9月5日，两场“外滩”——第六届“外滩金融峰会”，和2024 Inclusion·外滩大会都在上海举办。
如果稍微知道历史的话，你就会认为，这是一个很有意思的事情。
实际上，今年以来，上海开始加大对科技和金融的扶持力度，一方面要发展“新质生产力”，另一方面要用金融手段拯救消费和经济萎靡不振的情况。
在这其中，AI 被认为是“新质生产力”的核心，也是此次蚂蚁集团一年一度前沿科技大会“外滩大会”最核心、最重要的议题之一。
那么，AI如何影响产业发展？如何加速大模型应用和产业落地？中国工程院院士、之江实验室主任、阿里云创始人王坚，“机器学习之父”、美国三院院士迈克尔·乔丹（Michael I. Jordan），美国国家工程院外籍院士沈向洋，《连线》杂志创始主编凯文·凯利（Kevin Kelly），百川智能创始人、CEO王小川，MiniMax创始人兼CEO闫俊杰等多位 AI 领域重要人士齐聚2024外滩大会，畅谈AI时代下的新思考。
在回答“未来哪些工作不会被 AI 取代”时，凯文·凯利表示，正如当今就像几乎没有工作是不需要使用某种能源一样，未来几乎所有的工作都会使用某种程度的 AI，但这并不意味着它们会被 AI 完全取代。
另外，随着大模型从“拼参数”开始走向 “拼应用”，如何加速大模型应用落地，闫俊杰认为，AI 的发展是技术驱动的，不管是工作助手还是娱乐助手，它到底能解决什么问题，本质上是模型能力来决定的。而随着AI能够成为一种生产力，去解决一些问题，大模型正呈现“能力上升、成本下降”这样一个趋势。
“降低它的推理成本，比如说从GPT-4到GPT-4o，其实成本其实降了不止10倍，这个东西又推动用户渗透率的变化，我们至少已经完成大模型的第一个周期，大模型效果的提升和成本的下降。然后现在需要来突破的是，技术层面上到下代GPT能不能再带来一个性能变化。”闫俊杰表示。
王小川则否认了“AGI泡沫”的说法，他认为大模型的发展从结果上看是符合行业预期的。他指出，为了推动大模型迈向下一个发展阶段，关键在于实现两大融合：一是将知识搜索与大模型相结合，二是大模型强化的结合。据悉，百川智能则重点在大医疗AI领域做投入，从儿科医生、全科医生两个切入点发力，希望在明年实现医疗的低成本和可及性，为用户缓解焦虑，减少医院的挤兑现象。
沈向洋则强调，未来，人机交互的新方式是“AI与IA”的融合共进，它代表着一种以人为本的 AI 发展路径，它聚焦于运用技术提升人类的能力，而非取代人类。
王坚：AI+不是AI和产业的简单结合
本届外滩大会上，汇聚了国内外超过2000名嘉宾参会，20多款AI助手展示。嘉宾将围绕AI产业新实践、科技人文新思考、金融科技新探索三大方向，带来全球化和专业思想碰撞。
9月5日上午，中国工程院院士、之江实验室主任、阿里云创始人王坚分享了他对于AI、AI+和AI基础设施的思考。
王坚表示，“AI+不是AI和产业的简单结合，而是数据、模型和算力的组合，云计算就是AI时代的基础设施。”
王坚认为，当我们讲“AI+”的“+”时，不是加什么东西，而是怎么加，更重要的是一个机制创新。这个创新就是数据、模型和算力的组合。当数据、模型、算力的规模都有了巨大的变化，这时就一定要引入新的东西，那就是AI的基础设施。
王坚指出，一个事情要谈到基础设施的时候，就是一个技术渗透的终结的形式。什么技术会对人类产生最长远的影响？就是它变成了基础设施。他援引红杉资本的观点，在云时代、移动时代、AI时代，基础设施就是云计算。
王坚强调，“当你看AI、AI+、AI基础设施的时候，你就会发现，这个世界不但技术在革命，机制也在革命，基础设施也在革命。没有比这三项革命在同一时间发生再令人激动了。我想这些革命正在创造未来。”
AGI是否存在泡沫？韩歆毅、王小川、闫俊杰在外滩大会这样回应
主论坛“产业创新圆桌”环节，蚂蚁集团总裁兼首席财务官韩歆毅，百川智能创始人、CEO王小川，MiniMax创始人、CEO闫俊杰等行业领袖分别针对大模型发展历程、下一周期的突破，以及产业实现路径等行业关注的议题展开了讨论。嘉宾们认为，应用突破是中国通用人工智能技术（AGI）发展的关键。
实际上，大模型的发展需要拉长周期来看。过去两年，大模型技术取得了重要突破性进展。目前正处于行业发展的一个节点，大模型从“拼参数”开始走向 “拼应用”，接下来行业面对两个问题，一是如何降低它的推理成本，进而推动了大规模落地应用。二是如何用应用驱动技术的发展。
韩歆毅认为，AI技术的发展和应用是一个不断循环迭代的过程，需要在应用中发现技术的难点，让技术发展的方向更加聚焦。
王小川否认了“AGI泡沫”的说法，他认为大模型的发展从结果上看是符合行业预期的。他指出，为了推动大模型迈向下一个发展阶段，关键在于实现两大融合：一是将知识搜索与大模型相结合，二是大模型强化的结合。
大模型被认为是实现真正的AGI的必经之路。王小川认为，谈AGI可以参考“人”的标准，即像人一样思考、知识、提供服务能力，落到场景就是像人一样的助手。
百川智能正在加速落地健康领域。王小川指出，“大概2021年的时候叫生命科学，这是大众健康关心的一个领域，而大病领域，大模型跟医疗是非常同构的一个技术架构，因此我们认为这里面是一个广阔的市场，所以至少在百川节奏和‘超级模型’里面，是需要有搜索和强化，不止是Scale up，大语言模型是不够的，还得把搜索和强化给做进去，这是一个完整的超级技术应用。所以我认为这跟自己预期来讲是蛮符合的，去年太快了，就像一种推背感，就跟你坐飞机的时候是推着往前走，每天都有新论文出来，每天起来巨大的一种焦虑，一起来之后又有多少新技术诞生，多少新的突破，现在我觉得在一个比较正常、有节奏突破当中了。”
而距离实现AGI这样的标准，闫俊杰觉得还需要耐心。当下他更加关注通过技术的优化来拓展AI的边界。
闫俊杰表示，基于整个行业变化和MiniMax 30亿次的交互判断，未来会有三个事情可以解决：一是错误率持续下降，现在GPT-4模型错误率是20%，原来只有OpenAI一家能做到，现在则是很多公司都能做到，未来会不会把错误率下降到2%左右，这是否会成为关键；二是无限长度的记忆，使得 AI 从助手到生产力替代/提升状态，从而产生产品交互形态的变化；三是多模态，不仅仅通过文字交流，更多通过语音、表情、视觉来交流，多模态会很重要，所以背后需要提高渗透率。
在闫俊杰看来，如果模型错误率可以下降到个位数，那么模型就是一个可信赖的状态，AI也有可能从助手变成为一种生产力，这种变化也会带来真正大众化的产品，为行业带来本质的变化。
“我觉得是这样，其实泡沫并不可怕。我刚才总体的一个感觉就是说，因为AI 技术发展能力的提升和应用，其实是一个不断互相去循环、迭代、演进的一个过程。现在有一点处于‘技术跑在了前面，应用还没有完全跟上’的时候，现在需要的，其实就是我们在应用层面要跟上，从而让技术能够实用，并且创造更多的技术难题，在使用中创造更多的技术难题，让技术发展方向上更加聚焦。”韩歆毅表示。
韩歆毅认为，大模型产品的目标可以浓缩为：好用、有用和用得起。对于用户，这意味着一种全新的、更加直观的交互体验；而对于商家，则意味着能够更深入地理解用户需求，进而提供更加结构化和个性化的服务。这种服务是一个交付结果，它的转变不仅仅体现在用户交互上，它更是一种深层次的供给侧的改变。支付宝正在不断探索如何将 AI 技术更自然地融入人们的日常生活和商业运作中，以此推动商业模式的创新和转型。
韩歆毅也透露，在外滩大会上，蚂蚁集团会发布AI生活管家“支小宝”、AI金融管家“蚂小财”和AI健康管家三个产品，其中“支小宝”是一款独立的App。他期待，这三个AI管家在三个领域给用户提供好服务，同时以智能体的方式链接开放生态，在新的商业环境里找到商业模式。
“它（AI助理产品）起于交互的变化，但是最后改变的其实是交付的结果，而这种交付结果的改变其实不仅仅是在用户互动端，其实我们还要去深入到供给侧，它是一个供给侧的变化。为什么今天AI能够改变供给侧的变化，在于它能够把用户个性化需求理解的更准确，然后把这些需求再以标准的数据结构方式，给到我们这些商家也好，工厂也好，大家可以重新去组织，在AI没有产生之前这种大规模个性化、定制化需求，其实很难实现，只能做一些标准化，最多我们做到千人千面，后来是推荐，很难真正做到个性化，因此，我觉得只有（AI助理）这样的话才能真正去改变交付的结果。交付的结果改变了以后，大家才会说真的是一个好的服务，它能解决我们的更多问题。”韩歆毅表示。
沈向洋：“讲卡伤感情，没卡没感情”
2024 Inclusion·外滩大会上，香港科技大学校董会主席、美国国家工程院外籍院士沈向洋发表题为《大模型时代的机遇和挑战：技术融合，产业跃迁》的主旨演讲。
沈向洋认为，AI 落地产业最重要的是三件事情：算力、算法、数据。
“讲卡伤感情，没卡没感情”，沈向洋分享了一组数据，从2012年开始，每年大模型需要的算力都在增长，一开始几年是六七倍的增长，最近几年稳定下来，每年是四倍左右的增长。而随着大模型的参数越来越大，大模型对算力的要求已经由线性增长进化到平方向的增长。如今，算力已经是大模型落地的门槛，“真正做大模型的公司，如果你一万张卡都没有，你就根本不要讲自己是在干大模型的公司。”
讲起“卡”，沈向洋表示，目前整个计算机芯片行业的发展，从原来的摩尔定律变成了黄氏定律。以前是CPU的增长，摩尔定律是指每18-24个月，计算能力翻倍。现在是GPU的算力一年涨4倍。人类社会的计算能力呈现了一种超级跃进趋势。
这也突出了数据的重要性。“GPT3刚出来的时候是2个T的token，GPT4刚出来的时候是12个T左右的数据，后来还在不断地加数据训练，现在我们猜GPT4是20T的数据。大家在望穿秋水等GPT5出来，到底要用多少的数据？”沈向洋给出的猜测是200个T的数据，但如今的互联网要挖出200T的数据已经不容易了。沈向洋感慨，互联网40年积累的数据，似乎就是为了一个AI时刻。
沈向洋认为，大模型的下一章要从语言模型到多模态发展。尽管Sora已经做得不错，但多模态大模型仍不够强大。他强调，大模型未来一定要往具身智能走，往机器人走，自动驾驶就是一种机器人的特别形态。
随着大模型的发展，沈向洋提出，未来大模型将横扫所有垂直行业。大模型可分为通用大模型、行业大模型、企业大模型和个人大模型。通用大模型大致是万亿参数，万卡训练。行业大模型大致上是千亿参数、千亿卡的训练规模。企业大模型可能只需要100张卡、百亿参数。而个人大模型最被沈向洋期待，比如联想、微软推出的AIPC，苹果号称的Apple Intelligence,利用个性化参数，结合云和端，都被沈向洋视作有意思的尝试。
谈及人机关系，沈向洋认为，AI为人类提供了与技术共生的全新语境，人机交互的新方式指向“AI与IA”的融合共进。IA（Intelligent Augmentation），即智能增强。它代表着一种以人为本的 AI 发展路径，它聚焦于运用技术提升人类的能力，而非取代人类，强调了人类与 AI 之间的协作关系。
提到近期行业特别关注的AI agent（人工智能体，一种能够感知环境、进行决策和执行动作的智能实体）时，沈向洋表示，agent从愿景到落地的过程中，需要始终以需求为原点，深刻理解模型的能力，并构建一个AI深度参与的工作流程。
沈向洋强调，AI agent时代的到来，不会是一个神奇而强大的模型突然代替了所有的工作流，它涉及到技术、工程与市场的不断磨合，最终以超预期的服务呈现给人类。
沈向洋还指出，从人机共存的新范式到大模型的行业落地，折射的是技术与商业形成闭环、让技术创新真正改变世界的本质。
沈向洋强调，在 AI 的颠覆性力量逐步显化的过程中，须重视AI的治理，打造负责任的AI。
迈克尔·乔丹：构建 AI 的协作系统
9 月 5 日，在2024 Inclusion·外滩大会开幕主论坛上，机器学习泰斗迈克尔·乔丹发表主题演讲。迈克尔·乔丹认为，AI落地产业，需要形成互相协作的集体；要构建 AI 的协作系统，必须要引入经济学的“激励”视角。
“AI拥有海量的数据，但有些不能生成价值，通过设计激励机制才能驱动AI智能体贡献和协作。”迈克尔·乔丹提出了“三层数据市场（Three-Layer Data Markets）”模型，其中用户、平台和数据买家通过“出让数据”、“购买数据”、“提供服务”形成了闭环。他强调，数据购买者也就是企业可以结合“数据和服务”建立与用户的激励机制，从而为他们带来真正的价值。
谈及 AI 的不确定性，迈克尔·乔丹认为，当前的 AI 系统很难表达它真正学到哪些知识，也没有能力表达它有多确定。相较之下，人类在面对不确定性时表现出色，尤其是集体协作共同应对时。
“缺乏对集体性、不确定性和激励机制的关注，是当前对AI讨论中缺失的三个方面。”
因此，迈克尔·乔丹建议不仅单独设备要具备一定智能，AI 更要通过协同体现在整体系统层面。他指出，仅仅将人类的智慧融入超级智能计算机中是不够的，现代信息技术在医疗、交通、金融科技和商业领域的应用，需要集体性、去中心化的智能系统。
AI将与人类不断共生
《连线》杂志创始主编凯文·凯利（Kevin Kelly）在开幕主论坛上的演讲中表示，当 AI 深刻影响经济和文化，必将涌现三大趋势：全球主义、创新加速和AI驱动生成。
谈及AI驱动生成的趋势，凯文·凯利认为，AI 不仅将帮助我们摆脱机械、枯燥的工作，完成我们无法独立完成的任务，甚至可以生成超乎人类想象的全新事物。“通过这一年半来使用 ChatGPT和其他大语言模型的经验来看，从 AI 工具中获益最多的人实际上是表现一般或较差的员工。AI 工具不仅仅是为最聪明的人准备的，它们还能帮助不那么出色的人产生更好地完成工作。”凯文·凯利称。
对于如何确保 AI 带来的未来是有益的，而不是加剧不平等，凯文·凯利表示，我们有理由对任何新技术保持谨慎， Ai 也不例外。他认为，首先要利用技术去引导它的发展，要实现我们期望的由 AI 驱动的未来，最好的途径之一就是积极参与其中，而不是试图禁止它或将其排斥在外。其次，应尽可能推动 AI 技术的开源化。开源模式赋予更多人参与的机会，形成一种更具包容性的技术生态系统。
复旦大学计算机科学技术学院教授、上海市数据科学重点实验室主任肖仰华谈及AI新技术带来的潜在科技伦理问题。
肖仰华表示，AI大规模应用对人类生活有4大突出挑战，首要挑战在于，我们的生产关系等社会发展上层建筑，如何适应以 AI 为代表的先进生产力的快速发展。而生成式 AI 技术发展，已经需要以月为单位进行记录。但是人类的情感、价值、伦理观念调整是十分缓慢的。如何调和这个矛盾，是我们需要直面的挑战之一。
肖仰华认为，其次是技术普惠问题。要避免少部分人借助先进技术形成不正当的竞争优势。此外，我们还应该特别注意防范技术成瘾，防止先进技术对人类造成反噬。
在肖仰华看来，AI的大规模滥用是可能损害人之为人的本性的。要有所为有所不为，但凡伤害人之为人之本性的AI应用，我们要谨慎，要加以限制。为此，“我们要重视技术治理，并将治理提前考虑，做到未雨绸缪。”
外滩大会的开幕式上，24岁的独臂男孩周键借智能仿生手演奏钢琴。随后，肖仰华与强脑科技创始人兼CEO韩璧丞就人机共生的未来展开对谈。
韩璧丞认为，脑机接口在未来5-10年内，会发生三个阶段的变化，分别是：修复、增强和更高阶的交互。修复是帮助最需要的人如有脑疾病、肢体残疾的人恢复正常生活。其次是增强，比如是不是可以借助脑机接口技术，根据老人的意识为其提供机能补充，让每个老人多走5-10年的路。下一代的交互则会变得更高阶，比如对话，现在是通过语言，未来可能不需要再通过语言对话，收到提问我们想一想就传递出去了。
在肖仰华看来，随着脑机接口与AI技术的广泛应用，机器已经成为人类的外脑、人类的四肢，人已经不再是传统生物意义上的人。
“与之伴随的是，人与人之间的社会关系也将随之发生变化，AI将成为人类从事各种生产和活动的代理。人与机器之间的关系、机器与机器之间的关系，将不可避免的纳入到我们对社会关系考察范围，”肖仰华表示。
外滩大会显露AI产业实践六大趋势，下一代超级应用是智能体
除了上述演讲，外滩大会上还公布了AI产业发展的六大趋势。无论是企业界的实践，还是专家学者的研究，各方都认为AI产业实践正呈现六大趋势，涵盖小模型、智能体、专业AI、具身智能等方面，指明了大模型产业落地的发展走向。
1、端侧智能成 AI 应用的关键引擎。
更专业的多模态小模型，在行业应用中取得比通用大模型更好的效果，硬件设备集成小模型，端侧AI逐步成熟，为超级应用的出现创造条件。
2、异构算力助力抢跑大模型应用之战。
AI时代新摩尔定律正在产生，芯片加速提升性能、模型架构持续优化、基础模型成本快速下降，算力“经济实用”是企业关注焦点，异构计算有望主导未来的高性能计算市场。
3、高质量数据成为企业AI战略制高点。
提高数据数量、质量、安全和多样性，对提升大模型性能至关重要，数据能力成为每家公司AI战略必需品，一批新型数据服务公司涌现，为企业提供数据合成、隐私安全、多模态数据处理能力。
4、专业领域应用成大模型技术加速发展的“探照灯”。
大模型将在产业实用价值的领域逐步落地，医疗、金融等专业领域应用涌现，促进垂直行业生产力提升、数据价值释放，同时也成为大模型技术加速发展的“探照灯”。
5、智能体是新型终端形态，孕育新一代超级平台。
机器变身数字伴侣、工作搭子、生活助手，有情绪有思考能办事，人人享用的智能体正成科技公司新角逐场。智能体协作、管理设计、具体场景中推理规划能力等技术，持续进化。
6、具身智能变革智能陪护与未来制造。
具身智能经过多个周期探索，在大模型时代将进入拐点时刻。空间智能发展让AI感知世界能力加强，具备三维感知能力的智能机器人，会成为人类现实场景中的陪护助手，帮助工厂彻底变革固定流水线生产模式。
外滩大会上，专家预测，五年内产业落地是大模型技术持续进化的关键。站在当下看未来，就像蒸汽机真正改变世界，源于它开始与轮船、火车、纺织机融合，AI领域也需要实现“百模大战”到“产业实用”交错演进，才能形成算法算力、数据与行业应用之间的发展闭环，让大模型成为一个真正的新周期。
在基础设施层面，不少从业者和专家都认为，“大力出奇迹”之后，行业回归理性，企业更关注经济实用性，更专业的小模型在行业落地中会占据更重要的位置，也会为大模型创新应用创造条件。与此同时，AI时代新摩尔定律呼之欲出，大模型公司降价、芯片性能提升加速，基础模型成本快速下降，对产业应用而言，企业应密切关注AI使用成本与应用投产比的动态变化，实现快速转型。
数据作为AI产业的三大支柱之一，是每家企业AI战略必需品。但目前数据仍是大模型产业落地的主要矛盾，大模型用尽公共语料数据，获得干净的、多模态的丰富数据成企业用好大模型、推动“博士级”AI应用的关键。
而未被完全利用数据价值的医疗、金融、工业等专业领域加速落地，不仅能提供可靠的AI服务，也能进一步反哺大模型性能的升级。此外，外滩大会指出，针对企业用好私域数据、低成本生成定制数据、保障隐私安全等需求，一批新型数据服务公司将站上风口。
“尽管 AI 的发展还在相对早期的阶段，但是行业有很多应用方向，我们值得下定决心去做。在产业应用方面，我对中国公司的未来发展非常有信心。”沈向洋说。
（本文首发于钛媒体App，作者｜林志佳，编辑｜胡润峰）
热门跟贴