炙手可热的AI“突围”，不是一个人的战斗

2023年行至今天，如果你和别人找不到共同话题，又不想尴尬，那么聊一聊人工智能，准没错。

AI在2023年的发展有目共睹。企业间关注的话题离不开“大模型”，不同领域也开始思考和尝试AI能给本行业带来的“惊喜”。

近日，2023世界人工智能大会在上海举办。大会上，我们与人工智能领域相关的专家、创业者、管理者展开对话，探讨了AI在数字商业时代，带给企业、行业的机遇和挑战。

人工智能已经有 60 多年历史。

如果简单总结人工智能近五年来的跨越式发展，中国工程院院士、清华大学智能产业研究院（AIR）院长张亚勤认为，真正的大突破其实是深度学习。尤其近三年来，海量数据，大模型以及算法算力都有了从量变到质变的突破。

第一是从感知到认知的飞跃。过去的AI更多是在人类感知方面的语音、图像、字符识别等，过去这两年更多是在认知方面，推理、思考我们对于语言的理解，对视频的语义的理解。

第二是从专用算法的人工智能到通用的人工智能（AGI）。过去包括语音、图像，自动驾驶、蛋白质解析等，更多是借助专一的算法、专一的模型或专一数据集，而现在GPT4至少为我们提供了从专一走向通用人工智能的一个通道。

第三是从鉴别式或分析式人工智能到生成式人工智能。人类第一次可以去创造、生成新的东西，如文本、语言模型、生成图片、生成蛋白质结构等。

不过，在张亚勤眼中，生成式AI做的再好，它也是个工具，真正的创造力、创意、想象力，灵感，还是要靠科学家、专家、靠人本身，这些是AI没法替代的。只不过这其中的很多技术问题，可以利用AI去加速实现。

对于人工智能的进步，国际欧亚科学院院士、北京邮电大学教授邓中亮教授也感慨，“30年前，我的老师在人工智能课上说了一句话，‘机器人什么都好，就是不会谈情说爱’。现在，机器人甚至可以做人类的情感顾问。”

谈及国内的AI技术进展和欧美国家的差异，邓中亮表示，从国家的战略布局上，从AI的科学研究、前期攻关探索上，国内的AI发展已经走得很快了。并且基础条件的配套能力，包括芯片等基础元器件的制造能力也在加速。后续紧接着就是大数据模型的持续研究和逐步提升。

邓中亮认为，在人工智能领域，国内会有一个很大的飞跃，至于是否会在某些方面达到领跑世界的水平，还需要共同的努力。目前从算法算力上看，我们与欧美国家的水平偏差不多，但从一些基础设施的支撑能力来讲还有很大的发展空间。

而且，技术进步推动产业发展并没太大风险，潜在风险来源于应用层面和相应的法律法规。比如AI自动驾驶，一旦出事故，这个权责怎么划分？机器人“有脾气”的时候，发生事故是谁的责任？如何防控？将来类似的事情也会变得越来越多。

此外，对于很多人担心的AI对某些行业带来的就业压力问题，邓中亮直言他并不担心机器人会替代人。人是AI的生产者和创造者，人工智能是服务于人类社会，而不是替代人。当前，ChatGPT 、GPT4或者是其他AI大模型已经掀起了新的人工智能的高潮，这个高潮应该会持续发展一段时间。AI 的下一个“惊喜”，可能会在数年之后。

“AI 未来也可能形成独立产业，但目前更多的是与其他产业的融合。”邓中亮称。

的确，AI正逐步应用到不同领域的企业和行业内。

微软业务发展执行副总裁克里斯·杨(Chris Young)就曾用“寒武纪大爆发”来形容从事AI服务的公司的增长速度，以及这背后尝试或大举投入AI科研和应用的企业规模变化。毕竟，AI不仅仅成为提高生产力和运营力的“黑客级“手段，也在开辟新的实践路径，创造新的商业机会。

《流浪地球》系列影片导演、北京电影家协会副主席郭帆，在此次人工智能大会上谈及AI时称，《流浪地球》拍到第二部时，现场人员就已经达到了2000多人，整体团队规模接近3万人，涉及到了一套庞大的流程管理系统。“也许，未来利用更多AI科技，通过AI技术流程辅助让上万人甚至上百万人同时协作。相信很快，人工智能的介入，会引领的整个电影工业化也会迈向 3.0。”到时怎么去创作？怎么去拍摄？影片后期制作甚至于观影模式会不会有新的变化？都充满很多未知。

晶泰科技首席技术官古亮就将生物医药领域和AI的融合，称为“生逢其时”，早一点不行，晚一点就太迟了。

古亮向我们解释这一判断的理由：一是ChatGPT已经证明了AI 大模型的可行性，证明了在有足够的数据样本，足够算力的前提下，可以得到一个智能的模型来辅助企业、行业去推理、论证、验证、探索。

二是在生命科学领域，AI技术的应用，迎合了药物研发和创新的需要以及人类健康的需要。在人类的生命长度和广度得到延续的目标下，AI赋能药物研发，实现降本增效，已经变得切实可行。而AI+机器人的技术平台经由生命科学领域的验证，也正在新材料、化工等产业施展拳脚，不断拓展新场景、新领域。

目前，包括晶泰科技在内的平台型科技企业，已经有了成功案例。在辉瑞研发口服固体新冠药物PAXLOVID时，辉瑞团队与晶泰科技合作，利用AI预测算法结合实验验证，大大缩短了研发时间，仅用六周就确认了该候选药物的优势晶型，用于后续的开发和生产，加速药物上市。

不过古亮也补充说，AI大规模应用到企业和商业，需整个产业链的配合，协同突破、快速试错，不断寻找更加有效的方法，最终目的是让研发成本更低，惠及的人群更广。这一过程中，行业里的先行者、示范者，并且愿意提供平台工具赋能的“玩家”，跟更多企业一起去合作、去探索，这种模式或许更可持续。

同时，未来行业的创新变革，也需要新的科技从“付费黄页”时代进入到“互联网”时代。也就是说，自动化和智能化的融合，要基于创新研发足够多的样本和数据，AI 模型才能迭代运转，不断被验证后越来越智能。因此，企业孤立地卷AI研发，卷投入，必然会造成重大的浪费，如果产业链能串联起来，各个供应链环节能互相配合，可以达到共赢甚至多赢，将会非常有生命力。

这一点，英伟达全球副总裁何涛也深有体会。他提到，从美国到中国，很多的企业、机构投入大量的资金精力做基础大模型、云服务等。AI算力的提升，是整个产业的方向，但算力的建设非一日之功，盲目的扩大算力是不对的，带动整个生态的发展才是最大的先发优势。腾讯云副总裁、腾讯云智能负责人、优图实验室负责人吴运声也认为，AI大模型技术发展和产业探索，离不开产业链协同和生态共建。

而生态的协同，共同推进AI在产业领域的创新和落地，终局是人类的进步和发展。

员工爱找借口，发火是最差的选择

领导者的哪些行为，会让员工倍感焦虑？