国际关注-"刻晴开襟乳液"-张宏江消除“Sc刻晴开襟乳液aling Law放缓”恐惧，直言未来将迎来“自主智能”的世界

张宏江消除“Sc刻晴开襟乳液aling Law放缓”恐惧，直言未来将迎来“自主智能”的世界_ZAKER新闻

中金公司指出，虽然政策“推高不足托底有余”可能对应市场短期“上有顶下有底”，但我们认为港股市场存在结构性机会，类似2019年下半年。配置策略上，我们建议投资者继续参与市场波动带来的机会或者采取哑铃型配置策略，关注高分红潜力的国企（分红现金流）以及盈利较好的优质成长板块（经营性现金流，如互联网、软硬件以及部分医疗保健板块），以及因美联储未来政策转向而从中受益的投资标的。

北京智源人工智能研究院创始理事长，美国国家工程院外籍院士张宏江12 月 6 日 -7 日，2024 T-EDGE 创新大会暨钛媒体财经年会在北京市大兴区举办，以 "ALL-in on Globalization ，ALL-in on AI" 为主题，汇聚全球科技和商业领导者，共同探讨人工智能对全球各行业的巨大影响，以及企业全球化增长新格局新趋势。作为钛媒体集团每年年终举办的科技和财经领域的顶级盛会，T-EDGE 一直代表了钛媒体在科技与经济前瞻性，以及推动国际创新交流上的高质量追求。12 月 7 日，T-EDGE 全球 AI 论坛：All-in On AI 会议上，北京智源人工智能研究院创始理事长，美国国家工程院外籍院士张宏江，以 "ChatGPT 发布 24 个月后的 6 点观察 " 为主题，围绕 AI 大模型发展与应用展开深度演讲。张宏江表示，随着 ChatGPT 风靡全球，世界迎来新的 AI 革命，模型参数规模形成指数级 "Scaling Law" 发展。在发布 24 个月后的今天，张宏江认为大模型领域有六个比较重要的技术趋势：Scaling Law 没有全面放缓，AI 将创造新的操作系统、新平台、新生态，大模型推动存量和新增应用，多模态大模型是 AGI 的终极模型，多模态大模型赋能机器人，以及大模型的未来将迎来 " 自主智能 " 的世界。张宏江指出，对于最近 "Scaling Law 放缓 "、大模型面临挑战等传闻和说法，他认为并不用担心 Scaling Law 放缓。" 即使在 pre-training（预训练）有放缓趋势，但 GPT-o1 的发布，让我们看到另外一个天地，就是相对于预训练模型的‘快思考’模式，推理模型 o1 可以给更多的思考时间，Scaling Law 的推理性能已出现‘拐点’，有一个指数级增长。"在张宏江看来，未来，多模态大模型将是 AGI 的终极模型形态，形成从语音、图片、视频，到端到端统一的多模态大模型十分重要。同时，AI 应用层面将从 AI Infra（基础设施）、AI PC、AI 手机，到 AI 软件、自动驾驶、（人形智能）机器人、AI for Science（科学智能）等领域都将迎来新的机遇。" 过去一年，美国有很多 ToB 应用爆发，但很遗憾，中国与美国在这点上有很大的差距，中国 To B 市场非常小，或者 To B 软件公司收入规模远不如美国，所以 AI 大模型重写软件服务依然需要时间进行落地。" 张宏江称。张宏江强调，未来每个人都从 AI 助理走向 Agent，最后每个人都拥有一个 AutoPilot，大模型将迎来一个自主智能的世界。随着大模型发展，统一的多模态大模型有望实现 " 突破 "，这些新的技术变革，将让 AGI 奇点即将到来。（本文首发于钛媒体 App，作者｜林志佳，编辑｜胡润峰）以下是张宏江演讲全文，经整理：各位钛媒体的嘉宾，大家下午好！今天，我想用下面的时间，跟大家分享一下我对于大模型的发展与应用、过去 ChatGPT 发布的 24 个月的几点观察，我这边总结出 6 点：1、Scaling Law（规模效应）还有效吗？近日，OpenAI 发布了 o1 模型，其在推理方面很大程度上超过了人的平均 IQ（通常智商）。这也是我们第一次看到在推理上，过去这些模型，第一次超过了人类的 IQ 的平均值。那么，先说我的第一个观察，因为最近大家这个聊得比较多的，就是说 Scaling Law 是不是发展 " 到头 " 了？在此之前，我们先回答，为什么 Scaling Law 如此重要？当 ChatGPT 这个几千亿参数的模型发布之时，自然语言处理的性能形成了指数级提高，就是我们所说的 Scaling Law，它是大模型的规模定律。Scaling Law 认为，模型的参数增大，到一定程度的时候，你才真正能看到模型的精度，有一个突飞猛进的增长，也就是出现 " 涌现 "。如果我们从图上来看的话，这事实上是我们看到一个明确的拐点，从一开始现象的非常缓慢的增加，它的精度，突然到了一个拐点，当我们的规模到了一定程度以后，就出现一个拐点冲儿，它的性能有足够性的往上讲，那么在几个方面都出现了这样的拐点，那么这个拐点我们把它叫做 " 涌现 "。所以，我们过去的十几年来，看到模型越做越大，继而看到了这个 " 规模效应 "。最近这种说法受到了一些挑战。首先，我们看到，现在很多模型训练到一定规模以后，好像没有办法的往前走，主要有几个方面：一方面是说，数据是不是不够；另一方面是说，算力是不是还够。其次，更重要的是，我好像很长时间没有看到大模型性能大的改善。比如，人们一直没有看到 GPT-5 的发布，大家是不是认为，这个模型到了某个规模的话，数据可能不够了训练不出来了。这些问题肯定是值得大家思考的。然而，我想要说的是，其实我们不用担心 Scaling Law 放缓，因为其即使在 pre-training（预训练）有放缓趋势，但 GPT-o1 的发布，让我们看到另外一个天地，就是相对于预训练 " 快思考模式 "，推理模型 o1 可以给更多的思考时间，所以，我们看到 Scaling Law 的推理性能出现 " 拐点 "，有一个指数级增长。01 模型的新方法：引入 " 思考时间 "（thinking time）的概念，允许模型在给定的计算预算内进行更多的计算迭代。推理计算可能随 " 思考时间 " 呈指数级增长，而不是线性增长。最后，在推理模型领域，Scaling Law 效应一直在持续而非放缓，这是我对此非常有信心的思考。2、新操作系统、新平台、新生态如果大家去年听过我的演讲的话，一定会对这张 PPT 不会陌生。首先，大模型实际上是一个新的操作系统，从而会建立一个新的平台，那么，我们同样也需要建立一个新的生态。我们看一下所谓的 AI 操作系统是什么，无非就是能够获取人的命令，能够执行人的命令，能够调用数据来进行计算。今天，大模型通过自然语言的交互，通过多模态的交互，就能够理解人们的需求，能够开始执行计算，所以我们说，大模型是新一代的操作系统。其次，AI 大模型拥有如此强大的技术能力，它将会重写所有的软件。最后，既然是一个新的操作系统、一个新的平台，那一定会产生一个新的生态。如果我们看一下，如果把模型作为最核心的一块底层的话，实际上我们可以看到，云架构、数据中心底层是芯片。这就是为什么我们看到，英伟达过去两年快速成长，云厂商和数据中心厂商过去两年也快速成长，这都是由于大模型训练、推理所拉动的。那同样，为了训练模型，我们在数据处理、数据存储、数据交互建立一个新生态，AI infra 也需要快速发展，才能让大模型应用落地。所以，这是一个非常丰富的生态，比传统的软件生态要丰富的多，它能带来的创新、影响、技术变革时间，也会相当长。作为生态的推动者，大模型不止要推动硬件、芯片厂商，而且还要推动数据中心相关的硬件厂商更进一步，带动能源的需求，带动能源的发展。所以，我相信，AI 大模型生态链会比之前 PC、手机的生态链要更加强大。另外一点，基础模型训练成本如此之高，而端侧、推理模型需求才刚刚开始，AI PC、AI Phone 手机会慢慢发展。未来，我相信大模型在数据中心、推理混合模式等方面，以及端侧和云端的结合，会带动产业链快速发展。3、大模型推动存量和新增应用第三个观察，我要分享，大模型将同时推动存量和新增应用。过去两年，我们好像没有看到很多 AI " 杀手级 " 应用出来，所以大家担心这个 " 浪潮 " 是不是将会失去。但其实，在技术快速发展的时候一定有很多机会，而在技术平缓、成熟的时候，也同样存在一定的机会，AI 应用的需求和数据中心的昂贵成本将推动边缘 AI 快速发展。我认为大模型应用可能分为四个阶段：1）第一波增长的 AI Infra（基础设施）、芯片和数据中心、能源等；2）第二部分是 PC、智能手机等硬件应用。3）大规模 AI 应用。其实在美国，硬件端侧设备还没有起来之前，过去一年有很多 To B 应用爆发性成长，但很遗憾，中国与美国有很大的差距，中国 To B 软件市场非常小，或者说 To B 软件公司规模远不不如美国，所以 AI 重写大模型依然需要时间落地。4）大模型在物理层面的爆发，比如自动驾驶、（人形智能）机器人、AI for Science（科学智能）都会越来越广泛、成熟发展。所以，我们有理由相信，无论是自动编程，还是智能交互、客服、内容生成，大模型所推动的 AI 应用发展速度一定会超过早期的互联网、移动互联网时期。4、多模态大模型是 AGI 的终极模型我的第四点观察是，多模态生成大模型是 AGI（通用人工智能）的终极模型。实际上，我们人与人交流是通过语言模型，但人与世界之间的互动，还需要视觉、语音等其他不同模型的形态。因此，统一的多模态大模型才能够解决所有理解的问题。那么，我们过去一年就会看到多模态生成模型的快速发展，文生图、文生视频、图生视频等等，最有代表性的是 OpenAI Sora，具有产生非常漂亮、内容逼真视频的能力，以及理解、描述和，模拟现实世界能力，展现出世界模型的雏形。世界模型是一个重要方向，是我们达到通用人工智能的重要一环。近期，李飞飞创立的公司 World Labs 日前分享了一项成果，也非常震撼：只需单张图像即可生成三维世界，团队研发的 AI 系统可以允许用户进入任何图像，并以三维方式进行探索其中的世界。这是非常非常重要的进步。通向通用人工智能（AGI），我们希望把所有理解现实世界的能力、交互能力、和生成能力，建立在一个模型里面，这样才能真正接近我们人类思考的方式。要达到这个目标，形成端到端统一的多模态大模型十分重要。比如，GPT-4o 的发布，给人们呈现了所谓的 "Her" Moment，即电影 "Here" 中的主人公—— AI 私人助理，逐渐有情感，开始对人有依赖，能给有情感的与人交互，那么，GPT-4o 的演示恰恰表现出这种能力雏形，做到了生成、推理、语音、视觉等技术统一到一个模型当中的 " 第一步 "。智源研究院最近发布的 EMU3 大模型把统一的多模态大模型发展向前推进了非常重要的一步。5、多模态大模型赋能机器人为什么我们认为，多模态的发展如此重要？其实有一个点在于，有了多模态大模型的突破，我们才能够真正的赋能于机器人，才能真正开发出通用、能自我规划、自主的机器人。实际上，传统机器人的模型完全是由人来设计的，把复杂任务分解变成 " 简单任务 "，然后对于每个简单任务进行人工设计，由规则来驱动运动的规划，这是非常原始的模型。那么，有了语言大模型和世界大模型之后，我们能够把复杂的任务通过多模态大模型分成 " 简单任务 "，能够听懂人的这种命令，然后又能够进一步通过视觉模型分解成机器的动作，从而完成复杂 - 简单 - 机器动作的过程。未来，多模态大模型驱动的 " 具身智能 " 模型，能给让复杂的任务一步到位，分解成机器的动作，这是我们的目标。正是因为多模态大模型的迅速发展，过去一年迎来了通用、人形机器人 " 热潮 "。但有一点我们要特别注意，中国在机器人的 " 本体 " 走在世界前列，但是需要有多模态大模型、具身智能的能力，只有具备这些能力后才能看到通用机器人的 " 起飞 "（迅速发展）。6、大模型的未来：自主智能的世界最后一点我的观察就是，大模型的未来会带来一个自主智能的世界。我们过去几十年看到 IT 产业不断进步，但 PC、互联网真正实现的是 " 信息系统 "。而我们今天真正进入的则是 AI 时代、模型时代。那么未来，随着 AI 大模型的发展驱动，一定会让我们进入 " 自主智能 " 的时代。无论是软件，还是机器人本体，都能够有自主决策和行为能力，从而真正进入所谓自主智能的世界。无论是现有应用，还是新的应用层面，我们都可以看到大模型智能体（AI Agent）的广泛赋能，而 Agent 的这种方式广泛应用需要智力、AI 能力的迅速提升。那么，随着 AI 这一轮浪潮不断发展，未来所有应用都会像 Copilot 一样无处不在，而且会越来越智能，从而将 Copilot 变成 "AutoPilot"。未来，我们每个人都将有一个 Agent。从助理、代理，再到 AutoPilot，意味着未来大模型会给整个产品设计、社会组织、就业变化、业务成长等方面带来巨大机遇，会迎来一个自主智能的世界。而这意味着，我们需要增加更多的 GPU，训练更大模型、更强模型，以及更多的数据，这些都会成为企业的核心资产，大模型的未来对于我们生活和工作、企业组织、人员就业带来非常深刻的变化。7、结语讲了六点观察，最后是我的结束语：通用人工智能（AGI）奇点是不是已经来临？如果你要问马斯克（Elon Musk），他说已经到了；如果问美国 AI 大模型独角兽 Anthropic CEO Dario Amodei，他说 2026 年；如果你要问谷歌 DeepMind CEO Demis Hassabis，他说可能还有十年；如果问辛顿（Geoffrey Hinton），他说还有 5-20 年。所以这意味着，技术发展比人们学习 AI 的速度要快，人类进化的速度是一条直线，但 AI 技术发展的速度是一条指数级增长曲线，始终没有与人类学习能力的曲线相交叉。那么，一旦它们之间出现 " 交叉 "，那就是奇点的来临。今天，我们有理由相信，随着大模型学习能力越来越强，Scaling Law 发展速度越来越快，AI 原生应用迅速落地和成长，统一的多模态大模型实现 " 突破 "，这些技术变革将让奇点很快到来，也就是所谓 " 自主智能 " 的时代很快到来。好，谢谢大家！更多嘉宾精彩分享，点击进入2024T-EDGE 创新大会官网查看。