每經(jīng)記者 淡忠奎    每經(jīng)編輯 劉艷美

清華大學(xué)惠妍講席教授、清華大學(xué)電子工程系長(zhǎng)聘教授、北京銜遠(yuǎn)科技創(chuàng)始人周伯文 圖片來(lái)源：每經(jīng)記者 淡忠奎 攝

“人工智能的核心是要落地，讓生活更美好，讓經(jīng)濟(jì)更發(fā)達(dá)?；剡^(guò)頭看過(guò)去幾年的人工智能發(fā)展，計(jì)算在不斷迭代，但是人工智能對(duì)經(jīng)濟(jì)、尤其是對(duì)中國(guó)企業(yè)大規(guī)模的營(yíng)收增長(zhǎng)和利潤(rùn)貢獻(xiàn)，是沒(méi)有達(dá)到預(yù)期的。”7月7日，在2023世界人工智能大會(huì)“大模型時(shí)代的通用人工智能產(chǎn)業(yè)發(fā)展機(jī)遇以及風(fēng)險(xiǎn)”主題論壇上，清華大學(xué)惠妍講席教授、清華大學(xué)電子工程系長(zhǎng)聘教授、北京銜遠(yuǎn)科技創(chuàng)始人周伯文指出，AI能否與業(yè)務(wù)充分結(jié)合，是決定未來(lái)AI能否充分實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值的關(guān)鍵。

麥肯錫“2022全球AI調(diào)查”顯示，全球領(lǐng)先國(guó)家AI使用率已經(jīng)達(dá)到60%左右，而中國(guó)目前的AI使用率僅為41%，暫時(shí)落后全球平均水平。更為重要的是，僅有9%的中國(guó)企業(yè)可借助AI實(shí)現(xiàn)10%以上的收入增長(zhǎng)，而領(lǐng)先國(guó)家受訪企業(yè)中有19%的公司能實(shí)現(xiàn)該增長(zhǎng)。

從這一維度來(lái)看，我國(guó)企業(yè)AI使用率還有較大提升空間，人工智能技術(shù)尚未能幫助企業(yè)普遍實(shí)現(xiàn)大規(guī)模的營(yíng)收增長(zhǎng)和利潤(rùn)貢獻(xiàn)。如何進(jìn)一步加快人工智能尤其是大模型應(yīng)用落地，真正提升AI與實(shí)體經(jīng)濟(jì)融合度，也成為與會(huì)學(xué)者與企業(yè)討論的焦點(diǎn)。

會(huì)議期間，周伯文接受《每日經(jīng)濟(jì)新聞》記者（下稱“NBD”）專(zhuān)訪，談及大模型產(chǎn)業(yè)化的關(guān)鍵問(wèn)題、AI與產(chǎn)業(yè)深度融合等領(lǐng)域的探索和思考。

大模型是下一代AI爆發(fā)式成長(zhǎng)的基石

NBD：如何理解大模型對(duì)人工智能的重要性？ChatGPT推出以來(lái)，國(guó)內(nèi)城市也不斷入局，您認(rèn)為眼下大模型面臨的關(guān)鍵問(wèn)題是什么？

周伯文：可以這樣理解，大模型是下一代AI或者說(shuō)生成式AI爆發(fā)式成長(zhǎng)的基石，它極大推動(dòng)著人工智能前沿技術(shù)與應(yīng)用能力的進(jìn)步，同時(shí)提供了更多可能性。大模型能夠更好地支持機(jī)器學(xué)習(xí)的復(fù)雜任務(wù)。比如，大模型能夠應(yīng)對(duì)更復(fù)雜的語(yǔ)義問(wèn)答，通過(guò)模擬人類(lèi)智能的思維過(guò)程，更好解決復(fù)雜業(yè)務(wù)場(chǎng)景下的問(wèn)題。

大模型對(duì)算力的改進(jìn)發(fā)揮著重要作用。大型模型由基于硬件的分布式平臺(tái)來(lái)實(shí)現(xiàn)，并可以支持更多復(fù)雜但高效的計(jì)算。同時(shí)，大模型能夠以更短的訓(xùn)練周期完成機(jī)器學(xué)習(xí)，從而更快地從數(shù)據(jù)中獲取有效信息。

大模型在跨多種數(shù)據(jù)和多維度分析領(lǐng)域具有顯著優(yōu)勢(shì)。比如，大模型能夠同時(shí)處理多種數(shù)據(jù)，支持多個(gè)維度的分析，從而更高效、更精準(zhǔn)地挖掘出數(shù)據(jù)背后的有價(jià)值信息。

大模型使得AI落地應(yīng)用變得更容易。比如，大型模型在無(wú)人機(jī)領(lǐng)域的應(yīng)用，有效提高了其圖像識(shí)別的準(zhǔn)確度和效率，能夠更好地收集有價(jià)素材并分析更為復(fù)雜的地理信息和環(huán)境數(shù)據(jù)。

與此同時(shí)，大模型的產(chǎn)業(yè)化也面臨諸多挑戰(zhàn)：首先是數(shù)據(jù)規(guī)模大，且數(shù)據(jù)質(zhì)量參差不齊；其次是模型的體積大，訓(xùn)練難度很高；第三是算力規(guī)模大，性能要求高。

因此，大模型研發(fā)依賴算法算力和數(shù)據(jù)的綜合支撐。它是未來(lái)產(chǎn)業(yè)發(fā)展的重點(diǎn)，但大模型的商業(yè)模式值得探討。因?yàn)榇竽Ｐ偷某杀颈趬痉浅８撸蠊竞托∑髽I(yè)都有各自的負(fù)擔(dān)。所以我覺(jué)得從端到端做起，慢慢迭代出更大的商業(yè)模型，或許是更適合的做法。

在具備通用能力的基礎(chǔ)之上，于垂直領(lǐng)域不斷訓(xùn)練、提升大模型的專(zhuān)業(yè)能力，是未來(lái)幫助大模型這項(xiàng)技術(shù)發(fā)展進(jìn)步的一種重要手段。我們也希望用AI來(lái)推動(dòng)實(shí)體經(jīng)濟(jì)的數(shù)智化發(fā)展，意味著我們需要深度理解客戶的業(yè)務(wù)場(chǎng)景，理解消費(fèi)者在不同場(chǎng)景下的消費(fèi)體驗(yàn)，以及這種體驗(yàn)跟商品的品參、生產(chǎn)流程、供應(yīng)商的關(guān)系，進(jìn)而才能通過(guò)AI的推理和生成，找到打造爆款產(chǎn)品的最優(yōu)方式。尤其是還有一些跨品類(lèi)的遷移學(xué)習(xí)，這些在技術(shù)與業(yè)務(wù)層面都并不容易。

ChatGPT對(duì)特定行業(yè)的價(jià)值有待開(kāi)發(fā)

NBD：如何看待垂類(lèi)人工智能和通用人工智能這兩種方向，哪一種更能代表未來(lái)的趨勢(shì)？

周伯文：我認(rèn)為，未來(lái)那些定義明確、高價(jià)值的工作流程，將由專(zhuān)業(yè) AI 模型完成而不是通用 AI 模型。通用大模型在某個(gè)垂直場(chǎng)景做成功之后，再去進(jìn)一步提升其基礎(chǔ)能力，就很容易。另外，從垂直場(chǎng)景切入的話，算力、數(shù)據(jù)、算法方面，我們過(guò)去的積累都能更充分的發(fā)揮作用。

對(duì)于任何一個(gè)創(chuàng)業(yè)團(tuán)隊(duì)而言，在具備大模型的通用技術(shù)能力后，能否培養(yǎng)出更專(zhuān)業(yè)的能力十分重要。目前ChatGPT的突破主要在其通用能力上，但對(duì)于特定行業(yè)和垂直領(lǐng)域的價(jià)值還有待開(kāi)發(fā)，比如它可以畫(huà)很逼真的藝術(shù)畫(huà)，但是畫(huà)不了電路圖，因?yàn)樗鼘?duì)物理知識(shí)的專(zhuān)門(mén)學(xué)習(xí)并不深入，相關(guān)判斷上也不夠?qū)I(yè)。

所以，我認(rèn)為需要有這樣一個(gè)工具（具備專(zhuān)業(yè)能力的大模型），讓消費(fèi)者更容易找到、也更愿意去購(gòu)買(mǎi)所需的商品，這可能會(huì)完全改變?nèi)藗儸F(xiàn)有的購(gòu)物路徑。生成式AI能夠?qū)⒑Ａ康纳虡I(yè)信息壓縮到這類(lèi)大模型之中，從而學(xué)習(xí)商品供應(yīng)鏈各個(gè)環(huán)節(jié)，并以消費(fèi)者為中心提升關(guān)鍵環(huán)節(jié)效率。這是在2021年就已經(jīng)產(chǎn)生的想法和創(chuàng)意。

我們目前就在研發(fā)一個(gè)具備通用能力的大模型，這個(gè)大模型尤其在鏈接商品和消費(fèi)者方面具備專(zhuān)長(zhǎng)。我們有37項(xiàng)大模型評(píng)測(cè)指標(biāo)，其中2/3是推理能力、計(jì)算能力等通用能力，還有十幾項(xiàng)專(zhuān)門(mén)應(yīng)用于產(chǎn)品和消費(fèi)者的連接，以實(shí)現(xiàn)“讓每一件商品都應(yīng)需而生，讓每一個(gè)消費(fèi)者都得償所愿”的目標(biāo)。

NBD：您在演講中提及，AI能否充分與業(yè)務(wù)融合是AI能否實(shí)現(xiàn)經(jīng)濟(jì)價(jià)值的關(guān)鍵。應(yīng)該如何進(jìn)一步提升AI跟產(chǎn)業(yè)的融合度？

周伯文：當(dāng)今世界正處于“廣義人工智能”階段，深化專(zhuān)業(yè)學(xué)術(shù)研究與推動(dòng)產(chǎn)業(yè)落地應(yīng)用兩方面都充滿機(jī)遇和挑戰(zhàn)。未來(lái)，消費(fèi)行業(yè)將在統(tǒng)一大模型的驅(qū)動(dòng)下由數(shù)據(jù)智能化向業(yè)務(wù)場(chǎng)景智能化轉(zhuǎn)型，人與AI的協(xié)同交互也會(huì)日益緊密，共同催生以消費(fèi)者為中心，從產(chǎn)品洞察、設(shè)計(jì)、研發(fā)到營(yíng)銷(xiāo)全流程的數(shù)智化“創(chuàng)新飛輪”。

包括我們公司正在做的，就是通過(guò)預(yù)測(cè)消費(fèi)者和商品在體驗(yàn)上的依存關(guān)系，以及細(xì)顆粒度品參的對(duì)應(yīng)關(guān)系，重新深刻理解什么樣的消費(fèi)者需要什么樣的商品；消費(fèi)者在什么樣的場(chǎng)景和體驗(yàn)下，會(huì)被什么樣的品參、材質(zhì)、文化符號(hào)、功能打動(dòng)，從而導(dǎo)致二者之間互動(dòng)的產(chǎn)生。通過(guò)大模型對(duì)真實(shí)世界各類(lèi)過(guò)程中產(chǎn)生的數(shù)據(jù)進(jìn)行壓縮表示，重構(gòu)產(chǎn)品與用戶的二元關(guān)系。同時(shí)，通過(guò)大模型實(shí)現(xiàn)對(duì)企業(yè)5D全生命周期的賦能，這里說(shuō)的5D包括：對(duì)消費(fèi)與供給的雙側(cè)市場(chǎng)機(jī)會(huì)進(jìn)行洞察（Discover）；幫助企業(yè)分析消費(fèi)人群與場(chǎng)景，定義并孵化爆品（Define）；協(xié)助設(shè)計(jì)創(chuàng)新型產(chǎn)品的外觀、材質(zhì)、包裝及開(kāi)發(fā)流程等（Design）；再到驅(qū)動(dòng)研發(fā)、測(cè)試與品參改進(jìn)（Develop）；最終通過(guò)生成千人千面的內(nèi)容，完成對(duì)消費(fèi)者的精準(zhǔn)觸達(dá)與高效轉(zhuǎn)化（Distribute）。而以上這一切，都將在歷史上第一次通過(guò)一個(gè)大模型來(lái)完全解決。

為了實(shí)現(xiàn)這一目標(biāo)，大模型必須同時(shí)具備通用能力與專(zhuān)業(yè)性，既要有智商、還要有情商。智商讓它具備語(yǔ)言、認(rèn)知和推理的能力，能夠明白消費(fèi)者的反饋信息并根據(jù)指令進(jìn)行微調(diào)；情商讓它能夠準(zhǔn)確把握消費(fèi)者的動(dòng)機(jī)，理解消費(fèi)者為什么喜歡、為什么不喜歡、為什么購(gòu)買(mǎi)又為什么不買(mǎi)，基于“共情”的能力與消費(fèi)者進(jìn)行有效互動(dòng)。

我相信大家都具備良好的智商與情商，但并不是每一個(gè)具備這類(lèi)通識(shí)能力的人，都能做到你們?cè)谧龅木唧w事情。這種差異的來(lái)源，即是對(duì)商品的深刻理解。

數(shù)據(jù)稀缺性是影響應(yīng)用落地的一大難題

NBD：人工智能正在重塑全球各經(jīng)濟(jì)體的競(jìng)爭(zhēng)格局乃至產(chǎn)業(yè)結(jié)構(gòu)，我國(guó)人工智能產(chǎn)業(yè)發(fā)展有哪些優(yōu)勢(shì)和不足？除了大模型，還需要加快哪些領(lǐng)域的建設(shè)？

周伯文：從全球已發(fā)布的大模型分布來(lái)看，中國(guó)和美國(guó)大幅領(lǐng)先，超過(guò)全球總數(shù)的80%，美國(guó)在大模型數(shù)量方面始終居全球最高。從AI三要素來(lái)看，數(shù)據(jù)稀缺性明顯是影響大模型應(yīng)用落地的一大難題。

當(dāng)前AI大模型的訓(xùn)練，算法端向神經(jīng)網(wǎng)絡(luò)Transformer模型收斂，算力端依賴具備大規(guī)模并行計(jì)算能力的AI服務(wù)器集群，數(shù)據(jù)端則需要巨大數(shù)據(jù)量的大規(guī)模數(shù)據(jù)集投喂，我們認(rèn)為AI三要素中數(shù)據(jù)是直接影響AI大模型在垂直行業(yè)落地效果的關(guān)鍵，而垂類(lèi)數(shù)據(jù)通常由政府和行業(yè)機(jī)構(gòu)掌握，相比于模型和算力，數(shù)據(jù)稀缺性明顯。目前通用大模型的訓(xùn)練數(shù)據(jù)集多來(lái)自互聯(lián)網(wǎng)文本數(shù)據(jù)，例如ChatGPT訓(xùn)練數(shù)據(jù)集來(lái)自互聯(lián)網(wǎng)新聞、社交媒體、電子書(shū)等。

我認(rèn)為，單純就中外AI發(fā)展快慢或水平高低的比較，其實(shí)并不那么重要。如果從理論、技術(shù)層面來(lái)看，差異一定是存在的，只需正視現(xiàn)狀，夯實(shí)自身能力即可。同時(shí)，中國(guó)整體的發(fā)展速度在全球常年保持領(lǐng)先地位，中國(guó)的消費(fèi)市場(chǎng)體量與消費(fèi)需求潛力也是驚人的。同時(shí)，我們對(duì)技術(shù)的場(chǎng)景化落地也有著先天的優(yōu)勢(shì)，這一點(diǎn)從移動(dòng)支付在中國(guó)的廣泛普及應(yīng)用可見(jiàn)一斑。因此，在AI的發(fā)展上，一方面我們是技術(shù)層面的追趕者，另一方面我們也很可能成為應(yīng)用層面的創(chuàng)新者甚至引領(lǐng)者。我相信，中國(guó)的AI需要探索一條新的道路，即：垂直整合從自研通用大模型到應(yīng)用、用戶全場(chǎng)景閉環(huán)，實(shí)現(xiàn)生成式人工智能技術(shù)與商業(yè)價(jià)值“雙落地”。沒(méi)有技術(shù)愿景和創(chuàng)造力理念無(wú)以致遠(yuǎn)，但空談技術(shù)缺乏商業(yè)化場(chǎng)景落地也不可持續(xù)。

此外，圍繞AI布局與大模型建設(shè)，應(yīng)著重關(guān)注以下幾點(diǎn)：第一，要加強(qiáng)資源和研發(fā)力量統(tǒng)籌，促進(jìn)大模型有序發(fā)展；第二，要加快基礎(chǔ)研究和技術(shù)創(chuàng)新，提升學(xué)術(shù)和開(kāi)源影響力；第三，要強(qiáng)化大模型發(fā)展中的場(chǎng)景牽引作用，打造大模型標(biāo)桿項(xiàng)目；第四，要強(qiáng)化國(guó)際合作，積極參與全球人工智能治理。

實(shí)現(xiàn)生成式AI技術(shù)與產(chǎn)業(yè)價(jià)值“雙落地”

NBD：近期，上海、北京、深圳相繼發(fā)布人工智能產(chǎn)業(yè)發(fā)展的相關(guān)規(guī)劃，他們布局上有哪些特點(diǎn)？與此同時(shí)，很多二三線城市也正在不斷入局，應(yīng)當(dāng)注意些什么？

周伯文：《中國(guó)人工智能大模型地圖研究報(bào)告》顯示，據(jù)不完全統(tǒng)計(jì)，當(dāng)前中國(guó)參數(shù)在10億規(guī)模以上的大模型已發(fā)布79個(gè)。全國(guó)有14個(gè)省份在開(kāi)展大模型研發(fā)，其中北京、廣東兩地的大模型產(chǎn)品分別達(dá)到38個(gè)和20個(gè)，居全國(guó)前列。在領(lǐng)域分布上，自然語(yǔ)言處理仍是目前大模型研發(fā)最為活躍的重點(diǎn)領(lǐng)域，其次是多模態(tài)領(lǐng)域，在計(jì)算機(jī)視覺(jué)和智能語(yǔ)言等領(lǐng)域的大模型還較少。我國(guó)大模型研發(fā)與算力發(fā)展匹配度高，公共算力發(fā)展迅速。北京、廣東、浙江、上海等地的大模型數(shù)量最多，這四地也是近三年人工智能服務(wù)器采購(gòu)數(shù)量最高的地區(qū)。

從政府側(cè)來(lái)看，北京、深圳、上海、成都等地相繼發(fā)布人工智能支持政策，且均在強(qiáng)調(diào)公共數(shù)據(jù)開(kāi)放與共享。近年來(lái)，中國(guó)的數(shù)字經(jīng)濟(jì)備受?chē)?guó)家重視、發(fā)展日新月異，為下一代AI在中國(guó)的應(yīng)用落地提供了基礎(chǔ)和土壤。

我們希望通過(guò)AI助力中國(guó)制造業(yè)、實(shí)體經(jīng)濟(jì)的數(shù)智化發(fā)展，這就意味著我們需要深度理解客戶的業(yè)務(wù)場(chǎng)景，理解消費(fèi)者在不同場(chǎng)景下的消費(fèi)體驗(yàn)，以及這種體驗(yàn)跟商品的品參、生產(chǎn)流程、供應(yīng)商的關(guān)系，進(jìn)而才能通過(guò)大語(yǔ)言模型、多模態(tài)技術(shù)和AIGC實(shí)現(xiàn)訓(xùn)練、分析、推理和生成等解決垂直場(chǎng)景內(nèi)復(fù)雜問(wèn)題的能力，從而幫助企業(yè)找到打造爆款產(chǎn)品的最優(yōu)方式，為用戶推薦最適合商品。

在AI布局與大模型應(yīng)用上，我認(rèn)為緊抓制造業(yè)數(shù)智化升級(jí)，引導(dǎo)鼓勵(lì)既有大模型技術(shù)與垂直領(lǐng)域經(jīng)濟(jì)發(fā)展的深度融合十分重要。應(yīng)更多關(guān)注AI技術(shù)在垂直行業(yè)高價(jià)值場(chǎng)景的應(yīng)用落地，幫助垂類(lèi)企業(yè)敏銳捕捉行業(yè)市場(chǎng)機(jī)遇、精準(zhǔn)定位創(chuàng)新發(fā)展方向，垂直整合從自有基礎(chǔ)大模型到應(yīng)用、到終端用戶的全場(chǎng)景閉環(huán)，以實(shí)現(xiàn)生成式人工智能技術(shù)與產(chǎn)業(yè)價(jià)值的“雙落地”。