9月5日，兩場“外灘”——第六屆“外灘金融峰會”，和2024 Inclusion·外灘大會都在上海舉辦。
如果稍微知道曆史的話，你就會認爲，這是一個很有意思的事情。
實際上，今年以來，上海開始加大對科技和金融的扶持力度，一方面要發展“新質生産力”，另一方面要用金融手段拯救消費和經濟萎靡不振的情況。
在這其中，AI 被認爲是“新質生産力”的核心，也是此次螞蟻集團一年一度前沿科技大會“外灘大會”最核心、最重要的議題之一。
那麽，AI如何影響産業發展？如何加速大模型應用和産業落地？中國工程院院士、之江實驗室主任、阿裏雲創始人王堅，“機器學習之父”、美國三院院士邁克爾·喬丹（Michael I. Jordan），美國國家工程院外籍院士沈向洋，《連線》雜志創始主編凱文·凱利（Kevin Kelly），百川智能創始人、CEO王小川，MiniMax創始人兼CEO闫俊傑等多位 AI 領域重要人士齊聚2024外灘大會，暢談AI時代下的新思考。
在回答“未來哪些工作不會被 AI 取代”時，凱文·凱利表示，正如當今就像幾乎沒有工作是不需要使用某種能源一樣，未來幾乎所有的工作都會使用某種程度的 AI，但這並不意味著它們會被 AI 完全取代。
另外，隨著大模型從“拼參數”開始走向 “拼應用”，如何加速大模型應用落地，闫俊傑認爲，AI 的發展是技術驅動的，不管是工作助手還是娛樂助手，它到底能解決什麽問題，本質上是模型能力來決定的。而隨著AI能夠成爲一種生産力，去解決一些問題，大模型正呈現“能力上升、成本下降”這樣一個趨勢。
“降低它的推理成本，比如說從GPT-4到GPT-4o，其實成本其實降了不止10倍，這個東西又推動用戶滲透率的變化，我們至少已經完成大模型的第一個周期，大模型效果的提升和成本的下降。然後現在需要來突破的是，技術層面上到下代GPT能不能再帶來一個性能變化。”闫俊傑表示。
王小川則否認了“AGI泡沫”的說法，他認爲大模型的發展從結果上看是符合行業預期的。他指出，爲了推動大模型邁向下一個發展階段，關鍵在于實現兩大融合：一是將知識搜索與大模型相結合，二是大模型強化的結合。據悉，百川智能則重點在大醫療AI領域做投入，從兒科醫生、全科醫生兩個切入點發力，希望在明年實現醫療的低成本和可及性，爲用戶緩解焦慮，減少醫院的擠兌現象。
沈向洋則強調，未來，人機交互的新方式是“AI與IA”的融合共進，它代表著一種以人爲本的 AI 發展路徑，它聚焦于運用技術提升人類的能力，而非取代人類。
王堅：AI+不是AI和産業的簡單結合
本屆外灘大會上，彙聚了國內外超過2000名嘉賓參會，20多款AI助手展示。嘉賓將圍繞AI産業新實踐、科技人文新思考、金融科技新探索三大方向，帶來全球化和專業思想碰撞。
9月5日上午，中國工程院院士、之江實驗室主任、阿裏雲創始人王堅分享了他對于AI、AI+和AI基礎設施的思考。
王堅表示，“AI+不是AI和産業的簡單結合，而是數據、模型和算力的組合，雲計算就是AI時代的基礎設施。”
王堅認爲，當我們講“AI+”的“+”時，不是加什麽東西，而是怎麽加，更重要的是一個機制創新。這個創新就是數據、模型和算力的組合。當數據、模型、算力的規模都有了巨大的變化，這時就一定要引入新的東西，那就是AI的基礎設施。
王堅指出，一個事情要談到基礎設施的時候，就是一個技術滲透的終結的形式。什麽技術會對人類産生最長遠的影響？就是它變成了基礎設施。他援引紅杉資本的觀點，在雲時代、移動時代、AI時代，基礎設施就是雲計算。
王堅強調，“當你看AI、AI+、AI基礎設施的時候，你就會發現，這個世界不但技術在革命，機制也在革命，基礎設施也在革命。沒有比這三項革命在同一時間發生再令人激動了。我想這些革命正在創造未來。”
AGI是否存在泡沫？韓歆毅、王小川、闫俊傑在外灘大會這樣回應
主論壇“産業創新圓桌”環節，螞蟻集團總裁兼首席財務官韓歆毅，百川智能創始人、CEO王小川，MiniMax創始人、CEO闫俊傑等行業領袖分別針對大模型發展曆程、下一周期的突破，以及産業實現路徑等行業關注的議題展開了討論。嘉賓們認爲，應用突破是中國通用人工智能技術（AGI）發展的關鍵。
實際上，大模型的發展需要拉長周期來看。過去兩年，大模型技術取得了重要突破性進展。目前正處于行業發展的一個節點，大模型從“拼參數”開始走向 “拼應用”，接下來行業面對兩個問題，一是如何降低它的推理成本，進而推動了大規模落地應用。二是如何用應用驅動技術的發展。
韓歆毅認爲，AI技術的發展和應用是一個不斷循環叠代的過程，需要在應用中發現技術的難點，讓技術發展的方向更加聚焦。
王小川否認了“AGI泡沫”的說法，他認爲大模型的發展從結果上看是符合行業預期的。他指出，爲了推動大模型邁向下一個發展階段，關鍵在于實現兩大融合：一是將知識搜索與大模型相結合，二是大模型強化的結合。
大模型被認爲是實現真正的AGI的必經之路。王小川認爲，談AGI可以參考“人”的標准，即像人一樣思考、知識、提供服務能力，落到場景就是像人一樣的助手。
百川智能正在加速落地健康領域。王小川指出，“大概2021年的時候叫生命科學，這是大衆健康關心的一個領域，而大病領域，大模型跟醫療是非常同構的一個技術架構，因此我們認爲這裏面是一個廣闊的市場，所以至少在百川節奏和‘超級模型’裏面，是需要有搜索和強化，不止是Scale up，大語言模型是不夠的，還得把搜索和強化給做進去，這是一個完整的超級技術應用。所以我認爲這跟自己預期來講是蠻符合的，去年太快了，就像一種推背感，就跟你坐飛機的時候是推著往前走，每天都有新論文出來，每天起來巨大的一種焦慮，一起來之後又有多少新技術誕生，多少新的突破，現在我覺得在一個比較正常、有節奏突破當中了。”
而距離實現AGI這樣的標准，闫俊傑覺得還需要耐心。當下他更加關注通過技術的優化來拓展AI的邊界。
闫俊傑表示，基于整個行業變化和MiniMax 30億次的交互判斷，未來會有三個事情可以解決：一是錯誤率持續下降，現在GPT-4模型錯誤率是20%，原來只有OpenAI一家能做到，現在則是很多公司都能做到，未來會不會把錯誤率下降到2%左右，這是否會成爲關鍵；二是無限長度的記憶，使得 AI 從助手到生産力替代/提升狀態，從而産生産品交互形態的變化；三是多模態，不僅僅通過文字交流，更多通過語音、表情、視覺來交流，多模態會很重要，所以背後需要提高滲透率。
在闫俊傑看來，如果模型錯誤率可以下降到個位數，那麽模型就是一個可信賴的狀態，AI也有可能從助手變成爲一種生産力，這種變化也會帶來真正大衆化的産品，爲行業帶來本質的變化。
“我覺得是這樣，其實泡沫並不可怕。我剛才總體的一個感覺就是說，因爲AI 技術發展能力的提升和應用，其實是一個不斷互相去循環、叠代、演進的一個過程。現在有一點處于‘技術跑在了前面，應用還沒有完全跟上’的時候，現在需要的，其實就是我們在應用層面要跟上，從而讓技術能夠實用，並且創造更多的技術難題，在使用中創造更多的技術難題，讓技術發展方向上更加聚焦。”韓歆毅表示。
韓歆毅認爲，大模型産品的目標可以濃縮爲：好用、有用和用得起。對于用戶，這意味著一種全新的、更加直觀的交互體驗；而對于商家，則意味著能夠更深入地理解用戶需求，進而提供更加結構化和個性化的服務。這種服務是一個交付結果，它的轉變不僅僅體現在用戶交互上，它更是一種深層次的供給側的改變。支付寶正在不斷探索如何將 AI 技術更自然地融入人們的日常生活和商業運作中，以此推動商業模式的創新和轉型。
韓歆毅也透露，在外灘大會上，螞蟻集團會發布AI生活管家“支小寶”、AI金融管家“螞小財”和AI健康管家三個産品，其中“支小寶”是一款獨立的App。他期待，這三個AI管家在三個領域給用戶提供好服務，同時以智能體的方式鏈接開放生態，在新的商業環境裏找到商業模式。
“它（AI助理産品）起于交互的變化，但是最後改變的其實是交付的結果，而這種交付結果的改變其實不僅僅是在用戶互動端，其實我們還要去深入到供給側，它是一個供給側的變化。爲什麽今天AI能夠改變供給側的變化，在于它能夠把用戶個性化需求理解的更准確，然後把這些需求再以標准的數據結構方式，給到我們這些商家也好，工廠也好，大家可以重新去組織，在AI沒有産生之前這種大規模個性化、定制化需求，其實很難實現，只能做一些標准化，最多我們做到千人千面，後來是推薦，很難真正做到個性化，因此，我覺得只有（AI助理）這樣的話才能真正去改變交付的結果。交付的結果改變了以後，大家才會說真的是一個好的服務，它能解決我們的更多問題。”韓歆毅表示。
沈向洋：“講卡傷感情，沒卡沒感情”
2024 Inclusion·外灘大會上，香港科技大學校董會主席、美國國家工程院外籍院士沈向洋發表題爲《大模型時代的機遇和挑戰：技術融合，産業躍遷》的主旨演講。
沈向洋認爲，AI 落地産業最重要的是三件事情：算力、算法、數據。
“講卡傷感情，沒卡沒感情”，沈向洋分享了一組數據，從2012年開始，每年大模型需要的算力都在增長，一開始幾年是六七倍的增長，最近幾年穩定下來，每年是四倍左右的增長。而隨著大模型的參數越來越大，大模型對算力的要求已經由線性增長進化到平方向的增長。如今，算力已經是大模型落地的門檻，“真正做大模型的公司，如果你一萬張卡都沒有，你就根本不要講自己是在幹大模型的公司。”
講起“卡”，沈向洋表示，目前整個計算機芯片行業的發展，從原來的摩爾定律變成了黃氏定律。以前是CPU的增長，摩爾定律是指每18-24個月，計算能力翻倍。現在是GPU的算力一年漲4倍。人類社會的計算能力呈現了一種超級躍進趨勢。
這也突出了數據的重要性。“GPT3剛出來的時候是2個T的token，GPT4剛出來的時候是12個T左右的數據，後來還在不斷地加數據訓練，現在我們猜GPT4是20T的數據。大家在望穿秋水等GPT5出來，到底要用多少的數據？”沈向洋給出的猜測是200個T的數據，但如今的互聯網要挖出200T的數據已經不容易了。沈向洋感慨，互聯網40年積累的數據，似乎就是爲了一個AI時刻。
沈向洋認爲，大模型的下一章要從語言模型到多模態發展。盡管Sora已經做得不錯，但多模態大模型仍不夠強大。他強調，大模型未來一定要往具身智能走，往機器人走，自動駕駛就是一種機器人的特別形態。
隨著大模型的發展，沈向洋提出，未來大模型將橫掃所有垂直行業。大模型可分爲通用大模型、行業大模型、企業大模型和個人大模型。通用大模型大致是萬億參數，萬卡訓練。行業大模型大致上是千億參數、千億卡的訓練規模。企業大模型可能只需要100張卡、百億參數。而個人大模型最被沈向洋期待，比如聯想、微軟推出的AIPC，蘋果號稱的Apple Intelligence,利用個性化參數，結合雲和端，都被沈向洋視作有意思的嘗試。
談及人機關系，沈向洋認爲，AI爲人類提供了與技術共生的全新語境，人機交互的新方式指向“AI與IA”的融合共進。IA（Intelligent Augmentation），即智能增強。它代表著一種以人爲本的 AI 發展路徑，它聚焦于運用技術提升人類的能力，而非取代人類，強調了人類與 AI 之間的協作關系。
提到近期行業特別關注的AI agent（人工智能體，一種能夠感知環境、進行決策和執行動作的智能實體）時，沈向洋表示，agent從願景到落地的過程中，需要始終以需求爲原點，深刻理解模型的能力，並構建一個AI深度參與的工作流程。
沈向洋強調，AI agent時代的到來，不會是一個神奇而強大的模型突然代替了所有的工作流，它涉及到技術、工程與市場的不斷磨合，最終以超預期的服務呈現給人類。
沈向洋還指出，從人機共存的新範式到大模型的行業落地，折射的是技術與商業形成閉環、讓技術創新真正改變世界的本質。
沈向洋強調，在 AI 的顛覆性力量逐步顯化的過程中，須重視AI的治理，打造負責任的AI。
邁克爾·喬丹：構建 AI 的協作系統
9 月 5 日，在2024 Inclusion·外灘大會開幕主論壇上，機器學習泰鬥邁克爾·喬丹發表主題演講。邁克爾·喬丹認爲，AI落地産業，需要形成互相協作的集體；要構建 AI 的協作系統，必須要引入經濟學的“激勵”視角。
“AI擁有海量的數據，但有些不能生成價值，通過設計激勵機制才能驅動AI智能體貢獻和協作。”邁克爾·喬丹提出了“三層數據市場（Three-Layer Data Markets）”模型，其中用戶、平台和數據買家通過“出讓數據”、“購買數據”、“提供服務”形成了閉環。他強調，數據購買者也就是企業可以結合“數據和服務”建立與用戶的激勵機制，從而爲他們帶來真正的價值。
談及 AI 的不確定性，邁克爾·喬丹認爲，當前的 AI 系統很難表達它真正學到哪些知識，也沒有能力表達它有多確定。相較之下，人類在面對不確定性時表現出色，尤其是集體協作共同應對時。
“缺乏對集體性、不確定性和激勵機制的關注，是當前對AI討論中缺失的三個方面。”
因此，邁克爾·喬丹建議不僅單獨設備要具備一定智能，AI 更要通過協同體現在整體系統層面。他指出，僅僅將人類的智慧融入超級智能計算機中是不夠的，現代信息技術在醫療、交通、金融科技和商業領域的應用，需要集體性、去中心化的智能系統。
AI將與人類不斷共生
《連線》雜志創始主編凱文·凱利（Kevin Kelly）在開幕主論壇上的演講中表示，當 AI 深刻影響經濟和文化，必將湧現三大趨勢：全球主義、創新加速和AI驅動生成。
談及AI驅動生成的趨勢，凱文·凱利認爲，AI 不僅將幫助我們擺脫機械、枯燥的工作，完成我們無法獨立完成的任務，甚至可以生成超乎人類想象的全新事物。“通過這一年半來使用 ChatGPT和其他大語言模型的經驗來看，從 AI 工具中獲益最多的人實際上是表現一般或較差的員工。AI 工具不僅僅是爲最聰明的人准備的，它們還能幫助不那麽出色的人産生更好地完成工作。”凱文·凱利稱。
對于如何確保 AI 帶來的未來是有益的，而不是加劇不平等，凱文·凱利表示，我們有理由對任何新技術保持謹慎， Ai 也不例外。他認爲，首先要利用技術去引導它的發展，要實現我們期望的由 AI 驅動的未來，最好的途徑之一就是積極參與其中，而不是試圖禁止它或將其排斥在外。其次，應盡可能推動 AI 技術的開源化。開源模式賦予更多人參與的機會，形成一種更具包容性的技術生態系統。
複旦大學計算機科學技術學院教授、上海市數據科學重點實驗室主任肖仰華談及AI新技術帶來的潛在科技倫理問題。
肖仰華表示，AI大規模應用對人類生活有4大突出挑戰，首要挑戰在于，我們的生産關系等社會發展上層建築，如何適應以 AI 爲代表的先進生産力的快速發展。而生成式 AI 技術發展，已經需要以月爲單位進行記錄。但是人類的情感、價值、倫理觀念調整是十分緩慢的。如何調和這個矛盾，是我們需要直面的挑戰之一。
肖仰華認爲，其次是技術普惠問題。要避免少部分人借助先進技術形成不正當的競爭優勢。此外，我們還應該特別注意防範技術成瘾，防止先進技術對人類造成反噬。
在肖仰華看來，AI的大規模濫用是可能損害人之爲人的本性的。要有所爲有所不爲，但凡傷害人之爲人之本性的AI應用，我們要謹慎，要加以限制。爲此，“我們要重視技術治理，並將治理提前考慮，做到未雨綢缪。”
外灘大會的開幕式上，24歲的獨臂男孩周鍵借智能仿生手演奏鋼琴。隨後，肖仰華與強腦科技創始人兼CEO韓璧丞就人機共生的未來展開對談。
韓璧丞認爲，腦機接口在未來5-10年內，會發生三個階段的變化，分別是：修複、增強和更高階的交互。修複是幫助最需要的人如有腦疾病、肢體殘疾的人恢複正常生活。其次是增強，比如是不是可以借助腦機接口技術，根據老人的意識爲其提供機能補充，讓每個老人多走5-10年的路。下一代的交互則會變得更高階，比如對話，現在是通過語言，未來可能不需要再通過語言對話，收到提問我們想一想就傳遞出去了。
在肖仰華看來，隨著腦機接口與AI技術的廣泛應用，機器已經成爲人類的外腦、人類的四肢，人已經不再是傳統生物意義上的人。
“與之伴隨的是，人與人之間的社會關系也將隨之發生變化，AI將成爲人類從事各種生産和活動的代理。人與機器之間的關系、機器與機器之間的關系，將不可避免的納入到我們對社會關系考察範圍，”肖仰華表示。
外灘大會顯露AI産業實踐六大趨勢，下一代超級應用是智能體
除了上述演講，外灘大會上還公布了AI産業發展的六大趨勢。無論是企業界的實踐，還是專家學者的研究，各方都認爲AI産業實踐正呈現六大趨勢，涵蓋小模型、智能體、專業AI、具身智能等方面，指明了大模型産業落地的發展走向。
1、端側智能成 AI 應用的關鍵引擎。
更專業的多模態小模型，在行業應用中取得比通用大模型更好的效果，硬件設備集成小模型，端側AI逐步成熟，爲超級應用的出現創造條件。
2、異構算力助力搶跑大模型應用之戰。
AI時代新摩爾定律正在産生，芯片加速提升性能、模型架構持續優化、基礎模型成本快速下降，算力“經濟實用”是企業關注焦點，異構計算有望主導未來的高性能計算市場。
3、高質量數據成爲企業AI戰略制高點。
提高數據數量、質量、安全和多樣性，對提升大模型性能至關重要，數據能力成爲每家公司AI戰略必需品，一批新型數據服務公司湧現，爲企業提供數據合成、隱私安全、多模態數據處理能力。
4、專業領域應用成大模型技術加速發展的“探照燈”。
大模型將在産業實用價值的領域逐步落地，醫療、金融等專業領域應用湧現，促進垂直行業生産力提升、數據價值釋放，同時也成爲大模型技術加速發展的“探照燈”。
5、智能體是新型終端形態，孕育新一代超級平台。
機器變身數字伴侶、工作搭子、生活助手，有情緒有思考能辦事，人人享用的智能體正成科技公司新角逐場。智能體協作、管理設計、具體場景中推理規劃能力等技術，持續進化。
6、具身智能變革智能陪護與未來制造。
具身智能經過多個周期探索，在大模型時代將進入拐點時刻。空間智能發展讓AI感知世界能力加強，具備三維感知能力的智能機器人，會成爲人類現實場景中的陪護助手，幫助工廠徹底變革固定流水線生産模式。
外灘大會上，專家預測，五年內産業落地是大模型技術持續進化的關鍵。站在當下看未來，就像蒸汽機真正改變世界，源于它開始與輪船、火車、紡織機融合，AI領域也需要實現“百模大戰”到“産業實用”交錯演進，才能形成算法算力、數據與行業應用之間的發展閉環，讓大模型成爲一個真正的新周期。
在基礎設施層面，不少從業者和專家都認爲，“大力出奇迹”之後，行業回歸理性，企業更關注經濟實用性，更專業的小模型在行業落地中會占據更重要的位置，也會爲大模型創新應用創造條件。與此同時，AI時代新摩爾定律呼之欲出，大模型公司降價、芯片性能提升加速，基礎模型成本快速下降，對産業應用而言，企業應密切關注AI使用成本與應用投産比的動態變化，實現快速轉型。
數據作爲AI産業的三大支柱之一，是每家企業AI戰略必需品。但目前數據仍是大模型産業落地的主要矛盾，大模型用盡公共語料數據，獲得幹淨的、多模態的豐富數據成企業用好大模型、推動“博士級”AI應用的關鍵。
而未被完全利用數據價值的醫療、金融、工業等專業領域加速落地，不僅能提供可靠的AI服務，也能進一步反哺大模型性能的升級。此外，外灘大會指出，針對企業用好私域數據、低成本生成定制數據、保障隱私安全等需求，一批新型數據服務公司將站上風口。
“盡管 AI 的發展還在相對早期的階段，但是行業有很多應用方向，我們值得下定決心去做。在産業應用方面，我對中國公司的未來發展非常有信心。”沈向洋說。---[钛媒體/作者 : 林志佳，編輯 : 胡潤峰｜钛媒體AGI]
