导读腾讯科技新闻12月14日，腾讯科技HitechDay和2023年数字开放会议在北京国家会议中心举行。腾讯科技邀请知名院士、知名经济学家、知名大学教...
腾讯科技新闻12月14日，腾讯科技HitechDay和2023年数字开放会议在北京国家会议中心举行。腾讯科技邀请知名院士、知名经济学家、知名大学教授、研究院院长、行业名人、互联网制造商高管、知名科技领域企业高管、行业数字化转型企业高管谈人工智能趋势。会议一开始，腾讯新闻运营总经理黄晨霞就组织者发表了讲话。她回顾了2023年新技术的出现和发展，并提出了如何打开这些新技术真正的产业变革之门，为人类社会创造更多的福利。黄晨霞表示，在应用实施的道路上，要澄清大型模型的基础、人工智能与产业相结合的可能性以及人工智能产品的潜在形式。
在这次会议上，嘉宾们首先深入分析和分享了中国大型模型产业的基本现状和未来目标，包括计算能力、数据和治理等人工智能基础设施问题。
演讲的主题涵盖了计算能力瓶颈的解决方案路径、数据共享的基本框架和数据治理的核心卡点。在会议的第二章中，业内人士、投资者和专家深入实施了大型模型、拆除变革的形式和行业实施的具体方法。通过三个圆桌论坛，嘉宾们就人工智能对行业和用户的潜在影响和可能性发表了自己的看法。
无限可能：今天出现的信息将带来无数的未来
“如何让这些新技术为今年的工业变革打开真正的大门，进一步为人类社会创造更多的福利？”这个问题隐藏了太多的可能性和模糊性。”这是一个讨论这个问题的机会，就是通过客人的讨论，澄清2023年未来新技术爆发的可能性。
腾讯新闻运营总经理黄晨霞认为，2023年“不寻常”的技术进步可以称为新一轮工业革命的起点。针对目前人工智能技术的无限潜力，她提出了三个问题:“我们在通往人工智能的道路上需要克服哪些障碍”、“大型模型将如何嵌入行业？”以及“人工智能带来的前所未有的能力将带来什么样的产品可能性”。
面对新技术的矛盾心态，黄晨霞认为焦虑是可以理解的，但我们应该更深入地思考，而不是引导贸然行动。黄晨霞说，虽然我们面临着许多挑战，但在讨论这些问题的过程中，信息将走向无数的未来。
2023年，在主办方主题演讲中，科技智能集团董事长、数字开放物业创始人黄超也表示，2023年是全球数字技术领域发生重大变化的一年，也是中国数字经济加速发展的一年。在这种科技创新的背景下，数字化正在成为中国经济和社会的变革力量。
人工智能计算能力：中国已经具备了GPU生产能力，目标是A100。
国有资产监督管理委员会科技强国智库专家委员会主任、中国科学院教授廖琦针对人工智能发展的硬件基石，发表了“中国核心赋能智能计算能力，帮助数字经济高质量发展”主题演讲，分享了解决中国计算能力瓶颈的最新实践和进展。
进入人工智能时代，GPU和广义人工智能芯片逐渐取代CPU，成为计算能力发展的核心。中国如何在中美游戏和芯片出口限制的环境下打破GPU的研发和制造？廖奇认为，广义的计算能力决定了一个国家未来的真正竞争力。
除了硅基芯片，中国科学院还有几个方向，包括量子芯片和仿生神经网络芯片的设计。然而，廖奇伟也强调，中国有自己的GPU设计和生产能力，并进行了工业布局。通过其团队的努力，突破了独立RPP架构的技术困难。该团队“通过14纳米传统GPU技术生产的芯片已经可以与NVIDIA的A100进行比较。GPU的边缘计算甚至可以达到1/27的能耗比，而NVIDIA类似的芯片则可以进行第一步GPU的计算。”
资料：只有安全流通的资料才有价值。
数据是人工智能发展的另一个重要基石。近日，通过优化数据供应，微软发布的最新小模型Phi-2将其能力提升到了比大模型大25倍的水平。然而，中国数据在大型模型开发中的应用还远远没有得到充分利用。
对此，中国人民大学交叉科学研究院院长、教育部长江学者、特聘教授杨东教授发表了“数据大国到数据强国:数据元素在经济发展中的作用”的主题演讲，试图澄清中国数据应用的许多卡点，树立向数据强国转型的道路标准。
杨东指出，在过去的移动互联网时代，中国存在严重的数据风险。为什么大型模型不能尽快生产和发展？主要原因不是计算能力，也不是算法，而是数据没有互联。
为了解决数据垄断和低开放共享的问题，杨东建议建立基于三权的数据收入分配机制。考虑到用户数据确认的困难，杨东将其比作数字时代的“本地改革”，使数据成为“公平合理地向多个流通主体分配可以获得价值的利益”。通过这种方式，个人、企业和政府可以为创造数据价值做出贡献，并获得收入分配。考虑到数据的重要性，杨东说:“十年后，数据元素层可能会成为我们未来经济发展的主体和根本核心驱动力。”
数据
数据安全是流通的基础。每一个用户生成的数据，只有在保护隐私和版权的基础上，才能安全使用和商业化。
中国信息通信研究院云大学大数据与区块链部主任姜春雨作为回应，在会上发表了一篇以“人工智能数据治理发展思维”为主题的演讲。
姜春雨表示，需要在整个生命周期中建立数据安全和隐私保护能力，涵盖整个培训过程，针对数据应用中的安全隐私风险、生成内容、如何管理合成内容、大模型幻觉等核心风险点。
针对幻觉问题，“不同领域的真实性和准确性可以受到一些规则的限制，内容生成要求、监控机制和真实性评估可以通过内容识别和过滤自动检测+人工审计来评估有害问题”，但这些国内领域处于空白阶段，亟待改进。
根据姜春雨的说法，新通院正在撰写人工智能数据治理白皮书，旨在建立这一领域的方法和规则体系。
姜春雨除了提高安全性外，还强调数据质量的价值:没有好的数据，模型的能力肯定会缺失。目前国内IT的发展路径是先污染后处理，所以质量普遍偏差需要改变与数据质量相关的评价维度，需要加强提高数据质量的过程和工程能力。
AI+产业：B端逐步创新，C端颠覆性创新大放异彩
在解决大型模型基本问题的同时，行业的应用和实践也被提上了议事日程。当这项新技术表现出强大的可能性时，如何改变整个行业可能是普通企业最关心的问题。在这方面，竹智能总裁兼首席运营官孙斌分享了他作为人工智能变革一线企业家的观点，在“人工智能大语言模型爆发的产业变革”演讲中。
孙斌说，大语言模型解决了生产力的三个要素，所以肯定会给B端带来可用的生产力。这种生产力的后续承载模式是基于大语言模型的数字员工，是成本和效率的完美结合。没有人能阻止这种趋势，因为大型模型可以提高企业的效率。孙斌认为，“作为甲方和行业从业者，我们应该记住，不能成为大型企业并不是一件好事。”
对于使用人工智能模型的企业，孙斌建议采用外部采购和联合建设的方式。如果不是行业龙头企业，IT开发实力不够，不建议独立开发。至于未来大语言模型的发展，孙斌认为它将成为每个人的工作、能力和生活依赖，就像现在手机已经成为每个人的依赖一样。
人工智能可能会扰乱他们的工作和生活，导致“人工智能焦虑症”在今年从企业家到员工中流行起来。焦虑的根本原因是害怕被新技术颠覆。腾讯科技“人工智能未来指南”栏目经理郭晓静、昆仑万维(300418)董事长、首席执行官汉先生、英诺天使基金合伙人王盛、郭晓静就“人工智能的爆发会带来颠覆性的创新还是渐进的迭代？”这个问题已经讨论过了。
至于人工智能的逆转，王胜表示，从生成到成熟，一个新的技术范式有一个时间点，明年可能是应用程序的第一年。但今年绝对不是这个时间点。今年是Infra(基础设施)的一年。他进一步表明，人工智能与行业的结合并不是刚刚开始的，大型模型只是扩大了整合的可能性，但这种进步仍然会在商业模式没有改变的情况下逐步发展。
对此，方汉补充道:“渐进式创新将在B端快速实施，颠覆性创新将在C端大放异彩。”他认为，人工智能的浪潮一定会从小企业中诞生一个新的C端巨头。
两位嘉宾也对AINative(AI原生)的概念进行了广泛的讨论，并表达了非常明确的观点。方汉认为“AINative完全是个伪命题。”王生认为，AI是过去应用的工具和延伸，与Native的关系有限。
AI+产业：并非所有企业都需要，落地要靠专家模型。
人工智能已经成为许多走得更快的公司非常熟悉的概念。大型模型的出现带来了人工智能能力的变化和形式的变化。因此，面对人工智能的浪潮，他们可能已经有了相对清晰的路线和思考。但是对于制造业来说，大型模型的概念更加陌生和遥远。在最后一波数字变化完全消化之前，我们必须面对新技术范式的变化。制造业从业者面临的第一个问题是什么时候会改变，什么时候会改变。
虽然人工智能带来的数字化转型趋势非常明显，但行业的主流解决方案是什么，企业应该如何实施？思维技术SmartMore联合创始人刘舒作为人工智能在工业实践中的实践者，通过了“IndustryGPT：大工业模式的实践和思考主题演讲为他提供了解决方案。
刘舒说，尽管一般的大型模型已经很好了，但是面对专业领域，专业知识仍然比较匮乏，能力也需要提高。所以，在实际的工业场景中，IndustyGPT也需要相应的模型。
解决专业知识的方法是提供只有行业才有的专业数据。刘枢的团队在培训IndustryGPT时，收集了约500亿tokens的原始数据，相当于10万名医生的阅读量。另外，为了应对行业的具体情况，他们简化了上下文的长度，使模型的输出更加符合操作要求。
中国工业互联网研究院智能研究所副所长顾伟西、北京信息与工业一体化服务联盟主席闫同柱、中国工业互联网科技集团董事长智振、腾讯云智能制造首席专家冰金友为行业带来了精彩的主题对话:“大模型是制造业数字化转型方向的必要选择吗？”
闫同柱说，对于不同的企业来说，大模型的意义是不同的。高端制造业之所以积极拥抱，是因为高端制造业本身对知识有着密集的要求，大模型起到了优化的作用，具有很大的价值。但对于传统制造业来说，数据量小，大模型门槛相对较高，投入产出比没有那么明确。
腾讯云智能制造首席专家冰金友认为，工业企业在接受大型模型方面存在两个问题。一是成本问题，数据分散，模型培训成本高；二是幻觉问题。工业要么是经济产出，需要100%正确，大模型很难实现。
针对冰金友提到的大模型幻觉问题，中国工业互联网科技集团董事长智振表示，目前工业大模型可以实现100%无害的专家系统，准确率在90%以上。有着陆的基础。
虽然现阶段的大型模型不能适用于所有的工业场景，但它擅长的场景有很多例子。冰金友表示，大型模型已广泛应用于客户服务、流程管理、人力资源、营销、内容输出和设计。
严同柱还从另一个角度提出了大模型对工业的意义。他说，由于人才流失，中国工业的工业知识和工业数据在很多地方都丢失了，并没有转化为企业的知识资产。因此，许多创新都在重复，但大模型的出现可以更有效地将经验数据转化为可用的知识资产。
AI+产品：人工智能将解决关键节点问题，图像处理应用程序可能是西安首款热门风格。
自大模型诞生以来，GPT将取代搜索，文生图软件将重塑摄影和绘画软件。但是现在我们看到的更多的是整合，而不是颠覆。大模型与各种应用场景的关系变得更加融合，整合也是一种变化。对于想要寻找机会的创业者来说，如果他们抓住人工智能变化的最大场景，他们可能会找到一片新的蓝海。
腾讯科技创作者胡军、昆中资本投资副总裁陈希、清华大学交叉信息学院助理教授袁阳、木牛机器人首席执行官郭林、腾讯科技创作者、互联网基金公司人工智能业务负责人张仁杰开始了丰富的人工智能机会调查。
陈希先分析了人工智能的产业图景。他将人工智能分为三层:基础大模型层、中间层和应用层。基础大模型层壁垒最高，应用层发展机会最大。
应用层有什么机会？袁洋认为，大模型多，大模型多。