2023世界人工智能大会开幕式纪要

时间：2023年7月6日9:00-11:30【工信部副部长徐晓兰】我国人工智能产业蓬勃发展。一是产业体系逐步完善，核心产业规模达到5000亿元，企业数量超过4300家，智能芯片开发框架、通用大模型等创新成果不断涌现。二是基础设施加快布局，云算、智算、超算等协同发展，算力规模位居全球第二，东数西算等重大工程加快推进，5G基站超过280万个，开展了工业数据标注登记试点工作。三是融合应用深度拓展，人工智能与制造业深度融合，有力地推动了实体经济数字化、智能化、绿色化转型。已建成2500多个数字化车间和智能工厂，经过智能化改造，研发周期缩短了约20.7%，生产效率提升了约34.8%，不良品率降低了约27.4%，碳排放减少了约21.2%。上海是我国人工智能产业创新发展的高地，在技术创新、产业集聚、行业赋能、先导区建设等方面都取得了明显的成效。世界人工智能大会已成为全球人工智能领域重要的合作平台，希望各方以大会为平台，加强交流，凝聚共识，深化合作，共同推动人工智能健康发展，携手开启智能产业发展的新篇章。【埃隆·马斯克】人工智能在未来将在人类的进程中扮演重要角色，并对文明产生深刻的作用和影响。我们目睹了数字计算能力爆炸式的增长，其中一个关键指标是机器计算能力与生物算力的比率。这个比率衡量了人类和计算机在计算能力方面的差距。每年这个比率都在不断增加，意味着机器和生物的计算能力之间的差距正在进一步扩大。这也意味着经过一段时间，人工智能在整体智能中所占比例将会逐渐降低，相比机器智能而言，这将是一场根本性的深刻变革。尽管现在很难完全理解这一点，但可能这是人类历史上最为深刻的时期之一。特斯拉的Optimus人形机器人目前仍处于早期开发阶段，但未来将会有更多的机器人问世。因此，我们还需要考虑机器人与人类的数量比例。根据现有情况，机器人的数量将超过人类的数量，它们的计算能力也会远远超过人类。这似乎是未来的发展趋势。这种情况将产生积极和消极的影响。积极方面，我们将进入一个物质充裕的时代，只需一念之间即可获得所需。由于未来世界中机器人的生产效率将远超人类主导的生产效率，这是一种深刻的变化。我们需要小心确保最终结果对人类有益。然而，根据特斯拉等公司的发展趋势，机器人的比例将迅速增加，甚至超过非全自动驾驶汽车的比例。在特斯拉，我们也希望将这项技术提供给其他汽车制造商使用，这也是为什么我们愿意授权他们使用我们的全自动驾驶技术。那么目前我们的自动驾驶技术处于什么状态呢？特斯拉认为我们已经非常接近实现无人干预的全自动驾驶状态。我们已经在美国的道路上进行了测试，现在很少需要人工干预。因此，当我驾驶一辆特斯拉使用最新的FSD全自动驾驶贝塔版技术系统时，基本上从起点A到终点B都不需要触碰控制器。然而，这仍然只是一种预测和猜测。特斯拉预计今年晚些时候将实现全自动驾驶或4-5级全自动驾驶阶段，尽管无法100%保证，但这一预测比以往更接近现实。然而，需要特别关注的是深度全面人工智能，特别是全自动驾驶汽车。对于像全自动驾驶汽车这样有限且具有局限性的人工智能而言，对其进行全面自动化存在困难，但我们相信这个问题很快可以解决。然而，有限人工智能和全面人工智能完全不同。全面人工智能难以定义，它是一种比人类在任何领域都更聪明的类型的人工智能。虽然特斯拉并未从事全面人工智能研究，但其他公司正在进行相关研究。然而，我们认为现在是非常重要的时刻，需要监管和监督这种深度全面人工智能，以确保其安全性。我所描述的这种人工智能是一种超级智能，它可能由成千上万甚至数百万台高性能计算机以及最先进的计算机在数据中心合作而成，具备比人类更强大的能力。这带来了风险和担忧，可能会出现积极和消极的未来。我们必须尽力确保消极的未来不会发生，同时实现积极的未来。非常感谢邀请我参加今天的活动并在线上分享观点。我非常钦佩中国人民的智慧和干劲，中国一旦下定决心要做某件事，一定能够在各个经济领域包括人工智能产业取得很好的成就。【香港中文大学教授汤晓鸥】【共赢人工智能新时代】华为轮值董事长胡厚崑两个关键的举措或抓手是：一方面是生根算力，打造强有力的算力底座来支撑中国的人工智能事业的发展；另一方面是结合大模型，从通用大模型到行业大模型的研究创新，真正让人工智能服务各行各业和科学研究。因此，我们提出了“AIforindustry”和“AIforscience”。下面我将向大家详细汇报。首先，关于算力，人工智能的发展离不开算力。在当前中国的情况下，我们面临着算力可获得性和成本等方面的挑战。多年来，华为一直专注于算力的发展。我们聚焦于鲲鹏和昇腾的根基，取得了突破。目前，我们正在通过架构创新、生态发展和灵活的共建方式来打造中国的算力底座。我们希望通过与大家的共同努力，消除算力对人工智能发展的制约。首先，我们通过架构创新提升计算效率。例如，在计算节点层面，我们推出了革命性的对等评购架构，突破了传统以CPU为中心的异构计算带来的性能瓶颈，提高了整个计算的带宽，降低了时延，使节点性能提升了30%。另一方面，在数据中心层面，我们在2019年推出了昇腾AI计算集群。通过集群方式，我们将计算、存储、网络和能源等优势集中在一起，将AI数据中心设计和管理成一台超级计算机，大幅提升了性能。目前，我们在国内建设的规模最大的AI计算集群是位于深圳的鹏城云脑二期，目前算力规模为1000P。根据我们的规划，到2024年鹏城云脑三期的规模将达到16000P。此外，我们还在乌兰察布的计算中心部署了数千卡的规模，并实测发现通过集群方式，在相同算力下可以提升10%以上的效率。下面我将向大家报告生态发展，因为生态是算力产业发展的关键手段，同时也是一个难以攻克的瓶颈。四年前，华为提出了硬件开放、软件开源和人才培养的战略，围绕计算产业的发展展开。通过与各方合作，我们取得了一定的成绩。在硬件方面，我们坚持进一步开放，今年推出了更多样化的模组和板卡，与30多家硬件伙伴合作，基于昇腾推出了上百款人工智能硬件，满足不同行业的需求。在软件方面，我们通过开源加强基础软件，特别是针对当前大模型的创新。我们提供全流程的使能平台，更好地支持科研机构和企业客户。目前，我们的生态已经孵化了20多个基础大模型，并适配了十多个业界主流的大模型。统计数据显示，中国目前一半的大模型都得到了AI昇腾算力的支持。因此，我特别感谢那些使用了AI昇腾算力的公司和机构，感谢他们对我们的信任，这让我们对未来发展算力生态更加有信心。当然，我们也清楚，生态的发展没有捷径，必须脚踏实地地前进。我们希望未来有更多的公司加入我们的行列，共同打造好这个生态。在发展算力方面，我们还考虑到身段的灵活性和多样化的手段和模式，这是基于中国的实际情况得出的结论。因此，我们采用多种模式进行算力建设。例如，在城市的算力基础设施建设方面，我们已经支持各地政府打造了25个城市级的人工智能计算中心，其中包括上海。另一方面，我们注意到许多大型企业都有自建人工智能算力中心的需求，因此我们积极配合并帮助这些企业建立自己的人工智能算力中心。例如，中国移动、科大讯飞、南方电网等大企业都在进行建设，我们也积极参与其中。同时，我们意识到中小企业对人工智能的需求非常旺盛。为了满足这些需求，我们通过云服务的方式在华为云上提供算力服务，将多种手段结合起来。我们希望通过这种方式真正实现算力不再成为人工智能发展的瓶颈。华为在深耕算力的同时，还致力于让人工智能服务千行百业和科学研究。在这方面，我们认为一方面要不断提升通用大模型的能力，同时要探索通用大模型与行业大模型的结合。举个例子，如果我住在福田区，家里有一位78岁的老人，我想知道政府是否能提供补贴。如果我们使用通用大模型，它会给出什么样的答案？同时，我们再看看如果使用行业大模型，它又会给出什么样的答案。这个行业大模型是我们与深圳市福田区合作开发的政务大模型。很显然，行业大模型在通用大模型的基础上能够给出更精准、更有价值的答案。这是我们努力的方向。为此，华为推出了三层大模型结构，最底层是基础大模型，我们将其比喻为"读万卷书"，它的目标是学习海量的基础知识。在这一层之上，我们打造了行业模型和场景模型，我们将其比喻为"行万里路"。从"读万卷书"到"行万里路"还有许多挑战需要克服，关键之一是将各行各业的知识与大模型充分匹配和融合。在这方面，华为正在与各行业伙伴共同努力。目前，华为的盘古大模型已经支持金融、制造、政务、电力、煤矿、医疗、铁路等十多个行业的400多个业务场景的AI应用落地。未来，我们希望与更多行业合作伙伴携手扩大这个面，深化合作，真正做到走得更深、做得更实。除了让人工智能服务于千行百业，我们认为当前还有一个重要任务，那就是让人工智能服务于科学研究。我们提出了"AIforscience"的口号。我们发现，通过学习海量的历史数据和科学知识，并将数学方程编码到我们的大模型中，AI可以促进与基础学科（如分子动力学、流体力学、传热学、生物学等）的结合，帮助我们发现更多科学规律。目前，华为已经发布了盘古科学计算大模型，其中包括药物分子模型、盘古气象模型和海浪模型等。我们与科学家合作取得了不错的成果。例如，在气象研究领域，我们的盘古大模型可以在几秒钟内完成对未来全球一个小时到七天的气象预报，速度快且准确。这需要充分学习40多年的气象数据，并结合行业知识进行训练和校正。我们正在多个科学研究领域展开不断的训练和校正工作。通过我们的努力，我们希望为科学家和科研工作者带来更多新的思路、方法和工具，为人类社会的发展注入新的动力。最后，我想打个小广告，因为明天我们华为将举办全球开发者大会，届时我们将详细介绍华为盘古大模型3.0，以及我们如何为千行百业和科学研究提供服务。希望大家关注。各位朋友们，我们非常幸运地共同见证了科技革命的几次浪潮，从互联网到移动化到云计算再到人工智能，每一轮变革都给社会带来了深远的影响。毫无疑问，通用人工智能给我们带来了无限的想象空间，也引领我们进入下一个黄金十年。我们希望与大家携手创新，让人工智能更好地服务千行百业，更好地服务科学研究。AIforindustry，AIforscience，让我们共同赢得人工智能的新时代。【卓越人工智能引领者奖SAILAward】【重大创新成果首秀】【AI时代的科技合作】沈向洋微软原执行副总裁；美国国家工程院外籍院士赛义夫·拉曼IEEE主席兼首席执行官Q：简单介绍一下IEEE拉曼教授：IEEE在全球有43万多个会员，中国会员数是第三大的，所以说我们不仅仅有我们的会员，同时我们也开发相关的标准，我们还会出版论文、组织一些会议，这些都是非常重要的。IEEE每年都会举办2000多场的会议，在这2000多场会议当中有200场是在中国举行的。Q：您能不能简单的来讲一下IEEE在AI方面做了什么？拉曼教授：就像前面的这个伊隆马斯克讲到的AGI，我们很多AI工作也是开源的，希望保证人工智能整体的发展是开放的。我们提供了一个平台，提供了一个基础，让科学家、工程师和开发者能够共同的来看来讨论他们所做的工作，希望这样能够确保我们能够加以控制。Q：我们还是要对AI有一定的监管，我们也认识到了社会的力量，比如说微软和谷歌，包括其他的公司也成为了我们的partner，成立BingAI组织，它的影响力也非常的大。除此之外，我觉得像IEEE这个组织也有很大的力量，因为你们是一个中立的位置，你们可以去影响相关的公司和国家。拉曼教授：作为IEEE的主席，我关注开放性和全球化，也多次强调好的科学，无论发生在哪里，对于各地的科学都是有好处的。我们大家都要共同的来进行探讨，我也是鼓励开放的科学，同时也鼓励大家在我们的会议和期刊当中发表，可以提高可见度。我们今天的会议就是一个很好的例子，我也希望能够看到这所有的这些成果，不仅仅是在上海，在全球都有可见度，我们的这些知识可以变得更加的实际。Q：我知道您非常关注专业人士的职的发展，特别是扩充中国IEEE的会员的数量，能跟我们来分享一下您的组织目前在这方面所做的一些工作吗？拉曼教授：IEEE每年出版的论文来自于中国的大概有30多万个作者，有很多的中国的作者都在我们的期刊上发表论文。我们在几年之前在中国设立了一个社区，鼓励更多工程师成为我们的会员和高级会员。Q：在AI的时代，你们又会做些什么呢？比如说期刊、会议会不会有所改变？因为能够有新的形式来帮助人们更多的去理解相关AI知识，这一点我觉得非常的好。拉曼教授：其实从疫情当中我们也学习了很多，疫情当中我们不能够有很多的旅行，现在会议是混合形态的，有很多是网上的会议，我们也会有全息影像的会议，感觉非常的有现实感。【拓展“生成”机遇，“智联”产业创新】侯阳微软全球资深副总裁；微软大中华区董事长兼首席执行官今年世界人工智能大会的主题是智联世界，生成未来，我也想借此机会在这里与大家分享微软在拓展生成式人工智能的生态创新，以及加速推进产业智联的过程中收获的一些经验和思考。人工智能作为科研项目最早出现在1956年，至今已经发展了将近70年。随着去年底ChatGPT的一夜爆红，大模型和AIGC，生成式人工智能仿佛在瞬间爆发，甚至很多科技行业的从业者都对AIGC的突然涌现感到惊诧不已。其实在微软看来，所谓的涌现也绝非偶然，无数优秀的科研人员数十年如一日的研究基础以及海量计算资源的投入，才造就了这样的创新的成果。也许大家知道，OpenAIChatGPT的突破靠的正是微软智能云提供的基础架构和算力支持。从2019年开始，微软就和OpenAI展开深度合作，以海量的云计算资源支持OpenAI大语言模型的研究。而双方战略合作的基础就在于，我们两家公司都真诚的希望创造出造福每一家企业和每一位消费者的人工智能技术。在今年1月的达沃斯世界经济论坛上，微软的CEO纳德莱先生提到，人工智能的黄金时代已经到来，微软智能云也由此开启了加速上新的模式。我们将最新的AI智能技术与企业级的云服务全面的融合，从而赋能广大企业在产业数字化转型进程中实现真正的数智融合。我们的AzureOpenAI企业版服务推出了包括GPT4和企业级ChatGPT在内的五大模型，支持客户创造不同产业需要的定制化的智能服务。同时围绕Microsoft365办公Dynamics365商业应用、GitHub开源社区开发、数字信息安全保护、员工体验提升以及我们每个人所熟悉的Windows操作系统，微软也推出了一系列由AI驱动的Copilot智能副驾服务，用户可以用自然语言提出需求，Copilot就能帮用户高效的完成一系列的任务，比如快速的写代码，开发出一个应用，或者根据演讲的提纲要点设计出一整套图文并茂的PPT演示稿。刚才我举例的这些场景在今天已并非凭空的虚构，这是微软在内的很多企业已经实践的现实的工作场景，比如备受关注的OpenAI企业级服务上线几个月以来，已经得到了超过全球4500家企业的首肯，在制造、零售、金融、服务等多行业的生产环境中，已经在实践智能化的创新。再比如用于辅助编程的GitHubCopilot自推出一年半以来，已经有全球100多万的开发者在使用，他们有将近一半的代码都已经有Copilot帮助完成，并且编程的速度提升了50%以上。在全球客户对微软人工智能服务的这些积极的尝试当中，我们不仅看到了企业加速数字化转型的创新热情，更是感受到了市场对新一代生成式人工智能的迫切的需求。因此，微软也在不断的持续加大投入，全力推进生成式人工智能的发展和普及。在今年5月举办的微软全球开发者大会上，微软就连续发布了超过50项与生成式人工智能开发相关的新技术和新服务。其中最重要的一项是我们向全球开发者开放了Copilot智能副驾与plugins插件拓展体系，让全球各地的开发者、合作伙伴和企业用户都能够抓住生成式人工智能带来的创新机遇，创造出前所未有的新一代的智能应用。其中，智能plugins插件拓展体系采用与OpenAI相同的技术标准，它可以在第三方应用、客户、业务场景和生成式人工智能之间构建起安全可靠的连接，通过plugins接入实时更新的信息流以及多种多样的应用和服务，就可以为AI系统添加更具专业性的计算能力，创造出种类更丰富、使用更便捷、信息更准确的智能副驾式的对话服务。预计到微软Microsoft365Copilot正式发布的时候，我们将提供超过1000种plugins插件供开发者选择。而更加岂值得期待的是，全球的开发者和合作伙伴将有能力自主运用这些插件接口和智能服务，开发出更多更丰富的、独树一帜的智能副驾驶的创新应用。毫无疑问，这些是基于自能自然语言对话的新一代的智能交互应用，将为我们开启一个更加精彩纷呈的数字世界。微软坚信，今后任何一家公司都需要具备驾驭数字技术的能力。我们也看到随着生成式人工智能不断展现出的巨大潜力，今后每一家公司的每一个应用程序都将由人工智能来驱动。人工智能的技术突破也正在为各行各业带来千载难逢的创新机遇和挑战，这也促使我们思考如何用它来提升企业自身的创造力和竞争力。在实现技术突破的同时，微软就在思考如何将研究成果转化为生产力。我们希望在第一时间将生成式人工智能与产业的需求相结合，加速产业的升级和创新。我在这里展示的是根据近期全球客户的产业智能化解决方案，总结出的六个重点的行业应用人工智能的创新化场景，比如我们可以革新零售电商的智能客服，实现互动式的搜索，引导消费的趋势。我们还可以在游戏中构建栩栩如生的NPC角色，生成无限的剧情和拟真的对白。在金融行业，我们可以随时获取金融市场实施行情的分析报告，更早的发现、更快的管控潜在的金融交易风险。同时在生命科学研究领域，我们也可以提升临床实验数据的分析能力，加速药品和疫苗的研究，实现更精准的医疗影像识别和诊断。同时在教育领域，我们可以也为学生带来更具启发性、交互性、定制化并且不受地域限制的探索式的学习方式，我们可以帮助培养更适合未来市场需求的有创造力和终身学习能力的人才。随着生成式人工智能不断加速产业融合，相信在今后的几个月，将会有更多丰富多彩、充满想象力的应用场景不停的涌现出来。在人工智能加速发展的过程中，不可避免会出现人们对潜在的安全风险的担忧。微软一直倡导并严格的恪守打造负责任的人工智能的六大原则，我们也始终严格遵守与数据隐私安全合规相关的各项的要求。同时，我们也积极地倡导全球科技企业通过交流合作形成产业共识，确保我们所开发的人工智能技术能够负责任地造福全人类。面对新一轮的技术变革带来的巨大的创新机遇，微软在中国愿意从我们自身的技术和优势资源出发，深耕中国的本土生态系统，与全国各地各行各业的企业组织和合作伙伴持续的拓展技术交流和业务合作，与全国不断的发掘数字化智能在各个产业中的应用潜力，真正的推进各行业的智能化创新与数字化转型，贡献我们最积极的力量。【圆桌论坛】徐立（主持人）商汤科技董事长兼CEO姚期智图灵奖得主、上海期智研究院院长袁洋清华大学交叉信息研究院助理教授杨植麟清华大学交叉信息研究院助理教授、MoonshotAl创始人潘新钢DragGAN第一作者、南洋理工大学计算机科学与工程学院助理教授Q：大模型发展有哪些基础理论的突破？未来的发展方向？姚院士：ChatGPT之后一个重要的目标，是要让机器人拥有多种模态的感知能力，能够自主学习新技能。一般的强化学习方法太慢了，高阳老师的一个在算法上的突破是把现在主流的强化学习加快数百倍，几个小时之内就可以做到。它不仅是一个实用的问题，也是理论的贡献，在过去的六七年里面，人工智能在最高层上有一个路线之争，现在依赖强化学习这条路线是不是正确？高阳教授的突破加重天平方向的另外一边，就是我们应该坚持现在这条路。Q：交叉学科对大模型的发展有什么帮助？袁洋：多模态肯定是很重要的，但是我觉得大家对多模态的理解可能比较粗糙，大家往往想到的多模态是能够看图片、看文字，有触觉、有温度的感觉。但是我觉得要真正解决行业里的问题，多模态需要做的更细致一些。比如说我们如果只是考虑文本到图片的一个生成，模型生成一个狗的图片，可能你会发现狗的图片不是你想要的姿态或者模式，然后你可以用鼠标来拖动一下，修改一下。鼠标拖动的这种方式在我看来这是就是一种新的模态，用户用一种比较好的方式把自己想要表达的内容告诉大模型，让他能够理解。这种多模态的输入我觉得在具体应用中非常重要。到更具体的一些行业，比如说医疗、法律、教育，我们可能不应该只是把文本或者图像等专业的数据给模型，就希望他能够解决专业的问题。我们应该去深耕这个行业，去找到它里面最核心的问题是什么，然后再去找在这个问题里面我们到底需要什么模态的数据、什么样的信息能够精准表达我们想要解决的问