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(guo)内(nei)外人工智(zhi)能及相(xiang)关交叉领域顶尖专(zhuan)家、业界领军人物、科技新锐力量(liang)及产业链各方代表，聚焦大模型、AI基础设施、智(zhi)能终(zhong)端等重点(dian)领域，着重剖析当下AI产业的全球性战略趋势，深度探讨人工智(zhi)能应用前景、产业治理、生态建设等热点(dian)议题，为打造具有国(guo)际(ji)竞争力的数字产业集群注入新活力、增添新动(dong)能。
本文系论坛圆桌讨论环节(jie)实录：
对话：人工智(zhi)能驱(qu)动(dong)的新价(jia)值链构建
话题引领人：漆远上海科学智(zhi)能研(yan)究院院长，复旦大学浩清特聘教授
对话嘉宾：
闫俊杰MiniMax创始人、首席执(zhi)行官
张鹏智(zhi)谱AI首席执(zhi)行官
许彬国(guo)家地方共建人形机器(qi)人创新中心总经理
谢陵御(yu)风未来创始人兼首席执(zhi)行官
主持(chi)人：接下来，我们特别邀请了几(ji)位在各自领域极(ji)具影响力和(he)前瞻性的代表，他们将围绕“大模型驱(qu)动(dong)的新价(jia)值链构建”这一(yi)重要主题进行深入讨论。
请允(yun)许我邀请各位讨论嘉宾上台。我们将邀请MiniMax创始人兼首席执(zhi)行官闫俊杰先生、智(zhi)谱AI首席执(zhi)行官张鹏先生、国(guo)家地方共建人形机器(qi)人创新中心总经理许彬先生，以及御(yu)风未来创始人兼首席执(zhi)行官谢陵先生。
欢迎四位嘉宾。今天，我们荣幸地邀请到台上的各位嘉宾，他们分别与大模型、机器(qi)人技术(shu)和(he)低(di)空(kong)经济产业相(xiang)关，这些(xie)领域都是目前大家关注的焦点(dian)。我们今天的话题将从(cong)这里(li)展开(kai)，探讨在新的价(jia)值链构建中，各方可以贡(gong)献哪些(xie)力量(liang)。
我们今天讨论的重点(dian)是新一(yi)轮人工智(zhi)能技术(shu)浪潮，尤其是以大模型为代表的技术(shu)，它的能力前景如何，以及在各行各业赋能过程中的机遇(yu)与挑战。新价(jia)值链的形成形态和(he)影响也将是我们讨论的内(nei)容。首先，我想请教我们两位从(cong)事大模型工作的嘉宾，闫俊杰先生和(he)张鹏先生。
大模型已(yi)在语义理解、内(nei)容创作等方面展现出巨大潜力。我们曾期望(wang)AI能解放人类生产力，让(rang)人们有更多时间去追求诗和(he)远方。然而，目前AI似乎还未能达到这样的期望(wang)。请问闫先生，您认为未来大模型的能力突破将体(ti)现在哪些(xie)方面？如何与实体(ti)经济更深度融合，为实体(ti)经济带来更多赋能？
闫俊杰：自去年以来，随(sui)着GPT-4等大型模型的发布，以及国(guo)内(nei)众多公(gong)司的迅速跟进，我们看到了大模型的快速发展。但我认为，目前模型的一(yi)个核心问题是错误率仍然较高。例如，GPT-4在许多测试指标上的正确率可能只有60%到70%，也就是说有30%到40%的错误率。
国(guo)内(nei)模型虽然发展迅速，但整体(ti)上仍处(chu)于类似的错误率水平。高错误率导致大模型产品(pin)多以对话形式出现，因(yin)为对话的容错率较高。为何它们不能成为独立的智(zhi)能体(ti)？如果每一(yi)步都有30%到40%的错误率，多步操作的错误率会更高，难以实际(ji)应用。
我认为，将大模型的错误率从(cong)30%到40%降低(di)到3%、4%或2%，是AI从(cong)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，以及更高效的训练算法的开(kai)发。
当模型的错误率降至(zhi)个位数，接近人类最佳水平时，它在实体(ti)经济中的应用将变得更自然。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(ji)生产力活动(dong)中，极(ji)大地提高效率。
因(yin)此，我认为关键不在于单一(yi)领域内(nei)如何赋能实体(ti)经济，而在于让(rang)模型本身足够通用，达到极(ji)低(di)的错误率，这样它自然能够在实体(ti)经济中发挥更大的作用。
主持(chi)人：俊杰从(cong)技术(shu)层面给出了深刻的见(jian)解。现在，让(rang)我们听听张鹏的看法。除了提升技术(shu)效能外，是否有其他方法可以使我们的人工智(zhi)能、大模型更好地融入传统经济中，为我们带来更多的能力提升？
张鹏：感谢提问，这确实是一(yi)个非常(chang)好的议题。我们智(zhi)谱AI在大模型领域已(yi)经深耕了四年多，我们对大模型的理解和(he)普遍观点(dian)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。它不仅仅是识别技术(shu)，如人脸识别，这些(xie)技术(shu)在某些(xie)指标上已(yi)经超越了人类，但大家并不认为这是AI的终(zhong)极(ji)答案。大模型带来的是一(yi)种全新的能力——我们称(cheng)之为类似人类的认知(zhi)能力。我们智(zhi)谱AI的愿景是让(rang)机器(qi)像(xiang)人一(yi)样思考，而不仅仅是作为一(yi)个工具。我们认为，这种思考能力带来的效能提升是至(zhi)关重要的。
我们希(xi)望(wang)通过让(rang)机器(qi)能够思考的演进方向，去赋能实体(ti)经济。过去，感知(zhi)智(zhi)能时代的AI虽然能产生实际(ji)效能，但受限于泛用性不足、成本过高等问题。大模型提供了一(yi)个新的机遇(yu)，它能够在一(yi)个模型上提供泛用化(hua)的能力，解决一(yi)系列场景和(he)应用的需求，从(cong)而解决成本和(he)收益的平衡问题，这是它的本质特点(dian)。
因(yin)此，我们认为，要利用新一(yi)代AI技术(shu)和(he)大模型技术(shu)赋能实体(ti)经济，必须(xu)构建更通用、更基础的能力，利用这些(xie)能力解决多项问题。然后，用收益的总和(he)除以投入成本，在这个过程中，模型本身的能力水平是最关键的因(yin)素。
我们希(xi)望(wang)模型的能力能够越来越接近甚至(zhi)超越人类。在这个过程中，下一(yi)轮大模型的能力突破点(dian)在哪里(li)？准确率是一(yi)个方面，但我们通常(chang)在限定的评测集或任务中考虑(lu)准确率。有些(xie)能力，如逻辑性和(he)抽象思考能力，实际(ji)上是大语言模型相(xiang)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突破。
为什么要实现多模态？因(yin)为现实世界中解决问题需要的信息输入是多模态的，包括自然语言、视觉、听觉，甚至(zhi)是触觉和(he)常(chang)识。所(suo)有这些(xie)需要综合起(qi)来，才能解决现实世界中的常(chang)见(jian)问题。例如，我们希(xi)望(wang)AI帮助扫地、做饭、洗衣服，这些(xie)任务所(suo)需的输入信息是多模态的。这方面的能力突破将带来AI的普惠和(he)更大的可能性，从(cong)而将原来的金(jin)字塔结构转变为倒(dao)金(jin)字塔结构，真正放大其价(jia)值。
主持(chi)人：明白，感谢张鹏的精彩分享。接下来，让(rang)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(ti)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)间进行交互(hu)。在通用人工智(zhi)能飞(fei)速发展的时代，大模型与机器(qi)人的结合发展未来可能产生什么样的新业态？人工智(zhi)能又将创造出什么样的新可能性？请许总回答这两个问题。
许彬：没问题。大模型为代表的人工智(zhi)能技术(shu)的发展，实际(ji)上会赋能和(he)改变很多行业。正如张总所(suo)讲，盘古大模型已(yi)经能够为钢铁行业这样的传统行业实现提质增效和(he)赋能。对我们科技行业，如汽车、手机、PC终(zhong)端等，都会有非常(chang)大的赋能和(he)改变。同时，这个过程肯定会产生很多新的业态。
在我看来，最核心的、最关键的或者最典型的业态将会是人形机器(qi)人。为什么这么说？一(yi)方面，马斯克提到未来人形机器(qi)人会有100亿(yi)，黄仁勋也提到过未来人形机器(qi)人会像(xiang)汽车一(yi)样到处(chu)都是。我们也相(xiang)信未来我们每个人都可能会有一(yi)个或者多个人形机器(qi)人的助手，这样我们的工作、我们的生活形态都会发生巨大的变化(hua)。
为什么是人形机器(qi)人？这里(li)面有两个核心的判断。第一(yi)个判断是，只有人形机器(qi)人才能实现通用的人工智(zhi)能。第二个判断是，具身智(zhi)能是通往通用人工智(zhi)能的必由之路。这有点(dian)像(xiang)中国(guo)人讲人生的修为三个阶段：格物致知(zhi)、知(zhi)行合一(yi)和(he)致良知(zhi)。实际(ji)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(he)通用人工智(zhi)能。
大模型的训练和(he)生成是格物致知(zhi)，即(ji)在理论上认识和(he)理解这个世界。具身智(zhi)能是知(zhi)行合一(yi)，即(ji)从(cong)认知(zhi)到实践。最后，通用人工智(zhi)能是致良知(zhi)，即(ji)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，包括智(zhi)能发展所(suo)需的海量(liang)数据。人类社会所(suo)有存在的数据都是为了我们更好地适应生存和(he)发展所(suo)需要的。因(yin)此，只有人形机器(qi)人才能真正感受到人类世界的方方面面，并在这种身体(ti)上训练出通用的人工智(zhi)能。
主持(chi)人：刚才我们讨论的更多是概念，那么当我们看到大模型和(he)人形机器(qi)人结合时，最终(zhong)会呈现出什么样的系列产品(pin)？它们能为人类做什么？
许彬：未来人形机器(qi)人能做的非常(chang)多，但在这个过程中，技术(shu)发展是逐步的。早期阶段，人形机器(qi)人的上肢双臂可以协同完成很多工厂智(zhi)能制造的工作。随(sui)着人形机器(qi)人的运动(dong)技能和(he)能力越来越成熟，它们可以取代很多简单重复且危险的劳(lao)动(dong)。
当人形机器(qi)人的大脑，包括我们的大模型大脑，发展到非常(chang)成熟的阶段时，它们可以帮助人类完成更多需要高智(zhi)力和(he)高算力的工作。这种改变是逐步分布的。
那么，阶段性的发展是什么样的？未来5年、10年、15年的预(yu)期如何？我们对未来充满敬畏。尤其是GPT-4等相(xiang)关技术(shu)出现后，我认为相(xiang)关技术(shu)的发展可能会远远超过我们的预(yu)期。我们现在的初步判断是，3到5年内(nei)，人形机器(qi)人可以在一(yi)些(xie)工厂智(zhi)能制造产线上使用。5到10年，它们可能在家庭服务等复杂(za)开(kai)放环境下落地应用。
主持(chi)人：谢谢许彬总的分享。现在，让(rang)我们请教谢陵总。当前，低(di)空(kong)经济是国(guo)家聚力发展的新产业赛道，各方都在争夺低(di)空(kong)经济发展的主导权和(he)先行权。请问谢总，您认为AI在服务千行百业的过程中，对于低(di)空(kong)经济赛道而言意味着什么？在多大程度上能为你们带来什么样的改变和(he)提升？
谢陵：在我看来，低(di)空(kong)经济中人工智(zhi)能对航空(kong)器(qi)的赋能至(zhi)关重要。我长期从(cong)事传统航空(kong)制造业，也是工程师出身。最近一(yi)年多，低(di)空(kong)经济成为一(yi)个热门赛道，我们也深入思考了这个问题：低(di)空(kong)经济与传统航空(kong)制造业有何不同？最大的区别在于，低(di)空(kong)经济的主角(jiao)是智(zhi)能化(hua)、电动(dong)化(hua)和(he)无人化(hua)的航空(kong)器(qi)。
低(di)空(kong)经济是指3000米以下（特别是在1000米以下的空(kong)域）的各种有人驾驶和(he)无人驾驶、不同用途的航空(kong)器(qi)为大家提供服务。包括基础设施建设、飞(fei)行器(qi)制造运行以及保障等领域。
传统航空(kong)器(qi)的设计、制造和(he)运行完全以飞(fei)行员为中心。
而科技发展实质上是机器(qi)替代人的过程，人工智(zhi)能主要替代人的大脑。我们还需要机器(qi)替代人的眼睛(jing)、鼻子、耳(er)朵和(he)手脚，即(ji)需要机器(qi)进行信息获取和(he)执(zhi)行。所(suo)以现在的无人机，包括我们致力于制造低(di)空(kong)出行的航空(kong)器(qi)，设计和(he)未来运行已(yi)不再依赖于飞(fei)行员，而是更加智(zhi)能化(hua)。
人工智(zhi)能如何在低(di)空(kong)飞(fei)行器(qi)中发挥作用？我举两个具体(ti)的例子：
首先，对于低(di)空(kong)飞(fei)行器(qi)本身，它必须(xu)是完全自主飞(fei)行的。第一(yi)层是自动(dong)驾驶，通过传感器(qi)和(he)计算机让(rang)飞(fei)行器(qi)具备代替飞(fei)行员的能力，实现稳定飞(fei)行。这在广义上也是智(zhi)能，但并非今天我们讨论的人工智(zhi)能，用一(yi)般控制技术(shu)就能解决。
稍微扩展一(yi)下，就是任务层面的智(zhi)能。在飞(fei)行器(qi)领域，有很多关于自主决策、自主任务生成和(he)执(zhi)行的过程。例如，用飞(fei)行器(qi)进行森林火灾(zai)巡逻时，能否让(rang)它自主发现微小火点(dian)并决策扑灭？或者进行海上人员搜救时，能否让(rang)它自主搜人并抛投救生物资？这些(xie)都是自主任务生成和(he)决策的过程。
随(sui)着人工智(zhi)能的发展，我们可以赋予智(zhi)能化(hua)飞(fei)行器(qi)更多复杂(za)任务的执(zhi)行能力，解决更多问题。
第二个层面，我们希(xi)望(wang)低(di)空(kong)经济是高密度、高频率的飞(fei)行活动(dong)，大量(liang)飞(fei)行器(qi)提供各类服务。这将为未来的低(di)空(kong)交通管理部(bu)门带来巨大挑战。如何管理这么多飞(fei)行器(qi)，如何进行航线调度？这确实是所(suo)有关注这个领域的人所(suo)担(dan)心的问题。就像(xiang)我们现在用滴滴打车，有智(zhi)能化(hua)手段分配合理的司机。未来，低(di)空(kong)空(kong)域管理部(bu)门可能需要与民(min)航空(kong)域管理部(bu)门、地面交通管理部(bu)门、气象部(bu)门、飞(fei)行器(qi)制造商、运营商等共同打造智(zhi)能化(hua)的低(di)空(kong)空(kong)域指挥、管理、调度系统。这套系统无疑需要利用AI技术(shu)，这也是AI应用的一(yi)个重要方面。
主持(chi)人：接下来我们有两个问题要请教四位嘉宾，这是一(yi)个共同的问题，请四位嘉宾都准备好回答。由于时间关系，我们接下来可能需要简洁一(yi)些(xie)。第一(yi)个问题是，在大模型服务价(jia)格持(chi)续下降的背景下，企业如何在激烈的市场竞争中寻找新的发展策略？
闫俊杰：对于大模型企业来说，价(jia)格不断下降，是否有新的突破点(dian)和(he)方式？作为使用方，在价(jia)格下降过程中，是否意味着可以拥有更多成本上的优势，释(shi)放更多资金(jin)以促进其他方面的发展？我认为大模型价(jia)格持(chi)续走低(di)是一(yi)个正常(chang)趋势，因(yin)为它本来就应该降低(di)，同时效果也应该变得更好。价(jia)格降低(di)的好处(chu)是能吸引更多用户，增加在线使用时长，从(cong)而增加流量(liang)，创造更大的价(jia)值。更多基于流量(liang)和(he)价(jia)值的商业模式正在形成。因(yin)此，我对大模型的未来发展持(chi)乐观态度。
张鹏：价(jia)格下降是技术(shu)进步的结果，技术(shu)越来越好，成本自然降低(di)。但价(jia)格持(chi)续走低(di)如果过度，就不利于行业健康发展。真正的价(jia)值应该逐级传递，大家在同一(yi)个领域不断增加价(jia)值，提供更优质的服务，帮助用户创造更大价(jia)值。我们创造的价(jia)值应该反(fan)向传递回来，形成一(yi)个正常(chang)合理的市场价(jia)值链。价(jia)格战可能导致行业内(nei)卷(juan)，短期内(nei)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(jia)格因(yin)素更多是从(cong)商业角(jiao)度考虑(lu)规模化(hua)生产。从(cong)人形机器(qi)人角(jiao)度，我们更关注大模型的质量(liang)、稳定性和(he)可靠性，以及大模型的规模。如果大模型能缩小到足够小，可以集成到机器(qi)人本体(ti)上，进行更好的控制和(he)决策。我相(xiang)信随(sui)着不断落地应用，价(jia)格会降低(di)。价(jia)格永远是向下走的，关键在于下降的速度和(he)幅度。
谢陵：我们一(yi)直与人工智(zhi)能企业合作，因(yin)为我们的客户非常(chang)看重飞(fei)行器(qi)解决问题的能力，其中AI是关键部(bu)分。过去有些(xie)AI服务企业报价(jia)过高，我们希(xi)望(wang)价(jia)格能降低(di)，以便为更多客户解决问题，销售更多飞(fei)机。我们是最合理的受益者。
主持(chi)人：最后，请每位嘉宾用一(yi)句话或几(ji)个关键词来总结，新技术(shu)催生新产业并建立新的价(jia)值链，这是我们今天讨论的最重要主题。各位认为人工智(zhi)能的新价(jia)值链将具有什么特色？
闫俊杰：我认为价(jia)值链的价(jia)值不再仅仅是销售技术(shu)，而是技术(shu)变革为用户带来的价(jia)值。无论是技术(shu)本身、产品(pin)还是商业模式，都应朝着创造价(jia)值的方向发展。
张鹏：我认为新价(jia)值链的特点(dian)是单点(dian)突破引发全面突破。AI可能是那个爆(bao)发点(dian)，引发的突破可能涉及各个行业和(he)领域，创造的价(jia)值可能是指数级的。
许彬：未来智(zhi)能社会中，数据可能是最核心的生产资料和(he)要素。从(cong)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(qi)人的训练场，以数据赋能行业发展。
谢陵：我们期望(wang)AI大模型成为类似卫星定位或蜂窝通信那样的无处(chu)不在的通用基础设施。