智東西（公眾號：zhidxcom）
作者?| 許麗思
編輯?| 漠影
智東西7月5日報道，昨天下午，2024 WAIC科學前沿全體會議在上海召開！2024科學前沿全體會議以“可信AI，善治共享”為主題，請到了上海人工智能實驗室主任、首席科學家周伯文，中國科學技術研究所黨委書記、中國軟科學研究會副理事長趙志耘，阿卜杜拉國王科技大學人工智能計劃負責人瑞士人工智能實驗室（IDSIA）研發主任Jürgen Schmidhuber，加州大學伯克利分校教授及綠洲實驗室（Oasis Labs）創始人Dawn Song等多位專家學者進行演講。
會議現場，上海人工智能實驗室青年科學家陳凱、上海人工智能實驗室領軍科學家代季峰、上海人工智能實驗室青年科學家白磊發布了多項涉及書生大模型的成果，具體是書生·浦語InternM2.5、書生萬象多模態大模型以及風烏。
上海人工智能實驗室主任、首席科學家周伯文談道，大模型是有幻覺的，但有時候這種幻覺可以演變為一種創造力，能夠為推動科學發現帶來新的可能性，極大發揮大模型作為新質生產力的潛能。
加州大學伯克利分校教授及綠洲實驗室（Oasis Labs）創始人Dawn Song認為要以負責任和可信的方式去部署AI系統，這其中，就包括了確保AI的可信度、減輕AI的濫用以及負責任的數據使用和價值歸屬。
中國科學技術研究所黨委書記、中國軟科學研究會副理事長趙志耘發布了《2023全球人工智能創新指數》，針對多個重要國家的人工智能創新、發展和治理情況進行量化評估。
其中，中國在所有一級指標上均排名全球第二，聚集了全球人工智能創新資源和成果的絕大多數，在人才培養、科研產出和產業發展方面取得了明顯進展，但在關鍵核心競爭領域尚未形成絕對優勢。未來，如何在基礎支撐、數據資源、人才培養、原始創新等方面加以改進，仍值得進一步深入思索。
一、AGI，生產力背后的生產力
當前，世界正處于智能革命的時代。與以往的工業革命不同，這次革命加速了知識的發現和人與人之間的交流，帶來了生產范式的徹底變革。AGI在賦能生產力方面具有廣泛的應用，它不僅是一個重要的工具，更是生產力背后的生產力。
對上海人工智能實驗室主任、首席科學家周伯文而言，他第一次深入思考AGI是在2015-2016年間。當時，他在美國IBM總部做報告，提出了兩個新名詞：狹義人工智能（ANI）和廣義人工智能（ABI）。基于當時的技術水平，他認為通過ANI向AGI過渡需要經歷ABI這一階段。ABI具有自監督學習、端到端完成任務以及從判別式到生成式的特點。
如今，隨著2022年ChatGPT的出現，我們已經進入了ABI時代，這標志著AI技術發展的一個重要里程碑。
在2016年的預測中，他未能預見到大模型的涌現能力。盡管如此，他認為從現在走向AGI的路徑是二維的，既要具備強泛化能力，又要具備足夠的專業性。只有在這兩方面都達到較高水平，才能實現AGI的高價值落地。
在實現AGI的過程中，需要系統化的思考和規劃，包括基礎模型層、融合協同層以及自主進化與交付層。在基礎模型層上，需要不斷地提升更高效地獲取模型泛化的能力，同時需要更多的復雜任務規劃能力、高密度監督性的生成能力等來輔助；在融合協同層上，要將泛化性和專業性有效地結合起來，可以采用多路線協同的算法架構來獲取比肩人類水平的專業能力；在自主進化與交互層，強調 AI 的自主探索與反饋閉環，AI 系統需要能夠在真實或者仿真的世界中自主的收集數據，學習并適應環境，通過與環境的交互獲得反饋，從而實現自我進化。
周伯文還提到，AGI不僅在生產力方面具有重要意義，還能在科學發現中發揮巨大作用。大模型的創造力可以打破信息繭房，提高科研效率，為未來的科學研究提供新的動力。
2023年初，上海人工智能實驗室訓練了一個生物醫藥模型，讓這個模型學習了此前所有的相關論文。不同于Chatgpt回答人提出的問題，這次需要大模型給人提出問題。之后，大模型提出科學假設，提到二甲雙胍這一藥物對胃癌患者而言，在性別上有顯著的效果差異。
而這一假設此前都從未被在論文中提及。直到 2023 年3月30 號，在一篇人類科學家的論文里，其中實驗的結果證實了大模型此前的假設，證實了二甲雙胍的療效存在著顯著的男女性差異。
通過AGI，可以加速從數據中發現新的知識，推動各領域的創新和進步。通用人工智能作為未來科技的重要方向，不僅在技術層面具有巨大的挑戰和機遇，更將在經濟、社會等各個方面帶來深遠影響。
▲上海人工智能實驗室主任、首席科學家周伯文
二、AI浪潮之下，國家實驗室與科研平臺的協同之道
中國工程院院士、國家流程制造智能調控技術創新中心首席科學家錢鋒，中國工程院院士、機器人視覺感知與控制技術國家工程研究中心主任王耀南，虛擬現實技術與系統全國重點實驗室主任、北京航空航天大學副校長呂衛鋒，認知智能全國重點實驗室主任、中國科學技術大學兼職教授胡國平，多媒體信息處理全國重點實驗室主任、北京大學教授黃鐵軍，腦機智能全國重點實驗室主任、浙江大學教授潘綱，自主智能無人系統全國重點實驗室常務副主任、北京理工大學教授孫健，深入探討了通用人工智能的眾多研究方向。
人工智能是當今發展新質生產力的重要引擎，但錢鋒提到，這也面臨很多挑戰，尤其是泛化能力以及不可解釋性。盡管人工智能在推動新技術和生產力方面有巨大潛力，但如何提升模型在未知數據上的表現以及解釋其決策過程仍是需要解決的重要問題。他還特別強調了專用模型在特定領域的優勢，專用模型不僅可以提供更高的性能和精確度，還能夠滿足不同行業和應用場景的特定需求。
“頂天立地”，是王耀南認為在AI大模型的研究與應用過程中至關重要的兩個方面。“頂天”指掌握大模型的前沿技術，深入了解其體系架構、推理過程的解釋性、安全性和可信度，避免將其視為黑箱。還要改進訓練算法，提升泛化能力和優化效果，同時關注算力和電力消耗。而“立地”，則指AI技術為各行各業賦能，如在智能制造和機器人領域。他結合自身專業，指出大模型能推動具身智能的發展，解決傳統機器人在多機器人協同控制中的局限。
呂衛鋒指出，隨著人工智能的發展，虛擬現實技術需求發生重大變化，現在更關注智能化的虛實融合環境及虛擬與現實的無縫銜接。如今，虛擬現實已經從從“3I”（沉浸式、可交互、可構想）發展到“6I”（加上了智能化、可演進、虛實貫通），這標志著人工智能對虛擬現實的巨大影響。他提到，隨著多模態大模型的發展，虛擬現實技術基礎軟件平臺也將發生革命性變化，傳統的渲染引擎和模型構建平臺將被新的智能平臺取代，而這些智能平臺或許也將帶來更加逼真的交互。
自然語言理解涉及復雜的知識和邏輯，而AI在進行語言理解上仍存在較大挑戰。胡國平介紹，這種挑戰尤其是在理解語境和邏輯推理方面。為提升AI對語言的認知理解能力，認知智能全國重點實驗室與科大訊飛、中國科學技術大學合作，開發出如訊飛星火的大模型，并利用大量算力和語料，采用類似人類學習的方式，通過學習和反饋不斷提升機器的性能，使機器能夠掌握細致的語言理解能力。
在智能系統中，黃鐵軍認為了“時間”是極其重要的，提出未來的研究方向是實時感知和處理。具體而言，不僅要收集靜態數據，還要實時獲取和處理多種感知信息。他談到，類腦智能的關鍵在于處理不同感知通道的信息，并在性能上超越人類。智能系統應該比人類更快、更強大，以確保其在現實世界中的實際應用和存在意義。人工智能的目標不是替代人類，而是在性能上顯著優于人類，以此為方向推動技術的發展和應用。
孫健介紹了自主智能無人系統全國重點實驗室的研究方向，主要包括協同控制、環境感知與理解、無人系統智能發展、仿生驅動等。他提到，實驗室在大模型人工智能的影響下，尤其關注具身智能系統的研究。具體來說，實驗室致力于發展多體智能體之間的矩陣智能，強調協同與協作，目前研究重點包括環境理解與感知、具身智能與環境交互大模型、多個智能體之間協作與博弈，以及分布式控制在智能體間的應用。
三、從過去到未來，AI與神經網絡的演變迭代
20年前，阿卜杜拉國王科技大學人工智能計劃負責人、瑞士人工智能實驗室（IDSIA）研發主任Jürgen Schmidhuber曾繪制了一幅關于一個擁有世界模型的機器人圖畫，這個機器人能夠通過遞歸的深度鏈來思考未來，并優化其行動序列。這正是今日所談論的生成式AI的基礎。Jürgen Schmidhuber在會議現場，對人工神經網絡的發展歷程進行了細致回顧。
人工神經網絡靈感來自人腦。人腦擁有大約1000億個神經元，每個神經元與其他1萬個神經元相連，總共約有一百萬億個連接。通過學習，這些連接的強度會發生變化，使系統能夠執行諸如駕駛汽車或語音識別等任務。而神經網絡通過模仿這種生物神經連接方式，實現對信息的處理和學習。
盡管許多人認為Transformer起源于2017年的Google，但實際上早在1991年，他就提出了類似的概念，稱之為“fast way controller”，即現在的線性Transformer。這種線性Transformer的計算量隨輸入線性增長，相較于現代的二次Transformer，其效率更高。線性Transformer通過減少計算復雜度，能夠顯著提高了處理速度和效率。
早在1990年，他提出了一個叫做“人工好奇心”的概念，即現在的生成對抗網絡。這種網絡通過兩個對抗的子網絡，一個生成輸出，另一個預測輸出的后果，從而實現自我學習。GAN通過這種對抗機制，使得生成的內容更加真實和逼真，廣泛應用于圖像生成、視頻生成等領域。
LSTM是深度學習的重要突破，首次實現了真正的深度網絡。它通過殘差連接，使得網絡能夠學習長期依賴性，并在自動翻譯、語音識別等方面廣泛應用。LSTM通過其獨特的門控機制，解決了傳統神經網絡在處理長序列數據時的梯度消失問題，從而在自然語言處理、時間序列預測等方面取得了突破性進展。
在2009年，隨著計算能力的提升，深度學習開始在各種比賽中取得嶄露頭角。2010年，他們利用Nvidia的GPU，大幅提升了卷積神經網絡的速度，并在圖像識別等任務中表現出色。盡管這些技術在20世紀已被提出，但直到21世紀才得以廣泛應用。深度學習通過大規模數據集和強大的計算能力，極大地提高了模型的性能和泛化能力。
最早的大規模語言模型基于LSTM，直到2017年Transformer的出現。Transformer極大地改進了語言處理的能力，并在生成文本、翻譯等方面取得了顯著成效。Transformer通過自注意機制，能夠有效捕捉序列數據中的長距離依賴關系，從而顯著提升了自然語言處理任務的性能。
雖然AI在虛擬世界中表現出色，但在物理世界中的應用仍然面臨挑戰。為了實現這一目標，他專門創建了AI公司，專注于物理世界中的自動化檢查等應用。通過結合硬件和AI技術，開發出了領先的自動化檢查系統。這些系統通過高精度傳感器和強大的數據處理能力，實現了對復雜物理環境的實時監測和分析，廣泛應用于制造、醫療等領域。
Jürgen Schmidhube總結道，未來的AI，需要在物理世界中實現更復雜的任務。這需要AI系統能夠創建和優化世界模型，并通過層級規劃來實現高效的行動序列。通過持續改進，期待AI在智能制造、智慧城市、精準醫療等領域發揮更加重要的作用。在各個領域，包括醫療、可持續發展等方面發揮更大的作用。
▲阿卜杜拉國王科技大學人工智能計劃負責人、瑞士人工智能實驗室（IDSIA）研發主任Jürgen Schmidhuber
四、部署AI系統，要以負責任和可信的方式
AI技術快速發展并廣泛應用，但其背后的潛在風險不容忽視。加州大學伯克利分校教授及綠洲實驗室（Oasis Labs）創始人Dawn Song，便分享了如何以負責任和可信的方式部署AI系統。
隨著AI在各個領域的廣泛應用，攻擊者利用AI系統進行攻擊的可能性和動機也在增加。這種情況使得確保AI的可信度、減輕AI的濫用以及確保數據的負責任使用和價值歸屬成為當務之急。Dawn Song的演講重點討論了三個主要挑戰：
一是確保AI的可信度。可信的AI涵蓋了隱私保護、公平性和抗毒性等多個方面。張松教授特別提到了隱私問題，指出神經網絡可能記住訓練數據中的敏感信息，攻擊者可以通過查詢模型來提取這些信息。為了應對這一挑戰，她的團隊開發了一種名為“曝光削減”的方法來衡量模型的記憶程度，并提出了差分隱私模型作為潛在解決方案。
二是減輕AI的濫用。AI技術的濫用可以對機器系統和人類造成巨大影響，特別是在語音克隆、社會工程、虛假信息和釣魚攻擊等領域。Dawn Song提到，通過建立“設計即安全”的系統，并利用AI技術進行程序驗證和生成，可以減少這些濫用帶來的風險。
三是負責任的數據使用和價值歸屬。當前，許多有價值的數據被鎖在數據孤島中，數據貢獻者也未能得到公平的回報。Dawn Song的團隊開發了一種基于Shapley值的框架，用于公平分配數據貢獻的價值，推動建立負責任的數據經濟。
▲加州大學伯克利分校教授及綠洲實驗室（Oasis Labs）創始人Dawn Song
五、直面AI發展挑戰，尋求下一步的革新
人工智能大模型技術架構是否已經收斂？大模型與具身智能如何結合？未來又會有怎樣新的技術可能性和挑戰？
上海人工智能實驗室領軍科學家、教授林達華與多為青年科學家——上海人工智能實驗室青年科學家陸超超、Research Scientist, Google DeepMind Han Zhang、快手視覺生成與互動中心負責人萬鵬飛、清華大學交叉信息研究院助理教授許華哲、加州大學洛杉磯分校計算機系助理教授周博磊、滑鐵盧大學計算機學院助理教授張弘揚，深入討論下一代人工智能的革新與挑戰。
陸超超在發言中探討了大模型在實際應用中的具體挑戰和可能性。他指出，當前的大模型在許多領域已經展現出了強大的能力，但同時也面臨著一些顯著的問題，如數據量和算力需求的不斷增加，需要在技術和資源之間找到平衡，避免過度依賴單一的技術路線。此外，盡管大模型在許多應用場景中表現出色，但在某些特定任務中仍存在一定的局限性。建議研究人員應繼續探索新的模型架構和優化方法，以提升大模型的整體性能和應用范圍。
從早期的GAN到今天的diffusion模型，Han Zhang總結了生成模型的發展歷程和未來方向。他提到，生成技術在圖像分辨率和多模態生成方面取得了顯著進展。不過，雖然diffusion模型在當前階段表現優異，但其并不是最終的解決方案，未來仍需要更多創新。此外，Han Zhang還提出了對資源分配的看法，呼吁在研究中注重探索新的模型家族，而不僅僅是擴展現有模型的規模，研究人員應利用有限的資源進行更廣泛的創新，而不是僅僅依賴當前流行的技術。
萬鵬飛介紹了視覺內容生成的現狀和未來發展，還提及自己團隊在快手開發的可靈模型，并分享了該模型在文本生成視頻方面的應用。盡管模型在基礎能力上已經取得了顯著進展，但要實現大規模的實際應用仍面臨許多挑戰，包括內容的可控性和生成視頻的持續性。在實際應用中，需要不斷提升模型的性能，以滿足用戶的多樣化需求。他還提到，用戶反饋在改進模型方面起到了重要作用，通過開放模型使用和收集反饋，可以不斷優化模型的功能和效果。
針對大模型在決策和推理中的應用問題，許華哲指出，大模型在處理某些經典問題時，如過擬合問題和推理能力不足，可能會產生錯誤的結果。大模型在解決NP難題和優化問題中還存在著局限性，當前模型在這些復雜任務中尚未展現出突破性的能力。他建議在與大模型交互的過程中，需要不斷調整和優化模型，持續探索和改進大模型的推理和決策能力，以應對各種復雜和變化的應用場景。
大模型與具身智能的結合，既帶來了無限可能性，但也蘊含著巨大挑戰。周博磊指出，大模型在生成新的訓練環境和模擬復雜場景方面具有巨大潛力，可以用于提升具身智能的訓練效果。他提到，通過大模型引導智能體在虛擬環境中學習，可以更有效地解決自動駕駛等領域中的長尾問題。另外，大模型與具身智能的結合是未來研究的重要方向，能夠帶來更多的創新和突破，應在這一領域投入更多資源和精力，探索新的應用場景和技術路徑，以推動智能技術的發展和應用。
當前，大模型在提升能力方面受限于數據和算力的瓶頸，互聯網數據資源已經接近飽和，而算力的增加成本高昂。張弘揚提到，OpenAI等公司為訓練大模型投入了大量資源，但這種方式并非可持續。他建議，通過生成式數據和模擬數據來訓練模型，提升模型的自我進化能力是一條可行的路徑。從短期來看，需要在數據和算力之間找到平衡，而從長期來看，需要探索新的方法和技術，以突破當前的瓶頸，提升大模型的整體性能和應用范圍。
六、3項成果1項指數，從創新成果到量化評估
2024 WAIC科學前沿全體會議上，上海人工智能實驗室發布了多項涉及書生大模型的最新成果，包含書生·浦語InternM2.5、書生萬象多模態大模型以及風烏。中國科學技術研究所黨委書記、中國軟科學研究會副理事長趙志耘發布了《2023全球人工智能創新指數》，針對46個重要國家的人工智能創新、發展和治理情況進行量化評估。
書生·浦語InternM2.5
書生·浦語2.5具備強大推理能力，能夠解鎖復雜任務。相比上一代模型，其推理性能提升了20%，領先國內外的同量級開源模型，并在多個權威推理評測集上實現了大幅的性能提升，尤其在數學評測集 math 上更是提升了100%。和最新的開源模型相比，書生葡語 2.5 在絕大部分的數據集上也領先于同量級模型，包括拉瑪 3 和上周谷歌剛發布的 JMA 2 和 LLAMA 3 的 70B 模型。
書生·浦語2.5支持 100 萬 token 的上下文長文本，在長文檔處理方面位于開原模型的前列。在一項測試中，科研人員上傳了新唐書的文檔，并讓模型總結唐朝文學風格的三次變化。最終，模型能夠從幾十萬字的文言文中準確地引用相關的信息，并且進行回復。
在解決復雜問題上，書生·浦語 2.5 也有著獨特的創新。模型能夠模擬人的思維過程，根據用戶需求進行問題分析，然后規劃思維路徑，再拆分成需要解決的子問題，每個子問題都會通過大規模的網絡搜索、篩選和信息整合，最終得到回復。基于這樣的多智能體協同框架，能夠解決復雜的信息調研和分析場景。與人類專家相比，效率提升了 60 倍。
書生·浦語2.5也實現了全鏈條開源，兼容常用大模型開源工具，與社區生態無縫連接。在書生·浦語開源社區、書生大模型實戰營和和浦源大模型挑戰賽上涌現出了大量優秀的生態項目。從垂類模型到智能體應用，從軟件到硬件，這些創意被應用于各個領域。如今，已經有接近 1, 000 個基于書生浦語大模型的開源項目。
書生萬象多模態大模型
書生萬象作為一個開源多模態大模型，關鍵評測指標比肩國際頂尖的商用閉源模型，支持圖像、視頻、文本、語音、三維醫療等多種模態，擁有豐富的輸出格式，支持百種下游任務，性能媲美任務專用模型。
書生萬象模型的核心技術在于漸進式預訓練、漸進式對齊訓練。在訓練過程的早期，采用小語言模型加大數據的方案，加快視覺模型的預訓練的進度，訓練后期替換為大語言模型加少量高質量的數據高效對齊。通過模型從小到大、數據從粗到精的漸進式訓練策略，以較低的成本完成了大模型的訓練，在有限資源下展現出了卓越的性能表現。
在多個基準測試中，書生萬象模型的性能表現亮眼。在多個多模態評測領域的核心關鍵指標，包括多模態理解、數學問題解答、圖表理解、文檔問答及光學字符識別等等，跟其他的開源多模態模型相比，書生萬象在各個評測維度上領先。而與世界頂尖的閉源商用模型相比，書生萬象多模態模型也取得了和國際頂尖的 GPT 4o、?GPT 4v 、Claude 3 、Gemini Pro 1.5 模型相當的性能，并且優于國內閉源商用多模態模型的最優性能。
具體而言，在圖像理解方面，書生萬象模型不僅能夠理解單圖，還具有強大的多圖理解能力，能夠綜合跨圖信息進行內容理解。綜合跨圖信息對于視頻內容的理解和復雜圖文內容的解析來說非常重要，而書生萬象便能為這類關鍵應用提供強大的智力支持。另外，為了適應廣泛的多模態任務，書生萬象模型也采用通專融合技術，具有豐富的輸出格式，支持超過百種任務。
風烏
風烏氣象海洋全方位預報體系，覆蓋了海洋、陸地、高空三維空間的多種核心要素。從風烏第一個版本的全球中期氣象預報大模型開始，通過不斷的人工智能技術創新，開發了風烏Extreme、風烏短臨、風烏GHR、風烏Adas和風烏ORCA一系列的氣候海洋預報大模型，逐漸形成了涵蓋 0- 3 小時的短鄰、 0- 14 天的中短期和多年到年季尺度的全周期預報體系。
針對可能突然到來的極端小范圍的天氣事件，上海人工智能實驗室和上海市氣象局合作共同研發了強對流天氣預報大模型，實現對區域 1 千米高分辨率的強降水預報。通過采用生成式模型和確定式級聯建模的方式，風烏短鄰預報模型可以同時建模中尺度的大氣系統和小尺度的對流過程，從而準確的預報整體的強對流強度和趨勢。
全球氣象預報的分辨率提升是一件極具挑戰性的事情，但風烏GHR僅用了不到一年時間就將分辨率從 25 千米提高到了 9 千米，首次實現基于人工智能的全球 10 公里中期天氣建模與預報，其分辨率較已有模型提高了 7 倍以上，達到了全球領先水平。而且在這個版本上，進一步支持了對降水、太陽輻射、百米風速等的精準預測，以更好地滿足社會各界對高精度氣象預報的需求。
風烏Adas是全球首個端到端的全球氣象預報大模型，通過人工智能方法同時來進行數據同化和氣象預測。相比已有的方法，風烏Adas可以直接基于原始的觀測數據獨立運行，擺脫了現在的 AI 大模型都對物理分析場的依賴。同時，得益于 AI 算法的高效性，風烏ADA相比傳統的同化方法運行效率提升了 1 000 倍以上。
《2023全球人工智能創新指數》
中國科學技術研究所黨委書記、中國軟科學研究會副理事長趙志耘發布《2023全球人工智能創新指數》，該報告由中國科學技術信息研究所和北京大學共同研制，是第四次在上海世界人工智能大會上發布。
報告從基礎支撐、資源與環境、國際合作交流等五大維度，通過構建三層的三級指標體系，對46個重要國家的人工智能創新、發展和治理情況進行量化評估。目標是全面、客觀地反映全球人工智能創新、發展和治理的態勢，并明確中國在其中的位置。
2023年的報告在保持五個基本一級指標體系框架不變的基礎上，根據最新的全球進展，對二級和三級指標進行了優化和微調。例如，增加了數據基礎開源項目，并調整了反映國際智力參與程度的學術交流和國際智力參與指標。
評價結果顯示，中國和美國在全球人工智能創新中繼續引領，46個國家形成四個梯隊。中美兩國在第一梯隊中的優勢進一步擴大。美國在五個一級指標、14個二級指標中的9個和37個三級指標中的17個排名世界第一。中國在所有一級指標上均排名全球第二，聚集了全球人工智能創新資源和成果的絕大多數。
第二梯隊的國家競爭激烈，但與第一梯隊的差距在進一步拉大。例如，英國在教育資源和高質量學術研究方面突出，日本在專利方面具有優勢，德國在產業和應用方面，特別是人工智能風險投資和國內市場規模方面表現優異。
第三梯隊中，印度連續三年排名上升，沙特阿拉伯今年首次進入第三梯隊。第四梯隊國家在科技研發和產業應用方面進展較弱，但也有個別國家如巴西和印度尼西亞在人工智能開源項目數和風險投資方面表現突出，顯示出開源項目和人工智能應用的重要性。
全球人工智能創新發展趨勢有四個特點：一是大模型突破加快了技術創新，自然語言處理和多模態模型在創新發展中起重要作用。二是產業界在模型開發上的優勢擴大，2023年產研發的機器學習模型數量達176個，比學界高3.5倍。三是生成式人工智能開源項目激增，開源成為重要的創新研發模式。四是人工智能企業新增數量增長，創業創投低迷趨勢有所扭轉，2023年新增企業數量同比上漲21.5%。
中國在全球人工智能發展中的綜合水平保持第二，在人才培養、科研產出和產業發展方面取得了明顯進展，但在關鍵核心競爭領域沒有形成絕對優勢。
未來，趙志耘希望在基礎支撐上進一步加強數據資源建設，健全公共數據開放共享機制，建設安全、合規、大規模、高質量的語料庫。同時，加大高層次人才引進力度，創造寬容失敗的科研環境。在科研科技研發創新上，強化前瞻部署和原始創新，搶抓具身智能和類腦智能的機遇。加快高水平、規模化應用，聚焦關鍵領域，打造具有技術先進性和規模化潛力的應用場景，推動大小模型的協同落地。
▲中國科學技術研究所黨委書記、中國軟科學研究會副理事長趙志耘
結語：大模型突破加快技術創新?AGI能為社會創造更多福祉
齊聚一眾頂尖的人工智能專家的WAIC科學前沿會議，不僅熱議當下的技術熱點、展現突飛猛進的技術格局，也以一種思索技術所存在的挑戰與風險的姿態，去瞭望更加遠大的技術未來。
在突飛猛進的技術浪潮之中，大模型的突破極大地加快了技術創新，生成式人工智能開源項目激增，開源成為重要的創新研發模式。
未來，隨著AGI這一生產力背后的生產力的進一步發展進化，我們也期待通過不斷的努力和探索，推動AGI的技術突破和價值實現，為人類社會創造更多的福祉。
