“MEET2023智能未来大会”举行
中新网上海新闻12月17日电（记者缪璐）什么是“MEET2023智能未来大会”?大会上来了哪些重磅嘉宾?他们在大会上探讨了什么主题？“MEET2023智能未来大会”14日通过线上举行，ChatGPT作为AI代表与人类嘉宾们一起回顾这一年来人工智能的发展,展望智能科技的未来。
大会主要分成三个维度:新技术新模型变革下,对计算、算力提出的新标准、新要求、新机遇;时代级机遇求解征途中,诞生了哪些新场景、新物种、新应用;以及当下已经纵横于各行各业的AI,究竟还有什么样的新路径、新方案、新价值?
郑纬民院士:AI基准的设计能达到4个指标
首先开场的,是计算机系统结构这一学科泰斗,中国工程院院士、清华大学计算机科学与技术系郑纬民。毫无疑问的是,人工智能算力是当前人工智能领域发展的关键,此次他主要分享了他们所在团队对人工智能的三件事。简单来说,就是AI与算力基础设施的设计、评测和优化。第一件事,提出了一种AI算力基础设施的架构和平衡设计原则。第二件事,就是大规模人工智能算力基准评测程序AIPerf。第三件事,就是百万亿参数超大规模训练模型的加速方法。
高通Ziad Asghar:如何让“智能网联边缘”成为现实
高通技术公司产品管理高级副总裁Ziad Asghar,负责骁龙平台的产品规划以及公司所有产品线中应用处理器相关技术。他的工作服务于公司所有业务部门,包括移动、汽车、计算、XR、边缘云和物联网。他在大会上提出:AI处理的重心正在持续向边缘侧转移。原因有多方面,大量的数据在边缘侧产生,当今消费者希望拥有更好的数据隐私、希望数据可靠,并希望及时获取处理结果。Ziad相信,目前我们所利用的终端侧AI能力还只是冰山一角,而从智能车到元宇宙,终端侧AI的需求巨大。高通十分期待能够引领市场向着充分利用智能网联边缘的方向继续推进,让智能网联边缘成为现实。
潞晨尤洋:AI落地面临很大问题,是最先进的 AI技术训练成本太高
潞晨科技董事长兼总裁、新加坡国立大学校长青年教授尤洋,则介绍了一种全新的AI大模型解决方案Colossal-AI,面向未来各种大模型应用场景的低成本落地。
首先,Colossal-AI解决的是一个什么样的问题?从过去AI模型发展的参数量来看,2016年—2021年模型大小从200多万增长到了1.6万亿,相当于翻了成千上万倍。而不管是大企业、小企业,大家都普遍把自己的模型做得更大,因为效果会更好。但一个很大问题是,大模型或者是最先进的AI技术训练成本太高了。因此未来迫切需要一个可扩展、高效的计算基础设施Colossal-AI。
Colossal-AI主要由三部分组成。高效的内存管理系统。因为大模型本质上还是太吃内存；自动的N维并行技术；大规模优化技术。
从三方面把AI模型的训练部署性能提到最高,目标是希望用户只需要在自己单机笔记本上写好代码,通过Colossal-AI能够无缝地部署到云端或者是超级计算机上。
浪潮刘军:智算力就是创新力
浪潮信息副总裁、浪潮人工智能与高性能计算产品线总经理刘军分享的主题是“AI新时代智算力就是创新力”。
刘军提出了“算力当量”的概念,用PetaFLOP/s-days(PD)这个指标来衡量算力消耗,也就是每秒千万亿次计算完整运行一天,完成一个任务需要多少这样的计算量。
刘军还分享了当前智能计算发展的三个重要趋势:第一是算力多元化。在国内市场上有十几种CPU芯片、将近100种AI算力芯片,原因是算力应用场景多元化。这就需要从系统的硬件角度、从平台的软件角度来进行相应的创新支撑。
第二是模型巨量化,大模型使得AI从五年前的能听会看走到今天能思考、会创作,下一步甚至到会推理、能决策的进步。下一个挑战是如何把大模型能力交付到众多中小企业手中,帮助他们实现智能化转型。
第三是元宇宙。现在元宇宙的构建包括协同创建、高精仿真、实时渲染、智能交互,每一个环节都需要大量算力去支撑。这里不光是AI计算,还有仿真计算、图像渲染计算,这对算力基础设施的硬件平台和软件栈都提出了更高的要求。
小冰李笛:我们为什么想和ChatGPT交流?
AI绘画、对话式AI为代表的AIGC今年在全球引发热潮,小冰公司也作为行业先行者备受瞩目:刚刚完成一轮10亿元的新融资,用于推动虚拟员工的普及。不过,小冰公司首席执行官李笛在会上没有多谈产品,而是分享了对大家更有借鉴意义的行业趋势。
李笛认为,每一次技术变革都是在改变人与世界/人与人之间的关系。在人与世界关系这条线上,我们经历了门户网站、搜索引擎、推荐算法。它们利用计算机系统实现了高并发,一次触达很多用户。但缺点是转化率低,如果想提高转化率就需要人工客服,人力成本巨大。
下一站,该看向AI Being。AI Being与之前的人机交互相比,关键不同在于高转化率,如小冰岛App的留存率就高达39%。另一个例子是ChatGPT,通过它获取知识比搜索引擎的准确度要低,但为什么人们都愿意和它交流?ChatGPT改善的不是准确率而是行为,让AI有了主体性。从行为模式判断与从结果上判断一个技术,就会得到完全不同的结论:它能和你建立一种以往没有过的一种关联,这种关联的价值本身具有非常大的商业价值。李笛认为,AI Being的未来还会引发很多新的变革。
路特斯李博:智能车是当下机器人的第一形态
各行各业进入存量竞争时期,互联网经济机遇过去,路特斯科技副总裁、路特斯机器人公司总经理李博认为,“机器人时代”比“元宇宙时代”更符合人类对星辰大海的预期。
元宇宙是把人带入虚拟世界,而机器人则是把AI带到真实世界。李博分享了对“机器人时代”的关键认知:第一,智能车是机器人的第一形态,也是当下最重要的机器人形态。第二,行业经常提“软件定义汽车”,但我们认为“硬件定义软件的天花板”。第三,在更高更快更强的时代,路特斯是智能车的最佳实践平台。基于此,路特斯机器人推出四条产品线：智能驾驶全栈软件解决方案,包含端到端的高阶智能驾驶系统、ADAS/PAS功能、以及车端OS操作系统及中间件等。
百度段润尧:聪明的脑袋、足够的资源和最好的技术匹配起来,就能做出量子计算机
当前,量子时代正在加速到来,接近70%全球企业都想或正在布局相关技术。国内像百度这样的技术大厂,今年率先给出了从底层硬件到上层应用的一整套产业化解决方案。
百度量子计算研究所所长段润尧就在大会现场分享了百度是如何思考量子计算的。
这个时代已经到了第二次量子革命,这几年应该是量子真正开始和计算相结合的关键几年,为什么说量子计算出现是必不可少的。
第一,芯片尺寸小到一定程度就到了量子尺度。要想摩尔定律延续下去,就需要考虑新的计算模式。而且量子计算本身,能耗也非常低。第二,数据量很大。想模拟一个量子系统,哪怕非常小但所需存储量也很巨大,比如300个量子比特,就超过整个宇宙可见原子数目。第三,全新计算范式,在解决特定问题上有指数级优势。第四,信息安全,可以攻破RSA系统。
也正因为这些可能性,量子科技一直受到行业关注。有相关机构预计,到了2031年将有8000亿元市场规模直接与量子计算相关。
那么量子计算可以应用在那些方面呢?典型的有,药物研发、金融科技、材料模拟、信息安全等领域。除此之外,量子计算与的人工智能还是一个相互纠缠的关系,从上层应用、框架到底层硬件都可以产生相互联系。另一方面,量子计算也受益于AI,尤其是深度学习。
微软刘铁岩:AI for Science:追求人类智能最光辉一面
同样正在探寻AI for Science价值的,还有微软亚洲研究院副院长,微软研究院科学智能中心亚洲区负责人刘铁岩。
最近十年,人工智能在很多任务已经可以和人类媲美,效果惊艳。但这些结果主要集中在感知和认知层面,并没有反映出人类智能里最光辉的一面——认识世界和改造世界。
微软前同事Jim Gray曾对科学发现的四个范式做了总结,分别是经验范式、理论范式、计算范式和数据驱动。最近几年大家尤其关注的一种新范式,叫做AI for Science。它是前四种范式的有机结合,发挥了理论和经验各自的特长,又把人工智能和计算科学融合在一起。刘铁岩认为,它值得叫做第五范式。
接着他就AI for Science分为三个方面进行深入介绍。第一,如何用AI求解物理方程?第二,如何用AI从科学数据中发掘有效信息?第三,如何从实验数据出发,用AI发现新的物理方程,形成科学发现的闭环。
阿里贾扬清:工程化和开源是AI普惠最重要的两大支撑
AIGC爆发成为当下AI绕不过去的话题。如果溯源,是从1999年的纹理生成,再到2015年前后的神经风格迁移,再到现在更强语义的AI创作。这些创新背后的推动机制,总结来说就是AI普惠的两大支撑:AI工程化和开源。
这也就是阿里巴巴集团副总裁、阿里云计算平台事业部负责人贾扬清分享的主题。
工程化,让开发、迭代到应用的路径变得更加简单;开源可以让工作开展更加迅速,实现市场共赢。在这个基础之上,AI的产业落地有以下明显趋势:
第一,云原生的AI工程化平台;第二,大规模端到端的异构计算体系;第三,通过算法的系统组合实现更加智能的、贴近用户需求的产品;最后,通过算法的开源助力AI在产业垂直化落地。这四个趋势,无论从供给角度还是需求角度,都是推动AI进一步往前走的方向。
在量子位总编辑李根的主持下,主要围绕三大话题展开:过去成果进展、核心驱动力以及行业趋势。
今年一年,对于禾多和小马智行都是关键的时间点。禾多科技创始人、CEO,国内自动驾驶最早的先行者倪凯表示,今年是自动驾驶飞速发展的一年,就禾多来说,跟广汽的合作算是开结果,跟传祺的影酷和埃安的AION LX,不管是高阶的泊车还是高阶的行车都有落地。这样的上路运行,打开禾多未来服务更多用户、产品落地的先机。
小马智行副总裁、北京研发中心负责人,清华姚班校友张宁总结道,三大业务板块包括Robotaxi、Robotruck、面向辅助驾驶的乘用车业务,都取得了了关键性进展。比如Robotaxi实现了前排无人,Robotruck获得了整个智能卡车领域最大的单量。
那么跟行业预期相比,今天站在这个时间节点为什么出现2022年?倪凯和张宁都认为,今年整个上下游产业链正在肉眼可见的蓬勃发展,这是一个非常好的趋势。
那背后的核心驱动力又是什么呢?张宁表示,技术依旧是所有发展的核心驱动力。到了今天有两个趋势越来越明晰,一条路径往深水区深耕;另一条是整个技术的普惠和规模化。
倪凯则更关注两个驱动力,一个整个社会或行业,对自动驾驶未来的预期,包括经济效益、社会效益,这样才会有更多创业者、资本参与进来。
第二大驱动力是为消费者创造价值。尤其是跟四五年前相比,辅助驾驶普及率越来越高,这种商业化落地,是真正地驱动人们,越来越笃定地走在这条道路上。
而对于目前整个行业而言,明星公司说倒就倒,市场都在说自动驾驶寒冬,两位是如何看待行业的趋势变化的?
张宁则表示,这跟整个资本大环境相关。做无人驾驶是需要战略定力的一件事,像跑马拉松,需要耕耘最终才能取得收获。对Argo而言,其实这是一个个例,只是刚巧在节骨眼上放大化了。很多时候一点点变化,背后其实是革命性、阶段性的跃迁。我们很看好2023年自动驾驶技术可以在国内进一步落地应用。更多耕耘在L4领域的玩家,真正以无人驾驶形态向大众提供服务。
在倪凯看来,目前有两个比较大的时间点。第一件事,高阶自动驾驶大规模落将在2025年形成相对成熟期,后面就是一个比较线性或者比较快速的增长状态。第二件事本质上是跑通商业模式,这可能是一个更长要去探索的事情,需要整个行业来共同把它从黎明前的黑暗推向最后真正光明的艰难过程。
最后,还有一个互动打分的环节:如果将自动驾驶的终点定为满分,那么现在距离100分还有多远?
张宁认为,对小马智行来说,已经到99.99后面的小数点了,可能我们也就只差临门一脚了,但要耐得住寂寞、能够有这种定力是很难的一件事情。
而倪凯则表示,他们现在是在往90分、100分走的过程中,接下来的三年非常关键,可能是真正打磨产品,让产品体验上升一个台阶,最终赢得市场的一个关键时间。
中关村科金张杰:对话式AI走到L0-L5的哪个阶段?
在数智化转型的大趋势中,中关村科金以AI+数字化营销·运营·服务为引擎,为500余家金融、零售、教育、医疗、智能制造等行业头部企业提供了数字化解决方案。
中关村科金技术副总裁张杰,在会上分享了关于对话式AI在企业服务中的一些观点和经验。
在过去60年时间里,对话式AI经历了三个大的技术发展阶段:基于规则匹配的时代、“虚拟个人助理”应用的时代,基于大规模预训练语言模型的时代。
对于未来发展方向,张杰表示:“对话式AI在企业服务赛道上存在巨大的市场空间和技术提升空间,为此中关村科金提出了领域知识和会话分析双驱动的对话系统。希望通过对话式AI为企业打造金牌销售,帮助企业带来创新增长和用户体验的提升。”
这场大会上,十余位行业领域用他们过去的积淀积累,做出对未来的解答。而这些也只不过众多智能技术变革的前行路径的一撮。
为了给更多同行者落地参考,“2022人工智能年度评选”结果也已揭晓,50大领航企业、20大最具价值创业公司、30大领军人物、10大最佳产品,以及10大最佳解决方案等人工智能领域年度奖项悉数颁出。（完）