发布时间：2024-04-28 01:37:51 来源: sp20240428
2023年，生成式人工智能在全球范围爆火，引发了人工智能领域新一轮的科技竞赛。眼下，人工智能不仅能辅助科学研究与艺术创作，还能实现自动驾驶、打造“无人农场”和“黑灯工厂”，成为解锁新质生产力的关键钥匙。
我国人工智能产业发展现状如何？未来趋势怎样？在日前举行的第十三届吴文俊人工智能科学技术奖颁奖典礼暨2023中国人工智能产业年会上，多位专家就此话题展开探讨。
大模型、具身智能引领新浪潮
人工智能有着广泛的应用前景，让生产生活提质增效，为千行百业插上智慧“翅膀”。
在工业领域，“AI+工业互联网”帮助企业开展智能制造、数字采购、数字营销、智能运维；在农业领域，“无人农场”让农业生产实现播种、除草、喷淋、收割的全过程自动化；在医疗领域，“下肢外骨骼机器人”辅助瘫痪人士进行康复治疗……
国产大模型发展迅速，鹏城实验室开辟了分布式协同计算“蓝海”，研制并训练完成“鹏城·脑海”系列通用AI大模型底座。获得本次“吴文俊人工智能最高成就奖”的中国工程院院士、鹏城实验室主任高文近些年带领团队致力于“中国算力网”的研发和建设，为我国新一代人工智能和国产大模型的发展提供强有力的底座支撑。
“我国单个芯片方面的能力跟国外相比仍有差距。但我们通过芯片、通信、组网技术三个方面的突破，也可以实现万亿级的算力，共同推动我国大模型集群的发展。”清华大学教授孙富春说。
不少与会专家认为，具身智能将成为人工智能的下一个浪潮。具身智能是人工智能与现实环境交互的形态。哈尔滨工业大学副校长刘挺认为，具身智能的独特意义在于为实体机器人安上“大脑”，让“机器”真正变成“机器人”。
2035年，世界人形机器人市场规模预计达到1540亿美元。刘挺介绍，人形机器人很有发展潜力，可以在服务场景、工业与物流场景以及军事特种工作等领域代替人工。此外，通用机器人将是大模型落地应用的重要载体。“大模型为通用机器人提供强大的能力，人工智能可以将运算、感知、认知、决策、创造等各类智能集成应用在机器人平台上。”
警惕数据瓶颈与算力浪费
数据、算力与算法是人工智能快速发展依赖的三个核心要素。大模型的发展则建立在庞大数据和超高算力的基础之上。数据瓶颈与算力浪费是人工智能产业发展过程中不容忽视的问题。
“如果把大数据比喻为矿产资源，那么其还有多少可以‘挖掘’的新知识有待分析考量。”中国工程院院士、同济大学校长郑庆华分析。
在高文看来，我国人工智能发展过程中还存在一个问题——高质量中文语料不足。“数据和算力是人工智能快速发展的两条腿，二者缺一不可。我国人工智能在高质量数据方面相对薄弱。放眼世界，中文语料在所有数据中占比较小。虽然中国的数据总量很大，数据资源也丰富，但数据市场的规模化产业化尚待培育。”要想打通目前存在的数据壁垒，政府要发挥好指引作用，为数据的安全性、可用性提供制度保障。
目前，大模型的参数已经达到万亿级别。郑庆华指出，这类大模型存在过度消耗数据和算力的问题。“没有深度学习时，算力对电力的依赖每20个月翻一番；大模型时代，算力对电力的依赖，每年都要翻10到100倍。可见，算力对电力的消耗呈几何指数增长。”
由此可见，大模型不仅要消耗大量算力、依赖大量数据，还要投入大量资本。目前来看，这个领域还没有明确的营利模式，如何实现可持续发展，有待进一步分析和考量。郑庆华说：“我们不仅需要在人工智能领域实现高水平科技自立自强，还需要建立起一套具有自主知识产权的人工智能发展生态。”
让人工智能赋能新质生产力
大模型和具身智能引领下的新一代人工智能，在发展进程中如何应对机遇与挑战？
专家们认为，当前，正处于第二代人工智能向第三代人工智能过渡的阶段。人工智能首先解决计算智能，再发展感知智能，进而实现认知智能，这三者并不是阶段性的，而是一种螺旋式上升。
时下热门的大模型并不是人工智能未来发展的唯一路径。郑庆华指出，借鉴人脑记忆模型、创建机器记忆模型就是其中一种新途径、新思路。大模型依托大数据、大算力和强算法，存在过度消耗数据和算力、灾难性遗忘等固有缺陷。“如果我们能够深度借鉴脑科学中记忆的表征、激活、检索、编码、回放等机制，有望破解当前深度学习与大模型的固有缺陷。”
如何让人工智能赋能我国新质生产力加快发展？相比“互联网+”，“人工智能+”所涵盖的面更宽，展现出更强的赋能效果。北京工业大学副校长乔俊飞认为，在传统产业数字化转型、智能化改造的过程中，人工智能有非常重要的地位。“要想实现高端化、绿色化、智能化的新型工业化，让新质生产力发挥更大作用，绕不开人工智能技术。”
“下一步人工智能的发展不仅要讲理念、讲方式、讲途径，更要付诸实实在在的行动。从企业到高校、从人才培养到科学研究，方方面面都要有人工智能意识、提出明确的举措。”郑庆华说，要把人工智能赋能作为推动创新发展、开辟新域新制的一种重要手段。例如，教育领域可以用人工智能赋能传统学科，改进培养方案、课程体系和实践平台，让传统学科“老树吐新芽”。
（记者 王美莹）
(责编：李昉、郝孟佳)