2024世界人工智(zhi)能大会（WAIC）产业发展主论坛汇聚二十余位国内外(wai)人工智(zhi)能及(ji)相关交叉领域(yu)顶(ding)尖专家、业界领军人物、科技新锐力量及(ji)产业链各(ge)方代(dai)表(biao)，聚焦大模型、AI基础设施、智(zhi)能终端等重点领域(yu)，着重剖析当下AI产业的全球(qiu)性战略趋势，深度探讨人工智(zhi)能应用前(qian)景、产业治理、生态建设等热点议题，为打造具有国际竞争力的数字产业集群注入新活力、增(zeng)添新动能。
本文系论坛圆桌讨论环节实录(lu)：
对话：人工智(zhi)能驱动的新价值链构建
话题引领人：漆远上海科学(xue)智(zhi)能研(yan)究院院长，复旦大学(xue)浩清特聘教授(shou)
对话嘉宾(bin)：
闫俊杰MiniMax创始人、首席执行官
张鹏智(zhi)谱AI首席执行官
许彬国家地方共建人形机器人创新中心总经理
谢陵(ling)御风未来创始人兼首席执行官
主持人：接下来，我们特别邀请了几位在各(ge)自领域(yu)极(ji)具影响(xiang)力和前(qian)瞻性的代(dai)表(biao)，他们将围绕“大模型驱动的新价值链构建”这一(yi)重要主题进(jin)行深入讨论。
请允许我邀请各(ge)位讨论嘉宾(bin)上台。我们将邀请MiniMax创始人兼首席执行官闫俊杰先生、智(zhi)谱AI首席执行官张鹏先生、国家地方共建人形机器人创新中心总经理许彬先生，以及(ji)御风未来创始人兼首席执行官谢陵(ling)先生。
欢迎(ying)四位嘉宾(bin)。今天，我们荣幸地邀请到台上的各(ge)位嘉宾(bin)，他们分别与大模型、机器人技术和低空(kong)经济产业相关，这些领域(yu)都(dou)是(shi)目(mu)前(qian)大家关注的焦点。我们今天的话题将从这里展开，探讨在新的价值链构建中，各(ge)方可以贡献哪些力量。
我们今天讨论的重点是(shi)新一(yi)轮(lun)人工智(zhi)能技术浪(lang)潮，尤(you)其是(shi)以大模型为代(dai)表(biao)的技术，它的能力前(qian)景如何，以及(ji)在各(ge)行各(ge)业赋能过程中的机遇与挑战。新价值链的形成形态和影响(xiang)也将是(shi)我们讨论的内容。首先，我想请教我们两位从事大模型工作的嘉宾(bin)，闫俊杰先生和张鹏先生。
大模型已在语义理解、内容创作等方面展现出巨大潜力。我们曾期望AI能解放人类生产力，让人们有更多时间去(qu)追求诗和远方。然而，目(mu)前(qian)AI似乎还未能达到这样的期望。请问闫先生，您认为未来大模型的能力突破将体现在哪些方面？如何与实体经济更深度融(rong)合，为实体经济带来更多赋能？
闫俊杰：自去(qu)年以来，随着GPT-4等大型模型的发布，以及(ji)国内众多公(gong)司的迅速跟进(jin)，我们看到了大模型的快速发展。但我认为，目(mu)前(qian)模型的一(yi)个核心问题是(shi)错误率仍然较高。例如，GPT-4在许多测试指(zhi)标上的正确率可能只有60%到70%，也就是(shi)说有30%到40%的错误率。
国内模型虽然发展迅速，但整体上仍处于(yu)类似的错误率水平。高错误率导致(zhi)大模型产品多以对话形式出现，因为对话的容错率较高。为何它们不能成为独立的智(zhi)能体？如果每一(yi)步都(dou)有30%到40%的错误率，多步操作的错误率会更高，难以实际应用。
我认为，将大模型的错误率从30%到40%降低到3%、4%或2%，是(shi)AI从辅助人类到独立完成任务的关键。这需要一(yi)个综合性的解决方案，包括(kuo)合成数据的创建、训练效率的提升、更优网络结构的研(yan)究，以及(ji)更高效的训练算法的开发。
当模型的错误率降至个位数，接近人类最佳水平时，它在实体经济中的应用将变得(de)更自然。这意味着模型可以独立完成任务，如在设计算法、制定方案等实际生产力活动中，极(ji)大地提高效率。
因此，我认为关键不在于(yu)单一(yi)领域(yu)内如何赋能实体经济，而在于(yu)让模型本身足够通用，达到极(ji)低的错误率，这样它自然能够在实体经济中发挥更大的作用。
主持人：俊杰从技术层面给出了深刻的见解。现在，让我们听听张鹏的看法。除了提升技术效能外(wai)，是(shi)否有其他方法可以使(shi)我们的人工智(zhi)能、大模型更好地融(rong)入传统经济中，为我们带来更多的能力提升？
张鹏：感谢提问，这确实是(shi)一(yi)个非常(chang)好的议题。我们智(zhi)谱AI在大模型领域(yu)已经深耕了四年多，我们对大模型的理解和普遍(bian)观点可能略有不同。
我们看到，大模型带来的这一(yi)波热潮与以往不同。它不仅仅是(shi)识(shi)别技术，如人脸(lian)识(shi)别，这些技术在某些指(zhi)标上已经超(chao)越了人类，但大家并不认为这是(shi)AI的终极(ji)答案。大模型带来的是(shi)一(yi)种全新的能力——我们称之(zhi)为类似人类的认知能力。我们智(zhi)谱AI的愿景是(shi)让机器像(xiang)人一(yi)样思(si)考，而不仅仅是(shi)作为一(yi)个工具。我们认为，这种思(si)考能力带来的效能提升是(shi)至关重要的。
我们希望通过让机器能够思(si)考的演(yan)进(jin)方向，去(qu)赋能实体经济。过去(qu)，感知智(zhi)能时代(dai)的AI虽然能产生实际效能，但受限于(yu)泛(fan)用性不足、成本过高等问题。大模型提供了一(yi)个新的机遇，它能够在一(yi)个模型上提供泛(fan)用化的能力，解决一(yi)系列场景和应用的需求，从而解决成本和收益的平衡问题，这是(shi)它的本质特点。
因此，我们认为，要利用新一(yi)代(dai)AI技术和大模型技术赋能实体经济，必须构建更通用、更基础的能力，利用这些能力解决多项问题。然后，用收益的总和除以投入成本，在这个过程中，模型本身的能力水平是(shi)最关键的因素。
我们希望模型的能力能够越来越接近甚至超(chao)越人类。在这个过程中，下一(yi)轮(lun)大模型的能力突破点在哪里？准确率是(shi)一(yi)个方面，但我们通常(chang)在限定的评(ping)测集或任务中考虑准确率。有些能力，如逻辑性和抽象思(si)考能力，实际上是(shi)大语言模型相比传统方法更强的地方。未来，大模型需要在多模态方面取得(de)突破。
为什么(me)要实现多模态？因为现实世界中解决问题需要的信息输入是(shi)多模态的，包括(kuo)自然语言、视觉、听觉，甚至是(shi)触觉和常(chang)识(shi)。所有这些需要综合起来，才能解决现实世界中的常(chang)见问题。例如，我们希望AI帮助扫地、做饭、洗衣服，这些任务所需的输入信息是(shi)多模态的。这方面的能力突破将带来AI的普惠和更大的可能性，从而将原来的金字塔结构转变为倒金字塔结构，真正放大其价值。
主持人：明白，感谢张鹏的精彩分享。接下来，让我们请教许彬。我们看到具身智(zhi)能越来越受到关注。当AI被赋予物理意义上的身体后，它能在真实环境中获取信息、理解问题、做出决策，并与现实世界的物理空(kong)间进(jin)行交互。在通用人工智(zhi)能飞速发展的时代(dai)，大模型与机器人的结合发展未来可能产生什么(me)样的新业态？人工智(zhi)能又将创造出什么(me)样的新可能性？请许总回答这两个问题。
许彬：没问题。大模型为代(dai)表(biao)的人工智(zhi)能技术的发展，实际上会赋能和改变很(hen)多行业。正如张总所讲(jiang)，盘古大模型已经能够为钢铁行业这样的传统行业实现提质增(zeng)效和赋能。对我们科技行业，如汽车、手(shou)机、PC终端等，都(dou)会有非常(chang)大的赋能和改变。同时，这个过程肯定会产生很(hen)多新的业态。
在我看来，最核心的、最关键的或者(zhe)最典型的业态将会是(shi)人形机器人。为什么(me)这么(me)说？一(yi)方面，马斯克提到未来人形机器人会有100亿，黄仁勋也提到过未来人形机器人会像(xiang)汽车一(yi)样到处都(dou)是(shi)。我们也相信未来我们每个人都(dou)可能会有一(yi)个或者(zhe)多个人形机器人的助手(shou)，这样我们的工作、我们的生活形态都(dou)会发生巨大的变化。
为什么(me)是(shi)人形机器人？这里面有两个核心的判断。第一(yi)个判断是(shi)，只有人形机器人才能实现通用的人工智(zhi)能。第二个判断是(shi)，具身智(zhi)能是(shi)通往通用人工智(zhi)能的必由之(zhi)路。这有点像(xiang)中国人讲(jiang)人生的修为三个阶段：格物致(zhi)知、知行合一(yi)和致(zhi)良知。实际上，人工智(zhi)能的发展也可以分为三个阶段：大模型阶段、具身智(zhi)能阶段和通用人工智(zhi)能。
大模型的训练和生成是(shi)格物致(zhi)知，即在理论上认识(shi)和理解这个世界。具身智(zhi)能是(shi)知行合一(yi)，即从认知到实践。最后，通用人工智(zhi)能是(shi)致(zhi)良知，即达到天人合一(yi)的最高境界。
通用人工智(zhi)能需要通用的数据来训练，包括(kuo)智(zhi)能发展所需的海量数据。人类社会所有存在的数据都(dou)是(shi)为了我们更好地适应生存和发展所需要的。因此，只有人形机器人才能真正感受到人类世界的方方面面，并在这种身体上训练出通用的人工智(zhi)能。
主持人：刚才我们讨论的更多是(shi)概念，那么(me)当我们看到大模型和人形机器人结合时，最终会呈(cheng)现出什么(me)样的系列产品？它们能为人类做什么(me)？
许彬：未来人形机器人能做的非常(chang)多，但在这个过程中，技术发展是(shi)逐步的。早期阶段，人形机器人的上肢双臂可以协同完成很(hen)多工厂智(zhi)能制造的工作。随着人形机器人的运动技能和能力越来越成熟(shu)，它们可以取代(dai)很(hen)多简单重复且危险的劳动。
当人形机器人的大脑，包括(kuo)我们的大模型大脑，发展到非常(chang)成熟(shu)的阶段时，它们可以帮助人类完成更多需要高智(zhi)力和高算力的工作。这种改变是(shi)逐步分布的。
那么(me)，阶段性的发展是(shi)什么(me)样的？未来5年、10年、15年的预期如何？我们对未来充满敬畏。尤(you)其是(shi)GPT-4等相关技术出现后，我认为相关技术的发展可能会远远超(chao)过我们的预期。我们现在的初步判断是(shi)，3到5年内，人形机器人可以在一(yi)些工厂智(zhi)能制造产线上使(shi)用。5到10年，它们可能在家庭(ting)服务等复杂开放环境下落地应用。
主持人：谢谢许彬总的分享。现在，让我们请教谢陵(ling)总。当前(qian)，低空(kong)经济是(shi)国家聚力发展的新产业赛道(dao)，各(ge)方都(dou)在争夺低空(kong)经济发展的主导权和先行权。请问谢总，您认为AI在服务千行百业的过程中，对于(yu)低空(kong)经济赛道(dao)而言意味着什么(me)？在多大程度上能为你们带来什么(me)样的改变和提升？
谢陵(ling)：在我看来，低空(kong)经济中人工智(zhi)能对航空(kong)器的赋能至关重要。我长期从事传统航空(kong)制造业，也是(shi)工程师出身。最近一(yi)年多，低空(kong)经济成为一(yi)个热门赛道(dao)，我们也深入思(si)考了这个问题：低空(kong)经济与传统航空(kong)制造业有何不同？最大的区别在于(yu)，低空(kong)经济的主角是(shi)智(zhi)能化、电动化和无人化的航空(kong)器。
低空(kong)经济是(shi)指(zhi)3000米以下（特别是(shi)在1000米以下的空(kong)域(yu)）的各(ge)种有人驾驶和无人驾驶、不同用途的航空(kong)器为大家提供服务。包括(kuo)基础设施建设、飞行器制造运行以及(ji)保障(zhang)等领域(yu)。
传统航空(kong)器的设计、制造和运行完全以飞行员为中心。
而科技发展实质上是(shi)机器替代(dai)人的过程，人工智(zhi)能主要替代(dai)人的大脑。我们还需要机器替代(dai)人的眼睛、鼻子、耳朵和手(shou)脚(jiao)，即需要机器进(jin)行信息获取和执行。所以现在的无人机，包括(kuo)我们致(zhi)力于(yu)制造低空(kong)出行的航空(kong)器，设计和未来运行已不再依赖于(yu)飞行员，而是(shi)更加智(zhi)能化。
人工智(zhi)能如何在低空(kong)飞行器中发挥作用？我举两个具体的例子：
首先，对于(yu)低空(kong)飞行器本身，它必须是(shi)完全自主飞行的。第一(yi)层是(shi)自动驾驶，通过传感器和计算机让飞行器具备代(dai)替飞行员的能力，实现稳定飞行。这在广义上也是(shi)智(zhi)能，但并非今天我们讨论的人工智(zhi)能，用一(yi)般(ban)控制技术就能解决。
稍微扩展一(yi)下，就是(shi)任务层面的智(zhi)能。在飞行器领域(yu)，有很(hen)多关于(yu)自主决策、自主任务生成和执行的过程。例如，用飞行器进(jin)行森林火灾巡逻时，能否让它自主发现微小火点并决策扑(pu)灭？或者(zhe)进(jin)行海上人员搜救时，能否让它自主搜人并抛投救生物资？这些都(dou)是(shi)自主任务生成和决策的过程。
随着人工智(zhi)能的发展，我们可以赋予智(zhi)能化飞行器更多复杂任务的执行能力，解决更多问题。
第二个层面，我们希望低空(kong)经济是(shi)高密度、高频率的飞行活动，大量飞行器提供各(ge)类服务。这将为未来的低空(kong)交通管理部门带来巨大挑战。如何管理这么(me)多飞行器，如何进(jin)行航线调度？这确实是(shi)所有关注这个领域(yu)的人所担(dan)心的问题。就像(xiang)我们现在用滴滴打车，有智(zhi)能化手(shou)段分配(pei)合理的司机。未来，低空(kong)空(kong)域(yu)管理部门可能需要与民航空(kong)域(yu)管理部门、地面交通管理部门、气象部门、飞行器制造商、运营商等共同打造智(zhi)能化的低空(kong)空(kong)域(yu)指(zhi)挥、管理、调度系统。这套系统无疑需要利用AI技术，这也是(shi)AI应用的一(yi)个重要方面。
主持人：接下来我们有两个问题要请教四位嘉宾(bin)，这是(shi)一(yi)个共同的问题，请四位嘉宾(bin)都(dou)准备好回答。由于(yu)时间关系，我们接下来可能需要简洁(jie)一(yi)些。第一(yi)个问题是(shi)，在大模型服务价格持续下降的背景下，企业如何在激烈的市场竞争中寻(xun)找新的发展策略？
闫俊杰：对于(yu)大模型企业来说，价格不断下降，是(shi)否有新的突破点和方式？作为使(shi)用方，在价格下降过程中，是(shi)否意味着可以拥有更多成本上的优势，释放更多资金以促(cu)进(jin)其他方面的发展？我认为大模型价格持续走低是(shi)一(yi)个正常(chang)趋势，因为它本来就应该(gai)降低，同时效果也应该(gai)变得(de)更好。价格降低的好处是(shi)能吸引更多用户，增(zeng)加在线使(shi)用时长，从而增(zeng)加流量，创造更大的价值。更多基于(yu)流量和价值的商业模式正在形成。因此，我对大模型的未来发展持乐观态度。
张鹏：价格下降是(shi)技术进(jin)步的结果，技术越来越好，成本自然降低。但价格持续走低如果过度，就不利于(yu)行业健康发展。真正的价值应该(gai)逐级传递，大家在同一(yi)个领域(yu)不断增(zeng)加价值，提供更优质的服务，帮助用户创造更大价值。我们创造的价值应该(gai)反向传递回来，形成一(yi)个正常(chang)合理的市场价值链。价格战可能导致(zhi)行业内卷，短期内用户可能受益，但长期来看，这不符合正常(chang)商业逻辑。
许彬：价格因素更多是(shi)从商业角度考虑规模化生产。从人形机器人角度，我们更关注大模型的质量、稳定性和可靠性，以及(ji)大模型的规模。如果大模型能缩小到足够小，可以集成到机器人本体上，进(jin)行更好的控制和决策。我相信随着不断落地应用，价格会降低。价格永远是(shi)向下走的，关键在于(yu)下降的速度和幅度。
谢陵(ling)：我们一(yi)直与人工智(zhi)能企业合作，因为我们的客户非常(chang)看重飞行器解决问题的能力，其中AI是(shi)关键部分。过去(qu)有些AI服务企业报价过高，我们希望价格能降低，以便为更多客户解决问题，销售更多飞机。我们是(shi)最合理的受益者(zhe)。
主持人：最后，请每位嘉宾(bin)用一(yi)句话或几个关键词(ci)来总结，新技术催(cui)生新产业并建立新的价值链，这是(shi)我们今天讨论的最重要主题。各(ge)位认为人工智(zhi)能的新价值链将具有什么(me)特色？
闫俊杰：我认为价值链的价值不再仅仅是(shi)销售技术，而是(shi)技术变革为用户带来的价值。无论是(shi)技术本身、产品还是(shi)商业模式，都(dou)应朝着创造价值的方向发展。
张鹏：我认为新价值链的特点是(shi)单点突破引发全面突破。AI可能是(shi)那个爆发点，引发的突破可能涉及(ji)各(ge)个行业和领域(yu)，创造的价值可能是(shi)指(zhi)数级的。
许彬：未来智(zhi)能社会中，数据可能是(shi)最核心的生产资料和要素。从农业社会到工业社会，再到信息社会，我们创新中心将建立更多通用智(zhi)能机器人的训练场，以数据赋能行业发展。
谢陵(ling)：我们期望AI大模型成为类似卫星定位或蜂窝(wo)通信那样的无处不在的通用基础设施。