦價值,，員工則只要用自然語言與AI Agent對話,，便可以獲得相關(guān)業(yè)務(wù)數(shù)據(jù)和答案，例如公司政策,、產(chǎn)品信息,、業(yè)務(wù)結(jié)果、代碼庫,、人員等,。

螞蟻集團董事長兼CEO井賢棟也在本屆人工智能大會上表示，如同移動互聯(lián)網(wǎng)時代App是典型應(yīng)用一樣,，在人工智能時代,，智能體將成為新的應(yīng)用范式，為用戶帶來服務(wù)代際的升級,，而專業(yè)智能體是大模型落地產(chǎn)業(yè)的有效路徑,。醫(yī)療、教育,、金融,、制造、交通,、農(nóng)業(yè)等各行業(yè)領(lǐng)域,，未來都有可能依據(jù)自己的場景和特有經(jīng)驗、規(guī)則,、數(shù)據(jù)等等,，生成數(shù)以百萬量級的智能體，形成龐大生態(tài),。

然而,，并不是所有的AI Agent都天然擁有強大的能力。AIGC時代,，每個企業(yè)都不想錯過紅利,，但每個企業(yè)也都在問：AIGC究竟能給自己帶來什么,？讓生成式人工智能應(yīng)用和助手真正發(fā)揮作用，它們必須了解組織的數(shù)據(jù),、客戶,、運營和業(yè)務(wù)，但如今的許多助手都無法輕松個性化,，而且它們的設(shè)計也無法滿足公司所需的數(shù)據(jù)隱私和安全要求,。

事實上，AI Agent高度依賴基座大模型的能力,、貫通整個企業(yè)體系架構(gòu)的工程能力,、研發(fā)者對行業(yè)的理解以及高質(zhì)量的數(shù)據(jù)支撐，以上任何一個條件缺失,，都有可能使AI Agent只是看起來很美好,，實際使用中卻因為不夠“專業(yè)”，導(dǎo)致應(yīng)用無法落地,。

“應(yīng)用是未來大模型決戰(zhàn)的主要戰(zhàn)場,，”在騰訊云副總裁、騰訊優(yōu)圖實驗室負(fù)責(zé)人吳運聲看來,，目前幾乎所有大模型廠商都在智能體領(lǐng)域做進一步技術(shù)嘗試,，模型以落地、實用為先,，大模型的研發(fā)應(yīng)用必須關(guān)注和解決具體業(yè)務(wù)場景,，關(guān)注可用性和性價比。

今年WAIC的鎮(zhèn)館之寶做了一道“大菜”——“十八金剛 人形機器人先鋒陣列”,，網(wǎng)羅了中電科、復(fù)旦大學(xué),、達(dá)闥,、傅利葉、鈦虎,、星動紀(jì)元、卓益得,、開普勒,、宇樹等18個國內(nèi)領(lǐng)先的機器人產(chǎn)品，著實讓觀眾體驗了一回什么叫“具身智能元年”,。來自主辦方的數(shù)據(jù)顯示,，本屆大會合計展出的人形機器人超過25款,。

1950年,，“計算機之父”圖靈（Alan Turing）在他的論文中首次提出“具身智能”概念。嚴(yán)格意義上,，機器人,、工業(yè)機器人、擬態(tài)機器狗,、智能網(wǎng)聯(lián)車,，都是“身”，但人形依然是人類接受度最高的機器人形態(tài),。

從硬件條件上看,，不少人形機器人已經(jīng)具備相當(dāng)高的肢體靈敏度。比如,，人形機器人（上海）有限公司自主研發(fā)人形機器人“青龍”,，身高185cm、體重80kg,、全身多達(dá)43個主動自由度,，手指可以輕拿輕放杯子，即便是柔軟的面包,，也能在抓起時保證面包外形的完整性,。

上海開普勒探索機器人有限公司的通用人形機器人，身高175cm,，體重70kg,，全身具備40個關(guān)節(jié)自由度、80多個傳感器,，具備復(fù)雜地形行走,、智能規(guī)避障礙等多種功能。

國家地方共建人形機器人創(chuàng)新中心總經(jīng)理許彬一直有一種略帶激進的看法：具身智能是通往通用人工智能的必由之路,，而且只有人形機器人才能實現(xiàn)通用人工智能,，核心邏輯是人類社會存在的所有數(shù)據(jù)，都是為了讓人類更好地生存和發(fā)展,，所有對世界的理解,、認(rèn)知和情感的數(shù)據(jù)，都是基于人體產(chǎn)生,，而貓或魚等其它生物本體,，不可能感知到人類世界的各個方面。

至少在現(xiàn)階段,，具身智能尚不完全具備對物理世界的認(rèn)知和交互能力,，尤其是目前類GPT模式的大模型,，在用于具身智能時,，效果并不理想,。

一家國產(chǎn)人形機器人創(chuàng)始人透露，之前曾將GPT-4V的圖像接口接入機器人,，但大模型對物體的空間認(rèn)知能力非常差,，而且“記憶力”只有一秒,。全球人工智能頂級科學(xué)家李飛飛也認(rèn)為，大模型不具備知覺,，參數(shù)再多也不行,。

“我們需要構(gòu)建一種‘知識+數(shù)據(jù)’驅(qū)動的智能模型，”中國工程院院士,、同濟大學(xué)校長鄭慶華創(chuàng)新性地提出“知識森林”理論,，將大模型中的碎片化知識與人類已有的知識鏈融合，從而生成具有可解釋推理的問題求解機制,。

上海人工智能實驗室主任,、首席科學(xué)家周伯文也認(rèn)為，具身智能絕不僅僅是大模型加機器人的應(yīng)用,，而是大模型接收物理世界的反饋從而進化,，“光靠看書或看視頻，永遠(yuǎn)學(xué)不會游泳,，你得親身扎到水里才能學(xué)會,。大模型得通過機器人，扎進現(xiàn)實世界,，才能真正理解物理世界,。”

世界模型是當(dāng)前具身智能領(lǐng)域最熱門的詞語,。人工智能實驗室構(gòu)建了“軟硬虛實”一體的機器人訓(xùn)練場——浦源·桃源,，同時攻關(guān)具身智能的“大腦”與“小腦”?！捌衷础ぬ以础笔鞘讉€城市級具身智能數(shù)字訓(xùn)練場,，構(gòu)建了集場景數(shù)據(jù)、工具鏈,、具身模型評測三位一體的開源具身智能研究平臺,。作為大模型與機器人的連接層，涵蓋89種功能性場景,、超10萬高質(zhì)量可交互數(shù)據(jù),，有望解決領(lǐng)域內(nèi)數(shù)據(jù)匱乏、評測困難的問題。

在大腦方面,，人工智能實驗室通過具身智能體自身狀態(tài)認(rèn)知、復(fù)雜任務(wù)分解分配,、底層技能協(xié)同控制三方面創(chuàng)新,，實現(xiàn)了大模型驅(qū)動的無人機、機械臂,、機器狗三種異構(gòu)智能體協(xié)同,。在小腦方面，通過GPU高性能并行仿真和強化學(xué)習(xí),，可以高效實現(xiàn)機器人在真實世界里快速學(xué)習(xí),，并完成高難度動作，現(xiàn)在單卡1小時的訓(xùn)練就能實現(xiàn)真實世界380天的訓(xùn)練效果,。

盡管完美匹配智能本體的世界模型還未出現(xiàn),，但具身智能近兩年的發(fā)展已經(jīng)遠(yuǎn)超從業(yè)者預(yù)期。

不久前,，特斯拉CEO馬斯克在年度股東大會上表示,，特斯拉將于2025年開始“限量生產(chǎn)”O(jiān)ptimus（擎天柱）人形機器人，明年特斯拉將有上千臺在運行的Optimus機器人,。達(dá)闥更是在現(xiàn)場預(yù)售起具身智能人形機器人XR4,，價格39.9萬元起。

宇樹科技CEO王興興認(rèn)為,，最遲明年年底之前,，全球范圍內(nèi)一定會出現(xiàn)比人跑得快的人形機器人，“比如說100米跑進10秒,，在體育項目和文藝演出上,，人形機器人比做家務(wù)應(yīng)該更得心應(yīng)手?！?/p>

許彬?qū)夹g(shù)的迭代速度樂觀地判斷道,，未來3~5年，人形機器人可以在一些工廠智能制造產(chǎn)線運行,，未來5~10年可以在家庭服務(wù)等場景運用,。

由AI帶來的算力風(fēng)暴,，還有被美方拉下的“科技鐵幕”，使算力芯片成為近幾年WAIC上備受關(guān)注的焦點,。

2022年WAIC期間,，更是正面遭遇美國宣布對華斷供英偉達(dá)高端芯片。如今，兩年過去,，當(dāng)美國不斷收緊芯片政策時,，國產(chǎn)算力開始顯露出一絲春天的綠意。

“從今年開始,，萬卡將是AI模型訓(xùn)練主戰(zhàn)場的標(biāo)配,。”7月3日,，國產(chǎn)芯片廠商摩爾線程創(chuàng)始人兼CEO張建中宣布,，夸娥（KUAE）智算集群解決方案向萬卡萬P萬億參數(shù)通用算力集群升級，以全功能GPU為底座,，打造能承載萬卡規(guī)模,、具備萬P級浮點運算能力的國產(chǎn)通用加速計算平臺，為萬億參數(shù)級別的大模型訓(xùn)練提供平臺,。

截至目前,，至少已有兩家國產(chǎn)芯片廠商實現(xiàn)了單池萬卡集群的能力,，為我國自主可控的AI大模型攻堅建立了關(guān)鍵基礎(chǔ)設(shè)施。

新型異構(gòu)算力架構(gòu)也在嘗試解決算力規(guī)?；y題,。無問芯穹推出的千卡規(guī)模異構(gòu)芯片混訓(xùn)平臺，采用“MxN”方案,，M層是大模型,，N層是各種國內(nèi)外芯片，可以通過算子優(yōu)化,、自動編譯,、不同芯片耦合等技術(shù)一鍵部署模型，支持Baichuan2,、ChatGLM3,、Llama2、Qwen系列等20多個模型,，在AMD,、華為昇騰、天數(shù)智芯,、沐曦,、摩爾線程、NVIDIA等六種異構(gòu)芯片上混合訓(xùn)練,，算力利用率最高達(dá)97.6%,。

無問芯穹希望解決國內(nèi)AI領(lǐng)域存在的“生態(tài)豎井”難題,，雖然不同芯片組成的算力構(gòu)成了集群，但在生態(tài)邏輯上,，整個軟件棧并不能夠很好地協(xié)調(diào)和打通,。無問芯穹構(gòu)建的是一個AI Native基礎(chǔ)設(shè)施，可以適配中國獨特的多模型,、多芯片生態(tài)格局,，將多種異構(gòu)算力構(gòu)建成大系統(tǒng)，快速完成大模型的訓(xùn)練和推理,。

受限于芯片禁令，國內(nèi)在單池超大規(guī)模集群建設(shè)上面臨困境,，只有幾個互聯(lián)網(wǎng)大廠和電信運營商有芯片儲備和技術(shù)能力,，而根據(jù)大模型的Scaling Law（尺度定律），至少在現(xiàn)有路徑上,，更多的算力才能造就更多的智能涌現(xiàn),。

電信運營商也開始尋找另外的方向，以網(wǎng)強算,?！拔覀円呀?jīng)在實驗室實現(xiàn)了百公里內(nèi)的并池計算?！眲⒕粗t告訴記者,，為了突破單池算力限制，中國電信正在嘗試?yán)?00G/800G的超高寬帶將兩個位于不同區(qū)域的實驗室,，無損高速連接起來,，同一個預(yù)訓(xùn)練任務(wù)可以同步部署在兩個相隔百公里的實驗室里，而且連續(xù)訓(xùn)練時長與在同一個物理數(shù)據(jù)中心內(nèi)訓(xùn)練相當(dāng),，“下一步,，我們還將在京滬兩個單池萬卡群間進行超高速直連測試”。

一旦實驗成功，將大大緩解國產(chǎn)大模型的“算力焦慮”,。GPT-4模型有2萬億參數(shù)和8萬億token,，10000顆英偉達(dá)H100，需要訓(xùn)練三個月,，換成最新的超級芯片BX200,，10000顆芯片只需要10天。而受限于產(chǎn)能,，目前能夠穩(wěn)定供貨萬卡以上的國產(chǎn)芯片并不多,。如果數(shù)據(jù)中心間網(wǎng)速能夠幾乎等同于數(shù)據(jù)中心內(nèi)部高速互聯(lián),，此前全國各地零散建設(shè)的地方智算中心，將可被有效利用,。

多路徑破局“鐵幕”的嘗試,，讓國產(chǎn)算力和國產(chǎn)大模型的春天悄然而至。

排版／ 季嘉穎

圖片／ IT時報 WAIC

來源／《IT時報》公眾號vittimes