ChatGPT：我圍觀了量子位MEET2023智能未來大會，還當(dāng)了一回課代表

　　什么是“MEET2023智能未來大會”?

　　大會上來了哪些重磅嘉賓?

　　他們在大會上探討了什么主題?

　　沒錯!ChatGPT也參與了今年的大會,作為AI代表與人類嘉賓們一起回顧這一年來人工智能的發(fā)展,展望智能科技的未來。

　　下面還是老樣子,一文看盡。

　　不同的是,這次的內(nèi)容由ChatGPT協(xié)助編輯部共同整理。整場大會主要分成三個維度:

　　新技術(shù)新模型變革下,對計算、算力提出的新標(biāo)準(zhǔn)、新要求、新機遇;

　　時代級機遇求解征途中,誕生了哪些新場景、新物種、新應(yīng)用;

　　以及當(dāng)下已經(jīng)縱橫于各行各業(yè)的AI,究竟還有什么樣的新路徑、新方案、新價值?

　　新標(biāo)準(zhǔn)、新要求、新機遇

　　鄭緯民院士:AI基準(zhǔn)的設(shè)計能達到4個指標(biāo)

　　首先開場的,是計算機系統(tǒng)結(jié)構(gòu)這一學(xué)科泰斗,中國工程院院士、清華大學(xué)計算機科學(xué)與技術(shù)系鄭緯民。毫無疑問的是,人工智能算力是當(dāng)前人工智能領(lǐng)域發(fā)展的關(guān)鍵,那么此次他主要分享了他們所在團隊對人工智能的三件事。

　　簡單來說,就是AI與算力基礎(chǔ)設(shè)施的設(shè)計、評測和優(yōu)化。

　　第一件事,提出了一種AI算力基礎(chǔ)設(shè)施的架構(gòu)和平衡設(shè)計原則。目前全國20多個人工智能超算中心基本上都采納了他們團隊的設(shè)計思想。

　　首先,他談到了HPC與AI之間的不同,包括應(yīng)用領(lǐng)域、運算精度等方面�；�于此,他們提出了人工智能計算機設(shè)計的平衡性原則,包括計算平衡設(shè)計、網(wǎng)絡(luò)平衡計算、IO子系統(tǒng)設(shè)計。

　　目前,行業(yè)整體趨勢是HPC+AI+BigData融合在一起。未來兩到四年,三者融合的服務(wù)器就會出現(xiàn)。

　　第二件事,就是大規(guī)模人工智能算力基準(zhǔn)評測程序AIPerf。

　　傳統(tǒng)的AI算力評測基準(zhǔn)存在著只針對單個芯片、只是移動端的硬件、可擴展性不好等問題,因此整個行業(yè)沒有太合適的,于是他們就決定自己做一個。

　　AI基準(zhǔn)設(shè)計要達到這四個目標(biāo):統(tǒng)一的分?jǐn)?shù)、可變的規(guī)模、具有實際的人工智能意義、評測程序包含必要的多機通信。最終,以清華大學(xué)為主要團隊做了AIPerf來測試,已于2020年11月15日發(fā)布。

　　第三件事,就是百萬億參數(shù)超大規(guī)模訓(xùn)練模型的加速方法。

　　學(xué)界達成一個基本共識,那就是模型規(guī)模和模型效果呈正相關(guān)關(guān)系。但模型規(guī)模上去了,CPU的內(nèi)存、計算能力是有限的。因此大模型訓(xùn)練一定是多機的,分布并行的。

　　現(xiàn)在主要有三種并行方式:數(shù)據(jù)并行、模型并行、專家并行。他們把這三種并行訓(xùn)練模型開源到FastMOE系統(tǒng)當(dāng)中,得到了工業(yè)界許多認可,比如阿里的淘寶天貓,騰訊、百度飛槳的MOE模塊都用到了他們的系統(tǒng)。

　　最后他希望,他們團隊做的三點小貢獻,能夠推動人工智能的發(fā)展。

　　高通Ziad Asghar:如何讓「智能網(wǎng)聯(lián)邊緣」成為現(xiàn)實

　　高通技術(shù)公司產(chǎn)品管理高級副總裁Ziad Asghar,負責(zé)驍龍平臺的產(chǎn)品規(guī)劃以及公司所有產(chǎn)品線中應(yīng)用處理器相關(guān)技術(shù)。他的工作服務(wù)于公司所有業(yè)務(wù)部門,包括移動、汽車、計算、XR、邊緣云和物聯(lián)網(wǎng)。

　　他在大會上提出:AI處理的重心正在持續(xù)向邊緣側(cè)轉(zhuǎn)移。

　　原因有多方面,大量的數(shù)據(jù)在邊緣側(cè)產(chǎn)生,當(dāng)今消費者希望擁有更好的數(shù)據(jù)隱私、希望數(shù)據(jù)可靠,并希望及時獲取處理結(jié)果。

　　高通專注于“基于統(tǒng)一的技術(shù)路線圖”進行產(chǎn)品開發(fā),能夠全面覆蓋智能網(wǎng)聯(lián)邊緣,實現(xiàn)規(guī)�；瘮U展。

　　高通的AI技術(shù)已經(jīng)賦能20億終端,實現(xiàn)這一成果的核心是高通AI引擎(Qualcomm AI Engine)。高通AI引擎包含圖形處理單元、CPU,以及更核心的Hexagon處理器,其具備高度可擴展性的硬件架構(gòu),并在性能和能效方面全面領(lǐng)先競爭對手。

　　為了讓AI在終端側(cè)發(fā)揮最大作用,高通還帶來多項硬件和軟件技術(shù):

　　支持INT4精度推理,高通傳感器中樞,高通AI軟件棧、Qualcomm AI Studio……

　　過去,幾乎所有的AI推理都在云端進行。如今,我們已經(jīng)開始將大量推理工作轉(zhuǎn)移至邊緣側(cè)終端進行。下一步,就是實現(xiàn)完全分布式的AI,也就是轉(zhuǎn)向終端側(cè)學(xué)習(xí)的范式。

　　利用終端側(cè)學(xué)習(xí),將能夠為每一個用戶打造個性化體驗,這就是高通正在前進的方向。據(jù)Ziad介紹高通AI研究團隊一直專注不同的方法包括小樣本學(xué)習(xí)、無標(biāo)記數(shù)據(jù)持續(xù)學(xué)習(xí)、支持全局適應(yīng)的聯(lián)邦學(xué)習(xí)和低復(fù)雜性終端側(cè)學(xué)習(xí),來解決終端側(cè)學(xué)習(xí)部署的挑戰(zhàn)。。

　　Ziad相信,目前我們所利用的終端側(cè)AI能力還只是冰山一角,而從智能車到元宇宙,終端側(cè)AI的需求巨大。

　　高通十分期待能夠引領(lǐng)市場向著充分利用智能網(wǎng)聯(lián)邊緣的方向繼續(xù)推進,讓智能網(wǎng)聯(lián)邊緣成為現(xiàn)實。

　　潞晨尤洋:AI落地面臨很大問題,是最先進的 AI技術(shù)訓(xùn)練成本太高

　　潞晨科技董事長兼總裁、新加坡國立大學(xué)校長青年教授尤洋,則介紹了一種全新的AI大模型解決方案Colossal-AI,面向未來各種大模型應(yīng)用場景的低成本落地。

　　首先,Colossal-AI解決的是一個什么樣的問題?從過去AI模型發(fā)展的參數(shù)量來看,2016年—2021年模型大小從200多萬增長到了1.6萬億,相當(dāng)于翻了成千上萬倍。而不管是大企業(yè)、小企業(yè),大家都普遍把自己的模型做得更大,因為效果會更好。

　　但一個很大問題是,大模型或者是最先進的AI技術(shù)訓(xùn)練成本太高了。Stability AI每年光花計算的錢就大概2000萬美元。

　　因此未來迫切需要一個可擴展、高效的計算基礎(chǔ)設(shè)施Colossal-AI。

　　其次,Colossal-AI主要由三部分組成。

　　1)高效的內(nèi)存管理系統(tǒng)。因為大模型本質(zhì)上還是太吃內(nèi)存。

　　2)自動的N維并行技術(shù)。

　　3)大規(guī)模優(yōu)化技術(shù)。

　　從三方面把AI模型的訓(xùn)練部署性能提到最高,目標(biāo)是希望用戶只需要在自己單機筆記本上寫好代碼,通過Colossal-AI能夠無縫地部署到云端或者是超級計算機上。

　　目前訓(xùn)練大模型主要有三種并行方式:數(shù)據(jù)并行、張量并行、流水線并行。

　　Colossal-AI的解決方案首先是支持了上述主流并行方案,然后我們創(chuàng)新性地打造了2D張量并行、2.5D張量并行以及3D張量并行,以及提出了數(shù)據(jù)序列并行,還提供了降低顯存消耗的異構(gòu)內(nèi)存管理和大規(guī)模并行優(yōu)化,把它們整合起來提供一套自動并行的解決方案。

　　其實AI工程師、研究員,不需要理解背后的技術(shù)細節(jié),只需要把模型的信息、計算資源告訴我們,就可以自動地把計算資源能力發(fā)揮到最大化,同時完成虛擬模型訓(xùn)練和自動部署,輕松低成本應(yīng)用AI大模型。

　　浪潮劉軍:智算力就是創(chuàng)新力

　　浪潮信息副總裁、浪潮人工智能與高性能計算產(chǎn)品線總經(jīng)理劉軍分享的主題是“AI新時代智算力就是創(chuàng)新力”。

　　劉軍提出了“算力當(dāng)量”的概念,用PetaFLOP/s-days(PD)這個指標(biāo)來衡量算力消耗,也就是每秒千萬億次計算完整運行一天,完成一個任務(wù)需要多少這樣的計算量。

　　比如特斯拉的DOJO用于感知模型的訓(xùn)練和仿真,算力當(dāng)量是500個PD。AlphaFold2的訓(xùn)練消耗300個PD。

　　再加上AI大模型訓(xùn)練、數(shù)字人的建模和渲染等方向,我們可以確切地感受到今天在AI領(lǐng)域的眾多創(chuàng)新背后離不開智算力的支撐,所以我們可以說智算力就是創(chuàng)新力。

　　接下來,劉軍還分享了當(dāng)前智能計算發(fā)展的三個重要趨勢:

　　第一是算力多元化。在國內(nèi)市場上有十幾種CPU芯片、將近100種AI算力芯片,原因是算力應(yīng)用場景多元化。這就需要從系統(tǒng)的硬件角度、從平臺的軟件角度來進行相應(yīng)的創(chuàng)新支撐。

　　第二是模型巨量化,大模型使得AI從五年前的能聽會看走到今天能思考、會創(chuàng)作,下一步甚至到會推理、能決策的進步。下一個挑戰(zhàn)是如何把大模型能力交付到眾多中小企業(yè)手中,幫助他們實現(xiàn)智能化轉(zhuǎn)型。

　　第三是元宇宙�，F(xiàn)在元宇宙的構(gòu)建包括協(xié)同創(chuàng)建、高精仿真、實時渲染、智能交互,每一個環(huán)節(jié)都需要大量算力去支撐。這里不光是AI計算,還有仿真計算、圖像渲染計算,這對算力基礎(chǔ)設(shè)施的硬件平臺和軟件棧都提出了更高的要求。

　　新場景、新物種、新應(yīng)用

　　小冰李笛:我們?yōu)槭裁聪牒虲hatGPT交流?

　　AI繪畫、對話式AI為代表的AIGC今年在全球引發(fā)熱潮,小冰公司也作為行業(yè)先行者備受矚目:剛剛完成一輪10億元的新融資,用于推動虛擬員工的普及。

　　不過,小冰公司首席執(zhí)行官李笛在會上沒有多談產(chǎn)品,而是分享了對大家更有借鑒意義的行業(yè)趨勢。

　　李笛認為,每一次技術(shù)變革都是在改變?nèi)伺c世界/人與人之間的關(guān)系。

　　在人與世界關(guān)系這條線上,我們經(jīng)歷了門戶網(wǎng)站、搜索引擎、推薦算法。

　　它們利用計算機系統(tǒng)實現(xiàn)了高并發(fā),一次觸達很多用戶。但缺點是轉(zhuǎn)化率低,如果想提高轉(zhuǎn)化率就需要人工客服,人力成本巨大。

　　下一站,該看向AI Being。

　　AI Being與之前的人機交互相比,關(guān)鍵不同在于高轉(zhuǎn)化率,如小冰島App的留存率就高達39%。

　　另一個例子是ChatGPT,通過它獲取知識比搜索引擎的準(zhǔn)確度要低,但為什么人們都愿意和它交流?

　　人們在使用它時往往心里已經(jīng)有了答案。如果ChatGPT給出的結(jié)果都準(zhǔn)確,那人們會認為它很強大,即使不準(zhǔn)確,人們也會覺得很有意思。

　　其實ChatGPT改善的不是準(zhǔn)確率而是行為,讓AI有了主體性。從行為模式判斷與從結(jié)果上判斷一個技術(shù),就會得到完全不同的結(jié)論:

　　它能和你建立一種以往沒有過的一種關(guān)聯(lián),這種關(guān)聯(lián)的價值本身具有非常大的商業(yè)價值。

　　李笛認為,AI Being的未來還會引發(fā)很多新的變革。

　　如數(shù)字員工會使toB和toC的界限變得模糊,比如銀行的數(shù)字客戶經(jīng)理可能會與客戶變成朋友。

　　又比如AI Being將不再隸屬于某一平臺,人們在客服、手機、汽車上與同一個AI Being交流,得到更加無縫、24小時、持續(xù)連貫的服務(wù)。

　　同時這種方式也能建立更好的反饋機制,推動系統(tǒng)得到更好的發(fā)展。

　　AI Being比現(xiàn)在的虛擬偶像等數(shù)字人應(yīng)用,還有千倍百倍的價值沒被看到。

　　路特斯李博:智能車是當(dāng)下機器人的第一形態(tài)

　　各行各業(yè)進入存量競爭時期,互聯(lián)網(wǎng)經(jīng)濟機遇過去,下一個人類的星辰大海會在哪里?

　　路特斯科技副總裁、路特斯機器人公司總經(jīng)理李博認為,「機器人時代」比「元宇宙時代」更符合人類對星辰大海的預(yù)期。

　　元宇宙是把人帶入虛擬世界,而機器人則是把AI帶到真實世界。

　　接下來,李博分享了對「機器人時代」的關(guān)鍵認知:

　　第一,智能車是機器人的第一形態(tài),也是當(dāng)下最重要的機器人形態(tài)。像掃地機器人、酒店服務(wù)機器人等,從市場規(guī)模、體量及社會影響力來說,和智能車相比仍存在差距。

　　第二,行業(yè)經(jīng)常提「軟件定義汽車」,但我們認為「硬件定義軟件的天花板」。例如,當(dāng)不同年代的蘋果手機都升級到同樣的操作系統(tǒng),其體現(xiàn)出來的性能卻是千差萬別的。

　　第三,在更高更快更強的時代,路特斯是智能車的最佳實踐平臺�；�于此,路特斯機器人推出四條產(chǎn)品線。

　　智能駕駛?cè)珬＼浖�解決方案,包含端到端的高階智能駕駛系統(tǒng)、ADAS/PAS功能、以及車端OS操作系統(tǒng)及中間件等。

　　ROBOVERSE產(chǎn)學(xué)研生態(tài)系統(tǒng),一方面用路特斯機器人在實踐開發(fā)過程中產(chǎn)生的優(yōu)質(zhì)數(shù)據(jù),打造公開數(shù)據(jù)集,為創(chuàng)業(yè)公司及院校賦能;另一方面支持院校做智能駕駛的探索和嘗試,在路特斯機器人的加持下,北京理工大學(xué)和同濟大學(xué)的方程式車隊在2022年中國大學(xué)生方程式賽事中各取得優(yōu)異成績,其中,北京理工大學(xué)路特斯無人駕駛方程式車隊更是贏得2022中國大學(xué)生無人駕駛方程式大賽全國總冠軍。

　　智能駕駛運營解決方案,核心目的是對當(dāng)下智能駕駛系統(tǒng)能力的不足做彌補和提升。例如路特斯平行守護系統(tǒng),讓后臺專業(yè)的平行守護駕駛員接入前臺車輛,輔助前臺車輛更好地完成智能駕駛?cè)蝿?wù),這一套系統(tǒng)在不久的將來,也會逐步對外賦能。

　　ROBO Galaxy智駕工具鏈SaaS系統(tǒng),也稱為智能駕駛的云端數(shù)據(jù)工廠。ROBO Galaxy包含七大模塊,分別是數(shù)據(jù)采集、數(shù)據(jù)合規(guī)、數(shù)據(jù)標(biāo)注、數(shù)據(jù)訓(xùn)練、數(shù)據(jù)仿真、數(shù)據(jù)管理及數(shù)據(jù)監(jiān)控,提供全流程服務(wù),并構(gòu)成了全生命周期的數(shù)據(jù)鏈閉環(huán)。

　　ROBO Galaxy不僅旨在提升算法軟件迭代速度,提供優(yōu)質(zhì)的測試環(huán)境,也致力于解決目前普遍存在的數(shù)據(jù)孤島與業(yè)務(wù)斷點問題。因此,李博認為,未來的智能駕駛產(chǎn)品一定是批量化、高質(zhì)量、穩(wěn)定地生產(chǎn)出來,這就要依托ROBO Galaxy,讓智能駕駛開發(fā)從「手工坊」變成「流水線」。由此可見,ROBO Galaxy代表著智能駕駛未來的生產(chǎn)力。

　　百度段潤堯:聰明的腦袋、足夠的資源和最好的技術(shù)匹配起來,就能做出量子計算機

　　當(dāng)前,量子時代正在加速到來,接近70%全球企業(yè)都想或正在布局相關(guān)技術(shù)。國內(nèi)像百度這樣的技術(shù)大廠,今年率先給出了從底層硬件到上層應(yīng)用的一整套產(chǎn)業(yè)化解決方案。

　　百度量子計算研究所所長段潤堯就在大會現(xiàn)場分享了百度是如何思考量子計算的。

　　我們身處的這個時代其實已經(jīng)到了第二次量子革命,這幾年應(yīng)該是量子真正開始和計算相結(jié)合的關(guān)鍵幾年,為什么說量子計算出現(xiàn)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。要想摩爾定律延續(xù)下去,就需要考慮新的計算模式。而且量子計算本身,能耗也非常低。

　　第二,數(shù)據(jù)量很大。想模擬一個量子系統(tǒng),哪怕非常小但所需存儲量也很巨大,比如300個量子比特,就超過整個宇宙可見原子數(shù)目。

　　第三,全新計算范式,在解決特定問題上有指數(shù)級優(yōu)勢。

　　第四,信息安全,可以攻破RSA系統(tǒng)。

　　也正因為這些可能性,量子科技一直受到行業(yè)關(guān)注。有相關(guān)機構(gòu)預(yù)計,到了2031年將有8000億元市場規(guī)模直接與量子計算相關(guān)。

　　那么量子計算可以應(yīng)用在那些方面呢?典型的有,藥物研發(fā)、金融科技、材料模擬、信息安全等領(lǐng)域。

　　除此之外,量子計算與的人工智能還是一個相互糾纏的關(guān)系,從上層應(yīng)用、框架到底層硬件都可以產(chǎn)生相互聯(lián)系。另一方面,量子計算也受益于AI,尤其是深度學(xué)習(xí)。2020年百度就曾搭建了一個量子機器學(xué)習(xí)平臺。

　　即便有這么多機會,那實際真正走入生活還需要多遠?段潤堯團隊正在做的,就是量子計算的產(chǎn)業(yè)化道路。

　　那就需要解決這幾個方面的問題,硬件的穩(wěn)定性、好的軟件平臺,以及自動化的芯片設(shè)計方案。

　　百度提出了QIAN戰(zhàn)略。Q就是量子算法、量子AI及量子架構(gòu)。I就是軟件和硬件的基礎(chǔ)設(shè)施。除此之外,還要真正識別出一些具有重大應(yīng)用價值的場景,A就是實際的一些重要的應(yīng)用。最后當(dāng)然還有網(wǎng)絡(luò),N指量子互聯(lián)網(wǎng),除此之外我們也需要建立生態(tài)網(wǎng)絡(luò)。

　　演講的最后,段潤堯做了一下展望:

　　實際上我二十多年來一直在思考一個問題,如何真正能夠造出一臺量子計算機,我的結(jié)論其實很簡單,就是聰明的腦袋,再加上有足夠的資源和現(xiàn)有的最好的技術(shù),匹配起來就可以做出量子計算機。

　　從這個意義上講,全球可以有很多不同的組合都可以做出這樣的機器,這個過程是可以等價的。

　　微軟劉鐵巖:AI for Science:追求人類智能最光輝一面

　　同樣正在探尋AI for Science價值的,還有微軟亞洲研究院副院長,微軟研究院科學(xué)智能中心亞洲區(qū)負責(zé)人劉鐵巖。

　　最近十年,人工智能在很多任務(wù)已經(jīng)可以和人類媲美,效果驚艷。但這些結(jié)果主要集中在感知和認知層面,并沒有反映出人類智能里最光輝的一面——認識世界和改造世界。

　　微軟前同事Jim Gray曾對科學(xué)發(fā)現(xiàn)的四個范式做了總結(jié),分別是經(jīng)驗范式、理論范式、計算范式和數(shù)據(jù)驅(qū)動。最近幾年大家尤其關(guān)注的一種新范式,叫做AI for Science。它是前四種范式的有機結(jié)合,發(fā)揮了理論和經(jīng)驗各自的特長,又把人工智能和計算科學(xué)融合在一起。劉鐵巖認為,它值得叫做第五范式。

　　接著他就AI for Science分為三個方面進行深入介紹。

　　第一,如何用AI求解物理方程?

　　我們可以不再用數(shù)值解法來求解物理方程,而是通過AI得到更高效解。并且只要有足夠算力就可以無限生成完美的訓(xùn)練數(shù)據(jù)。此外,近年來還出現(xiàn)了一種physics informed training,甚至不需要提前生成訓(xùn)練數(shù)據(jù),只需要在訓(xùn)練的過程中,動態(tài)驗證AI模型的輸出是否滿足物理方程,定義損失函數(shù)即可,而驗證方程比求解方程簡單得多。劉鐵巖介紹了他們團隊在這個方向上的一些最新研究成果,如Graphormer,Deep Vortex Net,并展示了它們在分子模擬、流體模擬等領(lǐng)域取得的突出成果。

　　第二,如何用AI從科學(xué)數(shù)據(jù)中發(fā)掘有效信息?

　　各種實驗設(shè)備每年都產(chǎn)生海量數(shù)據(jù),但顯然不能靠人工有效處理;還有每年都有近150萬篇論文發(fā)表,但任何科學(xué)家都沒有精力讀完。劉鐵巖的團隊利用AI方法來自動分析高能粒子對撞的射流數(shù)據(jù),提出了LorentzNet模型,將洛倫茲等變性構(gòu)建在模型之中,在新粒子發(fā)現(xiàn)領(lǐng)域取得了比前人顯著提高的精度;他們還利用科學(xué)文獻訓(xùn)練了SPT模型,對科學(xué)文獻信息的科學(xué)知識進行抽取、總結(jié)、和預(yù)測。

　　第三,如何從實驗數(shù)據(jù)出發(fā),用AI發(fā)現(xiàn)新的物理方程,形成科學(xué)發(fā)現(xiàn)的閉環(huán)。

　　比如物理的守恒定律,一旦實驗數(shù)據(jù)不滿足守恒性,往往暗示著一些新物理規(guī)律的存在。劉鐵巖的團隊設(shè)計了一個雙通道的AI模型,可精準(zhǔn)地從實驗數(shù)據(jù)中自發(fā)地學(xué)到很多已有規(guī)律。

　　最后,他對AI for Science未來的發(fā)展表達了希冀:

　　我們相信AI for Science將會對自然科學(xué)產(chǎn)生巨大影響,尤其在解釋生命奧秘、以及保障環(huán)境可持續(xù)發(fā)展方面,都有很大的潛力,沿著這兩個方面我們進行了很多探索。也希望大家加入我們,一起推動科學(xué)發(fā)現(xiàn)的新邊界!

　　新路徑、新方案、新價值

　　阿里賈揚清:工程化和開源是AI普惠最重要的兩大支撐

　　AIGC爆發(fā)成為當(dāng)下AI繞不過去的話題。如果溯源,是從1999年的紋理生成,再到2015年前后的神經(jīng)風(fēng)格遷移,再到現(xiàn)在更強語義的AI創(chuàng)作。這些創(chuàng)新背后的推動機制,總結(jié)來說就是AI普惠的兩大支撐:AI工程化和開源。

　　這也就是阿里巴巴集團副總裁、阿里云計算平臺事業(yè)部負責(zé)人賈揚清分享的主題。

　　工程化,讓開發(fā)、迭代到應(yīng)用的路徑變得更加簡單;開源可以讓工作開展更加迅速,實現(xiàn)市場共贏。在這個基礎(chǔ)之上,AI的產(chǎn)業(yè)落地有以下明顯趨勢:

　　第一,云原生的AI工程化平臺;

　　第二,大規(guī)模端到端的異構(gòu)計算體系;

　　第三,通過算法的系統(tǒng)組合實現(xiàn)更加智能的、貼近用戶需求的產(chǎn)品;

　　最后,通過算法的開源助力AI在產(chǎn)業(yè)垂直化落地。

　　這四個趨勢,無論從供給角度還是需求角度,都是推動AI進一步往前走的方向。接著賈揚清從這四個角度介紹了他們正在做的事情。

　　其中,在端到端的異構(gòu)計算與優(yōu)化上,阿里開源的分布式訓(xùn)練框架EPL和推理優(yōu)化工具PAI-Blade,能讓算法工程師在訓(xùn)練和推理環(huán)節(jié)大幅提升效率;此外,通過軟硬件協(xié)同優(yōu)化,他們也研發(fā)了更貼合AI需求的計算設(shè)施。

　　在這個領(lǐng)域比較有意思的點,是AI計算與傳統(tǒng)科學(xué)計算之間有很強的共性。AI for Science這個趨勢很明顯,分子學(xué)、物理、化學(xué)等領(lǐng)域需要處理海量科學(xué)數(shù)據(jù),而AI和數(shù)據(jù)系統(tǒng)所積累下來的異構(gòu)計算的模式和環(huán)境,正好符合這個需求。

　　“今天,非常多的專家、企業(yè)、開發(fā)者們在建設(shè)著上層的AI算法;而在AI底層,如何讓工具變得更加易用、更加普惠,這正是我們在做的事情。”

　　自動駕駛:路上見真章

　　作為業(yè)內(nèi)最具影響力和號召力的第三方,MEET2023智能未來大會同樣設(shè)置了一場自動駕駛論壇——路上見真章。

　　從第一年圍繞Demo談技術(shù)進展,第二年談如何交互,到去年談到如何商用,順應(yīng)時代之發(fā)展,今年就開始談到上路On the Road的問題。本次邀請到的兩位代表性嘉賓分別是:

　　禾多科技創(chuàng)始人、CEO,國內(nèi)自動駕駛最早的先行者倪凱;

　　小馬智行副總裁、北京研發(fā)中心負責(zé)人,清華姚班校友張寧。

　　在量子位總編輯李根的主持下,主要圍繞三大話題展開:過去成果進展、核心驅(qū)動力以及行業(yè)趨勢。

　　“上路”進展

　　首先是今年一年,對于禾多和小馬智行都是關(guān)鍵的時間點。

　　倪凱表示,今年是自動駕駛飛速發(fā)展的一年,就禾多來說,跟廣汽的合作算是開結(jié)果,跟傳祺的影酷和埃安的AION LX,不管是高階的泊車還是高階的行車都有落地。這樣的上路運行,打開禾多未來服務(wù)更多用戶、產(chǎn)品落地的先機。

　　而張寧總結(jié)道,三大業(yè)務(wù)板塊包括Robotaxi、Robotruck、面向輔助駕駛的乘用車業(yè)務(wù),都取得了了關(guān)鍵性進展。比如Robotaxi實現(xiàn)了前排無人,Robotruck獲得了整個智能卡車領(lǐng)域最大的單量。

　　那么跟行業(yè)預(yù)期相比,今天站在這個時間節(jié)點為什么出現(xiàn)2022年?倪凱和張寧都認為,今年整個上下游產(chǎn)業(yè)鏈正在肉眼可見的蓬勃發(fā)展,這是一個非常好的趨勢。

　　核心驅(qū)動力

　　既然如此這背后的核心驅(qū)動力又是什么呢?

　　張寧表示,技術(shù)依舊是所有發(fā)展的核心驅(qū)動力。到了今天有兩個趨勢越來越明晰,一條路徑往深水區(qū)深耕;另一條是整個技術(shù)的普惠和規(guī)�；�。

　　倪凱則更關(guān)注兩個驅(qū)動力,一個整個社會或行業(yè),對自動駕駛未來的預(yù)期,包括經(jīng)濟效益、社會效益,這樣才會有更多創(chuàng)業(yè)者、資本參與進來。

　　第二大驅(qū)動力是為消費者創(chuàng)造價值。尤其是跟四五年前相比,輔助駕駛普及率越來越高,這種商業(yè)化落地,是真正地驅(qū)動人們,越來越篤定地走在這條道路上。

　　行業(yè)趨勢

　　而對于目前整個行業(yè)而言,明星公司說倒就倒,市場都在說自動駕駛寒冬,兩位是如何看待行業(yè)的趨勢變化的?

　　張寧則表示,這跟整個資本大環(huán)境相關(guān)。做無人駕駛是需要戰(zhàn)略定力的一件事,像跑馬拉松,需要耕耘最終才能取得收獲。對Argo而言,其實這是一個個例,只是剛巧在節(jié)骨眼上放大化了。很多時候一點點變化,背后其實是革命性、階段性的躍遷。我們很看好2023年自動駕駛技術(shù)可以在國內(nèi)進一步落地應(yīng)用。更多耕耘在L4領(lǐng)域的玩家,真正以無人駕駛形態(tài)向大眾提供服務(wù)。

　　在倪凱看來,目前有兩個比較大的時間點。第一件事,高階自動駕駛大規(guī)模落將在2025年形成相對成熟期,后面就是一個比較線性或者比較快速的增長狀態(tài)。第二件事本質(zhì)上是跑通商業(yè)模式,這可能是一個更長要去探索的事情,需要整個行業(yè)來共同把它從黎明前的黑暗推向最后真正光明的艱難過程。

　　最后,還有一個互動打分的環(huán)節(jié):如果將自動駕駛的終點定為滿分,那么現(xiàn)在距離100分還有多遠?

　　張寧認為,對小馬智行來說,已經(jīng)到99.99后面的小數(shù)點了,可能我們也就只差臨門一腳了,但要耐得住寂寞、能夠有這種定力是很難的一件事情。

　　而倪凱則表示,他們現(xiàn)在是在往90分、100分走的過程中,接下來的三年非常關(guān)鍵,可能是真正打磨產(chǎn)品,讓產(chǎn)品體驗上升一個臺階,最終贏得市場的一個關(guān)鍵時間。

　　中關(guān)村科金張杰:對話式AI走到L0-L5的哪個階段?

　　在數(shù)智化轉(zhuǎn)型的大趨勢中,中關(guān)村科金以AI+數(shù)字化營銷·運營·服務(wù)為引擎,為500余家金融、零售、教育、醫(yī)療、智能制造等行業(yè)頭部企業(yè)提供了數(shù)字化解決方案。

　　中關(guān)村科金技術(shù)副總裁張杰,在會上分享了關(guān)于對話式AI在企業(yè)服務(wù)中的一些觀點和經(jīng)驗。

　　在過去60年時間里,對話式AI經(jīng)歷了三個大的技術(shù)發(fā)展階段:基于規(guī)則匹配的時代、“虛擬個人助理”應(yīng)用的時代,基于大規(guī)模預(yù)訓(xùn)練語言模型的時代。

　　發(fā)展到現(xiàn)在的階段,張杰認為目前對話式AI幾個趨勢值得關(guān)注:

　　細分賽道,過去十幾年間對話式AI主要的應(yīng)用場景還是在toC,如智能音響、智能家電、個人手機助理等市場滲透率較高,依照《AI對話系統(tǒng)分級定義》已經(jīng)能夠達到L3的等級。相比之下,企業(yè)服務(wù)方面市場滲透率比較低、開發(fā)潛力大,同時技術(shù)成熟度相對落后,只能夠完成單一場景下的對話,在L1-L2之間。

　　對話形式,在腦機接口真正商用落地之前,對話仍然是最主要的一種溝通手段,除了基礎(chǔ)的文本和語音交互外,多模態(tài)、數(shù)字人的交互方式會越來越多,比如遠程銀行、數(shù)字營業(yè)廳等。

　　從技術(shù)維度上來看,對話式AI不僅是對話的技術(shù),將來還會是多種前沿科技的一個集大成者,融合感知智能、認知智能和決策智能。

　　聚焦在企業(yè)服務(wù)賽道上,張杰認為對話式AI潛在市場空間巨大,應(yīng)用場景豐富,但現(xiàn)階段面臨著幾項技術(shù)挑戰(zhàn),例如場景遷移問題、可解釋性,快速運維等。”

　　如何解決這些難題呢?中關(guān)村科金在過去8年間,服務(wù)了10多個行業(yè)、500余家客戶的對話場景,總結(jié)出了一套雙引擎對話系統(tǒng)的技術(shù)實踐。領(lǐng)域知識中臺和對話分析系統(tǒng)作為對話決策系統(tǒng)的雙引擎,一方面,領(lǐng)域知識能夠提升系統(tǒng)的可解釋性和可運維性;另一方面,會話分析能夠挖掘出話語背后的常見目的、和常見的行為模式。

　　而對于未來發(fā)展方向,張杰表示:“對話式AI在企業(yè)服務(wù)賽道上存在巨大的市場空間和技術(shù)提升空間,為此中關(guān)村科金提出了領(lǐng)域知識和會話分析雙驅(qū)動的對話系統(tǒng)。希望通過對話式AI為企業(yè)打造金牌銷售,幫助企業(yè)帶來創(chuàng)新增長和用戶體驗的提升。”

　　AI for Science圓桌論壇:AI三要素之外,還有哪些挑戰(zhàn)?

　　AI for Science在這一年備受矚目且進展不斷,除了AlphaFold所在的生物醫(yī)藥領(lǐng)域,還在材料、物理甚至數(shù)學(xué)上發(fā)揮出越來越重要的作用。

　　下午的圓桌論壇話題就聚焦于此,參與討論的嘉賓有:

　　深勢科技 CTO胡成文,負責(zé)組建業(yè)務(wù)研發(fā)、平臺研發(fā)兩大團隊。深勢科技致力于運用人工智能和分子模擬算法,結(jié)合先進計算手段求解重要科學(xué)問題。

　　百圖生科BioMap副總裁、產(chǎn)業(yè)基金董事總經(jīng)理瞿佳潤。百圖生科是中國首家由生物計算引擎驅(qū)動的創(chuàng)新藥物研發(fā)平臺。

　　英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰。由他帶領(lǐng)的藥物研發(fā)團隊,是業(yè)內(nèi)首批利用AlphaFold展開藥物研發(fā)實踐的團隊之一。

　　討論的第一個話題,面對AI for Science在今年的迅速火熱,會覺得有一些意外嗎?

　　三位嘉賓一致認為,這其實是可預(yù)測、可預(yù)見的。

　　胡成文重點介紹了AI for Science這個概念的起源和發(fā)展情況:

　　2018年最早由由深勢科技首席科學(xué)顧問、中科院院士鄂維南提出

　　2019年各大高校開始成立這個方的實驗室。

　　2021年之后迅速被英偉達、DeepMind等國際機構(gòu)公開采用。

　　2022年微軟在全球成立了重磅機構(gòu)AI for Science研究院,國內(nèi)外產(chǎn)業(yè)界也紛紛跟進。

　　胡成文希望有更多同仁加入進來,一起推動AI for Science從概念到落地、從學(xué)界走向工業(yè)界,真正解決行業(yè)面臨的實際問題。

　　AI4S備受矚目是其重要性和發(fā)展的必然結(jié)果,AI4S能夠在很多人類文明的基礎(chǔ)且關(guān)鍵問題的研究上給予我們高質(zhì)高效的支撐,當(dāng)現(xiàn)有的途徑或者工具無法滿足時,新的,更好的途徑和工具就會出現(xiàn),且被迅速應(yīng)用起來。

　　瞿佳潤的理解是,AI for Science對應(yīng)著AI for Industry,也就是說AI在工業(yè)界的應(yīng)用開展更早�？蒲猩舷Ｍ�利用AI去提高效率的痛點長期存在,所以一旦當(dāng)技術(shù)條件成熟,AI for Science的快速鋪開還是可以預(yù)見的。

　　任峰則提出AI for Science還分為狹義和廣義。廣義的AI for Science不光是解決底層的問題,也解決實際應(yīng)用上的問題,它的爆發(fā)完全在意料之中。

　　下一個話題,AI for Science對于目前的科研和應(yīng)用帶來了怎樣的變革?

　　胡成文從計算層面給出回答。在復(fù)雜問題上往往數(shù)據(jù)線性增長,而需要的計算量指數(shù)級增長。AI可以在在保持科學(xué)原理精度的情況下降低它的計算復(fù)雜度,解決傳統(tǒng)的科學(xué)范式解決不了的問題。

　　瞿佳潤具體舉了生物制藥的例子,有了AI for Science工具之后,流程從3、4個月縮短到一個月,顯著提升效率問題。另外在靶點研究上,AI還能把問題系統(tǒng)化,最終體現(xiàn)在成功率的提升。

　　任峰認為傳統(tǒng)的藥物研發(fā)都是靠人來想象的,有了AI加持可以探索更多的化學(xué)空間和生物學(xué)空間,帶來更大的創(chuàng)新性。

　　第三個話題,還有哪些領(lǐng)域可能復(fù)制AlphaFold今天在生物醫(yī)藥領(lǐng)域所帶來的改變?

　　瞿佳潤提到了生物領(lǐng)域還有基因組學(xué)上的預(yù)測,包括一個細胞怎么表征免疫激活狀態(tài),再進一步到藥物響應(yīng)問題。

　　胡成文認為,很多問題本質(zhì)上都是底層原子、分子的性質(zhì)/結(jié)構(gòu)/相互作用力決定了上層宏觀的性質(zhì),因此AI for Science在很多基礎(chǔ)科學(xué)的研究方面都有廣泛的發(fā)展空間。近年來,人工智能和傳統(tǒng)科研結(jié)合呈現(xiàn)的巨大潛能使得人工智能在科學(xué)中的應(yīng)用出現(xiàn)了眾多重要主題。與此同時,AI4S(AI for Science,AI用于科學(xué)發(fā)現(xiàn))在工業(yè)產(chǎn)業(yè)實踐中的應(yīng)用潛力已被頭部廠商充分認可和重視。生物科技、能源、半導(dǎo)體、材料等領(lǐng)域的行業(yè)先鋒已經(jīng)開始系統(tǒng)性投入AI4S的研究和具體行業(yè)解決方案的大規(guī)模應(yīng)用。在工業(yè)仿真、合成農(nóng)業(yè)、環(huán)境科學(xué)、機器人、天體物理、地質(zhì)學(xué)、圖形學(xué)等領(lǐng)域,AI4S也有巨大的想象空間有待開發(fā)。未來,AI4S帶來的將不僅僅是幾個點上的突破,而是科研方法的全面改變。從生命的基本組成(蛋白質(zhì))到世界工業(yè)的基本要素(材料)到各個科學(xué)技術(shù)領(lǐng)域,AI4S不只是解決具體問題的有力工具,更是重新定義科學(xué)問題的系統(tǒng)性思路,我們深勢科技正在引領(lǐng)實踐這一思路。

　　最后一個話題,AI for Science目前面臨的最大挑戰(zhàn)是什么,還是算法、算力、數(shù)據(jù)這三要素么?

　　任峰認為最大的挑戰(zhàn)是如何管理預(yù)期。預(yù)期太高的話,任何一個失誤都會造成社會對整個行業(yè)失去一定信心。目前就算有AI的加持,只是提高了效率和一些成功率,但并不能做到100%的成功。

　　瞿佳潤認為生物學(xué)問題上最重要的還是數(shù)據(jù),比如體外的數(shù)據(jù)很難映射到體內(nèi)環(huán)境,并且目前公開數(shù)據(jù)的質(zhì)量還是非常差的。另外無論是AI還是傳統(tǒng)生物學(xué)手段做科研,還需要一個好的研究體系去配合。

　　胡成文認為傳統(tǒng)的三大要素肯定還是重要的,新出現(xiàn)的挑戰(zhàn)還有人才問題,尤其是跨學(xué)科復(fù)合型人才比較緊缺。以及生態(tài)共建問題,相比于傳統(tǒng)AI在商業(yè)形成了完整的生態(tài)鏈,AI for Science在這方面剛開始起步。

　　騰訊劉偉:只靠數(shù)據(jù)驅(qū)動的AI缺乏可解釋性,要與領(lǐng)域知識相結(jié)合

　　最后登場的,騰訊醫(yī)療健康A(chǔ)IDD技術(shù)負責(zé)人劉偉,他從騰訊制藥AI算法實踐的角度來探討AI for Science的價值。

　　主要做了三個部分的介紹:騰訊云深平臺、平臺案例分享,以及騰訊云深A(yù)I平臺的技術(shù)優(yōu)勢總結(jié)。

　　首先,目前騰訊云深A(yù)I藥物發(fā)現(xiàn)平臺主要包括兩大功能模塊,第一個功能模塊就是小分子藥物發(fā)現(xiàn),第二塊是大分子藥物發(fā)現(xiàn),主要指抗體藥物發(fā)現(xiàn)。

　　其中,小分子藥物發(fā)現(xiàn)還包括蛋白質(zhì)結(jié)構(gòu)預(yù)測、分子生成等模塊,大分子里面包括抗體結(jié)構(gòu)預(yù)測、抗體抗原的對接以及抗體的人源化改造等模塊組成。

　　接著,劉偉分享了他們幾年來制藥AI實踐中的典型案例。包括國內(nèi)做得最早的蛋白質(zhì)結(jié)構(gòu)預(yù)測tFold、結(jié)合物理學(xué)特征和本地數(shù)據(jù)訓(xùn)練的ADMET基礎(chǔ)模型以及骨架躍遷分子生成算法等。

　　基于這些實踐的積累,劉偉團隊搭建了屬于自己的優(yōu)勢壁壘。核心有四個方面。

　　第一塊,就是AI算法方面。藥物AI研發(fā)這塊的最主流就是圖神經(jīng)網(wǎng)絡(luò),在做藥物之前,騰訊在深度圖神經(jīng)網(wǎng)絡(luò)就有深厚的研發(fā)積累,包括現(xiàn)在的大規(guī)模隨機采樣、自監(jiān)督學(xué)習(xí)和層次圖深度學(xué)習(xí)等領(lǐng)域。

　　第二塊和第三塊,就是大算力、大數(shù)據(jù)的能力。比如在一個龐大的化學(xué)空間發(fā)現(xiàn)藥物分子是不容易的,這就要求AI模型能夠理解這么大的空間,也就需要分子、蛋白質(zhì)、核酸等領(lǐng)域的大模型,以及訓(xùn)練大模型的算力和基礎(chǔ)架構(gòu)。

　　最后一塊,AI與物理、化學(xué)領(lǐng)域知識方面的結(jié)合。這是基于之前的算法算力上面的能力新生長出來的獨特優(yōu)勢,騰訊云深在AI與量子化學(xué)的結(jié)合方向上研發(fā)了獨特的DeepQC框架,可以在大的體系上,花費較少的算力達到高的精度。實際上,只靠數(shù)據(jù)驅(qū)動的AI缺乏可解釋性,如果能將AI算法跟物理、化學(xué)領(lǐng)域知識結(jié)合起來,這樣訓(xùn)練出來的模型過擬合風(fēng)險較低,在實際應(yīng)用中也有非常好的可解釋性。

　　以終為始,生生不息

　　即將過去的這一年,是時代級機遇與挑戰(zhàn)交織的一年。

　　一方面我們深刻的感知到,隨著硬科技創(chuàng)新、產(chǎn)學(xué)研轉(zhuǎn)化、全新冪集創(chuàng)新周期的到來,一場關(guān)于數(shù)字化、智能化的機器革命,正在加速落地。

　　但另一方面,全球風(fēng)云波云詭譎,技術(shù)創(chuàng)新也來到深水區(qū),內(nèi)外交織的挑戰(zhàn)比以往來得更加嚴(yán)峻。

　　于是關(guān)乎本源、關(guān)于終局的思考求解,要比以往更加迫切:

　　科技發(fā)展的起伏周期,如何穿越?

　　是終極場景倒推技術(shù)創(chuàng)新,所誕生的新場景、新物種、新應(yīng)用?還是順勢而為下的新計算、新方案、新價值?亦或是以一敵百,堅定的技術(shù)創(chuàng)新信念者?

　　以終為始,生生不息。

　　這場大會上,十余位行業(yè)領(lǐng)域用他們過去的積淀積累,做出對未來的解答。而這些也只不過眾多智能技術(shù)變革的前行路徑的一撮。

　　為了給更多同行者落地參考,「2022人工智能年度評選」結(jié)果也已揭曉,50大領(lǐng)航企業(yè)、20大最具價值創(chuàng)業(yè)公司、30大領(lǐng)軍人物、10大最佳產(chǎn)品,以及10大最佳解決方案等人工智能領(lǐng)域年度獎項悉數(shù)頒出。

　　同時,也為了讓更多關(guān)心前沿科技的讀者了解更多前沿趨勢,本次大會還發(fā)布了2022年度前沿科技報告書,由量子位智庫出品,后續(xù)將上線詳細解讀稿,敬請期待。