2024年全球人工智能技術(shù)和產(chǎn)業(yè)將繼續(xù)加速發(fā)展，作為人工智能科技界的一名代表，我想聊聊通用人工智能大模型的發(fā)展，對(duì)于科技創(chuàng)新和個(gè)體發(fā)展的意義。

首先我想跟大家探討的是，當(dāng)下人工智能發(fā)展到哪一步了呢？

今年ChatGPT的出現(xiàn)第一次讓我們看到了通用人工智能的星星之火，看到了初步的智慧涌現(xiàn)，看到了認(rèn)知智能的重大突破。其實(shí)對(duì)于AI界的人士來(lái)說(shuō)，我們也沒有想到通用人工智能突然會(huì)來(lái)得這么快，而且離我們這么近。今天回顧人工智能發(fā)展的幾次浪潮，我們發(fā)現(xiàn)在第三次以感知智能為主體的浪潮還沒有結(jié)束的時(shí)候，第四次以認(rèn)知智能為突破的浪潮就開始了。

大模型的發(fā)展，當(dāng)前最應(yīng)該關(guān)注哪些趨勢(shì)？第一個(gè)趨勢(shì)，從多模態(tài)技術(shù)到智能體的快速發(fā)展。經(jīng)過(guò)近一年的發(fā)展，包括GPT-4和國(guó)內(nèi)的大模型都在進(jìn)一步向多模態(tài)方向進(jìn)化，大模型和人的溝通不再只是語(yǔ)言文字，它會(huì)理解圖片和視頻的含義，在自動(dòng)駕駛和機(jī)器人研發(fā)領(lǐng)域，已經(jīng)融入了GPT這類大模型，來(lái)幫助機(jī)器更好地理解它所看到的東西。谷歌在12月初發(fā)布的Gemini大模型，更是區(qū)別于原來(lái)的“拼湊多模態(tài)”模型，從一開始就使用文字、音頻、視頻、圖像等多種模態(tài)的數(shù)據(jù)訓(xùn)練而成。演示視頻顯示，人類把三個(gè)空杯并排放在桌子上，再把紙團(tuán)塞進(jìn)其中一個(gè)杯子里，一番快速的移形換位以后，Gemini準(zhǔn)確地指出：紙團(tuán)在最左邊的杯子里！這已經(jīng)展示出令人詫異的多模態(tài)能力。

多模態(tài)的發(fā)展，讓AI與外界的互動(dòng)方式越來(lái)越像人了。隨著多模態(tài)的發(fā)展，智能體（AI Agent）也成為了目前非常熱的一個(gè)概念。到底什么是智能體？它指的是能夠自主理解、規(guī)劃決策和執(zhí)行復(fù)雜任務(wù)的AI。如果我們將現(xiàn)在的生成式AI，比作一個(gè)人的話，那么它只具有了大腦（大語(yǔ)言模型），只能對(duì)話，但沒有行動(dòng)能力，更不能自主完成復(fù)雜的任務(wù)。但隨著多模態(tài)的發(fā)展，AI將會(huì)越來(lái)越深度地接觸真實(shí)世界。我們也會(huì)更加期望AI去自主完成一個(gè)完整的任務(wù),而不是每一個(gè)步驟都需要人類去提問(wèn)。這種AI就是智能體。

第二個(gè)趨勢(shì)，是大模型的輕量化，算力和數(shù)據(jù)的本地化。像GPT這樣的通用大模型,參數(shù)很大,算力要求也很高。ChatGPT需要3萬(wàn)多張英偉達(dá)A100芯片，初期投入高達(dá)8億美元。而據(jù)估算，1750億參數(shù)的GPT-3的總訓(xùn)練成本高達(dá)1200萬(wàn)美元。但是現(xiàn)在很多企業(yè)發(fā)現(xiàn)，在特定的場(chǎng)景需求下，幾十億、上百億參數(shù)的大模型就足夠了，一個(gè)手機(jī)芯片的算力就能滿足要求。比如說(shuō)一個(gè)掃地機(jī)器人，我們不需要跟它聊天，讓它寫文案，只需要它會(huì)掃地就行，大模型只需要滿足它規(guī)劃路線、躲避障礙物、判斷什么地面需要用什么方法清潔的需求，用本地設(shè)備自帶的芯片就能滿足運(yùn)算需求。

無(wú)論是智能體的火熱，還是本地化的這種趨勢(shì)，都提醒我們，大模型正在走出文字對(duì)話的這種初級(jí)形式，開始融入我們的生活?？梢灶A(yù)測(cè)，大模型在實(shí)際場(chǎng)景中的落地應(yīng)用將會(huì)是2024年發(fā)展的關(guān)鍵。

第三個(gè)趨勢(shì)是AI進(jìn)入基礎(chǔ)科研。在基礎(chǔ)科研領(lǐng)域，大模型也會(huì)成為有力的助手，著名數(shù)學(xué)家陶哲軒就成功利用GPT提供的思路,解決了一個(gè)數(shù)學(xué)難題。卡內(nèi)基梅隆大學(xué)的研究人員利用GPT-4開發(fā)了一個(gè)叫做Coscientist的助手，它可以自主合成已知的物質(zhì)，這個(gè)成果也登上了Nature雜志。但是陶喆軒對(duì)于GPT的角色描述和提問(wèn)內(nèi)容，都做了非常專業(yè)的設(shè)計(jì),才讓GPT-4給出了非常高質(zhì)量的答案。

我們要看到，AI搞科研，不是把科學(xué)問(wèn)題交給AI去回答,而是人和AI的協(xié)作研究，會(huì)用AI才是關(guān)鍵。通用大模型的威力取決于你對(duì)它的理解，往往淺薄的不是大模型，而是我們自己?，F(xiàn)在已經(jīng)出現(xiàn)了提示詞工程師（Prompt engineering）這種新職業(yè)，不是程序員，但要研究怎樣用自然語(yǔ)言提要求，才能讓AI給出最好的答案，年薪最高的超過(guò)200萬(wàn)元。這才是所謂的“人機(jī)耦合”。

大模型的加速發(fā)展，給創(chuàng)業(yè)者帶來(lái)哪些機(jī)遇和挑戰(zhàn)？

前段時(shí)間，OpenAI在首屆開發(fā)者大會(huì)發(fā)布了功能更強(qiáng)大的GPT-4 turbo，API開放更多能力，同時(shí)價(jià)格降低2.75倍。OpenAI在這次大會(huì)上還發(fā)布了輔助開發(fā)工具Assistants API和個(gè)人定制版GPT：GPTs，能讓不懂編程的人，也能夠用聊天對(duì)話的方式，快速做出AI應(yīng)用。AI應(yīng)用開發(fā)的門檻被拉得非常低，一下子宣告了一大批GPT套殼公司和獨(dú)立的AI創(chuàng)業(yè)項(xiàng)目走向死亡。這也告訴我們，以后，懂編程、懂人工智能技術(shù)將越來(lái)越起不到護(hù)城河的作用，我認(rèn)為對(duì)想要在大模型領(lǐng)域?qū)ふ覚C(jī)會(huì)的創(chuàng)業(yè)者來(lái)說(shuō)，真正有效的護(hù)城河有這樣幾種：

第一，私有數(shù)據(jù)。擁有行業(yè)或企業(yè)的私有數(shù)據(jù)，這一點(diǎn)無(wú)論對(duì)科技巨頭，還是對(duì)中小型科技企業(yè)，都是很大的優(yōu)勢(shì)。結(jié)合私有數(shù)據(jù)打造專業(yè)大模型，比如擁有很多學(xué)校的教學(xué)數(shù)據(jù)，就可以提供定制化的解決方案，達(dá)到公開數(shù)據(jù)+通用模型實(shí)現(xiàn)不了的效果。我最近參加了一個(gè)創(chuàng)業(yè)大賽，很遺憾地看到，好幾個(gè)科技項(xiàng)目，都很容易被通用大模型直接替代。那些只提供純工具，或者僅僅依靠公開數(shù)據(jù)的項(xiàng)目，會(huì)越來(lái)越難存活。

第二，對(duì)行業(yè)具體業(yè)務(wù)和場(chǎng)景的深度了解。在大模型生態(tài)的支持下，AI技術(shù)的門檻將越來(lái)越低，中小企業(yè)要比大企業(yè)更加了解行業(yè)業(yè)務(wù)、使用場(chǎng)景和痛點(diǎn)。那些已經(jīng)在各個(gè)行業(yè)有扎實(shí)的用戶基礎(chǔ)和know-how經(jīng)驗(yàn)的公司，AI會(huì)真正成為他們的放大器。

第三，與硬件結(jié)合。把AI能力融入AR/VR眼鏡、手表、音響、機(jī)器人、汽車等硬件，能夠給用戶帶來(lái)更好的交互體驗(yàn)，也提升了研發(fā)和被復(fù)制的門檻。比如，智能翻譯機(jī)就是這種思路。前些天隨著GPTs發(fā)布的無(wú)屏幕可穿戴設(shè)備 Ai Pin，也是一個(gè)結(jié)合了GPT-4的AI硬件。

回顧科技與消費(fèi)的歷史，我們發(fā)現(xiàn)，數(shù)字科技類的硬件產(chǎn)品，幾乎每十年就會(huì)迎來(lái)一波全球性的浪潮。1990年是PC，2000年是PC互聯(lián)網(wǎng)、功能機(jī)，2010年是移動(dòng)互聯(lián)網(wǎng)、智能機(jī)。2020年是智能新能源汽車，隨著人工智能的加速發(fā)展，2030年可能就會(huì)是機(jī)器人。所以未來(lái)社會(huì)上可能會(huì)有三類軟硬件一體化的產(chǎn)品：一是固定式的，比如說(shuō)PC、家里的全屋智能、智能會(huì)議室；二是攜帶式的，從筆記本電腦到手機(jī)、智能手表，再到VR/AR眼鏡；三是跟隨式的，就是智能新能源汽車，以及以后的家用機(jī)器人。這些領(lǐng)域?qū)?huì)誕生許多新的賽道和新的獨(dú)角獸。

科技創(chuàng)業(yè)者應(yīng)該以何種姿態(tài)迎接AI時(shí)代？

創(chuàng)新創(chuàng)業(yè)除了找對(duì)方向，最重要的就是要有熱愛和堅(jiān)守，這在任何時(shí)期都是一樣的。技術(shù)創(chuàng)新是一條彎曲的直線，各種新科技的成熟演變速度及要達(dá)到成熟所需的時(shí)間，分成5個(gè)階段：技術(shù)萌芽期 、期望膨脹期、泡沫破裂低谷期 、穩(wěn)步爬升恢復(fù)期 、生產(chǎn)成熟期。每項(xiàng)技術(shù)都處在各自的發(fā)展階段，到達(dá)生產(chǎn)成熟期需要的年限也是各不相同的。以GPT為代表的生成式AI，正處在期望膨脹期，但它可能會(huì)在2到5年內(nèi)達(dá)到成熟期。

所以，成就國(guó)際領(lǐng)先的技術(shù)，并不是一蹴而就的。只有源于熱愛的初心，才能在創(chuàng)新道路上長(zhǎng)期堅(jiān)守。無(wú)論是科技創(chuàng)新還是創(chuàng)業(yè)，我們心中一定要有這樣一個(gè)曲線，一定知道當(dāng)很多人追捧你，很多人投資的時(shí)候，其實(shí)你還會(huì)經(jīng)歷一個(gè)夢(mèng)幻破滅期，能扛住就可以走到未來(lái)，真正美好的產(chǎn)業(yè)的未來(lái)。

普通人應(yīng)該怎樣在通用人工智能時(shí)代取得更好的發(fā)展？我認(rèn)為，一定要做好這幾件事。

第一，堅(jiān)持閱讀，豐富靈魂。正是大量的閱讀造就了一個(gè)人的底蘊(yùn)和智慧，成就了萬(wàn)里挑一的有趣的靈魂。

第二，堅(jiān)持運(yùn)動(dòng)，強(qiáng)健體魄。我的經(jīng)驗(yàn)就是跑步，跑步幫我穿越了人生的不同周期，不斷進(jìn)入生命中下一個(gè)螺旋式上升的通道。

第三，對(duì)不確定性保持樂觀。只有樂觀的人才會(huì)愿意相信，愿意去嘗試。最后也許不一定做成，或者沒有完全做到，但這個(gè)過(guò)程也會(huì)很有幫助。

第四，不甘平庸，延遲滿足。要對(duì)自己有更高的標(biāo)準(zhǔn)，也許短期內(nèi)變化得慢，但10年后再看，肯定會(huì)非常不一樣。面對(duì)各種各樣的選擇，我們要有自己的判斷，著眼于長(zhǎng)遠(yuǎn)的利益，延遲滿足，不要被一些短期的利益所迷惑。

第五，保持生命的節(jié)奏，有張有弛。有時(shí)放慢腳步不是為了放棄，而是為了跑得更遠(yuǎn)。

不斷學(xué)習(xí)的意義，就在于去成長(zhǎng)，去成功，去讓人生更有選擇權(quán)。

總結(jié)一下，其實(shí)在通用人工智能時(shí)代，最大的護(hù)城河就兩條：一是抓住人的真實(shí)需求、基本需求，科技始終是來(lái)自于真實(shí)世界的需求，并且要為真實(shí)世界服務(wù)；二是讓自己變得強(qiáng)大。我相信，比人類更強(qiáng)大的不是AI，而是掌握了AI的新人類。

本文作者杜蘭，現(xiàn)任廣東省政協(xié)委員，廣東省科學(xué)技術(shù)協(xié)會(huì)常務(wù)委員，廣東省人工智能產(chǎn)業(yè)協(xié)會(huì)會(huì)長(zhǎng)