（opunghnyndngn），繼而提出了圖靈測(cè)試的思想實(shí)驗(yàn)。60多年來，某種意義上已經(jīng)學(xué)會(huì)了思考。第二，我認(rèn)為，大模型將成為時(shí)代新的操作系統(tǒng)，就像個(gè)人計(jì)算機(jī)（）時(shí)代的ndo、移動(dòng)時(shí)代的和ndod。第三，我判斷，大模型是我們從面向具體任務(wù)的邁向通用人工智能的起跑線。我感受過的“ChatGPT時(shí)刻1986年，我剛到美國(guó)求學(xué)，第一次摸到了傳說中的蘋果noh電腦。在國(guó)內(nèi)，我只用心情。第二次是20世紀(jì)90在相關(guān)人士的現(xiàn)場(chǎng)見證下，我們首次將所有系統(tǒng)集成在一起，在一間配有5.1環(huán)繞聲設(shè)備的小黑屋里，放映了由索尼高清攝像機(jī)專門拍攝的長(zhǎng)達(dá)15分鐘的高爾夫比和滑雪比的視頻片段——現(xiàn)實(shí)世界的雪花與高爾夫球場(chǎng)在全新數(shù)字技術(shù)的加持下重現(xiàn)于每個(gè)人的眼前，大家都震撼于電視畫面居然可以如此清晰。在此之前，許多觀眾（包括政策制定者對(duì)數(shù)字電視的推廣都持保守態(tài)度，但在度過精彩的15分鐘后，所有人都成為支持者。我很高興地看到，2025年春節(jié)前，一家中國(guó)公司創(chuàng)造了屬于自己的h時(shí)刻pk（深度求索）的團(tuán)隊(duì)、更短的時(shí)間，訓(xùn)練出性能達(dá)到全球頂尖水平的新一代模型。pkh兩個(gè)月用戶數(shù)突破1億的紀(jì)錄，僅用7天便實(shí)現(xiàn)了1億用戶的增長(zhǎng)，我試用之后，驚嘆于pk刻，充滿朝氣的新銳力量在只需要很短的時(shí)間。思路——我稱之為“智能人工”（IntelligentAgent）；2012年，我預(yù)見了互聯(lián)網(wǎng)的物理化，幾年后還據(jù)此制定了ABC（AI、BigData、Cloud）的技術(shù)和產(chǎn)品框架，指出了從“AI與產(chǎn)業(yè)結(jié)合這件事非常重要。從產(chǎn)業(yè)界切換到學(xué)術(shù)界，我的興趣點(diǎn)和事業(yè)目標(biāo)并不是見的未來，這場(chǎng)名為“產(chǎn)業(yè)智能”的精彩比不會(huì)停歇。這是一場(chǎng)21世紀(jì)全人類共同參與的務(wù)，貝爾實(shí)驗(yàn)室、IBM公司的華生實(shí)驗(yàn)室（T.J.WatsonLabs）、施樂帕洛阿爾托研究中心（PaloAltoResearchCenter，PARC）、微軟研究院等具有典范意義的科研機(jī)構(gòu)應(yīng)運(yùn)而我覺得無(wú)盡前沿這個(gè)說法很有意思。無(wú)盡前沿源自曼哈頓計(jì)劃的重要貢獻(xiàn)者、美國(guó)國(guó)家科學(xué)基金會(huì)的倡建人范內(nèi)瓦布什于1945年提交給羅斯?？偨y(tǒng)的一份名為《科學(xué)——無(wú)進(jìn)步。今天，的理論、算法、應(yīng)用勢(shì)必會(huì)給全世界每個(gè)人、每個(gè)組織帶來深遠(yuǎn)的影第1撲面而來的時(shí)代機(jī)遇：數(shù)字化3.0與數(shù)字經(jīng)濟(jì)數(shù)字化3.0歷史上，數(shù)字化1.0大約開始于20世紀(jì)80年代。其時(shí)，最主要的數(shù)字化目標(biāo)可以歸納為內(nèi)接下來自然是數(shù)字內(nèi)容的標(biāo)準(zhǔn)化，3、.26x、等具有影響力的多媒體數(shù)字化算法漸次出現(xiàn)。隨著的推出和普及，文檔的數(shù)字化成為構(gòu)建辦公新形態(tài)的首要需求，于是衍生出od、oon、x等標(biāo)準(zhǔn)化文檔格式，全球企業(yè)的數(shù)字化辦公步伐由此加快。數(shù)字化2.0興起于20世紀(jì)90年代中期。在此階段，一方面內(nèi)容的數(shù)字化仍在持續(xù)擴(kuò)展和升級(jí)，另一方面又疊加了一個(gè)全新的數(shù)字化空間——企業(yè)數(shù)字化。究其原因，大約從2090年代中期開始，互聯(lián)網(wǎng)、（超文本傳送協(xié)議）、（超文本標(biāo)記語(yǔ)言）漸成站到搜索、電商、社交，再到后來的共享經(jīng)濟(jì)、協(xié)同辦公以及數(shù)字貨幣、移動(dòng)支付，等效率。數(shù)字化2.0給中國(guó)帶來的改變尤為明顯，例如，今天我們已經(jīng)很少用現(xiàn)金來支付，電商購(gòu)物、外賣訂餐、訂網(wǎng)約車都已成為日常生活中司空見慣的場(chǎng)景。成功把握數(shù)字化2.0的風(fēng)口，讓中國(guó)從信息化時(shí)代的學(xué)習(xí)者、追趕者，變成了移動(dòng)互聯(lián)網(wǎng)時(shí)代的創(chuàng)造者、的消費(fèi)互聯(lián)網(wǎng)，以及規(guī)模驚人、活力十足的高科技業(yè)態(tài)。SupplyChain（供應(yīng)鏈）、BI（商務(wù)智能）、數(shù)據(jù)庫(kù)等較早的企業(yè)應(yīng)用到云計(jì)算崛起后，概括地說，數(shù)字化1.0、2.0的進(jìn)程就是將人類世界中已然存在的事物由易向難、由少向多地轉(zhuǎn)譯、復(fù)刻至數(shù)字世界——網(wǎng)絡(luò)、企業(yè)經(jīng)營(yíng)等各種世俗關(guān)系的數(shù)字化。接下來的數(shù)字化3.0階段，則將以物理世界與生物世界的數(shù)字化為重心。系，那么數(shù)字化3.0我們將看到：工廠里大量原本必須由人工完成的工作被接管；多數(shù)設(shè)備將連入工業(yè)互推演，管理者可以超前發(fā)現(xiàn)可能存在的缺失或漏洞，防患于未然……在這樣的情境再比如汽車。百余年來，汽車工業(yè)經(jīng)歷了多次迭代，汽車產(chǎn)品本身的速度表現(xiàn)、易駕馭性、安全性和舒適性都有了極大的改善，但自始至終從未改變的是產(chǎn)品使用模式——來負(fù)責(zé)；而在數(shù)字化3.0時(shí)代，自動(dòng)駕駛與無(wú)人駕駛的春天已近在眼前。在4等級(jí)（第四等級(jí)）通過能力判斷為安全概率負(fù)責(zé)。到了5等級(jí)（第五等級(jí)），汽車可以徹底取消方向盤設(shè)計(jì)。至此，汽車將完全轉(zhuǎn)變?yōu)槟撤N新的東西，轉(zhuǎn)變?yōu)閿?shù)字新技術(shù)在物理道路上的實(shí)體投射，那就像是保護(hù)著主人、在道路上飛奔的外骨骼，又像是科技側(cè)的神行甲馬。接下來，從我們每個(gè)人的身邊（無(wú)論是路、車、信號(hào)燈，還是家庭、車間、職場(chǎng)）車輛每日產(chǎn)生的數(shù)據(jù)量便高達(dá)510。更重要的改變體現(xiàn)在，與數(shù)據(jù)主要提供給所需人員、用以輔助其決策的數(shù)字化1.0與數(shù)字化2.0時(shí)代相比，在數(shù)字化3.0時(shí)代，99以上的數(shù)其次，更令人浮想聯(lián)翩的空間是生物世界的數(shù)字化。很多科學(xué)家、科幻作家在眺望未來探究基因之秘。生物世界的數(shù)字化，將是我們靠近第二個(gè)發(fā)展方向的關(guān)鍵一步。在技術(shù)及多種數(shù)字技術(shù)的跨學(xué)科驅(qū)動(dòng)下，人類的大腦、身體器官、（脫氧核糖核酸）、術(shù)也將快速發(fā)展（見圖1.1）。圖1.1點(diǎn)是尼古拉尼葛洛龐帝于1995年出版的《數(shù)字化生存》中提出的，他預(yù)測(cè)，未來人類將當(dāng)時(shí)被一些人認(rèn)為是天方夜譚、技術(shù)烏托邦，但隨后，從數(shù)字化1.0到數(shù)字化3.0的發(fā)展歷程在某些方面印證了該書的預(yù)言。業(yè)行為被放置于線上，同時(shí)帶動(dòng)了千百種行業(yè)、無(wú)數(shù)家企業(yè)的數(shù)字化建設(shè)。在這個(gè)過程中，各階段的數(shù)字化重心亦有所不同。比如在數(shù)字化1.0階段，內(nèi)容的數(shù)字化創(chuàng)造了高清起，孕育了巨大的數(shù)字經(jīng)濟(jì)發(fā)展機(jī)遇。根據(jù)以太網(wǎng)的發(fā)明者羅伯特·梅特卡夫提出的“梅特卡夫定律”（Metcalfe’sLaw），網(wǎng)絡(luò)的作車輛。同時(shí)，生物的數(shù)字化進(jìn)程也可能大大提速。我們的、蛋白質(zhì)、細(xì)胞、分子身整體與各器官的健康程度，并根據(jù)數(shù)據(jù)表現(xiàn)、智能提示來改變生活方式或及時(shí)求醫(yī)。術(shù)研發(fā)的重視達(dá)到了史無(wú)前例的高度。早在2017實(shí)現(xiàn)了千兆光網(wǎng)接入，并且部署了規(guī)模首屈一指的5網(wǎng)絡(luò)；東數(shù)西算工程正在打造一張更大的跨地區(qū)、集中式算力網(wǎng)。事實(shí)上，針對(duì)、計(jì)算、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施不斷加大投資而這也極可能加速科技創(chuàng)新紅利期的到來。步是進(jìn)行智能化轉(zhuǎn)型，大力提升個(gè)人和組織對(duì)技術(shù)的利用強(qiáng)度和廣度，才能引爆多年膽的實(shí)驗(yàn)、實(shí)踐來探索無(wú)盡前沿。整體而言，談到今后中國(guó)數(shù)字經(jīng)濟(jì)的建設(shè)，依然繞不開這三個(gè)步驟——技術(shù)中獲取紅利的企業(yè)已瞄準(zhǔn)智能化，其中更有不少勇于嘗鮮者已切實(shí)體會(huì)到投資、利用的好處。無(wú)論如何，對(duì)數(shù)字化建設(shè)的每一分投入都能獲得回報(bào)。讀書20載、工作30驅(qū)動(dòng)產(chǎn)業(yè)發(fā)展來回報(bào)國(guó)家和社會(huì)，這是我內(nèi)心深處始終未了的情懷。當(dāng)我看到技術(shù)的發(fā)展正在迎來黃金時(shí)代，每個(gè)人都已身處一生一遇的技術(shù)爆發(fā)期，我感覺時(shí)機(jī)成熟了。以待完成。同時(shí)，產(chǎn)業(yè)升級(jí)、產(chǎn)業(yè)互聯(lián)網(wǎng)也指向物理智能。生物智能是生物世界的數(shù)字化，方向?yàn)闄C(jī)器智能、人腦和生物的交叉研究。事實(shí)上，o（人工智能物聯(lián)網(wǎng)）可視為數(shù)字世界和物理世界的接口，生物計(jì)算則可視為數(shù)字世界和生物世界的接口。附錄人工智能是第四次工業(yè)革命的技術(shù)基石附錄本文來自張亞勤在《人民日?qǐng)?bào)海外版》發(fā)表的文章，2016年3月28“智能+”大風(fēng)暴即將深刻影響世界第2從pho、phoo稱雄圍棋領(lǐng)域到phod2震撼醫(yī)療領(lǐng)域、達(dá)成高精度預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)的成就，再到h通過圖靈測(cè)試、幾乎在一夜之間風(fēng)靡全球，技術(shù)對(duì)我們深度學(xué)習(xí)技術(shù)思路的萌生與發(fā)展。預(yù)計(jì)510年內(nèi)，深度學(xué)習(xí)仍是技術(shù)體系中最重要的算法模型，但這一技術(shù)思路也需與時(shí)俱進(jìn)，不斷改變和提升。歷經(jīng)六十余年的漫長(zhǎng)發(fā)展，領(lǐng)域累積了數(shù)量相當(dāng)可觀的算法財(cái)富。這些算法可以被視作科研工作者一次次朝向成就；另一些算法則被塵封于歷史長(zhǎng)河里；更多的算法研究則編織了學(xué)術(shù)脈絡(luò)的一部分，以日拱一卒的方式執(zhí)著推動(dòng)著的發(fā)展。在深度學(xué)習(xí)技術(shù)探索的早期，遞歸神經(jīng)網(wǎng)絡(luò)（）、卷積神經(jīng)網(wǎng)絡(luò)（）、長(zhǎng)短期記憶人工神經(jīng)網(wǎng)絡(luò)（）是主要的代表性算法。近年來，生成對(duì)抗網(wǎng)絡(luò)（）果驚人的預(yù)訓(xùn)練大模型（nod）為基于深度學(xué)習(xí)思路的算法開啟了新的發(fā)展空間。這些圍繞著深度學(xué)習(xí)的算法創(chuàng)新，業(yè)已令取得了舉世矚目的成就，比如演繹了垂直增長(zhǎng)神話的h，被廣泛應(yīng)用于安防、鑒權(quán)領(lǐng)域的人臉識(shí)別等。可以說，如今，在感知智能領(lǐng)域，如語(yǔ)音識(shí)別、物體分類、行為識(shí)別等，都已達(dá)到甚至超越了人類的水平（見圖2.1）。圖2.1除了算法，算力也逐漸成為制約技術(shù)進(jìn)化的關(guān)鍵問題。算力是供給釋放出自身威力的能源，其地位就好比石油、天然氣之于工廠。與技術(shù)的迅猛發(fā)展同步，其對(duì)算力能源的需求亦呈現(xiàn)出幾何級(jí)的增長(zhǎng)態(tài)勢(shì)。早在2018年5月，pn便發(fā)布了一份名為《與計(jì)算》（Iandopu）的分析報(bào)告，該報(bào)告成為后來計(jì)算產(chǎn)業(yè)與發(fā)展相關(guān)研究的重要參考文件。該報(bào)告稱，從2012年深度學(xué)習(xí)算法大放異彩開始，訓(xùn)練任務(wù)所需的算力的周期（18個(gè)月），這就意味著，對(duì)算力的供給遠(yuǎn)遠(yuǎn)無(wú)法滿足其需求。該報(bào)告還指面對(duì)可能很快達(dá)到百萬(wàn)倍（甚至更高）增長(zhǎng)的算力需求，我們?cè)撊绾翁畛渌懔┬柚俣鹊幕疽?guī)則，來思考如何從源頭突破算力對(duì)發(fā)展的桎梏。其次，馮諾依曼架構(gòu)規(guī)范了現(xiàn)代計(jì)算機(jī)的基礎(chǔ)結(jié)構(gòu)和運(yùn)行邏輯。在這一架構(gòu)下，計(jì)算機(jī)架構(gòu)，突破馮諾依曼架構(gòu)的限制。深度學(xué)習(xí)需要的基于海量數(shù)據(jù)的norodu（張量積）、稀疏矩陣、布爾代數(shù)等要素在傳統(tǒng)的馮諾依曼架構(gòu)下不易實(shí)現(xiàn)，異構(gòu)計(jì)算、（圖形處理器）、（現(xiàn)場(chǎng)可編程門陣列）、I（專用集成電路）等技術(shù)將隨之衍生，這將是一個(gè)非常大的機(jī)會(huì)。曲線已越來越平緩，摩爾定律正逐步走向終結(jié)。與此同時(shí)，用于訓(xùn)練的算力需求卻在爆發(fā)式增長(zhǎng)。盡管通過制程工藝的進(jìn)步、架構(gòu)的改進(jìn)、電路設(shè)計(jì)的優(yōu)化等方式，能每年都可以翻倍提升，但很顯然，算力提升的速度依舊趕不上成長(zhǎng)所需的增速。隨著時(shí)間的推移，算力水平與智能科技發(fā)展之間的矛盾將會(huì)變得越發(fā)突出。再來看看數(shù)據(jù)這個(gè)要素。數(shù)據(jù)是算法進(jìn)步的養(yǎng)料，也是讓更好地服務(wù)于現(xiàn)實(shí)產(chǎn)業(yè)的原料。每分每秒，人類的生產(chǎn)、生活都在產(chǎn)生更多的數(shù)據(jù)，而吸收、理解這些數(shù)據(jù)的I之門的關(guān)鍵，但問題是，為供給養(yǎng)分的數(shù)據(jù)也面臨越來越多的瓶頸。與此同時(shí)，研究者還要面對(duì)如何正確收集數(shù)據(jù)、找到有用數(shù)據(jù)，進(jìn)而以具有針對(duì)性的I技術(shù)解放特定行業(yè)生產(chǎn)力的問題。比如說，在探索以解決各種農(nóng)牧業(yè)問題的過程中，最迫切，部署實(shí)施后的升級(jí)效果也最顯著。客觀地說，時(shí)至今日，我們已無(wú)限逼近傳統(tǒng)計(jì)算與通信理論所規(guī)劃的極限。想要突破IChatGPTChatGPT1981年8月12日，IBM公司推出了世界第一臺(tái)采用了開放性架構(gòu)的個(gè)人計(jì)算機(jī)PC5150事實(shí)上，從3到3.5，中間經(jīng)歷了約兩年的漫長(zhǎng)時(shí)間，算法本身自然有很多改進(jìn)。例如，nu（人工智能語(yǔ)言模型）和利用人類反饋來強(qiáng)化學(xué)習(xí)，都在很大程度上讓得以更好地判斷用戶意圖，進(jìn)而給出更準(zhǔn)確的答案。世前的兩年，生成式AI可謂進(jìn)展最快的技術(shù)，比如在AI做圖的道，就有DALL-E（美國(guó)圖像生成系統(tǒng)）、Midjourney、StableDiffusion（兩者均為AI繪畫工具）等“種子選手”在然而，h確實(shí)是一次質(zhì)變與躍升，是概念誕生至今六十余年的一座里程碑。事實(shí)上，若是以麻省理工學(xué)院（）的計(jì)算機(jī)科學(xué)家約瑟夫維森鮑姆于1966年開發(fā)的聊天機(jī)器人程序（伊麗莎）為開端，計(jì)算機(jī)科學(xué)家對(duì)于人機(jī)對(duì)話的探索已進(jìn)行半個(gè)多世紀(jì)?？傮w而言，進(jìn)步很大，但一直未能出現(xiàn)實(shí)質(zhì)性的飛躍。在h發(fā)布前，聊天機(jī)器答非所問，被用戶戲稱為人工智障，這類聊天機(jī)器人前輩想要通過圖靈測(cè)試，顯然難如登天。h則是第一個(gè)可以通過圖靈測(cè)試的智能體，我在它的身上看到了通用人工智能的雛形。2016年，pho在圍棋領(lǐng)域表現(xiàn)出的統(tǒng)治力首次將的可怕潛能展示于世人面前。當(dāng)時(shí)，無(wú)論是人臉識(shí)別技術(shù)還是語(yǔ)音識(shí)別與合成技術(shù)都已相當(dāng)成熟，但能夠?qū)⒌闹T多能力整合到一個(gè)應(yīng)用、一個(gè)界面的明星產(chǎn)品暫未出現(xiàn)，因此許多人對(duì)的印象依然比較刻板，覺得能做的事情不多。自動(dòng)駕駛給人的感覺非?？?，但它是牽一發(fā)而動(dòng)全身的火種般的項(xiàng)目，因而其實(shí)用化推進(jìn)始終比較慢，直到今天也未變成為億萬(wàn)國(guó)民所普遍認(rèn)可的主流新業(yè)態(tài)。對(duì)于那時(shí)就已經(jīng)開始集成成果的應(yīng)用率較高的搜索，用戶的體會(huì)也并不深刻。全世界的計(jì)算機(jī)科研工作者都在探索，哪條技術(shù)路線通往真正的通用人工智能。3的誕生，讓不少人意識(shí)到，大數(shù)據(jù)和超大模型可能是一個(gè)正確的方向；而后繼者h(yuǎn)和4的不俗表現(xiàn)，讓大家對(duì)這條路線的信心更加堅(jiān)定。規(guī)模效應(yīng)極其重要，特別是上下文學(xué)習(xí)情境學(xué)習(xí)（nonxtnng）等學(xué)習(xí)方式，使模型能夠越來越快地適應(yīng)新的任務(wù)。當(dāng)用于訓(xùn)練的數(shù)據(jù)規(guī)模不大時(shí)，效果還不明顯；但規(guī)模達(dá)到一定程度后，就可能產(chǎn)生一些超出設(shè)計(jì)者預(yù)期的現(xiàn)象或能力，涌現(xiàn)得以發(fā)生——堡拔地而起。前文提到的梅特卡夫定律，同樣適用于大模型的規(guī)模效應(yīng)。順便一提，羅伯特梅特卡夫先生于2022互聯(lián)網(wǎng)的貢獻(xiàn)。生成式AI重要性凸顯。同時(shí)，神經(jīng)網(wǎng)絡(luò)處理器（Neural-networkProcessingUnit，NPU）、現(xiàn)場(chǎng)可編身，稱為GPT-x或基礎(chǔ)模型（FoundationModel，F(xiàn)M）在能力尚未發(fā)展到今天這一階段時(shí)，便已出現(xiàn)了很多算法、模型、框架等?，F(xiàn)在有了以有小模型和不同的插件，整合現(xiàn)有的pp，發(fā)展新的功能，吸引新的用戶。當(dāng)前，微軟公司在這方面就表現(xiàn)出色，從u到ndo，從oot365到ng搜索引擎，微軟已就像是科技版的魔戒，當(dāng)h及其后繼者被越來越多的用戶使用，待它們真正融入存率、用戶交互度，都將全面超越手機(jī)和等硬件、社交工具和熱門游戲等軟件。屆時(shí)將成為每個(gè)人與每一臺(tái)機(jī)器交互的界面，而用戶不再需要對(duì)處理器、算力、存儲(chǔ)給予計(jì)算服務(wù)的公司來說，這也是重塑云的時(shí)刻。ChatGPT器），它們構(gòu)成了算力基石。往上一層是經(jīng)典的IaaS層（InfrastructureasaService，基礎(chǔ)（FoundationalMode），又稱MaaS層（ModelasaService，模型即服務(wù)）。在此之上有許多VFM（VerticalFoundationalModel，垂直基礎(chǔ)模型），比如，用于自動(dòng)駕駛、蛋白質(zhì)解絕，而是可以相互結(jié)合、形成對(duì)用戶價(jià)值更高的應(yīng)用——SaaS（SoftwareasaService，軟圖2.2在這樣的結(jié)構(gòu)下，對(duì)于大模型時(shí)代的競(jìng)爭(zhēng)者而言，似乎每一層都意味著崛起的機(jī)遇?；A(chǔ)設(shè)施層還是在基礎(chǔ)模型層，獲得成功的概率都不太高——事實(shí)上，大多數(shù)創(chuàng)新風(fēng)口應(yīng)該會(huì)出現(xiàn)在垂直基礎(chǔ)模型層及其上的層。不僅如此，要想在部署端（智能手機(jī)、、物聯(lián)設(shè)備、智能汽車和機(jī)器人等）加入的車?yán)?，首先要解決的問題是可靠與精確——讓能夠在最短的時(shí)間內(nèi)對(duì)交通狀況做出最佳的判斷，延時(shí)越短，效果就越好，而不是賦予駕車的以寫詩(shī)作曲、生成影像的功百億級(jí)的投資，也可以嘗試探索一番，pn就是這么成長(zhǎng)起來的。但我覺得，有想法在移動(dòng)互聯(lián)網(wǎng)時(shí)代，和ndod固然發(fā)展得很好，但顯然應(yīng)用層催生了更多的超級(jí)玩家，如今日頭條和kok、微信和淘寶。大模型時(shí)代也是如此。的調(diào)用已不成問題，因而每個(gè)企業(yè)只需要結(jié)合自己的專有數(shù)據(jù)做精調(diào)訓(xùn)練（FineTuning）和提示工程（PromptEngineering），就能以比過去更少的投入獲得更好的反饋與更高的后ChatGPT據(jù)2023年6月國(guó)際數(shù)據(jù)公司（）發(fā)布的報(bào)告，全球每一年產(chǎn)生的數(shù)據(jù)量大約是上一年的1.26倍，增長(zhǎng)速度超出了摩爾定律。其中大部分?jǐn)?shù)據(jù)可能由非中文語(yǔ)種產(chǎn)生，但我認(rèn)為，這對(duì)于訓(xùn)練中文大模型來說，現(xiàn)在乃至以后都不算是限制。原因有兩個(gè)方面：一是我們可以用英文及其他語(yǔ)種的數(shù)據(jù)來訓(xùn)練中文大模型；二是用于訓(xùn)練大模型的數(shù)據(jù)遠(yuǎn)不只文本，還包括視頻、語(yǔ)音等多模態(tài)數(shù)據(jù)。不久，不只是源自信息世界的數(shù)據(jù)，物理世界（自動(dòng)駕駛車輛、機(jī)器人、邊緣設(shè)備、各種工業(yè)設(shè)施等），生物世界（基因組學(xué)、細(xì)胞組學(xué)、人類的大腦器官等）的各種數(shù)據(jù)都可以轉(zhuǎn)變?yōu)閛kn（詞元），供持續(xù)學(xué)習(xí)。甚至某天，研究人員將各種氣息、味道、觸感進(jìn)行數(shù)據(jù)化后喂給，強(qiáng)化其能力。想象一個(gè)線下社交場(chǎng)合，人和人之間交換信息的方式固然以對(duì)話為主，但視、聽、嗅、暫時(shí)處于海面以下。比如，每位駕駛員、每輛車每天產(chǎn)生的數(shù)據(jù)都是級(jí)別的，生物世界的數(shù)據(jù)量級(jí)只會(huì)更高。也就是說，數(shù)據(jù)量絕不會(huì)成為訓(xùn)練中文大模型的瓶頸。了針對(duì)大眾用戶的實(shí)用化產(chǎn)品，如DALL-E、Midjourney、Cursor、Pika、SunoAI等垂直中國(guó)目前有很多聚焦生成式機(jī)遇的新創(chuàng)公司，而且風(fēng)險(xiǎn)投資行業(yè)、高科技企業(yè)也在緊做行業(yè)的垂直模型。到目前為止，更多的機(jī)會(huì)應(yīng)該是在垂直領(lǐng)域，如邊緣智能體、醫(yī)療等。對(duì)此，我的想法是，無(wú)論今后有多少機(jī)構(gòu)和個(gè)人能夠在這輪創(chuàng)新風(fēng)暴中把握成長(zhǎng)契機(jī)，進(jìn)而成為新時(shí)代的弄潮兒，當(dāng)下對(duì)生成式的探索一定會(huì)讓每個(gè)人都倍感興奮——畢竟，未知之門就在前方，每一天都是嶄新的。大模型時(shí)代剛剛揭幕。42千米的馬拉松比，而今可能才跑到5千米路標(biāo)處。中國(guó)在互聯(lián)時(shí)代落后于世界，在移動(dòng)互聯(lián)時(shí)代實(shí)現(xiàn)了特定領(lǐng)域（數(shù)字支付、短視頻等）領(lǐng)先于世界。到了互聯(lián)時(shí)代，我們理應(yīng)給予創(chuàng)業(yè)者、科研人員乃至企業(yè)更多的信心、更多的時(shí)間，畢竟，這場(chǎng)博弈恐怕將曠日持久。第3智能+X準(zhǔn)——深度學(xué)習(xí)之所以能夠掀起又一輪創(chuàng)新的熱潮，核心原因恰恰在于技術(shù)投射至應(yīng)系列數(shù)據(jù)集測(cè)試中壓倒性的表現(xiàn)，還是讓各界不得不承認(rèn)其具有廣闊的價(jià)值空間。的人臉識(shí)別，大到以技術(shù)賦能工業(yè)智能化發(fā)展、打造可實(shí)現(xiàn)城市精細(xì)化管理的城市大腦。技術(shù)構(gòu)建或加持的應(yīng)用可謂蔚為大觀，已融入我們工作和生活的點(diǎn)滴細(xì)節(jié)。以為鑰，我們開啟了第四次工業(yè)革命的大門。隨著時(shí)間的推移，我們看到越來越多的新物種的不斷涌現(xiàn)，與此同時(shí)，人類也很可能會(huì)在的輔佐下進(jìn)化到與歷代前人都不同的全新層次。深度學(xué)習(xí)算法和技術(shù)正在由淺入深地改變著物理世界和數(shù)字世界。根據(jù)埃森哲于2017年發(fā)布的人工智能報(bào)告，到2035年，技術(shù)將推動(dòng)中國(guó)勞動(dòng)生產(chǎn)率提高27值提升約7.1萬(wàn)億美元。不久，從每個(gè)人的生存狀態(tài)到整個(gè)世界都會(huì)變得更加智能，凡是有責(zé)任感的科技工作者都不會(huì)錯(cuò)過這樣的歷史性機(jī)遇。如何與產(chǎn)業(yè)應(yīng)用深度耦合？大體來看，至少可以從兩個(gè)方面創(chuàng)造價(jià)值。一是創(chuàng)造出新的行業(yè)、新的職業(yè)、新的崗位，比如近年來已然成真的訓(xùn)練師、架構(gòu)師，抑或是自動(dòng)駕駛產(chǎn)業(yè)、I自被激活并刷新的未來產(chǎn)業(yè)。二是將作為賦能型技術(shù)，用以升級(jí)固有的信息技術(shù)基礎(chǔ)設(shè)施，進(jìn)而改造、優(yōu)化各個(gè)行業(yè)的生產(chǎn)關(guān)系。在提及賦能產(chǎn)業(yè)時(shí)，我們往往會(huì)聯(lián)想到提質(zhì)增效等關(guān)鍵詞。這些關(guān)鍵詞既展現(xiàn)了術(shù)的產(chǎn)業(yè)價(jià)值，也透露出產(chǎn)業(yè)應(yīng)用對(duì)于技術(shù)的期待。很快，有能力改變或塑造的應(yīng)用場(chǎng)景將比比皆是、不計(jì)其數(shù)。例如，在倉(cāng)儲(chǔ)場(chǎng)景中，可以根據(jù)庫(kù)存狀況、貨物位置檢場(chǎng)景中，可以替代傳統(tǒng)的人工識(shí)別模式，自動(dòng)且精準(zhǔn)地檢測(cè)工業(yè)產(chǎn)品的缺陷，這不僅能將質(zhì)檢工作人員從高強(qiáng)度的重復(fù)勞動(dòng)中解放出來，還能帶來比人工質(zhì)檢更高的準(zhǔn)確率。?B（Benefitsrelativetocosts，成本與效益）：我們的研究能否為客戶或合作伙伴提供清?C（Competition，競(jìng)）：我們的研究成果能否比同類機(jī)構(gòu)的成果更具吸引力一言以蔽之，未來的發(fā)展方向?qū)⑹侵悄埽↖），即把日漸強(qiáng)大的能力投射到千行百業(yè)。不是某個(gè)被收購(gòu)并更名的社交平臺(tái)，而是無(wú)限可能的產(chǎn)業(yè)、無(wú)限產(chǎn)業(yè)的可能。除此之外，我相信，還將大大加速各經(jīng)典學(xué)科的新發(fā)現(xiàn)，尤其是生物、化學(xué)、環(huán)境和材料等科研領(lǐng)域，數(shù)字化與實(shí)驗(yàn)自動(dòng)化的進(jìn)程正飛速推進(jìn)。一場(chǎng)名為科學(xué)智能”（AIforScience）各個(gè)科學(xué)領(lǐng)域的知識(shí)體系即將被刷新，原有的體系內(nèi)將會(huì)涌現(xiàn)出模型這一嶄新的知識(shí)形式。與人類科研工作者相比，尤為擅長(zhǎng)理解高維度的數(shù)據(jù)，即具有大量特征或變量為艱巨、即便耗時(shí)良久也未必能找到答案的任務(wù)（中提煉出氨基酸序列折疊的內(nèi)在法則，進(jìn)而精確預(yù)測(cè)出蛋白質(zhì)結(jié)構(gòu)），對(duì)而言卻沒有那么難。有鑒于此，在新的科學(xué)智能時(shí)代，科學(xué)知識(shí)或許會(huì)由人類能理解的知識(shí)及模型兩部分共同構(gòu)成。（MultimodalPre-trained）、干濕閉環(huán)（Dry-labandWet-labLoop）（AutonomousAI），等等，這些技術(shù)在加速科學(xué)發(fā)現(xiàn)方面發(fā)揮著關(guān)鍵作用，同時(shí)也在潛與生成式可輕松處理自然語(yǔ)言并挖掘、整合知識(shí)，基礎(chǔ)模型能融合多模型結(jié)構(gòu)，實(shí)現(xiàn)驗(yàn)設(shè)計(jì)并實(shí)時(shí)反饋調(diào)整；在人機(jī)交互層面，人與的互動(dòng)可為科學(xué)家提供輔助決策和知索發(fā)現(xiàn)層面，自主可用于探索未知前沿、用于發(fā)現(xiàn)新規(guī)律；在教育研究產(chǎn)業(yè)層面，大學(xué)教育與研究新時(shí)代的開啟，有助于新型人才的培養(yǎng)、新興產(chǎn)業(yè)的萌生。生成式的用途絕不止于內(nèi)容創(chuàng)作領(lǐng)域。的確，它可以生成文案、圖片、視頻，甚至是探索如何將生成式及其背后的大模型應(yīng)用于分子生成，以催生出新型藥物。也就是說，不僅具備顛覆互聯(lián)網(wǎng)內(nèi)容生產(chǎn)模式及相關(guān)生產(chǎn)力的潛力，還有可能在生物醫(yī)藥及其他科學(xué)領(lǐng)域發(fā)動(dòng)一場(chǎng)改天換地般的變革。識(shí)的AI模型生成方式稱為“專家參與的循環(huán)”（ExpertintheLoop）。通過這種方式，藥學(xué)在干濕閉環(huán)和專家可控藥物生成之間，還需要一個(gè)藥物基礎(chǔ)大模型來持續(xù)積累數(shù)據(jù)和知用，在醫(yī)學(xué)科學(xué)方面的能力將得到空前的強(qiáng)化，而這又會(huì)反過來為藥物研發(fā)創(chuàng)造更多的機(jī)遇與可能性。獲取并使用，如蛋白質(zhì)序列目前擁有超過22有2.3億。這些海量、公開的分子序列數(shù)據(jù)完全可以利用大模型來學(xué)習(xí)其語(yǔ)義表征，我們生物、化學(xué)、材料等領(lǐng)域，AI諸多規(guī)則來建模語(yǔ)言，隨后又引入了統(tǒng)計(jì)學(xué)的方法來優(yōu)化軟件，直至當(dāng)下的生成式出于規(guī)則的蛋白質(zhì)理解或抗體設(shè)計(jì)方法都存在被模型增強(qiáng)甚至取代的可能性（見圖3.1）耗力。例如，要進(jìn)行百億規(guī)模的虛擬篩選，或許需要耗費(fèi)3000年的時(shí)間和逾80本。然而，運(yùn)用模型便極有希望大幅加速虛擬篩選的進(jìn)程，所消耗的時(shí)間可能從年縮短至秒，這樣的應(yīng)用前景不能不讓人振奮。圖3.1“ESMAA”藥物設(shè)計(jì)與酶設(shè)計(jì)是兩個(gè)重大的課題。前者是給定蛋白質(zhì)，尋找能夠作用于其上的小分能獲得很多啟示。當(dāng)然，設(shè)計(jì)小分子也面臨不小的挑戰(zhàn)，舉例來說，生成的分子不能與靶點(diǎn)之外的蛋白質(zhì)相互作用，否則會(huì)導(dǎo)致包括副作用在內(nèi)的不良影響。而且，由設(shè)合成，但這些問題既是啟用前便可預(yù)料到的，又是肯定會(huì)被逐步優(yōu)化與解決的。大多依賴科研人員的經(jīng)驗(yàn)和知識(shí)，因而很難覆蓋整個(gè)設(shè)計(jì)空間。因此，利用進(jìn)行有機(jī)發(fā)光分子的設(shè)計(jì)具有極為龐大的潛力。今后，生物學(xué)、化學(xué)、材料科學(xué)、環(huán)境、農(nóng)業(yè)等眾多領(lǐng)域，都將實(shí)現(xiàn)由驅(qū)動(dòng)的科學(xué)發(fā)施；第二，開展有關(guān)科學(xué)與深度融合的研究；第三，助力建設(shè)、完善全球?qū)W術(shù)網(wǎng)絡(luò)和增長(zhǎng)的孵化器及風(fēng)險(xiǎn)投資網(wǎng)絡(luò)的快速成形。總的來說，I新科學(xué)是一個(gè)新穎且前沿的領(lǐng)域。人工智能與物質(zhì)奧秘的對(duì)撞為全世界自然世界的理解也會(huì)更透徹、更深刻。借助的技術(shù)手段，科研人員能夠處理規(guī)模更龐大、結(jié)構(gòu)更復(fù)雜的數(shù)據(jù)，探索過去未能分辨的現(xiàn)象和規(guī)律，進(jìn)而推動(dòng)新的科學(xué)發(fā)現(xiàn)。人工智能+（HealthComputing）作為一種新型智能科學(xué)計(jì)算模式，是以AI和數(shù)據(jù)驅(qū)動(dòng)為核心的第四第2章粗略地介紹過深度學(xué)習(xí)算法的演變情況，大體上，算法革新令的能力突飛猛進(jìn)，但在能力倍速進(jìn)化的同時(shí)，也須確保技術(shù)可控。特別是當(dāng)我們寄望于將變成助力生的態(tài)度來直面。在可信AI計(jì)算方面，近年來也有了不小的進(jìn)展。以聯(lián)邦學(xué)習(xí)（FederatedLearning）為例，聯(lián)邦學(xué)習(xí)主要有三種模式：一是橫向聯(lián)邦學(xué)習(xí)（HorizontalFederatedLearning），面向具是縱向聯(lián)邦學(xué)習(xí)（VerticalFederatedLearning），面向樣本相同但特征不同的場(chǎng)景，能夠保證多模態(tài)數(shù)據(jù)間的隱私性；三是聯(lián)邦遷移學(xué)習(xí)（FederatedTransferLearning），面向樣在確保安全可控的前提下，正在推動(dòng)生命科學(xué)與生物醫(yī)藥領(lǐng)域的連鎖創(chuàng)新持續(xù)加速。眼下，在蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、基因編輯技術(shù)、抗體個(gè)性化的疫苗研發(fā)、精準(zhǔn)個(gè)人健康管理與公共衛(wèi)生、AI+醫(yī)療與生命科學(xué)、AI輔助藥物研發(fā)、AI+基因分析與編想要更好地利用的能力、發(fā)現(xiàn)生命的奧秘，就需要構(gòu)建出專注于生命科學(xué)課題的基打造旗艦級(jí)公開數(shù)據(jù)集、組織算法挑戰(zhàn)競(jìng)、搭建智能生命科學(xué)的眾智平臺(tái)等方式，加速培養(yǎng)跨界人才，壯大產(chǎn)業(yè)生態(tài)。義）的問題。phod2的任務(wù)選擇對(duì)后繼研究者的啟示在于，要找到生命科學(xué)中意義重大但又能抽象為適合的研究任務(wù)。二是模型的優(yōu)越性。在漫長(zhǎng)周期內(nèi)，一代代學(xué)者對(duì)生命科學(xué)的鉆研積累了大規(guī)模的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)；而phod2的模型架構(gòu)充分利用了點(diǎn)。因此，另一個(gè)啟示是，在嘗試進(jìn)行智能生命科學(xué)的研究時(shí)，要注重跨界破壁與第四研究范式的重要性。顯然，phod2測(cè)為生命科學(xué)的研究者提供了高效的計(jì)算工具，也為基于的重大新發(fā)現(xiàn)創(chuàng)造出可能。未來，抗體、抗原的表位預(yù)測(cè)和腫瘤的精準(zhǔn)療法以及個(gè)性化疫苗的設(shè)計(jì)與優(yōu)化都將成為重要的研究熱點(diǎn)，并將在驅(qū)動(dòng)的新計(jì)算模式的作用下取得一系列突破，智能生命科學(xué)的黃金時(shí)代已近在眼前?？梢灶A(yù)見的是，在探索未知的過程中，還將面對(duì)許多不期而遇的科學(xué)挑戰(zhàn)，但這也意味算框架。一方面，模型將通過高通量、多輪濕實(shí)驗(yàn)的閉環(huán)驗(yàn)證和數(shù)據(jù)填充變得更加智能；另一方面，通過主動(dòng)學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等方式，能夠主動(dòng)規(guī)劃濕實(shí)驗(yàn)的自動(dòng)化執(zhí)開源。同時(shí)，團(tuán)隊(duì)還聯(lián)合開源了全球首個(gè)免費(fèi)可商用、生物醫(yī)藥專用的Llama2大語(yǔ)言模?在虛擬藥物篩選方面，團(tuán)隊(duì)發(fā)現(xiàn)了一種應(yīng)用于高通量小分子虛擬篩選的靶點(diǎn)對(duì)工具ug，首次實(shí)現(xiàn)了單機(jī)每日篩選百萬(wàn)億小分子的成就，篩選結(jié)果在多類靶點(diǎn)上通過了生物學(xué)實(shí)驗(yàn)驗(yàn)證。不僅如此，團(tuán)隊(duì)還將蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的虛擬數(shù)據(jù)應(yīng)用于ug，19（2019新型冠狀病毒）的思路和范式，奠定了抗體設(shè)計(jì)的堅(jiān)實(shí)理論和實(shí)踐基礎(chǔ)。另外，新抗體還是全球范圍內(nèi)首個(gè)由算法設(shè)計(jì)出的具有臨床價(jià)值的廣譜新冠中和抗體。?智能體醫(yī)院（AgentHospital）。2024年5月，智慧醫(yī)療團(tuán)隊(duì)完成的論文《智能體醫(yī)院：（gntopaASuaumofopalhoabedalgn）在國(guó)內(nèi)外醫(yī)學(xué)I領(lǐng)域得到了廣泛關(guān)注和討論。就像是美劇《西部世界》中的場(chǎng)景，2024年11個(gè)智能體醫(yī)院上線，首批來自21個(gè)科室的42位醫(yī)生正式亮相，定向邀請(qǐng)專業(yè)人士訪問醫(yī)院，對(duì)醫(yī)生的疾病診斷能力進(jìn)行內(nèi)部測(cè)試。智能體醫(yī)院在模擬現(xiàn)實(shí)醫(yī)院設(shè)施與流程的基礎(chǔ)上，建立了擬人度高、分布廣、類型多樣的患者，醫(yī)生由此能夠在虛擬的醫(yī)能力。近年來，相關(guān)技術(shù)的進(jìn)展和突破可以說是接踵而至，令人目不暇接。就像火種點(diǎn)燃導(dǎo)命科學(xué)正是被深刻影響的領(lǐng)域之一。前期臨床階段的時(shí)間縮短25%~50%，成效驚人，而且這還只是開始。事實(shí)上，基因科學(xué)與信息科學(xué)存在著某種堪稱玄妙的關(guān)聯(lián)。首先，兩者都涉及復(fù)雜信息的存儲(chǔ)、傳遞、處理與解碼。與計(jì)算機(jī)采用0和1二進(jìn)制系統(tǒng)來編碼信息相似，使用（腺嘌呤）、（胸腺嘧啶）、（胞嘧啶）、（鳥嘌呤）四種堿基來編碼與傳遞生物在著句法結(jié)構(gòu)，特定序列的功能取決于它在序列中的位置和上下文，基因表達(dá)中的一些冗余就類似于語(yǔ)言中的同義詞和句法冗余，基因表達(dá)的調(diào)控方式就好比自然語(yǔ)言與處理系統(tǒng)，基因可以說是生命科學(xué)的密碼系統(tǒng)，而可以通過多種方式輔助人類破解物學(xué)等等。因；“BERT”（BidirectionalEncoderRepresentationsfromTransformers）即基于雙向今后，破壁計(jì)劃壁，技術(shù)正在打通與其他專業(yè)領(lǐng)域之間的壁壘，通過結(jié)合與賦能，為其他產(chǎn)業(yè)帶來巨變。的方法，即和數(shù)據(jù)驅(qū)動(dòng)的第四研究范式來輔助人們探索并解決生命健康問題已成為一個(gè)重要的研究方向。今后，需要學(xué)術(shù)界和產(chǎn)業(yè)界共同推動(dòng)生命科學(xué)、生物醫(yī)藥、基因工久的周期里，我們將面對(duì)無(wú)窮無(wú)盡的科學(xué)發(fā)展與產(chǎn)業(yè)創(chuàng)新機(jī)遇。第4如今，我們可以通過智能感知融合多元、多維的異構(gòu)數(shù)據(jù)；利用分析引擎，從而對(duì)數(shù)據(jù)進(jìn)行深度解讀，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)、輔助的智能決策；基于更及時(shí)、更精準(zhǔn)的決策，全面優(yōu)化企業(yè)在產(chǎn)業(yè)鏈中的資源配置。這種o的感知決策優(yōu)化還能循環(huán)迭代，不斷賦能產(chǎn)業(yè)綠色升級(jí)，助力碳中和（見圖4.1）。圖4.1AIoT賦能綠色計(jì)算，助力“碳中和氫能等。從發(fā)電、輸電、供電到儲(chǔ)能、用能、節(jié)能，都存在很多需要改進(jìn)之處。利用o技術(shù)，我們可以實(shí)時(shí)、準(zhǔn)確地監(jiān)控碳排放與碳足跡，優(yōu)化智能機(jī)組控制，感知并預(yù)進(jìn)行節(jié)能優(yōu)化。（ulhueh，）訓(xùn)練no大模型會(huì)排放高達(dá)284噸的二氧化碳。我曾和團(tuán)隊(duì)的科學(xué)家說，應(yīng)該優(yōu)先探索大規(guī)模數(shù)據(jù)中心，特別是用于算法大模型支持的基礎(chǔ)設(shè)施的減排之道。如果能把類似設(shè)施的排放減少10，就算是了不起的階段性成就。的研究。對(duì)于智能通信，我們也可以利用進(jìn)行多基站、超大規(guī)模的（多輸入多輸出）與持續(xù)的方案迭代。在新一代計(jì)算架構(gòu)方面，需要設(shè)計(jì)出超低功耗的專用芯片，打造高能效的模型訓(xùn)練系統(tǒng)和模型執(zhí)行系統(tǒng)。在綠色建筑與綠色交通等領(lǐng)域，o不僅大有可為，更應(yīng)為所當(dāng)為。通過多源異構(gòu)感知與城市資源調(diào)動(dòng)優(yōu)化，打造綠色城市。再聚焦樓宇和園區(qū)，o可以助力智能運(yùn)營(yíng)管第四個(gè)方向是將制造轉(zhuǎn)型為真正的智造態(tài)：中國(guó)制造業(yè)的未來》（hetoaheuueofanuaung），以及2019年微軟與普華永道的一項(xiàng)聯(lián)合研究，制造業(yè)應(yīng)用后，能夠顯著提升能源使用效率、降低原材料損耗、降低總體維護(hù)成本；能夠節(jié)約15%~30的能耗，延長(zhǎng)設(shè)備使用壽命，減少10%~25的運(yùn)輸碳排放。這些立竿見影的改變將逐步遏制進(jìn)而消弭制造業(yè)對(duì)環(huán)境的損害。（ComputerAidedDesignAndManufacturing，CADAM）的過程中深入融入AI的能力。（CustomertoManufacturer，C2M）模式的供給側(cè)基礎(chǔ)。盡管在可預(yù)見的一段時(shí)間內(nèi)，并（MaketoOrder，MTO）的生產(chǎn)模式，就像是按下了連鎖變革的按鈕，C2M模式將成為AIoT+在我看來，政企學(xué)各界完全可以通過多方協(xié)同方式，共同打造一個(gè)深度融合了o能力的綠色計(jì)算平臺(tái)，利用端邊云協(xié)同的、底層的高能效動(dòng)的決策優(yōu)化算法，如強(qiáng)化學(xué)習(xí)、多智能體協(xié)同等，進(jìn)而賦能產(chǎn)業(yè)綠色化，建設(shè)更多的綠色智能計(jì)算中心、綠色園區(qū)、綠色工業(yè)園等。有關(guān)o綠色計(jì)算課題的探索，暫時(shí)或可著眼于兩個(gè)方面的研究：一是高能效統(tǒng)，包括在端側(cè)設(shè)備上運(yùn)行的模型、邊緣服務(wù)器的資源管理和在云服務(wù)器上的模型訓(xùn)練；二是利用提質(zhì)增效、節(jié)能減排，不斷打磨面向o的數(shù)據(jù)驅(qū)動(dòng)和決策優(yōu)化算法引擎。具身智能與《全球機(jī)器人產(chǎn)業(yè)加快創(chuàng)新發(fā)展》，人民日?qǐng)?bào)，2024年12月11一方面，國(guó)際機(jī)器人聯(lián)合會(huì)發(fā)布的《2024世界機(jī)器人報(bào)告》顯示，2023總保有量約428.2萬(wàn)臺(tái)，較2022年增長(zhǎng)10，服務(wù)機(jī)器人市場(chǎng)持續(xù)增長(zhǎng)。數(shù)據(jù)統(tǒng)計(jì)網(wǎng)站的最新數(shù)據(jù)預(yù)計(jì)，2024年機(jī)器人市場(chǎng)營(yíng)收將達(dá)到461.1億美元。服務(wù)機(jī)器人占據(jù)市場(chǎng)主導(dǎo)地位，預(yù)計(jì)2024年市場(chǎng)規(guī)模將達(dá)到362億美元，2029年將達(dá)到730.1億美元。另一方面，調(diào)研與市場(chǎng)公司預(yù)測(cè)，2026年，全球無(wú)人駕駛汽車的市場(chǎng)規(guī)模將達(dá)到594億美元，與2021年的273億美元相比，規(guī)模將翻一番。過去5年來，受外部環(huán)境的影響，雖時(shí)有波般的產(chǎn)業(yè)。（SimulationtoReality，Sim2Real）技術(shù)，讓有效降低智能機(jī)器人和自動(dòng)駕駛的迭代開發(fā)我們將智能體的能力表現(xiàn)由弱至強(qiáng)、由低至高設(shè)定出六階（從L1~L6），分別為步驟執(zhí)?L1：簡(jiǎn)單步驟的跟進(jìn)（SimpleStepFollowing），對(duì)應(yīng)步驟執(zhí)行階。大模型與生成式?L2：確定性任務(wù)自動(dòng)化（DeterministicTaskAutomation），對(duì)應(yīng)步驟制定階。除了跟進(jìn)?3：策略性任務(wù)自動(dòng)化（gckuoon），對(duì)應(yīng)規(guī)劃與反思階。這一階是人類智能有別于其他生物與的重要體現(xiàn)，也是發(fā)展的關(guān)鍵目標(biāo)之一。當(dāng)前，盡管在個(gè)目標(biāo)的過程中，的表現(xiàn)都有待提高。而且，的反思能力是有限的。例如，它雖然確定性任務(wù)自動(dòng)化相比，策略性任務(wù)自動(dòng)化更強(qiáng)調(diào)智能體的學(xué)習(xí)能力、適應(yīng)性和決策能力。?4：記憶與上下文意識(shí)（oyndonxtn），對(duì)應(yīng)用戶需求發(fā)現(xiàn)階。記憶與上下文意識(shí)是系統(tǒng)能夠理解、回應(yīng)、準(zhǔn)確預(yù)判用戶需求的基礎(chǔ)。這要求能夠建?L5：自主化身（AutonomousAvatar），對(duì)應(yīng)專業(yè)決策階。自主化身的實(shí)質(zhì)是具備高度時(shí)，也就預(yù)示著“無(wú)所不在的人機(jī)分離服務(wù)”（UbiquitousHuman-DeviceSeparatedServices）成為現(xiàn)實(shí)。在這樣的服務(wù)模式下，人與設(shè)備之間的交互不再局如今的智能體具備的能力大致處于L2~L3。在加速AI研發(fā)進(jìn)程、發(fā)掘智能體能力的同RSRRSR模式首先需要場(chǎng)景理解（SceneUnderstanding），其次需要系統(tǒng)理解。將目標(biāo)遷移至與之相關(guān)的一項(xiàng)工作是“場(chǎng)景圖”（SceneGraph）。它是一種用于組織、表達(dá)場(chǎng)景中對(duì)象強(qiáng)化學(xué)習(xí)，二是通過庫(kù)普曼算子（KoopmanOperator）部署MPC策略。▲圖4.2▲圖4.3總而言之，在數(shù)字化3.0時(shí)代，數(shù)字空間與物理空間、比特世界與原子世界的互映射關(guān)系將大大加強(qiáng)，而模式將會(huì)成為連接兩個(gè)空間、兩個(gè)世界的重要橋梁與紐帶。這一模式十年內(nèi)巨大的產(chǎn)業(yè)創(chuàng)新機(jī)遇，但同時(shí)也需要從業(yè)人員對(duì)其進(jìn)行更多、更深入的研究。第5人工智能+自動(dòng)駕駛不僅可以實(shí)現(xiàn)，還有望成為主流的出行方式自動(dòng)駕駛將成為萬(wàn)億級(jí)道圖5.1首先，自動(dòng)駕駛能夠極大地提升交通安全和效率。世界衛(wèi)生組織（）發(fā)布的《2023年全球道路安全現(xiàn)狀報(bào)告》表明，2021年全球約有119萬(wàn)人因道路交通事故死亡。其中大多數(shù)事故是人為錯(cuò)誤導(dǎo)致的，而的介入可以大幅降低人為事故隱患。自動(dòng)駕駛技術(shù)類駕駛安全系數(shù)的10倍——假以時(shí)日，這一標(biāo)準(zhǔn)還可能會(huì)升至100倍甚至更高。中國(guó)未來很可能成為全球最大的自動(dòng)駕駛市場(chǎng)，2030狹義的問題，可以被分解為有邊界的子領(lǐng)域技術(shù)問題。因此，我認(rèn)為自動(dòng)駕駛不僅可類駕駛員實(shí)現(xiàn)數(shù)量級(jí)的提升，就存在投入研究、推進(jìn)研究的價(jià)值。自汽車和飛機(jī)發(fā)明100前全球市場(chǎng)的領(lǐng)導(dǎo)者之一，特斯拉汽車公司于2003年成立，但直到2020ALVINN（AutonomousLandVehicleinaNeuralNetwork，神經(jīng)網(wǎng)絡(luò)中的自主陸地車輛）第三個(gè)階段（2010年代晚期至今）：大模型和生成式。技術(shù)，特別是端到端學(xué)習(xí)、和適應(yīng)性。這一階段的案例以蘿卜快跑的無(wú)人出租車和特斯拉的為代表。隨著算法提升、技術(shù)成為主導(dǎo)，poo平臺(tái)的規(guī)則開始逐步變少——系統(tǒng)自身可以學(xué)習(xí)和總結(jié)規(guī)則，做出判斷。在向著新五化離合器、變速箱等工程要素為主的架構(gòu)，逐步擴(kuò)展至包容了電化學(xué)（電池）、半導(dǎo)體芯片、算法、互聯(lián)網(wǎng)應(yīng)用等繁多、全新的技術(shù)要素，汽車產(chǎn)業(yè)也在不知不覺中升級(jí)為一個(gè)嶄新的交叉型產(chǎn)業(yè)?？v覽眾多助推產(chǎn)業(yè)轉(zhuǎn)型升級(jí)的技術(shù)要素，將成為未來5~10年內(nèi)全球汽車產(chǎn)業(yè)最重要的變革和突破力量?？v覽技術(shù)的發(fā)展歷史與演進(jìn)趨勢(shì)，它與自動(dòng)駕駛系統(tǒng)可謂天作之合。在真正崛起前同的垂直行業(yè)、不同的創(chuàng)新產(chǎn)品，是無(wú)數(shù)人的美好期待。然而，只有在當(dāng)下的數(shù)字化3.0足以支撐自動(dòng)駕駛研究的大數(shù)據(jù)。的機(jī)械技術(shù)與更聰慧的技術(shù)的有機(jī)結(jié)合，用戶甚至可以將之理解為一臺(tái)有著汽車外形的機(jī)器人。從技術(shù)角度來看，我認(rèn)為是自動(dòng)駕駛汽車最核心、最具難度、最有挑戰(zhàn)性的要素，同時(shí)也是未來5~10年里應(yīng)用前景最廣闊的技術(shù)。在自動(dòng)駕駛領(lǐng)域的應(yīng)用與通用型機(jī)器人有所區(qū)別，它的系統(tǒng)更加復(fù)雜，但并不是不可實(shí)現(xiàn)。面（Human-MachineInterface，HMI）等多方面技術(shù)的集成。從架構(gòu)來說，整個(gè)自動(dòng)駕駛一個(gè)基礎(chǔ)——尤其值得一提的是端到端學(xué)習(xí)（End-to-EndLearning），即讓神經(jīng)網(wǎng)絡(luò)模型直接從攝像式AI、激光雷達(dá)、毫米波雷達(dá)、高分辨率攝像頭及車聯(lián)網(wǎng)（VehicletoEverything，V2X）車輛營(yíng)運(yùn)為生的人類駕駛員的權(quán)益。就像大模型和生成式帶來了數(shù)據(jù)標(biāo)注師（又稱I訓(xùn)練師）如無(wú)人駕駛車輛也需要運(yùn)營(yíng)人員的支持。的輸入，因而需要持續(xù)優(yōu)化的是感知AI的真值（GroundTruth）標(biāo)注方法與決策、規(guī)劃AI常稱為閉集世界模型。這種表達(dá)方式雖然極盡簡(jiǎn)化，卻是整個(gè)系統(tǒng)的天花板。人類——即便是小孩子——武裝的自動(dòng)駕駛系統(tǒng)卻只能做到感知物（的數(shù)目一般不超過20）。所以，研發(fā)者需要的是能夠感知萬(wàn)物的開集世界模型來編碼全量場(chǎng)景信息，而不是編碼極簡(jiǎn)信息。但開集世界模型本身的定義和真值是開放性問題，與感知訓(xùn)練數(shù)據(jù)集的重新構(gòu)建息息相關(guān)。如何訓(xùn)練決策、規(guī)劃也是一個(gè)核心問題，特別是研發(fā)者需要的決策性、規(guī)劃性能夠就能解決的問題。與以開環(huán)為主的感知算法相比，決策、規(guī)劃由于是閉環(huán)系統(tǒng)，也就給監(jiān)督式的模仿學(xué)習(xí)（onnng）帶來了很大的挑戰(zhàn)。模仿學(xué)習(xí)通過觀察專業(yè)人士的示范、效仿駛員呢？總不能通過死機(jī)再重啟的方式來逃避危險(xiǎn)吧？但現(xiàn)實(shí)中又不可能依靠大量司機(jī)分布不同，訓(xùn)練決策、規(guī)劃的難度較高。決策、規(guī)劃的樣本分布本質(zhì)上是通過多個(gè)智能體、多個(gè)場(chǎng)景組合而成，分布非常稀疏，因此對(duì)小樣本學(xué)習(xí)的要求很高，需要能夠苛刻的要求。同時(shí)，通過模式訓(xùn)練決策、規(guī)劃，嘗試解決數(shù)據(jù)數(shù)量和分布的問題。如果仿真器能做到足夠真實(shí)，基于策略的強(qiáng)化學(xué)習(xí)（noy）或許可以顯著提升的性能，甚至超力于生成更真實(shí)的駕駛行為。傳感器的仿真渲染隨著神經(jīng)輻射場(chǎng)（NeuralRadianceFields，NeRF）、高斯濺射（GaussianSplatting）另外，道路環(huán)境的變化有時(shí)也會(huì)出乎自動(dòng)駕駛系統(tǒng)的意料，比如突發(fā)的自然災(zāi)害或糟糕提升了自動(dòng)駕駛感知認(rèn)知難度的上限；過時(shí)或未被標(biāo)注的道路條件因素（如破損、坑洼、遺灑等客觀條件，以及擁堵、事故、管制等主觀條件）能適應(yīng)能力的上限；暫且做不到百分之百穩(wěn)定無(wú)損耗傳輸?shù)脑栖囆畔⒔粨Q系統(tǒng)因素，如通信基站出現(xiàn)故障、通信網(wǎng)絡(luò)被攻擊等，考驗(yàn)了車聯(lián)網(wǎng)多維性能的上限。第二，單車感知長(zhǎng)尾問題限制了自動(dòng)駕駛車輛運(yùn)行設(shè)計(jì)域（ponlgnon，）。運(yùn)行設(shè)計(jì)域通常指自動(dòng)駕駛系統(tǒng)功能設(shè)定的運(yùn)行條件，包括環(huán)境、地理和時(shí)段度上制約了自動(dòng)駕駛的規(guī)?；?、商業(yè)化落地。運(yùn)行設(shè)計(jì)域有很多限制條件：一是道路類型，如高速公路、山區(qū)道路、無(wú)信號(hào)燈的十字路口等；二是環(huán)境條件，天氣狀況（雨、雪、霧、強(qiáng)風(fēng)等）和日照狀況（晝或夜、逆光或弱光）要增加車載傳感器的數(shù)量。目前L4級(jí)自動(dòng)駕駛車輛的硬件單元一般包含6~12臺(tái)攝像頭、3~12臺(tái)毫米波雷達(dá)、5臺(tái)以內(nèi)激光雷達(dá)，以及1~2臺(tái)全球?qū)Ш叫l(wèi)星系統(tǒng)（GlobalNavigationSatelliteSystem，GNSS）（InertialMeasurementUnit，IMU）和1~2臺(tái)車載計(jì)算系統(tǒng)。即便近年來傳感器元件的價(jià)應(yīng)對(duì)上述挑戰(zhàn)的關(guān)鍵是新的技術(shù)與車路協(xié)同。近年來，單車智能在快速進(jìn)化，硬件元知范圍，提升其感知能力。引入人車路的多維數(shù)據(jù)，更能實(shí)現(xiàn)群體智能或稱多車智能，從根本上突破單車自動(dòng)駕駛場(chǎng)景中遇到的感知與決策瓶頸。由此，研發(fā)者和企業(yè)便有機(jī)會(huì)在較短的時(shí)間內(nèi)繪制出自動(dòng)駕駛車輛滿地跑的盛景。2015年以后，深度學(xué)習(xí)技術(shù)的發(fā)展賦予了感知目標(biāo)與障礙物的能力，降低了自動(dòng)駕駛（FullSelf-Driving，F(xiàn)SD）V12端到端版本的發(fā)布，業(yè)內(nèi)專家認(rèn)為，基于AI的決策規(guī)劃算新的技術(shù)演進(jìn)趨勢(shì)意味著，感知和決策、規(guī)劃已被整合為一個(gè)統(tǒng)一的模型，即端到端的模型。從自動(dòng)駕駛技術(shù)架構(gòu)的變遷來看，幾乎每一次技術(shù)的進(jìn)步都能為其帶來架構(gòu)的重大升級(jí)。而以D12的多項(xiàng)改進(jìn)來看，自動(dòng)駕駛端到端接下來需要考慮的，主要是如何借助端到端來改造自動(dòng)駕駛的技術(shù)架構(gòu)、解決余下的技術(shù)痛點(diǎn)問題。自動(dòng)駕駛系統(tǒng)的復(fù)雜度可能比其他智能硬件（如手機(jī)和）系統(tǒng)的復(fù)雜度高百倍。車輪擷數(shù)據(jù)、清洗數(shù)據(jù)，感知4場(chǎng)景，列出駕駛行為策略的推薦項(xiàng)并做出安全的決策規(guī)劃等所有動(dòng)作，行為以車端為主、以云端為輔，雖然自動(dòng)駕駛是車云路三位一體的決策產(chǎn)物，但這些決策的主體理應(yīng)是車，也必須是車。云當(dāng)然也很重要，但作為系統(tǒng)的研發(fā)者每一次決策都應(yīng)是及時(shí)、安全、精確的。關(guān)于新的技術(shù)對(duì)自動(dòng)駕駛的影響，舉幾個(gè)簡(jiǎn)單的例子。首先，過去這些年，研發(fā)者做過的測(cè)試可謂不計(jì)其數(shù)，企業(yè)為此投入的資金也堪稱巨量，poo這樣的自動(dòng)駕駛車輛跑過的里程已超過1億千米，收集到的數(shù)據(jù)更是規(guī)模龐大。這種測(cè)試對(duì)技術(shù)的迭代來說很有分邊角案例（onr）。而且，還有一個(gè)悖論：研發(fā)者希望收集到更多事故的數(shù)據(jù)，但自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)初衷是盡一切可能避免事故。在這種情況下，生成式就變得很奔馳都進(jìn)行過相關(guān)課題的合作，成效十分顯著。再比如，有時(shí)自動(dòng)駕駛系統(tǒng)的決策黑盒味很重，也就是說，其做出決策的計(jì)算過程和邏會(huì)剎車、會(huì)加速、會(huì)換道。生成式能支持系統(tǒng)用自然語(yǔ)言與研發(fā)者進(jìn)行交流，最終可簡(jiǎn)單的一種交互方式。自動(dòng)駕駛系統(tǒng)固然重要，整體交通系統(tǒng)也非常重要?，F(xiàn)在，我和團(tuán)隊(duì)可以用生成式去中做測(cè)試，往往既耗時(shí)間、金錢，所獲得的知識(shí)與經(jīng)驗(yàn)又少得可憐，因此使用生成式I實(shí)數(shù)據(jù)生成新的數(shù)據(jù)，再以這些數(shù)據(jù)來喂養(yǎng)系統(tǒng)，從而構(gòu)建一個(gè)端到端的閉環(huán)。首先，美國(guó)自動(dòng)駕駛領(lǐng)域的研發(fā)是由企業(yè)主導(dǎo)的，如yo、通用汽車旗下的u、特能。最后，美國(guó)自動(dòng)駕駛在垂直領(lǐng)域的應(yīng)用相對(duì)較多，例如，卡特彼勒就在深耕采礦行專業(yè)領(lǐng)域。我曾受邀參觀卡特彼勒在澳大利亞的礦場(chǎng)（見圖5.2），在很多人的想象中，是由卡特彼勒的技術(shù)專家遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)與操控，而且卡特彼勒的礦山之星▲圖5.2▲圖5.3《全國(guó)機(jī)動(dòng)車達(dá)4.4億輛，駕駛?cè)诉_(dá)5.32億人》，新華社，2024年7月8國(guó)的優(yōu)勢(shì)。車路協(xié)同不僅對(duì)未來的自動(dòng)駕駛有利，還能夠?yàn)槟壳罢谑褂玫?.4億輛機(jī)動(dòng)車賦能，使整體交通的效率更高、排放更低。而在車路協(xié)同的發(fā)展進(jìn)程中，自動(dòng)駕駛車輛也能從感知協(xié)同、決策協(xié)同逐步過渡到參與交通系統(tǒng)優(yōu)化與智慧城市的建設(shè)大業(yè)中。2021年5月，我們與百度聯(lián)合發(fā)布了poo計(jì)劃，旨在深入探索中國(guó)車路協(xié)同技術(shù)領(lǐng)域的無(wú)人區(qū)。我們提出了一個(gè)智能道路的分級(jí)體系，將道路依照其智能程度劃分出6個(gè)層級(jí)——從智能程度最低的0到最高的5。道路智能化等級(jí)越高，對(duì)車輛智能化的要求器，僅依靠道路側(cè)輕量感知的前提下，利用2、5等無(wú)線通信技術(shù)來實(shí)現(xiàn)車路云協(xié)同的4級(jí)自動(dòng)駕駛。當(dāng)然，我更想看到的是，單車智能和道路智能的程度都能在某一天無(wú)論是美國(guó)的yo、特斯拉還是中國(guó)的頭部企業(yè)，之所以能在自動(dòng)駕駛領(lǐng)域取得領(lǐng)先國(guó)內(nèi)自動(dòng)駕駛企業(yè)應(yīng)奮起直追，直至超越。ArgoAI突然宣布解散。盡管背靠福特和大眾兩大國(guó)際汽車巨頭，ArgoAI依然未能存活，我原本判斷，國(guó)外這些自動(dòng)駕駛公司會(huì)更早地退出場(chǎng)。它們或許選對(duì)了方向，但由于資場(chǎng)淘汰。今后幾年，我們會(huì)看到一些企業(yè)黯然脫離自動(dòng)駕駛道，甚至面臨破產(chǎn)。最終幸存并堅(jiān)持留在道上的，可能只有5~10家自動(dòng)駕駛企業(yè)。所以，是時(shí)候提升危機(jī)感和分為乘用車、商用車、工程用車；按自動(dòng)駕駛的智能表現(xiàn)劃分，可分為L(zhǎng)1~L5五個(gè)層僅以乘用車規(guī)模為例，根據(jù)中國(guó)汽車工業(yè)協(xié)會(huì)數(shù)據(jù)，20232612.4萬(wàn)輛和2606.3截至2024年，中國(guó)具備組合駕駛輔助功能的乘用車數(shù)量約為995.3萬(wàn)輛。這些車輛的市場(chǎng)滲透率達(dá)到了47.3%，顯示出輔助駕駛技術(shù)在中國(guó)市場(chǎng)的快速普及和應(yīng)用。輛狀態(tài)等全量數(shù)據(jù)。百度自動(dòng)駕駛車隊(duì)每天采擷的數(shù)據(jù)總量達(dá)300~400TB。一般的量產(chǎn)乘用車收集的高價(jià)值數(shù)據(jù)（如特殊場(chǎng)景等），上傳的數(shù)據(jù)量也能達(dá)到約每月11TB/車。根據(jù)hnhn的數(shù)據(jù)，2023年1月至7月，中國(guó)有逾20萬(wàn)輛乘用車配備了激光雷達(dá)作為標(biāo)準(zhǔn)代工配置，同比增長(zhǎng)523.3%，預(yù)計(jì)全年將超過35萬(wàn)輛。該機(jī)構(gòu)預(yù)測(cè)，到2025年，激光雷達(dá)將安裝在超過60萬(wàn)輛的汽車中。很多新型車輛已配備激光雷達(dá)。盡管2024年10月舉辦的特斯拉,obo”發(fā)布會(huì)似乎意味著，美國(guó)自動(dòng)駕駛與機(jī)器人的駛與車路協(xié)同測(cè)試基地。當(dāng)前，示范區(qū)已完成“車路-云一體化試驗(yàn)環(huán)境搭建與小規(guī)模部署，即將實(shí)現(xiàn)600平方千米智能網(wǎng)聯(lián)道路和智慧城市專網(wǎng)覆蓋。在這一方面，歐美盡管研發(fā)啟動(dòng)更早，卻不如中國(guó)部署快、落地好。例如，在武漢，上千輛基于po平臺(tái)的蘿卜快跑（pooo）自動(dòng)駕駛車輛正在72小時(shí)不停歇地為市民提供安全出行服務(wù)，服務(wù)范圍涵蓋約3000平方千米的城市區(qū)域，累計(jì)服務(wù)人次達(dá)1700萬(wàn)。圖5.4為張亞勤與蘿卜快跑自動(dòng)駕駛車輛的合影。圖5.4今天，自動(dòng)駕駛產(chǎn)業(yè)的去泡沫化進(jìn)程已基本完成，自動(dòng)駕駛的春天逐漸臨近。2024年10通用技術(shù)平臺(tái)WeRideOne的文遠(yuǎn)知行也成功于納斯達(dá)克掛牌上市。小馬智行不久后也成大受追捧的英偉達(dá)大算力芯片OrinX早在2021254TOPS（處理器運(yùn)算能力單位）的計(jì)算能力，支持L2+~L5級(jí)別的自動(dòng)駕駛。更強(qiáng)大的DriveThor計(jì)算平臺(tái)，則可實(shí)現(xiàn)最高2000TOPSAI算力以及2000TFLOPS浮點(diǎn)算力，大??一層經(jīng)過模塊內(nèi)置的應(yīng)用模型——主要是實(shí)時(shí)蒸餾模型的處理、清洗、轉(zhuǎn)換，由感知大模型與決策大模型將數(shù)據(jù)轉(zhuǎn)化為任務(wù)，交由上一層來完成。輸、匯總至平臺(tái)，通過圖神經(jīng)網(wǎng)絡(luò)（GraphNeuralNetwork，GNN）和圖結(jié)構(gòu)表征并基于po平臺(tái)，大力推動(dòng)自動(dòng)駕駛技術(shù)在中國(guó)迅速、安全、平穩(wěn)落地——截至2023年，po聯(lián)盟已擁有200多家成員企業(yè)，自動(dòng)駕駛里程總數(shù)超過1億千米，落地運(yùn)營(yíng)的城市達(dá)20多個(gè)，完成的載人訂單數(shù)超300萬(wàn)單。作為po理事會(huì)的理事長(zhǎng)，我對(duì)這些數(shù)據(jù)及其背后蘊(yùn)含的進(jìn)展及意義尤感振奮。AIRApolloFM于2024年6月誕生，這是全球首款支持實(shí)車部署的開源端到端自動(dòng)駕駛系統(tǒng)，填補(bǔ)了國(guó)內(nèi)自動(dòng)駕駛行業(yè)在開源端到端實(shí)車部署方案上的空白。AIRApolloFM框架終點(diǎn)很明確——真正的自動(dòng)、無(wú)人駕駛；2030第6在前面的章節(jié)里，我展示了很多輔助人類、創(chuàng)造更美好未來的可能性。但科研工作者度來觀察、預(yù)測(cè)某項(xiàng)技術(shù)的陰影部分，防患于未然。四年過去了，情況似乎并沒有變好。特朗普在2024年的美國(guó)大選中獲勝，當(dāng)選第47總統(tǒng)。競(jìng)選期間，一些狂熱粉絲再度利用偽造所謂的名人支持海報(bào)來混淆視聽，效果比四年前更加真實(shí)了。一個(gè)更惡劣的深度偽造（pk）案例是，2023年2月，有一家總部位于英國(guó)的工程公司，其中國(guó)香港分部的財(cái)務(wù)主管遭遇了視頻會(huì)議騙局——了這位主管，其余的英國(guó)同事均由生成。這一騙局給該公司造成了2500萬(wàn)美元（當(dāng)時(shí)約合1.95億港元）的損失。另?yè)?jù)不完全統(tǒng)計(jì)，2023年，僅在香港一地，深度偽造的詐騙案件就增長(zhǎng)了10倍。是，大模型或?qū)⒔o人類帶來與核武器、致命性病毒同等級(jí)的威脅。這種威脅有可能來自本身的不可控性，以及自動(dòng)化能力被濫用后的可悲場(chǎng)景——盡管進(jìn)展迅速，但當(dāng)前我們?nèi)蕴幵谘芯颗c多樣化產(chǎn)品開發(fā)的早期階段，尚有很多時(shí)間和方法對(duì)其發(fā)展路徑進(jìn)行規(guī)范化調(diào)節(jié)，重要的是時(shí)刻保持危機(jī)意識(shí)。如果缺乏這種意識(shí)，無(wú)疑非常危險(xiǎn)。第一，針對(duì)前沿大模型，應(yīng)建立一個(gè)嚴(yán)謹(jǐn)?shù)姆旨?jí)評(píng)估體系。普通的應(yīng)用或許無(wú)須過于是應(yīng)當(dāng)通過合規(guī)監(jiān)管的方式，時(shí)時(shí)關(guān)注、完善評(píng)估，并對(duì)其使用場(chǎng)景進(jìn)行必要的約束。該被嚴(yán)密監(jiān)管，但前沿大模型是一種不同的創(chuàng)新存在。以產(chǎn)出的內(nèi)容為例，如果不對(duì)其進(jìn)行標(biāo)注，任由真假難辨的信息泛濫于社交網(wǎng)絡(luò)和短視頻平臺(tái)上，就可能引起不良后果。何況標(biāo)注生成內(nèi)容的性質(zhì)與產(chǎn)出源，從技術(shù)與實(shí)施的角度來說并非難事。再比第三，我一直在呼吁，從事前沿大模型開發(fā)的企業(yè)、基金會(huì)、科研組織等，應(yīng)當(dāng)從研發(fā)資金中撥出10用于風(fēng)險(xiǎn)研究。高深的學(xué)術(shù)課題與技術(shù)難點(diǎn)。技術(shù)的研發(fā)者必須從此刻開始關(guān)注風(fēng)險(xiǎn)問題，這樣才能與企業(yè)、政府共同前進(jìn)。對(duì)統(tǒng)一的大算法、多模態(tài)、預(yù)訓(xùn)練、自訓(xùn)練與自監(jiān)督的大模型，oknbd（基于詞元的）訓(xùn)練逐漸成為大模型開發(fā)與應(yīng)用的重心。無(wú)論是語(yǔ)音、視頻、蛋白質(zhì)結(jié)構(gòu)分析與預(yù)大模型是真實(shí)世界的壓縮——再創(chuàng)造的能力。這便是新一代的涌現(xiàn)和統(tǒng)一。早期的并沒有那么智能，同時(shí)應(yīng)用空間也較為狹窄，因此很多人不太相信會(huì)有多大的能力與潛力?，F(xiàn)在看來，科幻成真——越來越近，正一步步成為現(xiàn)實(shí)。正如我在前文中指出的，大模型的強(qiáng)大功能及其蘊(yùn)含險(xiǎn)也在不斷累積。這些風(fēng)險(xiǎn)包括但不限于以下幾個(gè)方面。??有毒信息（ToxicInformation）：AI生成或傳播了仇恨言論、有誤導(dǎo)或曲解嫌疑的事件比作異類智能/外星智能（AlienIntelligence），因?yàn)锳I做決策的方式與人類思維有著根本我的看法是，就科技探索而言，人類擁有兩種智慧——者必須均衡前行。目前來看，在技術(shù)方面，控制技術(shù)走向稍稍落后。作為研發(fā)者，我們一定要更快地解決與人類價(jià)值觀對(duì)齊的問題，也就是要確保系統(tǒng)的目標(biāo)、決策過程和行為完全符合人類的價(jià)值觀與利益。第一，研發(fā)人員要將一部分資源和精力投放在對(duì)齊遵循人的價(jià)值觀。這不僅是跨學(xué)科、跨領(lǐng)域的倫理問題，還有實(shí)現(xiàn)路徑中可能存在的悖論。一方面，如果的智慧程度足以理解、接受并遵循人類的價(jià)值觀，這就意味著它在智商和情商等方面已經(jīng)達(dá)到或超越人類的平均水平。這種不僅能夠處理復(fù)雜的任務(wù)，還能理解和內(nèi)化人類的倫理與道德標(biāo)準(zhǔn)。另一方面，一旦具備了這樣的能力，它可能何確保始終都能遵循人類的價(jià)值觀而不產(chǎn)生自己獨(dú)立的價(jià)值觀，就成為一個(gè)巨大的挑戰(zhàn)。即使我們?cè)诔跏茧A段對(duì)進(jìn)行了嚴(yán)格的對(duì)齊訓(xùn)練，隨著時(shí)間的推移和的自我進(jìn)第二，要制定和持續(xù)優(yōu)化與監(jiān)管相關(guān)的一些基本原則。1942年，在小說《環(huán)舞》（該作品于1950年被收入短篇小說集《我，機(jī)器人》）中，美國(guó)科幻小說家艾薩克阿西莫夫設(shè)想并定義了機(jī)器人的行為定律，即著名的機(jī)器人學(xué)三定律。1985年，阿西莫夫又借另一部小說增補(bǔ)了第零定律，將約束機(jī)器人的指令由3條擴(kuò)展為4條。雖然在現(xiàn)實(shí)中，這些法則很難被簡(jiǎn)單解譯并沿用于和機(jī)器人的行為規(guī)范中，但其理念和思路確實(shí)在某種程度上啟發(fā)了相關(guān)領(lǐng)域的科研人員，至少能提供有益的借鑒。2017洛馬召開的有益的人工智能（nl）會(huì)議上，由未來生命研究所牽頭，全球多位和機(jī)器人領(lǐng)域的專家聯(lián)合簽署了《阿西洛馬人工智能23條原則》，旨在確保技術(shù)的發(fā)展始終可對(duì)人類社會(huì)產(chǎn)生積極的影響。這23展和深化。對(duì)此，我的看法是，這些原則對(duì)人與的權(quán)責(zé)進(jìn)行了更細(xì)致、更清晰的界定，明確了以人為主、以機(jī)器為輔的關(guān)系。也就是說，無(wú)論是機(jī)器人、系統(tǒng)還是自動(dòng)公司或組織，理應(yīng)承擔(dān)更大的責(zé)任。有鑒于此，未來即便和機(jī)器人的能力迅速膨脹，商、軟件提供商和保險(xiǎn)公司等主體就要共同承擔(dān)責(zé)任。本身不能獨(dú)立成為主體。上述這些問題涉及計(jì)算機(jī)科學(xué)、倫理學(xué)、法律、社會(huì)學(xué)等多個(gè)學(xué)科，而我們?cè)诖_?？晒ぶ悄芊ò浮酚?024年8月1于標(biāo)準(zhǔn)的全球參與計(jì)劃》；中國(guó)制定了《生成式人工智能服務(wù)管理暫行辦法》《工業(yè)和信息化領(lǐng)域數(shù)據(jù)安全管理辦法（試行）研發(fā)、立法監(jiān)管、倫理對(duì)齊等工作合力并進(jìn)，才能讓技術(shù)的發(fā)展更健康。產(chǎn)學(xué)研各界應(yīng)當(dāng)歡迎并支持政府對(duì)及其他新興科技的立法監(jiān)管嘗試。雖然監(jiān)管不是萬(wàn)能的，但它能夠有效地保障技術(shù)不朝錯(cuò)誤的方向發(fā)展?；ヂ?lián)網(wǎng)誕生時(shí)經(jīng)歷過一段龍蛇現(xiàn)在對(duì)于也應(yīng)制定清晰、具體的要求，它能做什么、不能做什么；它的底線在哪里，與監(jiān)管部門共同商榷和明確；有的需要研發(fā)人員繼續(xù)努力，爭(zhēng)取打破黑盒，獲知更多信息。坦率地說，在2020年3亮相前，科技界、產(chǎn)業(yè)界對(duì)樣高。早年間，我參加達(dá)沃斯論壇和其他科技相關(guān)峰會(huì)時(shí)，與會(huì)者也會(huì)探討的能力，但對(duì)它能具備哪些特別的功能、完成何種級(jí)別的任務(wù)并不是很確信。不少人覺得依然可以歸入軟件和服務(wù)的范疇，其能做的事情有限，不大可能對(duì)產(chǎn)業(yè)產(chǎn)生深遠(yuǎn)影響。2018年和2019年，1和2相繼誕生，盡管其能力表現(xiàn)并未與過往的系統(tǒng)形成顯著差距，但仍然引發(fā)了一些專業(yè)人士的興趣與關(guān)注，其間各種論壇、會(huì)議上討論的聲大，會(huì)變成數(shù)據(jù)壟斷者。2019露，影響逾5億用戶的事件曝光，當(dāng)時(shí)數(shù)十家大公司的都在討論大企業(yè)、大責(zé)任、大擔(dān)當(dāng)?shù)脑掝}。這表明，許多人開始認(rèn)識(shí)到，公司和組織掌握的數(shù)據(jù)越多、的能力越MetaLLaMA等先進(jìn)模型不斷涌現(xiàn)，AI也開始加速融入醫(yī)療、自動(dòng)駕駛、創(chuàng)意媒體等行業(yè)2023年，未來生命研究所發(fā)布了一封公開信，警告技術(shù)的深遠(yuǎn)風(fēng)險(xiǎn)，并呼吁暫停訓(xùn)練比4更強(qiáng)大的系統(tǒng)。這封信得到了包括埃隆馬斯克、尤瓦爾赫拉利、麥可斯克在內(nèi)的超過3這份聲明于2023年5月30日由非營(yíng)利組織人工智能安全中心（CenterforAISafety）發(fā)布，在時(shí)刻不停地進(jìn)行科技跑。倘若研究失控，必然會(huì)帶來災(zāi)難性的后果，這對(duì)于決定著技術(shù)走向的千千萬(wàn)萬(wàn)的科研達(dá)到發(fā)展與風(fēng)控的平衡。2023年的夏天，我和圖靈獎(jiǎng)得主姚期智先生、約書亞本吉奧及加州大學(xué)伯克利分校教授斯圖爾特羅素共同發(fā)起建立了人工智能安全國(guó)際對(duì)話機(jī)制，每隔6個(gè)月舉辦一次對(duì)話活動(dòng)，以未雨綢繆地探討和預(yù)警有關(guān)前沿大模型等新技術(shù)未來可能帶來的極端風(fēng)險(xiǎn)。我們也會(huì)邀請(qǐng)一些各國(guó)各地具有遠(yuǎn)見的政策學(xué)者加入討論。對(duì)話機(jī)制的原則：一是聚焦并深入理解當(dāng)下時(shí)間點(diǎn)前沿技術(shù)的發(fā)展?fàn)顟B(tài)和下一步的趨勢(shì)，推演可能存在的風(fēng)險(xiǎn)；二是每一位與會(huì)的學(xué)者都應(yīng)有自己的團(tuán)隊(duì)，能夠及時(shí)妥善地跟進(jìn)處理風(fēng)險(xiǎn)預(yù)警及對(duì)齊等問題，要能為讓對(duì)話不只停留在對(duì)話層面有所貢獻(xiàn)；三是學(xué)者要有自行推進(jìn)研究的能力和資源，前沿大模型等技術(shù)首先是科研問題，其次才是關(guān)企業(yè)將安全機(jī)制內(nèi)建在大模型中；五是可以積極借鑒其他存在重大風(fēng)險(xiǎn)的領(lǐng)域（模殺傷性武器）建議，供政策制定者、商業(yè)決策者參考。2023年10月，我們聯(lián)合邀請(qǐng)了來自中國(guó)、美國(guó)、加拿大、英國(guó)及其他歐洲國(guó)家的20球?qū)W術(shù)巨擘與治理專家，齊聚英國(guó)牛津郡迪奇利莊園，進(jìn)行了為期三天的首屆人工智能安全國(guó)際對(duì)話，部分與會(huì)者簽署了一份聯(lián)合聲明，呼吁在人工智能安全研究與治理上的全球協(xié)同行動(dòng)，是避免不受控制的前沿人工智能發(fā)展為全人類帶來不可容忍的風(fēng)險(xiǎn)。圖6.1《安全國(guó)際對(duì)話威尼斯共識(shí)》，強(qiáng)調(diào)了安全作為全球公共產(chǎn)品應(yīng)將安全納入學(xué)術(shù)與技術(shù)合作的核心領(lǐng)域。為應(yīng)對(duì)可能到來的由高級(jí)人工智能系統(tǒng)引人員聯(lián)手應(yīng)對(duì)可能帶來的災(zāi)難性風(fēng)險(xiǎn)。3R經(jīng)歷了漫長(zhǎng)的探索、驗(yàn)證、另辟蹊徑，技術(shù)發(fā)展至今終于迎來了收獲期，與此同時(shí)，研究者開始面對(duì)技術(shù)創(chuàng)新、產(chǎn)業(yè)價(jià)值與倫理安全三者構(gòu)成的三角關(guān)系。在絕大多數(shù)情況下，任務(wù)及研究可以保證同時(shí)維系三者的平衡，但在研究、應(yīng)用的推進(jìn)過程中也成一定的沖擊。登山時(shí)需要考慮的首要事項(xiàng)不是速度，而是安全。發(fā)展也一樣。所明確了這一前提，我們便可以回歸面對(duì)所有技術(shù)時(shí)的前置發(fā)展要求，即必須可控。它但最終它們都被規(guī)范、約束到了正面、合理的應(yīng)用區(qū)間。的發(fā)展也應(yīng)如此。它并沒有任何神秘色彩及價(jià)值超越的特殊性。明確了并沒有被區(qū)別對(duì)待的特權(quán)，也就明確了研究的定位——是一種具備基礎(chǔ)價(jià)成的惡果，只有這樣才能有效避免各種潛在危險(xiǎn)，3原則正是為這樣的目標(biāo)服務(wù)。隨著技術(shù)的快速發(fā)展，研究者與技術(shù)從業(yè)人員應(yīng)更積極地從實(shí)驗(yàn)室走向社會(huì)，走向廣關(guān)切，為人類的共同價(jià)值貢獻(xiàn)力量。臺(tái)內(nèi)部機(jī)制模糊，也就意味著不可解、不可信、不可控。為此，研發(fā)人員應(yīng)不斷推進(jìn)I研究的透明度，使其具備更充分的可解釋性，從而增強(qiáng)技術(shù)部署的說服力。前文屢屢提及的安全也限制著技術(shù)的普及速度與覆蓋廣度。多年來，軟件安全、網(wǎng)絡(luò)通信安全一直是數(shù)字技術(shù)的焦點(diǎn)。不出意料，隨著相關(guān)技術(shù)的驚艷爆發(fā)，安全的課題也被放置于聚光燈下，為全行業(yè)、全社會(huì)所審視。目前已暴露的、危害安全的問題包要更加重視的安全能力和安全手段。此外，開發(fā)新的算法時(shí)，技術(shù)人員也需要更多地果關(guān)系和邏輯關(guān)系的相關(guān)知識(shí)和推理能力，由此逐步提升技術(shù)與具體行業(yè)、具體場(chǎng)正如我在此前的章節(jié)中所指出的，在科研工作過程中，創(chuàng)新主體通常專注于探討某項(xiàng)技術(shù)、某種事物怎么做，卻容易忽視其為什么。而在智能涌現(xiàn)的時(shí)代，創(chuàng)新主體必須明也就是說，責(zé)任感、價(jià)值觀為先，技術(shù)研究其次。唯有如此，才能確保億萬(wàn)用戶由獲取的價(jià)值始終處于可信賴、可控制的范疇之內(nèi)。現(xiàn)實(shí)中技術(shù)帶來的負(fù)面影響已然顯現(xiàn)，像之前很多人討論過的換臉功能，類似的應(yīng)技術(shù)人員的參與就可以通過簡(jiǎn)單的步驟完成。但換臉配以真人語(yǔ)音學(xué)習(xí)與合成，一兇。好在換臉引起了社會(huì)輿論的足夠關(guān)注，政企學(xué)各界第一時(shí)間對(duì)相關(guān)技術(shù)進(jìn)行了抵制和封鎖。技術(shù)平臺(tái)不再支持相關(guān)能力的調(diào)用，視頻平臺(tái)也迅速下架相關(guān)內(nèi)容。最3R區(qū)的不同機(jī)構(gòu)、組織之間需要進(jìn)行積極密切的磋商和交流。圍繞技術(shù)的進(jìn)一步發(fā)展，最緊迫、最具風(fēng)險(xiǎn)的課題。同時(shí)，對(duì)技術(shù)與產(chǎn)業(yè)的監(jiān)管、政策引導(dǎo)也應(yīng)實(shí)時(shí)跟進(jìn)，確保研究成果的轉(zhuǎn)化過程完全合規(guī)合法。此外，各國(guó)、各區(qū)域還應(yīng)對(duì)的知識(shí)產(chǎn)權(quán)與價(jià)等支持。附錄首屆人工智能安全國(guó)際對(duì)話于2023年10月18—20會(huì)者包括來自中、美、英、加及歐洲的20多位頂尖科學(xué)家和治理專家。本文來自清華大學(xué)智能產(chǎn)業(yè)研究院，hp.nghu.du.nno10072116.h。此處有修改。首屆人工智能安全國(guó)際對(duì)話與會(huì)科學(xué)家的聯(lián)合聲明球網(wǎng)絡(luò)。我們呼吁領(lǐng)先的人工智能開發(fā)者承諾至少將13的人工智能研發(fā)經(jīng)費(fèi)用于人工智理研究。附錄北京人工智能安全國(guó)際共識(shí)自主復(fù)制或改進(jìn)。任何人工智能系統(tǒng)都不能在人類沒有明確批準(zhǔn)和協(xié)助的情況下復(fù)制或治理。我們需要全面的治理機(jī)制來確保開發(fā)或部署的系統(tǒng)不僭越紅線。我們應(yīng)該立即實(shí)測(cè)量與評(píng)估。在這些紅線被僭越的實(shí)質(zhì)性風(fēng)險(xiǎn)出現(xiàn)之前，我們應(yīng)開發(fā)全面的方法和技術(shù)嚴(yán)格的實(shí)踐評(píng)估、定量保證或數(shù)學(xué)證明來有力地證明人工智能系統(tǒng)未僭越紅線?？偨Y(jié)。避免人工智能導(dǎo)致的災(zāi)難性全球后果需要我們采取果斷的行動(dòng)。協(xié)同合作的技術(shù)在價(jià)值。我們必須繼續(xù)堅(jiān)持并加強(qiáng)國(guó)際科學(xué)界和政府在安全方面的合作。附錄AI安全國(guó)際對(duì)話威尼斯共識(shí)安全保障體系：當(dāng)模型的能力超過特定閾值時(shí)，要求開發(fā)者為模型的安全性提供高度可障體系的關(guān)鍵組成部分。這些安全保障措施應(yīng)接受獨(dú)立審計(jì)。全球人工智能安全與驗(yàn)證的獨(dú)立研究：應(yīng)通過技術(shù)開發(fā)，使各國(guó)能夠確認(rèn)開發(fā)者及其他應(yīng)在全球范圍內(nèi)進(jìn)行，并由多個(gè)國(guó)家的政府和慈善機(jī)構(gòu)共同資助。附錄人工智能飛速進(jìn)步背景下的極端風(fēng)險(xiǎn)管理系統(tǒng)。隨著其能力與自主性的提升，I的影響將會(huì)大幅擴(kuò)大，潛在風(fēng)險(xiǎn)日益凸顯，可能導(dǎo)致大規(guī)模社會(huì)危害、惡意使用，乃至人類不可逆地失去對(duì)自主系統(tǒng)的控制等極端后果。盡管研究人員對(duì)的風(fēng)險(xiǎn)發(fā)出了警告，但對(duì)于如何管理這些風(fēng)險(xiǎn)依然缺乏共識(shí)。雖然在應(yīng)對(duì)措施方面已經(jīng)有一些初步進(jìn)展，但與許多專家所預(yù)測(cè)且極有可能出現(xiàn)的突變風(fēng)險(xiǎn)相比，當(dāng)前的社會(huì)回應(yīng)仍顯不足。安全研究已經(jīng)滯后了。目前缺少能預(yù)防I濫與AI科技企業(yè)現(xiàn)金儲(chǔ)備充足，足以將當(dāng)前最先進(jìn)的訓(xùn)練規(guī)模再擴(kuò)大100~1000倍，人工智能進(jìn)沒有證據(jù)表明，當(dāng)具備與人類同等的智力水平時(shí)，其發(fā)展速度就會(huì)減緩或停滯。事實(shí)上，已經(jīng)在策略游戲和預(yù)測(cè)蛋白質(zhì)折疊等特定領(lǐng)域超越了人類。I系統(tǒng)發(fā)展迅速，能計(jì)算資源并進(jìn)行數(shù)百萬(wàn)次的復(fù)制。我們不確定的未來發(fā)展情況，但是必須認(rèn)真對(duì)待一種可能性：未來10年或20年內(nèi)，許更強(qiáng)的系統(tǒng)無(wú)疑會(huì)產(chǎn)生更大的影響。當(dāng)I在能力和成本效益方面趕超人類時(shí)，我們預(yù)計(jì)的機(jī)遇和風(fēng)險(xiǎn)都將大幅增加。如果管理得當(dāng)且資源分配公平，I可以幫助人類治愈疾病、提高生活水平、保護(hù)生態(tài)系統(tǒng)。機(jī)遇是巨大的，但先進(jìn)的也會(huì)帶來大規(guī)模的風(fēng)險(xiǎn)?？赡軙?huì)加劇社會(huì)不公平，破壞社會(huì)穩(wěn)定，甚至導(dǎo)致大規(guī)模犯罪活動(dòng)、自動(dòng)化沖各公司競(jìng)相開發(fā)自主系統(tǒng)時(shí)，許多風(fēng)險(xiǎn)可能迅速被放大并產(chǎn)生新的風(fēng)險(xiǎn)。這些系統(tǒng)能系統(tǒng)設(shè)置不良目標(biāo)。如果不對(duì)研發(fā)層面的突破進(jìn)行規(guī)范，即使是善意的開發(fā)人員也可能無(wú)意中創(chuàng)造超出預(yù)定目標(biāo)的系統(tǒng)。例如，用于訓(xùn)練I系統(tǒng)的獎(jiǎng)勵(lì)信號(hào)未能與預(yù)定目標(biāo)完全匹配，從而導(dǎo)致系統(tǒng)對(duì)自我改進(jìn)的理解片面化，偏離設(shè)計(jì)者的預(yù)期。此外，訓(xùn)練數(shù)據(jù)永遠(yuǎn)無(wú)法涵蓋所有情況，經(jīng)過訓(xùn)練的系統(tǒng)在遇到新情況時(shí)可能會(huì)被導(dǎo)向不良目標(biāo)。一旦自主系統(tǒng)被導(dǎo)向不良目標(biāo)，它們就可能會(huì)脫離我們的掌控。軟件控制是一個(gè)久遠(yuǎn)操縱和戰(zhàn)略規(guī)劃等敏感領(lǐng)域，已經(jīng)開始產(chǎn)生負(fù)面影響，可能很快就會(huì)給所有人帶來前所未有的控制挑戰(zhàn)。為了達(dá)成不良目標(biāo)，系統(tǒng)可能會(huì)嘗試取得人類的信任、獲取資源公開沖突中，系統(tǒng)可能會(huì)自主部署包括生物武器在內(nèi)的各種武器。擁有此類技術(shù)的I系統(tǒng)將加劇已有的軍事活動(dòng)自動(dòng)化趨勢(shì)。最后，如果系統(tǒng)被輕易地賦予關(guān)鍵的社會(huì)角自主系統(tǒng)扮演關(guān)鍵的社會(huì)角色。人類如果缺少足夠的警惕性，可能會(huì)不可逆轉(zhuǎn)地失去對(duì)自主系統(tǒng)的控制，導(dǎo)致人類的干預(yù)無(wú)效。大規(guī)模網(wǎng)絡(luò)犯罪、社交操縱和其他危害可能會(huì)迅速升級(jí)。這種不受控制的I在其安全性和減輕危害方面投入甚少。據(jù)估計(jì)，僅有1%~3%的AI出版物與安全課題相在確保通用、自主系統(tǒng)安全和道德使用方面，存在許多公開的技術(shù)挑戰(zhàn)。與提高I能系統(tǒng)能力的提高而自動(dòng)解決，而是需要更有針對(duì)性的研究和工程開發(fā)。在某些情況第一組需要實(shí)現(xiàn)突破的研究領(lǐng)域是實(shí)現(xiàn)可靠安全的。否則，開發(fā)人員就必須冒著創(chuàng)建過度自信導(dǎo)致的漠視風(fēng)險(xiǎn)的行動(dòng)。這些研究挑戰(zhàn)包括以下內(nèi)容。?危險(xiǎn)能力評(píng)估。隨著開發(fā)人員對(duì)系統(tǒng)的擴(kuò)展，不可預(yù)見的能力會(huì)在沒有明確編程的能力，并在訓(xùn)練前對(duì)其進(jìn)行預(yù)測(cè)。這既包括在世界范圍內(nèi)實(shí)現(xiàn)宏偉目標(biāo)的通用能力?人工智能對(duì)齊評(píng)估。如果繼續(xù)發(fā)展，那么它最終將擁有高度危險(xiǎn)的能力。在訓(xùn)練和系統(tǒng)，單純的行為評(píng)估可能會(huì)失敗：與人類類似，它們可能會(huì)在評(píng)估中刻意做出不同表現(xiàn)，從而制造虛假對(duì)齊。面對(duì)的誤用和濫用，我們迫切需要構(gòu)建國(guó)家與國(guó)際治理體系，制定和推行相關(guān)的預(yù)防標(biāo)準(zhǔn)。生物醫(yī)藥、金融、核能等技術(shù)領(lǐng)域的經(jīng)驗(yàn)表明，全社會(huì)需要借助政府監(jiān)督來降低風(fēng)險(xiǎn)。然而，目前I的治理框架遠(yuǎn)遠(yuǎn)落后于技術(shù)的快速發(fā)展。我們可以從其他高風(fēng)險(xiǎn)技術(shù)的治理中汲取靈感，同時(shí)牢記前沿技術(shù)的獨(dú)特性——I在自主行動(dòng)和自主意識(shí)、等主要參與者在的治理上采取了積極舉措，提出了初步指導(dǎo)方針或法規(guī)。盡管這些方鑒于能力的快速發(fā)展，上述治理計(jì)劃還遠(yuǎn)遠(yuǎn)不夠。盡管目前各界關(guān)于I發(fā)展的時(shí)間表還有分歧，但人類仍需要采取政治上可行的方式，為領(lǐng)域隨時(shí)可能產(chǎn)生的技術(shù)突破做好準(zhǔn)備。實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵就是提前制定監(jiān)管政策，當(dāng)達(dá)到某些能力閾值時(shí)就會(huì)自動(dòng)觸發(fā)。若發(fā)展迅速，更嚴(yán)格的監(jiān)管要求就會(huì)自動(dòng)生效，反之則相應(yīng)放寬。同時(shí)，I快速、不可預(yù)測(cè)的發(fā)展還意味著人類需要提前識(shí)別下一代系統(tǒng)的潛在風(fēng)險(xiǎn)，并要求相的行政機(jī)構(gòu)來監(jiān)督，需要強(qiáng)制性的、更加嚴(yán)格的風(fēng)險(xiǎn)評(píng)估及執(zhí)行措施（包括要求I開發(fā)者承擔(dān)舉證責(zé)任）將能力盲目推向新的高度，卻在安全問題上無(wú)所作為或少有作為?；蛘?，將關(guān)鍵的社會(huì)角色委托給自主系統(tǒng)，卻沒有提供足夠的人類監(jiān)督，從而讓全社會(huì)承擔(dān)I系統(tǒng)可能帶來的負(fù)面影響。具體有以下幾點(diǎn)建議。?設(shè)立專門機(jī)構(gòu)監(jiān)管快速發(fā)展的前沿人工智能。為了跟上技術(shù)快速發(fā)展的步伐，避免領(lǐng)域的國(guó)際競(jìng)爭(zhēng)，這些機(jī)構(gòu)還需要具備推動(dòng)國(guó)際協(xié)議和伙伴關(guān)系的對(duì)外交流能力。同?增強(qiáng)政府洞察力。為了識(shí)別風(fēng)險(xiǎn)，政府迫切需要全面了解的發(fā)展情況。監(jiān)管機(jī)構(gòu)應(yīng)強(qiáng)制記錄前沿系統(tǒng)及其整個(gè)生命周期數(shù)據(jù)集的關(guān)鍵信息，監(jiān)控相關(guān)模型的開發(fā)和超級(jí)監(jiān)管機(jī)構(gòu)可以要求前沿開發(fā)者從模型開發(fā)伊始就授予外部人員進(jìn)行現(xiàn)場(chǎng)、全方位（白?系統(tǒng)視為“在未證明其不安全之前就是安全的。使用現(xiàn)有的測(cè)試方法，很容易出現(xiàn)遺漏問題。此外，我們尚不清楚政府能否迅速儲(chǔ)備對(duì)能力和社會(huì)規(guī)模風(fēng)險(xiǎn)進(jìn)行可靠技術(shù)評(píng)估所需的大量專業(yè)知識(shí)。有鑒于此，前沿的開發(fā)者應(yīng)該承擔(dān)相應(yīng)責(zé)任，證明他們的I模型將風(fēng)險(xiǎn)控制在可接受的范圍內(nèi)。通過多方參與，開發(fā)者將借鑒和遵循航空、醫(yī)療設(shè)利用開發(fā)人員對(duì)相關(guān)系統(tǒng)的深入了解。同時(shí)，即使人們對(duì)的先進(jìn)程度存在分歧，安全案例在政治上也是可行的，因?yàn)樵谙到y(tǒng)能力有限的情況下，反而更容易證明系統(tǒng)是安證偽時(shí)追究其責(zé)任。?緩解措施。為了將風(fēng)險(xiǎn)控制在可接受的范圍內(nèi)，我們需要建立與風(fēng)險(xiǎn)等級(jí)相匹配的治理機(jī)制。監(jiān)管機(jī)構(gòu)應(yīng)明確現(xiàn)有責(zé)任框架劃定的法律責(zé)任，并要求前沿系統(tǒng)的開發(fā)者于部署強(qiáng)大系統(tǒng)（其行為無(wú)法預(yù)測(cè)）造成的損害。責(zé)任與后果評(píng)估應(yīng)該和安全論證一針對(duì)能力超強(qiáng)的未來系統(tǒng)，尤其是可能規(guī)避人類控制的自主系統(tǒng)，我們需要采取相應(yīng)制，要求其具備抵御國(guó)家級(jí)黑客的安全措施。政府應(yīng)立馬著手構(gòu)建相關(guān)能力。第7AI多模態(tài)智能：將帶來全面的、具有深度的智能分析。結(jié)合語(yǔ)言、文字、圖片、視頻、激光雷達(dá)點(diǎn)云、3結(jié)構(gòu)信息、4感知、決策和生成。署到邊緣設(shè)備端，如新一代AIPC（人工智能電腦）、新一代IntelligentPhone（智能電話）、新一代IntelligentHome（智能家庭，包括TV），大幅提升處理速度和相應(yīng)的效能關(guān)于AI基礎(chǔ)大模型垂直大模型邊緣模型、開源商業(yè)：基礎(chǔ)大模型將是時(shí)代的技術(shù)底代大100倍，比移動(dòng)互聯(lián)網(wǎng)時(shí)代大10倍以上。在這個(gè)生態(tài)中，開源模型將和商業(yè)模型并統(tǒng)一標(biāo)識(shí)（Tokenisation）+規(guī)模定律（ScalingLaw）：大模型最核心的兩個(gè)要素是從大模型走向通用人工智能：預(yù)計(jì)15~20年內(nèi)可實(shí)現(xiàn)通用人工智能，并通過新圖靈測(cè)試。更進(jìn)一步的預(yù)測(cè)：5年內(nèi)，在信息智能領(lǐng)域，對(duì)語(yǔ)言、圖像、聲音和視頻的理解、生成等方面通過新圖靈測(cè)試；10年內(nèi)，在物理智能（具身智能）領(lǐng)域，實(shí)現(xiàn)大模型在物理環(huán)境中的理解與操作能力的大幅提升，通過新圖靈測(cè)試；20年內(nèi)，在生物智能領(lǐng)域，將應(yīng)用于人體、腦機(jī)接口、生物體、制藥和生命科學(xué)，實(shí)現(xiàn)大模型與生物體聯(lián)結(jié)的生物智能，通過新圖靈測(cè)試。大模型及生成式將在提升4級(jí)別自動(dòng)駕駛系統(tǒng)的泛化能力方面發(fā)揮關(guān)鍵作用：一是與數(shù)據(jù)智能相關(guān)，過往自動(dòng)駕駛系統(tǒng)的邊角案例數(shù)據(jù)不足，大模型及生成式可結(jié)合真實(shí)數(shù)據(jù)生成高質(zhì)量的邊角案例數(shù)據(jù)。二是與長(zhǎng)尾問題相關(guān)，生成式可有效改善邊角駕駛系統(tǒng)的能力上限?？赡軜O大地激發(fā)產(chǎn)業(yè)與市場(chǎng)對(duì)于自動(dòng)駕駛的熱情。2030對(duì)他們來說，也是很大的激勵(lì)；第五，大多數(shù)企業(yè)主導(dǎo)的研究周期較短，要求3~5年出成果都算是較為長(zhǎng)線的項(xiàng)目，常態(tài)是要求1~2年就能看到進(jìn)展和亮點(diǎn)。人工智能時(shí)代，不改少年初心圖7.12023很笨，那么簡(jiǎn)單的題都不會(huì)做，而我心算就算出來了。母親很生氣，很嚴(yán)肅地說：你告訴他了嗎？任何時(shí)候都不能在背后說別人的壞話，何況你們還是好朋友。要學(xué)會(huì)善待別人。我當(dāng)時(shí)感到非常羞愧。后來，這成為我做人和管理的一個(gè)原則，不在背后說別人的壞話，也不喜歡聽別人在背后講其他人的壞話。如果給我講的壞話，我就把叫來一90的辦公室政治，讓我的世界和管理方式變得簡(jiǎn)單和干凈。圍棋領(lǐng)域戰(zhàn)勝人類到AlphaFold2高精度預(yù)測(cè)蛋白質(zhì)三維結(jié)構(gòu)，再到現(xiàn)在我們正在經(jīng)歷的人、物聯(lián)網(wǎng)和生命科學(xué)產(chǎn)生了巨大的影響。最近，以h為代表的基礎(chǔ)模型和生成式成為人工智能發(fā)展歷史上的重要里程碑。僅僅兩個(gè)月，它吸引了上億用戶，成為全球硬件和應(yīng)用生態(tài)，重塑產(chǎn)業(yè)結(jié)構(gòu)、商業(yè)模式以及未來的工作方式。企管理研究生入學(xué)考試）還是數(shù)理化奧，機(jī)器都將是冠軍。機(jī)