点击上方蓝字关注更多及时AI资讯
随着人工智能技术的飞速发展，它已成为推动全球经济和社会发展的关键力量。在2024年上海世界人工智能大会(WAIC 2024)众多行业领军人物(老板们)汇聚一堂，分享了他们对AI未来趋势的深刻见解。这些来自科技前沿领头军的声音，对我们了解AI领域未来的走向是非常重要的。
在这场大会上，从百度、蚂蚁集团到华为、商汤科技等知名企业的高层，再到像MiniMax这样的创新独角兽，各家掌门人纷纷登台，就AI的商业应用、技术创新、伦理治理及未来趋势等议题展开了深入的探讨。笔者觉得呢，了解这些行业领袖的看法对于咱们每一位对AI领域的人排除迷茫看清未来很有作用。在这个快速变化的领域，紧跟前沿思想，洞察行业趋势，将使我们能够把握先机，引领创新。
接下来呢本文将对WAIC 2024上各家企业领袖的核心观点进行整理和总结，带大家一起看看这些可能重塑AI未来的人物们的思考与见解!
百度董事长李彦宏
大算力、大模型、大数据导致了智能涌现，大模型出现所谓的智能涌现后，以前没教过的技能它也会了，但思考和学习并不会取代“人”本身的存在价值，在技能空间里消失的岗位，其实代表着更高效的工作成果。每一次科技革命都会让一部分工作消失，同时创造更多新工作岗位。比如计算机的出现其实赚到钱的是会搞电脑的这群人。
开源和闭源大模型是今年以来争议较大的话题，很多人混淆了模型开源和代码开源的概念。模型开源只能拿到一堆参数，还需再做SFT、安全对齐等，即便拿到对应源代码，也不清楚其训练参数所用数据的比例，无法做到众人拾柴火焰高，拿到这些东西并不能让人站在巨人肩膀上迭代开发。同样参数规模下，开源模型的能力不如闭源，若开源想追平闭源能力，需更大的参数规模，这意味着推理成本更高、反应速度更慢。开源模型在学术研究、教学领域有存在价值，但不适用于大多数应用场景，在激烈竞争的市场环境中，商业化的闭源模型是“最能打的”。
大模型的重点应是“卷应用”，没有应用的基础模型不管开源还是闭源都一文不值。随着基础模型的强大，开发智能体越来越简单，无需编程，只需用“人话”描述工作流并配以专有知识库，就能做出有价值的智能体，就像互联网时代制作网页一样简单。他预测未来各行业领域会依据自身场景和特有经验等做出数百万量级的智能体，形成庞大生态。搜索是智能体分发的最大入口，例如高考后，百度的高考智能体可回答考生各种疑问，高峰时期每天要回答超200万个问题。
李彦宏认为在 AI 时代，要避免掉入“超级应用陷阱”，不能觉得一定要出现一个有10亿日活用户的 APP 才叫成功，这是移动时代的思维逻辑。只要能对产业和应用场景产生大的增益，整体价值就已大于移动互联网。
总结：AI的发展会取代部分人的工作但不会代替人的价值，同时也会创造新的就业机会;坚持商业化模型闭源;李老板非常看好Agent智能体生态👍
华为常务董事、华为云CEO张平安
张平安强调了中国AI发展与算力基础设施创新的紧密联系，并提倡开放行业场景以实现AI在行业应用中的领先地位。他提到，通过云网端芯架构上的协同创新，华为正在构建一个可持续发展的AI算力基础，这包括芯端算力上云、面向AI的网络架构升级、云基础设施系统架构创新三个方面。
张平安还指出，中国拥有丰富的业务场景和全球最大的软件创新人群，这为中国在行业领域构筑大模型的全球领先地位提供了机会。他提到，如果各行各业能够积极拥抱AI并开放业务场景，中国将有机会在ToB领域构筑起全球的领先优势。
此外，张平安介绍了华为云盘古大模型5.0的全新升级，该模型在多个领域提供了创新应用和落地实践，如钢铁行业中的AI应用解决方案，已经在宝钢的生产线上线，显著提高了生产效率和预测精度。
总结：中国AI的发展路径应聚焦在行业领域内构建大模型;若各行各业均能积极拥抱AI喝开放行业的业务场景，中国很有机会在2B领域构筑起全球的领先优势。
蚂蚁集团董事长井贤栋
普惠AI：井贤栋强调，AI技术应该成为推动社会普惠发展的重要力量。他认为，通过降低AI技术的门槛，使更多企业和个人能够受益于这一创新，是实现普惠的关键。蚂蚁集团一直致力于通过技术创新，将AI能力嵌入到各类应用场景中，让更多人享受到科技带来的便利。
绿色AI：井贤栋提出，AI技术在助力实现绿色可持续发展方面具有巨大潜力。他分享了蚂蚁集团在绿色金融、绿色能源等领域的实践，以及如何利用AI技术优化资源配置、降低能耗、减少碳排放等方面的探索。他表示，蚂蚁集团将继续致力于推动绿色AI的发展，为建设可持续发展的未来贡献力量。
可信AI：在谈到AI治理时，井贤栋强调了可信AI的重要性。他认为，确保AI技术的安全性、可靠性和公平性是实现其广泛应用的基础。蚂蚁集团在这方面采取了一系列措施，包括建立严格的AI伦理审查机制、推动行业标准制定等。他表示，蚂蚁集团将继续努力，为构建一个更加可信、可靠的AI生态系统贡献力量。
国际合作与交流：井贤栋呼吁加强国际合作与交流，共同推动全球人工智能技术的发展与应用。他认为，各国应携手合作，共同应对挑战，分享成果和经验，以实现全球范围内的普惠、绿色和可持续发展。
井贤栋回顾了移动互联网时代的发展，提出在人工智能时代，蚂蚁集团正在探索如何让AI像扫码支付一样便利人们的生活，并让AI技术的红利惠及更多人。他提到蚂蚁自研的百灵大模型已在2023年通过备案，并正在围绕生活、金融和医疗等场景构建AI生活管家、AI金融管家和AI医疗健康管家。
井贤栋还提到了通用大模型在落地严谨产业时面临的领域知识缺乏、复杂决策难以胜任以及对话交互不等于有效协同等“能力短板”，并介绍了蚂蚁集团采取的措施，包括构建大规模专业知识引擎、提出FoE专家级决策框架等，以提升大模型的领域专业性、打造专业智能体。
最后，井贤栋表达了对未来智能化用户体验的看法，认为不是只靠一个大模型，而是需要全行业深度协作，很多专业智能体共同参与、各司其职。
总结：通用大模型在严谨产业落地时面临着领域专业知识短板、复杂推理、对话与有效协同等挑战，专业智能体被证明是大模型落地严谨产业的有效路径，同样看好Agent的发展。针对专业知识领域的短板问题，蚂蚁联合合作伙伴，打造一个大模型专业知识引擎，帮助大模型具有专家的知识水平(支付宝的安诊儿，真的直面笔者前段时间带家人线下看病觉得很头痛的问诊挂号场景!被Eric的演讲感动到❤️)。
科大讯飞董事长刘庆峰
科大讯飞董事长刘庆峰分享了他对人工智能在教育领域应用的看法和科大讯飞的实践进展。刘庆峰认为，以大模型为代表的通用人工智能正在全球范围内掀起教育变革的浪潮，他强调“人工智能必将因解决人类刚需而载入史册，教育需要培养站在人工智能肩膀上的新人类。”他提到了美国大学生使用ChatGPT写作业的情况，以及联合国教科文组织和白宫在教育领域对生成式人工智能的指南和监管规定的推出。同时，他也指出中国高度重视大模型在教育领域的应用，并介绍了教育部部长怀进鹏关于培养具备数字素养的教师和人工智能赋能教育的行动。
刘庆峰还分享了讯飞星火大模型的最新进展，他提到得益于星火大模型底座能力的提升，科大讯飞教育系列智能硬件迎来了全面升级。讯飞AI学习机在语义理解、多轮交互、图文能力等方面提升明显，能够实现超拟人答疑辅导和启发互动式的“AI 1对1”教学。他还提到了AI答疑辅导试点的统计数据，显示学生学习完成率和错题解决率都有显著提升，孩子们的主动性和自信心得到了加强，甚至亲子关系也得到了改善 。科大讯飞推出了AI学习机、星火智能批阅机、星火智慧黑板等软硬件产品，这些产品在教育领域的应用中取得了显著成效，如学习机销量增长超过100%，教育C端营收占比超过40%
以大模型为代表的通用人工智能正在全球范围内掀起教育变革的浪潮。讯飞星火大模型 V4.0于6月27日发布，其七大核心能力全面对标 GPT-4 Turbo，文本生成、语言理解、知识问答、逻辑推理、数学能力等方面实现超越。在国内外中英文12项主流测试集中，星火大模型 V4.0在8个国际主流测试集排名第一。
刘庆峰提出了科大讯飞在2024年的四大目标：星火大模型国内领先对标GPT-4;赋能智能硬件终端1000万、独立软件用户数过亿;教育、医疗、金融、汽车等多个领域行业市场第一;汇聚100万开发者形成行业第一生态。
总结：强调了教育在培养未来掌握AI的新人类中的重要作用，老板认为人工智能不仅将改变教育的方式，还将深刻影响包括心理健康服务和个性化学习方案等多个方面;科大讯飞在教育领域的应用、最新进展和未来规划，看来教育是要重点发力的场景。
商汤科技董事长兼CEO徐立
超级时刻尚未到来：虽然AI行业很热门，但还没到超级时刻，因为它尚未真正走进一个行业的垂直应用并引起广泛变化。不过他认为应用是决定是否为人工智能超级时刻的关键，超级时刻和应用可互相成就，就如iPhone带来iOS的APP Store生态。
走向应用的突破点：
AI的智慧：现在的人工智能大模型某种程度上只是记忆器，仅有少量智能来自互联网数据背后的高阶逻辑思维链。要在垂直领域取得突破，需依赖人类构造更高级思维链背后的逻辑，或通过与真实世界交互形成执行数据，可分为知识层、推理层以及执行层。
实时的交互性能：实时交互性能带来流畅体验，是推动超级时刻及应用变化的核心。例如GPT-4O性能未必有巨大提升，但交互性带来了不同的感知体验。
可控性：所有的生成都要可控，知道哪里做得不好并能进行修改，如此才能做到真正的可控技术以及可持续的技术发展。
大模型的能力要求：要推动人工智能超级时刻的到来，大模型需要具备更卓越的思维能力、更自然的交互能力以及更可控的生成能力。并且唯有不断深入垂直行业，大模型才能创造出全新应用格局，最终助力“人工智能+”步入黄金时代。而合成的人工数据，特别是高级思维的数据对于大模型展现卓越的深度思考能力往往非常重要。同时需用好端和云两部分的计算机资源，以形成全自然的交互模式。
此外，徐立在其他场合还提到了关于AI 2.0时代生产力工具的思考。他认为目前业内使用的AI 2.0时代生产力工具带来的生产效率提升效果并不明显，所能解决的问题占比不足10%。大模型能力可分为知识、推理、执行三层架构，当前许多生产力工具解决的是知识层的问题，而在推理层成长相对有限，这是今后需要集中突破的能力之一;某种意义上具身智能在执行上会有很大的突破。以商汤的软件智能研发助手“小浣熊”为例，其2.0版本可以基于海量数据筛选出需求，制定产品特征，完成产品的自主开发，未来还会进一步应用到更多的机器人场景当中。
商汤科技的行业首个云、端、边全栈大模型产品矩阵，“日日新SenseNova 5.0”大模型采用混合专家架构，超10TB tokens训练，覆盖大量合成数据，推理时上下文窗口达200K左右，主要增强了知识、数学、推理及代码能力，综合能力全面对标GPT-4 Turbo;用于终端设备的“商汤端侧大模型”可满足各类终端用户对大模型技术的应用需求;大模型产品矩阵还包括面向金融、代码、医疗、政务等领域的边缘产品“商汤企业级大模型一体机”等。商汤还打造了文生视频平台，未来可根据输入的文字或完整描述生成视频，并能预先设定人物服饰、发型、场景等，保持视频内容的连贯性和一致性。
总结：AI还没有到达所谓的“超级时刻”，因为AI还没有真正走进行业垂直应用中引起广泛的变化，超级时刻和应用是相互成就的。应用是决定这个时代是否为人工智能超级时刻的关键因素，三个核心的突破点：AI的智慧、实时交互性能以及可控性;大模型本质是对知识及背后高阶思维逻辑的记忆，在垂直行业中构造高阶思维逻辑的合成数据是制胜和差异化的关键;行业变化中交互模式需先行，实时交互性可带来流畅体验和推动应用变化
MiniMax 创始人首席执行官闫俊杰
中国大模型“开箱即用”率大概为50%-60%，与美国相比仍存在差距，但国内模型能力在整体提升。虽然美国的大模型更强，但中国公司在应用方面能做得更好，且具有工程师红利。今年上半年开始，在一些偏生产力的场景里中国公司已具备局部优势。
大模型产品出海的核心目标是提高用户渗透率，获得更多用户反馈，而不是为了出海而出海。
未来全球只会剩下5家大模型企业，而大厂与初创公司最终所占的市场比例，在AI时代可能会比互联网或移动互联网公司的比例更为凄惨，极端比例或达到9:1。
目前大模型急需解决错误率的问题，若能将至个位数，在实体经济中就能产生更大价值。降低大模型的成本和价格是好事，会带来更多用户、更长的使用时长和更大的流量价值，基于此能找到更好的商业模式。类似于微信、抖音、今日头条这种规模的AI超级应用，至少要到三年之后才可能出现。
技术和商业化都很重要，短期内解决错误率问题最为关键，大模型的错误率目前仍然较高，导致用户减少。技术是否在线决定了公司是否合格，而一年之后，商业化也将非常重要。公司需要不断探索前沿技术，给用户创造价值并做好用户合作，不管是独立做还是其他方式，本质是要把技术做好并服务好用户。
选择MoE(混合-多专家模型)网络是通向更好模型的必要条件，是唯一的道路，而非多项选择中的一个。闫俊杰强调，AI的价值在于服务普通人，技术进步需要依赖用户交互反馈，用户反馈让模型变得更好，是核心要素
闫俊杰还提到MiniMax是国内通用大模型领域最早一批布局海外应用的创业公司，其公司估值已超过25亿美元，除了发布abab系列通用大语言模型外，还打造了海螺AI、Glow等用户端应用产品，旗下Talkie软件从上线以来累计下载近1400万次，总营收近83万美元。
闫俊杰透露，MiniMax将在下个月发布AI视频生成产品，这将是基座大语言模型能力进步的体现。
总结：中国大模型虽然与美国存在差距，但在某些生产力场景中展现出局部优势;大模型产品出海的关键在于提高用户渗透率，获取反馈，而非单纯的地理扩张;面对未来预测全球将仅剩5家大模型企业，且AI时代大厂与初创公司之间的市场比例可能极为悬殊;降低错误率和成本是大模型商业化的前提，而技术创新与商业化并重，最终目标是创造用户价值。
百度副总裁吴梦漪
大模型属于人工智能四层架构(芯片层、框架层、模型层、应用层)中的模型层，是至关重要的一层，通常模型层的智能化水平直接决定了人工智能系统的智能水平，对于具身智能而言，大模型也是其核心组件。无论人工智能是否有实体形态，都是基于大模型的智能能力，通过不同的应用方式发挥作用，并基于感知、交互、运动能力上的差异性，来处理不同类型的任务。因此，对大模型及具身智能的治理原则是共通的，都需要良法善治和规则创新。良法善治要求法律既要灵活适应技术变革，又要谨慎规范市场行为，为新兴技术的健康发展提供坚实的法律基础;治理规则的创新则亟需重新审视过去规则是否适应新的技术发展、是否能应对新技术带来的复杂问题，其中包括但不限于数据权属、算法治理、生态治理等方面的创新。
大模型的发展和应用高度依赖于高质量的数据资源，需要加强数据治理，确保数据的合法采集、安全存储、高效利用与合理共享，同时也应关注数据权益的分配问题，促进数据资源的公平合理流动;大模型的发展需要对算法进行治理，提高算法的透明度和可验证性，增强公众对技术的信任;大模型技术的发展已经形成了全球性的生态系统，应加强国际治理合作，共同制定国际标准和规则，促进技术的跨国界交流与合作。
此外，吴梦漪还介绍了自动驾驶领域的相关情况。目前国内外都开展了立法活动以推动和保障自动驾驶的探索实践。在国内，有了对自动驾驶汽车道路测试和通行作出规定并制定违法和事故处理规则，一些地方也陆续出台有关智能网联汽车特别是无驾驶人模式的测试示范应用法律规则。在国际上，美国、德国、日本、英国等国已开展应对自动驾驶产业发展的修订已有规则和新设规则的立法活动，比如“user-in-charge”和“no-user-in-charge”两种自动驾驶模式上路，在法律层面认可了车内无驾驶人的无人模式的法律地位。
总结：大模型直接影响AI系统的智能水平，对具身智能同样至关重要;模型的发展和应用需依赖于高标准和合法安全的数据治理及合理共享;大模型的算法需提高透明度和可验证性，以增强公众信任;在自动驾驶领域，国内外均通过立法活动推动自动驾驶的实践探索，如中国对自动驾驶汽车的道路测试和通行规则作出明确规定，而美国、德国等国家也在法律层面认可了无驾驶人模式的合法性，体现了对新兴技术治理规则的创新和适应。
扫码关注更多及时AI资讯
我们一起学AI
