开云(中国)Kaiyun·官方网站

　　9月25日上午，“解码未来：全球数智趋势”专题论坛在上海浦东成功举办。论坛由工业和信息化部工业文化发展中心、上海市经济和信息化委员会、上海市浦东新区人民政府主办。工业和信息化部工业文化发展中心副主任孙星、上海市经济和信息化委员会总工程师裘薇出席论坛并致辞。

　　专题论坛是工业文明国际论坛的分论坛之一。主论坛以“工业文明·中国力量”为主题，设一个主论坛和三个分论坛，来自多个国家的政府代表和专家、企业家，聚焦工业文明变迁、人工智能和在线新经济、新能源和智能网联汽车、先进材料、生物医药、产城人文、工业博物馆等热点议题展开讨论。

　　微软亚太研发集团副总裁商容以“拥抱AI，把握生产力跃升的契机”为主题，分享了AI在科学探索、用户界面、推理引擎等方面的技术突破，展望了AI如何助力人类实现更高效、更创造性的工作，同时强调了负责任地发展AI的重要性。

　　回望人类工业文明的历程，科技创新始终是推动人类社会进步和增长的核心动力。如今，AIGC技术灿然绽放，成为点燃生产力和生产关系新一轮变革的火种。技术变革对全球GDP的增长呈现了指数级的加速，在个人电脑、互联网和云计算的浪潮之后，人工智能正在以更快的速度推动人类高质量发展。

　　现在AI真正具备了大规模普及、多行业渗透、全方位驱动变革的能力和能量，在这样的背景下，每一家企业、每一个组织都需要刷新调整自己，构建自身的思维理念，以确保在所在的行业错失风口而无所作为开云kaiyun。

　　“AI新时代正在重塑包括微软在内的每个企业和组织。”微软的全新AI时代——Copilot的最新用户界面和最新推理引擎。由大语言模型提供的自然交互的界面，使用户可以通过自己的母语、中文、英文或者其他的语言和计算机，与AI进行高带宽的交流，同时这样的交流也延伸到了图像、计算机视觉等更自然的输出和输入的方式，AI不仅可以执行指令，还可以帮助更好地梳理知识，展现创意，这是一个根本的改变，人们不需要再借助代码跟计算机进行交互。

　　此外，新的推理引擎能够快速从数字世界快速准确找到对自己有用的知识、有价值的信息，并对之理解、延展、推理、规划，大幅缩短了用户处理信息所耗费的时间，让用户可以更加专注做更重要、更有价值的工作。

　　伴随AI的起飞，以往难以想象的垂直增长变成了现实。如果将那些曾经改变我们的技术、服务和产品达到1亿用户的时间作为一个考量的曲线，就会发现，ChatGPT这一轮只用了不到3个月的时间，就在全球范围内达到了1亿用户。创新的频率和效率变得越来越快、越来越高，垂直增长的时代已经来临。

　　未来人工智能的核心价值是，它不仅仅可以扩大商业影响力和客户价值，还能推动科技的突破性发展，并致力于应对解决全球范围内最为复杂的难题和挑战。我们已经进入了人工智能和人类共进化的时代，未来已来。

　　尽管AI技术在提升工作效率、优化产品形象等方面发挥着重要作用，但跨文化信任的建设仍然是AI无法替代的人类工作，人与人之间的交流和信任是企业海外成功的关键。

　　中国改革开放以来，中国出海产业持续升级，从以中低端产品和出口贸易阶段，逐步迈向定制化、个性化以及高端化的发展路径。工业文明的演进背后，是产业升级所带来的新挑战，在海外市场，在追求高端高质量发展的过程中，需要一个与之相匹配的高端形象，品牌和形象的提升显得尤为重要。

　　许多人认为品牌是一个较为抽象的概念，然而 品牌实际上是与个人之间在文化上的共鸣，“他们觉得你是自己人、有心人”。在海外可以明显地看到一个趋势，即中国各行各业的产品和服务价值已经达到世界级水平，足以竞争得过欧美、南美等地区的产品和服务竞争。

　　当前中国企业出海面临很多问题，问题源于人与人之间的信任建立。各行各业在海外的进程中，产品好仅占成功因素的50%，而另一半则取决于海外客户对企业的喜好程度，但这对于中国企业而言都是机会。因为产品品质这一最大难题已基本解决，接下来在海外的关键就在于构建文化层面的信任。

　　以人工智能、新能源、医疗健康和餐饮连锁四大最具代表性的行业为例。在科技领域，包括人工智能、软件即服务（SaaS）平台以及消费电子产品，在海外市场拥有巨大的潜力。其次是新能源行业，目前无论是在国内还是国际市场上，新能源汽车都备受瞩目，海外市场尤其广阔。第三是医疗智能健康领域，最后则是餐饮连锁行业，中国菜在全球范围内一直受到广泛的关注和支持。所以这四个领域是产业升级、品牌升级在海外重点机会所在。

　　无论To C产品还是To B端的解决方案或产品，在提升海外信誉层面，首先一点在于，利用AI协助塑造企业形象。AI能够帮助企业制作高质量的文字、图表和视频内容，从而维护和提升企业形象。

　　在商务环境中，网站或对外宣传材料若出现拼写或语言上的错误，将严重影响企业形象，现在，企业可以将翻译工作“外包”给AI，从而提升企业的基础形象，这是企业的“内功”。

　　不过，未来出海传播与公共关系仍需以人为本，AI做不到的是代替第三方进行“背书”，来自AI的肯定不能替代人类的推荐，因为只有来自人的认可才具有真正的价值。

　　“只有人说你好才是好，这是背书的作用，这个是海外市场的关键”，企业可以将10%的努力和预算投入放在提升“内功”，而“内功”得到提升，形象得到改善时，至少90%的努力可以获得第三方的认可。通过AI辅助，建立了信任之后，高质量的产品和产业升级才能发挥其应有的作用，如果信任问题没有得到解决，在海外市场的努力也会打折。因此，第三方认可的重要性不容忽视。

　　Mathieu Laurière从学术角度揭示了AI技术在模拟复杂系统中的应用前景。他介绍了多代理系统的概念，将其与自然界中的群体行为相类比，如鸟群飞行和城市交通流动，进而探讨了这些系统在能源分配、分布式计算和金融市场分析中的应用。

　　多代理系统或者多智能体系统在我们的日常生活中并不少见，例如人群的运动（Crowd motion），大城市的交通路线（Traffic routing），在金融市场（Financial markets）中通常也会用到多智能体系统。多智能体系统的特点是，有大量的智能体，它们存在互动，也会制定决策，同时环境非常复杂。

　　多代理系统的核心在于智能体的理性决策、环境的复杂性以及缺乏统一规则。为了解决这些挑战，Mathieu Laurière提出了基于智能体的模型、博弈论和机器学习等解决方案。他解释了平均场近似方法，该方法通过模拟大量智能体的行为来预测整体趋势，以及博弈论在预测个体决策中的应用。

　　通过多智能体系统可以了解人们的行为及决策。例如，地铁站人群拥挤，想要了解在地铁站中每一个人的行为，比如哪个区域人的密度比较高、哪一些密度低、他们移动的轨迹是怎么样的，但是随着时间的推移，人群的密度会改变，也就是说他们的行为会改变。

　　“我们想要了解他们这种行动变化背后的原理是什么，在交通领域我们可以通过多智能体系统来了解交通的运行情况。”演讲中，Mathieu Laurière展示了多代理系统与生成式AI的联系。第一个例子是生成对抗网络（GANs），它能够生成逼真的人脸图像，展示了AI在创造新数据方面的潜力。第二个例子是深度强化学习（DRL）在模拟鸟群飞行中的应用，说明了AI在模拟复杂动态系统方面的潜力。

　　Mathieu Laurière展望了未来研究的方向，包括提高模型的复杂性、开发新的数值方法，并强调了跨学科研究的重要性。

　　张奇在演讲中分享了其实验室在自然语言处理领域的研究进展，特别是大语言模型的开发和应用。其所在实验室是国内最早从事这一领域的研究团队之一，近年来取得了显著成就，包括开发国内首个学术界大语言模型，并发布了多模态版本。

　　张奇介绍了他们在模型理论方面的研究，包括发现模型中的核心参数区域，这些参数对模型性能至关重要。

　　2023年，大家认为大模型无所不能，所有的地方都可以使用，可以写代码，可以做医疗，能够做很多东西。但是干了一年后，大家发现，大模型落地总是差那么一口气。比如，去问大模型一句诗的下一句是什么，它可以做得很好，但是如果让它回答一句诗的前面一句是什么，或者一个成语的中间一个字是什么，结果会变得非常差。这也就让我们思考，为什么大模型会出现这些情况，它能做什么，不能做什么。

　　他进一步讨论了大模型在实际应用中面临的挑战。尽管大模型在很多方面表现出色，但在落地时常常差强人意。张奇通过比较不同版本的GPT模型来说明这一点，探讨了大模型在特定任务上的限制。

　　张奇深入探讨了大模型的能力边界，包括预训练、有监督微调、指令微调和强化学习等不同阶段的训练过程。他指出为了让模型记住知识，需要大量的重复曝光，而且训练数据必须具有高密度的知识。有监督微调阶段需要大量的训练数据，而且不同任务之间的训练数据量和效果有显著差异。

　　大模型的能力并不是凭空涌现的，而是与训练数据紧密相关。强化学习在提升模型性能方面有巨大的潜力，也面临挑战，在进行强化学习时需要大量人工标注工作和高昂的成本。

　　大模型的核心能力，包括上下文建模、多任务学习、跨语言特性和文本生成能力。尽管大模型在某些方面表现出色，但在推理能力上仍面临挑战。未来发展的两条可能路径是跟随OpenAI的步伐或者探索新的方法来提升模型的智能。

　　对于未来的大模型，清晰认知它的能力边界非常重要。如果对能力边界有共识，对于未来投资的力度和方向就有很好的把握。但是可能还需要一定的时间，或许一年、两年的时间才能完成对认知能力边界的确认。

　　时空人工智能的潜力无穷和挑战巨大。尽管当前大模型技术备受关注，但在实际应用中，尤其是在空间智能领域，仍存在许多未解决的问题，重要原因是空间信息的复杂性和对空间智能的需求开云kaiyun。

　　数字化首先要完成思维上的革命。信息化核心目标是让人来解决问题，但是数字化的核心是让机器解决问题，不是让人来解决。数字化实际上是思维范式的颠覆，让机器帮人类决策，或者让机器辅导决策，这样的系统才叫数字化系统，否则就是信息化系统。

　　城市空间的管理和发展是一个巨大的挑战，因为城市的复杂性远远超出了人力管理的能力。比如，汉堡王在扩张时如何利用AI和大数据分析来决定新的店铺位置，就是一个极其复杂的系统。举报复杂系统决策能力的大模型和AI工具在规划和发展方面具有巨大潜力，尤其是在帮助企业“出海”时。

　　数字孪生技术，从1.0时代的地图建模，到2.0时代的机器计算，再到3.0时代的元宇宙概念。未来的城市数字化将依赖于这些技术。而空间大模型的发展，目前只是冰山一角，真正的挑战在于如何利用这些模型解决物理空间和城市空间的问题。

　　陶闯还分享了所创建公司开展的研究，该公司专注于让机器理解城市，通过时空数据的组织和索引，解决了城市空间的复杂性问题。模型可以预测酒店入住率、门店销量等，为企业提供决策支持。

　　数据资产化和数据要素市场的发展将为AI时代提供基础设施。没有数据，机器不会思考，数字资产的重要性由此彰显。AI时代需要大量的数据，组织、挖掘、清洗、治理这些数据需要很多的投入。未来的企业竞争中，最重要的是将数据用起来，进入整个数据产业。开云kaiyun