XXX一

三起兩落：

人工智能發(fā)展史二

智能涌現(xiàn)：

大模型時(shí)代五

百花齊放：

人工智能應(yīng)用場景四

數(shù)據(jù)為王：

低空感知平臺(tái)·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·六

·

未來已至：擁抱智能時(shí)代

匯報(bào)提綱：一

三起兩落：

人工智能發(fā)展史·五

·

百花齊放：人工智能應(yīng)用場景·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·

四

·

數(shù)據(jù)為王：低空感知平臺(tái)·六

·

未來已至：擁抱智能時(shí)代·二

·

智能涌現(xiàn)：大模型時(shí)代

匯報(bào)提綱：美國達(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。圖靈測試：

如果機(jī)器能回答由人類測試者提出的一系列問題

，

且其超過30%的回答讓測試者誤認(rèn)為是人類所答

，則機(jī)器通過測試

，并被認(rèn)為具有人類智能。達(dá)特茅斯會(huì)議(1956)DartmouthConference達(dá)特茅斯會(huì)議

：

1956年8月

，

在美國漢諾斯小鎮(zhèn)寧靜的達(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)器來模仿人類學(xué)習(xí)以及其他方面的智能。人工智能的誕生圖靈測試至今仍然被當(dāng)做人工智能水平的重要測試標(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)代亞瑟塞繆爾1901-1990Arthur

LeeSamuel機(jī)器學(xué)習(xí)之父1959年開發(fā)的西洋跳棋程序打敗了當(dāng)時(shí)的西洋棋大師日本早稻田大學(xué)Waseda

University1972年完成了WABOT-1機(jī)器人原型，搭載著機(jī)械手腳、人工視覺、聽覺裝置美國國防高級(jí)研究計(jì)劃署

DARPA/ARPADefenseAdvanced

Research

ProjectsAgency機(jī)器人Shakey第一個(gè)自主移動(dòng)機(jī)器人1958年麥卡錫開發(fā)LISP語言人工智能的第一次寒冬（1974—1980）各國政府和機(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計(jì)算量爆炸

計(jì)算能力有限萊特希爾報(bào)告1973James

Light

hill揭開人工智能寒冬序幕人類的高級(jí)邏輯思維需要運(yùn)算量較少

，而本能和直覺相關(guān)的能力卻需要巨大運(yùn)算量即使3歲嬰兒也已經(jīng)觀看過數(shù)億張圍像

，聽過數(shù)萬小時(shí)的聲音模擬人類視覺需要1000MIPS計(jì)算力超過當(dāng)時(shí)最強(qiáng)計(jì)算機(jī)運(yùn)算力的10倍每多一個(gè)路口可能路線計(jì)算量翻倍缺乏大量的常識(shí)數(shù)據(jù)就如同飛機(jī)需要足夠動(dòng)力才能起飛西洋跳棋每步可能棋局1020國際象棋每步可能棋局1040莫拉維克悖論人工智能需要算力人工智能繁榮期（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)繁榮階段神經(jīng)網(wǎng)絡(luò)復(fù)興1982約翰·霍普菲爾德John

Hopfield發(fā)明了具有全新學(xué)習(xí)能力的Hopfield網(wǎng)絡(luò)杰弗里·辛頓GeoffreyHinton和大衛(wèi)·魯梅哈特David

Rumelhart發(fā)明了可以訓(xùn)練的反向傳播神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)ExpertSystem模擬人類專家決策能力的計(jì)算機(jī)軟件系統(tǒng)根據(jù)人類專家編寫的知識(shí)庫

，依照計(jì)算機(jī)程序設(shè)定的推理規(guī)則

，回答專業(yè)特定領(lǐng)域的問題或提供知識(shí)VaMORs德國慕尼黑聯(lián)邦國防軍大學(xué)1986年真正意義上第一輛自動(dòng)駕駛汽車CYC匯集人類全部常識(shí)的專家系統(tǒng)www.cyc.comXCON專家系統(tǒng)創(chuàng)造商業(yè)價(jià)值人工智能第二次寒冬（1987—1993）LISP機(jī)器市場崩潰和弗諾·芬奇技術(shù)奇點(diǎn)理論使得人工智能領(lǐng)域再一次進(jìn)入寒冬雅恩·樂昆1960~Yann

LeCun卷積神經(jīng)網(wǎng)絡(luò)創(chuàng)始人美國國家工程院院士1989年

，AT＆

T貝爾實(shí)驗(yàn)室的雅恩·樂昆和團(tuán)隊(duì)使用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)

，實(shí)現(xiàn)了人工智能識(shí)別手寫的郵政編碼數(shù)字圖像朱迪亞·皮爾Judea

Pearl1936~貝葉斯網(wǎng)絡(luò)Bayesian

networks算法發(fā)明人1988年將概率論方法引入人工智能推理2011年圖靈獎(jiǎng)得主Elephants

Don.t

PlayChess專家系統(tǒng)并不是人工智能的正確路徑人工智能應(yīng)該具有身體從對(duì)世界的感知中學(xué)習(xí)智慧人工智能的技術(shù)奇點(diǎn)1993弗諾·芬奇Vernor

Vinge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)代人工智能穩(wěn)健發(fā)展期（1993—2015）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《Learning

Multiple

Layersof

Representation》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)行大規(guī)模無監(jiān)督式機(jī)器學(xué)習(xí)

，

自主識(shí)別圖形中的內(nèi)容1997年

，

I

MB的計(jì)算機(jī)深藍(lán)Deep

blue戰(zhàn)勝了人類世界象棋冠軍卡斯帕羅夫2007年

，李飛飛發(fā)起了ImageNet

，在挑戰(zhàn)賽上設(shè)計(jì)的深度卷積神經(jīng)網(wǎng)絡(luò)

，被認(rèn)為是深度學(xué)習(xí)革命的開始隨著大模型的出現(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)勝曾經(jīng)的圍棋世界冠軍韓國李世石和中國的柯潔2024年

，以Sora為代表的文本視頻生成大模型展現(xiàn)了創(chuàng)建現(xiàn)實(shí)和富有想象力場景的能力2018年

，波士頓動(dòng)力公司生產(chǎn)的機(jī)器人Atlas具有超強(qiáng)的環(huán)境適應(yīng)和行動(dòng)能力2024年

，以ChatGPT和Kimi為代表的大語言模型涌現(xiàn)出強(qiáng)大的學(xué)習(xí)能力·五

·

百花齊放：人工智能應(yīng)用場景·一

·

三起兩落：人工智能發(fā)展史·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·

四

·

數(shù)據(jù)為王：低空感知平臺(tái)·六

·

未來已至：擁抱智能時(shí)代

匯報(bào)提綱：二

智能涌現(xiàn)：

大模型時(shí)代萌芽期（1950-2005）

：

以CNN為代表的傳統(tǒng)神經(jīng)網(wǎng)絡(luò)模型階段。探索沉淀期

（2006-2019）

：

以Transformer為代表的全新神經(jīng)網(wǎng)絡(luò)模型階段迅猛發(fā)展期（2020-至今）

：

以GPT為代表的預(yù)訓(xùn)練大模型階段大模型發(fā)展的三個(gè)階段和三次飛躍大模型發(fā)展簡史19502005201420182019202020212022

2023

2024

時(shí)間月之暗面Kimi1000億語言模型多模態(tài)模型OpenAIGPT-5即將發(fā)布GoogleGemini

1.560000億OpenAISora60000億NVIDIA

MT-NLG

5300億OpenAI

DALL-E

120億微軟Turning-NLG170億GoogleT5110億浪潮源1.02457億OpenAI

GPT3

1750億盤古大模型10850億

OpenAI

GPT4GoogleSwitchtransformer百度文心大模型2600億阿里巴巴M6100000億OpenAI

GTP215億基于規(guī)則的少量數(shù)據(jù)處理Google

PaIM-E

5660億Google

Bert3億GAN百萬-千萬級(jí)探索沉淀期迅猛發(fā)展期10000億（估計(jì)）LeNet-5

6萬萌芽期16000億性能華為支持模態(tài)重點(diǎn)領(lǐng)域BERT模式Transformer大模型譜系圖參數(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)展行業(yè)大模型通用大模型工業(yè)大模型醫(yī)療大模型金融大模型

內(nèi)容生成C端應(yīng)用

AI圖片

單模態(tài)大模型多模態(tài)大模型自然語言大模型文生圖大模型視覺大模型其他大模型基礎(chǔ)

架

構(gòu)應(yīng)用

場景GPT模式混合模式ChatGPT的發(fā)展歷程主流預(yù)訓(xùn)練大模型參數(shù)量和性能都在飛躍的提升2023年GPT-4是生成式預(yù)訓(xùn)練模型，其參數(shù)量達(dá)到了100萬億。其是一個(gè)多模態(tài)預(yù)訓(xùn)練大模型

，可對(duì)圖文多模態(tài)輸入生成應(yīng)答文字

，以及對(duì)視覺元素的分類、分析和隱含語義提取

，并表現(xiàn)出優(yōu)秀的應(yīng)答能力

，成為跨時(shí)代意義的里程碑。2020年GPT-3作為一個(gè)無監(jiān)督模型擁有1750億個(gè)參數(shù)。它在CommonCrawl等數(shù)據(jù)集(45TB)進(jìn)行訓(xùn)練。在兩位數(shù)的加減運(yùn)算任務(wù)上達(dá)到幾乎100%的正確率。甚至可以執(zhí)行編寫代碼片段

，生成類似人類的文本。2019年GPT-2是在WebText數(shù)據(jù)集

(40GB)上訓(xùn)練的

，有超過15億個(gè)參數(shù)。GPT-2在生成方面第一次表現(xiàn)出了強(qiáng)大的天賦在閱讀理解、翻譯、問答等任務(wù)時(shí)表現(xiàn)出強(qiáng)大的性能。2018年OpenAl推出初代GPT模型

，該模型的核心Transformer結(jié)構(gòu)

，其參數(shù)量達(dá)到1.17億。BookCorpus數(shù)據(jù)集(5G)上

進(jìn)行訓(xùn)練

，再通過特定下游

任務(wù)來微調(diào)和推廣模型。GPT-1GPT-2GPT-3GPT-4廠商大模型廠商大模型廠商大模型OMeta

MetaLlaMA華為盤古微軟亞研NUWAGoogle

GooglePaLM阿里巴巴

阿里巴巴M6、通義北京智源悟道商湯科技書生清華大學(xué)GLM1308中國科學(xué)院紫東太初NVIDIANeMoLLM

IDEA研究院二郎神騰訊混元in

spurT浪潮

浪潮源DeepMindGopher百度文言一心奇點(diǎn)智源SkyCode像open

Al

OpenAIGPT-4云從SemBERT追一科技RoFormerLINKER聯(lián)匯

聯(lián)匯科技OmModel

OPPOOBERT市場上可見的大模型日益豐富國內(nèi)外的公司紛紛推出了大量的大模型爭搶市場國內(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)展迅速國家政策對(duì)大模型的關(guān)注與引導(dǎo)《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》杭州市人民政府辦公廳2023年7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)用高地若干政策的通知》安徽省人民政府辦公廳2023年10月《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（2023-2025年》北京市人民政府2023年5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》廣東省人民政府辦公廳2023年11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）》上海市經(jīng)濟(jì)和信息化委員會(huì)等部門2023年10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》成都市經(jīng)濟(jì)和信息化局等部門2023年8月2024年《政府工作報(bào)告》

中提出開展“人工智能+”行動(dòng)第十四屆全國人大第二次會(huì)議2024年3月國務(wù)院國資委召開“AI賦能產(chǎn)業(yè)煥新”中央企業(yè)人工智能專題推進(jìn)會(huì)。國務(wù)院國資委2024年2月國內(nèi)外最新的模型--MidjourneyAI

GC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DiscardMidjourney積累豐富用戶數(shù)據(jù)用戶生成圖片優(yōu)化模型國內(nèi)外最新的模型--SoraAI

GC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)提示詞：

a

dragon

made

of

bubbles,perfectly

rendered8k可縮放的Transformers擴(kuò)散模型架構(gòu)視頻壓縮網(wǎng)絡(luò)教學(xué)設(shè)計(jì)用C++寫一段爬蟲代碼產(chǎn)品設(shè)計(jì)國內(nèi)外最新的模型-GPT4最新的大模型展現(xiàn)出來的問答能力接近人類

，

對(duì)教育和創(chuàng)作都是革命性工具歌曲創(chuàng)作

回答生成作文國內(nèi)外最新的模型-FIGUREFIGURE與大模型的結(jié)合引爆了對(duì)具身智能的重新思考OpenAI視覺語言大模型VLM的引入

，

FIGURE01機(jī)器人可以與人進(jìn)行完整的對(duì)話·五

·

百花齊放：人工智能應(yīng)用場景·一

·

三起兩落：人工智能發(fā)展史·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·

四

·

數(shù)據(jù)為王：低空感知平臺(tái)·六

·

未來已至：擁抱智能時(shí)代·二

·

智能涌現(xiàn)：大模型時(shí)代

匯報(bào)提綱：算力大規(guī)模部署和應(yīng)用已經(jīng)成為必然趨勢算力大規(guī)模部署和應(yīng)用是當(dāng)前國家重大戰(zhàn)略和科學(xué)前沿2022年2月

，“東數(shù)西算”工程批復(fù)完成

，在京津冀、長三角、粵港澳大灣區(qū)、成渝、

內(nèi)蒙古、貴州、甘肅、寧夏8地啟動(dòng)建設(shè)國家算力樞紐

，并

設(shè)立10個(gè)國家數(shù)據(jù)中心集群

，構(gòu)建全國一體化大數(shù)據(jù)中心協(xié)同創(chuàng)新體系，推動(dòng)我國算力統(tǒng)籌布局

，高質(zhì)量發(fā)展。到2025年

，算力規(guī)模超過

300EFLOPS

，智能算力占比達(dá)到

35%

，東西部算力平衡協(xié)調(diào)發(fā)展。應(yīng)用賦能方面

，

圍繞工業(yè)、金融、

醫(yī)療、交通、能源、教育等重點(diǎn)領(lǐng)域

，各打造

30個(gè)以上應(yīng)用標(biāo)桿。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)國家新一代人工智能公共算力開放創(chuàng)新平臺(tái)建設(shè)

，支持高性能計(jì)算中心與智算中心異構(gòu)融合發(fā)展。

科技部關(guān)于印發(fā)《國家新一代人工智能開放創(chuàng)新平臺(tái)建設(shè)工作指引》的通知李正茂“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。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)

，

國家的數(shù)字經(jīng)濟(jì)和GDP將分別增長3.6%和1.7%。截至目前

，全國在用數(shù)據(jù)中心機(jī)架總規(guī)模超過760萬標(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。算力是國家經(jīng)濟(jì)增長的主要驅(qū)動(dòng)力

，我國算力規(guī)模處于領(lǐng)跑位置算力規(guī)模1——國家層面上海市、

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。從在建算力來看

，江蘇省、

河北省、

山西省處于絕對(duì)領(lǐng)先位置。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)超越當(dāng)前

，在國家統(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

，未來西部也將成為重要的算力布局區(qū)域。算力規(guī)模2——省份層面中國移動(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80.4萬臺(tái)

，凈增超9.1萬臺(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

比增長超過20%。三大運(yùn)營商的機(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)百萬企業(yè)提供超過1000萬臺(tái)服務(wù)器的算力資源。阿里、

百度、

華為、

騰訊等中國頂級(jí)的科技企業(yè)鍛造這些模型

，

需要大量的數(shù)據(jù)、

較長的周期、

巨大的成本

，

因此這些企業(yè)在未來很長時(shí)間內(nèi)

，依然會(huì)是中國算法算力產(chǎn)業(yè)的核心巨頭

，幾乎不可能被替代。互聯(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3——企業(yè)層面上海交通大學(xué)“思源一號(hào)”高性能計(jì)算集群總算力6PFLOPS，是目前國內(nèi)高校第一的超算集群

，TOP500榜單排名第132

位

，

GPU

A100顯卡92張

，

張量算力達(dá)到44PFLOPS

，算力超過哈佛、

劍橋等國際名校。

“思源一號(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。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。一些高校已建設(shè)自己的算力中心算力規(guī)模4——高校層面上海交通大學(xué)“思源一號(hào)”北京大學(xué)“未名一號(hào)”學(xué)部已建立智能計(jì)算集群算力規(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。課題組平均每名學(xué)生算力僅有0.067PFLOPSGPU型號(hào)張數(shù)A600083090392080ti16Titanxp81080ti11總計(jì)82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購買了在線算力作為緩沖算力資源池

，購買服務(wù)器費(fèi)用花費(fèi)100萬左右。算力規(guī)模6——課題組層面訓(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2560TFLOPS

FP16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。

考慮2天的調(diào)測

，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

=20480TFLOPS

FP16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

，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20PFLOPS

FP16。推理：

如當(dāng)前業(yè)務(wù)需要接入3000路視頻的需求來計(jì)算

，共需要的AI推理卡的數(shù)量為：

3000/16≈188塊。

考慮到數(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——小模型訓(xùn)練、

推理參數(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500萬美元。以微軟與英偉達(dá)合作推出的Megatron

Turing-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：算力需求——大模型訓(xùn)練注

：ChatGPT訓(xùn)練所用的模型是基于13億參數(shù)的GPT-3.5模型微調(diào)而來大模型訓(xùn)練時(shí)算力需求大、

時(shí)間長、

成本高大模型微調(diào)時(shí)仍對(duì)算力有很大需求算力需求——大模型訓(xùn)練、

微調(diào)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)化昇思和業(yè)界開源大模型關(guān)于算力、

訓(xùn)練時(shí)長不同參數(shù)量下大模型算力需求層面算力（PFLOPS）≈A100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)國家197,000411,909訓(xùn)練54個(gè)GPT3

；

訓(xùn)練1,791個(gè)盤古運(yùn)行411,909個(gè)推理運(yùn)行411,909個(gè)LoRA微調(diào)；運(yùn)行205,954個(gè)全參數(shù)微調(diào)省份13,00027,182訓(xùn)練3個(gè)GPT3；訓(xùn)練118個(gè)盤古運(yùn)行27,182個(gè)推理運(yùn)行27,182個(gè)LoRA微調(diào)；運(yùn)行13,591個(gè)全參數(shù)微調(diào)企業(yè)（大型）4,7009827訓(xùn)練1個(gè)GPT3；訓(xùn)練43個(gè)盤古；運(yùn)行9,827個(gè)推理運(yùn)行9,827個(gè)LoRA微調(diào)；運(yùn)行4913個(gè)全參數(shù)微調(diào)企業(yè)（中小微）24否運(yùn)行4個(gè)推理運(yùn)行4個(gè)LoRA微調(diào)；運(yùn)行2個(gè)全參數(shù)微調(diào)高校300627訓(xùn)練3個(gè)盤古運(yùn)行627個(gè)推理運(yùn)行627個(gè)LoRA微調(diào)；運(yùn)行313個(gè)全參數(shù)微調(diào)學(xué)部65136勉強(qiáng)訓(xùn)練1個(gè)盤古運(yùn)行136個(gè)推理運(yùn)行136個(gè)LoRA微調(diào)；運(yùn)行68個(gè)全參數(shù)微調(diào)課題組24否運(yùn)行4個(gè)推理運(yùn)行4個(gè)LoRA微調(diào)；運(yùn)行2個(gè)全參數(shù)微調(diào)不同層面算力訓(xùn)練推理微調(diào)大模型的能力不同不同層面算力訓(xùn)練、

推理、

微調(diào)大模型根據(jù)工信部發(fā)言

，

2024-2025年我國算力規(guī)模規(guī)劃增長將超100EFLOPS

，對(duì)應(yīng)AI算力芯片市場規(guī)模超2600

億元

，

其中智能算力將成為主要增量部分。

賽道空間巨大但國產(chǎn)化率極低

，

目前GPU國產(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AI競爭背景下

，美國出口管制進(jìn)一步升級(jí)

，

2023

年10月17日

，美國商務(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家中國公司列入實(shí)體清單。美國加強(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)我國產(chǎn)業(yè)發(fā)展我國算力需求大、

國產(chǎn)化率極低

，替代空間廣闊華為昇騰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)Cloud

Engine

XH16800

，

可實(shí)現(xiàn)等效18,000張卡的超大規(guī)模無收斂集群組網(wǎng)。以華為昇騰為首的國產(chǎn)算力與組網(wǎng)能力可以滿足國內(nèi)智算網(wǎng)絡(luò)的建設(shè)需求英偉達(dá)GPU出口管控趨嚴(yán)

，

以華為昇騰為首的國產(chǎn)AI芯片迅速填補(bǔ)需求空缺中國電子云是深桑達(dá)以中國電子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)均為中國電子自主研發(fā)

，

中國電子云交付的60%硬件設(shè)備基于國產(chǎn)芯片

，

防范過度依賴進(jìn)口芯片帶來的斷供危險(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。華為昇騰910B和英偉達(dá)A100相當(dāng)

，預(yù)計(jì)24年出貨超40萬片

，在FP32高精度訓(xùn)練推理中

，

昇騰910B具有很大的優(yōu)勢

，

而在卡與卡之間的數(shù)據(jù)傳輸中

，A100具有優(yōu)勢?？紤]到組網(wǎng)技術(shù)、

軟件生態(tài)等競爭壁壘

，

國內(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

，

國產(chǎn)GPU仍需加速追趕海外步伐。國產(chǎn)GPU性能較英偉達(dá)先進(jìn)產(chǎn)品仍有差距算力國產(chǎn)化是長期發(fā)力方向四

數(shù)據(jù)為王：

低空感知平臺(tái)·五

·

百花齊放：人工智能應(yīng)用場景·一

·

三起兩落：人工智能發(fā)展史·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·六

·

未來已至：擁抱智能時(shí)代·二

·

智能涌現(xiàn)：大模型時(shí)代

匯報(bào)提綱：智能無人集群協(xié)同是大國博弈的主戰(zhàn)場

，

是戰(zhàn)場攻防與應(yīng)急救援等關(guān)鍵領(lǐng)域的核心智能無人集群協(xié)同是保障國家安全、

人民生命財(cái)產(chǎn)安全的關(guān)鍵抓手美軍無人機(jī)作戰(zhàn)任務(wù)從偵察向多任務(wù)拓展

，并考慮平臺(tái)自主到多平臺(tái)協(xié)同的自主發(fā)展方向?！绹鴩啦俊缎⌒蜔o人機(jī)系統(tǒng)飛行計(jì)劃：2016-2036》人工智能、無人系統(tǒng)與空天科技相結(jié)合

，實(shí)現(xiàn)跨域一體化融合發(fā)展。智能無人系統(tǒng)將會(huì)成為下一研究熱點(diǎn)?！袊奈鍒?bào)告科技前沿領(lǐng)域攻關(guān)烏克蘭9架無人機(jī)集群和7艘無人艦艇集群攻擊俄羅斯黑海艦隊(duì)無人機(jī)集群攜應(yīng)急物資及救援裝備助力北京房山、

河北涿州抗洪搜救俄羅斯“見證者-136”無人機(jī)集群襲擊基輔智能無人系統(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)42智能無人系統(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)鍵難題多機(jī)協(xié)同進(jìn)化難多模態(tài)配準(zhǔn)融合難復(fù)雜環(huán)境感知難感知高動(dòng)態(tài)-變尺度-多任務(wù)多機(jī)協(xié)作響應(yīng)延遲高-泛化難多傳感器難配準(zhǔn)-協(xié)同復(fù)雜機(jī)載受限算力下多系統(tǒng)響應(yīng)延遲高新任務(wù)-新場景-新類別泛化難多源多傳感器配準(zhǔn)難多傳感器動(dòng)態(tài)協(xié)同多模態(tài)感知復(fù)雜感知任務(wù)多樣場景高度動(dòng)態(tài)目標(biāo)尺度多變圍繞三個(gè)創(chuàng)新點(diǎn)交叉融合

，形成一套完整的智能無人集群協(xié)同技術(shù)體系多智能體協(xié)同進(jìn)化不確定性引導(dǎo)多模態(tài)混合專多模態(tài)雙向動(dòng)分布不確定性誘導(dǎo)多模態(tài)融合家動(dòng)態(tài)融合態(tài)提示學(xué)習(xí)動(dòng)態(tài)特征遷移網(wǎng)絡(luò)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

復(fù)雜場景低

多傳感器動(dòng)

態(tài)協(xié)同感知?jiǎng)?chuàng)新點(diǎn)2多模態(tài)動(dòng)態(tài)協(xié)同感知技術(shù)多模態(tài)協(xié)同學(xué)習(xí)復(fù)雜環(huán)境協(xié)同感知數(shù)據(jù)平臺(tái)與低代價(jià)感知技術(shù)多智能體協(xié)同學(xué)習(xí)與進(jìn)化技術(shù)水利監(jiān)測電力巡檢光伏巡檢聯(lián)防聯(lián)控巡檢智能無人協(xié)同學(xué)習(xí)關(guān)鍵技術(shù)成果應(yīng)用成果服務(wù)于軍民融合場景多機(jī)協(xié)同單目標(biāo)追蹤多機(jī)互提示協(xié)同學(xué)習(xí)多機(jī)協(xié)同多目標(biāo)追蹤多機(jī)協(xié)同感知與進(jìn)化任務(wù)定制混合Adapter復(fù)雜環(huán)境協(xié)同視覺開放數(shù)據(jù)平臺(tái)代價(jià)感知

Moment

Probing低空感知基座模型AMU-Tuning創(chuàng)新點(diǎn)1創(chuàng)新點(diǎn)3I歷時(shí)5年全國14個(gè)城市采集2000萬+圖像/視頻幀2000萬+

目標(biāo)標(biāo)注VisDrone數(shù)據(jù)累計(jì)下載次數(shù)2萬+在Git

hub獲得1500個(gè)星在ECCV和ICCV連續(xù)舉辦

五屆VisDrone競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)同感知數(shù)據(jù)平臺(tái)VisDrone

，覆蓋單機(jī)和多機(jī)協(xié)同感知任務(wù)。國內(nèi)外廣泛使用的無人機(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)AnimalDrone-TJUDroneVehicle-TJUDroneCrowd-TJUDroneRGBT-TJUMultiDrone-TJUVisDrone-TJU>

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)典型駕駛場景數(shù)據(jù)庫建設(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>

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）基礎(chǔ)平臺(tái)建設(shè)成效構(gòu)建了國內(nèi)外廣泛使用的無人機(jī)視覺基準(zhǔn)數(shù)據(jù)平臺(tái)空天地水協(xié)同進(jìn)化智能無人集群感知平臺(tái)理論研究成效發(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)國際競賽冠軍和最佳論文獎(jiǎng)應(yīng)用實(shí)踐成效空軍“無人爭鋒”挑戰(zhàn)賽冠軍成果應(yīng)用天津警航總隊(duì)抗洪救災(zāi)、水文局抗洪水情監(jiān)測任務(wù)團(tuán)隊(duì)圍繞“無人機(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智能無人機(jī)協(xié)同感知技術(shù)成果展示空空協(xié)同巡檢偵察應(yīng)用五

百花齊放：

人工智能應(yīng)用場景·一

·

三起兩落：人工智能發(fā)展史·三

·

東數(shù)西算：算力基礎(chǔ)設(shè)施·

四

·

數(shù)據(jù)為王：低空感知平臺(tái)·六

·

未來已至：擁抱智能時(shí)代·二

·

智能涌現(xiàn)：大模型時(shí)代

匯報(bào)提綱：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)測范圍從13平方公里縮

減至3平方公里

，分辨率提升333%?；诜蔷€性回歸模型的集成系統(tǒng)準(zhǔn)確預(yù)測了美國西部的溫度和降水

，

贏得

了“次季節(jié)氣候預(yù)測挑戰(zhàn)賽”的冠軍

，將溫度預(yù)測的準(zhǔn)確性提高了40-50%

，降水預(yù)測的準(zhǔn)確性提高了129-169%。

谷歌“GraphCast”

谷歌DeepMind推出氣象AI預(yù)測模

型--

“Graph

Cast”

--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

全球未來10天的數(shù)百個(gè)天氣變量。IBM“GRAF”AI集成模型奪冠國外利用先進(jìn)AI技術(shù)顯著提升了氣象預(yù)測的精度和速度人工智能應(yīng)用場景（一）

——?dú)庀箢A(yù)測《中國氣象報(bào)》

報(bào)道稱

，

國家氣象中

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)測上表現(xiàn)卓越

，

成功提前5天預(yù)

測出其在臺(tái)灣東部海域的轉(zhuǎn)彎路徑?！氨P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)測精度。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

在場觀看

“盤古氣象

”模型。

氣象預(yù)

測結(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)場景應(yīng)用。模型訓(xùn)練和推理策略大會(huì)展示“盤古氣象”模型華為“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)用場景（一）

——?dú)庀箢A(yù)測臺(tái)風(fēng)“瑪娃”軌跡預(yù)測國家電網(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、

異物檢測的精細(xì)化巡檢

，缺陷發(fā)現(xiàn)率約為80%。虛擬電廠是AI在電力領(lǐng)域的最佳落地場景

，

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。虛擬電廠無人巡檢人工智能賦能電力行業(yè)人工智能應(yīng)用場景（二）——電力行業(yè)國產(chǎn)阿爾法巴無人駕駛系統(tǒng)已實(shí)現(xiàn)自動(dòng)駕駛落地人工智能應(yīng)用場景（三）

——無人駕駛2023年12月2日

，

國產(chǎn)自主研發(fā)的阿爾法巴無人駕駛電動(dòng)公交車在深圳首次試運(yùn)行。這款公交車融合人工智能和視覺計(jì)算技術(shù)，標(biāo)志著中國無人公交系統(tǒng)的歷史性突破。繞行障礙物擁堵路口靈活通過面對(duì)違章車輛

，安全繞行夜間遇到施工

，借道繞行無保護(hù)左轉(zhuǎn)

，安全智能低矮障礙物識(shí)別百度Apollo采用高精度的視覺檢測AI技術(shù)

，

實(shí)現(xiàn)了復(fù)雜路況下的自動(dòng)駕駛?cè)斯ぶ悄軕?yīng)用場景（三）

——無人駕駛利用AI輔助心電圖識(shí)別ALVD無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。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)用場景（四）

——輔助醫(yī)療利用AI識(shí)別遺傳病的面部表型AI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Med

SAM

，

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Med

SAM作為多功能醫(yī)學(xué)圖像分割新方法的潛力。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)用場景（四）

——輔助醫(yī)療利用AI技術(shù)研發(fā)新藥進(jìn)入人體獲得良好反饋利用AI實(shí)現(xiàn)通用醫(yī)學(xué)影像分割Hi!

How

can

I

be

of

assistance?詢問旅游時(shí)節(jié)Amazon

Alexa是一個(gè)AI智能語音交互助手

，

能夠通過語音命令執(zhí)行多種任務(wù)

，

如播放音樂、

提供信息、

控制智能家居等。AmazonAlexaAI大語言模型賦能人機(jī)語音交互人工智能應(yīng)用場景（五）

——語音交互Itwarmsyour

heartandlightsyouractually.

Whatisthe

besttimetotravel

to

puerto

rico?The

besttimestovisit

puertorico

is

betweenAprilandOctober.The

following

is

a

poem

about

love

Canyouwriteusa

poem

about

love?Love

is

a

feeling

bright

and

true

Alexa.

喚起Alexa根據(jù)要求寫詩ReALM模型解決了自然語言處理中

“指代不明”的問題

，從而更好地解決人們提出的問題ReALM將當(dāng)前屏幕上可交互對(duì)象的視覺屬性編碼成文本

，整合用點(diǎn)提問后作為上下文一起處理JReALM不直接處

理圖像數(shù)據(jù)

，

能

在

小

內(nèi)

存

的

iPhone本地運(yùn)行AI大語言模型賦能人機(jī)語音交互人工智能應(yīng)用場景（五）

——語音交互最小模型追平萬億參數(shù)GPT4基于Google

Flan-T5模型Apple公司公布ReALM模型利用高通量計(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)化新型無機(jī)材料的合成。

合成過程完全無需人工干預(yù)。如今

，

化學(xué)家已經(jīng)合成了數(shù)十萬種無機(jī)化合物

，

但研究顯示

，

還有數(shù)十億種無機(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)測出了數(shù)十萬種可以在自然界穩(wěn)定存在的材料。AI探索模型可以預(yù)測自然界穩(wěn)定存在的新材料AI技術(shù)不僅能預(yù)測新材料的存在

，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)用場景（六）

——新材料探索和合成AI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海豚躍出水面濺起水花野生獅子AArt

breeder由Joel

Simon創(chuàng)立的Morph

ogen工作室開發(fā)的一款在線AI合成創(chuàng)意工具人工智能實(shí)現(xiàn)圖像合成人工智能應(yīng)用場景（七）

——圖像合成AlVA（Artificial

Intelligence

Virtual

Artist）

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