本文来自微信公众号：经济观察报 （ID：eeo-com-cn），作者：任晓宁，题图来源：视觉中国
【资料图】
7月6日，世界人工智能大会在上海开幕。这是大会举办6年来最火爆，也是话题最集中的一届，展馆面积5万平方米，远超去年的1.5万平方米。参展企业400多家，比去年数量翻倍。
无论是展区还是开幕式主论坛，参与者讨论的话题都很集中：大模型。华为轮值董事长胡厚崑说，他昨天去展览区转了一圈，只关注到了两件事：一方面是大模型的研究，另一方面是大模型在不同行业的应用。他在开幕式上的10多分钟发言，通篇都与大模型相关。
在开幕式主论坛上，与会的AI大佬们或多或少都谈到了大模型带动的生成式AI浪潮，虽然还存在风险高、落地难等多方面的争议和讨论，但AI势不可挡的趋势已有基本共识。
风险与监管
特斯拉创始人马斯克是大会第一位演讲嘉宾，他通过视频作了8分钟演讲。这次展会上特斯拉设立了专门展台，一位参展人士看到后调侃说，作为一家汽车厂商，特斯拉不去参加上海车展，反而来到了人工智能大会。
此前，马斯克曾呼吁暂停GPT研发，以减少对人类造成的潜在风险。这次他重申对AI的监管话题时说，有局限的人工智能和全面人工智能完全不一样，全面人工智能比人类聪明的多，现在很重要的一点是，如何对AI进行监督。
“相对于机器智能，人类的智能在全部智能中所占的比例会越来越低，这将是一个根本性的深度变化，现在很难理解它带来的影响，这可能是现在人类历史上最深刻的一个时期。”马斯克说。
图灵奖得主、Meta AI团队首席人工智能科学家杨立昆也提了AI风险。不过他与马斯克的观点完全不同——他不赞同监管AI。杨立昆认为，如果想让人工智能变得安全，实用且唯一的方法是让它开源。
“想象一下，未来10年或15年后，我们每个人都通过人工智能助手与数字世界互动，如果技术被少数公司控制，这不是好事。未来的人工智能系统应该成为人类所有知识的宝库，它们的训练方式必须基于众多的源头，我希望看到更多的开源AI系统。”
杨立昆还认为，可以通过设置目标做到AI可控，比如设定让它不要伤害别人，不要出现欺骗或支配人类的行为，让它诚实，让它屈从于人类，这样这些AI系统将完全可控。这件事并不容易，但设置目标的方式可以让AI系统变得安全，这是一个非常艰巨的挑战。
产业与探索
当学术界热衷讨论AI基础研究的星辰大海时，企业界更关心大模型的实际应用和落地。
华为轮值董事长胡厚崑预告，明天（7月7日）华为将发布盘古大模型3.0。他说，人工智能方向已经很清晰，在一个不太长的时间，通用人工智能会帮助我们改写一切。方向清晰后，最关键的就是路径，我们应该怎么做？
华为的思考结果是：下阶段全力推进人工智能走深向实。共分为两个方向，其一是打造算力，目前在国内建立了25个城市算力基础设施，针对大企业、小企业分别有不同的算力服务方式。胡厚崑说，他希望算力不再成为人工智能发展瓶颈。其二是做行业大模型，让人工智能服务千行百业，目前华为大模型在金融、制造、政务、电力、煤矿、医疗、铁路等10多个领域做了落地。
在AI领域走的最快，成功投中OpenAI的微软，目前关心的也是应用落地。微软全球资深副总裁、微软大中华区董事长兼CEO侯阳说，他感受到了市场对新一代生成式AI的迫切需求，微软正加大投入，近期已连续发布了超过50项生成式AI新技术和新服务。
目前微软的生成式AI场景已经在全球推进。侯阳认为，AI可以对很多行业进行创新，比如，可以革新零售电商行业的智能客服，可以在游戏中构建有无线剧情和对话的NPC，可以在金融行业更早发现风险，可以提升生命科学领域临床实验数据的分析能力，可以在教育行业探索定制化的学习方式。
GPT的未来
尽管大模型令人兴奋，但目前，大模型也存在“一本正经胡说八道”、不安全、落地时不好用等缺陷。这些问题能得到解决吗？ChatGPT之后，AI的下一步会是什么？
图灵奖获得者、上海期智研究院院长姚期智认为，GPT之后，下一个重要突破方向在智能机器人领域，应该让机器人有视觉、听觉等多种感知能力，让它们能在不同环境里，自主学习不同的新技能。
马斯克也重点提到了机器人。他提到了一个比例问题：机器人和人类的比例是多少？他认为将会超过1:1，也就是说，地球上的机器人数量将会超过人类数量。
马斯克还预测说，L4-L5级的全自动驾驶大概今年晚些时候就能实现。“我以前也做过预测，但都错了，但我觉得此刻做的预测比以往任何时候都更接近于现实。”
与往届人工智能大会相比，今年的这届大会学术含量较高。据统计，今年有4位图灵奖以及迈克尔·莱维特诺奖得主、80多位国内外院士出席。在开幕式上，以学者身份出席的演讲嘉宾也很多，他们更关心AI人才的培养。
香港中文大学教授、商汤科技创始人汤晓鸥介绍了3个中国年轻学者在过去10年间为大模型做出的贡献。汤晓鸥说，现在中国的科技原创者已经看到了曙光。
三个年轻学者分别是香港中文大学的王晓刚、何恺明、林达华。王晓刚在深度学习兴起的最初几年，即2011年到2013年，发表了多篇深度学习论文，在全世界第一次将深度学习应用到视觉领域。何恺明2016年发表的论文解决了深度学习网络梯度传递问题，改变了深度学习网络训练参数的瓶颈。林达华打造了国际上有影响力的视觉算法开源体系，并早于谷歌，在2021年12月把技术拓展到城市级，打造了全国首个三维实景大模型。
通过三位学者的经历，汤晓鸥说，国内AI基础理论研究领域，新一代中坚力量已经起步。
本文来自微信公众号：经济观察报 （ID：eeo-com-cn），作者：任晓宁
标签：
