人工智能在经历前期技术积累和迭代后，逐渐突破传统分析型AI领域，迎来了生成式AI的爆发期。以生成式人工智能（AIGC）、数字人、多模态、AI大模型、智能决策为代表的热点为市场带来了更多想象空间和可能性。 IDC预计，2026年中国AI市场将达到264.4亿美元规模。为了抓住这个“风口”，近年来国内市场上涌现出许多基于AIGC的大模型产品，一些与AI深度结合的应用产品也开始进行线上测试，初步形成了“模型—场景—生态”的良性循环。从应用价值来看，AIGC有望成为数字内容创新发展的新引擎，为数字经济发展注入新动能。 政策驱动我国大模型发展 随着数字经济的快速发展和数字化升级的推进，人工智能的重要性日益凸显。AI技术的创新迭代驱动了应用场景的进一步落地，企业对自身“数字化”“数智化”转型的积极推动催生出对AI技术的多元化需求，为中国AI市场规模的长期增长奠定了基础。 政策助推人工智能产业发展。2017年，我国出台了《新一代人工智能发展规划》，作为中国政府发布的首个人工智能国家级战略，该规划提出了到2020年和2030年的两个阶段性目标，旨在抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国。为进一步规范人工智能管理，国家互联网信息办公室还发布了《生成式人工智能服务管理办法（征求意见稿）》，明确提出国家支持人工智能算法、框架等基础技术的自主创新、推广应用、国际合作，鼓励优先采用安全可信的软件、工具、计算和数据资源。 地方政府也出台了多个推动大模型技术发展的政策举措。北京、上海、深圳等地先后出台政策举措，鼓励企业围绕人工智能大模型加快创新步伐，开展大模型创新算法及关键技术研究，探索通用人工智能新路径，打造人工智能创新高地。 政府对人工智能领域的重视，促进了“产学研用”结合，为中国大模型产业的发展提供了强有力的支持。随着技术的进一步突破和创新，中国有望在大模型领域取得更多的成果，并与全球领先国家共同推动人工智能大模型的发展和应用。 大模型如“雨后春笋”般涌现 抢抓产业“风口”，国内大模型如“雨后春笋”般涌现。今年6月，国内大模型产品和应用迎来集中发布。6月1日，阿里云宣布聚焦音视频内容的AI新品“通义听悟”正式上线，“通义听悟”成为国内首个开放公测的大模型应用产品；6月6日，百度智能云推出基于大模型打造的新一代编码辅助工具“Comate”，并正式开放邀请测试；6月9日，科大讯飞发布星火认知大模型V1.5；6月13日，360公司发布认知型通用大模型“360智脑4.0”；6月28日，中国联通发布“鸿湖图文大模型”，这是国内首个面向运营商增值业务的AI大模型。 7月，更多大模型产品问世。7月4日，北大团队发布首个中文法律大模型“ChatLaw”；7月6日，中国电信发布大语言模型“TeleChat”，赋能数据中台、智能客服、智慧政务3个方向；7月7日，华为发布“盘古大模型3.0”；7月8日，中国移动发布“九天1+N大模型”，主要面向政务和客服两大应用场景；7月13日，京东正式发布“言犀大模型”，同时还发布了言犀AI开发计算平台，预计8月正式上线。 “AI正在走进人们的生活，未来将彻底渗透到每个人的生活和工作中。AI可以成为个人助理、生活助理、工作助理等，以赋能的方式影响人们生产生活的方方面面。”IDC中国研究总监卢言霞预测道。 产业场景是AI应用的最佳“练兵场” 总体来看，中国大模型产业化应用大致出现两种并行的发展路径。一是跨行业通用化人工智能能力平台，其应用正从办公、生活、娱乐加速向医疗、工业、教育等领域渗透。二是针对生物制药、遥感、气象等垂直领域的专业类大模型，提供针对特定业务场景的专业化解决方案。而大模型产业价值的关键，在于降低AI的使用门槛，将其特征、能力与各种场景结合，实现场景效率的提升，并成为新型数字化基础设施。 “对话、写诗、作画绝不是大模型的全部，我们需要深入思考大模型的应用方向，要将大模型切实投入到城市发展、金融科技、生物医药、工业制造、科学研究等领域，也需要专业的企业和组织加速其在实体产业落地，为产业带来实实在在的大价值，从而在真正意义上大规模服务社会。”中国工程院院士邬贺铨曾讲道。 如今，AIGC在教育、金融、医疗、工业等行业的应用也快速发展。在教育领域，AIGC赋予教育材料新活力，相对于阅读和讲座等传统方式，AIGC为教育工作者提供了新的工具，使原本抽象、平面的课本具象化、立体化；在金融领域，AIGC助力实现降本增效，金融机构可通过AIGC实现金融资讯、产品介绍视频的自动化生产，提升内容运营的效率；在医疗领域，AIGC赋能诊疗全过程，如可用于改善医学图像质量等；在工业领域，AIGC提升产业效率和价值，极大缩短工程设计周期，加速数字孪生系统的构建…… 总体来看，AIGC日渐成为与其他各类产业深度融合的横向结合体，其相关应用正加速渗透到经济社会的方方面面。而产业场景是AI应用的最佳“练兵场”。“在‘百模大战’之下，未来能够占据头部市场的或许只是少数具有实力的通用大模型及其引领的AI生态。”卢言霞认为，AI厂商不能局限于拼战略和概念，而应该追求大模型的效率提升以及实际落地的价值。 比起通用大模型，企业更需要针对具体行业的大模型，以结合企业自身的数据进行训练和精调，打造出更实用的智能服务。通用大模型不一定懂行业的专业术语，也不了解企业内部独特的情况，因此回答会比较笼统，信息也不够及时。企业如果基于行业大模型，再加上用自身数据进行精调，可以建构专属模型，打造出高可用的智能服务。 因此，未来AIGC的发展应聚焦于实际产业场景，着力于推动数字经济发展。AIGC产业国际竞争的关键，不在于一个国家有多少大模型，而是大模型上有多少原生的AI应用，这些应用能够在多大程度上提升生产效率。因此，未来以大模型为代表的信息技术，应着力于驱动数字经济与实体经济深度融合，从而做强做优做大我国数字经济。 大模型发展还面临多方面挑战 如今，越来越多的企业和机构在各个领域积极探索和应用AIGC与大模型技术，数字化服务市场空间巨大；但随着人工智能技术的不断成熟，大规模落地问题逐渐成为企业重点，目前阻碍AI落地的原因主要在数据量不足、模型复杂度高、算力不足等方面。 首先是数据模态多维，质量参差不齐。获取大量高质量的数据是实现AI应用的前提。但是，中小企业通常面临数据量不足、数据质量差、数据格式不兼容等问题，这些问题对于模型的训练效率和输出效果都有直接影响。因此，高质量的数据是AI企业最宝贵的资源之一。 其次是算法模型开发、优化难度大。AI算法模型的研发和优化过程非常复杂，通常涉及多个学科领域，如机器学习、深度学习、统计学、计算机视觉等，需要不同领域的专业人才，而当前中国人才缺口较大。 最后是算力资源不足，投资成本过高。AI应用需要大量的算力资源，特别是需要通过GPU提高模型的训练和推理速度，中小企业往往很难承担投资压力。 未来大模型还需要在具备通用能力的基础之上，于垂直领域不断训练、提升专业能力。因此，我国未来要加强自主创新能力，持续优化算法，提升算力供给能力，从算力、算法、框架、工程化、人才等各个层面提升我国大模型的核心竞争力。 *本文刊载于《通信世界》 总第925期 2023年8月10日 第15期 原文标题：《 AI大模型风起云涌 未来应着力推动数实融合》 ·END· 作者：王鹤迦 程琳琳 责编/版式：王鹤迦 审核：舒文琼 监制：刘启诚 点击蓝字·

算力为各行各业的数字化转型注入新动能，正在成为经济社会高质量发展的重要驱动力。随着AIGC、大模型应用的加速爆发，数据中心发展将迈入“高算力”时代，算力需求爆发式增长，为数据中心带来大量的建设需求，势必迎来更多的新机遇。 面对AIGC新时代，数据中心的技术发展趋势有哪些？如何进行技术革新？如何以绿色、高效、可持续的方式满足大规模算力需求？如何满足业务快速迭代、业务快速增长的需求？这些问题都将是整个行业的必答题。 8月18日， 2023中国算力大会期间，中国信息通信研究院联合秦淮数据集团，以“拥抱产业生态 驱动智算未来”主题，举办的AIGC时代数据中心新技术发展论坛将于8月18日 14：00-17：30召开。论坛特别邀请多位行业大伽分享最新洞见和思考，聚焦大模型时代数据中心的发展趋势和创新路径，给行业带来前沿洞察和新的思考，会上，秦淮数据还将带来重磅发布，为AIGC时代的数据中心提供新一代全栈解决方案。 会 议 亮 点 01 大咖云集，洞见先机 论坛嘉宾来自行业顶级智库和产业界，涵盖芯片、服务器、云计算、互联网、数据中心等领域。业界专家和企业代表将与您共同探讨AIGC时代的产业趋势、以及数据中心基础设施的技术发展方向，包括从芯片、算力和业务演进路线到预制、绿色、智能的新一代数据中心全栈解决方案。 02 直击痛点，重磅发布 AIGC驱动芯片、服务器、机柜功率不断攀升，传统供电和制冷等技术已经无法满足大模型时代数据中心的发展需求。面对高功率密度AI应用场景，新的供配电和制冷等技术呼之欲出。本次论坛上，秦淮数据将携手合作伙伴，首次发布面向AIGC时代的新一代数据中心解决方案，为大模型时代高功率密度型数据中心提供有益的参考。 03 联合创新，最佳实践 数字经济时代，生态为王，推动数据中心行业高质量发展，需要产业链的紧密协同。本次论坛上，秦淮数据将携手算力基础设施合作伙伴分享行业领先的创新技术和实践案例，并就如何应对新兴技术带来的挑战，提高数据中心运维效率提供了新思路。

企业所需要的大模型能力，是在实际场景中真正解决了某个问题，而不是在100个场景中解决了70%-80%的问题。 ChatGPT在全球掀起的AI浪潮余波有点长，随之爆火的AIGC（生成式人工智能）和大模型应用被给予了颠覆式创新的厚望。不过，人们更加关心“ChatGPT们”除了“作诗”之外，接下来将如何“做事” ？ 华为云盘古气象大模型是首个精度超过传统数值预报方法的AI模型，速度相比传统数值预报提速10000倍以上。图源：华为云 当前全国多地正在以大模型作为人工智能发展突破口，抢占行业和市场发展新高点。据不完全统计，国内已经有近百家大模型，包括通用和垂直、开源和闭源等不同类型。通用类大模型如文心一言、通义千问、紫东太初、星火认知等正在加速打造跨行业通用化人工智能能力平台，应用行业正在从办公、生活、娱乐向医疗、工业、教育等加速渗透。 而针对生物医药、遥感气象等垂直领域的专业类大模型也在不断深化落地，发挥纵深优势，提供针对特定业务场景的高质量专业化解决方案。 大模型和AIGC产品分类及分布态势。资料来源：中国信通院《2023大模型和AIGC产业图谱》 “大模型+AIGC” 会如何与千行百业深度融合，加速进化到AGI（通用型人工智能），带来生产力的飞跃？ 业内普遍认为，“百模大战”后，未来大模型会进一步分化为通用、专用和特定场景。然而，能否应用落地并且具备商业化能力，才是检验大模型成功与否的标准。作为产业“加速器”的高交会，今年也将继续发挥科技风向标的作用，搭建技术交流和成果转化平台，回应这一亟待场景落地、深入细节的行业之问。 AIGC专区 -1号馆- 第二十五届高交会新一代信息技术展（简称IT展）将特别设置AIGC专区，从技术、应用以及价值投资等全生态角度展示AIGC技术下的内容产业新业态，涵盖AIGC大模型、芯片、数字娱乐领域的应用创新等相关产品。 目前招展正在火热进行中，大模型和AIGC有哪些已落地的新应用即将亮相高交会？先来一睹为快吧！ 达尔文大模型 打造生物领域AI大脑 广州赛灵力科技有限公司 展位号：1D92 以AI技术为核心驱动的赛灵力今年将携前不久重磅发布的新产品——生物医疗行业“达尔文大模型”亮相本届高交会。 达尔文大模型基于多元、多模态复杂数据和先进的人工智能技术，对生物领域的复杂系统建模和分析进行深入研究，为生物学产业、研究和应用发展提供有力支撑。 图源：南方网 不同于chatGPT的广泛性，达尔文大模型在专业知识问答、药物研发、疾病诊断和预测等方面具有重要的应用价值，有助于解决生物医疗面临的复杂性、个体化和数据挖掘等挑战，高效赋能医院、医疗机构、药企等落地应用。其基于百亿级数据，建立起一个生物医疗生态的数学模型，从而进行多重复杂推理演练，将对人类的生命科学研究和医疗服务做出更加重要的贡献。 图源：赛灵力官网 除了达尔文大模型，赛灵力还将带来惟妙惟肖、几乎与真人无异的2D虚拟人、炫酷的3D虚拟人+3D场景以及连口音也能完整复刻的声音克隆，给观众带来3D沉浸式视听体验。 Social元宇宙 1分钟DIY专属数字人 已 重播分享赞 关闭 观看更多 更多 正在加载 正在加载 退出全屏 视频加载失败，请刷新页面再试 刷新 视频详情 视频来源：企业官网 深圳市前海手绘科技文化有限公司 展位号：1F79 据腾讯研究院发布的“大模型时代AI十大趋势观察”报告，生成式AI所展现出来的高灵活度以及强交互性让人们对AI技术有了全新的认知。大模型为数字人“注入灵魂”，未来构建数字内容的过程中，数字人将广泛应用于各种场合，提高工作效率并降低成本。 内容来源：腾讯研究院等机构联合发布的《人机共生——大模型时代的AI十大趋势观察》报告 深圳市前海手绘科技文化有限公司（简称“来画”）打造了全新的动画和数字人智能创作平台，不断降低内容创作门槛和成本，助力全行业提高内容生产效率，提升数字化水平。 在来画，你可以1分钟DIY专属于自己的数字人；还可以生成数字人表情包、头像、名片，做一个行走的元宇宙social达人；当然还可以进入元宇宙秀场，让数字人跳舞，分享到各大社交平台。 新一代信息技术展火热招展中 点击图片，直通展区详情↓↓↓ ·扫码即刻报名· 11月15-19日 · 深圳会展中心（福田） 第二十五届高交会 精彩IT 连接世界 声明 ·本文章内容未经授权不得擅自使用，如需转载请注明出处和保持信息完整性。 · 本文内有未注明出处的信息、图片或素材，如无意中侵犯某方的知识产权，请联系我们删除。 精彩回顾 ▲1分钟快速了解高交会→

在2023中国算力大会上，紫光股份董事长、新华三集团总裁兼首席执行官于英涛表示，调优算力结构是“东数西算”的当务之急，全面拥抱AIGC是“东数西算”的重大机遇。 在算力即国力，智能即未来的时代背景下，算力的颠覆性力量体现为“六五四”，即算力是数字中国建设继水、电、气、路、网之后的第六大基础设施，是科技创新继经验范式、理论范式、计算范式、数据范式之后的第五科研范式，也是产业发展继农耕时代的点状协作，工业时代的线状协作，网络时代的网状协作之后的第四次图状协作的新机制。 当前，“东数西算”还有一些亟待解决的问题，比如如何把电价优势转化为算力优势，算力聚集如何转化为产业聚集等是值得深入思考的话题。 新华三认为调优算力结构是“东数西算”的当务之急，同时全面拥抱AIGC是“东数西算”的重大机遇。 新华三作为新一代信息通信领域的领军企业，在助力算力产业发展的探索方面提出三个创新：技术创新、应用创新、模式创新。 技术方面，新华三提供全套的智能算力解决方案，推出专为大模型训练而生的全新AI服务器，包括世界上先进的通用AIGPU服务器，也包括国产自主可控的AI服务器，训练时间可以缩短70%以上，算力提升3倍以上。同时，新华三全球首发51.2T800G硅光交换机，单集群吞吐量可以提升8倍以上，并推出支持AIGC大算力平台的调度平台，即傲飞算力平台，并发时间提升50%以上。基于大型的算力平台推出赋能百行百业的新华三私域大模型，也称垂直行业大模型，百业灵犀LinSeer，目前已基本能够做到行业专注、区域专属、数据专有和价值共享，做到数据不出域。 应用领域，新华三携手宁夏自治区打造中国首个省区级数字政府大模型，让私域大模型/垂直大模型真正在数字政府领域落地。 模式方面提出“东数西算2.0”时代，即西部带训东部推理的产业新模式，打造“东数西算”升级版，充分发挥西部大量算力集群和东部大量推理应用的优势。

经过40多年的本土化发展，安防经历了模拟、数字、网络、高清4个时代，目前已经进入到“安防+AI”智能化阶段。回顾这几年安防行业的发展，“人工智能化”趋势更加明显。人工智能的加速入局，让“智慧安防”迎来了强劲动能推催动安防产业实现进一步的智能化，并实现在交通、公安、环保、金融、医疗等领域广泛应用。 对于人工智能领域来说，ChatGPT或将是一个崭新的起点，它的爆火启发了我们对行业人工智能发展的更多思索，未来智能安防如何进行创新？GPT、AIGC、多模态等AI技术对智能安防行业发展会带来哪些影响和改变？ 一、如何看待安防产业智能化发展？ 传统安防在过去面临很多未解决的痛点和难点，包括大量非结构化数据难以处理和利用，安防系统彼此独立导致信息利用困难，靠人工检索海量视频，工作效率低且成本高。而AI 技术的自动化、结构化、共享性、预测性等特点，使得它能够很好地解决这些痛点问题。采用视频数据结构化和AI技术，可以在秒级时间完成原本需要上千小时的人工查找工作，而结构化的视频数据还可以节省90%的存储空间，AI的引入还能深化视频数据价值利用，包括各类基于数据的应用创新。 智能安防通过多维感知、数据智能分析、智能联动管理等方式，可以大幅提升安防系统的工作效率和响应速度。智能安防的应用场景很多，例如通过人脸识别，大数据分析，人工智能，可以帮助安防系统识别在逃嫌疑人，打击犯罪分子。在举行大型活动的时候，可以通过热成像分析人群密集程度，及时发现潜在的风险进行报警，从而可以采用相对的措施疏导人群。在交通安全管理防控上，通过机器视觉、人工智能大数据分析等安防的技术，可以大大提升捕捉交通违法行为概率。目前已经落地的智能安防技术应用场景主要有：智慧园区、智能楼宇、智慧交通、智慧煤矿、智慧幼儿园、智慧工地、AI+危化行业、智慧物流、电梯内电瓶车智能检测等。 中安网的数据显示，视频监控系统占了安防整体市场份额超过50%，是安防行业最重要的细分市场领域。安防摄像头的更换周期通常为 3-5 年，因此每年的市场需求量很大，随着技术进步，安防摄像头从标清向高清发展，又从高清再向智能化升级，这也是行业技术发展的必由之路。最近一次2022年长沙“雪亮工程”项目招标中，前端采集摄像机设备的AI智能化渗透率达到98%，可以支持机动车、非机动车、人脸、人体检测和抓拍，并可以支持其他智能化检测，智能化产品和系统已经成为专业安防市场的主流需求。 在马斯洛的人类需求理论中，将“安全”列为仅次于生理需求的基础层。因此安防行业随着现代社会公共安全需求应运而生，已经成为社会公共安全体系和智慧城市的重要组成部分。根据市场研究机构 IHS Markit 的统计以及《华尔街日报》报道的数据，2021年全球部署10亿个监控摄像头。中国部署的数量预计超过5.6亿个，美国部署的数量也达到8,500万个，如果将人口数量的因素考虑在内，中美两国的人均摄像头拥有量基本持平。 目前我国已有银行营业网点超过22.8万个，大型工业园区2.2万个，近3000所高校和22万所中小学，26万所幼儿园，40多万个住宅小区，公路里程超过528万公里，实体店铺超过610万家以及4300万家各类企业。这些经济实体数量多规模大，涉及的领域和产品体系全面，应用场景多样化。它们都是智能安防监控系统的潜在用户，因此可以预见到智能安防未来的市场发展前景广阔。 二、GPT、AIGC、多模态等AI技术对安防甚至机器视觉的智能化发展将带来哪些影响？ 大模型算法作为通用人工智能的前期代表，会对很多行业产生深刻影响，因为通用人工智能本身就是能够达到人类某一个职业岗位的AI能力，对智能安防当然也必将产生巨大影响。具体到GPT等大模型算法，目前可以看到的影响有几方面： 1.算法精确度和效果提升。GPT和AIGC等技术可以提高系统对大量图像、语音和文本等数据的理解和分析能力，从而实现更高效的数据处理和识别。例如，在视频监控场景中这些技术可以通过对图像和声音的分析，实现目标行为识别和异常检测等功能。 2.多模态算法融合应用。多模态技术可以将不同类型的数据进行融合，实现信息的互补。在安防领域，多模态技术可以将图像、语音和文本等数据进行融合，从而实现更全面和准确的情报分析和预警。 3.AI算法从边缘智能向中心智能的倾斜。安防AI算法最开始是以中心智能算法处理为主，后来开始兴起边缘智能设备，把算法集成到终端；随着大模型的推广，中心智能的必要性将增加，AI的智能算法中心将起到新的核心作用。 4.算法自适应学习。AI技术可以根据历史数据和环境变化不断地调整自身的参数和模型，从而实现自适应学习和优化。在安防领域，这种技术可以通过对历史数据的分析和学习，实现对未知事件的快速响应和处理。 5.智能决策支持。AI技术可以通过对数据的分析和学习生成相应的结论和建议，从而为人类决策提供支持和参考。在安防领域，这种技术可以通过对事件的分类和预测，实现智能化的决策支持和应急响应。 6.个性化服务。AI技术可以根据用户的特定需求和偏好，提供个性化的服务和定制化的解决方案。在安防领域，这种技术可以为不同的客户提供特定的安全方案和风险评估。 总之，GPT、AIGC和多模态等AI技术将会在安防和机器视觉领域发挥越来越大的作用，带来更高效、更准确、更智能的解决方案，并且将逐步成为未来安防和机器视觉的主要技术趋势。 三、从ChatGPT往后发展看，对安防行业发展有哪些建议？ 当一个新时代到来的时候，积极拥抱比事后被动应对往往是更高效的。GPT的出现将为安防领域带来许多机遇和挑战，以下是针对GPT的出现提出的一些建议： 一是借鉴GPT技术。安防企业可以积极借鉴GPT技术，并将其引入到智能安防系统中，大大提升系统的安全性和准确性。同时，安防企业也应该强化数据质量的控制，快速收集安防场景数据，以更好地支持机器学习和深度学习的应用。 二是借鉴自然语言处理技术。除了图像识别技术，自然语言处理技术也在安防领域有着广泛的应用。通过借鉴GPT等自然语言处理技术，安防企业可以实现更好的信息提取，从而更好地支持安防工作。 三是强化数据保密。GPT和其他大型模型通过训练海量数据来实现更准确的预测和提升模型效果，但同时也会涉及到大量的隐私数据。因此，安防企业需要以更好的加密技术和保密措施来保护用户隐私。 四是提高数据安全性。GPT对数据质量的要求十分高，同时对数据安全性也有较高的要求，安防企业应该提高数据存储的安全性，采取加密等技术来防止数据泄露和非法访问。 五是提高智能化水平。基于GPT和其他大型模型的智能分析和处理能力，可以大大提高安防系统的智能化水平。安防企业应该积极推广并使用此类技术，以适应市场的快速变化。文章来源：中国安防协会，芯智雲城，光明网

CAA 智慧起航，共创未来 为贯彻落实中共中央政治局会议“要重视通用人工智能发展，营造创新生态，重视防范风险”会议精神，抢抓大模型发展机遇，进一步加快人工智能技术落地应用，高质量打造以大数据为驱动的人工智能通用技术产业链，推动安徽通用人工智能领域实现创新引领，助力安徽建设具有影响力的人工智能研发与产业高地，中国自动化学会将于2023年10月20-21日在安徽合肥召开第二十五届中国科协年会通用人工智能产业创新发展论坛。论坛特邀欧洲科学院院士、中国自动化学会副理事长、华南理工大学陈俊龙教授，带来主旨报告为“人工智能的发展趋势与AIGC应用的探讨”。敬请期待！ 陈俊龙 欧洲科学院院士 中国自动化学会副理事长 华南理工大学教授 报告题目： 人工智能的发展趋势与AIGC应用的探讨 报告摘要： 人工智能在最新的进展方向之一是人机混合的增强智能。过去，人工智能大部分都是在单的个体运行，以后会是机器与人“混合”在一起运行，执行人在机器的回路中、在回路外互相学习、增强相互之间的智能，最近兴起的AIGC/GPT 系列的人机交互软件机器人就是一项人机交互混合增强智能的实例。这些实例平台需要海量的数据、强大的算力、及优良算法的支撑。目前人工智能的三算（算法、算力、数据（算量））与场景已成为数字经济发展的核心能力之一。为加快推动数字经济的建设，有效激发数据要素创新活力，加速数字产业化和产业数字化进程，催生新技术、新产业、新业态，和支撑经济高质量发展， 国家已规划各城市以人工智能、物联网等技术的布局来促进新型产业的发展。本报告先介绍人工智能的发展趋势及它演进特性及重要性，接着探讨最近爆红的AIGC方面的应用。 报告人简介： 陈俊龙（ C. L. Philip Chen）博士，华南理工大学计算机学院院长、讲座教授。陈教授是中国自动化学会副理事长、教育部健康智能与数字平行人工程中心主任、 广东省计算智能与网络空间信息重点实验室主任、广东省人工智能产业协会联席会长、琶洲实验室副主任。他是IEEE Fellow、AAAS Fellow、IAPR Fellow、 欧洲科学院院士（Academia Europaea）、欧洲科学与艺术院院士（European Academy of Sciences and Arts）、中国自动化学会(CAA) 、中国人工智能学会（CAAI）、及香港工程师学会 (HKIE) Fellow。陈教授曾任IEEE Trans. on Cybernetics （2020-2021），及IEEE Trans. on Systems, Man, and Cybernetics: Systems （2014-2019）两个顶级SCI期刊主编，曾任该学会国际总主席 (2012-2013)，也是国内期刊 CAAI Trans on AI,《中国科学》，和《自动化学报》的编委。2018年陈教授获得了IEEE系统科学控制论的最高学术维纳奖(Norbert Wiener Award)，获 2021 IEEE Joseph Wohl 终身成就奖，及我国人工智能学会吴文俊人工智能杰出贡献奖。陈教授科研方向主要在智能系统与控制，计算智能，混合智能，数据科学方向，他是2018-2022连续5年Clarivate Analytics的全球高被引科学家（2018 在计算机，2018-2022年在工程及计算机双学科）。 日程概览 注册通道 敬请参会代表于10月16日17:00前登录第二十五届中国科协年会网址https://kxnh-kc.cast.org.cn或手机扫描下方二维码进行参会报名，填写相关信息后选择“通用人工智能产业创新发展论坛”活动，输入报名邀请码“901z2w”提交报名。 注册报名二维码 END 内容来源 大会组委会 编辑 曹艺华 责任编辑 叩颖 往期文章 【CAC2023】论文录用全攻略！赶快修改稿件并制作海报吧！ 【CAC2023】渝您同行！CAC2023早鸟票限时开售！ 【CAC2023】2023中国自动化大会展览赞助招募工作正式启动！邀您共聚山城，秀在重庆！ 【CAC2023】关于征集2023中国自动化大会大会报告人的通知 【CAC2023】关于征集2023中国自动化大会专题论坛的通知 联系我们 地址：北京市海淀区中关村东路95号 邮编：100190 电话：010-82544542（综合） 010-62522472（会员） 010-62522248（宣传出版及大赛） 010-62624980（财务） 010-82544541（学术活动） 传真：010-62522248 邮箱：caa@ia.ac.cn 中国自动化学会新媒体矩阵 官微 CAA OFFICIAL 会员服务 综合媒体 官网 微博 今日头条 视频平台 B站 微信视频号 抖音 学术平台 中国自动化学会会议 中国自动化大会 知乎 喜欢的话点击在看哟~

CAA 智慧起航，共创未来 导读 2023年10月20-21日，以“智能涌现 生成未来”为主题的第二十五届中国科协年会通用人工智能产业创新发展论坛在安徽省合肥市成功召开。欧洲科学院院士、中国自动化学会副理事长、华南理工大学教授陈俊龙受邀出席并作题为“人工智能的发展趋势与AIGC应用的探讨”的主题报告。报告聚焦工业智能与智能系统前沿，探讨了人工智能赋能制造业的关键科学问题和重点推进内容，指出人工智能作为制造业数字化转型的新生产工具，正催生AI for Engineering这一工程研发新范式。同时进一步探讨了工业智能的内涵，并提出了工业智能前沿研究的重点内容和总体目标，即：从信息感知本质、信息理解深度和系统行为决策出发，开展跨时空感知与统一表征、多模态信息可解释泛化认知和人机共融决策与动态博弈的基础理论与关键技术研究，实现制造过程高端化、绿色化、智能化运行。 自2009年以来，国家在物联网、云计算、大数据和人工智能领域取得了显著进展。这些进展得益于算力、数据和算法模型的不断支持，以及深度学习技术的兴起。此外，在2008年和2009年间，软件和硬件领域也经历了重大的发展，促成了近期通用人工智能的兴起。 01 算力 最近，国家在通用人工智能（AIGC）领域的发展受益于算法和，、算力和数据的显著提升，。为了提供企业强有力的算力资源，尤其要归功于政府在2022年统筹启动了的东数西算工程。这个工程概念类似于早期的南水北调和西电东送工程，旨在建立8个关键枢纽点，分布于长三角、珠三角、宁夏、贵州、内蒙等地，这些枢纽点也兼具 配置了数据中心的重要角色。合肥市也在该计划中扮演着重要角色，目前东数西算工程正在进行大规模建设。这些举措不仅在土建工程、软件工程和信息技术等领域对国家产业链的发展产生了积极作用，而且为能源利用和双碳减排工程贡献了一份力量，并满足了中小企业对大规模数据资源的需求。合肥市也在呼应该计划也在组建算力上扮演着非常重要角色。， 英伟达公司于今年5月宣布了"Hopper"计划，旨在分析当前的GPU技术。该计划旨在推动GPU技术的发展，以满足不断增长的计算需求，尤其是在人工智能和科学计算领域。计划的一部分包括推出基于新架构的GPU产品，以提供更高的性能和效能。这将有助于满足日益增长的计算要求，帮助研究人员、科学家和工程师在各个领域开展创新性的工作。该计划启动时，国内尚未受到美国的限制，但它给我们带来了一系列未来发展的思考。回顾早期CPU技术，特别是在大型语言模型的训练方面，以ChatGPT为例，实现这一目标需要巨大的计算资源。然而，借助GPU计算中心资源，成本约为40万美元，能源消耗也仅相当于传统CPU的约1/8。若投入1000万美元，我们能够实现4倍LLM（Large Language Model）大语言模型的规模。进一步考虑到能源消耗，我们甚至可以实现高达150倍LLM的容量，如图1所示。 图1 CPU/GPU资源对比 这引发了深刻思考，若我们拥有足够的计算能力和资源，大型语言模型规模有可能增加到150倍。随着算力和数据更深度的协同作用，未来通用人工智能预计会变得更加智能，这意味着通用人工智能将在各行各业中发挥作用，为各种问题提供解决方案。 目前国内正在积极研究除了GPU之外的其他算力支持大型语言模型的方案，其中包括MPU（混合处理器单元），NPU（神经元处理单元），和TPU（张量处理单元），如图2所示。最近，研究人员开始探讨如何利用量子计算来克服DPU（深度处理单元）所面临的局限，这引起了广泛的讨论。谷歌很早之前就在进行TPU和MPU的研究，而现在，阿里巴巴、寒武纪等公司也在积极研究这些新的计算架构，这些努力有望突破目前GPU所面临的限制。 图2 CPU、GPU、TPU方案 02 数据 数据在大型语言模型中起着关键作用，一个大型语言模型的性能和智能程度与训练数据的质量密切相关。因此，数据的重要性不可忽视。国家在2021年底便开始建立数据聚集和管理系统，不仅着重管理整个数据生命周期，包括数据来源、存储、处理、交换和传输，并且实施数据分析等级的分类处理，以确保数据在未来如何进行去标识化和去敏感化处理，如图3所示。这一举措强调了数据的关键性，以确保数据在各个方面的安全和有效管理。 图3 数据安全生命周期 同时，国家在各个省市纷纷设立数据交易所，如在广东和深圳同时建立了数据交易所，这些交易所是由省市共同支持和发展的。未来，各行各业的数据可以像煤气、水电一样进行交易。这意味着在模型训练时，不再局限于使用公共数据，而可以利用交易的数据进行模型训练，这是国家在数据领域取得的重要突破，将为人工智能的发展提供更多的数据资源和可能性。 03 模型与算法 大型模型的概念首次出现在2015年和2016年，由于生成式模型尚未崭露头角，所以当时还没有引起广泛的。当时OpenAI组成的GPT-3在当时尚未加入Chat功能，当时也没有类似盘古大模型、文心一言、通义千问，讯飞的星火等大模型。从今年开始这些模型开始逐渐涌现，如图4所示。大型模型的主要特点之一是其拥有千亿级参数的规模，同时希望能够通过标注的小样本标注来进行模型训练。 图4 国内外语言大模型 最近，网络上已经发布了大约80个具有超过10亿参数的模型，然而，目前在只有11个模型通过了国家的认证方面，只有11个模型通过了认证 。这表明不同机构对于这些大型模型的价值评估各有不同。总体而言，中美两国的大型模型已经占据了全球的80%份额，这引发了国内各行各业都希望构建自己的大型模型的热情。然而，通用大型模型的构建相对困难，因为它需要庞大的计算资源支持。因此，国内正在进行所谓的“百模大战”，旨在建立各个领域的小型专用大型模型，以满足不同行业的需求。这凸显了大型模型在国内的广泛应用和重要性。 当前最主要的问题国内大型模型的计算能力仍然高度依赖国外的生态系统，包括依赖微软、英伟达等公司的产品以及算子库。尽管国内拥有华为的昇腾系统算子库，但仍然需要与用户合作开发。这个问题涉及的领域非常广泛，最主要的挑战是如何改变国内显卡的生态系统。国外的生态系统已经形成了全球性的格局，而要改变国内生产的显卡的生态系统相对更具挑战性。国内拥有两三家显卡生产商，如曙光、寒武纪等，但由于缺乏与生态系统的深入了解，难以推广和普及。未来，这些企业需要积极探讨如何构建生态系统，以改变国际局势并打破依赖国外生态系统的现状。 在构建大型模型时，需要考虑两个关键要素。首先，数据的规模对于模型构建速度至关重要，大型数据集需要更多的时间来建立模型，所以快速构建准确有效用的模型至关重要。其次，也应考虑当前存在一个相对不足的领域，即在模型构建后如何快速应用增量数据进行更新。这方面的挑战在于涉及大量数据，因此更新过程可能相对复杂。目前，我们正在探索边缘端的实时模型更新方法，使得在模型训练完成后，可以将其部署到客户端，可以实现随时更新，而不必将模型返回到原始大型模型进行批量更新。宽度学习在这一领域发挥了重要作用，尤其是对于实时增量数据的更新。 图5 宽度学习系统 在算力和模型都达到要求满足时，算力冷却便成为了一个难题。现在，算力冷却系统采用了多种方法，包括风冷系统、液冷系统以及浸没冷却。在浸没冷却方面，我们建立了一个模型，以调整化学成分，将冷却效率最大化。这种方法可以使PUE值降至1.07，低于国家规定的水平，并且此种冷却形态需要更少的空间。相比于传统的大型计算机柜，这种方法在效率和空间利用方面都有显著的优势。 图6 基于浸没式液冷技术的高性能算力解决方案 04 AIGC对公司生态的影响 近期人工智能研究公司OpenAI推出的聊天机器人模型CHAT-GPT不断出圈，继2019年向OpenAI注资10亿美元之后，微软与OpenAI的合作进入第三阶段。据Semafor引知情人士报道，微软正商谈以290亿美元估值，向OpenAI投资100亿美元，一切均指向人工智能模型的新范式“生成式AI模型（Generative Model）”。决策式AI模型（Discriminant Model）是根据已有数据进行分析、判断、预测，典型应用为内容的智能推荐（短视频）、自动驾驶等；而生成式AI更强调学习归纳后进行演绎创造，生成全新的内容，本质是对生产力的大幅度提升和创造，已催生了营销、设计、建筑和内容领域的创造性工作，并开始在生命科学、医疗、制造、材料科学、媒体、娱乐、汽车、航空航天进行初步应用，为各个领域带来巨大的生产力提升。 在AIGC方面，来谈谈数字人及人机交互的应用。目前，为解决人体大健康领域的问题，我们正在进行与获批的教育部的健康智能和数字平衡实验室合作 平行人工程中心正在探讨在数字世界与真实的物理世界里人机交互的问题 。，探讨数字人的交互性。目前已经初步开发了数字人，使其能够进行对话并相互了解，数字人之间也可以互相交互，而且数字人可以在现实空间与真实人进行互动。我们的团队正在致力于情感识别及在数字世界与物理世界人体健康监控及交互的研究。，使其可以描述脸部表情。 生成式人工智能对公司生态的影响最大的是互联网公司。现在，如果公司能够熟练使用生成式人工智能来编写代码和开发嵌入式应用，未来的公司将变得更小而更精致。这将带来更多的盈利机会，使员工有机会成为创业者或老板。他们可以迅速将生成式人工智能整合到公司中，以实现更高效的嵌入式应用。目前，国内在生成式人工智能方面仍有很大的发展空间，各种小型科学家和企业都有机会嵌入到人工智能平台应用中，未来的创新和发展会涌现更多机会。 从产业价值角度来看，生成式人工智能可以迅速分为上游、中游和下游三个方向。上游产业涉及基础建设，下游产业则涉及应用，而中游产业在各个行业中起到枢纽作用。初创公司在这一领域属于中小型，但未来可能成为龙头企业，这将产生巨大的产业价值。在实际生产应用中，还没有大规模采用生成式人工智能的情况，主要是因为大部分应用仍然依赖传统的专用小型大模型，这些模型使用相对较小的计算资源进行训练。未来，生成式人工智能将在各个领域得到更广泛的应用，这取决于我们拥有的算力和数据基础。 图7 AIGC内容生产力 ChatGPT是AIGC目前最典型及最有名气的平台产品。此类的平台它具有积极正面和负面消极两面的影响。一方面它扩大了知识的传播途径，提供了便捷的信息获取方式，个性化的服务，以及自动化客户支持，同时还有创新应用的潜力。另一方面，其具有不准确信息和偏见传播的风险，可能对隐私构成威胁，引发失业风险，以及可能被滥用。解决这些问题需要审查数据来源、开发偏见识别和修正技术，强化隐私法规，以及进行社会伦理和道德教育。总而言之，ChatGPT和AIGC类似技术在未来将继续发挥重要作用，但需谨慎管理，以最大程度地提升积极影响，降低其潜在消极负面的影响。 个人简介 陈俊龙 欧洲科学院院士 中国自动化学会会士、副理事长 华南理工大学教授 陈俊龙，博士，国家特聘专家，华南理工大学计算机学院院长、讲座教授，陈教授是中国自动化学会副理事长、教育部健康智能与数字平行人工程中心主任、 广东省计算智能与网络空间信息重点实验室主任、广东省人工智能产业协会联席会长、 琶洲实验室副主任。他是IEEE Fellow、AAAS Fellow、IAPR Fellow、欧洲科学院院士（Academia Europaea）、欧洲科学与艺术院院士（European Academy of Sciences and Arts）、中国自动化学会(CAA)、中国人工智能学会(CAAI)、及香港工程师学会(HKIE) Fellow。 陈教授曾任IEEE Trans. on Cybernetics （2020-2021），及IEEE Trans. on Systems, Man, and Cybernetics: Systems（2014-2019）两个顶级SCI期刊主编，曾任该学会国际总主席(2012-2013)，也是国内期刊CAAI Trans on AI,《中国科学》，和《自动化学报》的编委。2018年陈教授获得了IEEE系统科学控制论的最高学术维纳奖(Norbert Wiener Award)，获2021 IEEE Joseph Wohl终身成就奖，及我国人工智能学会吴文俊人工智能杰出贡献奖。陈教授科研方向主要在智能系统与控制，计算智能，混合智能，数据科学方向。他是2018-2022连续5年Clarivate Analytics的全球高被引科学家（2018在计算机，2018-2022年在工程及计算机双学科）。 *本报告版权属原作者所有，任何媒体、网站或个人未经授权不得转载、链接、转贴或以其他方式复制发布/发表。 END 内容来源 学会秘书处 编辑 曹艺华 责任编辑 叩颖 往期文章 【重要通知】关于征求《自主水下航行器导航控制关键技术及应用指南（征求意见稿）》团体标准意见的通知 【致谢函】“渝”您相伴，感恩同行——CAC2023致谢函 【明年青岛见】近2500万人次！2023中国自动化大会圆满落幕！ 【CAA新闻】中国自动化学会会士荣誉称号授予仪式在重庆隆重举行 联系我们 地址：北京市海淀区中关村东路95号 邮编：100190 电话：010-82544542（综合） 010-62522472（会员） 010-62522248（宣传出版及大赛） 010-62624980（财务） 010-82544541（学术活动） 传真：010-62522248 邮箱：caa@ia.ac.cn 中国自动化学会新媒体矩阵 官微 CAA OFFICIAL 会员服务 综合媒体 官网 微博 今日头条 视频平台 B站 微信视频号 抖音 学术平台 中国自动化学会会议 中国自动化大会 知乎 喜欢的话点击在看哟~

12月14-16日，主题为“先见未来，从制造迈向智造”的AIGC纺织服装AI新智造国际峰会在杭州国际博览中心举行，美机科技集团相关负责人携美机一站式服装智造系统解决方案出席峰会，与来自纺织服装行业、缝制设备行业的领导专家们共同探讨服装生产从制造迈向智造的实现路径。 美机以“整厂集成”理念打造的1站式服装智造系统解决方案，由“智迈思”生产制造执行系统—MES、美机ZP系列全伺服铺布机、美机ZC系列全自动多层裁床、美机ZD系列智能吊挂、美机各系列智能缝制设备、智能仓储、AGV智能输送等核心模块组成。本次峰会上，美机公司相关负责人对美机1站式服装智造系统解决方案进行专业解读，引发业界讨论和共鸣。同时公司还将展出服装智能吊挂系统、各系列具有代表性的智能缝制设备等，借以展示公司的产品研发制造能力。

GenAI：开启泛娱乐产业新篇章 直播时间：2024年3月28日，19:30-21:00 活动地点：上海市杨浦区复旦大学管理学院史带楼602教室 本场活动开放现场观众席位。 随着人工智能技术的飞速发展，泛娱乐产业迎来了前所未有的变革，核心驱动力来自于生成式人工智能（GenAI）的创新突破。 GenAI的兴起标志着泛娱乐行业的生产方式从“内容创造”走向“内容智造”。在音乐领域，AIGC使得创作者能够超越传统的创作方式，创造出具有创新性的旋律和曲风，甚至能够与人类音乐家协作，产生前所未有的音乐作品。在电影领域，AIGC不仅能够协助编写剧本，还能够生成复杂的视觉效果和角色，为观众提供更加沉浸和丰富的视觉体验。在游戏行业，通过AIGC技术，游戏开发者能够创造出更加智能和互动的游戏角色，以及更加细致和丰富的游戏环境，从而提升玩家的个性化体验。 在这波浪潮下，哪些泛娱乐产业将会受益？AIGC的产品应用创新在用户体验上还有哪些突破空间？AIGC的商业“钱景”如何？《AI奇点说》第三期将聚焦GenAI+泛娱乐领域，邀请多位行业专家共同探讨GenAI如何助力内容创作新范式，以及这一技术趋势的未来“前景”“钱景”。我们期待通过这些讨论，揭示AIGC如何为影视和泛娱乐行业带来创新动力，共同探索AIGC在泛娱乐领域的无限可能。 2024年3月28日19:30，精彩内容，敬请期待 《AI奇点说》：深度解码人工智能 站在下一个十年科技与商业快速创新与变革的十字路口，AI边界将如何定义？人类将如何进行抉择？AI技术奇点何时将会到来？在这样的背景下，世界人工智能大会WAIC Circle生态共建伙伴计划推出《AI奇点说》直播栏目，邀请高校、顶级平台及企业精英人群，旨在打造一档聚焦人工智能领域的深度对话类节目。通过每月2期90分钟的深度互动，多角度解读重大科技事件、探讨科技发展如何影响社会结构和个人生活，深度挖掘AI市场、商业模式产生的颠覆影响，围绕AI轻松愉快地想象世界与产业的未来。

AI奇点说 《AI奇点说》直播栏目由WAIC Circle生态共建伙伴计划联合上海人工智能与元宇宙产业联盟等多方合作伙伴共同推出，旨在打造一档聚焦人工智能领域的深度对话类节目。每月2期90分钟的深度互动，邀请高校、顶级平台及企业精英人群，围绕AI轻松愉快地想象世界与产业的未来。 引言 近日，AI初创公司Suno推出了V3音乐生成模型，只需几秒就能生成2分钟动听的音乐，惊艳了全世界。在国内，各大卫视也纷纷推出AI特色作品，为观众带来了一场前所未有的娱乐盛宴。随着人工智能技术的飞速发展，具有高度传播性和用户黏性的泛娱乐产业首先迎来了前所未有的变革，核心驱动力来自于生成式人工智能（GenAI）的创新突破。 从文本、图片、视频再到音乐，AIGC一次次刷新着内容创造，带来了创作的无限可能。在这场创新浪潮中，本期《AI奇点说》聚焦泛娱乐产业，邀请多位专家共探AIGC创新应用，揭秘发展新“前景/钱景”。本文将为您呈现此次直播的精彩内容。 精彩观点 林云川 SMG技术中心主任上海东方传媒技术有限公司总经理上海市广播科学研究所所长 对于媒体机构或者专业机构而言，AI应用的准确性非常重要，要避免对公众造成误导。 马千里 无界AI联合创始人 不要吝啬在数据上花钱、花时间，用更好的模型才会有一个更好的未来。 胥正川 复旦大学管理学院副教授上海市广播科学研究所所长 AI充斥于企业的各个环节、各个事物当中，从data driven转变为以AI为燃料是未来的发展趋势。 曾艳红 上海人工智能实验室青年研究员央视听媒体大模型动画制作平台核心技术研究人员 在研究领域我们倾向于做一些更基础的事情去解决一些更基础、更本质的问题，以免被降维打击。 本文目录 1、面对新技术的到来，泛娱乐产业的哪些领域将会受益？ 2、未来AIGC的产品应用创新在用户体验上还有哪些突破空间？ 3、AIGC技术的商业潜力和市场前景如何？ 4、AIGC作为新的生产能力将会带来哪些突破想象的商业模式创新？ 1、面对新技术的到来，泛娱乐产业的哪些领域将会受益？ 胥正川： 生成式AI的发展速度惊人，当前文生文有ChatGPT，文生图片有Midjourney，文生视频有Sora，文生音频有Suno，它们已经开始颠覆传统的内容生产方式。因此，第一个问题想问问大家：面对新技术的到来，泛娱乐产业的哪些领域将会受益？ 曾艳红： 谈及AI带来的改变和赋能，大家都会讲到降本增效，但我认为这只是第一步，这也是当前我们正在探索的阶段。例如在《千秋诗颂》这个项目的合作中，原画部分对生成水平具有较高的要求，比如服饰需要符合朝代的史实等等，倘若按照传统的工作流程，就需要与美术进行反复的沟通，因此会造成制作周期较长的结果。我认为当下这个行业还处于生产力尚未被完全释放的阶段，因此我们希望能够运用AI技术提升整个生产效率。此外，AI技术还能够帮助我们完成一些以前无法实现的事情，在项目中，面对导演想要的一些新的风格的探索和创造，我们也能够利用AI技术帮他进行打造和生成。另外，根据我平时跟踪的一些学术研究，AI技术对于三维方面的游戏角色设计等也在产生一定的影响。 马千里： 我想说一个宏观层面的变化——AIGC带来的产量是巨大的，以图片为例，无界AI每天能够生成260万张图片，是其他图片网站的百倍左右，如此巨大规模的数量并不是因为公司自身有多厉害，而在于AIGC的产量天生就是巨大的。并且当它的质量达到一定水平之后，海量的高质量内容的产生会对内容产业带来巨大的影响。正如Gartner所预测，当我们打开各种内容平台，里面有10%-20%的内容会是由AI创造的，我认为也许明年就能实现。在微观层面，Suno的出现给音乐音频领域带来了一个突破，它已经可以创造出非常优美的歌曲，倘若你不知道它是由AI创作的，那么你一定会认为它是由人类创作的，它已经达到了图灵测试的水准。总的来说，AI在各个领域都进行了内容的生产制造，并且制造的数量越来越多、质量越来越高，我认为这是新时代的一个奇点。 林云川： 面对新技术的到来，我认为泛娱乐产业的所有领域都会受益。本质而言，AI作为一种工具，是赋能用户来进行使用的，它不仅能够带来生成内容的快捷度，而且还能激发用户的创造力，此外，它还能补充用户的结构化思维，帮助你完善表达的要点、健全表达的方式，与此同时也能带来更好的传播力。对我们媒体人而言，创造力和传播力是新质生产力的核心构成部分。在内容层面，对于生产出来的内容，大家不要忽略人生观和价值观的树立，当你选择什么内容来进行进一步的生成，你的选择恰恰是你的价值观和日常学习积累的体现。总之，AI只是辅助你的工具，想要真正提升能力还是要靠自己的学习力，不管是对于AI的学习还是对其他内容的学习，这样才能真正将其合理应用在泛娱乐产业的相关领域。 2、未来AIGC的产品应用创新在用户体验上还有哪些突破空间？ 胥正川： 三位嘉宾的工作内容都和产品密切相关，能否谈一谈未来AIGC的产品创新在用户体验方面会有什么样的突破空间？会带给我们什么样的惊喜？大家可以进行展望或者评论。 马千里： 其实大家在做语言模型的时候，都希望比ChatGPT厉害，想要它在数学、逻辑等各方面表现水平更佳。但不难发现有些产品走出了另外一条路，比如豆包，它把NPC或者说把智能体做得非常究极。你会发现你往往会用两种态度来对待语言模型：当你用ChatGPT的时候，它犯一点错，你可能就会大发雷霆；但如果它是一个带着标签形象的智能体，比如说杨过、小龙女或者你的母亲，在跟它对话的时候，你在感情方面的包容性往往会更强，即使它犯错，只要不是特别夸张，在你眼中它依旧会保持比较可爱的形象。其实，我认为这也是中国人做产品的优势所在——可以把现有的技术运用到最大化，然后找出相应的场景来触达消费者，让消费者先买单，再慢慢地积累数据。那么有一天，它可能就变得和整体一样强，而且在这种特定的人文关怀方面可能会更强，不会像木讷的机器，而是让你感觉是在跟一个真实的人对话。以上只是一个案例，但整体而言，我认为到最后比拼的还是模型的整体能力，模型整体的通用型能力是一个基础。可能我们在商业化上可以做到局部领先，能够实现养活团队，但从长远上来看，还是要投入大量的算力，不要吝啬在数据上花钱、花时间，用更好的模型才会有一个更好的未来。 曾艳红： 我认为个性化也是一个可以突破的点，对于以前的生产模式，基本上是由专业的人来生产，再通过个性化的推荐来推荐给你，对于推荐的事物，大家可能会觉得不感兴趣。但是如果结合AIGC的技术，在它更加成熟并且普及面更广的前提下，未来的应用可能是个性化地制造给你的，甚至它可以照顾到每个人，毕竟是否好看是偏主观层面的概念，在此时，就可以由用户来决定自己想要什么样的内容，然后用AIGC的技术来帮助生产。 林云川： 起初大家会认为倘若AI应用不够有趣，用户就不会使用它，但在后期会发现，对于媒体机构或者专业机构而言，准确性是非常重要的。我们在做ToC和ToB端的AI应用时，发现ToB端有三个特点：第一个是准确性，大家可能都会尝试利用AI生成一个东西，比如让动物的照片“跑”起来，这时往往会出现前后脚不一致等逻辑混乱的情况，针对我们生产的东西，在准确性层面往往被提到了一个很高的高度，倘若生成的内容不准确，可能会对大家造成误导；第二个是伦理性，当我们用二次训练来提升大模型的准确度时，基本都是用以前的数据集或者以前的物料来进行训练，市面上现存的争论也比较多——你训练的数据是否是你自己的？是否具备它的可用性？有多少人会愿意把自己的脸或声音授权给人用呢……所以伦理上的要求是B端和C端的第二个不同；第三个是融合性，例如，对生产出来的大模型、图片和视频进行二次加工，这就涉及到两个层面：第一个是生产出来的图片或者模型，是否能够用于自己生产的技术标准，在这方面能够实现比较好的融入，这是技术标准的融合性。另外，我们在做的过程中其实也有两种选择，比如说是先文生成图，然后选择它的图，选择喜欢的风格，再让其生成视频，还是直接文生视频，然后再进行修改和调整呢？这也是我们在做产品的过程中不断探索的一个阶段。回到产品这个概念，我觉得应该是先更有趣，否则就没人使用，但用了之后想要专业地用，必须得更实用。 3、AIGC技术的商业潜力和市场前景如何？ 胥正川： 我们前面谈到的AIGC的前景和未来展望，那我们首先要过渡到对于市场的解读，对于AIGC的商业前景和盈利性，我们应如何追求？各位有什么看法？ 林云川： 其实我们现在在用的很多AI大模型都是试用，都是不收钱的，但倘若你要做一个垂域模型，你面向的这些用户不只要求有趣性，对准确性也有要求。一方面是要通过训练提升AI模型的能力，在此时会显示出它在商业层面的很多价值，不管针对泛娱乐行业还是其他行业。所以我认为垂域的模型叠加成为垂域的大模型，这是一个很有市场前景的方向。从有趣性到实用性，恰恰也就是它从一个给大家使用的工具，到付费使用的工具的一个转变， 这可能是它的一个垂域场景的商业应用。总的来说，AI的商业前景本质上就是简单的四个字——“降本增效”。 马千里： 在C端上会存在模型层和应用层之间的问题，很多时候你会发现做应用做了很长时间，结果模型层一个更新，就把应用层的功能给干掉了，也就意味着模型层把应用层给“吃”掉了，这可能源于在大模型时代，模型层会很“厚”，而应用层相对比较“薄”。但是在接触B端垂直行业问题的时候，其实模型层和应用层是合为一体的，很多时候B端业务都需要模型的训练层去介入。此外，还有一个问题是对于人的替代性，一方面它的确是把一些人给淘汰掉了，另一方面，AI让个体获得了很强的能力，个体可以通过组合AI形成一个又一个工作流，从而把老板以前的活给替代掉。以前你需要一个团队，现在一个人就足矣。 曾艳红： 倘若模型一下子更新迭代，就会给应用层带来巨大影响，因此在研究领域我们倾向于做一些更基础的事情去解决一些更基础、更本质的问题，以免被降维打击。当前大体上有两种方式，一种方式是大规模的训练，当然这是有限的机构才能做到的。另一种就是你只有有限的资源，这对我们新的研究而言也是一个挑战——如何更好地选一个课题，让它更有价值的同时又不会被降维打击、被历史遗忘呢？例如，在Sora出来后，我们也在反思：我们能做什么研究，是哪怕Sora出来也不会被降维打击的？ 4、AIGC作为新的生产能力将会带来哪些突破想象的商业模式创新？ 胥正川： 任何企业对于AI的运用是分几步走的，第一步一定是工具化，用它改善工作效率、实现降本增效，第二步是把这个工具变成定制化的工具，这种定制化未来会变得越来越多。企业的未来趋势是从data driven慢慢变成所谓的以AI为燃料，AI会充斥于企业的各个环节、各个事物中，然后推动整个公司的运作和发展。AIGC作为新的生产力会带来哪些商业模式创新？各位嘉宾有什么可以和大家分享的吗？ 马千里： 有一个比较大的一个商业机会是肉眼可见的，倘若明年真的如Gartner所预测——AI生产内容会占到10%-20%，这其实意味着在信息流平台方面会有一个很大的迭代。在过去，信息流平台是以UGC为主的，UGC信息流平台有一个底层逻辑叫算法推荐，算法推荐的逻辑是从一个UGC的有限级里挑出一个你可能会喜欢、会购买的东西。然而在算法创造的时代、在AIGC时代，你不必去推荐一个别人可能喜欢的事物，而是可以直接创造一个别人可能喜欢的事物，你看到的这个内容是AI为你独自生产出来的，这种可能性会非常高，因为现在的AIGC已经通过了图灵测试，在音乐和视频领域，未来都会通过图灵测试，因此在那时，你无法分辨这是由AI创造的还是由人类创造的。图灵测试是第一个阶段的一个任务，我认为接下来还有一个阶段，叫“红药丸蓝药丸时刻”，这个时刻非常重要，倘若AI能够完全按照你的爱好生产你喜欢的东西，那就意味着你看到的都是你想看到的，你听到的都是你想听到的，在此阶段其实是完全沉迷的时刻，因此可能会迎来模式的变化，由于是基于算法推荐的，因此可能会用算法创造的逻辑进行迭代。 曾艳红： 还有一个可能是数据生成，我们生成模型并用它来生成数据，刚才讨论的内容大部分是泛娱乐领域的消费，其实在研究中以及一些创业公司的探索中，往往是用生成的数据再去训练模型，比如自动驾驶，它需要用大量的自动驾驶的视频来训练这个识别的模型，其中包含的一些潜在问题，比如突然出现猫或狗等一些障碍物，此类数据非常少。对该领域展开的研究也深入发展了很多，当前也有一些创业公司在做这一块事情，这可能是一个不太一样的视角。 林云川： AIGC作为一个新的生产力，从周期角度来看，要把AIGC的产品给创造出来，此时就需要商业创新，比如我要创造和生产这个能力，在数据这方面肯定会有更多的需求，例如数据的标注、数据的训练等等，这其实是一个商业创新。此外， AIGC在生产内容之外，它通过视频来解构这个世界的能力以及再生成能力，其实是非常让人恐惧的。最后，由于我们比较偏向于内容的创造或者制作，或者是内容再利用，因此对于AIGC的新的商业创新是非常值得我们进一步展开探索的。 WAIC Circle生态共建伙伴计划 为进一步深化构建大会平台，促进行业对接与赋能，在2023世界人工智能大会启动会上，大会首次正式对外宣布启动“WAIC Circle生态共建伙伴计划”。大会邀请多方合作伙伴共同搭建多维平台，通过全年形式多样的活动载体，进一步激活大会资源，打造WAIC生态圈，促进人工智能领域的“共创、共建、共融、共治、共享、共赢”。 WAIC 2024已开启申报 扫码获取申请表或垂询 抢先预约2024不容错过的AI盛会 点击回顾WAIC 2023精彩