关于AI和大模型，工信部、上海市、商汤科技等重磅发声
编辑：admin 日期：2024-03-23 22:14:06 / 人气：
工业和信息化部：努力繁荣开源生态 持续完善开源的顶层设计
王江平在致辞中表示，在开发者贡献共享精神的推动下，开源已全面融入软件生产过程。工业和信息化部努力为软件开发者营造良好的开发环境，做好服务保障，充分发挥开源生产方式的作用，共促软件产业高质量发展。
一是要努力繁荣开源生态，持续完善开源的顶层设计，发挥全国性开源基金会的作用，打造开源文化传播的活水泉、优质开源项目的策源地和优秀开源人才的育苗池。
二是打造优质的软件产品，鼓励开发者紧跟新技术的发展趋势，洞察千行百业痛点、难点和需求变化，充分释放新时代开发者的智慧和才能，打造更多高水平的软件产品。
三是深化行业应用，坚持好软件是用出来的，不断地完善配套政策，开放高端场景和数据资源，支持千行百业利用软件加快数字化转型，努力培育新业态、新模式，加速形成新质生产力。
四是要深入开展国际合作，支持广大开发者和软件企业以更加开放的姿态，深入交流、广泛合作，充分利用国内外开源组织的平台，踊跃发声，积极贡献，不乏创新活力。
“近年来，我国软件产业始终保持高速增长，2023年底产业规模超过12万亿元，有力支持了经济社会数字化的转型。我们积极培育以开放、共建、共享、共治为代表的开源生态，开源理念已在我国深入人心。”王江平表示，开源基础设施初步齐备，优质的开源项目、活跃的开源社区、优秀的开源贡献者不断涌现。中国已成为全球开源生态的重要的参与方和贡献力量。
上海：探索大模型新型开源和推广模式
大会期间，陈杰在发表致辞时表示，上海将进一步发挥超大城市的综合优势，加快建设具有更高影响力的人工智能高地。
一是加强核心技术的突破，推动智能芯片关键技术和应用适配，打造更多元开放的智能计算生态，支持通用大模型和垂直大模型的研发，积极推进大模型和具身智能的融合发展。
二是进一步加大开源开发的力度，探索大模型的新型开源和推广模式，推出更多具有示范性、标志性的应用场景，牵引大模型在金融、教育、医疗等典型领域的垂直应用。
三是加快培育创新创业的生态，深化载体建设，提升服务能级，完善标准体系、安全准则、伦理规范。
陈杰表示，人工智能是上海重点发展的先导产业，长期以来上海集聚资源，加快打造世界级的产业集群。
“我们的创新成果在不断涌现。上海人工智能实验室开发的‘书生浦语’大模型开源发布，24款大模型也进行了备案，多款人形机器人也即将发布。”陈杰表示，“产业的载体也在持续拓展，徐汇的模速空间已经成为创业的热土，两万平方米的载体已经投入使用，吸引了60多家大模型企业入驻，形成了算力调度、开放数据、评测服务、金融服务、综合服务等全方位的创新创业的保障，产业生态也持续完善。上海率先发布了支持大模型的若干政策、举措，推动了大模型语料联盟的实体化运作，开源一系列高质量的语料数据。”
沈向洋：大模型将横扫所有垂直行业 算力是门槛
“通用人工智能时代，我们的机会到底在哪里？每个人讲来讲去都是一个词——AGI，以大模型为代表的通用人工智能。”沈向洋表示。应该如何思考通用人工智能，沈向洋提出了五个方面的见解。
一是重新思考人机关系。大模型出现以后，实际上迫使人们重新思考人机关系。计算机经历了几十年的发展，真正的赢家是做人机交互。
二是大模型将横扫所有垂直行业。“以A100为参考，通用大模型没有万卡，不上万亿参数的话，基本上就不太好意思说是通用模型。”沈向洋表示，行业大模型大致上可能是千亿卡的训练规模。未来，最有意思的是个人大模型，个性化参数以后，云、端等可以结合起来。
三是算力是门槛。“你需要非常强大的算力，千卡、万卡都是钱堆出来的。”沈向洋表示，“现在讲的最多的是Scaling Laws（尺度定律）。随着参数的增加，你对算力的需求几乎是平方的关系，随着参数的增加，数据量也在增加。如果干GPT 3.5的话，可能要一万张卡；干GPT 4的话，可能要两万五千张卡；干GPT 4.5的话，可能要五六万张卡；大家弄GPT 5的话，可能要十万张卡。”
四是AI的社会冲击。它有对民众的冲击、公司的冲击、政府监管的冲击和社会发展的冲击。
五是智能的本质。虽然通用人工智能蓬勃发展，但大家对智能的本质没有一个清晰认识，深度学习理论非常欠缺。沈向洋表示：“很多人相信尺度定律，但今天的深度学习，理论非常欠缺。从宇宙到量子，物理学有一套大一统的理论统一起来，叫作Theory of Everything。今天深度学习没有这样的理论，所以叫作Theory of Anything。”
商汤科技：AI模型有知识、推理、执行三大能力层
“最近大家在讨论一个热词——新质生产力。对于开发者来说，生成式AI是带来生产力工具、生产力突破的最好行业。”徐立表示。徐立带来了商汤科技对于AI 2.0时代的新质生产力工具的理解。
徐立把作为生产力工具的AI模型分成能力圈的三层。这三层之间互有依赖，但又不完全是相关的。
第一层是知识层。世界的知识被灌输到大模型能力中。今天很多生产力工具、代码解决的是知识层的问题。“你提出问题或者你需要它补全，需要它解决一些问题，背后的道理是世界上没有新鲜事，你做过的事情前人做过，所以你可以完成任务。”徐立说。
第二层是推理（演绎）。有了世界知识之后，从一个起点再往前演进。“你可以通过AI的过程，逐步把这个事实推理出来，给出更多的可能性。知识和演绎构造出来的两层，是作为生产力工具的大模型最重要的两层。”他表示，但从推理层面来说，目前成长还相对有限，这也是后面要集中突破的能力之一。
第三层是执行，即如何跟这个世界互动、反馈。
“这三层可以组成一个完备的、对世界提供生产力工具的大模型。”徐立表示，映射到大模型的代码上，知识是世界知识的全面灌注，中间的推理是用更高阶的思维逻辑导出一些知识所不具备的。最后是执行，某种意义上是具身智能的大脑，在执行上会有很大的突破。
上一篇：农业农村部科技创新战略咨询委员会成立下一篇： 返回列表