岭南半月谈是岭南影响力的一个子项目,以小型座谈会形式举行,每半月邀请业界专家,向听众们介绍某个行业或领域的发展情况及趋势,其中的机遇和挑战,引导、帮助从业人员加深行业了解,促进参会人员共商发展机遇,对自身职业发展形成更为清晰的规划。
2024年5月11日,岭南半月谈“数字经济系列”在广州市天河区维多利广场的岭南影响力总部举行,本期活动由岭南影响力主办,岭南学院校友胡奕兵女士主持。原追一科技产品研发负责人、时代智维创始人——董必立先生发表了“晨光初现--人工智能在产业上的应用与挑战”的主题演讲。
董必立先生主要从人工智能的历史与当前技术、人工智能在产业上的应用与挑战、人工智能未来发展的趋势等三个方面做了分享。
一、人工智能的历史与当前技术
(一)人工智能的起源与发展
人工智能的起源可以追溯到图灵机和图灵测试,艾伦·图灵提出了“机器能思考吗?”的问题,并提出了图灵机和图灵测试的概念,为人工智能的发展奠定了基础。人工智能最重要区分点就是“思考”。目前的人工智能距离“思考”还有比较大的距离。
(二)人工智能的发展历程
从1956年的达特茅斯会议开始,人工智能开始快速发展。60年代初开始,大家发现大规模数据和复制任务不能完成,计算能力无法突破,使得人工智能的发展进入第一个低谷。80年代,随着BP神经网络算法的发明和应用,人工智能的发展第二次加快,但随着发现训练量大又进入低谷中,最后是深度学习的提出才使得人工智能更进一步。直到2016年Alpha Go出现并战胜人类冠军、人脸识别率超过99%等,使得大家看到了人工智能的希望。特别是2023ChatGPT诞生、ChatGPT3.5的出现,人工智能的发展迎来了第三个高峰。目前人工智能还在发展中,在等待奇点的到来。
(三)当前主要技术的介绍
当前,人工智能的主要技术包括 Transformer、Diffusion、MoE 等。模型的底层的能力包括分类能力、特征提取能力、相关性和语义编码,然后才是编码与解码能力、学习能力、推理和想象、规则和决策等。
大模型是否可以解决一切问题?人工智能在某些领域超过人类,这些领域都是在相对固定的场景上,比如图像分类、基础阅读理解、英语语言理解、视觉推理等。在复杂场景理解上,人工智能和人类还有比较大的差距,比如多任务语言理解、竞赛数学等。
二、人工智能在产业上的应用与挑战
(一)人工智能在各行业的应用案例
在Alpha Go出现之后,人工智能在各行业的应用案例不断涌现,比如智慧城市、数字孪生城市、智能家居、数据智能、车路协同与自动驾驶等,还有AI+能源、AI+物流、AI+制造、AI+商业、AI+互联网、AI+政务、AI+泛安防、AI+医疗、AI+金融等不同的案例应用。
(二)人工智能产业发展趋势
大模型架构加速人工智能技术变现点到来,扩大人工智能+产业的商业价值空间,预计2028年中国人工智能产业规模8110亿元。在2023年人工智能产业各技术赛道投资中,AIGC公司融资事件数占比28%。
总体来看,从2012年到2023年,中国人工智能产业主要领域的融资情况于2017年、2018年达到高峰,随后开始下降。

(三)人工智能产业发展洞察
截至2023年10月,我国拥有10亿参数规模以上大模型的厂商及高校院所共计254家;2024年4月文心一言用户数突破了2亿,API日均调用量也突破了2亿,服务客户数达到了8.5万。人工智能论文的总数自 2010 年以来翻了一番以上。2023年人工智能相关词汇成为各大搜索引擎的热词。
但是,商汤、云从、旷世和依图AI四小龙,仍然在连年亏损。2023年NLP的标杆企业追一科技裁员60%;2024年2月21日另一家NLP标杆企业竹间智能宣布部分停工,王慧文的大模型项目“光年之外”被美团收购。一边是火,一边是冰,这就是产业现状。
(四)人工智能产业案例分享
1、自动驾驶
自动驾驶的智能化分为辅助驾驶L1、部分自动驾驶L2、有条件自动驾驶L3、高度自动驾驶L4、完全自动驾驶L5等5个阶段,当前所处发展阶段是L2和L3阶段。L2阶段只需要2 TELOPS算力,如果要达到L4需要320TOPS算力,是L2百倍。
自动驾驶需要有硬件基础、软件与算法。硬件基础主要提供了各种各样的传感器;算法主要是控制算法、感知算法、规控算法,对应是规模、感知、认知,最终是实现各个场景下的自动驾驶。
自动驾驶是通过数据采集、数据传输、数据存储、数据处理、数据挖掘、数据清洗、数据标注、数据标注、算法模型训练、验证、优化,形成循环。这个过程就是自动驾驶闭环迭代更新的过程。

2、智能客服
银行智能客服主要是从服务前、服务中、服务后进行智能替代,使用的人工智能包括:服务前是辅助机器人,服务中是数字人客服、在线客服、语音客服,服务后是智能质检。
智能客服主要实施过程是通过对接各种系统的数据库,按照业务需求对数据库整理成问题-答案FAQ知识点,再对知识点进行扩充,目的是在各个使用场景有足够的知识点支撑;然后将其放到不同终端的具体业务场景上进行沟通使用;这里面FAQ知识点的整理和扩充需要投入比较大的人力。
大模型出来之后,知识注入就不完全依赖人工,可进行自能力增强,再固化到具体产品中,然后使用到应用场景中;应用场景反馈的数据,形成思维链;思维链等额记过反馈到大模型中,提升大模型能力,从而形成闭环。
因为大模型单次请求计算量是小模型单次请求计算量25000倍,所以大小模型协同,让大模型出现在最应该出现的地方,才能成本可控、效果可控。在模型训练达到循环之后,效率提升是很明显的。
(五)人工智能产业发展挑战
人工智能产业发展面临的主要挑战是盈利困难、训练成本高,目前没有看到很多盈利的案例,截至2022年4月全球人工智能企业平均利润,只有日本地区实现了盈利,其他地区都没有盈利。训练成本高,谷歌花费了近2亿美元训练大模型,以前仅花费几千万美元。投入这么大代价,还只是研究通用能力。大模型能力相当于是一个本科生能力,需要技术专家和行业专家一起投入,才能训练成行业专家。
从成本和价值来看,对个人而言,可以以AI为杠杆扩展个人知识和能力的覆盖边界,不再为低效的事情花费时间;通过个人和点的能力提升,提升产业化的能力,使得产业整体效率提升;在产业提升的带动下,提升社会的价值,使得资源更合理配置,解决一些难题,最后是人类将获得更大的发展空间。
三、人工智能未来发展的趋势
(一)人工智能在哪里落地?
上一次科技革命,是从晶体管计算机、电子管计算机到集成电路计算机,最后变成是人手一台笔记本。现在的AI变化是:算力和算法的提升,将推动人工智能普及,人工智能的普及将反过来加速算力和算法的提升。最容易被GPT-4完全替代或者部分替代的行业可能是文案、娱乐、媒体、游戏等。
个人领域中,AI能够协助提供个人助手、智能分身。最好的方式是尽快建立自己的智能分身,以后会和AI的交互越来越方便。如果人脑接口完成,行业专家的知识很快就可以用到电脑上了。在个人领域和产业领域齐头并进,很可能是个人领域先跑出来。未来,人工智能将更加普及,个人用户将能够通过人工智能技术获得更多的便利和个性化服务。
社会领域中,需要做好重点领域规划和引领、数据开放和管理、守住道德底线。数字金融、垃圾回收、智慧农业等更多需要国家层面推动。
已有的产业将会重构。智能客服、数字人、机器视觉和数据治理与决策的算法基座将会更换;在目前算法和算力限制下,行业服务商、智能软件开发厂商和大型云计算公司将合作开发下一代AI产品;基于新的算法,原有AI产品的准确率和可用性将提升;各行业领军企业或者其行业内追赶者可能会引领行业的AI变革;如何在各个行业落地AI,将给当前的AI企业和新的AI公司带来一波机会;由互联网大厂把控的零售、物流和软件可能会使下一拨的先锋,游戏、汽车,数码、娱乐等行业应该其次,金融、医疗等受政策影响较大,工业领域数字化水平不高,先进设备主要依赖进口,应用成本较高。

个人新机会将会产生,超级个体会出现。个人应用AI成本大幅降低;个人将有机会将自己独有技能软件化,独有经历制作为内容产品;在产业平台基础上,个人的个性化定制产品将丰富多彩起来;行业和细分领域有比较好的数字化基础或者数字化代价较低,会最先被AI占据,比如软件开发、翻译、知识服务、法律服务、财务服务、医疗服务等领域;区块链和数字货币将为提供服务和内容的个人提供计价方式与报酬。
(二)AI 和数字化螺旋上升
人工智能将与数字化技术紧密结合,推动各行业的数字化转型和升级。首先,AI 能力会从个人赋能到行业、由点及面;其次,AI 化的个人和行业会加速全面数字化;最后,数字化程度的深化助推 AI 能力提升。当这个循环建立起来,就形成飞轮效应,使AI和数字化螺旋上升。
人工智能的必然途径是语义、语音、视觉、机器学习、共情能力。目前,人工智能在语义、语音、视觉已经有突破;等chatGPT5出来,机器学习可以突破;但是现在所有模型输入和输出没有直接闭环,这个闭环是人在参与,如果没有闭环,自我意识很难完成,共情能力(理解情感、自我意识)很难突破。
(三)智能体何时实现自迭代?
分享结束后,董必立先生与参会人员就东西方文字对大模型影响、东西方大模型差距、大模型开源框架、行业投融资情况、大模型训练成本、个人大模型使用、超级个体利用大模型进行闭环、AI学习、行业替代等话题进行了交流和讨论。
AI大模型近年来在自然语言处理、计算机视觉、机器学习等领域取得了重大突破,在多个领域得到了广泛应用,得到了全世界的关注的同时,也引起了部分人士的担忧。未来,AI将继续在技术创新方面取得突破,性能和应用范围将进一步扩大。AI已经成为现实,我们应该以开放、包容和积极的态度来看待和适应AI的发展。通过教育、合作、监管和创新等方面的努力,确保AI的发展符合人类的利益,并为社会的进步做出贡献。
