7月4日，2024世界人工智能大会（WAIC 2024）暨人工智能全球治理高级别会议在上海举行。在当日下午的产业发展主论坛上，多位国内外人工智能及相关交叉领域的顶尖专家、业界领军人物、科技新锐力量及产业链各方代表，聚焦大模型、AI基础设施、智能终端等重点领域，深度剖析了当下AI（人工智能）产业的全球性战略趋势，并就人工智能应用前景、产业治理、生态建设等热点议题展开了深入探讨。
会上，开源和闭源大模型的争议、AI发展路径和落地应用的方向、AI算力瓶颈，以及AI对人类工作带来的影响等热门话题再次成为焦点。尽管这些问题在人工智能浪潮影响下已被广泛讨论，但在此次大会上，各路大咖依然分享了各自对人工智能及产业发展的独特见解。
李彦宏再谈开源闭源争议
在2022世界人工智能大会上，百度董事长李彦宏就提到了AIGC（人工智能自动生成内容）以及背后的预训练大模型技术，在WAIC 2024上李彦宏表示，“两年的时间其实恍若隔世，感觉整个世界都变了，人工智能可以说颠覆了绝大多数人的认知。”
在演讲中，他指出，今年以来，开源和闭源大模型是一个争议较大的话题，但很多人混淆了模型开源和代码开源的概念，“模型开源只能拿到一堆参数，还要再做SFT、安全对齐，即使是拿到对应源代码，也不知道是用了多少比例、什么比例的数据去训练这些参数，无法做到众人拾柴火焰高，拿到这些东西，并不能让你站在巨人的肩膀上迭代开发”。
在他看来，同样参数规模下，开源模型的能力不如闭源，“如果开源想能力追平闭源，它需要有更大的参数规模，这意味着推理成本更高、反应速度更慢。很多人拿开源模型来做改款，以为这样可以更好地服务自己的个性化需求，殊不知这就变成了一个孤本模型，既无法从基础模型的持续升级中获益，也没办法跟别人共享算力”。
李彦宏也认可了开源模型在学术研究、教学领域的存在价值，但他同时表示，开源模型并不适用于大多数应用场景，在激烈竞争的市场环境中，需要让业务效率高于同行、成本低于同行，这个时候商业化的闭源模型是“最能打的”。
呼吁AI落地应用
在分享了对开源和闭源大模型的看法后，李彦宏直言，大模型的重点还是“卷应用”，“现在业界的关注点都放在了基础模型身上，一天到晚到处跑分刷榜，谁是谁又超越GhatGPT4，Open AI又出来Sora……但事实上，没有应用，光有一个基础模型不管是开源还是闭源，一文不值”。
在产业发展主论坛上，多位企业界人士就AI落地应用的重要性及其发展方向阐述了自己的观点。华为常务董事、华为云CEO张平安在演讲中强调，中国AI的发展离不开算力基础设施的持续创新，并倡导开放行业场景，以推动AI在行业应用上领先。他指出，中国AI的发展路径应聚焦在行业领域内构建大模型，并争取在全球范围内取得领先地位。若各行各业均能积极拥抱AI，积极地开放行业的业务场景，中国很有机会在2B领域构筑起全球的领先优势。
蚂蚁集团董事长井贤栋与李彦宏都提及了“智能体”的概念。井贤栋以医疗健康、理财投资等行业为例，指出通用大模型在严谨产业落地时还面临着领域专业知识不足、复杂推理技术核心难题以及对话与有效协同之间的差异等挑战。他指出，专业智能体被证明是大模型落地严谨产业的有效路径，例如针对专业知识领域的短板问题，蚂蚁联合合作伙伴，打造一个大模型专业知识引擎，帮助大模型具有专家的知识水平。
李彦宏则进一步阐述了智能体作为AI应用发展方向的潜力。他认为，随着基础模型的日益强大，开发应用也越来越简单，其中，最简单的就是智能体，只要用“人话”把工作流说清楚，再配以专有知识库，即可做出一个很有价值的智能体，“比互联网时代制作一个网页还简单”。他预测，未来在医疗、教育、金融、制造、交通、农业等各行业领域，都可以依据自身场景和特有经验、规则、数据等，涌现出数百万量级的智能体，形成一个庞大的智能体生态。
“搜索是智能体分发的最大入口，”李彦宏举例说，高考后，有大量考生填报志愿，需要选学校和专业，会遇到各种问题，这时，百度的高考智能体就可回答考生的各种疑问，“高峰时期，百度的高考智能体每天要回答超过200万个考生问题，总共只有1000万考生，说明一天当中有大比例的人在利用这个智能体”。
算力与能源的瓶颈讨论
在WAIC 2024期间，算力再次成为讨论的焦点，其作为人工智能发展的核心驱动力，对数字经济时代的进步具有不可估量的价值。随着AI大模型技术的飞速跃进，算力需求急剧攀升，然而，这一趋势也伴随着能耗问题的日益凸显，引发了社会各界的广泛关注和深刻反思。
李彦宏在演讲中也提到，2023年国内出现了“百模大战”，造成了社会资源的巨大浪费，尤其是算力浪费，但也使得国产大模型追赶世界上最先进的基础模型的能力得到了建立。
在产业发展主论坛上，亚马逊前首席科学家安德烈斯·韦斯安与中国工程院院士、阿里云创始人王坚就人工智能领域的多个议题展开了深入交流，其中算力瓶颈问题尤为引人注目。安德烈斯·韦斯安指出，数据和算力是企业发展的两大关键要素，而当前算力资源的紧张状况已不容忽视。他通过亚马逊在数据中心旁建设核电站的实例，生动阐述了算力对能源的巨大需求，以及核能在支撑AI功能中的潜在作用。
《华尔街日报》最近的一篇文章则进一步揭示了算力需求激增对全球能源结构的影响。目前约三分之一的美国核电站所有者正在与科技公司谈判，寻求为新数据中心提供电力支持，以满足人工智能热潮的能源需求。据知情人士透露，亚马逊云服务（AWS）即将与美国联合能源公司（Constellation Energy）达成一项直接供电协议，后者是全美最大的核电站所有者。今年3月，亚马逊子公司曾以6.5亿美元的价格收购了位于宾夕法尼亚州的一个由核电支持的数据中心。
对于算力与电力的瓶颈，王坚则认为“不是问题”，他提出“不等式”的观点，即“今天跟现有的、已有的基础模型相比，我们的应用还做得不够好；以现有的算力能力，我们的基础模型做得不够好；以现有我们已经有的电，我们的算力还不够。所以在这个不等式下，我觉得今天大家去担心这件事情，至少不是做人工智能要担心的，是做基础设施要担心的。”
王坚还提出，所有的问题都是要在动态过程中解决，“你根本不会想到，可能10年以后说的算力跟今天说的算力不是同一个算力。10年以后说的电，可能跟今天说的电，也不是同一个电。所以我觉得这个还是要在动态过程解决，一定不能在现在这个时刻的状态来解决10年以后的问题，要拿10年以后的状态来解决10年以后的问题”。
除了从时间的维度，王坚还站在空间的维度上提到，中国目前一年的发电量，比美国、日本和俄罗斯的总和还要多，所以中国是现阶段全世界最不需要担心能源问题的国家。
本文源自国际金融报
