大模型推動新一輪科技革命和產業變革

海量的應用場景、超大的市場規模，人工智能領域正迎來一場由AI大模型引領的爆發式發展。

AI大模型在千行百業落地過程中會帶來哪些新的可能性？具身智能如何成為人工智能的下一個浪潮？就AI大模型領域熱點問題，《瞭望東方周刊》近日專訪了中國工程院院士、中國圖像圖形學學會理事長、湖南大學教授、機器人視覺感知與控制技術國家工程研究中心主任王耀南。

AI處于“孩童期”

《瞭望東方周刊》：以AI大模型為代表的新一輪人工智能技術浪潮洶涌澎湃，AI大模型這一輪發展對培育發展新質生產力有怎樣的重要意義？

王耀南：技術革命性突破、生產要素創新配置、產業深度轉型升級，這三個因素催生了新質生產力。培育發展新質生產力，具體特征就是高科技投入、高效能、高質量，重點是要擺脫現在傳統產業存在的問題，即擺脫傳統經濟增長方式（增長效率低），擺脫傳統生產力發展路徑（高耗能、產品質量不高）。

多模態大模型正助力新質生產力的培育和發展。

推進數字經濟高質量發展，核心在于“人工智能+行動”，即推動人工智能賦能各行各業，幫助各行各業擺脫增長效率低和高能耗等問題，最終實現生產力三要素的躍升：勞動者躍升為更高素質的勞動者，培養出戰略人才、應用型人才等；勞動資料躍升為更高技術含量的勞動資料，通過新一代信息技術、先進制造技術、工業互聯網、工業軟件、AI大模型等，產出先進制造的優質產品；勞動對象躍升為更廣范圍的勞動對象，深度融合到生產的各個方面，開辟如戰略性新興產業、未來產業等新賽道。

作為新一輪產業變革的核心驅動力，人工智能將進一步釋放歷次科技革命和產業革命所積蓄的巨大能量。

《瞭望東方周刊》：如何理解當前人工智能發展的程度和水平？

王耀南：經過數十年演進，人工智能各方面都取得了突出成績。特別是在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論、新技術以及經濟社會發展強烈需求的共同驅動下，人工智能加速發展，呈現出深度學習、跨模態、人機協同、自主操控等新特征，但坦白說，目前人工智能還處于發展的“孩童期”。

回顧人工智能的螺旋式發展史，可以看出其經歷了大起大落三次迭代：第一次是20世紀50年代的計算智能時代，特點是重視邏輯，忽略知識；第二次是20世紀70年代感知智能時代，特點是重視知識，學習不足；第三次自20世紀80年代到現在，特點是走向認知智能。

2017年，谷歌提出基于自注意力機制的神經網絡結構Transformer 架構，奠定了大模型預訓練算法架構的基礎；2018年OpenAI和谷歌分別發布GPT-1和BERT大模型，預訓練大模型成為自然語言處理的主流；2022年，OpenAI推出ChatGPT，其擁有強大的自然語言交互與生成能力；2023年，OpenAI多模態預訓練大模型GPT-4發布，其具備多模態理解與多類型內容生成能力；2024年，OpenAI發布視頻生成大模型Sora，提出時空碎片概念。

當前，AI大模型熱潮主要由語言大模型相關技術引領。語言大模型通過在海量無標注數據上進行大規模的預訓練，讓模型學習大量知識，并進行微調，指定的回調，從而獲得面向多任務的通用求解能力。大模型從過去的單一的自然語言處理能力和文本解答能力，走向了圖像視頻語音的融合化、多模態的能力。Transformer架構是目前語言大模型采用的主流架構，大模型的多模態生成能力進一步成熟。

從發展進程看，AI大模型并不是終點，今天的語言大模型也只是人工智能的一個過渡神經網絡推理模型，未來我們還有很多工作要做。

未來，人類更需要服務機器人，而服務機器人最重要的能力就是與人類交互，要實現語言、視覺、動作、圖像、視頻等全方位的交互，多模態大模型的發展將極大助力這些目標的實現。

具身智能大發展

《瞭望東方周刊》：當前熱議最多的多模態、人機協同、巡視開放和自主操控等特征，是人工智能發展的前沿體現。具身智能如何借助AI大模型的發展變得更加智能化？

王耀南：人工智能的三大基石，即模型算法、算力、數據，其中模型算法是核心，主要應用領域包括計算機視覺、自然語言處理、智能機器人等。

回顧過去人工智能發展取得的成績，主要體現在計算機視覺、自然語言處理、工業智能機器人等方面。

在計算機視覺中，過去人工智能更多作用在目標檢測、目標跟蹤、虛擬現實和三維重建，通常都采用小的模型算法、小的模型來解決相關領域的問題。今天AI大模型大大提升了語音識別、文字識別、機器翻譯和信息檢索等能力，因此在計算機視覺領域出現了不少視覺大模型的技術突破。

智能機器人是當下熱點。業界普遍認為，2024年可以稱為“AI大模型+人形機器人元年”。

具身智能是實現思考、感知、行動三個空間有機智能融合的機器或系統，既具有人機交互與自然語言理解的能力，又可以通過感知、認知、決策能力與時空環境及對象進行實時校準互動，協助機器人作出決策、完成行動任務。

“具身智能”這一概念，最早是1950年由英國科學家圖靈提出的，然而真正引起廣泛重視卻是因為近年來AI大模型的發展與應用。過去，人形機器人發展非常緩慢。我們沒有多模態模型，用小模型，一個模型解決一個問題，編好一些固定程序，通過小腦芯片控制機器人的抓取、行走、搬運等單一動作。現在，通過多模態大模型訓練學習迭代（大腦芯片），可以實現人形機器人與環境的交互、理解、判斷、規劃等，機器人的自主性得到很大提升，應用場景也在不斷拓展。

未來，人類更需要服務機器人，而服務機器人最重要的能力就是與人類交互，要實現語言、視覺、動作、圖像、視頻等全方位的交互，多模態大模型的發展將極大助力這些目標的實現。

《瞭望東方周刊》：機器人之外，AI大模型還有哪些典型應用場景？

王耀南：人工智能產業生態的三層基本架構為：基礎底座技術支撐、人工智能技術、人工智能應用。其中，基礎資源層主要是計算平臺和數據中心，屬于計算智能；技術層主要通過機器學習建構，開發面向不同領域的模型算法和技術，包含感知智能和認知智能；應用層主要是實現人工智能在不同場景下的應用。

第一步是模型架構，第二步是訓練，第三步才是測試應用。我們研究多模態大模型、跨模態大模型，最關鍵的是這些模型能不能落地到實際場景。

比如，應用到科學領域。AI大模型+5G技術，可以賦能基礎數學、通信工程、電子科學、數據科學等多學科交叉領域，提供更多科研和就業創業機會。

具體到AI+生物科研領域，由Google DeepMind和Isomorphic Labs研究團隊推出的革命性AI模型ALFHAFOLD 3 ，以前所未有的精確度預測了所有生命分子（蛋白質、DNA、RNA、配體等）的結構和相互作用，有助于改變人類對生物世界和醫藥研發的理解，進而開啟人工智能細胞生物學的新時代。

再如，多模態大模型推動智能網聯汽車產業迅速發展，尤其是在環境感知、傳感器融合、規劃決策、地圖構建定位、V2X通信、車輛控制等方面；在智能無人機方面，有助于更高效地完成測繪、救援等任務，形成真正的具身智能無人系統；在智能水下機器人方面，有助于為航行器提供位置、航向、深度、速度和姿態等信息，滿足無人自主導航、長時間科考工作、高精度定位、實時準確導航等需求；在智慧能源領域，有助于建設更加開放、共享的能源信息平臺，提高能源生產和利用效率，實現能源的優化決策和廣域協調。

AI大模型+制造業是一個特別值得關注的重要應用場景。智能制造是融合信息與通信技術、人工智能技術、自動化技術、現代企業管理技術等多個大領域的全新制造模式。AI大模型通過對傳統生產制造全流程、全要素、各環節的賦能改造，將極大推動提質增效和降本降耗，助力制造業高質量發展。

從現在起，中國企業要為未來人形機器人大發展搭建一個大模型數智底座。

科技競爭新高地

《瞭望東方周刊》：基于AI大模型的未來發展趨勢，您對我國人工智能產業有哪些建議？

王耀南：首先，我對具身智能的發展充滿信心。AI大模型的一個發展趨勢就是在具身智能機器人領域實現重大突破。

隨著技術不斷進步、應用場景不斷拓展，具身智能將在各個領域發揮越來越重要的作用。未來的具身智能人形機器人將更加智能、高效、安全、可靠，會逐漸成為人類生活中不可或缺的一部分。

開發人形機器人的過程，其實就是用開源大模型軟件、算法來推動整個機器人產業發展的過程。從現在起，中國企業要為未來人形機器人大發展搭建一個大模型數智底座，這個底座包括機器人硬件和軟件，要從計算智能、感知智能、認知智能、決策智能、行為智能走向具身智能，真正實現AI大模型與通用機器人的深度融合。

人工智能發展趨勢是從計算智能（能存會算）到感知智能（能聽會說、能看會認），再到認知決策智能（能理解、會思考），我們要明確，未來要走的道路，依然是基于大數據、大模型驅動的新一代AI技術方向。

人工智能發展過程中所面臨的困難和挑戰還有很多。比如，怎樣在提高AI大模型訓練算力的前提下降低能耗？如何開發出計算效率高的計算架構芯片？怎樣解決現有AI大模型的可解釋性、安全性和可靠性？怎樣讓AI大模型在遇到各種復雜干擾時，仍能保證穩定運行？如何保障數據安全，如何在數據挖掘、數據分析、數據安全隱私以及數據提取方面找到解決方案，等等。

眼下，通用大模型、行業大模型、端側大模型如雨后春筍般涌現，下一步大模型產業應用落地將進一步提速。總體來看，作為新一代人工智能產業的核心驅動力，AI大模型正在廣泛賦能我國經濟社會的多個領域，助力打開邁向通用人工智能的大門，推動新一輪科技革命和產業變革。但同時，產業發展越成熟，問題也會暴露更多，要在應用中發現問題，解決不足，一起努力。