2024世界人工智能大会前瞻：巨头与新锐的对话

2019年到2024年，世界人工智能大会产业发展主论坛上总能看到当年的明星企业和领军人物。7月4日二十余位国内外AI领域顶尖专家、科技新锐力量及产业链各方代表又一次分享AI+产业的最新洞见。2023年我国人工智能核心产业规模5784亿元，增速13.9%，AI+产业的全球性共识不变，人工智能应用前景、产业治理、生态建设等热点议题常谈常新，巨头和创业公司共同为数字产业集群注入新活力，也一起迎接生产力升级的新挑战。

保持乐观，服务人类

中国工程院院士王坚：人类有能力解决自己创造的问题

我是一个无药可救的技术乐观主义者，相信在技术发展过程中，任何人类自身产生的问题，一定会被人类解决，历史证明我们有这个能力，过去技术发展给人类带来的恐慌，不会比今天人工智能带来的小，但人类都过来了。

人工智能有非常长的过去，长到可以追溯到100年以前，但有非常短的历史，短到GPT才出来，今天GPT的潜力还没有被完整地探索。要站在时间、空间维度动态看问题，以现有的基础模型看，我们的应用做得还不够好；以现有的算力看，我们的基础模型做得不够好；以现有的电力看，我们的算力还不够好。在这个不等式下，人工智能企业不需要担心能源问题。

牛津大学马丁学院人工智能治理倡议负责人罗伯特·特拉格：AI存在常识挑战

想要人类更好地整合在人类社会里，存在技术性挑战和社会性挑战。

技术性挑战是AI没有人类的常识。AI系统是用人类创造的数据来训练，但是很多人类行为没有数据化，这是因为我们认为这是常识不需要写成数据，比如我们知道怎样人际交往，靠的就是常识，但这对AI来说是重大的技术挑战。

技术治理也是挑战，一旦AI系统越来越强大，就有了做各种事情的能力，大家快速地学习、快速地实现，但可能做的是好事，也可能是坏事。各种智能体出来后我们需要规则来监管。

被使用才有价值

百度创始人兼CEO李彦宏：百模大战造成社会资源的巨大浪费

2023年，国内出现了百模大战，造成了社会资源的巨大浪费，尤其是算力的浪费。我们要避免掉入“超级应用陷阱”，觉得一定要出现一个10亿DAU（日活用户）的APP才叫成功，这是移动时代的思维逻辑。“超级能干”的应用比10亿DAU的“超级应用”更重要。

利用大模型能力处理订单，快递公司可以做到“一张图、一句话寄快递”，不再需要其他繁琐流程，时间从3分多钟缩短到19秒。而且，90%以上的售后问题也都由大模型来解决。

应用其实离我们并不遥远。基于基础模型的应用在各行各业和各个领域已开始逐步渗透。两个月之前，百度曾宣布文心大模型日调用量超过2亿，近期，该调用量已超过5亿。仅仅两个月，调用量发生这么大的变化，足见它背后代表了真实的需求，是有人在用、有人真的从大模型中获益了，得到了价值。

商汤科技董事长兼CEO徐立：深入到垂直行业才能迎来AI 2.0应用的超级时刻

十年前有了第一批人工智能企业，今天生成式人工智能带来了更多的可能性和变化。AI行业非常热，包括像GPT带来的聊天式的应用，Sora带来的视频，但它还没有到超级时刻，因为它没有真正地走进到一个行业的垂直应用当中引起广泛的变化。

如果要推动人工智能超级时刻的到来，需要大模型展现出卓越的深度思考的能力。那么合成的人工数据，特别是高级思维的数据往往是非常重要的。所以越是有应用的场景，才能形成更好的高质量数据的一些核心。

另外，要做到自然的没有延迟的交互。用好端和云两部分的计算机资源，才能够成为一种全自然的交互模式。所有的生成都要可控，你不需要做得很好，但你需要知道你哪里做得不好，并且说做哪里进行一些修改，有了这样的边界，才能做到真正的可控技术以及可持续的技术发展。

要赋能先解决短板

蚂蚁集团董事长兼CEO井贤栋：专业智能体是大模型落地严谨产业的有效路径

移动互联网时代，二维码让移动支付成为每个人的生活日常，在人工智能时代，我们也在探索，让AI像扫码支付一样便利每个人的生活，让AI技术发展的红利惠及更多人。

蚂蚁自研的百灵大模型正围绕蚂蚁有生态积累、用户有需求的领域打造AI生活管家、AI金融管家和AI医疗健康管家，对应的生活、金融和医疗等场景，都需要严谨专业优质的服务。

通用大模型落地上述严谨产业面临领域知识相对缺乏、复杂决策难以胜任，以及对话交互不等于有效协同三个能力短板。蚂蚁解决方案是：构建专业智能体生态，具体包括打造大规模专业知识引擎，专家级决策框架、众多专业智能体共同参与。在大模型时代，智能体是新的应用范式，通过专业智能体的深度连接，AI会像互联网一样，带来服务的代际升级。

MiniMax创始人闫俊杰：大模型赋能实体经济的核心在于降低错误率

GPT-4的很多测试指标正确率是60%、70%。我觉得让AI从辅助人类到独立完成工作，最核心的是降低整体错误率，这需要一个综合性的解决方案。

比如做合成数据、提高训练效率、研究新型的更好的网络结构、引进各种训练算法等，这样可能会让我们在半年或一年内把错误率降低到个位数，这意味着大模型在人类定义的测试上可以接近人类最好的水平，那时大模型就可以独立完成任务了。

2023年（大模型）在底层的复杂能力与美国头部公司之间存在差距，所以我们首先在娱乐领域推出产品，但是在今年（2024）上半年，我们开始意识到，在一些偏生产力的场景里，MiniMaX开始具备局部优势。

北京商报记者 魏蔚