![]()
![]()
最近拜读了中国工程院院士孙凝晖关于《人工智能与智能计算的发展》的讲课内容。这里摘录了关于中国智能计算发展困境部分如下：人工智能技术与智能计算产业处于中美科技竞争的焦点，我国在过去几年虽然取得了很大的成绩，但依然面临诸多发展困境，特别是由美国的科技打压政策带来的困难。困境一为美国在AI核心能力上长期处于领先地位，中国处于跟踪模式。中国在AI高端人才数量、AI基础算法创新、AI底座大模型能力（大语言模型、文生图模型、文生视频模型）、底座大模型训练数据、底座大模型训练算力等，都与美国存在一定的差距，并且这种差距还将持续很长一段时间。A100，H100，B200等高端智算芯片对华禁售。华为、龙芯、寒武纪、曙光、海光等企业都进入实体清单，它们芯片制造的先进工艺④受限，国内可满足规模量产的工艺节点落后国际先进水平2-3代，核心算力芯片的性能落后国际先进水平2-3代。困境三为国内智能计算生态孱弱，AI开发框架渗透率不足。英伟达CUDA(Compute Unified Device Architecture, 通用计算设备架构)生态完备，已形成了事实上的垄断。国内生态孱弱，具体表现在：一是研发人员不足，英伟达CUDA生态有近2万人开发，是国内所有智能芯片公司人员总和的20倍；二是开发工具不足，CUDA有550个SDK(Software Development Kit, 软件开发工具包)，是国内相关企业的上百倍；三是资金投入不足，英伟达每年投入50亿美元，是国内相关公司的几十倍；四是AI开发框架TensorFlow占据工业类市场，PyTorch占据研究类市场，百度飞桨等国产AI开发框架的开发人员只有国外框架的1/10。更为严重的是国内企业之间山头林立，无法形成合力，从智能应用、开发框架、系统软件、智能芯片，虽然每层都有相关产品，但各层之间没有深度适配，无法形成一个有竞争力的技术体系。当前我国AI应用主要集中在互联网行业和一些国防领域。AI技术推广应用于各行各业时，特别是从互联网行业迁移到非互联网行业，需要进行大量的定制工作，迁移难度大，单次使用成本高。最后，我国在AI领域的人才数量与实际需求相比也明显不足。![]()
孙凝晖院士《人工智能与智能计算的发展》的万字长稿详细介绍了人工智能和智能计算的发展历程、当前状态以及未来的发展方向，同时也探讨了中国在智能计算领域面临的困境和发展道路的选择。主要内容包括：计算技术的发展历史大致可分为四个阶段。从算盘的机械计算时代，到电子器件与电子计算机的电子计算时代，再到互联网的网络计算时代，直至今日的智能计算时代。智能计算时代以数据基础设施为支撑，实现“人-机-物”三元融合，预示着计算技术与人工智能的深度融合。智能计算的发展经历了通用计算装置、逻辑推理专家系统、深度学习计算系统、大模型计算系统四个阶段。每个阶段都标志着技术的重大突破，从模拟人脑的初步尝试到深度学习算法的发明，再到如今大模型的兴起，智能计算不断推动着AI技术的边界。AI技术的发展同时带来了诸多安全风险，如互联网虚假信息泛滥、AI大模型的可信问题等。这些问题要求我们在技术与法规两方面加以应对，发展互联网虚假信息的伪造检测技术，以及大模型安全监管技术。中国在智能计算领域虽取得显著成就，但仍面临不少困境。美国在AI核心能力上的领先地位、高端算力产品的禁售、国内智能计算生态的孱弱、AI应用于行业时的高成本和高门槛，都是中国需要克服的难题。面对挑战，中国需做出明智的道路选择。这包括是否走闭源封闭或开源开放的技术体系，是否侧重于算法模型的开发或新型基础设施的建设，以及AI+应着重赋能虚拟经济还是发力实体经济。
（点 击 图 片， 长 按 关 注 公 众 号 ）
