在今天的主旨报告环节，我们邀请到人工智能领域的重磅学者与资深专家，相信通过各位精彩的报告，会给大家带来深刻的启发。下面，让我们有请今天的第一位演讲嘉宾， 2007年图灵奖得主，中国科学院外籍院士约瑟夫·希发基斯先生，他将为我们带来主题为《工业人工智能的机遇和挑战》的线上演讲，请看大屏幕！[ 2024-11-05 15:26 ]
很高兴在这里跟大家分享工业人工智能的挑战与机遇。首先，信息通信技术和人工智能一直平行发展，几乎没有互动，直到本世纪初。大家看到的这页PPT是关于数字融合的，这是把系统和服务集成到计算机的趋势。预计人工智能将在建立物联网和自主系统方面发挥重要作用。我认为，人工智能的成功与否取决于它在构建智能系统和实现终极数字融合方面的贡献。[ 2024-11-05 15:27 ]
人工智能作为科学学科出现是在1956年，目的是研究和开发模仿人类智能的系统。研究方法有两种：一种是基于逻辑和语言的符号化的、理性的方法，另一种是“连接”方法，灵感来源于人类大脑的人工网络，这种方法后来过时了。现在，人工智能的重大飞跃莫过于大语言模型，简称LLM，例如ChatGPT，这是市场范式的转变，因为它给一个延续了几十年的问题提供了务实的解决方案。该问题就是自然语言的处理。我想强调，像ChatGPT这样的大语言模型擅长回答宽泛的问题，但在面对非常具体的问题时，可能无法提供准确的答案，进而产生错误的结果。它的可靠性不够高，无法完全智能。[ 2024-11-05 15:27 ]
此外，关于人工智能的终极目标，还有很多疑惑。媒体和大型科技公司宣扬只需数年便可实现人类水平的人工智能，这加剧了大家的疑惑。有些人认为通用人工智能（AGI）就是人工智能的终极目标。我想说，通用人工智能这个术语定义不清晰。我们不知道它的确切含义。不管怎么说，这一观点是：机器学习就是终极目标，不需要更多了。还有一部分人包括我，认为人工智能的终极目标是能达到人类水平的智能机器，也就是说有能力理解世界并根据目标而行动。我认为，现有的一些机器在执行特定任务方面超越了人类，令人惊艳。然而，它们在情景意识、适应变化和创造性思维方面无法超越人类。在我看来，人工智能还处于初级阶段，尽管取得了进展，我们也看到了生成式人工智能的出色表现，但现在只有构建智能系统的积木，没有建立复杂智能系统的原则和技术。[ 2024-11-05 15:28 ]
人工智能目前专注于辅助。就我个人而言，我看到了人工智能系统的三种不同用途：一是助手，也就是对话系统，你提问题，它回答；二是监控，监控系统行为并预测或分析，三是自主系统的智能体，也就是控制器，能够持续与环境交互。我认为自主系统是人工智能发展的终极阶段。人工智能的产业进化才刚刚开始，我们成功与否将取决于我们开发人工智能体和建立自主系统的能力。这张幻灯片展示了Gartner于2023年7月研究的炒作周期（Hype Cycle）。这本质上说明没有单一的人工智能，而是有许多不同成熟度的人工智能。这条曲线是人们在时间纬度上对创新技术的期待，例如，大家可以看到，计算机视觉正在成为一项较为成熟的技术。而其他不太成熟的人工智能应用，甚至还处在这条曲线的起始阶段。[ 2024-11-05 15:28 ]
下面我谈一谈自主系统。我认为，这个概念现在已经很好理解了。自主系统会逐渐用自主智能体取代人类，在复杂的组织中执行各项任务，正如物联网所设想的那样。这些自主系统支持智能系统的范式，远超我们现在的机器学习系统，机器学习系统只是一个专门的系统，例如，你现在不能用大语言模型安全驾驶汽车。它们只是智能体的分布式系统，应该展现出更广泛的智能，当然它们通常也是关键系统。目前自主愿景的实现遇到一个阻碍，即人工智能系统的不可解释性，以及棘手的系统工程问题，之所以棘手是因为自主系统非常复杂。[ 2024-11-05 15:28 ]
目前，建立这样的系统有两种不同的技术路径：一种是传统的基于模型的关键系统工程，一种是端到端工业人工智能解决方案，比如特斯拉正在使用一个巨大的神经元网络来建立自动驾驶汽车的自动驾驶系统。这两种路径都不令人满意。传统的基于模型的方法面临着复杂性问题，端到端的人工智能方法又不够安全。现在，人工智能还面临着其他障碍。重点是我们能在多大程度上信任人工智能系统。这其中也牵涉重要问题，如我们是否认为人工智能系统足够安全。我希望大家能认真理解人工智能安全这个概念，这是国际首脑会议和联合国审议的议题。[ 2024-11-05 15:28 ]
另一个问题是人工智能系统是否满足主观的、以人为中心的属性。有人建议人工智能应与人类价值观一致。如果你去看大型科技公司的网站，会发现他们提到负责任的人工智能，其特征是一系列属性，如公平，诚实，问责。但这些属性现在无法评估。把这些属性归属于人工智能系统固然合理，但问题是我们能否严格检查这些属性。我们对此没有任何理论。自动驾驶汽车什么时候才能足够安全？我们不知道。我们需要一些理论。模拟几十亿个思维是不够的。这还不够。此外，我们必须使用基于知识的技术来弥补缺乏更强可信度保证的不足。还有其他技术挑战，例如，我们需要为人工智能系统提供认证标准的标准，我们现在还没有。[ 2024-11-05 15:28 ]
人工智能面临的另一个障碍是：很多公司投入了大量资金开发人工智能系统，但投资回报并不令人满意。我们是受限的，为什么？因为人工智能受限于应用程序——需要人参与的对话型应用程序，还有巨大的潜力没有开发出来。企业投入了大量资金，例如，ChatGPT每天的成本超70万美元，值得较大的回报。但我不认为它现在做到了。分析师表示，如果商业回报一直像现在这么少，巨大的人工智能泡沫将破裂。接下来谈一谈挑战和机遇。[ 2024-11-05 15:28 ]
我认为，人工智能现在面临的最大挑战是系统工程，因为我们必须引入、整合服务、电器、设备和人工智能系统。问题是怎么做？我刚才说了，我们不知道人工智能系统是如何工作的，所以原则上我们无法信任它。因此，问题是如何用不可信的部件组成可信的系统，组成一个我们说的混合架构？另一个问题是如何将符号知识和非符号知识联系起来？人工智能系统处理传感器信息，也就是基于数据的知识，但对于决策或者接近人类意图，需要符号知识。这是一个待解决的问题。[ 2024-11-05 15:28 ]
我们在构建人工智能系统和智能系统时，面对的另一个问题是如何从设计时的正确性转移到运行时的正确性，具备这样的适应性。对于传统系统，我们建立一个系统，就能保证生产完它是正确的。但对于智能系统、自主系统，我们希望它是开放的。是可以更新软件的，可以实现适应性的，这意味着它不是保持不变的。它总在进化，这是一个问题。另一个问题是系统验证。目前，我们没有能够保证系统属性的技术，因为人工智能系统的行为方式是无法解释的。现在存在从理性主义到经验主义的转变。[ 2024-11-05 15:29 ]
值得指出的是，美国在标准问题上是持反对立场的，因为美国认为标准是创新的障碍。美国接受自我认证。如，一些测试是自我认证的。我认为我们需要阐述广泛的技术愿景，涵盖广泛的系统、类型和特定领域的技术。只有一个超越人类的超智能系统是不够的，因为人类的智能包含很多方面，必须通过结合不同类型的人工智能和信息通信技术来实现，而我们不知道如何做到这一点。而且我认为，自动驾驶汽车行业经历的挫折表明，要弥合自动化和自主性之间的差距，还有很长的路要走，当然，工业人工智能的发展将需要新的科学和技术基础。这需要一些时间。[ 2024-11-05 15:29 ]
现在，应该强调的另一点是，接受人工智能，使用人工智能，也将取决于其他技术的发展，我称为互补技术。如，我们要用到特定的人工智能硬件，如GPU、FPGA、张量处理单元来训练人工智能系统。此外，我们要用到特定的储存技术来存储知识和向量检索。但我们现在没有。所有的元宇宙技术都将从人工智能中获益，因为它是为虚拟环境配备人工智能功能。此外，建模和模拟技术与人工智能的交互将非常非常重要，以评估系统的安全性，并建立我们所说的数字孪生。数字孪生是非常非常复杂的系统模型，它可以是智能系统，或是有用的预测和控制系统。另一个会用到人工智能并从中获益的是人机交互系统。有两种方法可以从人工智能中获益或者用大语言模型在人类操作员和系统之间进行通信。此外，我认为，人工智能将提供知识管理和决策支持，以做出预测和了解关键情境。[ 2024-11-05 15:29 ]
最后，通信网络无疑会受益于人工智能。说到服务于人工智能的网络（Network for AI），那么如何利用网络开发智能系统呢？说到万物互联的基础设施以及服务于网络的人工智能（AI for Network），如何通过加速人工智能与网络的融合来构建自主网络呢？另外一个影响人们接受和发展人工智能的因素是监管框架。我说过有很多关于人工智能风险的讨论，特别是安全的人工智能。如今，全球的政府和机构都有意愿对人工智能进行监管。至于什么可以监管、什么应该监管，还没有达成一致。[ 2024-11-05 15:30 ]
增加人工智能会带来哪些风险，在实践中如何规避风险？举个例子，目前在人工智能监管方面，欧盟和美国之间存在差异。大家知道去年年底欧洲投票通过了人工智能监管政策，涉及两个文本，其认为人工智能系统应通过风险管理办法进行评估。如果现在实施该办法，很多系统都不合规。相比之下美国的指导方针则不那么强制，不要求、不强加任何限制。因此我认为，现在就联合国所倡导的全球监管框架达成一致的可能性非常非常小。[ 2024-11-05 15:30 ]
最后，还有一个重要的问题：中国能否在工业人工智能领域领先？我认为中国比任何国家都有条件实现工业人工智能。我解释下原因。中国应该提出一个不同的愿景，不仅专注于对话式人工智能系统和其他类型的系统，还应该利用自身强大的工业基础。这是显而易见的。中国应该专注于每个行业的核心技术，应该从其庞大而多样的工业基础中汲取大量数据。中国应该协同每个行业的国有企业，为每个行业构建特定的智能系统和特定技术。最后，我认为中国应该更多地参与到全球标准制定的讨论中来。目前这些讨论主要由美国和各大科技公司主导。我就讲到这里，谢谢大家！谢谢！[ 2024-11-05 15:30 ]
接下来进入论坛下一阶段——实践与探索。我们邀请到国内外人工智能领域的企业代表，分享各自在人工智能赋能新型工业化过程中的实践经验。新质生产力倡导以科技创新赋能企业高质量发展。充分发挥创新主导作用，以科技创新推动产业创新，加快推进新型工业化，提高全要素生产率，不断塑造发展新动能新优势。首先，有请SAP全球副总裁骆才先生分享SAP如何发挥数字化领域优势，利用商业AI等创新技术，为企业注入增长新动能，开拓全球化运营新模式，共筑可持续发展的新未来。[ 2024-11-05 15:54 ]
大家下午好！非常感谢主办方的邀请，我将跟各位讲一下我们如何用AI赋能企业的数字化转型。首先，SAP在AI领域已经做了很长时间的努力了，从1972年就开始，做了数字AI分析、机器学习等等。今天我们进入了AI时代，我们称之为企业级AI，为什么这么说呢？因为我们是使用我们自己的软件。麦肯锡和摩根士丹利的调查显示，新的生成式AI在未来两到三年，产值将大幅增长。这种生产力大幅增长的优势，是我们可以利用的。早期，在全球只有33%的企业在定期使用生成式AI，且只在一个职能部门使用AI。因此，今后，生成式AI对企业来说有很大的机会与潜力，这也是SAP在这方面可以提供的价值，我们可以让企业利用数据来作出更好的商业决策，带来更多的效率。[ 2024-11-05 15:54 ]
如果我们来看一下企业端的话，看它们的营收和利润，我们可以看到使用AI带来可以给企业带来大幅增长，使用技术会影响企业的方方面面，不管是供应链管理、风险管理，还是采买、研发、人力资源，一个企业的各个职能部门都能使用AI去优化流程，我们在机器学习阶段就已经做到了这一点，把所有的流程，还有生产力变得更加高效。[ 2024-11-05 17:06 ]
AI给我们带来什么呢？AI训练了我们的系统，对于我们的营收起到了很大的提升效果，带来额外营收，在To B领域也带来利好。如果你使用SAP系统的话，它们已经有很多内嵌的技术了，我们不断地更新技术，用更多有意义的数据训练我们的算法，带来更多的价值，获得更多的能力，这样可以更进一步地驱动我们营收的增长。那么，在人工智能方面，SAP在做哪些工作呢？[ 2024-11-05 17:06 ]
首先，企业的利润和营收会有所增加。在未来两年，我们会投入10亿多美元来增强AI解决方案的能力。我们有嵌入型AI、生成式AI，也有企业级AI解决方案。这将会带来经济方面的增长。我们也有大语言模型，大语言模型我们不从头做起，我们和合作伙伴，如微软、AWS等企业合作，我们在中国大陆也用了一个大语言模型，使用了本地化的数据和本地化的解决方案，在系统中部署各种各样的数据。除了ERP，我们可以把受信任的数据整合起来，赋能未来战略性投资的效率，我们可以看到，客户在这方面的采纳也变得越来越快。在过去的几年，我们可以看到每个月，甚至每个季度企业对AI的采纳是非常快的，不管是对企业级AI，还是对生成式AI的采纳，采纳方面的速度是越来越快的。[ 2024-11-05 17:06 ]
对于SAP来说，这一切意味着什么呢？我们的数据必须有相关性、责任性，也必须是可靠的。为什么说是相关性的呢？因为你的这个决策，是基于数据的，这个数据是嵌于系统中的，你必须要用数据帮助你作出正确的决策。可靠性也是非常重要的，因为我们用企业级的AI做商业决策的基础，我们必须要让这个数据变得有意义，才能作出正确的决策。负责任意味着我们的AI是符合道德和隐私的。刚在未来我们推出解决方案的时候，我们会遵守各国相关的AI监管规则，确保我们的数据有相关性、可靠，也是负责任的。[ 2024-11-05 17:06 ]
如果有中国客户想要“出海”，我也跟他们做过了很多讨论，他们要如何去应对目标市场的监管要求呢？这个就是我们“三个R”的魅力所在了。在海外监管领域，我们的SAP有一个标准的流程，使用我们的SAP系统，可以非常快速地以合规的方式，快速地售卖你的产品和服务，这样也会非常快地得到投资回报，我在这方面已经看到了各种各样的实践。在全球已经有80-90家企业在大幅投资于AI系统。我们致力于端到端的解决方案，让过程变得更加高效。对于这些有相关、负责和可靠的数据，我们在不断地发力。[ 2024-11-05 17:11 ]
现在看一下SAP企业级AI的能力，我们已经在整个产品线中都赋能了AI。我们的系统中有积累了数十年的数据，它们是可靠的数据。我们还有一个生成式AI工具，可以通过平台判断数据源是否可靠，然后用系统把数据变得更加有意义。这种嵌入式的AI已经嵌入到我们所有的业务线了。AI也能够不断地助力我们的生态系统，从企业或者公司的角度来说，一些新的能力，包括大家的运营也会变得更加简便、高效，这也是由SAP打造的本地解决方案，我们在提供交付的方案之上，也能够帮助大家把业务进行得又快又好。[ 2024-11-05 17:15 ]
我们的Copilot系统，也就是Joule这样的系统，用户访问起来非常方便，他们在任何需要的时候，都可以让Joule回答自己的问题。我们能信任这样的系统，因为它能够作出正确的决策。我们还相信，这些数据能够帮助我们不断作出正确的决策。我们现在在做什么呢？我们有很多客户，他们已经能够用到SAP的企业级AI实现许多可能性。瑞士铁路系统就是个很好的例子，他们现在有99%的入站都能够自动进行匹配，完全实现了通过我们系统做的自动化。我们也帮采埃孚提升乘用车、商用车的工业技术，帮助他们实现售后市场的自动化……[ 2024-11-05 17:21 ]
从机器训练的角度来说，我们去训练模型，让它在正确的情况下，自动作出正确的决策，而且做决策的时间也越来越短，让它们越来越自动化、智能化。我想最后和大家分享一下，凭借我们丰富的行业经验以及专业知识，我们在提供AI方面具有优势，也能够帮助客户更好地利用数据，实现可衡量的业务成果。再次感谢大家的聆听，谢谢大家！[ 2024-11-05 17:23 ]
感谢骆才先生的演讲。他让我们不仅看到了人工智能技术赋能新型工业化，还看到了资源和渠道赋能新型工业化，也看到了整体解决方案，还有我们服务赋能新型工业化。我想赋能新型工业化也是一个整体的解决方案，我们掌声再次感谢一下骆才先生。下一位嘉宾要谈到的是这两年炙手可热的热点话题：人形机器人和机器人。演讲嘉宾是来自宇树公司的王兴兴。最近我们看到很多网络上的机器人和四足机器人在世界多地的荒野和工厂都有体现，它们中的一些就出自王兴兴的企业。掌声有请王兴兴！ [ 2024-11-05 17:25 ]
各位领导、各位专家，大家下午好！非常荣幸在此做一些分享。我们公司在2016年成立，到现在有8年多时间，最开始主要是做高性能四足机器人，从去年年初开始做高性能人形机器人，像四足机器人。人形机器人我们去年年初开始做的，大概一年半多的时间，我们已经发布了两款人形机器人。[ 2024-11-05 17:27 ]
我们去年8月份发布了H1这款机器人，去年下半年小批量量产。H1这款机器人，我们今年也接了不少订单。我在上海大学读硕士期间做的X Dog这款机器人具有低成本、高效能的特点，我当时读硕士期间的研发成本大概只花了一到两万元人民币，2015年用这款机器人参加了上海的比赛，拿了二等奖。[ 2024-11-05 17:29 ]
目前我们公司的四足机器人产品主要有两款。Go2这款机器人无论是运动能力、处理复杂情况的能力都非常领先，而且我们去年发布时已经集成了OpenAI的大语言模型接口，包括多模态接口、语音交互能力，你可以指挥它做一些动作，还有简单避障。但在这个过程中，我们也发现大语言模型对机器人还是有局限性，简单来说，目前你用大语言模型作为一个简单的交互接口或者简单的任务分配还是可以的，但是让它更理解你的动作，或者让它更好地规划，实现过程中还是遇到了很多问题。[ 2024-11-05 17:31 ]
目前最新的这款B2工业级机器狗是我们去年下半年发布的，前段时间比较火，爬泰山的机器狗就是这款。这款机器人最大的特点就是它处理复杂环境的能力和续航能力都非常强，持续复展能力可以达到四、五十千克，短期的续航能力可以达到6、7个小时，而且速度非常快。这款机器人目前主要在工业领域的应用比较多，包括物流领域的应用。去年发布的H1是我们公司的第一款人形机器人，整个开发时间比较赶，因为是我们公司做的第一款人形机器人，可能没有那么完善，去年下半年已经实现小批量量产，已经发货。[ 2024-11-05 17:34 ]
后来我们发布了G1机器人，是在H1的基础上，吸收了客户的反馈，并且迭代了技术。这款机器人无论关节的自由度数量，外观、灵活度都是非常领先的。过去几个月，我们做了很多的软件和硬件，量产的升级，无论是外观，还是灵活性都有了提升，包括整个AI能力。这是我们关节的布置方案，大家可以看到，它们相对整洁、干净、漂亮，这个方案也会成为未来主流人形机器人的配置方案。从我们今年5月发布的机器人宣传视频可以看到它的灵活性还是非常好的。当然现在我们的灵活性和运动能力比当时还要更好。整个机器人是目前直接用端到端的AI深度强化学习，或者模仿学习训练出来的。[ 2024-11-05 17:36 ]
大家也知道目前的AI，画画、写诗这些东西做得比较好，实际上在机器人领域，我感觉未来可能做一些表演，或者刚刚说的体育赛事上，可以让机器人走进家庭。我们今年年初的H1版本也是至今能原地空翻的全尺寸机器人，这款机器人相对来说动力比较强。前段时间我们跟国内的汽车厂家合作，做现场搬运这类事情。[ 2024-11-05 17:38 ]
我们的机器狗也是基于视觉感知的端到端的深度强化做出来的。过去三年以前或者五年以前完全不敢想象机器人能达到这样的灵活性和稳定性。这款机器人目前支持OTA升级，可能每隔一个月左右，我们全球的客户可以支持软件升级。这是我们开源的一套用来做数据采集的遥操作装置，大家也知道，AI数据的采集是非常重要的，为了适配我们的机器人，我们也开源了一套比较方便的数据采集装置，直接使用Apple Vision Pro就可以做数据采集，但它的精度稍微差一点。我们公司希望采用更简单的数据采集方式。[ 2024-11-05 17:41 ]
这款机器人比较小，它的身高只有1.3米，但可以跳1.4米远。 我们目前人形机器人能做一些基本的动作，但是还是需要完善，包括把整个模型规模扩大一点，让它完成更多复杂的任务，希望未来我们研发的人形机器人可以做各种运动，在各种地形情况下。机器能不能说话不是特别重要，但是机器干活是非常重要的，用户对于机器人的手部操作要求非常高，目前机器人在手臂灵巧操作方面还没有达到非常明显的能落地的程度，还有基于端到端建图感知方面，简单说，就像人一样，任何地形下、任何动作都能做，这是未来发展的最主要的方向。[ 2024-11-05 17:46 ]
另外一点，目前对于所有的机器人来说，世界模型是最主要的路线方向。目前世界上顶级的AI学者对世界模型的概念还是非常重视的，不单单只是大语言模型，因为大语言模型对机器人来说，能帮忙做一部分事情，但不解决本质上的问题，需要有更好的模型结构的改进推动整个机器人实现技术进步。简单说，对整个时空和物理规律的理解，包括对碰撞、预知、触觉的反应都非常重要。[ 2024-11-05 17:49 ]
像现在的大语言模型，它没有身体，只有一个大脑，这是远远不够的，你把一个人的大脑装在罐子里，脱离了对整个世界的理解，这其实是远远不够的。举个最简单的例子，小时候一直困扰我的很大的问题，为什么睡觉醒来的时候有种从悬崖上掉下来的感觉？为什么梦里被一些怪物追的时候一直跑不快，这个问题小时候一直很困扰我，直到读大学的时候想通了这个问题，原因比较简单，人在睡觉的时候，大脑和身体是断开连接的，为了安全起见，睡觉的时候身体不乱动，身体和大脑连接是断开的，原本人的认知里和身体感知连在一起，比如跑步的时候脚要踩在地面有个非常明确的感觉，但是在梦里不知道脚踩到地面了，没有感觉，所以脚永远感觉是腾空，没有感觉踩到地面，所以你永远觉得自己跑不快。另外一点，为什么我醒来有一种掉到悬崖的感觉，一样的原因，原本人躺在床上，有支撑力支撑着你，你会感觉很安心，我躺在床上，但是梦里的感觉和身体感知完全断开，你不知道床还支撑着你，大脑以为是悬空的，有一个明显下落的感觉，这表明，目前人体正常的交互理解和身体感受关联密切。[ 2024-11-05 17:51 ]
这也引出一个最关键的点，目前大语言模型都是有幻觉的，它自己说的话也不理解，容易说错，或者没有逻辑，其实原因非常简单，目前大语言模型和真实的世界存在脱离，没有跟真实物理世界的交互，也没有真实物理世界更好地反馈给它。[ 2024-11-05 17:54 ]
像鹦鹉会说话，它为什么会说话？它的舌头比较灵活，可以发出不同的声音，可以模仿声音，像一些狗或者别的动物，它的声纳没有那么灵活，哪怕大脑足够聪明，但是说不了话，没办法交流。为什么鹦鹉的舌头比较灵活？它比较喜欢吃坚果，需要比较灵活的舌头把食物挑出来，这也是非常有意思的点。还有需要有机器人去实物部署一下，实物机器人做训练，小时候学骑自行车，如果只是看别人骑自行车永远学不会，你要拿一辆自行车自己上去试一试，快的话学一两天，简单说一个概念，哪怕以人类的智能，如果单纯看视频，或者单纯看别人怎么弄，永远学不会骑自行车也学不会开车，最好学习AI部署到实物机器人，做到实际的物理训练，这也是未来发展比较重要的事情。[ 2024-11-05 17:56 ]
未来真正的智能是什么样的？目前我们做的很流行的大语言模型神经网络，跟人的神经网络有比较明显的差异，目前的神经网络都是用数学的反向传播算法做训练，但是人脑没有反向传播，这个问题差异非常大，怎么定义AI这个问题，怎样的AI可以定义为一个智能体？我个人感觉，真正的智能有点类似能自我不断学习和自我编程的程序，而不是像现在的AI，现在的AI它的训练都是靠人的大量数据训练好的，训练好就结束了，它不会再后续过程中自我学习，真正的智能需要有自我学习自我编程能力，它可以自己学习新东西，不需要人采集数据。[ 2024-11-05 17:58 ]
在AI领域能做的事情和新的点子非常多，目前只是刚刚开始。世界上AI技术发展迭代速度非常快，在未来三到五年，在机器人AI领域会发生天翻地覆的变化，当下这个时代，与过去十几年不太一样了，最本质的原因，目前有更多的关注、资金、人才进入了。另外，也是对我自己说的，要相信、相信、尽可能相信AI，谢谢大家，谢谢各位领导！ [ 2024-11-05 17:59 ]
感谢王兴兴，我们希望小小的机器人有大大的能量，赋能到各行各业中。刚才兴兴通过动物的解构，人的解构来看AI的解构，同时提出一个问题，什么是智能体？有自我的才是智能体，一个智能体离不开通信、网络、芯片算力等一系列的技术，下一位嘉宾就是我们论坛的老朋友，高通公司中国区董事长孟樸先生，他将为我们分享如何通过强大的连接及计算技术积累、硬件和软件支持组合、异构计算的优势，构建一个由创新驱动的工业新未来，共同构筑全新的产业合作生态。有请孟樸先生！[ 2024-11-05 18:01 ]
谢谢梁秘书长，各位来宾，大家下午好！非常高兴欢聚在这个论坛，这是高通连续七年参加进博会。今天的论坛是聚焦与人工智能和新型工业化，我在这里从高通的角度和大家分享一下，我们如何运用人工智能、5G等数字技术助力新型的工业化发展。在这个过程中，我们同时介绍高通与中国的合作伙伴，我们做的一些实用的在应用里做的实践。随着5G和AI技术的融合，企业数字化转型不断加速，与此同时，包括智能手机、个人电脑、智能网联车，各类智能终端已经融合到我们的生活和规律，成为不可或缺的得力助手。在这个趋势下，AI的应用领域不断的扩展，尤其是生成式AI，在多个行业领域中展现出显著的商业潜力和价值。[ 2024-11-05 18:04 ]
根据预测，在全球范围内，生成式AI每年可创造的经济效益，介于2.6万亿至4.4万亿美元之间，目前我们仍然处在生成式AI应用的初级阶段，接下来随着图像和视频创作，文本摘要、智能体等新兴应用的不断涌现，混合AI模式将成为重要的趋势，即云端与边缘侧终端同时处理AI的工作负载。在终端侧运行生成式AI能够更快地实现响应的速度，更高的准确性，更强的可靠性，以及更安全的隐私保护和数据保护。终端侧高性能及高效的AI处理能力将促进生成式AI的规范化扩展，催生一系列全新的应用，特别是生产力、内容制作、教育研发以及工业制造等领域。随着生成式AI在云端和终端侧的协同运行，我们将比以往任何时候都需要更可靠低时延的端到云的连接，这正是5G能够提供的能力，5G对消费者和企业使用AI工具及其应用至关重要。[ 2024-11-05 18:06 ]
今年我们迎来了一项重要的里程碑，完成了首个5G advanced全球标准版本，这是我们业内常说的3GPP Release-18，这标志着5G十年演进历程正式迈入第二阶段，作为新一轮5G技术创新提供强大的支撑，进而为基于生成式AI的新用例，更高能效的终端以及网络，以及卫星通信带来更优质的连接体验。展望未来，5G advanced还将为下一代的蜂窝连接技术奠定坚实的基础，而6G则被视为一个协同技术的创新品牌，其特性包括AI、通感一体化等先进的功能。一直以来高通公司坚持不懈的创新，致力于让智能计算无处不在，我们拥有业界领先的平台，让众多消费产品和企业级的设备提供非凡的体验，这些设备包括智能手机、个人电脑、可穿戴设备、XR眼镜、汽车等等，同时我们持续推动关键技术的研发和商业化应用，这些技术涵盖了无线技术、高性能低功耗的计算、创新的终端侧AI等等，可以用到智能家居、网络、汽车、工业制造等领域。[ 2024-11-05 18:06 ]
从3G、4G到5G再到生成式AI技术的进步，高通公司相信这些技术将为智能手机、PC、智能网联车及物网联应用领域的中国伙伴们，带来全新的机遇，创造更多的合作机会。如今，终端侧AI已广泛应用于各行各业，包括智能手机、PC、汽车及工业机器人等，其中在手机行业，高通第三代骁龙8旗舰移动平台已经支持许多手机厂商、合作伙伴推出了丰富的终端侧的AI体验。不久前，我们刚刚发布了首个采用第二代定制高通ORIN CPU的移动平台——骁龙8至尊版，可以直接在终端侧实现个性化的多模态生成式AI，支持语音、情境和图像理解，全面增强从生产力到创意任务等各方面的体验，并且将用户隐私保护在首位。在PC领域，我们推出了骁龙X Elite产品系列，我们的合作伙伴已经在他们的电脑上实现了丰富的AI功能，包括实时翻译、实时转译、AI图片编辑、文本总结、实时的写作辅助等等，极大地提升了用户的体验和工作效率。[ 2024-11-05 18:07 ]
在与产业合作伙伴深入合作的过程中，高通公司看到了中国企业强劲创新实力和及其对市场的快速响应能力，我们将持续与中国的合作伙伴紧密合作，通过骁龙技术平台，实现技术和行业的创新。例如，在传统模式下，智能手机的应用程序是用户互动的核心，每个应用都有特定的用途和功能，而生成式AI和多模态AI的融合应用将会使智能手机具有类似人类的能力，这意味着手机能够理解用户的意图，并相应的执行任务，这种变化将在根本上重塑我们的使用体验。不久前，荣耀推出了Magic7系列，基于骁龙8至尊版，在智能手机中实现了用途意图感知和AI的学习，通过荣耀的“优优”（音）智能体，使操作变得更加简单和直观。[ 2024-11-05 18:08 ]
近年来，汽车行业持续向智能化、网联化发展，是新型工业化的代表领域之一，我们见证了汽车网联程度的显著提升，使车辆能够与互联网、无线网络和云端实现高效的连接，同时车内的体验也变得更加丰富和沉浸式。此外，汽车的设计越来越注重安全性，从紧急制动、车道保持、自动泊车等功能，逐步实现辅助变道，交通拥堵辅助系统及特定的时间的自动驾驶，这些创新都在不断的提升驾驶的安全性和舒适型。高通公司是这一转型中的重要参与者，为实现这些体验，我们打造了骁龙数字底盘，致力于提升汽车的连接能力，打造更加沉浸式的座舱体验，并始终以安全为设计核心。随着技术的不断进步，学习和改进，仅在中国市场，在过去三年多的时间里面，我们就已经支持了近60个中国汽车品牌，发布了超过160款智能网联车型。[ 2024-11-05 18:09 ]
如今，汽车不仅仅是交通工具，还是我们数字生活的无缝延伸。我们很高兴看到，中国的汽车市场以其全球领先的发展速度，正在成为技术创新和应用的前沿阵地。而AI正是其中重要的组成部分，比如长城汽车充分利用骁龙8295芯片的高算力，开发出咖啡座舱系统Coffee OS3，以及好看、好玩、好用、好听、好智能的五好智能座舱体验，为用户提供了既有趣，又智能的车内环境。目前基于骁龙8295座舱平台，包括理想、小鹏、极越在内的多家中国汽车企业已经发布了他们打造的车端大模型的功能。随着多模态技术的发展，生成式AI有望在智能座舱、自动驾驶等领域，开辟全新的应用场景。在物联网领域，AI技术的应用也是必然的发展趋势，因此我们也在持续推出全新的物联网产品组合，为物联网各个垂直领域打造优质的连接、高效能的计算和AI技术，并提供一系列的应用处理器、连接芯片以及统一的软件架构，支持我们的合作伙伴、客户和开发者更好的扩展及定制他们的产品。[ 2024-11-05 18:09 ]
目前，高通公司为全球超过16000家客户提供丰富的物联网解决方案，包括家电、显示屏、家用机器人等消费终端，以及零售、无人机、安防摄像头及商业和企业应用，还有控制器，工业机器人、工业PC等工业应用。在中国，高通针对物联网行业的重点发展和亮点的落地场景，连续四年发布了物联网应用的案例集，全面展现了最新的技术发展方向和创新的生态合作模式。在工业制造领域，5G和AI的融合，带来了智能化的飞跃。5G提供的高速连接能力，能够支持AI扩展到边缘侧、终端侧，促进各种智能应用的规模化扩展，并实现了情景数据和云端的实时贡献。2022年，高通公司联合中国工业互联网研究院、中国电信、移远通信等合作伙伴，在通力电梯的江苏昆山工业园，共同开展5G全连接的工产线项目，这个项目采用了中国电信的5G专网和移远通信的5G模组，针对通力电梯工厂的需求，打造了基于高通解决方案的5G专网组网，为工业智能制造，提供了5G的接入能力，实现了基于5G工业互联网平台的生产管理应用。[ 2024-11-05 18:12 ]
此外，高通也在引领终端侧AI，在工业制造领域的应用。通过前面的分享，我们可以看到以5G和AI为代表的关键技术，正在推动很多行业数字化转型和创新的应用。展望未来，我们期待与更多的合作伙伴携手，持续以技术创新为引擎，推动新型工业化的发展进程，共同塑造一个创新驱动的工业新时代，并与各方一起构筑全新的产业生态。在此，欢迎大家前往位于这次进博会的4.1号馆的高通展位，参观并指导。自2018年首届进博会以来，高通公司连续7年参展，并参会。今年我们以“让智能计算无处不在”为主题，全面展示在5G与AI这两大技术领域的最新创新和合作成果，我们期待与行业合作伙伴携手，推动新型工业化的发展，共同迎接数字经济发展的新未来。谢谢大家！[ 2024-11-05 18:13 ]
感谢孟总的精彩演讲。他为我们分享了无处不在的智能计算。新质生产力也是大家关注的重点，下一位演讲嘉宾是百度技术委员会主席吴华女士，她将为我们带来《大模型赋能新质生产力》，有请吴华女士。[ 2024-11-05 18:15 ]
各位领导，各位来宾，下午好！我是百度吴华，我的演讲内容是《大模型赋能新型工业化》。我的内容包括三个部分，首先我介绍大模型的基础能力，然后是文心大模型的进展，以及在产业上的应用。我们知道大模型的能力越来越跟人类相似，我们会问一个问题，人类为什么智力超群？我们知道在生物界有两种学习方式，一种智能，由先天的基因决定的，后天习得的能力非常有限。另外一种除了先天的能力以外，它通过后天不断的学习，智能得到不断的提升。很显然，人类是属于第二种，因此人类智能的第一个基础是拥有良好的学习机制，刚才我们提到动物的智能主要来自于动物本能，它习得的能力非常有限。而人类除了人类的本能以外，通过漫长的童年期，在不断的和环境交互，智能得到了提升，所以创造力非常强。人类智能的第二个基础——大脑神经元数量。我们知道动物的智能是跟大脑皮层的神经元数量成正比的，但不是重量。[ 2024-11-05 18:17 ]
人类智能的第三个基础是语言。我们知道大约7万年前，人类开始用口语表达思维和交流信息。在大约9千年以前，出现了语言文字，语言文字凝练和传承了人类的知识和文化，促进了人类文明的发展，而且语言是区别人类与动物的很显著的特征。我们看到既然有这样的很先天的基础，就能解释人类为什么智力超群。它除了有很好的学习机制和神经元数量以外，这个是它大脑里面具有的硬件基础，除了这个以外，还有不受容量影响的知识外存。知识外存是人类世世代代凝练的知识和文化，使得人类在这个过程中，不断的提升和积累。有这样的基础以后，我们看人类学习语言的方式。实际上学习语言，剔除了天生的学习机制，还有构建的跟语言相关的大脑皮层，和刚才说到的知识这样的外存。有了这样的基础以后，人类在自然环境中不断的交互，获得反馈，不断的提高自己的语言能力。其实我们看大语言模型的学习方式和人类学习语言的方式非常相似，它其实也有一个学习机制。比如说我们现在有大规模的神经网络并行算法，以及支持算法的GPU的集群。[ 2024-11-05 18:19 ]
在这个基础上，我们构建了基于文本的自监督的算法，这个算法可以从知识和数据中融合学习，构建了大语言模型。大语言模型其实也是有后天学习的，它是在做各种任务中，比如说做机器翻译、阅读理解、对话、解题、编程等等，在这样的一些任务中，和外界进行交互，然后不断的获得反馈，提升理解、生成逻辑、记忆能力。我们知道因为有它这样的一个学习方式，大语言模型的通用性非常强的。以前在自然语言处理领域，对每一个任务我们需要构建一个模型。但是现在我们只要一个大语言模型，就可以支持所有这些任务。所以大模型具有很强的通用性。因为它的通用性是大模型引领了目前人工智能的发展，它的效果好，泛化性强、研发流程非常标准化。刚才我们提到大模型在任务上具有很强的通用性，除了振武以外，其实在语言模态、场景中也具有很强的通用性。我们看语言上的通用性，其实大模型除了从中文、英文这样的自然语言中学习思考能力以外，它同时也能学习编程语言，编程语言是一种形式语言，是计算机可以执行的语言。它的好处是除了模型可以写程序以外，它其实构建了模型和物理世界连接的一种方式。[ 2024-11-05 18:20 ]
我们也看到，现在也有多模态的大模型，它是能够把语言、语音、视觉等等多种模态的学习融入到一个模型中，使得模型具有听、说、读、写、看的能力，这个我们还在初级阶段，但是我相信它会越来越统一和通用。现在目前人工智能的这些技术，包括大模型的技术已经具有场景的通用性，我们已经在各行各业中应用，在大家的工作和学习中也得到了广泛的应用。接下来我简单介绍一下文心大模型最新的进展。文心是一个产业级的、知识增强大模型系列，它包括文本、视觉、跨模态、生物计算和行业大模型。在这个基础上，我们构建了支持产业化应用的工具平台，我们来看一下文心大模型的演进。我们从2019年3月就发布了文心大模型的1.0版本，在之后的过程中，我们做了知识增强、检索增强、对话增强，同时我们在去年也发布了智能体技术。[ 2024-11-05 18:28 ]
这是文心一言的技术体系，左侧我们能看到的是通常我们说的生成式大模型的技术体系，我们在这个基础上做了知识增强、检索增强和对话增强。右侧是智能体技术。其实我们在说的知识增强到底包括什么？知识增强其实包括两个方面，一个是知识内化，一个是知识外用。知识内化的意思，是从知识和数据中融合学习，把知识学到模型参数中。而知识外用，我们在模型训练的时候，你的知识可能是当时或者以前的数据，但是知识是不断的积累和发展的。我们需要调用外面的搜索引擎和专业的知识库，使得知识的提升，知识的时效性和专业性。其实很多大模型实际上是一种快思考的模式，所以它有时候会产生幻觉。我们知道在大脑里面，其实有两个系统在合作，一个是系统1，我们在日常生活中，经常用的是系统1，很快。但是我们在处理复杂任务的时候，比如说规划，写研究报告，在逻辑推理等等任务中，我们用的系统2，是慢思考，理性、精确。为了使得我们的大模型体系也具有这样的能力，我们提出了智能体这样的技术体系。这包含了系统1和系统2的能力，系统1是之前的生成模型，系统2在原来的生成模型的基础上，我们提出了思考模型。思考模型的好处是它还能调用外部的工具，拓展大模型的能力。[ 2024-11-05 18:29 ]
思考模型主要作用是理解用户的需求，并把这种需求拆解成步骤进行规划。通过自己生成模型的回复，进行反思，并且在环境中和用户进行交互，不断的进化。我们来看一下思考模型的一个例子，其实我们人类在使用工具的时候，经常会看一下工具的说明书。对于思考模型智能体来说，在使用工具的过程中，它也会看说明书。我们看底下有工具的各种模式，这个时候模型就会在训练的时候读这些工具。读完了以后，针对这样一个用户的需求，要看电影的票房，这个思考模型就开始思考，针对这样的需求我是要调用搜索引擎工具，获取最新的上影的电影，以及它的变化信息。对这些变化信息进行排序，排序完了以后，我调用代码解释器，代码解释器的作用是通过代码能够把这个票房形式化的、图像化的展示。最后提供给用户这样一个图像化的展示。除了这些任务，智能体也可以做逻辑推理。现在大家看到OpenAI发布的O1，就是有思考，慢思考的能力。我们在今年4月份发布的时候，我们其实已经有这样的一个能力，也就是说这个模型，智能体可以做逻辑推理。针对用户的一个问题，把这种条件进行作为排除，组合的最后推出来A、B、C、D都在干什么。[ 2024-11-05 18:29 ]
现在文心一言拥有了3亿的用户，日调用量超过7亿，日均处理的文本Token数超过万亿。接着下来我们看一下大模型，或者人工智能的技术在应用中是什么样的状态。我们知道其实在前三次的工业革命中，工业革命的核心技术是具有很强的通用性的。在这些技术变成通用之前，实际上经过了标准化、自动化和模块化的过程。比如说机械技术，从最初的纺纱机，到最后变成在各行各业得到广泛的使用之前，也经过了标准化、自动化、模块化。我们来看人工智能技术，刚才我们说到大模型技术，其实具有很强的通用性。同时我们也有知识标准化、自动化模块的深度学习，以及大模型的工程平台，我们正在迈向标准化、自动化、模块化，当然这个过程还有很长的路要走。[ 2024-11-05 18:30 ]
既然已经有这样的通用性，我们来看在各行各业中的应用，比如说在制造领域。智能系统能够帮助冰淇淋的工厂检测冰淇淋的缺陷，检测的缺陷大概有几十种，但是人类只能做到少数的几种缺陷检测，而且是24小时无休的。在能源行业，充当电博士和数字调动员，通过能源行业，学习能源行业的知识、经验、规则、规范等等，辅助人类做电力的运营，充当机器值班员，和人一样做高阶的调度。在交通领域，智能系统能够用比较高的准确率识别录像的故障，提升应急处理的效率和信息发布的效率。在创作领域，大模型能够辅助创作很多内容，比如写研究报告，做PPT，思维导图，甚至帮助人类写小说和剧本。现在百度文库实现了100多项的AI创作能力，累计使用次数超过了22亿。同时我们可以看到，在工作中还有很多重复繁琐的工作，比如财务报销，现在的AI系统能整合多平台操作，变成报销职能体，秒级报销，提升效率83%。除了这些，人工智能也给科学研究范式带来了很大的变革，刚才也提到今年的诺贝尔奖物理化学都跟AI相关，AI帮助蛋白质结构预测，气象要素的预测以及核聚变等离子不稳定态的预测等等，我相信将来AI在这样的科学研究范式上发挥更大的作用。我的汇报结束了。谢谢大家！ [ 2024-11-05 18:30 ]