中新经纬12月15日电 (万可义)

当下展现出无穷潜力的AI技术，将来会有怎样一个发展趋势？在12月14日召开的腾讯科技Hi Tech Day暨2023数字开物大会上，一众业界大咖围绕“智能涌现，数开万物”的主题，纷纷给出了各自的看法。

腾讯新闻运营总经理黄晨霞认为，2023年的技术进步不同寻常，可以称为新一轮工业革命的起点。针对AI技术，她提出了三个问题：“通往AGI的路上，我们还需要迈过哪些障碍？”“大模型将如何嵌入行业？”以及“AI所带来的前所未有的能力将带来什么产品上的可能性”。针对大家面对新技术时的矛盾心态，黄晨霞认为焦虑可以理解，但不应贸然行动，而是应该更深入进行思考。对于复杂问题的解法，黄晨霞表示，虽然面对着诸多挑战，但在讨论这些问题的过程中，涌现的信息会通往无数的未来。

科智集团董事长、数字开物创始人黄超表示，2023年是全球数字科技领域重要的变革之年，也是中国数字经济笃定前行的提速之年。在这样的科技革新背景之下，数字化正在成为中国经济社会一种变革性力量。进入AI时代，GPU和广义AI芯片逐渐取代CPU成为算力发展的核心。

中国如何在GPU的研发和制造方面破局？国资委科技强国智库专家委员会主任、中国科学院教授廖奇为认为，广义的算力才决定了一个国家未来真正的竞争实力。对于AI带来的颠覆，英诺天使基金合伙人王晟表示，一个新的技术范式从产生到变得成熟有其时间点，明年可能是应用的元年。他进一步说明，AI和产业的结合并非刚刚开始，大模型只是拓宽了融合可能，但在业务模式未改变的情况下，这种进步依然会是渐进的。

对此，昆仑万维董事长、CEO方汉补充说：“渐进式创新会在B端落地比较快，颠覆式创新是在C端大放异彩。”他认为AI这波浪潮一定会从小企业中诞生新的C端巨头。对于最近广受讨论的AI Native(AI原生)这个概念，方汉认为AI Native完全是一个伪命题。王晟则认为，AI就是一个工具，也是过去应用的延伸，和Native关联有限。

谈及哪些应用场景最先被AI改变，昆仲资本投资副总裁陈希把AI分成了三层：基础大模型层、中间层和应用层。“基础大模型层是壁垒最高的，应用层是最有发展机会的。”陈希这样表示。针对大模型为何没有在中国最早出现的问题，教育部“长江学者”特聘教授、中国人民大学交叉科学研究院院长杨东指出，过去移动互联网时代，中国存在严重的数据风险主义。为什么大模型不能及早产生和发展？主要原因不在于算力，也不在于算法，在于数据没有互联互通。

谈及安全和隐私的风险，生成内容、合成内容如何管理，以及大模型的幻觉问题这些数据应用中的核心风险点，中国信息通信研究院云大所大数据与区块链部主任姜春宇表示，需要构建全生命周期的数据安全与隐私的保护能力，覆盖整个训练过程。针对幻觉问题，在姜春宇看来，“不同的领域真实性、准确性可以有些规则约束，内容生成要求、监测机制和真实性评估，有害性问题可以通过内容识别和过滤自动检测+人工审核”，但目前国内这些领域都处于空白阶段，亟需被完善。

据姜春宇介绍，中国信息通信研究院正在撰写一本人工智能数据治理的白皮书，目的就是建立这一领域的方法和规则体系。除了安全方面的提升，姜春宇还强调了数据质量的价值：没有好的数据，模型的能力肯定会有所欠缺。“目前的现状是国内IT发展路径是先污染后治理，所以质量普遍偏差，需要有数据质量相关的评价维度变化，提升数据质量的工艺和工程能力需要加强。”在AI大模型这一新技术所展现出的强大可能性之时，整个产业将如何被改变可能是当下一般企业最为关注的问题。

谈及企业如何使用AI大模型，竹间智能总裁兼COO孙彬建议采用外部购买和联合建设的方式，如果不是行业头部企业，没有自己足够的IT开发实力的企业，不建议去做自研开发。谈及大模型是否为制造业数字化转型方向的必选项，北京信息化和工业化融合服务联盟理事长闫同柱表示，对不同的企业大模型的意义也有所不同。“高端制造业本身对知识的要求比较密集，大模型起到的是优化作用，有比较大的价值。但传统制造业来说，它的数据量不大，而大模型的门槛相对比较高，投入产出比并不那么明确。”

腾讯云智能制造首席专家邴金友认为，工业企业在接纳大模型方面存在两个问题，一是成本问题，模型训练成本高；二是幻觉问题，工业里面要么是经济产出，需要100%正确，大模型难以达成。虽然现阶段大模型并不能适用所有工业场景，但其擅长的场景已经有了很多落地的实例。邴金友表示，在客服、流程管理、人力资源、营销、内容产出和设计方面大模型的使用已经有了广泛的实践。对于大模型对工业的意义，闫同柱还提出了另一个角度，他表示工业知识和工业数据在很多地方都因为人才离职被遗失了，并没有转化为企业的知识资产，所以很多创新都是在重复造轮子，但大模型的出现可以更有效将经验数据转化为可用的知识资产。

(中新经纬APP)