XXX匯報(bào)提綱：一一三起兩落：人工智能發(fā)展史二二智能涌現(xiàn)：大模型時(shí)代四四數(shù)據(jù)為王：低空感知平臺(tái)五五百花齊放：人工智能應(yīng)用場(chǎng)景匯報(bào)提綱：一一三起兩落：人工智能發(fā)展史··五·百花齊放：人工智能應(yīng)用場(chǎng)景人工智能的誕生達(dá)特茅斯會(huì)議(1956)DartmouthConference達(dá)特茅斯會(huì)議：1956年8月，在美國(guó)漢諾斯小鎮(zhèn)寧?kù)o的達(dá)特茅斯學(xué)院中，約翰·麥卡錫、馬文·閔斯基（人工智能與認(rèn)知學(xué)專家）、克勞德·香農(nóng)（信息論的創(chuàng)始人）、艾倫·紐厄爾（計(jì)算機(jī)科學(xué)家）、赫伯特·西蒙（諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主）等科學(xué)家正聚在一起，討論用機(jī)器來(lái)模仿人類學(xué)習(xí)以及其他方面的智能。美國(guó)達(dá)特茅斯DartmouthCollege達(dá)特茅斯會(huì)議首次正式提出人工智能一詞，ArtificialIntelligence，AI，一直被沿用至今，因此，1956年也就成為了人工智能元年。圖靈測(cè)試：如果機(jī)器能回答由人類測(cè)試者提出的一系列問題，且其超過30%的回答讓測(cè)試者誤認(rèn)為是人類所答，則機(jī)器通過測(cè)試，并被認(rèn)為具有人類智能。圖靈測(cè)試至今仍然被當(dāng)做人工智能水平的重要測(cè)試標(biāo)準(zhǔn)之一人工智能發(fā)展史經(jīng)歷了三起兩落人工智能經(jīng)歷了半個(gè)多世紀(jì)的發(fā)展歷程，涌現(xiàn)出了眾多影響深遠(yuǎn)的技術(shù)、產(chǎn)品人工智能的黃金時(shí)代（1956—1974）達(dá)特茅斯會(huì)議之后，人工智能研究進(jìn)入了20年的黃金時(shí)代人工智能的第一次寒冬（1974—1980）計(jì)算量爆炸計(jì)算能力有限可能棋局1020可能棋局1020可能棋局1040莫拉維克悖論缺乏大量的常識(shí)數(shù)據(jù)莫拉維克悖論各國(guó)政府和機(jī)構(gòu)停止或減少了資金投入，人工智能在70年代陷入了第一次寒冬人工智能繁榮期（1980—1987）專家系統(tǒng)開始在特定領(lǐng)域發(fā)揮威力，也帶動(dòng)整個(gè)人工智能技術(shù)進(jìn)入了一個(gè)繁榮階段人工智能第二次寒冬（1987—1993）1936~人工智能的技術(shù)奇點(diǎn)1993弗諾·芬奇VernorVinge1960~LISP機(jī)器市場(chǎng)崩潰和弗諾·芬奇技術(shù)奇點(diǎn)理論使得人工智能領(lǐng)域再一次進(jìn)入寒冬人工智能穩(wěn)健發(fā)展期（1993—2015）1997年，IMB的計(jì)算機(jī)深藍(lán)Deepblue戰(zhàn)勝了2007年，李飛飛發(fā)起了ImageNet，在挑戰(zhàn)賽上設(shè)計(jì)2006年，杰弗里辛頓奠定了深度學(xué)習(xí)的核心技術(shù)，出版了2009年，吳恩達(dá)及其團(tuán)隊(duì)開始研究使用圖形處理器進(jìn)行大隨著算力和數(shù)據(jù)的飛速發(fā)展，人工智能在各個(gè)專業(yè)領(lǐng)域進(jìn)入穩(wěn)健發(fā)展的時(shí)代人工智能新時(shí)代（2016—至今）2016年和2017年，谷歌研發(fā)的AlphaGo連續(xù)戰(zhàn)勝曾2018年，波士頓動(dòng)力公司生產(chǎn)的機(jī)器人Atlas具2024年，以Sora為代表的文本視頻生成大模型展現(xiàn)了隨著大模型的出現(xiàn)，逐漸進(jìn)入具備人類基本認(rèn)知和判斷能力的通用人工智能新時(shí)代匯報(bào)提綱：二智能涌現(xiàn)：大模型時(shí)代··五·百花齊放：人工智能應(yīng)用場(chǎng)景大模型發(fā)展簡(jiǎn)史萌芽期（1950-2005）： 探索沉淀期（2006-2019探索沉淀期（2006-2019）：以Transformer為代表的全新神經(jīng)網(wǎng)絡(luò)模型階段2457億GPT31750億微軟Turning-微軟Turning-120億大模型發(fā)展的三個(gè)階段和三次飛躍應(yīng)用場(chǎng)景大模型譜系圖應(yīng)用場(chǎng)景通用大模型通用大模型 內(nèi)容生成C端應(yīng)用AI圖片行業(yè)大模型行業(yè)大模型工業(yè)大模型醫(yī)療大模型金融大模型工業(yè)大模型醫(yī)療大模型金融大模型多模態(tài)大模型單模態(tài)大模型其他大模型自然語(yǔ)言大模型文生圖大模型視覺大模型支持模態(tài)重點(diǎn)領(lǐng)域多模態(tài)大模型單模態(tài)大模型其他大模型自然語(yǔ)言大模型文生圖大模型視覺大模型BERTBERT模式Transformer基礎(chǔ)架構(gòu)GPT模式混合模式參數(shù)規(guī)模、技術(shù)架構(gòu)、支持模態(tài)、應(yīng)用領(lǐng)域都在迅速的發(fā)展ChatGPT的發(fā)展歷程GPTGPT-12018年 GPTGPT-22019年GPTGPT-32020年GPTGPT-42023年主流預(yù)訓(xùn)練大模型參數(shù)量和性能都在飛躍的提升市場(chǎng)上可見的大模型日益豐富廠商大模型廠商大模型廠商大模型OMetaMeta阿里巴巴源像openAlOpenAILINKER聯(lián)匯聯(lián)匯科技國(guó)內(nèi)外的公司紛紛推出了大量的大模型爭(zhēng)搶市場(chǎng)國(guó)內(nèi)大模型投資生態(tài)大模型吸引了大量的投資，產(chǎn)業(yè)發(fā)展迅速國(guó)家政策對(duì)大模型的關(guān)注與引導(dǎo)《北京市加快建設(shè)具有全球影響力的人工智能創(chuàng)新策源地實(shí)施方案2023年5月《上海市推動(dòng)人工智能大模型創(chuàng)新發(fā)展若干措施（2023-2025）》2023年10月《杭州市人民政府辦公廳關(guān)于加快推進(jìn)人工智能產(chǎn)業(yè)創(chuàng)新發(fā)展的實(shí)施意見》2023年7月《廣東省人民政府關(guān)于加快建設(shè)通用人工智能產(chǎn)業(yè)創(chuàng)新引領(lǐng)地的實(shí)施意見》2023年11月《成都市加快大模型創(chuàng)新應(yīng)用推薦人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展的若干措施》2023年8月國(guó)務(wù)院國(guó)資委召開“AI賦能產(chǎn)業(yè)煥2024年2月《安徽省人民政府關(guān)于印發(fā)打造通用人工智能產(chǎn)業(yè)創(chuàng)新和應(yīng)用高地若2023年10月2024年《政府工作報(bào)告》中提出開2024年3月國(guó)內(nèi)外最新的模型--國(guó)內(nèi)外最新的模型--MidjourneyAIGC可以生成高質(zhì)量的海報(bào)、廣告等逼真的圖像，對(duì)設(shè)計(jì)行業(yè)造成巨大的沖擊國(guó)內(nèi)外最新的模型--國(guó)內(nèi)外最新的模型--Sora提示詞：adragonmadeofbubbles,perfectlyrendered8k視頻壓縮網(wǎng)絡(luò)可縮放的Transformers擴(kuò)散模型架構(gòu)AIGC卓越的生成視頻能力對(duì)電影和廣告行業(yè)也影響深遠(yuǎn)國(guó)內(nèi)外最新的模型-GPT4最新的大模型展現(xiàn)出來(lái)的問答能力接近人類，對(duì)教育和創(chuàng)作都是革命性工具國(guó)內(nèi)外最新的模型-FIGUREOpenAI視覺語(yǔ)言大模型VLM的引入，F(xiàn)IGURE01機(jī)器人可以與人進(jìn)行完整的對(duì)話FIGURE與大模型的結(jié)合引爆了對(duì)具身智能的重新思考匯報(bào)提綱：··五·百花齊放：人工智能應(yīng)用場(chǎng)景算力大規(guī)模部署和應(yīng)用是當(dāng)前國(guó)家重大戰(zhàn)略和科學(xué)前沿 到2025年，算力規(guī)模超過300EFLOPS，智能算力方面，圍繞工業(yè)、金融、醫(yī)療、交通、能源、教育等提出要推進(jìn)AI領(lǐng)域的模型與算法創(chuàng)新工作，加快推動(dòng)國(guó)家新一代人工智能公共算力開放創(chuàng)新平臺(tái)建設(shè)，算力大規(guī)模部署和應(yīng)用已經(jīng)成為必然趨勢(shì)算力規(guī)模1——國(guó)家層面李正茂“算力時(shí)代三定律”指出，算力每投入1元，帶動(dòng)3~4元GDP經(jīng)濟(jì)增長(zhǎng)。據(jù)IDC和清華大學(xué)等聯(lián)合編制的計(jì)算力指數(shù)指出，該指數(shù)平均每提高1點(diǎn)，國(guó)家的數(shù)字經(jīng)濟(jì)和GDP將分別增長(zhǎng)3.6%和1.7%。截至目前，全國(guó)在用數(shù)據(jù)中心機(jī)架總規(guī)模超過760萬(wàn)標(biāo)準(zhǔn)機(jī)架，算力總規(guī)模達(dá)到197EFLOPS（每秒浮點(diǎn)運(yùn)算次數(shù)位居全球第二。算力是國(guó)家經(jīng)濟(jì)增長(zhǎng)的主要驅(qū)動(dòng)力，我國(guó)算力規(guī)模處于領(lǐng)跑位置算力規(guī)模2——省份層面上海市、江蘇省、廣東省、河北省、北京市位于第一梯隊(duì)，在用算力規(guī)模均超過13EFLOPS，第一梯隊(duì)算力規(guī)模全國(guó)占比超過45%。山東省、貴州省、浙江省、內(nèi)蒙古自治區(qū)、山西省位于第二梯隊(duì)，在用算力規(guī)模均超過5EFLOPS。從在建算力來(lái)看，江蘇省、河北省、山西省處于絕對(duì)領(lǐng)先位置。當(dāng)前，在國(guó)家統(tǒng)籌規(guī)劃下，已有超過30個(gè)城市在規(guī)劃和建設(shè)人工智能計(jì)算中心，為企業(yè)、高校、科研單位等提供算力服務(wù)。目前，智算中心的規(guī)劃門檻為100PFLOPS，布局方面以東部為主，但在“東數(shù)西算”的大戰(zhàn)略下，未來(lái)西部也將成為重要的算力布局區(qū)域。東部地區(qū)算力規(guī)模較短時(shí)問內(nèi)難以被西部地區(qū)超越算力規(guī)模3——企業(yè)層面中國(guó)移動(dòng)優(yōu)化“4+N+31+X”算力集約化梯次布局中國(guó)移動(dòng)優(yōu)化“4+N+31+X”算力集約化梯次布局，2023年累計(jì)投產(chǎn)算力服務(wù)器超80.4萬(wàn)臺(tái)，凈增超9.1萬(wàn)臺(tái)，算力規(guī)模達(dá)到9.4EFLOPS，預(yù)計(jì)2023年資本開支合計(jì)約為1832億元。中國(guó)電信優(yōu)化“2+4+31+X+O”算力布局，2023上半年智算新增1.8EFLOPS，達(dá)到4.7EFLOPS，增幅62%，擴(kuò)大通用算力，通算新增0.6EFLOPS，達(dá)到3.7EFLOPS，增幅19%，算力投資將達(dá)195億元。中國(guó)聯(lián)通資本開支重點(diǎn)聚焦5G、寬帶、政企、算力四張精品網(wǎng)建設(shè)。算力精品網(wǎng)方面，聯(lián)通云池覆蓋200多個(gè)城市，資本開支水平達(dá)769億元，其中算網(wǎng)投資占比將超過19%，同比增長(zhǎng)超過20%。三大運(yùn)營(yíng)商的機(jī)架數(shù)和算力規(guī)模大幅提升算力規(guī)模3——企業(yè)層面一些互聯(lián)網(wǎng)大廠在全球范圍內(nèi)也擁有大量的數(shù)據(jù)中心和算一些互聯(lián)網(wǎng)大廠在全球范圍內(nèi)也擁有大量的數(shù)據(jù)中心和算力資源，用于支持其搜索引擎、云計(jì)算和其他人工智能應(yīng)用。例如，阿里云智能計(jì)算平臺(tái)飛天就為全球數(shù)百萬(wàn)企業(yè)提供超過1000萬(wàn)臺(tái)服務(wù)器的算力資源。阿里、百度、華為、騰訊等中國(guó)頂級(jí)的科技企業(yè)鍛造這些模型，需要大量的數(shù)據(jù)、較長(zhǎng)的周期、巨大的成本，因此這些企業(yè)在未來(lái)很長(zhǎng)時(shí)間內(nèi)，依然會(huì)是中國(guó)算法算力產(chǎn)業(yè)的核心巨頭，幾乎不可能被替代?；ヂ?lián)網(wǎng)大型企業(yè)擁有大量的數(shù)據(jù)中心和算力資源算力規(guī)模4——高校層面北京大學(xué)“未名一號(hào)”現(xiàn)有的計(jì)算總核心數(shù)達(dá)33584個(gè)，理論計(jì)算峰值高達(dá)4.39PFLOPS。截至2023年11月，已助力北京大學(xué)發(fā)表論文超過1600篇，平臺(tái)支撐北京大學(xué)545項(xiàng)科研課題，部分項(xiàng)目（447個(gè)）總金額累計(jì)31.36億元。北京大學(xué)“未名一號(hào)”上海交通大學(xué)“思源一號(hào)”高性能計(jì)算集群總算力6PFLOPS，是目前國(guó)內(nèi)高校第一的超算集群，TOP500榜單排名第132位，GPUA100顯卡92張，張量算力達(dá)到44PFLOPS，算力超過哈佛、劍橋等國(guó)際名校?！八荚匆惶?hào)”累計(jì)服務(wù)一級(jí)學(xué)科30多個(gè)，支撐發(fā)表高水平論文600多篇。上海交通大學(xué)“思源一號(hào)”一些高校已建設(shè)自己的算力中心算力規(guī)模5——學(xué)部層面天津大學(xué)智能與計(jì)算學(xué)部搭建了136張A800組成的計(jì)算集群，張量算力達(dá)到65PFLOPS，可開放給所有師生申請(qǐng)使用。學(xué)部已建立智能計(jì)算集群算力規(guī)模6——課題組層面課題組在讀碩士生21名，博士生9名，擁有包括A6000和3090GPU在內(nèi)的80余張顯卡，張量算力為2PFLOPS，同時(shí)從AutoDL購(gòu)買了在線算力作為緩沖算力資源池，購(gòu)買服務(wù)器費(fèi)用花費(fèi)100萬(wàn)左右。GPU型號(hào)張數(shù)A600082080tiTitanxp8總計(jì)課題組平均每名學(xué)生算力僅有0.067PFLOPS算力需求——小模型訓(xùn)練、推理訓(xùn)練：參考業(yè)界流行的視頻訓(xùn)練算法訓(xùn)練：參考業(yè)界流行的視頻訓(xùn)練算法，訓(xùn)練一個(gè)模型需要2560TFLOPSFP16算力（8卡/周，單卡算力為320TFLOPSFP16運(yùn)算時(shí)間為7天左右，且通常需要訓(xùn)練大于8~10次才能找到一個(gè)滿意的模型?？紤]2天的調(diào)測(cè)，安裝和模型更新時(shí)間，則一個(gè)模型的訓(xùn)練周一為10天。綜上，至少需占用要2560*8=20480TFLOPSFP16算力，才能在10天內(nèi)找到一個(gè)滿意的訓(xùn)練模型；按照目標(biāo)檢測(cè)，分割，跟蹤等常規(guī)模型統(tǒng)計(jì)，預(yù)計(jì)一年有30+任務(wù)需要分別訓(xùn)練，總算力需求20PFLOPSFP16。推理：如當(dāng)前業(yè)務(wù)需要接入3000路視頻的需求來(lái)計(jì)算，共需要的AI推理卡的數(shù)量為：3000/16≈188塊?？紤]到數(shù)據(jù)加工集群建模的并行效率（一般集群的并行效率為90%左右留出適當(dāng)?shù)馁Y源后需要的GPU卡的數(shù)量為：188/0.9≈209塊。小模型訓(xùn)練推理需要一定的算力支持算力需求——大模型訓(xùn)練以微軟與英偉達(dá)合作推出的MegatronTuring-NLG(MT-NLG)模型為例，該模型擁有5300億參數(shù)，其訓(xùn)練過程消耗了4480塊A100GPU。OpenAI在GPT-4的訓(xùn)練中，動(dòng)用了大約25000個(gè)A100GPU，歷時(shí)近100天。以Llama2和GPT-3*為例，訓(xùn)練所使用的算力如下：參數(shù)量達(dá)到1750億的GPT-3模型，需要3.14×1023FLOPS的計(jì)算能力進(jìn)行訓(xùn)練。如果設(shè)定訓(xùn)練時(shí)間為30天，那么預(yù)估將需要758個(gè)A100GPU。ChatGPT3.5與ChatGPT4.0沒有公開具體的參數(shù)，可以假定與GPT-3的規(guī)模相當(dāng)，需要1000個(gè)以上的A100GPU的算力才能在可以接受的時(shí)間里獲得訓(xùn)練結(jié)果，其單次訓(xùn)練成本大概為500萬(wàn)美元。大模型訓(xùn)練時(shí)算力需求大、時(shí)間長(zhǎng)、成本高算力需求——大模型訓(xùn)練、微調(diào)昇思和業(yè)界開源大模型關(guān)于算力、訓(xùn)練時(shí)長(zhǎng)不同參數(shù)量下大模型算力需求對(duì)于細(xì)分行業(yè)在大模型的使用需求，更多的是大模型微調(diào)和優(yōu)化大模型微調(diào)時(shí)仍對(duì)算力有很大需求不同層面算力訓(xùn)練、推理、微調(diào)大模型層面算力顯卡數(shù)大模型訓(xùn)練(盤古、GPT3)大模型推理大模型微調(diào)(ChatGLM2-6B)197,000411,909省份13,00027,182企業(yè)（大型）4,700982724否高校學(xué)部課題組24否不同層面算力訓(xùn)練推理微調(diào)大模型的能力不同我國(guó)算力需求大、國(guó)產(chǎn)化率極低，替代空間廣闊根據(jù)工信部發(fā)言根據(jù)工信部發(fā)言，2024-2025年我國(guó)算力規(guī)模規(guī)劃增長(zhǎng)將超100EFLOPS，對(duì)應(yīng)AI算力芯片市場(chǎng)規(guī)模超2600億元，其中智能算力將成為主要增量部分。賽道空間巨大但國(guó)產(chǎn)化率極低，目前GPU國(guó)產(chǎn)化率不足10%，互聯(lián)網(wǎng)等商用AI芯片幾乎完全依賴進(jìn)口。大國(guó)AI競(jìng)爭(zhēng)背景下，美國(guó)出口管制進(jìn)一步升級(jí)，2023年10月17日，美國(guó)商務(wù)部出臺(tái)出口管制清單的ECNN3A090和4A090要求，進(jìn)一步限制高性能AI芯片的出口，同時(shí)將13家中國(guó)公司列入實(shí)體清單。美國(guó)加強(qiáng)限制規(guī)則，海外高性能芯片進(jìn)口受限，將反向驅(qū)動(dòng)我國(guó)產(chǎn)業(yè)發(fā)展英偉達(dá)GPU出口管控趨嚴(yán)，以華為昇騰為首的國(guó)產(chǎn)AI芯片迅速填補(bǔ)需求空缺華為昇騰910芯片F(xiàn)P16算力已達(dá)376TFLOPS、INT8算力達(dá)到640TOPS，與英偉達(dá)A10080GB版本旗鼓相當(dāng)，并已落地千卡集群項(xiàng)目，且2023年9月發(fā)布的Atlas900SuperCluster利用華為全新星河AI智算交換機(jī)CloudEngineXH16800，可實(shí)現(xiàn)等效18,000張卡的超大規(guī)模無(wú)收斂集群組網(wǎng)。以華為昇騰為首的國(guó)產(chǎn)算力與組網(wǎng)能力可以滿足國(guó)內(nèi)智算網(wǎng)絡(luò)的建設(shè)需求眾多廠商積極布局“云上”AI算力曙光人工智能云計(jì)算平臺(tái)提供一站式深度學(xué)習(xí)訓(xùn)練與實(shí)時(shí)推理，提供基于云的GPU計(jì)算服務(wù)。該系統(tǒng)以主流深度學(xué)習(xí)框架為基礎(chǔ)，支持TensorFlow、Caffe等多種主流深度學(xué)習(xí)框架。中國(guó)電子云是深桑達(dá)以中國(guó)電子PKS自主安全計(jì)算體系為底座建立的數(shù)據(jù)基礎(chǔ)設(shè)施，包含國(guó)產(chǎn)化自研可信的計(jì)算架構(gòu)和分布式云原生操作系統(tǒng)，名稱中的“P”代表飛騰CPU，“K”指麒麟操作系統(tǒng)，“S”即安全，體系中使用的飛騰CPU和麒麟操作系統(tǒng)均為中國(guó)電子自主研發(fā)，中國(guó)電子云交付的60%硬件設(shè)備基于國(guó)產(chǎn)芯片，防范過度依賴進(jìn)口芯片帶來(lái)的斷供危險(xiǎn)。人工智能云計(jì)算平臺(tái)提供穩(wěn)定高效算力，基于云計(jì)算的AI能力逐步得到驗(yàn)證算力國(guó)產(chǎn)化是長(zhǎng)期發(fā)力方向華為昇騰910B和英偉達(dá)A100相當(dāng)，預(yù)計(jì)24年出貨超40萬(wàn)片，在FP32高精度訓(xùn)練推理中，昇騰910B具有很大的優(yōu)勢(shì)，而在卡與卡之間的數(shù)據(jù)傳輸中，A100具有優(yōu)勢(shì)?？紤]到組網(wǎng)技術(shù)、軟件生態(tài)等競(jìng)爭(zhēng)壁壘，國(guó)內(nèi)GPU產(chǎn)品較英偉達(dá)方案在實(shí)際有效算力層面仍存在較大差距。且考慮到英偉達(dá)H系列算力性能更強(qiáng)、下一代B系列產(chǎn)品也已發(fā)布規(guī)劃，國(guó)產(chǎn)GPU仍需加速追趕海外步伐。國(guó)產(chǎn)GPU性能較英偉達(dá)先進(jìn)產(chǎn)品仍有差距匯報(bào)提綱：··一·三起兩落：人工智能發(fā)展史四四數(shù)據(jù)為王：低空感知平臺(tái)··五·百花齊放：人工智能應(yīng)用場(chǎng)景智能無(wú)人集群協(xié)同是大國(guó)博弈的主戰(zhàn)場(chǎng)，是戰(zhàn)場(chǎng)攻防與應(yīng)急救援等關(guān)鍵領(lǐng)域的核心俄羅斯“見證者-136”無(wú)人機(jī)集群襲擊基輔烏克蘭9架無(wú)人機(jī)集群和7艘無(wú)人艦艇集群攻擊俄羅斯黑海艦隊(duì)無(wú)人機(jī)集群攜應(yīng)急物資及救援裝備助力北京房山、河北涿州抗洪搜救——美國(guó)國(guó)防部《小型無(wú)人機(jī)系統(tǒng)飛行計(jì)劃：2016-智能無(wú)人集群協(xié)同是保障國(guó)家安全、人民生命財(cái)產(chǎn)安全的關(guān)鍵抓手智能無(wú)人系統(tǒng)呈現(xiàn)環(huán)境動(dòng)態(tài)性強(qiáng)、多模態(tài)配準(zhǔn)融合難、多機(jī)協(xié)同進(jìn)化難的特點(diǎn)感知高動(dòng)態(tài)-變尺度-多任務(wù)感知高動(dòng)態(tài)-變尺度-多任務(wù)多傳感器難配準(zhǔn)-協(xié)同復(fù)雜多傳感器難配準(zhǔn)-協(xié)同復(fù)雜多機(jī)協(xié)作響應(yīng)延遲高-泛化難多機(jī)協(xié)作響應(yīng)延遲高-泛化難智能無(wú)人系統(tǒng)協(xié)同學(xué)習(xí)面臨的挑戰(zhàn)依舊艱巨智能無(wú)人系統(tǒng)協(xié)同學(xué)習(xí)面臨的挑戰(zhàn)依舊艱巨，亟需突破這三大關(guān)鍵難題42復(fù)雜環(huán)境感復(fù)雜環(huán)境感知難多模配準(zhǔn)融合難多機(jī)協(xié)同進(jìn)化難創(chuàng)新點(diǎn)1復(fù)雜場(chǎng)景低代價(jià)感知?jiǎng)?chuàng)新點(diǎn)2多傳感器動(dòng)態(tài)協(xié)同感知I創(chuàng)新點(diǎn)1復(fù)雜場(chǎng)景低代價(jià)感知?jiǎng)?chuàng)新點(diǎn)2多傳感器動(dòng)態(tài)協(xié)同感知I創(chuàng)新點(diǎn)3多機(jī)協(xié)同感知與進(jìn)化創(chuàng)新點(diǎn)3多機(jī)協(xié)同感知與進(jìn)化成果服務(wù)于軍民融合場(chǎng)景智能無(wú)人協(xié)同學(xué)習(xí)關(guān)鍵技術(shù)成果應(yīng)用成果服務(wù)于軍民融合場(chǎng)景水利監(jiān)測(cè)電力巡檢圍繞三個(gè)創(chuàng)新點(diǎn)交叉融合，形成一套完整的智能無(wú)人集群協(xié)同技術(shù)體系>關(guān)鍵平臺(tái)：建立了復(fù)雜環(huán)境協(xié)同感知數(shù)據(jù)平臺(tái)歷時(shí)5年全國(guó)14個(gè)城市采集2000萬(wàn)+歷時(shí)5年全國(guó)14個(gè)城市采集2000萬(wàn)+圖像/視頻幀2000萬(wàn)+目標(biāo)標(biāo)注VisDrone數(shù)據(jù)累計(jì)下載次數(shù)2萬(wàn)+在Github獲得1500個(gè)星在ECCV和ICCV連續(xù)舉辦五屆VisDrone競(jìng)賽全球包括卡耐基梅隆大學(xué)等在內(nèi)的700+參賽隊(duì)伍1555篇論文使用并引用構(gòu)建了大規(guī)模多源、多模態(tài)、多任務(wù)、非完備復(fù)雜環(huán)境協(xié)同感VisDrone-TJUMultiDrone-TJUAnimalDrone-TJUVisDrone-TJUMultiDrone-TJUDroneRGBT-TJUDroneCrowd-TJUDroneVehicle-TJUDroneRGBT-TJUDroneCrowd-TJU國(guó)內(nèi)外廣泛使用的無(wú)人機(jī)視覺基準(zhǔn)數(shù)據(jù)平臺(tái)>關(guān)鍵平臺(tái)：建立了復(fù)雜環(huán)境協(xié)同感知數(shù)據(jù)平臺(tái)>行業(yè)應(yīng)用：基于人機(jī)協(xié)同的視覺數(shù)據(jù)自動(dòng)標(biāo)注技術(shù)研究與應(yīng)用天津市重點(diǎn)研發(fā)計(jì)劃科技支撐重點(diǎn)項(xiàng)目.基于深度學(xué)習(xí)的智能網(wǎng)聯(lián)典型駕駛場(chǎng)景數(shù)據(jù)庫(kù)建設(shè)與應(yīng)用開發(fā).2017.1-2018.12獲得天津市科技進(jìn)步二等獎(jiǎng)（2022年度被基金委信息學(xué)部推薦為有轉(zhuǎn)化潛力的重點(diǎn)宣傳推廣對(duì)象，納入基金委成果轉(zhuǎn)化信息服務(wù)平臺(tái)成果庫(kù)>行業(yè)應(yīng)用：面向多領(lǐng)域的智能遙感影像解譯技術(shù)及應(yīng)用天津市重點(diǎn)研發(fā)計(jì)劃科技支撐重點(diǎn)項(xiàng)目.基于人工智能的遙感圖像分類研究.2017.1-2018.12相關(guān)成果獲得天津市科技進(jìn)步二等獎(jiǎng)（2023年度）相關(guān)成果獲得天津市科技進(jìn)步二等獎(jiǎng)（2023年度）智能無(wú)人機(jī)協(xié)同感知技術(shù)成果展示基礎(chǔ)平臺(tái)建設(shè)成效構(gòu)建了國(guó)內(nèi)外廣泛使用的無(wú)人機(jī)視覺基準(zhǔn)數(shù)據(jù)平臺(tái)空天地水協(xié)同進(jìn)化智能無(wú)人集群感知平臺(tái)理論研究成效發(fā)表論文發(fā)表論文56篇(其中SCI一區(qū)/CCF-A論文52篇)授權(quán)發(fā)明專利30項(xiàng)成果支撐團(tuán)隊(duì)獲得多項(xiàng)國(guó)際競(jìng)賽冠軍和最佳論文獎(jiǎng)應(yīng)用實(shí)踐成效空空協(xié)同巡檢偵察應(yīng)用空軍“無(wú)人爭(zhēng)鋒”挑戰(zhàn)賽冠軍空空協(xié)同巡檢偵察應(yīng)用成果應(yīng)用天津警航總隊(duì)抗洪救災(zāi)、水文局抗洪水情監(jiān)測(cè)任務(wù)團(tuán)隊(duì)圍繞“無(wú)人機(jī)+AI”在基礎(chǔ)平臺(tái)建設(shè)、理論研究、應(yīng)用實(shí)踐三方面取得顯著成效匯報(bào)提綱：··一·三起兩落：人工智能發(fā)展史五五百花齊放：人工智能應(yīng)用場(chǎng)景人工智能應(yīng)用場(chǎng)景（一）——?dú)庀箢A(yù)測(cè)AIAI集成模型奪冠基于非線性回歸模型的集成系統(tǒng)準(zhǔn)確預(yù)測(cè)了美國(guó)西部的溫度和降水，贏得了“次季節(jié)氣候預(yù)測(cè)挑戰(zhàn)賽”的冠軍，將溫度預(yù)測(cè)的準(zhǔn)確性提高了40-50%，降水預(yù)測(cè)的準(zhǔn)確性提高了129-169%。IBM“GRAF”IBM“GRAF” 谷歌“GraphCast”谷歌DeepMind推出氣象AI預(yù)測(cè)模型--“GraphCast”--基于“編碼器-處理器-解碼器”的圖神經(jīng)網(wǎng)絡(luò)模型，能夠在1分鐘內(nèi)以0.25°的分辨率預(yù)測(cè)全球未來(lái)10天的數(shù)百個(gè)天氣變量。IBM結(jié)合的豐富氣象數(shù)據(jù)和強(qiáng)大計(jì)算能力，推出了全球高分辨率大氣預(yù)報(bào)系統(tǒng)“GRAF”。該系統(tǒng)每小時(shí)更新氣象信息，預(yù)測(cè)范圍從13平方公里縮減至3平方公里，分辨率提升333%。國(guó)外利用先進(jìn)AI技術(shù)顯著提升了氣象預(yù)測(cè)的精度和速度人工智能應(yīng)用場(chǎng)景（一）——?dú)庀箢A(yù)測(cè)模型訓(xùn)練和推理策略模型訓(xùn)練和推理策略“盤古氣象”模型核心采用適應(yīng)地球坐標(biāo)系統(tǒng)的三維神經(jīng)網(wǎng)絡(luò)，有效處理復(fù)雜的三維氣象數(shù)據(jù)。該模型還運(yùn)用層次化時(shí)域聚合策略，以減少預(yù)報(bào)迭代次數(shù)并降低誤差，提高預(yù)測(cè)精度。臺(tái)風(fēng)“瑪娃”軌跡預(yù)測(cè)臺(tái)風(fēng)“瑪娃”軌跡預(yù)測(cè)大會(huì)展示“盤古氣象”模型大會(huì)展示“盤古氣象”模型2023年7月6日，2023世界人工智能大會(huì)在上海世博中心拉開帷幕。人們?cè)趫?chǎng)觀看“盤古氣象”模型。氣象預(yù)測(cè)結(jié)果包括濕度、風(fēng)速、溫度氣壓等，可直接在氣象研究的多個(gè)場(chǎng)景應(yīng)用?！吨袊?guó)氣象報(bào)》報(bào)道稱，國(guó)家氣象中心應(yīng)用華為的AI快速增強(qiáng)識(shí)別技術(shù)，“盤古氣象”模型在臺(tái)風(fēng)“瑪娃”軌跡預(yù)測(cè)上表現(xiàn)卓越，成功提前5天預(yù)測(cè)出其在臺(tái)灣東部海域的轉(zhuǎn)彎路徑。華為“盤古氣象”是首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方法的華為“盤古氣象”是首個(gè)精度超過傳統(tǒng)數(shù)值預(yù)報(bào)方法的AI模型，能提供秒級(jí)全球氣象預(yù)報(bào)人工智能應(yīng)用場(chǎng)景（二）——電力行業(yè)虛擬電廠虛擬電廠虛擬電廠是AI在電力領(lǐng)域的最佳落地場(chǎng)景，是解決電網(wǎng)負(fù)荷的最具經(jīng)濟(jì)性選項(xiàng)之一。AI大模型可以將海量歷史數(shù)據(jù)進(jìn)行有效分析，提升電力預(yù)測(cè)精準(zhǔn)度，促進(jìn)電力資源優(yōu)化配置，幫助用電方或售電方以合理的價(jià)格交易。無(wú)人巡檢無(wú)人巡檢國(guó)家電網(wǎng)山東電力公司設(shè)計(jì)仿線飛行智能巡檢技術(shù)無(wú)人機(jī)，通過激光雷達(dá)設(shè)備，結(jié)合雙目視覺識(shí)別技術(shù)，部署深度卷積神經(jīng)網(wǎng)絡(luò)的算法，可實(shí)現(xiàn)基于仿線飛行的線路巡檢、異物檢測(cè)的精細(xì)化巡檢，缺陷發(fā)現(xiàn)率約為80%。人工智能賦能電力行業(yè)人工智能應(yīng)用場(chǎng)景（三）——無(wú)人駕駛2023年12月2日，國(guó)產(chǎn)自主研發(fā)的阿爾法國(guó)產(chǎn)阿爾法巴無(wú)人駕駛系統(tǒng)已實(shí)現(xiàn)自動(dòng)駕駛落地人工智能應(yīng)用場(chǎng)景（三）——無(wú)人駕駛夜間遇到施工，借道繞行繞行障礙物面對(duì)違章車輛，安全繞行夜間遇到施工，借道繞行繞行障礙物擁堵路口靈活通過低矮障礙物識(shí)別無(wú)保護(hù)左轉(zhuǎn)，安全智能擁堵路口靈活通過低矮障礙物識(shí)別百度Apollo采用高精度的視覺檢測(cè)AI技術(shù)，實(shí)現(xiàn)了復(fù)雜路況下的自動(dòng)駕駛無(wú)癥狀左心室功能障礙（ALVD無(wú)癥狀左心室功能障礙（ALVD）的發(fā)病率為總?cè)丝诘?-6%，與壽命縮短相關(guān)。目前缺乏一種廉價(jià)的篩查工具用于醫(yī)生辦公中的ALVD篩查。美國(guó)Jacksonville健康科學(xué)研究中心證實(shí)可將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于心電圖中可識(shí)別ALVD，使得心電圖成為識(shí)別ALVD的有力篩查工具。利用AI輔助心電圖識(shí)別ALVD人工智能應(yīng)用場(chǎng)景（四）——輔助醫(yī)療利用利用AI識(shí)別遺傳病的面部表型遺傳病影響8%的人口，面部分析技術(shù)對(duì)識(shí)別遺傳病有潛力，但在臨床環(huán)境中受到診斷多樣性的限制。美國(guó)FDNA公司利用AI技術(shù)和大規(guī)模數(shù)據(jù)學(xué)習(xí)面部表征遷移學(xué)習(xí)，設(shè)計(jì)了面部圖像分析框架“DeepGestalt”，提高了描述遺傳疾病特征的能力，有助于新型遺傳疾病的鑒定。人工智能技術(shù)已經(jīng)融入醫(yī)療健康研究，并展現(xiàn)出廣闊的應(yīng)用前景人工智能應(yīng)用場(chǎng)景（四）——輔助醫(yī)療利用利用AI實(shí)現(xiàn)通用醫(yī)學(xué)影像分割醫(yī)學(xué)影像分割在臨床實(shí)踐中扮演重要角色，可幫助準(zhǔn)確診斷和監(jiān)測(cè)疾病。然而，現(xiàn)有方法只適用于特定疾病類型，缺乏通用性。加拿大多倫多市大學(xué)健康網(wǎng)絡(luò)心臟中心引入了MedSAM，旨在實(shí)現(xiàn)通用醫(yī)學(xué)影像分割。實(shí)驗(yàn)結(jié)果證實(shí)了MedSAM作為多功能醫(yī)學(xué)圖像分割新方法的潛力。AIAI生物科技公司英矽智能開創(chuàng)生成式AI加速藥物發(fā)現(xiàn)，設(shè)計(jì)了全球首款TNIK抑制劑INS018_055：使用了多個(gè)AI引擎，包括生成式預(yù)訓(xùn)練Transformer，用于靶點(diǎn)識(shí)別；并行應(yīng)用多個(gè)生成模型生成化合物結(jié)構(gòu)，生成模型之間共享參數(shù)和結(jié)構(gòu)，篩選優(yōu)化后得到最理想藥物INS018_055利用AI技術(shù)研發(fā)新藥進(jìn)入人體獲得良好反饋人工智能技術(shù)已經(jīng)融入醫(yī)療健康研究，并展現(xiàn)出廣闊的應(yīng)用前景人工智能應(yīng)用場(chǎng)景（五）——語(yǔ)音交互AmazonAlexaAmazonAlexaHiHi!HowcanIbeofassistance?Alexa.喚起AlexaThebesttimestovisitpuertoricoisbetweenAprilandOctober.WhatisThebesttimestovisitpuertoricoisbetweenAprilandOctober.詢問旅游時(shí)節(jié)LoveisafeelingbrightandtrueItwarmsyourheartLoveisafeelingbrightandtrueItwarmsyourheartandlightsyouractually.ThefollowingisaThefollowingisapoemaboutlove根據(jù)要求寫詩(shī)AmazonAlexa是一個(gè)AI智能語(yǔ)音交互助手，能夠通過語(yǔ)音命令執(zhí)行多種任務(wù)，如播放音樂、提供信息、控制智能家居等。AI大語(yǔ)言模型賦能人機(jī)語(yǔ)音交互JJ人工智能應(yīng)用場(chǎng)景（五）——語(yǔ)音交互ReALMReALM模型解決了自然語(yǔ)言處理中“指代不明”的問題，從而更好地解決人們提出的問題上可交互對(duì)象的視整合用點(diǎn)提問后作理圖像數(shù)據(jù)，能AI大語(yǔ)言模型賦能人機(jī)語(yǔ)音交互人工智能應(yīng)用場(chǎng)景（六）——新材料探索和合成AIAI探索模型可以預(yù)測(cè)自然界穩(wěn)定存在的新材料如今，化學(xué)家已經(jīng)合成了數(shù)十萬(wàn)種無(wú)機(jī)化合物，但研究顯示，還有數(shù)十億種無(wú)機(jī)材料有待發(fā)現(xiàn)。該團(tuán)隊(duì)采用圖神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)AI系統(tǒng)“材料探索圖網(wǎng)絡(luò)”（GNoME成功預(yù)測(cè)出了數(shù)十萬(wàn)種可以在自然界穩(wěn)定存在的材料。AIAI驅(qū)動(dòng)的自主研發(fā)系統(tǒng)可以顯著加快材料研究的步伐利用高通量計(jì)算可以大規(guī)模地識(shí)別有應(yīng)用前景的新材料，谷歌DeepMind團(tuán)隊(duì)將人工智能驅(qū)動(dòng)的數(shù)據(jù)解釋與機(jī)器人技術(shù)結(jié)合創(chuàng)造了全新材料的自主系統(tǒng)--“A-Lab”，以優(yōu)化新型無(wú)機(jī)材料的合成。合成過程完全無(wú)需人工干預(yù)。AI技術(shù)不僅能預(yù)測(cè)新材料的存在，還能實(shí)際在實(shí)驗(yàn)室中制造出這些材料人工智能應(yīng)用場(chǎng)景（七）——圖像合成rr由JoelSimon創(chuàng)立的Morphogen工作室開發(fā)的一款在線AI合成創(chuàng)意工具野生獅子海豚躍出水面濺起水花人工智能應(yīng)用場(chǎng)景（八）——音樂創(chuàng)作《《lamAl》《《Plutonium》《《DigitalSpring》AlVAAlVA（ArtificialIntelligenceVirtualArtist）是一款A(yù)l音樂生成助手，可在幾秒鐘內(nèi)生成250多種不同風(fēng)格的新歌曲。無(wú)論是初學(xué)者還是經(jīng)驗(yàn)豐富的專業(yè)音樂制作人，都可以利用Al生成器的強(qiáng)大功能來(lái)創(chuàng)作自己的歌曲。人工智能輔助音樂創(chuàng)作人工智能應(yīng)用場(chǎng)景（九）——AI數(shù)字人搜狗聯(lián)合新華社發(fā)布全球首個(gè)站立式搜狗聯(lián)合新華社發(fā)布全球首個(gè)站立式AI合成主播百度智能云“曦靈”數(shù)字人百度智能云“曦靈”數(shù)字人AI數(shù)字人應(yīng)用于多個(gè)領(lǐng)域，通過提供個(gè)性化的行業(yè)解決方案，為不同職業(yè)賦能人工智能應(yīng)用場(chǎng)景（十）——AIforScienceAIAI預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)蛋白質(zhì)對(duì)生命至關(guān)重要，確定單個(gè)蛋白質(zhì)結(jié)構(gòu)需要花費(fèi)數(shù)月至數(shù)年的艱苦努力，谷歌De