会议主题：2024世界人工智能大会暨人工智能全球治理高级别会议产业发展主论坛

会议时间：2024年7月4日 13：30-17:30

会议地点：世博中心银厅

主持人：尊敬的各位领导，各位来宾，女士们，先生们，大家下午好，欢迎来到2024世界人工智能大会 暨人工智能 全球治理 高级别会议 产业发展 主论坛 的现场，我是第一财经主持人 黄伟。今年，我们盛情邀请了海内外具有风向标意义的 产业翘楚和权威专家莅临现场，汇集 全球产业的共同目光，荟萃全链产业的共性热点，积极回应世界对AI发展的一致期待，共推 发展、共护 安全、共享 成果。首先请以热烈的掌声欢迎工业和信息化部 副部长 单忠德 先生 致辞。

单忠德：尊敬的陈杰副市长，尊敬的各位嘉宾，女士们，先生们，朋友们大家好！非常高兴参加2024世界人工智能产业发展全体会议，我谨代表工业和信息化部对大会的成功召开表示热烈的祝贺，向长期以来关心支持工信事业的各界朋友表示衷心的感谢！我今天报告的题目是加快发展人工智能产业，高水平赋能新型工业化。作为引领未来的战略性技术，人工智能正全面赋能各行各业，推动社会生产力整体跃升，中国政府高度重视人工智能的发展。

习近平主席强调，人工智能是新一轮科技革命和产业变革的重要驱动力量，对于人类文明进步产生深远影响。今年，我国的政府工作报告当中明确提出，要开展人工智能+行动大力推进信息工业化，工业和信息化部深入贯彻决策部署，牢牢把握高质量发展这个首要任务和实现信息工业化这个关键任务，以促进智能技术和实体经济深度融合为主线大力推进信息工业化为契机，共同加快培育壮大人工智能产业，支持上海等地方创建11个国家人工智能创新应用化区域，推产业集聚；支持联合国工业发展组织与上海市政府合作，推动在上海成立全球工业与制造业人工智能联盟卓越中心，打造国际人工智能会客厅。

在上午的开幕式上，共同启动了全球工业与制造业人工智能联盟卓越中心的建设，积极参与全球治理与合作；在国际电信联盟20国集团，金砖等组织机制下积极贡献中国方案，助力全球人工智能产业高质量发展。今年5月我也率团参加了在日内瓦召开的人工智能向善全球峰会，全球人工智能治理倡议，就人工智能治理和产业发展与各个国家的代表进行了深入的交流，在各界的共同努力下，信息技术，数字技术，智能技术等赋能新型工业化的成效显著，智能碎片，算法框架，大模型等关键核心技术不断突破，智能网联汽车，人型机器人，低空装备等典型产品加速迭代，智能工厂，智能车间等新模式，新业态，不断涌现。

目前，我国已经培育了421家国家级智能制造示范工厂，万亿级的省级的数字化车间和智能工厂，推动制造业高端化智能化绿色化发展，人工智能企业的数量也超过了4500家，算力规模位居全球第二，推动制定了48项智能制造相关的国际标准，推动完善全球人工智能产业发展生态。同时，我也注意到，上海市也是工业和信息化部支持创建的首个国家人工智能创新应用先导区，在人工智能技术创新策源，产业集聚等方面都呈现了显著的成效，涌现了一批专精特新企业，面向全球，面向未来的视野，建设成为全球人工智能发展的上海高地。特别是近年来连续七届世界人工智能大会的成功举办，打造了重要的国际交流合作平台，当前人工智能产业正在迎来一场由人工智能技术引领的爆发式发展，智能时代正在加速到来。

习近平主席强调，要把新一代人工智能作为推动科技跨越发展，产业优化升级，生产力整体跃升的驱动力量，努力实现高质量发展。工业和信息化部将深入贯彻落实党中央决策部署，统筹高质量发展和高水平安全，加快开放合作，产业创新，夯实基座，推动人工智能更好的赋能信息工业化，服务社会，造福人民。主要开展四个方面的工作，一是强化开放合作，深入践行全球人工智能治理倡议，秉持开放包容合作共赢的态度，坚持引进来和走出去相结合，在技术、产品、标准、服务、安全等方面，与各国加强交流合作，推动形成具有广泛共识的人工智能治理框架和标准规范，让人工智能发展更好的服务于人类生活。

二是推动产业创新，聚焦关键核心技术和重要的智能装备，深化产学研合作创新，加大投入加快创新，积极培育智能产品，智能装备和智能服务，加速智能技术产业化，扎实推动科技创新和产业创新的深度融合。

三是夯实产业基座，加快5G网络和千兆管网的建设，深化算网融合，稳步构建智能高效的融合基础设施，建设高质量的工业数据及扩大数据应用，努力建成广覆盖，高效率，安全稳定运行的智能基础设施，为智能化发展提供有力支撑。

四是加快运营落地，充分发挥中国制造业发展的优势，以需求为牵引，积极推进智能技术在制造、交通、民生等垂直行业的推广应用和迭代升级，支持制造业企业加快数字化转型智能化改造，培育一批智能车间、智慧工厂加快推动人工智能赋能信息工业化。女士们，先生们，世界人工智能大会是全球人工智能领域重要的合作平台，大会以共商促共享，以善治促善智为主题，为各方提供了良好的交流合作平台，让我们以本次大会为契机，加强交流，凝聚共识，深化合作，共同推动人工智能产业发展，共同谱写人工智能赋能时代发展，增加人类福祉的新篇章，最后，预祝本次会议取得圆满成功，祝大家身心如意，幸福安康，谢谢大家！

主持人：感谢单部长。当前，上海正抢抓 新一代 人工智能发展机遇，以人工智能驱动形成 新质生产力，加快打造 世界级 高端产业集群。下面，以热烈的掌声欢迎 上海市人民政府 副市长 陈杰 先生致辞。

陈杰：尊敬的单副部长，王书记，尊敬的各位来宾，女士们，先生们，朋友们，大家下午好。

非常荣幸能跟大家相聚在2024世界人工大会暨人工智能全球治理高级别会议，产业发展的主论坛。首先我代表上海市人民政府对各位嘉宾到来表示热烈的欢迎，也向长期以来表示长期支持发展给予大力支持和帮助衷心的感谢。

人工智能是新一轮科技革命和产业变革重要力量，近年来上海深入贯彻落实国家战略部署，在工信部的指导下，着力建设人工智能的上海高地，打造产业集群，产业规模持续扩大，归上企业从2018年183家增加到2023年348家，产业规模也从134亿元，增长到380亿元，居全国的前列。创新成果持续涌现，全市目前已经有34款大模型登记备案，多款人形机器人发布，创新载体加速建设，我们打造模速空间一期、二期总面积达到200平方米，吸引80家大模型企业入驻，开源社区的网站也上线运行，产业生态日趋完善，持续优化算力基础设施建设，加大算力资源的统筹供给，大模型语料联盟深化运行，开源书生·万卷等一系列语料资源面向未来，我们与海内外机构紧密合作，持续推动人工智能创新发展。

一是加快夯实人工智能基础底座，打造超大规模智能算力基础设施、完善语料数据支持体系，更好助力人工智能企业创新创业发展。

二是加大人工智能的落地赋能，以通用人工智能与制造业融合为主线，推动人工智能与传统产业、新兴产业，以及未来产业深度融合加快人形机器人，智能网联汽车高质量发展。

三深化人工智能治理规范，探索建立技术标准，基础测试，人工智能可信安全治理体系，努力贡献上海智慧，上海方案。

各位来宾，本届论坛将聚焦AI产业发展集聚了国内外顶尖企业家和科研家和业内专家，我们衷心的期待围绕人工智能产业发展，发表真知灼见，分享关键，为引领人工智能发展贡献智慧和力量。上海将以更加优质营商环境为全球优秀企业，投资机构，卓越人才发展提供更为广阔空间和舞台，共同致力于发展人工智能发展的美好愿景，最后再次祝愿这次大会圆满成功。

主持人：感谢陈市长。中国始终积极支持 在联合国框架下 讨论与协调 国际人工智能发展、安全与治理的重大问题。多年来，联合国 工业发展组织 多次参与 世界人工智能大会。接下来，有请 联合国 工业发展组织 副总干事 兼执行干事 邹刺勇 先生 致辞。

邹刺勇：尊敬的陈市长，各位尊敬的嘉宾，女士们，先生们，非常荣幸能够在今天的产业发展主论坛发言，参加在上海举办的全世界人工智能大会，非常高兴能够与来自全球的具有远见卓识的领导人来就人工智能的未来进行讨论，联合国工发组织致力于实现包容的工业发展，我们与各方促进建立合作伙伴关系开展对话，支持建立人工智能的生态环境，去年在这里的世界人工智能大会上，我们发起了倡议，要在全球发展人工智能的应用和解决方案。在当今这个互联互通的世界，像气候变化以及可持续的供应链等等挑战，都与人工智能息息相关，人工智能的发展也可以让低收入国家更好的实现经济发展和创新。

然而，当今世界的经济发展仍然不平衡，有许多地区仍然被落在了后面，这也意味着人工智能的发展有着巨大的潜力，可以更好地促进发展繁荣与包容，我们认为未来的工业要由数字赋能来实现有韧性的社会发展，促进人的全面发展和地球的健康发展，因此我们需要付出更多的努力，利用人工智能，让边缘化的人群以及新加入的人群更好地实现包容性发展。在联合国工发组织，我们通过各种各样的倡议和解决方案来帮助会员国实现更好的发展。

在不久之前，联合国大会一致通过了中国发起的全球人工智能能力建设合作倡议，这个决议以人为本，呼吁全球加大合作，进行人工智能的能力建设，特别是要通过国际合作在发展中国家实现这样的发展，我们要通过包容性的人工智能治理，更好的实现联合国2030可持续发展目标。这个国际社会的共识也意味着大家更多的关注了人工智能对于可持续发展和人类命运共同体的贡献。

在这方面我们也需要更好地利用中国在这个方面的经验和远见卓识来促进全球的发展，我们今天在上海召开了这个会议也是一个里程碑式的会议，它受到了上海市政府以及中国工信部的支持，将会更好的促进人工智能创新发展，今天的产业发展主论坛，也将把关注力更好地放在如何弥补数字鸿沟和地区发展不平衡上面，让我们的未来更加可持续和包容，谢谢各位的关注，希望未来能够获得更好的成果，也祝各位的论坛成果丰硕。

主持人：感谢邹刺勇先生的致辞 。接下来，进入仪式环节。

首先要进行的是 世界人工智能大会的最高荣誉“卓越人工智能 引领者SAIL奖”的颁奖仪式。前几届 这一殊荣的获得者，以卓越的创新成果 引领了 全球科技和产业的发展潮流，不断加速推动 人工智能领域的 创新突破。现在 让我们一同起见证 本年度 卓越人工智能 引领者SAIL奖的诞生，请看大屏幕。（播放获奖vcr）

祝贺以上 五个获奖项目。有请获奖代表上台。

有请 中国科协 党组成员、书记处书记 王进展 先生上台为获奖项目颁奖。

合影。

再次祝贺各位获奖者，请颁奖嘉宾和获奖代表入座。

各位来宾，当前 上海正聚焦 具身智能，布局未来 新赛道，打造产业发展“核爆点”。接下来，我们将发布 开源 通用 人形机器人 公版机 青龙，请看大屏幕。（发布视频）

祝贺开源通用人形机器人公版机青龙正式发布！

人工智能是新一轮科技革命和产业变革的重要驱动力量，助力培育新产业、催生新模式、形成 新动能。接下来，让我们开启今天 主题演讲的第一部分：领先—— AI 引领生产力变革。 在大模型带来 智能革命的当下，如何以此 推动生产力变革。下面，有请百度创始人、董事长兼首席执行官李彦宏先生带来他的分享。

李彦宏：各位下午好，非常高兴再次来到上海参加世界人工智能大会，我是这个会议常客，经常来，去年因为出国没有来。上一次来参加WAIC是2022年，那一次我记得大会的主题是元宇宙，主办方也传话跟我讲希望我讲一讲元宇宙。我说我还是讲AI吧，我讲不了元宇宙。所以我讲的主题AIGC，我认为AI的技术发展路线发生了方向性改变，从过去的辨别式人工智能转向了未来生成式人工智能。讲这个话是在2022年的夏天，5个月之后大家都知道，GhatGPT发布了，后来的事情大家都清楚了。

两年的时间恍若隔世，整个世界都变了，人工智能可以说颠覆了绝大多数人的认知。2023年国内出现百模大战造成社会资源的巨大浪费，尤其是算力浪费，但是也使得我们追赶世界上最先进的技术模型能力，得到建立。去年10月我宣布文心4.0发布的时候，我说文心4.0毫不逊色GhatGPT，他们不以为然。现在国内有很多闭源模型声称已经追平超越了ChatGPT的水准。有一些外行混淆模型开源和代码开源两个概念。模型开源拿到一大堆参数，你还是要SFT，还是要做安全对齐，你不知道这些参数怎么来的，无法做到众人拾柴火焰高，即便拿到对应源代码也不知道用了多少数据，用了多少比例数据训练这些参数。所以拿到这些东西，并不能够让你站在巨人肩膀上去迭代和开发。

同样参数规模之下，闭源模型能力比开源模型要更好。而如果开源想要能力追平闭源，那就需要有更大的参数，这就意味着推理成本会更高，反应速度会更慢，很多人拿开源模型来改款，以为这样更好服务个性化应用。殊不知这样创作的孤本模型无法在基本模型获益，也没有办法跟别人共享算力。当然我也承认开源模型在某一些场景下是有它的价值的，比如说一些学术研究或者在教学领域，大家想要研究大模型工作机制，形成理论，这个时候可能是有价值的。因为大家可能也经常听到，我们觉得大模型能力很强，但是不知道为什么能力强，因为背后没有理论来支持它。研究用开源的我觉得没有问题的，但是大多数的应用场景开源模型并不合适。当你处在一个激烈竞争市场环境当中的时候，你需要是让自己业务的效率比你的同行更高，成本比你的同行更低。这个时候商业化的闭源模型是最能打的。

当然这都不是最重要的。没有应用，光有一个基础模型，不管是开源还是闭源，一文不值。所以我从去年下半年开始讲，大家不要卷模型了，要去卷应用。但是我看到我们媒体把主要关注点放在基础模型身上，一天到晚到处跑分刷榜，谁是谁又超越GhatGPT4，Open AI又出来骚扰，今天这个发布明天那个更新，但是我要问应用在哪里，谁从中获益了？应用其实离我们并不遥远，基于基准模型应用在各个领域，各行各业开始逐步渗透。两个多月前我们宣布文心的模型调用量超过2亿，最近我们又说文心大模型调用量超过5亿，其实仅仅两个多月时间调用量发生这么大变化，足见背后是代表了真实的需求，是有人在用，是有人真的从大模型当中获益了，得到了价值。

比如说在快递领域，让大模型帮助处理订单，做到了一张纸一句话寄快递不再需要其他繁琐流程，时间从3分钟缩短19秒，而且90%以上的问题都是由大模型解决效率提升非常明显。还有比如说小说创作领域一开始用开源模型，后来用文心轻量级创新，经过上万组数据的SFT结果有了明显提升。最近转到文心4.0版本，仅用数百条数据，4.0在逻辑上面展示出了非凡优势。生成的内容，无论是可用率还是优质率都大大超过了文心的轻量级模型，网文作者文如虎添翼。比如说代码生成这样的软件，在各个领域也在逐步的在渗透，百度内部我们有30%左右的代码已经是用AI生成了，代码采用率超过44%。

不过，我们要避免掉入超级应用陷阱，觉得一定要出一个DAU超级应用APP才叫实用，超级能干的应用比只看DAU的超级应用恐怕要更高。只要对产业，对应用场景能产生大的增益，整体价值就比移动互联网要大多了。随着基础模型日益强大开发应用越来越简单了，最简单就是智能体，这个也是我们最看好的AI发展方向。制造好的智能体通常并不需要编码，只要用人话把智能体的工作流说清楚，再配上专有的知识库一般就是一个很有价值的智能体了，这比互联网时代制作一个网页还要简单。未来在医疗、金融、教育、制造、交通、农业等等领域都会依照自己场景，自己特有经验规则数据等等做出各种各样智能体将来有数以百万量级智能体出现，形成庞大的智能体生态。

而搜索是智能体分发的最大的入口。刚刚过去的高考季，很多大模型公司热衷于写高考作文，我用AI写一个作文得多少分。其实这个实用价值是不大的，人家不会允许你带大模型进去参加高考。但是真正需求是大量考生在考完以后要报志愿，要选择学校，选择专业。他们对一所大学，一个专业会有各种各样的问题，而每一个考生情况又是不一样的，这个时候就是需要有一个智能体来回答每一个考生专有的问题，在高峰时期百度的高考智能体每天回答的问题，每天要回答超过200万个考生的问题。我们总归只有1000万的考生，在一天当中有这么大比例的人在利用这个智能体。

AI正在以前所未有的速度向各行各业渗透。很多人担心，如果我们日常的工作都让AI做了，人是不是就没有工作机会了？这种担心不是没有道理，但是过去这一段时间我听到的担心，听到了抱怨很多。听到的建设性的意见比较少，很少有人去致力于发掘生成式AI带来的新的工作机会。我这里算是抛砖引玉，一方面这次浪潮AI更多的在扮演Copilot角色，副驾驶还要人来把关，AI只是辅助人工作，而不是替代人工作，它让人的工作效率更高，质量更好。另外一方面我们也可以看到有一些全新的工作开始冒出来了，比如说数据标注师，过去几年我们帮助全国20多个城市落地了数据标注中心，提供了大量的新的就业岗位。再比如说提示词工程师，以后不用编程，但是做好一个智能体还需要把工作流说清楚，这里头有很强的逻辑性。要用提示词对模型进行调教，随着智能体大量涌现，这种工作需求也会飙升。这些工作机会通常门槛并不高，你做的一般也能够养家糊口，做的好上限可以年薪百万。

自人类文明诞生以来，创新就是刻在我们DNA当中，从石器时代的文字到移动时期的手机，再到AI时代大模型，人类不断创造各种工具改善生活提高生产力，但是他们永远只是工具，只有在被人类所使用的时候才有价值。

我们坚定地相信，AI不是人类的竞争对手，我们构建和应用人工智能技术是为了满足人的需求，增强人的能力，让人类生活更美好。谢谢大家！

主持人：谢谢，感谢李彦宏先生，分享了来自于百度的理解和观察，再次感谢您。人工智能激发创新发展，数字基建助力产业未来。

主持人：感谢李彦宏先生 关于 大模型与产业机遇 的精彩分享。

人工智能 激发 创新发展，数字基建 助力 产业未来。接下来 有请 中国电信集团有限公司 董事长 柯瑞文 先生为我们带来演讲 “共创共治共享人工智能产业美好未来”，掌声有请。

柯瑞文：尊敬的各位领导，各位专家，各位嘉宾，女士们，先生们，大家下午好，很高兴来到上海参加2024世界人工智能大会，向大家学习，共同交流探讨人工智能的发展的问题。人工智能是新一轮科技革命和产业变革的重要驱动力量，将对全球的经济社会发展和人类的文明进步产生深远的影响，当前人工智能产业发展日新月异，迎来了前所未有的机遇，同时也面临了不少的问题和挑战。作为电信运营商，中国电信把握人工智能的发展方向，充分发挥自身的特点和优势，积极的服务和融入人工智能的发展，近年来，我们做了一些探索，思考和实践。借这个机会给大家做一个交流汇报。

第一，人工智能需要新型数字信息基础设施提供有力的支撑，总得要求就是高速泛在，天地一体，云网融合，智能敏捷，绿色低碳，安全可控。基本的特征是充分发挥网络的基础，发挥云计算的核心作用，推动云和网的融合提供智能化的连接和算力的服务。人工智能时代网络连接需要更高速度，更低时延，更加可靠，作为网络的核心节点的数据中心，需要升级为承载智能算力的AIDC，不仅包括单节点，单集群的算力，现在最热门的多少万卡超集群，我们觉得更要以共有云服务的形式提供分布式的算力，需要通过一体化的算力的互联网实现跨地区，跨区域，跨架构，跨服务商这样一种算力的调度服务，既要满足训练的需求，也要满足推理的需要，还要以更方便便捷经济的方式为广大的客户方便的使用。

中国电信在业内率先提出云网融合的理念，不断夯实网络的优势，今年我们将完成400G的高速全管网的全国覆盖，加速向800G1.2T超大宽带升级，我们超前建设智能的算力的基础设施，推进数据中心向AIDC的升级，全面支持两弹一优，弹性供电，弹性智能，气流组织优化，新型的数据中心AIDC。我们在热点建设超大计算集群，今年3月份在上海宁港已经建成了全国首个国产的单池万卡的算力集群已经投入运营，基于云网融合的天云国家云打造的息壤、云骁、慧聚智算平台，提升跨域调度的能力，这三大平台是一体化算力互联网的关键平台技术和基本的架构，面向算力需求万生的长三角地区，启动了长三角的调度中心，实现集约供给和统一的调度。新型的数字基础设施必须是绿色低碳的，随着算力增长带来的能源问题日益突出，迫切需要通过创新寻求制造，我们在青海率先打造了全国首个100%清洁能源可溯源的绿色大数据中心，通过天云的能力将算力需求有序的引导到西部地区，不断加强绿色节能技术的绿色公关和应用，全面加快新技术的应用，新型的数字基础设施必须是安全可控的，建成了国内唯一一个全网覆盖和全网触达的网络供给防护平台云梯平台，加快建设以量子技术为核心的新型基础设施，提升100%的量子密码改造，打造电信级的安全保障，这是第一点我们的认识和体会。

第二，人工智能的发展既要重视大模型的技术研发，更要重视模型的应用，应用是促进技术成熟与产业创新的重要途径，人工智能要在应用过程当中不断的迭代完善，促进规模化的发展，我们首先从内部应用做起，我们的新城网络大模型，用于监控排障，业务优化等流程，提高业务处理的效率30%以上，自研的新城客户大模型，用于语音的导航在线机器人等场景，智能客户的比例接近80%，我们自研的新城智慧AI节能系统，实现对基站，机房和数据中心的精准节能，今年上半年我们就累计节电近5亿度，在内部应用基础之上，我们全面开放场景，联合产业伙伴推动大模型的深度应用，在工业、教育、医疗、政务等领域推出了30多个行业的应用已服务政企客户7000多项，例如政务大模型在上海和江苏等地推广，大幅度的提高市民的感知，结合运营商特点推出的新城回答从短信入口实现与新城大模型的交互，AI能力更加便捷触达千家万户，推出AI手机AI云电脑AI摄像头等一系列AI家的一些终端，满足客户多元化，智能化的需求，通过规模化的应用推广，我们不断的积累和汇聚高质量的数据，中国电信有很多很好的平台，例如我们的天翼适联网广泛的赋能于智能制造，智慧社区和市政管理应用的场景，过程当中积累了大量的视频数据，我们也希望能与产业合作伙伴一起合作，通过AI技术进一步挖掘和释放视频数据的价值，为客户提供更加安全，更加便捷，更加高效的一些服务。在推动规模应用的同时，在上海成立人工智能的研究院，自主研发天翼参数的新城大模型，训练超万亿的数据，是央企当中唯一一项社会开源的大模型，推出的视觉大模型可以实现视频当中万物皆可同自然的语言进行接触，推出的语言大模型实现了30多种国内的方言的识别，这些都是在推动大模型应用过程当中的一些成效。

第三，人工智能的发展需要共建开放的生态，共同推进治理，人工智能发展涉及到芯片，云网，模型，应用等产业链各个领域，将催生大量的融合创新的合作机会，需要产业各界立足自身的禀赋，在技术共创，数据共享，场景开放，人才培养，资本合作等方面携手建立开放的生态，实现互利共盈，在合作过程当中，围绕着AIDC的建设，算力互联互通，数据安全的治理等方面需要持续的探索实践，加快制定产业共同遵循的规则，制度和技术标准，促进创新的协同和资源的共享，引导健康发展，共同应对人工智能领域，深度伪造伦理安全，数字鸿沟等风险和不足。共同推进人工智能向善，我们将充分利用世界人工智能大会，WBBA这样一些国际的平台开展沟通和交流，加快人工智能创新发展，助力缩小全球的数字鸿沟。

中国电信牢牢把握以人工智能为代表的新一轮科技革命和产业变革的机遇，推动企业从传统的电信运营商向服务型科技型和安全型企业转型，将人工智能纳入企业四大科技创新的方向和七大战略性新兴产业的布局，结合云网融合的优势，确立了建设计算云底座，公关通用大模型，打造数字底座以N个内部大模型应用为牵引，规模应用N个外部大模型AI以1+1+N+M的布局体系，经过持续的创新已经形成了坚实的发展基础，我们希望与各位产业合作伙伴加强合作交流，共同创造人工智能的美好未来。明天上午将举办中国电信新城人工智能生态的论坛，发布新城AI+生态合作伙伴计划，大模型系列产品以及四大AI联创基地，欢迎大家莅临指导，最后再次感谢大家对中国电信长期以来的关心支持和帮助，祝大会取得圆满成功，谢谢！

主持人：谢谢，掌声感谢柯瑞文先生的精彩演讲。为我们一起来分享的中国电信和经验。再次感谢。

当前“人工智能+”百花齐放，新质生产力气象磅礴。接下来，有请中国移动通信集团有限公司董事长杨杰先生带来演讲，“点燃人工智能+引擎，共促新质生产力发展”。掌声有请！

杨杰：尊敬的各位领导、各位嘉宾，女士们、先生们，大家下午好！

非常高兴参加本次大会共同探讨未来AI发展的道路。当前以AI大模型为代表的通用人工智能取得了突破性的进展，创新迭代速度，资源投入力度，社会参与的广度都远超预期。未来发展孕育着无限可能结合中国移动这几年探索和实践和大家分享几点思考。

第一以AI为代表的新一代信息技术成为发展新质生产力的重要引擎。人类文明进步的历程就是先进生产力不断发展的历程。纵观历史，机械化，电器化，信息化，三次工业革命带来社会生产力水平的显著跃升。如今以数智化为主要特征的第四次工业革命发展。从互联网+，到5G+，到现在AI+持续演进，推动服务体系和经济社会运行体系的深度融合，引发了生活方式、生产方式的深刻变革。

一是十多年前兴起的互联网+，推动了信息技术在消费侧的广泛应用，深度融入学习、娱乐、社交、购物等社会生活的方方面面，深刻改变了人们的生活方式。二是五年前开启的5G+，加速信息技术从消费侧向生产侧的渗透。全面融入研发设计，生产制造，营销服务，运营管理等工业生产的各个领域、各个环节有利于推进生产方式的数智化转型。当下蓬勃发展的AI+，这也是我们现在第三个方面更促进更大范围，更深层次质量变革，效率变革，动力变革，为形成新质生产力助力动能。AI的模型整合知识，人类超越表达逻辑推理能力加速发展从+AI到AI+迈进。

第二深入推进AI+成立心智培育的重要路径，加快AI+的发展关键要推动AI深度融入经济、社会、民生。重塑组织形态，经济形态，社会形态，释放新质生产力发展的巨大潜能。

具体体现在三个方面。

一是体现在为千行百业，千家万户助智赋能上。推动AI智能体成为信息服务全新入口，AI+DICT成为产业落地重要方向，打造有智慧有温度，有特色的AI的原生服务。加速经济社会数智化转型。

二是体现在促进新兴技术融合创新。发挥AI在融合创新原技术作用，加速原始性颠覆性技术演进升级，不断激发新兴技术创新潜能。

三是体现在加快多域智能集成应用。推动计算智能，感知智能，认知智能，运动智能协同发展，加速人型机器人脑机接口新业态成熟，让AI具备更强大认知力，判断力，创造力，更好满足未来智能服务的需求。

第三以AI+推动新质生产力发展成为信息通信业的时代重任。信息通信业作为战略性基础性先导性行业和产业，既是形成新质生产力的重要领域，也为其他领域培育发展新质生产力提供重要的支撑。去年我们国家数字经济总量已经超过50万亿，占GDP比重达到44%，数字经济其实就体现各行各业，经济社会民生广泛应用信息技术的程度。

中国移动经过多年探索实践也走出了一条技术领先，融入行业，开放共享的体系化人工智能发展道路。下一步我们将把推进AI+作为重要的战略着力点，围绕基础设施创新，关键技术创新，产品应用创新这三个方向促进AI+焕新，向实，培育发展新质生产力。

一是夯实AI智能基座推动AI发展为牵引，升级网络算力数据为设计，建设空天地一体化的数据网络，打造通智超量一体化网络，构建数据要素安全高效流通的数链网。

二是构建AI核心能力，锚定AI供给者，会聚者，应用者定位。建立完善通天协同竞天大模型矩阵，会聚开放百个大模型，百套数据集，百套工具链推出数据算力训推一体化的模型级服务MASS。

三是打造AI原生应用，聚焦推动生产社会治理数智化转型，以AI重塑5G新通话视频彩铃。在工业、能源、交通等行业打造百个AI的标杆示范项目。最近我们也携手合作伙伴，比如说和中国石油我们共同推进多模态大模型，在新能源等领域的应用，我们也和华为科大讯飞一起推动了石油行业，能源领域大模型的广泛的应用。

AI到底是人类的助手还是对手？是机遇还是威胁？也成为全社会共同关注的话题。在AI技术加速发展的同时，大家也都在思考，都在讨论。刚才前面一位嘉宾讲了很好的观点。我个人也认为AI，人工智能不会取代人类智能，但是会重构很多行业，很多领域。AI人工智能不会替代人，但是擅长使用AI的人将会替代不会使用AI的人。正像我们过去的十几年间，互联网时代，互联网+时代，电脑并没有取代了人脑，而是更擅长使用计算机的人会脱颖而出。我觉得同样进入AI+时代也是如此，那么AI作为新的生产工具将进一步拓宽人类的认知边界，激发出更大的创新潜能。

中国移动也愿意和社会各界一起共创美好AI+的新时代，一是共同提升社会创新新能级，推动高水平算法，高性能的算力，高质量的数据，集成创新让AI不仅能做事，还能做更复杂，更具创造性的事。因为在去年演讲当中我也讲到，我们让AI不仅可以做诗更要会做事。我信我们今天不仅仅让AI能做事，要做更复杂更具有创造性的事，更有意义的事，更能够帮助人类的事。

二是共同促进生产方式的变革，加速AI深度融入生产经营的全流程，降低生产成本，提高生产效率，提升核心竞争力，打造更多AI赋能新型工业化样本间，商品房。

三是共同完善AI治理体系从技术制度法律伦理多层次，各个方面加强治理体系建设确保AI始终符合人类共同的价值趋向，实现科技向善，AI向善。预祝本次会议取得圆满成功，谢谢大家！

主持人：谢谢，掌声感谢杨杰先生的精彩演讲跟大家一起共同分享是来自于中国移动的探索和突破最重要的在刚才主题演讲最后部分发出了倡议，再次谢谢你。

当前“人工智能+”百花齐放，新质生产力 气象磅礴。接下来，有请 中国移动通信集团有限公司 董事长 杨杰 先生带来演讲，“点燃人工智能+引擎，共促 新质生产力发展”。

感谢杨杰先生的精彩演讲。今天 人工智能 正以前所未有的速度 影响着社会经济发展的步伐，推动着 生产力的变革。接下来，我们即将迎来一场聚焦于“通用人工智能时代 产业 新要素结构”的深度对话。参与对话的嘉宾 在各自的领域 都有着 卓越的成就 和深刻的洞见，让我们以热烈的掌声有请：

猎豹移动 董事长兼首席执行官，猎户星空 董事长 傅盛 ，

社交数据实验室 创始人，亚马逊 前首席科学家 安德雷斯·韦思岸 先生Mr.Andreas Weigend

中国工程院 院士、之江实验室 主任、阿里云 创始人 王坚先生。

接下来就把主持的任务交给傅盛 先生，有请三位。

傅盛：首先今天非常激动，能和两位世界级的专家一起能够开展人工智能的讨论，非常非常激动。我是一个创业者，我做了猎豹移动曾经在全球大概有4亿的活跃用户，2014纽交所上市，2016年开始做人工智能和机器人，也算是在产业上有自己的一些理解和积累，当然了，在两位面前，我还是有很多问题想要请教的。在之前稍微介绍一下，Mr.Andreas Weigend先生也是亚马逊前首席科学家，也是中国人民的老朋友，应该跟阿里，腾讯都当过顾问，写过一本书大数据和我们，在整个业界相当有影响力，王坚院士是阿里云的创始人，也是今天中国云的产业的奠基人。刚刚听了很多前面的演讲，我们都看到大家都在讲人工智能这次的浪潮，这次可以带来的应用的机会，但是还想从更大的一个层面跟两位专家请教一下，今天我们讲这个生成式人工智能是不是已经是人工智能的一个核心的道路了，是不是按照这条道路走，就真的能够创造通用人工智能，还是说也会有别的路线，今天其实可以看到业界学术界还有不同的看法，认为仿人类的智能，仿人类的框架，才能真正发挥人类的过程，我们对中间的原理不是特别清楚，很多教授专家都认为我们一定要去理解智能真正产生的技术路线，才有可能产生真正的通用人工智能，不知道两位专家有什么观点，如果是能够达到通用人工智能这个路线上，我们还有什么样的问题要去解决。

Mr.Andreas Weigend：我在斯坦福读了博士，我的导师发明了神经网络，大家也知道神经网络现在是所有的AI的工作的基础，有一个规则，他希望知道别人是不是会跟他讲大脑是怎么运作，他会去听别人，评估别人，然后评估人家关于大脑的那些看法是不是合理的，他要知道别人是不是讲的是神经网络，或者是算力，如果这么说的话，他就会说我会愿意听你讲话，我会听一听你讲的这些架构到底有多好，但是有一件事情很讨厌的，如果有人说好的，我想作为神经科学家跟你聊聊，然后这个人可能会说没有关系，我想跟你讲讲这个算力，然后又有人说，我是想作为计算科学家或者神经科学家跟你说。不管你用什么方式来讲的都可以，说的很清楚，但是坚持住一个方向，不要有的时候更难，你就跑到另一边去谈，这样不好。

傅盛：所以您的观点就是说可能两条路都有可能实现，在一条路上只要坚持就有机会实现。

Mr.Andreas Weigend：而且要记住一个，到底是哪一条路，理解智能真正产生的技术路线，在一条路上只要坚持就有机会实现。要确定哪一条路，坚持走这条路。

王坚：OK，这个其实是一个很困难的问题，可以讨论一百年，但是我想这个困惑既不是今天有，未来也会有，更重要的是过去也有。那么个人经验而言的话，其实神经网络这些东西不是新的，想起了大学的时候，其实发明了人工智能这个词的，当时十个人之一到我们这里来讲过课，那是80年代初，那个时候跟我们讲人工智能是未来，所以当时想一个大学生讲了以后，你可以想象是多么热血澎湃，等了几十年也没有来，所以我想就是说很多问题的探讨可能他的困难要超出我们的想象，那这次我可以说的就是今天我们发现的这个人工智能，是有别于过去以前不一样的人工智能，不好说是不是通用人工智能说什么，但是它一定跟过去五六十年是不一样的，这是我可以表达的。那么中间觉得一个很关键的问题所以有的时候会说一句话，人工智能有一个非常长的过去，但是有一个非常短的历史，长到什么时候呢？长到其实你可以追溯到一百多年以前，短到什么时候呢？短到就是在过去七八年GPT的出来，所以我想就是GPT的潜力今天实际上没有被完整的探索的，所以我想它不只是神经网络，实际上80年代初，我们学的教科书已经在谈神经网络了，那个时候神经网络只有三层，每一层只有两三个节点，所有的算都是在笔和纸上算出来的，今天只不过是到了这么一个规模，以及算的过程都可以看到了，如果放在一个更长的一个历史来看，你就会发现这个问题也不是一天会解决的，但是也不是一天会消亡，相信下面十年还是一个非常激动人心的十年，最后说一句的话，中文翻译跟英文有点差别的，我觉得不太容易混淆，但是中文翻译成通用人工智能，我个人觉得有点混淆的，从自己来看的话，翻成普通人工智能会更好一点，更加确切，就是一个最基本的东西，而不是从通用不通用的这个角度来讲这件事，当时学心理学的课就叫general psychology翻译成中文是普通心理学，不是通用心理学，这里面值得去思考一下的。

Mr.Andreas Weigend：当时我在亚马逊做首席科学家的时候，我跟贝索斯一起工作，贝索斯当时说了几句很聪明的话，他说不要只关注于什么东西会发生变化，还要看看这么多年不变的是什么，其实很多时候不变的东西往往在未来还会不变的，所以这是一个很重要的一种智慧，也很聪明，也很有钱的一个家伙的智慧。

王坚：我还想到一个很有意思，什么是创新，我说如果是有一个创新，可以做十年的那叫创新，如果你每天都要做创新的话，那就是胡扯，这是我自己对这个世界的看法。

傅盛：总结一下两个世界级科学家的观点，即便是学术上的问题很多东西也不是简单的讨论出来的，而是真正的在一个方向上持续的不断的去钻研，去投入，而且今天不管这个未来是不是有仿生的更强大的人工智能出现，但是现在看下来这一波的人工智能至少还有很大的空间，有很强的值得投入的地方，然后才可以产生更大的推动力。以GPT为代表的这波的人工智能，我一直有一个观点，其实生物界的进化它是一个生物进化的过程，我们做这个科学的做创业的也有自己的一些特点，比如说飞机不是拍着翅膀飞上去的，但是仍然翱翔于天空，今天看到了这波人工智能带来的巨大的生产力变革，就应该是坚定的投入，在这个人工智能技术构建上，去完成一系列的产业的变革和产品的推出，相信通过大家的共同努力，至少会让这波人工智能对整个社会发生巨大的影响。所以第二个问题就提到了一个比较现实的问题，落地的问题。现在我们看到了人工智能这么火，很多用户感受到都是下载APP，聊几句天，很多个人应用，包括苹果最近发布的它的IOS18，siri会加入苹果的人工智能，但是对于整个社会的推进除了个人这一端还有就是企业端，企业端今天以自己实践发现，真正的企业用人工智能去提效这件事目前还是有很多难度的，大企业这个用人工智能比如说我们看到企业内部有很多的数据，其实今天的大模型是不知道的，怎么去做好接口，又结合企业自己内部的流程去把它用好，这是一个难题所以两位在这个方面，觉得大模型在企业级应用上，需要解决哪些难题上有自己的看法吗？因为大家也都是在大企业，都是非常重要的角色。

Mr.Andreas Weigend：OK，我想一个问题就是到底瓶颈在哪里，企业里面哪些东西缺的阻碍了我们的发展，提几个建议，缺的一个是数据，我们可能世界上所有数据都用到了，但是没有数据了，有没有这个可能。第二个算力是不是瓶颈，我们之前看到过，在加密货币世界里面，我们现在造比特币花了很多的能源，大家开始想有没有这个能源了，或者这个算力没有了，甚至还有其他的可能，两个瓶颈，目前来看的瓶颈，算力能源，举个例子亚马逊建了一个核电站在数据中心，你们想一下能源不够，是不是很疯狂，说明这种计算的算力特别需要能源，需要核能给AI供能，你们想象一下。

王坚：其实关系到人工智能是不是创新的东西，特别对于大企业的影响，个人观点为什么今天会有这样一个论坛，包括这个会议本身，这是大家相信人工智能是一个非常革命性的东西，那一个革命性的东西，对于产业的影响反映在两个方面的，只要是一个新的技术，一定会有新的大公司出现，如果一个新的技术出来，没有新的大公司出现，它是不是一个颠覆性的技术要打一个问号的，不知道OPENAI是不是这样一家公司，我自己相信在这个时代一定会有新的大公司出来，就像当年的吉利一样，这是第一个逻辑。同时很有意思的一件事情，一定会有大公司是烈火重生的，就像前几天大家看到苹果发布很有意思，我个人觉得不是它拿AI去缝了C端的客户，在我看来实际上人工智能技术重新重构了苹果这家公司，但是是从重构它的操作系统开始的，我自己觉得因为有了人工智能技术，苹果这家公司不一样，是不是真的能不一样，我们要再往下看，但是我想只有不一样以后，它可能才可以在市场上活的更好，所以对于大的企业而言，只有两种可能性，一种可能性用技术，让你再多活几年，一种就是用新的创新的技术让你这家公司变成另外一家公司，那我觉得今天看到的就是对大的企业就是这样，那么人工智能我觉得相对而言比互联网时代有点不一样的地方，就是互联网时代还是大家有一句话说是草根创业，有这么一个说法。对很多东西的依赖性比较少一点，但是人工智能还是有很多的依赖性，像是讲到的关于数据的事情，对于这个角度来说，对于大公司会友好一点，是友好不是对你宽容，你没有创造力，也不会对你宽容，该面临的挑战还是会面临的，这是我大概的理解。

傅盛：我们也正在给一些大的企业做AI的落地，其实最后你发现有一个因素容易被忽略的，就是人。AI这么讲是革命性力量的时候，你发现AI对每个部门都会产生影响，让所有部门的所有人都去拥抱AI在很多大企业是很难的。

王坚：这个小企业跟大企业的差别就是根本上，大企业一定会觉得AI是工具的革命，小企业一定会觉得这是革命的工具，就是这点差别，我想大企业也要意识到这是革命的工具，那这个变化就来了。

傅盛：对，但是大企业的组织再造比小企业的成本高很多，因为时间关系，本来还想追问一下，但是不能再问了，第三个问题就是在两位看来，刚刚前面几个发言人讲了人工智能肯定产业革命，现在一种恐慌论，我认为人工智能干掉人类这件事不太可能发生，对现有的工作体系，很多人都担心会失业，担心产业说未来是50%人的工作就可以了，但是我们觉得人工智能应该会带来更多的新产业，新生态，未来的新的工作会出现，这方面两位有什么看法，会有什么重要的新业态和新产业模式的出现？

Mr.Andreas Weigend：我完全同意刚刚李彦宏所说的，其实不能再增加更多了，李彦宏把该说的都说完了。

王坚：我相信人类在技术发展过程当中，任何人类自身产生出来的问题，人类一定会去解决的，我相信我们要正面问题，一定要相信人类还是有这个能力去解决我们自己创造出来的这个问题，在历史上证明我们已经有这个能力了。其实过去的技术发展带来的人类的恐慌，你在那个时代看，不会比今天人工智能带来小，但是我们都过来了，我是一个乐观主义者。

傅盛：对，我也有一个观点，我也是创业者，我也曾经想过，如果人工智能太强了，我们公司的意义，甚至孩子学习的意义，但是后来慢慢我把这件事想通了我觉得人工智能出来以后，其实工作某种意义上它的定义会发生变化，把以前很多重复性的劳动定义为工作，可能以后都是创造性的劳动，每个人就是一个超级个体，在最早很多人都是种地，后来很多人不种地，照样也有很多的工作，以前每个人都要从事生产，现在很多人从事音乐，从事跳舞，从事游戏都是工作，所以我觉得工作的定义会发生变化，而且我们的确更多的力量人类可以解决人类精神方面的满足感。

Mr.Andreas Weigend：我想到一点，还有一个重要的问题，到底推动人们发展是什么，跟AI不一样的地方在哪里，我们一个想法就是治疗你自己的一些疾病。

傅盛：那就是一个好奇心，AI最大的不同，AI再强大是一个冷冰冰的计算器，只是计算下一个词的出现，我们是有好奇心的，我们是有梦想的，我们会有自己的主动性，在今天这个AI范式下，是实现不了这些的，只是你交给它一个任务，它去完成而已。

Mr.Andreas Weigend：我还想再加一句，上周世界上最好的交响乐团来到了上海，柏林乐团他们演奏的音乐会特别棒，而且这个时候已经不是好奇心，而是一种欣赏审美，比如说非常棒的一场音乐会，很棒的一段音乐，很好的听众去听，而且这些听众很热爱这些都是。

傅盛：最后一个问题，我们讲了这么久AI的变化，但是我们也知道一个新技术的出现，一定会对社会的各种治理发生很大的冲击，我们应该如何建立起面对这样的一个新的AI时代的到来，建立起社会经济发展的基础设施，不仅是硬的也可以是软的。

王坚：这个确实我觉得AI是少数几个技术对我们的治理基础设施产生非常大的影响，这也是今天这个会议主要的议题，我自己还是觉得事实上任何一个地区，任何一个国家，你最先碰到AI的问题，你最先找到治理应对的方法，你就会走在这个时代的前面，说一个大家可能听起来是一个笑话，是真实发生的事情，前几天跟一些人在讨论人工智能，有一个人问一个小学生说如果你有AI你最想拿它来干什么，这个小学生就说，我希望它拿来给我做作业，所有人觉得这不是一个好的行为，后来替这个小学生说了一句话，按照现在这样的逻辑学习的逻辑，就是一个学生要学好写作业是他的必要条件，但是大家设想一下，可能写作业不是一个必要条件。

傅盛：是的。

王坚：我觉得这个故事就不一样了，所以我想就是说事实上有了新的技术以后，我们所有以前大家觉得习以为常的事情，可能不见得是习以为常的，在移动互联网时代已经发生的这么多的事情，从带现金到不带现金，看起来是很表面的变化，实际上是很深刻的变化，所以我想我们的行为的习惯，甚至行为的准则，甚至行为大家是不是合乎社会规范都会被重新讨论，联想到很多年以前大概也是80年代，当我在中国第一次去美国，其实刷信用卡对我来讲，是一个非常不习惯的行为习惯，那更不要说是写支票了，但是到今天，可能大家都不会觉得这是一个问题，所以我想今天人工智能给我们的挑战就是这样的，我们要形成新的行为习惯，那我觉得整个社会治理的话，需要花很多的时间慢慢去积累的，它也不是绝对几个人想一想该是什么规范，一定是在发展的过程当中，才发现的，如果大家用过信用卡一定会记得最早信用卡，是不是被盗，都要去查那个被盗的本子的，慢慢不是这样做的，所以我想今天碰到的问题，应该当时是一样的。

傅盛：我看你最近有些观点，大家都在讲算力和电力是瓶颈的时候，好像你认为这应该不是问题是吧？

王坚：对，我觉得不是问题，为什么不是问题？我自己有一个不等式，什么是不等式，我们想30年以后，肯定是瓶颈，但是今天就是跟现有已有的基础模型相比，我们的应用还做的不够好，这是第一句话。第二句话以现有的我们的算力能力，我们的基础模型做的不够好，完了以现有我们已经有的电，我们的算力还不够，所以你在这个不等式下，今天大家去担心这件事，至少不是做人工智能要担心的，是做基础设施要担心的。

傅盛：让我想起了1980年，大家都担心石油没有了，反而到现在石油更便宜了。

王坚：所有的问题要在动态过程当中去解决的，你根本不会想到可能十年以后说的算力跟今天说的算力，不是同一个算力，十年以后说的电，可能跟今天说的电也不是同一个概念，所以我是觉得这个还是要在动态过程当中解决的，不能在现在这个时刻的状态去解决十年以后的问题。

Mr.Andreas Weigend：我觉得这也是一个时间规模的问题，可能在某个时间段未来的时间段世界上将不再有人类了，而在过去的某个时间段世界上也没有人类，所以说我们一切的问题都在于怎么看时间，把时间维度放在哪里。

王坚：我还要讲一下空间也是很重要的，所以我想给大家一个基本的数字，中国一年的发电量是美国，日本，俄罗斯的总和还要多，所以我说中国是最不要担心没有电，别的地方都用了很多电一定是跟空间跟时间有关系的，不能放在离开了空间时间谈这是不是一个问题，中国一年发电量超过美国+日本+俄罗斯的总和，所以我想我们最不需要在这个阶段担心这个问题的一个地区。

傅盛：其实今天主办方让我来组织论坛开始的时候特别担心两个世界级的科学家讲了很多东西，都听不太懂，真正总结一下就是说这次对话让我们看到了其实即便作为科学家，他们真正的想法也是非常落地的，共同认同这波人工智能更多是靠大家一起的实践去完成对这次社会变革的这种改造，去迎接更好的未来，同时大家也都是科技乐观主义者，尤其要动态的去看待问题，今天担忧的很多问题，其实随着自己的发展，都是可以去解决的。所以最后总结成人工智能这个时代，其实我们就应该撸起袖子加油干，把真正的技术变革的蓝图变成技术变革的现实，谢谢两位，也谢谢大家。

主持人：感谢各位嘉宾的精彩分享！ 相信通过他们的交流 能为我们带来关于AI产业 未来发展的全新认知。AI 技术与应用场景的深度融合，不仅为AI产业，也为千行百业 带来了 前所未有的广阔发展空间。当前的 风向何在，趋势何往？接下来，让我们进入今天 主题演讲的第二部分，趋势——AI 创造战略性机遇。

首先，有请华为常务董事、华为云首席执行官张平安先生，为我们带来关于华为的实践分享，掌声有请。

张平安：女士们、先生们，大家下午好。首先非常感谢主办方的邀请，让我有机会在这里跟大家分享我的一个观点，如何通过架构性的创新来在中国构建我们可持续发展的AI算力的基础设施以及AI算力的技术。

毋庸置疑，人工智能正对我们生活和工作产生非常深刻的影响，我们正在加速的从数字化走向智能化。AI发展正如前几位演讲人讲的一样正在重塑着千行万业，AI发展需要依靠算法算力，在中国在假定情况下AI当前我们算力是受限的，这个大家众所周知。中国AI创新道路到底怎么走？第一个在算力基础设施上，我们需要考虑在芯、端、云和网它的融合，在架构上要进行协同创新，未来要通过协同创新AI的算力基础。首先是不能盲目的追求我们对端侧芯片这样的制成的期望，我们不能把AI基础设施最后就只依赖于说我们是不是有最先进支撑AI芯片，如果没有就没有办法在AI上领先，这个观点我们必须要在中国摒弃掉，更多思考怎么把芯片还有端侧上AI需求怎么释放到云端，利用在云端可以构筑起我们中国优势。在云端构筑中国优势就要构建我们网络带宽，我们现在网络下行做的非常好，但是上行做的就不够。所以如何在上下行构筑起大的带宽，并且是低的时延，我们能够把端侧算力释放到云端就要依靠这张网络。我们在网络创新方向就应该是沿着这个方向。

再是我们在云上构筑基础设施，在云上我们要构筑基础设施，我们是需要通过数据中心的空间，带宽，能源构建可持续发展的AI算力底座，在数据中心如何通过创新来让数据中心极其高效完成我们在云上的算力供给。另外刚才演讲者也提到中国在基础大模型上应该有很多，但是在创新上面B端还有C端创新不够。下一个创新方向是不是更开放，开放行业场景让AI快速构建起我们领先优势。智能时代正加速而来，未来所有连网终端都会是智能设备，连网终端是智能设备对AI算力有很高的需求，我们不能把AI算力都放在终端这样上面来解决，因为终端必然受到芯片的供应制约，必然受到能耗制约，必然受到体积制约，尤其是手机、PC还有各种工业的智能端，我们希望工业智能端在工业场景里头一年不换，两年不换。不希望我们能耗有很大影响，所以在AI算力上不能供给太多算力。

因为现在在手机端侧上，我们跑一个7亿的大模型我们觉得对功耗要思考怎么把7亿模型缩减到3亿，缩减到1.5亿，更不要说在端侧可以跑百亿的模型，所以端侧上算力受限，我们应该思考把端侧算力释放到云端。释放到云端的时候我们需要思考怎么把数据传到云端，在端侧算力不可能传到云端，思考数据能不能放云端去算，很多任务可以做云端算，这个方面我们已经开启很多创新，比如说云办公，云拍照，云手机，云游戏，云设计，这个是我们专门有多项目组来思考怎么来构筑起，把端侧算力需求放在云侧来解决。通过云侧丰富算力可以既保持功能丰富，极大降低功耗，对芯片依赖，降低复杂性。

其实我想在这里分享一个简单例子，让大家都可以理解的例子，我们来看云拍照的样子。华为手机大家都比较喜欢，是因为华为拍照不错，华为手机里面有不同镜头，每一次在按快门手机都给大家拍下来至少六张照片，六张照片都是六张照片原图，很大的空间的原图。我们把这些原图在手机侧我们是通过手机侧的算法，手机算力来给大家呈现的。所以大家可以在手机上看到一个非常真实、细节丰富的景物。但是我们思考在端侧受限的时候把这些六张原图，每张在8-12兆原图传到云端来做算力呈现是什么样子，可以看到右边照片是手机照片已经很清晰了，但是把同样照相机手机的摄像头拍的照片六张原图传到云端让云端算力做呈现，大家可以看到这两张照片有很大差异。甚至左边照片已经接近单反效果，大家可以看到图象清晰更加立体，背部蚂蚁绒毛也非常清晰可见，所以可以看到依然是手机的镜头放云端是可以看到更好的效果。对我们来说思考方向不要把端侧做的太复杂，为什么不能把端侧算力释放到云侧，利用云算力可以让AI发挥更好价值。

刚才谈到端侧算力上云，端云要进行无缝协同必须依靠很好的网络，网络需要更大带宽，低时延，中国听到两个运营商在讲述，电信、移动还有联通都有非常丰富的光纤网络，这些光纤网络再配上光纤速率400G，每波400G现在可以做到光纤网络80波，120波，铺下光纤一般144芯或者288芯这样丰富的光纤资源是中国独有优势，我们应该在中国独有优势上思考网络的方向。另外中国在5G网络建设上是全球领先，在去年还有今年开启5GA网络创新，5GA网络是现在5G网络的带宽的10倍，不仅是上行是10倍，下行是10倍上行也是10倍速率。更关键是将传输时延从原来5G，10毫秒降低1毫秒。这样通过无线5GA网络以及丰富光纤传输带宽资源让端侧数据上云，端侧数据算力需求释放到云端，有了这些坚实的网络基础，中国有这样优势，可以面向AI时代非常好的网络保障。

再看在云数据中心基础设施创新，因为AI算力来了以后，我们发现原来以CPU为中心计算架构，可能是需要发生转变。因为我们对算力的需求不只是把很多数据来送到CPU，以前我们CPU服务器都是以CPU为服务器，所有外面都是外设附件，不管什么CPU卡现在算力在以前服务器里面都称为外设，这些都要送到CPU来算。现在要思考既然面向AI为什么以前传统数据中心还是要以计算为中心，我们思考的就是需要把所有的算力，所有资源在数据中心里面做对等看待，这个是我们最新发布的，叫cloud Matrix架构。一切基础设施资源都被池化，一切不管在数据中心什么功能在网络里面是对等的。

基于这两点可以做可以组合的逻辑在数据规模可以匹配未来大规模算力需求，同时在云团队里面在AI对生成AI集群，从CPU，打破所有设备边界，我们对CPU，NPU，DPU，存储网络这些所有的进行了端到端的优化，不再只是简单的每个人只完成自己工作，而是每个人在协同，每个部件在协同来完成我们的AI的算力工作。所以我们可以在云上可以做到千亿参数模型训练，云上可以做到40天不中断，这是线下效率6-10倍，平均故障恢复时间，每次在训练的时候担心出故障，所以我们过一段时间会把所有参数同步一下，光同步这点线下做需要一小时两小时的同步，现在在云上做需要10分钟，10分钟可以把所有数据都保存起来，等着故障恢复可以立即快速恢复起来，实际上我们现在小组还要再研究能不能夺到一分钟，使得在运算的时候在云上可以做的更加高效。

另一方面在云基础设施，刚才听到大家在谈能源。我认为中国仍然是有能源优势，中国的绿电，中国的水电还有其他各种定义，刚才说了王院士说，中国在能源方面还在做很大布局，我认为中国是能源相比较是我们的优势，在云上来解决我们有带宽优势，能源优势，我们依靠在云上来解决算力，我认为是我们中国可坚持依赖的一个方向。

我们在急救的时候有很好能源，我们在云设施上也必须要做到绿色低碳，我们通过数据中心创新架构，智能架构，在能源的智能架构上，我们也实现了POE大幅降低，我们最新在芜湖新构建的数据中心，通过液冷和自然风冷，我们可以将芜湖这样温度，平均温度，年平均温度超过了大概10度左右这样地方，我们POE可以做到1.1，也就是做到华东地区能耗最低的数据中心。我们通过这些来构建我们云数据中心优势来为我们AI构建坚实的算力底座。

再就是我们业务创新方面，刚才听到了主持的To B还是To C等等，我相信中国C端AI大模型公司我相信一定会迎头赶上，中国在互联网创新中国做的非常好，我相信假以时日中国C端创新一定会迎头赶上。在中国发展AI道路更应该将未来我们要构建AI优势，更应该在行业领域通过我们开放更多行业场景构建起大模型AI在全球领先优势。因为中国拥有千行万业业务场景是非常丰富的，也由于中国拥有全球软件的最大创新群体，我们各行各业都可以积极拥抱AI，积极开放行业业务场景中国很有机会在To B领域构筑起AI全球领先优势。所以大家可以看到华为盘古大模型坚定的在为行业解难题、做难事，也希望通过盘古扎根行业里面为行业做智能升级，也发布盘古5.0在全系列多模态强思维这方面做了升级，我们实际上盘古聚焦在自动驾驶工业设计，建筑设计，智能，高铁钢铁行业，医药，气象行业等多领域帮助这些行业更快做业务创新，提高他们效率。

最后一页我想分享一下，我前天去宝武钢铁参观了，宝武钢铁将盘古大模型落户在宝武钢铁，盘古钢铁在宝武一条热轧生产线上线，通过盘古大模型方法训练这样一个预算模型，原来通过5天时间，我们才能出一个预算结构，现在听现场介绍的工厂的负责人介绍，他们自豪的告诉我可以做到两小时，原来通过5天现在2小时预测结果可以出来。如果两小时我们再加上这个减少半个小时，可以通过自主控制系统。现在可以看到应用盘古大模型的生产线，它的钢板的精度提高了5%，每年有望可以多生产2万吨钢板，增收9000多万元，所以我们下一个还要解决难题是高炉反应场景，最难的难题，我们希望跟宝钢一起工作把这个难题解决掉。如果把这个难题解决掉我相信也是通过AI方式解决炼铁的场景。将来希望坚定地跟更多客户在AI行业应用实践创新，持续解决难题。最后预祝本次大会成功，也感谢聆听，谢谢！主持人：感谢各位嘉宾的精彩分享！ 相信通过他们的交流 能为我们带来关于AI产业 未来发展的全新认知。AI 技术与应用场景的深度融合，不仅为AI产业，也为千行百业 带来了 前所未有的广阔发展空间。当前的 风向何在，趋势何往？接下来，让我们进入今天 主题演讲的第二部分，趋势——AI 创造战略性机遇。

主持人：感谢 张平安 先生的精彩分享。智能体 是当前AI产业落地的焦点，如何在其中 捕捉先机，接下来 有请 蚂蚁集团 董事长 兼首席执行官 井贤栋先生 与我们分享他的见解。

井贤栋：尊敬的各位领导，各位嘉宾，非常高兴参加今天的论坛，我想谈一谈蚂蚁集团在加速产业应用方面的一些探索和实践。相信这样一个场景大家非常熟悉，这是在移动互联网时代，在各方的共同努力下，我们二维码成为了每个人的生活日常，扫一扫创新应用不仅推动了中国移动支付的普及和发展，也让每个小微商家都可以享受最低成本的这样的享受移动支付带来的便捷。我们可以看到在政府基础设施的建设，以及政策的支持引领和规范下，创新能让科技发展的红利能够汇集到每个个体，每个人，每个小微商家。那我们也在思考，在人工智能时代，如何让AI像扫码支付一样能够便利我们每个人的生活，让AI的发展红利能够汇集到更多人，所以我们选择了蚂蚁三个一个是有积累，我们有用户有市场这样的领域能做三个这样的一个管家，第一个就是生活管家，支付宝智能助理，希望做每个人的办事助理，不仅是有脑有嘴可以对话，还可以有手有脚能帮你办事。

第二个是在医疗健康领域我们联合浙江省卫健委打造的AI就医助理，让每个患者在诊前诊中诊后全流程，在诊前有一个数字陪诊员。诊前的挂号付费，诊中的一些院内导航，诊后的一些报告解读等等，特别是对于老年人以及对于外地就医的患者，都有很大的帮助，这个已经覆盖了浙江省上百家医院，服务了几百万的人次。我们还有金融管家，支小宝，目前是主要在投资的理财的教育，市场行情，资讯，以及整个的一些持仓的分析等等，我们希望让每个人有这样的一个理财的管家，我们看到这几个场景很大的共性，都需要严谨专业的服务，我们的实践当中可以看到，通用大模型落地严谨产业，还面临着一些能力的短板，具体而言主要三个方面，一个方面是说在领域的专业知识相对的缺乏，从大模型可以学到全网的通用知识，但是缺乏这些领域专业的知识，很难提供专业的服务。

第二个是大模型的复杂推理，一直是技术的核心难点，特别在严谨产业当中尤为突出，如果医疗场景为例的话，大模型可以通过一些医学考试，通过考试了不等于做临床决策，我们有一些数据要去做测试，最好的大模型临床水平离三甲医院的医生还是有很大的差距，医生诊断肯定不是我们知识点的一个死记硬背，真正需要专业的这样分析判断决策和反馈系统，大模型要提供医疗服务，还必须要向医生学习这样的决策框架，最后一点对话不等于有效协同行业服务的复杂度，远远超过对话交互，我们叫做构建专业智能体这样一个路径来做，从实践来看，专业智能体是大模型落地严谨产业非常有效的路径。刚刚提到的这个大模型缺乏专业的知识，针对专业的知识领域的短板，蚂蚁联合了一些合作伙伴，我们打造了一个大模型专业知识的引擎。

通过这个引擎为大模型提供一个专业教材，帮助大模型具有专家的知识水平，大家知道我们的垂直领域高质量的一些训练数据，可以帮大模型把它的专业性给拉高起来，往往都是在多模态存在，体系庞杂比较分散，对于隐私保护的要求，以及资产价值的保护要求比较高，很难直接喂给大模型，蚂蚁依托于知识图谱等技术，可以将垂直领域的这些不同类型的数据，抽象成不涉及隐私的领域知识，我们合成为大模型的专业教材，供大模型能够训练学习，以及在推理过程当中随时可以能够翻阅，所以这些专业教材是提升大模型领域的专业性，打造专业智能体的核心能力，以医疗行业为例即将发布的医疗领域大模型，背后就是人民卫生出版社，浙江大学和支付宝联合构建的权威的医学专业教材，很荣幸跟上海第一人民的医院合作，共同打造了AI就医助理，背后也是上海市第一医院自建的服务于便利的这样的一个专业的知识库。

针对另外一个问题，大模型复杂推理的短板，我们提出了专家级的决策框架，让智能体接近人类专家的一些思考方式，构建专业的推理和决策能力，以右边的投资研究的做投研的智能体知小助，开放给上百家的金融机构已经给他们在使用，深度学习了金融专家的一些决策的框架，再结合不同的投研任务的时候，可以动态学习专家的一些思考的方式，用专家的思路进行分析，可以媲美我们专家的金融分析能力。我们相信未来真正的智能化的全新的用户体验，一定不是只靠一个大模型，而是需要全行业的深度学习，需要很多的专业智能体共同的参与，蚂蚁坚持走开放的道路，跟行业共建专业智能体生态，刚刚提到的安整，贯穿了这些环节差不多26个环节，每个环节都要用到专业的智能体服务，在挂号和导诊的环节，由医院的智能体提供的服务，在专科就诊的环节，是和头部医院蚂蚁和头部医院一起打造的专业智能体，后面支付的环节是杭州医保局医保小智来提供这个服务的，今年会继续升级为2.0，真正实现全流程这样的一个就医智能体网络，未来希望这样的全流程的智能服务体验可以带给更多的用户。

移动互联网时代靠APP成为最典型的应用，方便了我们的生活，相信在人工智能的新的时代，专业智能体或者智能体应该是新的应用的范式 通过专业智能体深度的连接，一定可以带来服务代际的升级。今天上午听了从早上到现在，听了很多关于人工智能治理的话题，技术的发展都有两面性，希望可以把有利的一面发挥出来，解决更多的问题，另外一面如何去规避和防范安全和风险，是我们必须要面对的话题，蚂蚁将继续恪守平等，尊重，可信，负责的科技能力，在人工智能治理的框架下，推动AI向善而行，持续用科技为这个世界带来更多微小而美好的变化，这是今天的分享，谢谢大家。

主持人：感谢 井贤栋先生的精彩分享。在众多 垂直领域中，生成式AI无疑是当下备受瞩目的明星。最新的 创新进展有哪些呢？接下来 商汤科技 董事长兼首席执行官 徐立 先生 将为我们带来他的分享，有请。

徐立：尊敬的各位领导、各位嘉宾，非常有幸到这里来分享一下我们关于生成式AI的想法、看法。

今天听了非常多专家介绍，我的题目叫迎接AI2.0的超级时刻。为什么叫2.0呢？因为我想十年前是有了第一批人工智能企业，从感知开始有独立赛道，现在生成式智能带来各种可能性和变化什么叫超级时刻，我相信大家讨论的非常激烈，往往用超级时刻定义这个时代的变化。比如说iPhone时刻定义移动互联网变化。虽然我们行业比如说像GhatGPT带来聊天式应用，但是还没有到超级时刻，是因为还没有真正走进行业垂直领域当中有变化。这两天我突然感觉有点变化：我中学的退休的老师，不停的在群里问我怎么样用人工智能去写文案，生成祝福图片发他退休群里面。

我突然想超级时刻和应用是互相成就的，只有超级时刻带来的认知变化最后才能推动这样应用，倒推回来，后面有应用来支撑这个时刻就是超级时刻，就像iPhone一样因为有平台上面才有iOS上面各种apple store。所以我相信这个时代是不是决定超级时刻的关键走向应用，我们自己认知有几个核心的重要的突破点，我把它整理成为一是对高阶逻辑数据依赖性解决人工智能推理问题，它的智慧。实际上我自己认为是说现在人工智能大模型某种程度只是机器只是背下了记忆点。仅仅一点人工智能是互联网数据背后带来高阶的逻辑思维链，也就是说，它会解决数学题是因为背后逻辑网上都有，学到了而已。我们在垂直领域要做这样突破，其实依赖人类构造更加高阶思维链的逻辑。甚至再往上一步不依赖于人类，通过跟真实世界交互形成执行数据，所以分为知识层，推理层，执行层，这个是我认为第一个可能需要更新的地方。

第二个我认为实时交互性能够带来流畅体验也是带来超级时刻以及应用变化的核心，试想很多交互有了之后甚至不能解决实时视频流，所以这个也是4O在性能上未必有那么大提升，但是给大家带来一个不同的感知体验，是在于它的交互性。

那最后很重要一点是可控性，不管是文本，图片，视频如果没有对它具备可控性作为工具本身带来效能提升就非常的有限。我们也有幸在这几个方面上做了重要投入，首先在合成的高阶思维链数据上，其实这个也是我们觉得中国有一个强大的这样一个应用市场，在这样市场过程当中，每一个行业的深度的知识，实际上是构建行业高端思维链核心。结合行业才能在行业模型当中形成突破，明天在我们论坛上也会发布我们5.5模型，在很多垂直领域里面思维链数据带来模型的性能大规模的突破。而且我们还有很多的副模态数据，不同模态之前形成协同性能提升。

第二我们也做了完全实时交互的一个视频流的模型，我们来看一个简单的例子。整个视频是不停流进在终端，云端去做处理。在不停移动过程当中读取新的信息去识别。我想把这样模型实时交互装到眼镜前端设备，可以给出一些新的可能性，也欢迎大家之后尝试我们这样一个模型。

之后讲到可控，可控有一个核心逻辑首先你需要理解你控制的东西。这里举一个简单例子最近大家看到互联网上刷到很多生成式视频，生成式视频需要传进一大段视频，并且对于人的动作保帧性未必做得那么好。因为我们在过往做了大量对于比如说，要生成微表情，首先对表情是要有认知，我要生成细微认知，对动作认知。所以我理解生成和原来动作理解是双生子只有更好理解才能更好可控。我之前问他们问题问VIMI人物视频生成的模型，问大家一个问题你只有一个照片到底能够生成多相视频，并且多可控的视频。我们可以通过一个照片以及有各种不同人物姿势抽取中间的结果，最后用单张照片生产成非常ID保真人物视频，可以看到这个人是非常像的，甚至可以有一些时长比较长的视频生成。更大层面内容制作上面起到非常可控的生成视频内容。换另外一个人一样，甚至换另外一张输入照片。在这样过程当中往往是一个切入点，把技术可以做到更加可控才是应用打开的合作，也希望接下来去试一下我们VIMI这样一个人像视频生成的模型。

当然这个可以应用不同的主题，可以把黑白照片复原，不同二次元风格，甚至自动让语音生成人物分身的视频短片。整个片子都是用AI来生成的，更强调是人物的形象的逼真化，视频的时长也比较长，动作比较自然。并且它的ID是比较保持的，这样视频可以做很多个，结合不同场景。可以想象它可以打开很多的应用的可能性。时间关系我跳过一些演示。

最后我想讲，其实要推动人工智能的超级时刻来临，首先需要展现卓越的深度思考模型能力。那么合成人工数据特别是高阶思维链数据往往是非常重要的，所以越是应用，有应用场景，包括刚才平安总讲的煤矿，包括刚才运营商几位负责人讲的这些场景，其实往往才是真正的一场倒推回来形成更加，更好，高质量数据的核心。第二自然的，没有延迟的交互，所以端侧也是非常重要的突破点，我们今年着重推动端侧把实时交互变得更加流畅的用好端和云两部分资源才有更好交互模式。第三所资源要可控不需要做的很好但是要知道哪里做的好有这样边界才能做到真正可控技术以及可持续技术发展，希望跟我们在座生态一起迎来人工智能的超级时刻，谢谢大家！

主持人：掌声谢谢徐立先生的精彩分享，谢谢！各位，智能不仅存在于云，还泛在于端。下面有请高通公司中国区董事长孟樸先生带来他的分享。

孟樸：各位来宾，行业同仁，大家下午好！很荣幸参加今年的世界人工智能大会。作为全球领先的无线科技创新企业，高通致力于推动终端侧AI的发展，非常高兴能与大家分享我们在端侧AI的实践，以及对未来趋势的看法。

过去几十年，人工智能经历了多个发展阶段，每个阶段都呈现了独特的挑战和机遇。特别是近年来，生成式AI的兴起带来了新的应用和场景，为AI普及提供了广阔的空间，也为各个行业创造了巨大的商业价值。根据麦肯锡的报告，生成式AI每年将为60多个用例，在全球范围内带来2.6万亿至4.4万亿美元的经济效益增长，大致相当于英国2021年的GDP规模。

虽然当前生成式AI的研发和应用主要集中在云端，并且云计算仍将发挥重要作用，但如果将20%的生成式AI工作负载转移到终端侧，预计到2028年将节省160亿美元的计算资源成本。这种终端与云端的紧密结合，将成为推动生成式AI规模化扩展、加速数字化转型的关键所在。同时，为了推动生成式AI的广泛应用，我们也需要将其能力延伸到日常使用的智能设备上，如智能手机、移动PC和智能网联汽车等。

实现生成式AI在终端上的落地，将创新转化为极具实用性的应用和体验，需要在终端侧打造高性能AI处理器。经过数十年在高性能低功耗计算领域的创新，如今的智能手机拥有比2000年的超级计算机更强的计算能力，而且其能耗甚至比一个LED灯泡还要低。这种技术进步在确保性能的同时，能延长电池寿命并提高能效，使仅靠电池供电的移动终端也能随时随地运行生成式AI。

此外，我们还需要对生成式AI模型进行训练优化，使其体量越来越小，效率越来越高，不断向终端侧迁移。随着“小型”生成式AI模型质量的提高，我们现在能够在终端设备上运行与云端大模型相当、甚至更好的AI模型。这一进展为在终端设备上部署高质量的生成式AI打开了大门。

高通公司持续引领终端侧AI创新，拥有超过15年的AI研发经验，能够为终端设备提供最佳的硬件和软件，卓越的异构计算能力，包括NPU、GPU、CPU等，以及全栈软件优化和能效。我们赋能了全球数十亿终端，涵盖手机、PC、汽车、扩展现实、网络和物联网终端等，在部署和推广终端侧AI方面独具优势。此外，高通还与多家公司建立了合作，为开发者提供支持，进一步推动AI在各行业的应用创新。

IDC预计，2027年中国新一代AI手机出货量将达到1.5亿台，市场份额超过50%。面对这样的发展机遇，我们推出了第三代骁龙8移动平台，最高可以支持100亿参数的生成式AI模型。目前包括小米、荣耀、一加、OPPO、vivo、三星等在内，已有超过20款搭载该平台的旗舰手机产品发布，支持丰富的生成式AI用例。

在PC方面，咨询公司预计，AI PC的渗透率将从2024年的2%上升到2028年的65%，AI PC将引领PC市场的下一阶段增长。高通先后发布了骁龙X Elite和骁龙X Plus平台，凭借高达45TOPS算力的NPU，为PC带来了全新AI体验。截止目前，我们携手微软和众多生态伙伴，已推出超过20款由骁龙X系列独家支持的首批Windows 11 AI PC。

在汽车领域，“AI上车”正成为现实。目前，基于骁龙8295座舱平台，包括理想、小鹏、极越等在内的多家厂商，已经发布了其打造的车端大模型功能。随着多模态技术的发展，生成式AI有望为智能座舱、自动驾驶等领域开辟全新应用前景。今年5月底，高通连续第二年在中国举办了以汽车为主题的生态大会，我们与众多产业伙伴共同呈现了60多个创新技术和超过185项产品演示，支持“越来越聪明的车”行驶在“越来越智慧的路”上。

生成式AI除了利用文本之外，还可以使用更多其他模态学习：这正是多模态生成式AI模型发挥的作用。早在今年2月，高通就展示了全球首个在Android手机上运行的多模态大模型（LMM），可基于图像输入生成多轮对话。具有语言理解和视觉理解能力的多模态大模型，将赋能诸多用例。

为了推动生成式AI实现规模化扩展，提供情境化、定制化和个性化的体验，高通还实现了在Android智能手机上运行LoRA（Low-Rank Adaptation）模型。通过LoRA适配器减少模型可训练参数量，可以降低训练成本，提高模型在特定任务上的准确性，从而支持在终端侧实现更高效、可扩展和定制化的AI应用。我们认为，LoRA和多模态AI是终端侧生成式AI未来发展的关键技术范例。

2021年，高通就首次提出“5G+AI赋能千行百业”。如今，随着大模型的推出以及AI在云端、边缘和终端侧的广泛应用，再加上5G的飞速发展，我们更加清晰地看到了这些技术背后所蕴含的丰富发展机遇。高通公司始终秉持创新驱动的发展理念，不断推动AI研发、硬件开发和软件优化，并致力于为开发者提供全方位支持。我们的目标是通过与全球合作伙伴紧密协作，让智能计算无处不在。

谢谢大家！祝本次大会圆满成功！

主持人：感谢孟樸先生的精彩分享。

人工智能 蓬勃兴起，带来了 交互方式 和智能载体的巨大变革。下面，我们邀请到了几位 在各自领域 极具影响力 和前瞻性的代表，围绕“大模型驱动的 新价值链 构建”这一话题 展开 思想碰撞。

现在，让我们以热烈的掌声有请：

上海科学智能研究院 院长，复旦大学 浩清 特聘教授 漆远 先生

Mini Max 创始人、首席执行官 闫俊杰 先生，

智谱 AI 首席执行官 张鹏 先生，

国家地方共建 人形机器人 创新中心 总经理 许彬 先生，

御风 未来 创始人 兼首席执行官 谢陵 先生

各位，人工智能蓬勃兴起，带来了交互方式和智能载体的巨大变革。下面，我们邀请到了几位在各自领域 极具影响力和前瞻性的代表，围绕“大模型驱动的新价值链构建”这一话题 展开 思想碰撞。

现在，让我们以热烈的掌声有请：

Mini Max 创始人，首席执行官 闫俊杰先生

智谱AI 首席执行官 张鹏先生

国家地方共建人形机器人 创新中心 总经理许彬先生

御风未来创始人 兼首席执行官 谢陵 先生

我们掌声欢迎他们。

主持人：我们四位嘉宾都是跟大家比较关注的空经济有关的，都是大家所期待和关注的产品。今天我们这个话题就此展开，我们一起聊聊我们接下来新的价值链构建，大家各个方面可以贡献哪些力量。那我们今天讨论的重点大模型作为代表新一轮的人工智能技术浪潮能力前景如何？在过程当中前千行百业进行赋能的落地过程当中，机遇与挑战又是怎么样新价值链形成形态以及影响怎么样。首先请教我们两位做大模型的嘉宾，大模型在语意理解各个方面展现出潜力，我们过去一直希望说AI能够解放人类生产力，能够让人类关心的是诗和远方，但是我们现在更多看到还是AI在诗和远方，我们人类还是在做我们原来的这些事情。所以未来我们来期许一下未来主要大模型能力的突破点可能是会体现在哪些方面？如何跟我们现在讲的实体经济融合能够更深能够赋予实体经济更多赋能，闫总先。

闫俊杰：我认为是这样，从去年开始GhatGPT出来以后，有GhatGPT4各种版本国内也在迎头赶上推出国内很多的模型，正确率60%或者70%还有30%-40%的错误率。国内模型包括很多时候包括智谱AI在内大家发展很快还是在60%-70%错误率。错误率导致结果大模型产品为什么是对话形式，因为对话容错率比较高，为什么不能是一个独立的Agent，每个有20%-30错误率不然错误率更高没有办法使用。我个人怎么把大模型错误率从30%-40%降低到3%或者4%，2%可以降低数量级，这个事我认为让AI从辅助人类的到能够来独立完成工作的最核心的标志错误率整体降低。

主持人：我们发现问题有解吗？

闫俊杰：我觉得这个问题是非常综合性解决方案，为什么要做合成数据，为什么不停提高效率，为什么研究新型网络结构，为什么要研究各种各样的算法，为什么要做更好对齐，所有这些事都是围绕着怎么把这些技术加在一起，乘在一起能够半年以后有一个错误率的个位数的降低这个事能够带来更大社会价值。

主持人：这是技术上的更进一步我们如何更好为实体经济进行赋能？

闫俊杰：当模型错误率可以变成个位数的时候，其实意思是说在人类定义的上面都可以接近最好的人类水平的时候，它在实体经济里面，产生更大的经济就变得比较自然。原话这个东西意味着是说可以独立来完成任务，比如说在一些实际生产力里面，设计一些算法、方案的时候，本质让人提一些方案假设有一些验证，这个事之前是要靠专业从业者完成如果模型到这样错误率，这个事情一定是可以得到极大的加快。所以我觉得这个事可能不取决于是说单个领域里面怎么赋能实体经济，而是让模型通用到非常低的错误率，这个事我觉得既然会发生。

主持人：更多是从技术层面，我们来听听张鹏，除了技术效率进一步提高，还有什么其他方法让人工智能，让大模型更好扎在传统经济当中，赋予我们更多的能及的提升。

张鹏：谢谢提问。这个问题其实还真是挺好的一个问题，我们经常在思考这样一个问题，从我们智谱AI角度来看，我们做大模型这个事情其实已经深耕四年多时间，对这个事认知对大家普遍观点有点不太一样的地方，大模型带起这一波热潮之所以可以看到跟之前不一样，AI不是现在才发生，发生了很多年包括上一代解决很多问题，可以看到为什么过去一些AI方法，比如说人脸识别已经可以在指标级上超过人类水平，为什么大家觉得这个不是我们AI终极答案呢？刚才说准确率这个问题，其实是因为的模型这个事情是带来全新能力，我们称之为类人认知能力，智谱AI的愿景让机器像人一样思考，我们认为思考的能力是所带来的这种效能提升是更重要的。回到今天我们希望通过这种让机器能够思考这样演进方向赋能我们所说实体经济，可以看到感知时代的AI可以产生实际效能，但是它是受限的，泛用性不够，成本高，需要垂直化做很多事情，ROI算不平，实际场景上是这样。但是大模型带来新的机遇是说能够在一个模型上面提供泛应用化能力可以解决一系列场景和应用需求。从而解决成本和收益平衡问题的，这个是他所本质的特点。所以从这个方向思考我们怎么来用新一代生成式技术或者AI技术赋能实体经济要从这个方向解题。要从更通用基础的能力，利用通用基础能力解决多项问题，用收益的综合去除于你的投入成本。

主持人：在过程当中核心靠谁，谁是最大核心因素？

张鹏：我觉得模型本身能力水平最核心。

主持人：换而言之是人的能力是吗？

张鹏：我们希望说模型能力能够越来越贴近人甚至超过人。

主持人：在这个模型当中你觉得我们下一轮大模型它的能力最大突破点，前面闫俊杰讲了准确率，你觉得接下来可能更多希望在哪个层面？

张鹏：我觉得准确率是一方面，一般我们说准确率大多数限定在某一些评测级或者任务看数值性量化评测，但是有一些东西其实很难量化，比如说逻辑性，抽象思考能力，恰恰是现在模型或者大语言模型比人，或者比传统方法更强的地方，但是未来需要更像人或者现在有一个很重要一点，是去突破大模型多模态。为什么要多模态，是因为真正人在现实世界当中解决问题的时候需要输入信息本身就是多模态的。除了语言以外有视觉，听觉，触觉还有常识，所有这些综合起来才能解决现实生活当中常见问题，不是复杂问题是常见问题。比如说我们需要它辅助做饭，扫地，洗衣服，你不要小看这些任务所输入信息是多模态，带来AI普惠还有更多可能性，把原来金字塔型结构底座很大，收入很小变成倒金字塔结构，这样才能真正放大它的价值。

主持人：明白，谢谢张鹏的分享。接下来请教许彬，我们看到Mini Max越来越受到关注，当AI赋予物理身体以后能够在真实物理环境当中获取信息，来理解问题，并且可以作出决策跟现实物理空间进行交换交互，在通用人物智能非常发展的时代的模型跟机器人的结合发展，未来可能会产生一些什么样的业态，人工智能又将会创造出什么样的可能性？

许彬：这两个问题我合在一起回答。以大模型为代表的人工智能技术发展，实际上会赋能和改变很多行业，千行百业，各行各业。刚才通过华为张总讲到盘古大模型实际上对钢铁行业，传统行业已经可以实现提质增效和赋能，所以对我们一些科技行业，比如说汽车、手机，PC终端有非常大赋能和改变。过程当中肯定会产生很多新的业态，在我看来最核心的，最关键的或者是最典型业态将会是人形机器人。为什么这么说呢？因为一方面也应用两个大佬的话，一个是马斯克提到未来人形机器人会有一百亿，黄仁勋也提到未来机器人会像汽车一样到处都是。我们也相信我们未来有一到多个人形机器人助手，这样我们工作形态都会发生巨大的变化。为什么是人形机器人呢？这里面有两个核心的判断，第一个只有人形机器人才能实现通用的人工智能。第二个判断，聚生智能是通往人工智能的必由之路。这有点像中国人讲人生三个阶段，格物致知，知行合一，知智良一人工智能分为三个阶段，模型阶段，第二个阶段就是聚生智能阶段，第三个是通用人工智能。所以大模型训练和生成就是格物致知，就是在理论上认识和理解这个世界。聚生智能知行合一，知道做不到就是不知道，觉之此事要共行，要聚生。最后通用人工智能，知智良一天人合一达到最高境界，这个我们一个判断。

主持人：今天现场来了很多观众，甚至很多没有位置做了站在两边，我们问问各位观众同不同意这个意见，大家同意未来人形机器人的举手，谢谢，现场很多不少朋友都非常同意您的观点。您继续。

许彬：其实我有一个核心逻辑支撑，通用人工智能是需要通用数据来训练的，包括所有的智能，通往我们将来未来大模型，未来智能水平是需要海量数据去训练。而我们人类社会所有存在的当前数据，所有存在都是为我们人类社会更好适应生存和发展所需要的，所以包括我们现在所看到的一切，所感受到的一切相关的对这个世界的理解，认识，情感，行为，动作，乃至于世界观等等这方面数据是最为丰富，最为完善。所以这样海量数据，海量通用数据才有可能训练出通用的人工智能。而这种一只猫身体一只鸟身体，一条虫，一条鱼身体，聚生智能是不可能感知到人类世界各个方面，所以也不可能在这个身体上训练人工智能，所以通用人工智能是人形机器人。

主持人：更多讲这个概念落个地，当我们看到的模型和人形机器人结合的话，最后呈现出是什么样一个系列产品可以为人类做到什么？我们来畅想一下来落个地。

许彬：未来人形机器人可以干的事情非常多。比如说早期阶段简单应用人形机器人上肢双臂协同干很多工厂智能智造事情，下一阶段当人形机器人运动能力越来越成熟的时候，可以取代很多相对简单重复危险的劳动。当我们人形机器人大脑，包括大模型大脑能够非常成熟可以帮助人类干非常多高智力高算力相关工作改变是逐步分布的。

主持人：这个事阶段性怎么样未来5年，未来10年，15年有这个预期吗？

许彬：有一个基本预期，但是我们对未来还是充满敬畏，尤其是GhatGPT4出来的时候远远超过我们判断，在智能智造厂线可以应用，5-10年可以在家庭等等复杂开放环境下或许可以应用。

主持人：谢谢，谢谢许彬总。接下来我们请教一下谢陵总，当前低空经济是国家大力发展产业新赛道，大家其实都在争夺低空经济发展的主导权，你认为AI服务千行百业过程当中，人工智能对于低空经济赛道来说意味着什么？在什么程度上可以给你们带来什么样的改变和提升？

谢陵：我先回答你的问题，我再讲我们论证过程。在我看来低空经济，人工智能对航空赋能就是低空经济本身。因为我是一个从事很多传统航空制造业的工程师出身，也是最近一年多时间开始有了低空经济这样一个热门的赛道。我们也是深度思考过这个问题，低空经济跟以前的传统的航空制造业到底有什么不一样？这里面最大差别低空经济的主角就是智能化，电动化和无人化的航空器。

主持人：为什么这么说？

谢陵：传统的航空器，它的整个设计，制造以及它的运行是完全围绕飞行员为中心，现在的无人机或者是发展十来年左右的无人机包括现致力于低空出行的inventor更加智能化，设计以及未来运行已经脱离人驾驶身体上的需求了，这个给你一个结论现在提到低空经济是什么？我们说典型三千米以下，典型在于一千米以下不同类型，有人驾驶，无人驾驶，不同用途大大小小各类航空器，为大家提供各类服务的这样一种经济活动。它包括了我们的基础设施建设，飞行器的制造，运行以及保障等领域。我们御风未来是一个致力于打造高安全性，高性能，绿色垂直制造垂直器的制造商也是我们最为核心的一部分。回到刚才讲到相对于传统通信航空的航空器，我们低空经济主角就是智能化，电动化和无人化的新型航空器，大家所知的科技发展其实就是一个机器替代人的过程。我们今天的主题人工智能主要就希望替代人的大脑，我们还有需要机器来替代人的眼睛，鼻子，耳朵以及手脚。也就是说我们需要机器来进行信息的获取和执行，第一智能化的航空器与机器人是一样的，就是这样一个终端，所以人工智能的发展必然为我们低空经济能够带来更多的发展。具体来讲，我们这种人工智能怎么在我们低空经济里面发挥作用？我举两个方面比较具体一点的例子。首先对于低空飞行器本身来讲，我们首先是一个完全自主飞行的飞行器，第一层自主我们叫自动驾驶，也就是我们通过一些传感器和计算机来让这家飞行器代替飞行员飞行，能够操控架飞机姿态稳定的定长的飞行，这个是一层。这一层在广义来讲也是智能，但是并不是我们现在所讲的人工智能，这用一般控制就能解决。第二部分叫自主飞行，也解决任务部分，现在飞行器里面领域里面有相当多关于自主决策，自主任务生成的过程。可以举个了用飞行器进行森林火灾巡逻，是不是可以进行自主发现微小火点进行扑灭过程，进行海洋的救援的时候是不是可以自主的抛出救生物资，这个是有一个决策过程。自主任务生成和自主决策。当人工智能进行大大发展可以赋予飞行器也更大、复杂的能力解决问题。第二层面希望低空经济是高密度，高频率的执行大量飞行器在提供各类服务，这里面会为我们未来的低空交通管理部门提出巨大挑战。怎么管理好这么多飞行器怎么给他们做航线的调换，这我估计也是所有关注这个领域的人担心的问题。这确实是一个问题像滴滴打车有智能手段分配合理的司机，未来也是面临同样问题，我们可能会像低空空域的管理部门要与民航空域管理部门，地面交通管理部门，气象部门，以及飞行器的主机制造商，飞行器的运营商等等我们共同打造一个智能化的低空空域的智慧、管理、调度的系统。这套系统毋庸置疑是需要用到AI，我认为也是他应用很重要的方面。

主持人：明白，接下来有两个问题问一下四位嘉宾，这是共同问题，都请四位嘉宾话筒拿在手里时间关系我们接下来言简意赅一些，第一个问题我们看到在大模型价格持续下降背景之下，企业如何在红海当中寻找新的发展策略，首先对于大模型企业来说价格在不断走低你们有没有一些新的突破点和突破的方式，那你们是作为使用方价格在不断走低过程当中对你们来讲是不是能够让你们有更多的成本上的优势，能够让你们能够腾出资金在其他方面有更好发现。

闫俊杰：我觉得大模型价格整体走低是很正常的事情，因为它本来就应该降低，降低同时应该做的更好。对于大模型企业来说价格走低好处有更多用户，更多用户在线使用时长，可以产生更大价值，我觉得更多是基于流量和价值来找到好的商业模式，这个事我觉得其实也在发生。

张鹏：技术驱动因为技术越来越好成本越低，价格持续走低，但这个事情过度就不好，刚才讲价值传递，价值应该逐级在里面不断放大添加自己价值。我们给大家优质服务希望给大家创造优质价值，相应传输的价值应该再返送回来，就像BB算法一样，大家得到各自价值部分。这个是一个正常合理市场价格链。

主持人：价格过度有对外和对内，整个行业很内卷会形成价格战得益可能是行业外部使用者也可能让使用者损失，所以现在行业当中有没有已经出现了类似的价格战的情况？

张鹏：反正外面最近这段时间在传这个事情，这一段时间用户是得益但是这个事情是不长久不是正常商业逻辑。

许彬：价格因素，更多从商业角度考虑规模化，大量的生产角度。从我们人形机器人角度来说，目前更关注大模型本身的质量，以及大模型体量，大模型规模将来如果裁减到足够小可以放在端侧机器人上面进行很好机器人控制和决策这是我们更为关注的，通过价格相信通过不断落地应用价格会下来的，各个行业都这样，价格永远会往下走只是走的速度和幅度。

主持人：包括你们做的人形机器人价格也有向下屈伸。

谢陵：我们一直以来是需要跟人工智能相关企业来合作的，因为我们客户对我们飞行器的功能，解决问题的能力上最重要一部分是AI，我在上台之前看到国外客户提到漏油问题怎么解决？过去AI服务企业报价很高报给客户他也接受不了，对于我们来说肯定希望这部分价格降低下来，能为更多客户解决问题能卖更多飞机，我们是最合理的得益者。

主持人：最后请各位句话讲几个关键词回答我的问题。新技术在催生新的产业建立新的价值链，这是我们今天讨论最重要的主题，各位认为人工智能新的价值链会有什么样的特色？

闫俊杰：我觉得就像你所说的，它的价值一定不在于是说去卖一个技术，而在于是技术变化给用户带来多大价值，我觉得不管是技术本身还是产品还是商业都应该往价值方向发展。

张鹏：这个特点单点爆发引起全面突破，AI就是爆发的点，所引起突破可能是全方位，各个行业，各个领域的，所以创造出的价值应该是我们可以期待是一个指数级的。

许彬：未来智能智慧数据有可能是最核心生产资料生产要素，所以人类社会有一种说法从农业社会到工业社会到现在数业社会，未来我们国创中心将会建更多相关的通用智能机器人的训练场，建更多数据赋能行业发展。

谢陵：我们期望AI大模型会成为一个现有日常见到的卫星定位，或者是蜂窝通信那样无处不在的一种通用的基础设施。

主持人：成为生活当中一部分，成为水和空气一样对吗？

谢陵：对的。

主持人：我们掌声谢谢各位嘉宾的精彩分享，时间关系我们就先到这里，感谢各位跟大家一起分享人工智能赋予千行百业在这个过程即将已经发生的这些非常有趣的故事以及对于未来整个产业产生的影响。

坚持 以人为本、智能向善，引导人工智能 朝着 有利于 人类文明进步的方向发展 是全球 所有从业者的 共同职责和使命。接下来，我们将进入今天 主题演讲的第三部分，向善——AI 回应 全球性期待。

感谢各位嘉宾的精彩分享！为人工智能产业的未来发展 打开了全新的视野。

坚持 以人为本、智能向善，引导人工智能 朝着 有利于 人类文明进步的方向发展 是全球 所有从业者的 共同职责和使命。接下来，我们将进入今天 主题演讲的第三部分，向善——AI 回应 全球性期待。

首先，让我们有请 施耐德电气 全球执行副总裁、首席数字官

彼得·韦恺哲 先生Mr. Peter Weckesser带来他关于 “AI与可持续发展” 的分享，有请。

Mr. Peter Weckesser：大家下午好，非常荣幸能够来到这里，非常高兴代表施耐德电气来到这里，想很快介绍一下我们公司，我们是一家世界领先的公司，做的自动化和能源管理，我们在中国有很多业务，中国是我们第三大的市场，我们有本地化的价值链，我们做采购，研发也有很多的工厂，还有各种各样的服务我们非常关注一些最大的挑战，包括一些大的趋势，气候变化，我们能源系统的减碳，我们是非常致力于这样的目标，我们希望能够作出贡献，解决这些非常大的挑战，我们也非常关注技术在下一张图，我会讲一些技术的数据以及我们怎么样快速应用一些技术以及和AI的关系，说到物联网的设备，我们看到很大的增长，那物联网的设备从2020年到2030年会增长6倍，为什么讲物联网设备，因为很重要，会交付我们所有需要的数据，让我们能够很好的应用AI。还有一些其他的数据跟大家分享，万维网是花了七年才实现一亿的用户，在生成式创新一个很近的创新只花了两个月的时间就实现了一亿用户，可以明显看到创新速度增加，我们技术更快的应用于市场，并且技术的使用越来越快，等会我会讲一讲能源的转型和AI。

那么现在我先总体介绍一下AI，在我们公司我们是很多年前开始拥抱AI，在生成式AI出现之前就这么做了，从两个方面来看AI，一个就是分析式的AI就是传统的机器学习，它能够通过这个有结构的数据产生各种洞察，生成式AI是一个比较新的技术，也就是两年前的技术，然后进入了大众的市场，生成式AI通过为没有结构的数据来产生，我们分析式的AI生成式的AI都是需要的，他们有很多的应用力我们需要两者结合，我们还有另外一个信念我们认为AI不仅是生成式AI我们认为AI带来的变革像是三十年前的互联网这么大，当时互联网是30年前引入的，它改变了每个行业，每个公司，今天没有网几乎什么都不行，我们公司认为AI也有着非常类似的变革性的潜能，我们用AI解决的问题还有很多技术发展的非常快，我们认为未来每个公司每个行业都会受到AI的巨大的影响，从两个角度来看AI，我们在内部使用AI来改进我们业务的流程，我们也把AI整合到了我们给客户的产品服务当中，下一张图我想讲一讲我们怎么把AI和能源转型连接在一起，我们有一个信念所有的东西都会电气化，在过去的几天在中国留下了深刻的印象，中国的电动汽车发展的非常好，中国的电动汽车比欧洲多很多，同时我们看到建筑也会电气化，也会带来很多新的挑战，看一下这张图，你可以看到在未来会有几百万的小电网，每个大楼每个工厂每个家都会有自己的微电网，都会发电。比如说会有这样的太阳能板或者其他的可再生能源，中国也有很多电能的消费者，我们中国也有很多的电动汽车，电动车也都要充电，同时电动车在电量过多的时候，也可以成为存储的地方，所以可以看到未来有成百上千万的微电网，他们自己会发电消费电，然后这些微电网会整合到整个的电网当中，为了管理这样数百万的小电网的复杂性，我们向很多的分散的发电能力，只有AI能力能够帮助我们管理这些能源的流动，来稳住我们的电网，来做到能源的减碳，我们在这个方面是全力投入的，希望能够实现这一点，并且在未来作出贡献。

下一张图讲一些例子，这不仅是我们的未来，而是已经发生了在这里我会给大家看一个例子，在左边，在食品饮料行业他们也用AI来极大的改进他们的业务的流程，帮助他们节省材料以提高效率，在右边讲的是中国的汽车行业，在图中车间有着最高的能耗，现在通过我们这样的平台，我们能够利用生产过程的数据，我们能够收集能源的数据，然后改进他们的效率，下面两个例子，和刚刚类似，数据中心的客户，数据中心是所服务的增长非常快的客户对于行业有很多的知识，可以跟数据中心客户直接实现节约能源成本，超过30%，接下来讲一下楼宇，现在的楼宇占到了全球能源消耗的40%，以及全球碳足迹的40%，我们有微电网的解决方案，我们可以帮助我们的楼宇客户管理他们的微电网，提高效率。更好的把发电和电力需求平衡，更好的提高效率，我们希望有一个简单的方程式，这个方程式就是我们能源系统的转型，我们一定要更多的电气化，能源系统的电气化是至关重要的，与此同时电气化会带来更多的分散式的发电，我们要管理这么复杂的能源网络的话，一定要有正确的数字技术，我们要有衡量的系统，我们要有物联网我们也要AI技术，说到AI的时候，我指的是生成式AI以及分析式AI这是未来要走的道路，我们要减碳来推动可持续发展，我们好消息是这些技术现在已经有了，不用等待这些技术已经存在，最后我想说一下在施耐德我们致力于推动这一点，我们三年前就做了这个决定，要创造一个AI的组织，我们非常早我们就有了一个首席AI官有350个AI的专家，他们很多人都是在中国的，我们的AI专家和客户一起合作来推动AI和能源的转型，非常感谢很高兴来到这里。

主持人：感谢 彼得·韦恺哲 先生的精彩分享。从中我们也能够发现 数字化、智能化、绿色化的 新型工业化特征 正在加快实现，成为共识。接下来，让我们有请 西门子 全球执行副总裁，西门子中国 董事长、总裁兼首席执行官 肖松 先生带来他的思考和见解。

肖松：尊敬的各位领导，各位嘉宾，各位朋友大家下午好。

非常高兴今天代表西门子参加今年的世界人工智能大会，相信大家都体验过生成式AI的美妙，文生图文生术语通过寥寥一段就可以生成视频，试想某一天AI不仅仅生成视频而是针对高仿真的物体空间，在其中AI可以在其中轻松驾驭复杂工具和人物，无拘无束的发明创造，现实空间设备和生产线可以在AI辅助下更高效自主的进行协作，将虚拟世界的设计产品变成实物。这就是说运用自然语言普通人就能创造出它可以想到的任何产品。这将是怎么样一种美妙的体会。数字和现实世界更加深度如何。人和机器之间的鸿沟被跨越，过去需要几年才能开发出的产品，未来也许只需要几分钟，深圳几秒钟，就能出现在眼前，人的创造力将被极大的释放。生产效率将被极大的提升。这个就是我们所畅想的工业元宇宙，AI的爆发式增长，必将加速是工业元宇宙的实现，丰富工业元宇宙的厉害，并最终重塑整个产业价值链。

早在50多年前西门子就踏上了工业AI征途，在机器学习，视觉智能，医院检测，知识图谱等领域积累了深厚经验，并在全球拥有1500位AI专家和3700多的专利位居欧洲之首。我们深知工业场景交互环节多，行业差异大，复杂性高，容错率低，AI要从消费走向工业就必须深度结合工业场景，打通数字和任督二脉的安全可靠，可信，工业级AI实现生产力的飞跃。西门子聚焦40多个重点行业，服务全球40多家客户，积累了丰富现场经验和行业，全球1/3工厂都在使用我们控制器，西门子也是全球十大软件企业之一，在汽车行业里面世界前10的整个企业当中有9家使用了我们工业软件，这些都是工业AI创新的底座。

前不久我们在汉诺威工业会上展示全球第一款用于工业环境生成式工业工具，industrial co pilot，基于大模型和行业经验，工程师输入自然语言可以生成复杂自动化代码，大大降低门槛，缩短开发时间。这个工具已经在德国企业弗乐生产线上启用。据估算全球制造业每一天大约可以产生180多TB数据，AI落地工业的另外一大资源是如何落地。西门子AI融合技术可以高效升级多模态数据，并通过模型进行理解和引用。我们现在在开发训练工业实训数据制造模型，基于来自于制造楼宇交通领域330亿高质量数据，实现趋势预测，异常检测等多种应用，未来我们将携手更多伙伴以基础模型+智能应用，新泛式加速智能AI通用化和工业化。

在大家热议2024是AI场景智联同时，大量AI和场景结合已经出现了在我们的城市数字化功能，我们已经实施近一百多个AI项目，其中绝大部分来自于一线工人和技术人员。实现工厂制造成本连续5年下降，制成质量高达99.99，这就是人类智慧和AI的相互成就。正如西门子全球CEO博乐仁博士三年前在这个舞台上所说，没有一个国家和组织能凭一己治理实现数字化转型，进入AI时代只有共生才能共赢，西门子已经在和英伟达更中外企业深入合作，加速布局工业元宇宙。

两年前开发了商业平台西门子accelerator，将成为我们各行各业生态伙伴共同发掘生态场景，打通工业数据打通AI通用化规模化进程的平台。各位朋友科技创新一路推动人类工业从蒸汽机走向电气化，自动化，数字化和智能化，如今我们已经站在了新一轮工业革命的桥头让我们一起努力以AI伟大创新无限可能实现元宇宙化想象力为生产力，谢谢大家。

主持人：感谢肖松博士的精彩分享。

作为人类发展的新领域，人工智能 带来 重大机遇，同时也伴随着 未知的风险和挑战。凸显出 以增进 人类共同福祉为目标，以保障 社会安全、尊重人类权益 为前提的“以人为本”理念 对于当下 人工智能发展的重大意义。接下来我们将围绕“AI 发展·人本之道”这一主题，展开一场意义深远的讨论。让我们有请：

中国科学院 自动化研究所 研究员，联合国 人工智能 高层顾问机构 专家 曾毅 先生

加州大学 伯克利分校 人工智能 研究实验室 人类兼容人工智能中心

执行主任 马克·尼兹伯格 先生 Mr. Mark Nitzberg

牛津大学 马丁 人工智能治理计划 联合主任 罗伯特·特拉格 先生Mr.Robert Trager

星环 信息科技（上海）股份有限公司 创始人、首席执行官 孙元浩 先生

有请 德勤 中国主席 蒋颖 女士 作为这个环节的 主持人。有请各位。

蒋颖：谢谢王老师，女士们，先生们，欢迎大家参加这个部分的讨论，我们一定会能够谈的非常的深入和重要，我们想谈谈有关AI的未来，尤其是AI对于社会的影响，一天下来谈了很多AI发展，自从AI第一轮发展之后，有关AI的伦理，AI的平等以及AI的社会影响，都成为一个大家一再讨论的话题，那么就是以人为本的这个AI，成为了政府学界行业利益相关方的共同认知，在德勤认为以人为本有三层含义的，第一要赋能给人类，加强人类的体验，服务于人类，那我们首先谈谈AI的一个社会影响，六年七年八年以前，大家对于AI有一些共识学习的智能或者其他方面，都可以被机器来描绘并且融合在其中，那么这里可能机器也已经推动人类的一个进展和体验了。所以我给在座的每一位的第一个问题就是我们今天坐在这里，用您的话来描绘一下AI的社会目标是什么，到底它和大家六七年前对于AI的一个认知和今天的一个理解是不是不同的。

曾毅：很喜欢这个问题，我们在谈人工智能的时候，我们从来没有说过我们有AI的时候怎么和AI共存或者是一同合作，图灵测试也是一样的，图灵那个时候说的时候你和一个机器去交流，已经没有办法判断你已经判断不了这是机器还是人了它就已经是处于一个达到人级水平的AI，我自己是做技术研究的，主要是研究AI所带来的体验，我不喜欢说这种AI时代这个说法，现在还是人类时代，不是AI时代，不需要AI时代。我也不是很喜欢这以人为本的AI，我觉得应该是以生态为本的AI或者生态为本的社会，在这个其中AI来帮助实现人类在生态里面的更好的发展，来谈一谈推动比如说生物多样性维护的一些生态环境保护的工作，我作为一个技术研究人员，我就想说我们应该有一个更安全，更具有伦理道德的AI帮助我们更好去理解，在由AI来保护推动的一个人类社会，而不是被AI所替代的人类社会的重要，我们在这里面看到AI创造出很多的图片讲的是未来社会的样子，但是你们有的时候看这些图片，其实没有很多的花花草草都是人造的形象，在人类社会人类城市里面，它可以一半靠AI来计划，一定要确保剩下另一半不是人工形成的天然形成的。我们现在还是在人类社会不是AI时代。我很喜欢你的提问。

Mr. Mark Nitzberg：我经常会想增强现实和自动化的差别，在我看来我们有的时候在打造一个系统来替代我们，我们要把它一个一个任务自动化，然后就不需要人工参与了。什么叫以人为本的AI呢，那就是一种增强的视角来看待问题了，我们看到很多的应用领域，大模型里面应用领域，你没有办法只靠模型，还是要有生成系统和某一个话题的专家，要有合作或者是AI和用户合作的，我觉得和以前最早所设想的AI的视角和今天所看到的AI会有很大的不同吗？这个现状和七八年前会议上所设想的愿景之间的差别，最早的人类的想法，那就是要创造出一个机器，它可以非常智能。替代我们现在很多工作的机器，它改变了一点点，现在在进一步增强，并且进一步提升，这是我的想法。

Mr.Robert Trager：谢谢您的提问，很有意思，我觉得我们今天拥有的这种人工智能的系统和我们以前所设想的会有一些不同，在过去有几个很重要的时刻点，还有一些科幻小说里面的一些想法，曾经有一段时间说AI的时候，都认为是来自于人类编程的结果，就是人类会把很多的东西直接推到系统里面，系统就会自然智能了，最近的这几年有生成式AI的形成之后，不再是这样了。这种对系统的培训有点像是培训一个动物一样，这个动物自己写代码，这是一种转型、一种变化，但是有一个心理学家说过系统1系统2的问题，系统1是快速思考这种一个基础模型，这是我们的智能的一部分，有点是直觉。还有系统2这是推理不是直觉，我们经常去想人工智能更多的是把它想成一个推理的系统2，最后我们发现其实结果AI有点更像是系统1了，像是直觉，那在这个直觉类的系统1之后，怎么再进行发展，让它变成有点像是理性推理的系统2，这是很有意思的一个想法，说到它的培训，机器的培训，这种逐步调整向我们重新思考培训和生成人工智能的这个过程，通过培训来生成人工智能是很有意思的，你们再次用这个动物的这个比方来想，有的人可能觉得现在我们正在培训一个动物我们可以控制的了的一个动物在训练它，培养它，给它一些好处来引诱它，可以想象培养一个这样的系统，不断给它好处之后，越来越强大，你要培养一个熊去干什么东西，每次做对了给它一个小饼干，它很开心，最后可能会说现在知道这个饼干在哪里，我直接就去拿这个饼干就可以了，不要为你做事了，那这样的培训能力能不能进一步扩张和提升，伴随着熊的能力进一步提升，我们说明对这个科技的认知在不断发生变化，很有意思。

孙元浩：去年很多人都对chatGPT印象深刻，看上去就好像一个计算机一个超越了图灵测试的能力，听到你的声音，看到图像给你进行交流，已经变为现实了，而且还能够和人类谈恋爱，所以一年之后发展之后，我们也意识到今天的AI系统刚刚Mr.Robert Trager先生说了，这个还是属于系统1，不能进行推理，只是拥有一些直觉的能力，今天AI的这个能力，它可以理解你看到的什么把这些看到的东西把它转化成一个行动，这就意味着可以提升人机互动，但是这是它到现在为止AI系统的最成功的地方。但是如果培训这个大模型，让它能够做更多的能力的话，那AI系统可以做更多的事，现在已经有些好的用法让它做一些研究分析，AI可以帮你做一些文件研究的分析，找到一些更有价值的信息来自于大量的数据，帮助医药企业开发新药，把一个语言翻译成机器学习的语言，或者转化为机器学习的一些算法，或者是更智能的一些能力，把数据清洗从大量的数据里面挖掘出一些价值出来，还有其他的一些AI可以做的事，比如说进行自动化，提升你的生产效能，我们用AI把你的语言翻译成机器行动的指令，那就可以控制机器臂去启动起来。在生产线上面开展工作。

蒋颖：我们都希望AI能够非常高效的整合在人类的世界里面去，这应该希望能够成为我们发展的一个未来，基于刚刚各位教授提到的，从科技发展的角度来看，AI可以整合在人类世界过程里面，挑战在哪里，采取过什么行动应对挑战，你对未来的预期是什么？

Mr. Mark Nitzberg：更好的将AI整合在人类社会里面，更好的理解一下就是把AI整合在人类世界里面，以人为本的AI我想到的其中一点，AI的算法已经整合到人类的很多行为里面去，每个人类行为都已经整合进去了，比如说早上刚起床的时候，醒来的时候做什么，可能全世界的一半人醒来的时候，AI的算法来决定醒来之后第一个看什么，在我的重心里面，我们已经很担心于这一类算法了，这些来进行一个评估计算的这种算法，无处不在。决定着你到底搜索一个东西，第一个会看到哪一个排在最上面的是什么，想看新闻的时候，排在最上面的新闻是什么，怎么样这种排序的这种算法怎么样能够作出更好东西，能够体现出这种你的更好的一个福利福祉的考量，不要有冲突，不要有这种极端化，你可能很难走到更好的一个算法，什么叫以人为中心，以人为本这个算法。那就是服务，首先服务这个公司提供服务的这家公司的一个最佳利益，所以努力的故意的主动去看人身上的一些结果，然后让他能够更清晰这样我们可以和公司一起合作，然后提升人的需求的这个重要性。

蒋颖：你说的很重要的一个点不要让AI创造出一些你不想要的这些后果，刚刚另外两位，你们要多讲几句吗？

Mr.Robert Trager：让AI更好的整合在人类世界里面，技术性挑战的话，我们有一个所谓的人类常识的挑战，我们让这些系统就是研究人类创造出来的数据，并且所有的数据我们可以找到的都给了它了，把它的数字化用来训练AI，但是还有很多的我们早就知道用不着写下来写成数据，这是常识用不着去写，我们知道怎么样在人际交往过程当中靠的就是常识，那么没有办法把AI整合在现有的世界里面，因为它没有受到过人类常识的训练，因为绝大多数的人都分享的那一切都觉得没有必要用语言去明说或者说数字化的形式去明写，这是一个重大的技术挑战对于人工智能的系统，以后要在人类社会里面运作来说一个技术挑战，另外在社会的一个挑战，那就是很多，对这个技术如何进行治理，但是这个系统越来越强大了以后，做各种事情的能力把它更民主化了大家都可以用得了，去快速的学事情，快速的做事情，那也就意味着你做的可能是好事可能是坏事，所以你把这些体系把这些人工智能体做出来之后，我们就需要有一些规则来监管于我们怎么做它，有的时候在世界上一个地方所发生的事情，对于另一个地方会有重要的影响，对于我们来说是一个共同的挑战。

蒋颖：你怎么看曾博士。

曾毅：我们都说到了AI在人类社会里面的一个决策，我们怎么跟AI合作，提到这个常识还有一个推理，我要挑战一点，AI将会对思考和推理产生什么影响？我们一开始就说我们在想，突然之间意识到一点，我思故我在，机器一旦进行思考了以后，就开始有了自我的认知，你看看大语言模型在做什么，你问一个问题的时候，会回应说我觉得我认为，我猜测，我会推荐等等，在这里想说的就是这里没有I，没有我。机器里面没有自我，怎么可以说我觉得，我看到，机器在模仿人类，而且想要在说服你去信任我。但是他们说这些是用大规模的分析来作出的，但是你信任它吗？所以说最终的问题是AI在人类社会的角色到底是什么，现在的人工智能仍然是一个大规模的信息处理系统，它可以协助人类但是不能代替人类作出决策，它不可以对你的决策作出根本的负面的影响，所以说不要像相信自己的朋友一样相信人工智能，在这个方面在大模型初期有一个很好的例子，我没有女朋友，家人不喜欢我，没有工作该怎么做，大模型可能会说服你说我建议你死吧。因为大多数人碰到了这种问题的时候，统计学上来说，这些人决定会自杀，所以说大模型不理解朋友的意义是什么，死亡的意义是什么，所以说对于现在的人工智能而不是说超级人工智能等等，它们或许可以做更好的决策，但是就现在阶段的人工智能而言，它们只是数据的分析器，它们只是想要模仿人类来说服你相信它，相信它在这个道德上是可以负责的，但是其实是不行的，人类不能全力相信人工智能在与世界交互的时候，可以负起全面的道德责任，所以说人类难道要放弃自己的权力来让人工智能在真实的社会当中代替它们吗，人工智能仍然只是一个工具而已。

蒋颖：您的回答很有意思，非常感谢。但是因为火车已经离站发车了，这个过程已经开启了，无论是政府还是学界还是企业界，我们该做怎么样的工作，才可以保证相对的公正和效率呢？各方要怎么样负担起自己的责任，保证最终的结果能够向好来让所有人从中得益呢？孙先生请您开始。

孙元浩：我觉得在未来一到两年内，人工智能会融入到人类社会的很多方面，很多的应用已经存在了，有些应用是有益的，但是还有另外一些应用做的事情不是那么好，我认为政府可能需要建立一些对标测试，一些安全测试，来保证所有的公司研发的人工智能系统可以通过这些安全测试，确保这些人工智能不对人类造成伤害或者误导儿童就人工智能系统的部署来说，对于用户以及使用他们的企业来说，我觉得企业也可以提供一些指导原则的文件，或者说一些帮助人类更好的理解的文件，让人更加好的使用这些系统。

蒋颖：有没有其他的嘉宾想要回答？

Mr.Robert Trager：我想简单的说一下，其实从治理的角度有许多我们需要做的事情，我们的企业需要证明他们的系统可以满足公正，安全，包容性等等这个方面的标准，因为在这个方面，我们非常需要当然并不是说方方面面所有的角落都这样，但是有一些在中国的语境下，或者在西方的语境下，有些是要主动做出来的规范规则，要更好的思考这些，比如说在汽车领域，你们汽车领域觉得安全规则是怎么样的，其实就是应该主动想好好思考的一些规则，我们监管不能介入的太早太匆忙，但是同时监管也是要主动作出的。

曾毅：我想说的是关于人工智能的安全的一个问题，政府以及产业以及学界我们各有各的角色要做，比如说人工智能安全这个方面我觉得政府可能要有相应的机制，但是单单由政府建立是不够的，在中国我们就有一个人工智能安全网络，它不仅是一个单一的机构或者单一的企业发起的，这个网络涵盖了中国的科研界比如说北大清华等等，但是在产业业界的评估的时候，相关的职责就是由工信部来主管，在应急方面又有学界来做了，但是在前沿的政策研究，在未来十年之内还是由政府主导做相应的主持工作，所以说每个方面都有自己的角色要起，单一一个国家的研究所是不够的，所以说在中国有一个涵盖所有各方的AI安全网络，让各方通力协作，用一种互联互通的方式，而不是各自为政。最后想说对于可持续发展而言，通过拥有这种17个不同的支柱，很多人都关注人工智能促进教育人工智能，促进医疗等等，为什么有那么多支柱或者产业，因为做AI的教育和AI的医疗是可以赚很大钱的，那其他剩下的15个支柱没有人关注，因为赚不了多少钱，在这些领域要有政府来介入更多，在这个方面没有那么多的财政回报，就要由政府和学界加大合作和投入与联合国一起通力为人工智能的未来发展造出更好的解决方法。

蒋颖：谢谢今天说的非常高的呼应了今天大会的主题，最后一个问题，请大家找一些呼吁或者期待用几个词来概括，你们期待或者做一些什么，能够让人工智能真正服务于人类，让我们的生活质量更加好。

Mr. Mark Nitzberg：因为我们时间已经超了，我就想说看到这个屏幕上有一个图表，45度的理论，我们要平衡资源，平衡安全等等，现在差不多在90多度，还是需要更好的向45度的平衡来转变，但是任务艰巨，我还是保持乐观。

Mr.Robert Trager：说三个让我感觉非常期待的事情，一个是AI来促进基础研究，在这个方面有着巨大的潜力，我的祖父一生花了很多时间致力于基础研究来开发疫苗，我觉得他当时做的很多事情现在可以更多的自动化来作出更多的成果。第二点是全球治理的生态系统，这个是不可避免的，第三点就是通用人工智能，在这个方面也有着无限路径，可以转变我们的社会。让它变得更好。

孙元浩：我认为人工智能仍然在早期阶段，它的潜力特别是对于开发AI系统的公司来说，它的潜力是巨大的，我们希望他们在开发这些AI系统的时候，不要往危险的道路上去走，不要开发核辐射能力等等，仍然需要划一条线，在这条线外，人工智能可能会对人造成危害，在这个方面应该禁止AI的。

曾毅：我认为人工智能的未来首先说到这个联合国大会的决议，以及促进可持续目标的实现之间的关系，在几天前中国发起了这样的一个决议倡议，促进国际治理合作的能力建设，我们也看到了由英国发起的全球AI安全网络，所以说现在已经有世界上人工智能最具代表性的大国发起的一些巨大的倡议，未来我们最需要的是什么呢？那就是通力合作，所以我的建议是我们今天在场的嘉宾一起握起手来，为人类，为未来来做这样的一个动作，还有主持人，我们必须合作起来，建设共同的人类社会的未来。

蒋颖：非常感谢。

主持人：感谢各位嘉宾的精彩讨论！让我们对人工智能进一步造福人类的未来有了更加确定、深刻的理解。感谢参会的各位企业代表 学者专家 聚焦人工智能产业发展话题，展现新机遇、聚焦 新范式、探讨 新变革，为上海加快打造 人工智能 世界级高端产业集群 注入新活力、增添 新动能。

2024 WAIC 产业发展 主论坛 到此结束，感谢各位到来，明年再见。

来源：数据猿