大模型AI的挑战和机会-CSDN博客

本文链接：https://blog.csdn.net/qingkahui24689/article/details/140286164

华先胜，现任特斯联集团CTO，IEEE Fellow，ACM Distinguished Scientist。

2008年获MIT技术评论“全球35个35岁以下杰出青年创新者”称号（TR35）。

1996年和2001年毕业于北京大学数学学院，分别获学士和博士学位；之后分别工作于微软亚洲研究院，微软美国必应搜索引擎，以及微软美国研究院，从事多媒体、计算机视觉和机器学习方面的研发工作；2015年4月加入阿里巴巴，先后任研究员，集团副总裁，达摩院城市大脑实验室主任。他的研究兴趣在大规模人工智能算法和系统领域，并深入应用于各行业。

华博士在国际主流会议和期刊上发表论文300余篇，100余项授权专利，曾担任ACM Multimedia等顶级学术会议的程序委员会主席和大会主席，并获得多个国际会议及期刊的最佳论文奖。

【一一AGI大模型学习所有资源获取处一一】

①人工智能/大模型学习路线

②AI产品经理入门指南

③大模型方向必读书籍PDF版

④超详细海量大模型实战项目

⑤LLM大模型系统学习教程

⑥640套-AI大模型报告合集

⑦从0-1入门大模型教程视频

⑧AGI大模型技术公开课名额

尊敬的各位嘉宾、校友以及在座的朋友们：

大家好！

去年到今年，大家应该也注意到了，「通用人工智能」这个词火得不行，AI技术取得了显著进展，这背后主要归功于像ChatGPT这样的应用和它背后的技术，包括语言模型、视觉生成模型和多模态模型。

它们的出现真是让人眼前一亮，感觉AI的能力往前跨越了一大步。

GPT刚出来时引起很大轰动，短短两个月时间突破1亿的用户增长速度，网飞却用了18年才达到这样的用户量。

此外，AI在各种考试中的表现，有的科目做得挺好，有的就差点意思。

比如高中数学竞赛，AI可能就不太在行。但像AP考试中偏知识型的AI的表现就不错。

人们普遍认为AI开启了新纪元，各种声音都有，技术派、硬件派、软件派、投资派，各有各的说法，而且有些听起来还挺吓人的，比如风险啊，颠覆啊之类的。

AI技术的发展也带来了不少争议与挑战。有人担心它可能带来的颠覆性风险，我们当然希望AI能带来革新，同时也要对人类产生正面影响。

数据隐私、安全性、可解释性等问题，不仅关系到 AI 的发展，也关系到我们每个人的切身利益。

现在，大模型成了各家公司的必争之地，不管是互联网大厂还是初创公司，都在卷。

大厂可能还扛得住，毕竟财大气粗，初创公司就难多了。

除了模型本身，还有基础设施建设，比如GPU集群，搞不明白是真投入还是凑热闹，这其中真假难辨，且造价高昂。应用层的竞争倒是可以更激烈一些，可能这里头的机会更多些。

人工智能的发展“势不可挡”，但之前也有人这么说过，关键在于我们怎么对待它，如果处理不当，人工智能可能会成为我们的阻碍；反之，则可能成为推动我们前进的力量。

是让它成为推动的「势」，还是阻碍的「挡」？关键在于我们如何对待和利用这项技术。

未来竞争不是人和AI之间，而是懂AI、会用AI的人之间的竞争，而不会使用AI的人很可能没有多少竞争的机会。还有更深层面的竞争，例如，利用AI技术提升了自身智慧和能力的人，恐怕是未来最具有竞争力的人。

给大家分享一些AI对产业产生不可替代价值的例子，在工业场景中，我做过的项目，比如图像搜索、智慧城市、三维重建、生产线质量检测，甚至鉴定白酒真伪……通过自动视觉分析提高生产线产品质量检测的效率和准确率是比较典型的例子。这些都是AI技术能够解决实际问题的例证，实打实应用。新冠疫情期间，我们还用AI分析CT影像，辅助诊断，成效也得到了医院和相关管理部门的认可，系统的第一段代码还被国家博物馆和中国科技馆收藏。

大模型的出现，让许多行业都看到了被AI重塑的可能，但这还没规模化实现。

原因有很多，可能是模式问题。各行业的智能化需求很多，技术虽然还在不断进步，但已经足够丰富，而且其中不少技术也能解决其中很多的问题，但这个事情并没有规模化的发生。比如医疗影像分析，智慧城市，工艺优化，生产管理等技术虽然听起来很美好，但实际应用并不广泛。这背后可能涉及商业和协作模式的问题。

近期基于大模型技术也做了很多尝试，像智能机器人、超级智慧园区、领域大模型支持企业办公和城市经济管理、全AI交互展厅，还有可控视觉内容生成，都是在尝试推动AI与行业的深度融合。

但是，我们必须面对一个现实问题：即便技术日益成熟，真正的规模化的商业化应用仍然有限。很多AI公司特别是创业公司面临生存挑战。为什么会这样？值得我们深入思考。其中非常重要的三个要素是：是否能创造不可替代的价值，是否可以规模化，以及是否有竞争力（我常戏称为口诀“一不可一可有”）。这三条缺了哪一条都有可能面临相应的巨大挑战。

未来，AI会更加关注于提升人的能力，让生活更美好，这可以叫「向内」的AI，或者说是「内外兼修」的AI。

大部分AI技术，赋能人类的时候，是以外部工具形式出现的，没有这些工具了，人也没有这些能力了。向内的AI不同，它是提升人类自身的能力，离开AI，人仍然具有这些能力，例如AI教育提升学习的效率和效果，AI运动分析提升运动员的竞技水平。

无论是运动分析、教育，还是其他AI向内的领域，AI不再仅是外部工具，而是让人自身变得更为强大、更为美好。

大模型AI最近火热，但其技术和应用的发展面临很多挑战，例如研发和使用的高门槛、中美差距、芯片自主问题、价值体现、模型的安全性、能源、人机关系，以及还有很多大模型热潮中似是而非的认知或多或少影响大模型AI的发展和应用。

但是，尽管挑战很多，我们在模型、系统和应用层都还有技术创新和产业落地的机会，关键是根据自身的条件和优势，找到适合自己的位置。基础模型层面，有足够资金支持的，可以继续去卷Scaling Law，尽管可能难以打持久战，还是应该有人去攻的；捉襟见肘的可以去看模型本身可以创新的地方，例如引入因果，而非只靠相关性；在领域模型和系统层面，可以创新和落地更多百行千业，结合有门槛的行业know-how，构建各个领域的大模型能力，创造各自场景中的不可替代的价值；在应用层，技术门槛可能相对低一些，但在产品设计和运营方面如果有优势，也有很大的创新空间。不过卷后两层需要注意到是，要做到基础大模型能力不断增强的时候，你仍然有存在的价值。

总之，AI势不可挡，但我们要思考如何让它为人类带来正向影响，如何确保AI服务于人类，而不是替代人类。如何在人机共存的世界中，保持人类的不可替代性，人类仍然处在主宰地位。我们应提升自身能力，与AI协同工作，共同创造一个人机共存的未来。

最后，我想强调一点：**不仅是所有AI系统可以用大模型AI技术重做一遍，而是所有的系统都可以用大模型AI技术改写一遍。**AI将深刻影响各行各业，这不仅意味着技术上的革新，更代表着一种思维模式、工作模式、生活模式的转变 — 我们应该如何处理人工智能与人类的关系？关于这些问题的思考，我有一个TedX演讲，大家有兴趣可以参考TedXHuangpu演讲：智能时代，人类还是万物之灵吗？

总结来说，AI技术正在改变世界的每一个角落，但它的发展道路并非一帆风顺。我们需要深刻理解其潜力与局限，找到合适的商业模式和应用场景来最大化其价值。同时，我们也应积极探讨人工智能如何更好地服务于人类发展和社会进步。

在这个智能时代，提升自己，用好AI，才是关键。

希望大家都能在AI的浪潮中找到自己的位置。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：