文 本刊記者 勒川

2022年，在智能技術(shù)創(chuàng)新的商業(yè)落地征途之中，挑戰(zhàn)比預(yù)想中來得更加猛烈。硬科技的終極價(jià)值，也在逆風(fēng)之中更加彰顯。這場(chǎng)大會(huì)上，十余位行業(yè)領(lǐng)域用他們過去的積淀積累，做出對(duì)未來的解答。

2022年是時(shí)代級(jí)機(jī)遇與挑戰(zhàn)交織的一年。一方面我們深刻地感知到，隨著硬科技創(chuàng)新、產(chǎn)學(xué)研轉(zhuǎn)化、全新冪集創(chuàng)新周期的到來，一場(chǎng)關(guān)于數(shù)字化、智能化的機(jī)器革命，正在加速落地。另一方面，全球形勢(shì)云譎波詭，技術(shù)創(chuàng)新也來到深水區(qū)，內(nèi)外交織的挑戰(zhàn)比以往來得更加嚴(yán)峻。

2022年12月14日，由量子位主辦的MEET2023智能未來大會(huì)舉行。作為國內(nèi)最具影響力的智能商業(yè)峰會(huì)，MEET大會(huì)繼續(xù)就智能科技的最新進(jìn)展進(jìn)行總結(jié)與展望。

關(guān)乎本源、關(guān)于終局的思考求解，要比以往更加迫切：科技發(fā)展的起伏周期，如何穿越？是終極場(chǎng)景倒推技術(shù)創(chuàng)新，所誕生的新場(chǎng)景、新物種、新應(yīng)用？還是順勢(shì)而為下的新計(jì)算、新方案、新價(jià)值？抑或是以一敵百，堅(jiān)定的技術(shù)創(chuàng)新信念者？

基于這樣的行業(yè)洞察，量子位MEET2023智能未來大會(huì)以“以終為始，生生不息”為主題，鄭緯民院士領(lǐng)銜在內(nèi)的近二十位產(chǎn)學(xué)研行業(yè)領(lǐng)袖在大會(huì)現(xiàn)場(chǎng)探討和分享了行業(yè)破局之道。

新標(biāo)準(zhǔn)、新要求、新機(jī)遇

鄭緯民AI基準(zhǔn)的設(shè)計(jì)能達(dá)到4個(gè)指標(biāo)

首先開場(chǎng)的，是計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)這一學(xué)科泰斗，中國工程院院士、清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系鄭緯民。毫無疑問，人工智能算力是當(dāng)前人工智能領(lǐng)域發(fā)展的關(guān)鍵，此次他主要分享了他們所在團(tuán)隊(duì)對(duì)人工智能的三件事。簡(jiǎn)單來說，就是AI與算力基礎(chǔ)設(shè)施的設(shè)計(jì)、評(píng)測(cè)和優(yōu)化。

第一件事，提出了一種AI算力基礎(chǔ)設(shè)施的架構(gòu)和平衡設(shè)計(jì)原則。目前全國20多個(gè)人工智能超算中心基本上都采納了他們團(tuán)隊(duì)的設(shè)計(jì)思想。

首先，他談到了HPC與AI之間的不同，包括應(yīng)用領(lǐng)域、運(yùn)算精度等方面?；诖?，他們提出了人工智能計(jì)算機(jī)設(shè)計(jì)的平衡性原則，包括計(jì)算平衡設(shè)計(jì)、網(wǎng)絡(luò)平衡計(jì)算、IO子系統(tǒng)設(shè)計(jì)。

目前，行業(yè)整體趨勢(shì)是HPC+AI+BigData融合在一起。未來兩到四年，三者融合的服務(wù)器就會(huì)出現(xiàn)。

第二件事，就是大規(guī)模人工智能算力基準(zhǔn)評(píng)測(cè)程序AIPerf。

傳統(tǒng)的AI算力評(píng)測(cè)基準(zhǔn)存在著只針對(duì)單個(gè)芯片、只是移動(dòng)端的硬件、可擴(kuò)展性不好等問題，于是他們就決定自己做一個(gè)。

AI基準(zhǔn)設(shè)計(jì)要達(dá)到這四個(gè)目標(biāo)：統(tǒng)一的分?jǐn)?shù)、可變的規(guī)模、具有實(shí)際的人工智能意義、評(píng)測(cè)程序包含必要的多機(jī)通信。最終，以清華大學(xué)為主要團(tuán)隊(duì)做了AIPerf來測(cè)試，已于2020年11月15日發(fā)布。

第三件事，百萬億參數(shù)超大規(guī)模訓(xùn)練模型的加速方法。

學(xué)界達(dá)成一個(gè)基本共識(shí)，那就是模型規(guī)模和模型效果呈正相關(guān)關(guān)系。但模型規(guī)模上去了，CPU的內(nèi)存、計(jì)算能力是有限的。因此大模型訓(xùn)練一定是多機(jī)的，分布并行的。

現(xiàn)在主要有三種并行方式：數(shù)據(jù)并行、模型并行、專家并行。他們把這三種并行訓(xùn)練模型開源到FastMOE系統(tǒng)當(dāng)中，得到了工業(yè)界許多認(rèn)可，比如阿里的淘寶天貓，騰訊、百度飛槳的MOE模塊都用到了他們的系統(tǒng)。

最后他希望，他們團(tuán)隊(duì)做的三點(diǎn)小貢獻(xiàn)，能夠推動(dòng)人工智能的發(fā)展。

Ziad Asghar如何讓“智能網(wǎng)聯(lián)邊緣”成為現(xiàn)實(shí)

高通技術(shù)公司產(chǎn)品管理高級(jí)副總裁Ziad Asghar，負(fù)責(zé)驍龍平臺(tái)的產(chǎn)品規(guī)劃以及公司所有產(chǎn)品線中應(yīng)用處理器相關(guān)技術(shù)。他的工作服務(wù)于公司所有業(yè)務(wù)部門，包括移動(dòng)、汽車、計(jì)算、XR、邊緣云和物聯(lián)網(wǎng)。

他在大會(huì)上提出：AI處理的重心正在持續(xù)向邊緣側(cè)轉(zhuǎn)移。

原因有多方面，大量的數(shù)據(jù)在邊緣側(cè)產(chǎn)生，當(dāng)今消費(fèi)者希望擁有更好的數(shù)據(jù)隱私、希望數(shù)據(jù)可靠，并希望及時(shí)獲取處理結(jié)果。

高通專注于“基于統(tǒng)一的技術(shù)路線圖”進(jìn)行產(chǎn)品開發(fā)，能夠全面覆蓋智能網(wǎng)聯(lián)邊緣，實(shí)現(xiàn)規(guī)模化擴(kuò)展。

高通的A I技術(shù)已經(jīng)賦能2 0億終端，實(shí)現(xiàn)這一成果的核心是高通AI引擎（Qualcomm AI Engine）。高通AI引擎包含圖形處理單元、CPU，以及更核心的Hexagon處理器，其具備高度可擴(kuò)展性的硬件架構(gòu)，并在性能和能效方面全面領(lǐng)先競(jìng)爭(zhēng)對(duì)手。

為了讓AI在終端側(cè)發(fā)揮最大作用，高通還帶來多項(xiàng)硬件和軟件技術(shù)：支持INT4精度推理，高通傳感器中樞，高通AI軟件棧、Qualcomm AI Studio……

過去，幾乎所有的AI推理都在云端進(jìn)行。如今，他們已經(jīng)開始將大量推理工作轉(zhuǎn)移至邊緣側(cè)終端進(jìn)行。下一步，就是實(shí)現(xiàn)完全分布式的AI，也就是轉(zhuǎn)向終端側(cè)學(xué)習(xí)的范式。

利用終端側(cè)學(xué)習(xí)，將能夠?yàn)槊恳粋€(gè)用戶打造個(gè)性化體驗(yàn)，這就是高通正在前進(jìn)的方向。據(jù)Ziad介紹，高通AI研究團(tuán)隊(duì)一直專注不同的方法包括小樣本學(xué)習(xí)、無標(biāo)記數(shù)據(jù)持續(xù)學(xué)習(xí)、支持全局適應(yīng)的聯(lián)邦學(xué)習(xí)和低復(fù)雜性終端側(cè)學(xué)習(xí)，來解決終端側(cè)學(xué)習(xí)部署的挑戰(zhàn)。

Ziad相信，目前所利用的終端側(cè)AI能力還只是冰山一角，而從智能車到元宇宙，終端側(cè)AI的需求巨大。

高通十分期待能夠引領(lǐng)市場(chǎng)向著充分利用智能網(wǎng)聯(lián)邊緣的方向繼續(xù)推進(jìn)，讓智能網(wǎng)聯(lián)邊緣成為現(xiàn)實(shí)。

尤洋AI落地面臨很大問題，最先進(jìn)的AI 技術(shù)訓(xùn)練成本太高

潞晨科技董事長(zhǎng)兼總裁、新加坡國立大學(xué)校長(zhǎng)青年教授尤洋，介紹了一種全新的AI大模型解決方案Colossal-AI，面向未來各種大模型應(yīng)用場(chǎng)景的低成本落地。

首先，Colossal-AI解決的是一個(gè)什么樣的問題？從過去AI模型發(fā)展的參數(shù)量來看，2016年—2021年模型大小從200多萬增長(zhǎng)到了1.6萬億，相當(dāng)于翻了成千上萬倍。不管是大企業(yè)、小企業(yè)，大家都普遍把自己的模型做得更大，因?yàn)樾Ч麜?huì)更好。

不穩(wěn)定型心絞痛有起病快、病情急、預(yù)后差的特點(diǎn)，治療不及時(shí)極易造成心肌梗死。多數(shù)研究認(rèn)為，由冠狀動(dòng)脈粥樣硬化、破裂、急性血栓所致，同時(shí)和局部炎癥有密切關(guān)系[2] 。

但一個(gè)很大問題是大模型或者是最先進(jìn)的AI技術(shù)訓(xùn)練成本太高了。Stability AI每年光花計(jì)算的錢就大概2000萬美元。

因此未來迫切需要一個(gè)可擴(kuò)展、高效的計(jì)算基礎(chǔ)設(shè)施Colossal-AI。

其次，Colossal-AI主要由三部分組成。

1）高效的內(nèi)存管理系統(tǒng)。因?yàn)榇竽Ｐ捅举|(zhì)上還是太吃內(nèi)存。

2）自動(dòng)的N維并行技術(shù)。

3）大規(guī)模優(yōu)化技術(shù)。

從三方面把AI模型的訓(xùn)練部署性能提到最高，目標(biāo)是希望用戶只需要在自己?jiǎn)螜C(jī)筆記本上寫好代碼，通過Colossal-AI能夠無縫地部署到云端或者是超級(jí)計(jì)算機(jī)上。

目前訓(xùn)練大模型主要有三種并行方式：數(shù)據(jù)并行、張量并行、流水線并行。

Colossal-AI的解決方案首先是支持了上述主流并行方案，然后他們創(chuàng)新性地打造了2D張量并行、2.5D張量并行以及3D張量并行，以及提出了數(shù)據(jù)序列并行，還提供了降低顯存消耗的異構(gòu)內(nèi)存管理和大規(guī)模并行優(yōu)化，把它們整合起來提供一套自動(dòng)并行的解決方案。

其實(shí)AI工程師、研究員，不需要理解背后的技術(shù)細(xì)節(jié)，只需要把模型的信息、計(jì)算資源告訴他們，就可以自動(dòng)地把計(jì)算資源能力發(fā)揮到最大化，同時(shí)完成虛擬模型訓(xùn)練和自動(dòng)部署，輕松低成本應(yīng)用AI大模型。

劉軍智算力就是創(chuàng)新力

浪潮信息副總裁、浪潮人工智能與高性能計(jì)算產(chǎn)品線總經(jīng)理劉軍分享的主題是“AI新時(shí)代 智算力就是創(chuàng)新力”。

劉軍提出了“算力當(dāng)量”的概念，用PetaFLOP/s-days（PD）這個(gè)指標(biāo)來衡量算力消耗，也就是每秒千萬億次計(jì)算完整運(yùn)行一天，完成一個(gè)任務(wù)需要多少這樣的計(jì)算量。

比如特斯拉的DOJO用于感知模型的訓(xùn)練和仿真，算力當(dāng)量是500個(gè)PD，AlphaFold2的訓(xùn)練消耗300個(gè)PD。

再加上AI大模型訓(xùn)練、數(shù)字人的建模和渲染等方向，可以確切地感受到今天在AI領(lǐng)域的眾多創(chuàng)新背后離不開智算力的支撐，所以說智算力就是創(chuàng)新力。

接下來，劉軍還分享了當(dāng)前智能計(jì)算發(fā)展的三個(gè)重要趨勢(shì)：

第一是算力多元化。在國內(nèi)市場(chǎng)上有十幾種CPU芯片、將近100種AI算力芯片，原因是算力應(yīng)用場(chǎng)景多元化。這就需要從系統(tǒng)的硬件角度、從平臺(tái)的軟件角度來進(jìn)行相應(yīng)的創(chuàng)新支撐。

第二是模型巨量化，大模型使得AI從五年前的能聽會(huì)看走到今天能思考、會(huì)創(chuàng)作，下一步甚至到會(huì)推理、能決策的進(jìn)步。下一個(gè)挑戰(zhàn)是如何把大模型能力交付到眾多中小企業(yè)手中，幫助他們實(shí)現(xiàn)智能化轉(zhuǎn)型。

第三是元宇宙?，F(xiàn)在元宇宙的構(gòu)建包括協(xié)同創(chuàng)建、高精仿真、實(shí)時(shí)渲染、智能交互，每一個(gè)環(huán)節(jié)都需要大量算力去支撐。這里不光是AI計(jì)算，還有仿真計(jì)算、圖像渲染計(jì)算，這對(duì)算力基礎(chǔ)設(shè)施的硬件平臺(tái)和軟件棧都提出了更高的要求。

新場(chǎng)景、新物種、新應(yīng)用

李笛我們?yōu)槭裁聪牒虲hatGPT交流？

AI繪畫、對(duì)話式AI為代表的AIGC今年在全球引發(fā)熱潮，小冰公司也作為行業(yè)先行者備受矚目：剛剛完成一輪10億元的新融資，用于推動(dòng)虛擬員工的普及。

不過，小冰公司首席執(zhí)行官李笛在會(huì)上沒有多談產(chǎn)品，而是分享了對(duì)大家更有借鑒意義的行業(yè)趨勢(shì)。

李笛認(rèn)為，每一次技術(shù)變革都是在改變?nèi)伺c世界/人與人之間的關(guān)系。

在人與世界關(guān)系這條線上，我們經(jīng)歷了門戶網(wǎng)站、搜索引擎、推薦算法。它們利用計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)了高并發(fā)，一次觸達(dá)很多用戶。但缺點(diǎn)是轉(zhuǎn)化率低，如果想提高轉(zhuǎn)化率就需要人工客服，人力成本巨大。

下一站，該看向AI Being。

AI Being與之前的人機(jī)交互相比，關(guān)鍵不同在于高轉(zhuǎn)化率，如小冰島App的留存率就高達(dá)39%。

另一個(gè)例子是ChatGPT，通過它獲取知識(shí)比搜索引擎的準(zhǔn)確度要低，但為什么人們都愿意和它交流？

人們?cè)谑褂盟鼤r(shí)往往心里已經(jīng)有了答案。如果ChatGPT給出的結(jié)果都準(zhǔn)確，那人們會(huì)認(rèn)為它很強(qiáng)大，即使不準(zhǔn)確，人們也會(huì)覺得很有意思。

其實(shí)ChatGPT改善的不是準(zhǔn)確率而是行為，讓AI有了主體性。從行為模式判斷與從結(jié)果上判斷一個(gè)技術(shù)，就會(huì)得到完全不同的結(jié)論：它能和你建立一種以往沒有過的一種關(guān)聯(lián)，這種關(guān)聯(lián)的價(jià)值本身具有非常大的商業(yè)價(jià)值。

李笛認(rèn)為，AI Being的未來還會(huì)引發(fā)很多新的變革。

如數(shù)字員工會(huì)使toB和toC的界限變得模糊，比如銀行的數(shù)字客戶經(jīng)理可能會(huì)與客戶變成朋友。

又比如AI Being將不再隸屬于某一平臺(tái)，人們?cè)诳头?、手機(jī)、汽車上與同一個(gè)AI Being交流，得到更加無縫、24小時(shí)、持續(xù)連貫的服務(wù)。

同時(shí)這種方式也能建立更好的反饋機(jī)制，推動(dòng)系統(tǒng)得到更好的發(fā)展。AI Being比現(xiàn)在的虛擬偶像等數(shù)字人應(yīng)用，還有千倍百倍的價(jià)值沒被看到。

李博智能車是當(dāng)下機(jī)器人的第一形態(tài)

各行各業(yè)進(jìn)入存量競(jìng)爭(zhēng)時(shí)期，互聯(lián)網(wǎng)經(jīng)濟(jì)機(jī)遇過去，下一個(gè)人類的星辰大海會(huì)在哪里？

路特斯科技副總裁、路特斯機(jī)器人公司總經(jīng)理李博認(rèn)為，“機(jī)器人時(shí)代”比“元宇宙時(shí)代”更符合人類對(duì)星辰大海的預(yù)期。

元宇宙是把人帶入虛擬世界，而機(jī)器人則是把AI帶到真實(shí)世界。李博分享了對(duì)“機(jī)器人時(shí)代”的關(guān)鍵認(rèn)知：

第一，智能車是機(jī)器人的第一形態(tài)，也是當(dāng)下最重要的機(jī)器人形態(tài)。像掃地機(jī)器人、酒店服務(wù)機(jī)器人等，從市場(chǎng)規(guī)模、體量及社會(huì)影響力來說，和智能車相比仍存在差距。

第二，行業(yè)經(jīng)常提“軟件定義汽車”，但我們認(rèn)為“硬件定義軟件的天花板”。例如，當(dāng)不同年代的蘋果手機(jī)都升級(jí)到同樣的操作系統(tǒng)，其體現(xiàn)出來的性能卻是千差萬別的。

第三，在更高更快更強(qiáng)的時(shí)代，路特斯是智能車的最佳實(shí)踐平臺(tái)。基于此，路特斯機(jī)器人推出四條產(chǎn)品線。

智能駕駛?cè)珬＼浖鉀Q方案，包含端到端的高階智能駕駛系統(tǒng)、ADAS/PAS功能，以及車端OS操作系統(tǒng)及中間件等。

ROBOVERSE產(chǎn)學(xué)研生態(tài)系統(tǒng)，一方面用路特斯機(jī)器人在實(shí)踐開發(fā)過程中產(chǎn)生的優(yōu)質(zhì)數(shù)據(jù)，打造公開數(shù)據(jù)集，為創(chuàng)業(yè)公司及院校賦能；另一方面支持院校做智能駕駛的探索和嘗試，在路特斯機(jī)器人的加持下，北京理工大學(xué)和同濟(jì)大學(xué)的方程式車隊(duì)在2022年中國大學(xué)生方程式賽事中各取得優(yōu)異成績(jī)，其中，北京理工大學(xué)路特斯無人駕駛方程式車隊(duì)更是贏得2022中國大學(xué)生無人駕駛方程式大賽全國總冠軍。

智能駕駛運(yùn)營解決方案，核心目的是對(duì)當(dāng)下智能駕駛系統(tǒng)能力的不足做彌補(bǔ)和提升。例如路特斯平行守護(hù)系統(tǒng)，讓后臺(tái)專業(yè)的平行守護(hù)駕駛員接入前臺(tái)車輛，輔助前臺(tái)車輛更好地完成智能駕駛?cè)蝿?wù)，這一套系統(tǒng)在不久的將來，也會(huì)逐步對(duì)外賦能。

ROBO Galaxy智駕工具鏈SaaS系統(tǒng)，也稱為智能駕駛的云端數(shù)據(jù)工廠。ROBO Galaxy包含七大模塊，分別是數(shù)據(jù)采集、數(shù)據(jù)合規(guī)、數(shù)據(jù)標(biāo)注、數(shù)據(jù)訓(xùn)練、數(shù)據(jù)仿真、數(shù)據(jù)管理及數(shù)據(jù)監(jiān)控，提供全流程服務(wù)，并構(gòu)成了全生命周期的數(shù)據(jù)鏈閉環(huán)。

ROBO Galaxy不僅旨在提升算法軟件迭代速度，提供優(yōu)質(zhì)的測(cè)試環(huán)境，也致力于解決目前普遍存在的數(shù)據(jù)孤島與業(yè)務(wù)斷點(diǎn)問題。因此，李博認(rèn)為，未來的智能駕駛產(chǎn)品一定是批量化、高質(zhì)量、穩(wěn)定地生產(chǎn)出來，這就要依托ROBO Galaxy，讓智能駕駛開發(fā)從“手工坊”變成“流水線”。由此可見，ROBO Galaxy代表著智能駕駛未來的生產(chǎn)力。

段潤堯聰明的腦袋、足夠的資源和最好的技術(shù)匹配起來，就能做出量子計(jì)算機(jī)

當(dāng)前，量子時(shí)代正在加速到來，接近70%全球企業(yè)都想或正在布局相關(guān)技術(shù)。國內(nèi)像百度這樣的技術(shù)大廠，今年率先給出了從底層硬件到上層應(yīng)用的一整套產(chǎn)業(yè)化解決方案。

百度量子計(jì)算研究所所長(zhǎng)段潤堯就在大會(huì)現(xiàn)場(chǎng)分享了百度是如何思考量子計(jì)算的。

我們身處的這個(gè)時(shí)代其實(shí)已經(jīng)到了第二次量子革命，這幾年應(yīng)該是量子真正開始和計(jì)算相結(jié)合的關(guān)鍵幾年，為什么說量子計(jì)算出現(xiàn)是必不可少的？

第一，芯片尺寸小到一定程度就到了量子尺度。要想摩爾定律延續(xù)下去，就需要考慮新的計(jì)算模式。而且量子計(jì)算本身，能耗也非常低。

第二，數(shù)據(jù)量很大。想模擬一個(gè)量子系統(tǒng)，哪怕非常小但所需存儲(chǔ)量也很巨大，比如300個(gè)量子比特，就超過整個(gè)宇宙可見原子數(shù)目。

第三，全新計(jì)算范式，在解決特定問題上有指數(shù)級(jí)優(yōu)勢(shì)。

第四，信息安全，可以攻破RSA系統(tǒng)。

也正因?yàn)檫@些可能性，量子科技一直受到行業(yè)關(guān)注。有相關(guān)機(jī)構(gòu)預(yù)計(jì)，到了2031年將有8000億元市場(chǎng)規(guī)模直接與量子計(jì)算相關(guān)。

那么量子計(jì)算可以應(yīng)用在哪些方面呢？典型的有藥物研發(fā)、金融科技、材料模擬、信息安全等領(lǐng)域。

除此之外，量子計(jì)算與的人工智能還是一個(gè)相互糾纏的關(guān)系，從上層應(yīng)用、框架到底層硬件都可以產(chǎn)生相互聯(lián)系。另一方面，量子計(jì)算也受益于AI，尤其是深度學(xué)習(xí)。2020年百度就曾搭建了一個(gè)量子機(jī)器學(xué)習(xí)平臺(tái)。

即便有這么多機(jī)會(huì)，那實(shí)際真正走入生活還需要多遠(yuǎn)？段潤堯團(tuán)隊(duì)正在做的就是量子計(jì)算的產(chǎn)業(yè)化道路。

那就需要解決這幾個(gè)方面的問題，硬件的穩(wěn)定性、好的軟件平臺(tái)，以及自動(dòng)化的芯片設(shè)計(jì)方案。

百度提出了QIAN戰(zhàn)略。Q就是量子算法、量子AI及量子架構(gòu)。I就是軟件和硬件的基礎(chǔ)設(shè)施。除此之外，還要真正識(shí)別出一些具有重大應(yīng)用價(jià)值的場(chǎng)景，A就是實(shí)際的一些重要的應(yīng)用。最后當(dāng)然還有網(wǎng)絡(luò)，N指量子互聯(lián)網(wǎng)，除此之外也需要建立生態(tài)網(wǎng)絡(luò)。

演講的最后，段潤堯作了一下展望：“實(shí)際上我二十多年來一直在思考一個(gè)問題，如何真正能夠造出一臺(tái)量子計(jì)算機(jī)。我的結(jié)論其實(shí)很簡(jiǎn)單，就是聰明的腦袋，再加上有足夠的資源和現(xiàn)有的最好的技術(shù)，匹配起來就可以做出量子計(jì)算機(jī)?！?/p>

從這個(gè)意義上講，全球可以有很多不同的組合都可以做出這樣的機(jī)器，這個(gè)過程是可以等價(jià)的。

劉鐵巖AI for Science，追求人類智能最光輝一面

同樣正在探尋AI for Science價(jià)值的還有微軟亞洲研究院副院長(zhǎng)、微軟研究院科學(xué)智能中心亞洲區(qū)負(fù)責(zé)人劉鐵巖。

最近十年，人工智能在很多任務(wù)已經(jīng)可以和人類媲美，效果驚艷。但這些結(jié)果主要集中在感知和認(rèn)知層面，并沒有反映出人類智能里最光輝的一面——認(rèn)識(shí)世界和改造世界。

微軟前同事Jim Gray曾對(duì)科學(xué)發(fā)現(xiàn)的四個(gè)范式做了總結(jié)，分別是經(jīng)驗(yàn)范式、理論范式、計(jì)算范式和數(shù)據(jù)驅(qū)動(dòng)。最近幾年大家尤其關(guān)注的一種新范式，叫做AI for Science。它是前四種范式的有機(jī)結(jié)合，發(fā)揮了理論和經(jīng)驗(yàn)各自的特長(zhǎng)，又把人工智能和計(jì)算科學(xué)融合在一起。劉鐵巖認(rèn)為，它值得叫做第五范式。

接著他就AI for Science分為三個(gè)方面進(jìn)行深入介紹。

第一，如何用AI求解物理方程？

我們可以不再用數(shù)值解法來求解物理方程，而是通過AI得到更高效解。并且只要有足夠算力就可以無限生成完美的訓(xùn)練數(shù)據(jù)。此外，近年來還出現(xiàn)了一種physics informed training，甚至不需要提前生成訓(xùn)練數(shù)據(jù)，只需要在訓(xùn)練的過程中，動(dòng)態(tài)驗(yàn)證AI模型的輸出是否滿足物理方程，定義損失函數(shù)即可，而驗(yàn)證方程比求解方程簡(jiǎn)單的多。劉鐵巖介紹了他們團(tuán)隊(duì)在這個(gè)方向上的一些最新研究成果，如Graphormer，Deep Vortex Net，并展示了它們?cè)诜肿幽M、流體模擬等領(lǐng)域取得的突出成果。

第二，如何用AI從科學(xué)數(shù)據(jù)中發(fā)掘有效信息？

各種實(shí)驗(yàn)設(shè)備每年都產(chǎn)生海量數(shù)據(jù)，但顯然不能靠人工有效處理；還有每年都有近150萬篇論文發(fā)表，但任何科學(xué)家都沒有精力讀完。劉鐵巖的團(tuán)隊(duì)利用AI方法來自動(dòng)分析高能粒子對(duì)撞的射流數(shù)據(jù)，提出了LorentzNet模型，將洛倫茲等變性構(gòu)建在模型之中，在新粒子發(fā)現(xiàn)領(lǐng)域取得了比前人顯著提高的精度；他們還利用科學(xué)文獻(xiàn)訓(xùn)練了SPT模型，對(duì)科學(xué)文獻(xiàn)信息的科學(xué)知識(shí)進(jìn)行抽取、總結(jié)和預(yù)測(cè)。

第三，如何從實(shí)驗(yàn)數(shù)據(jù)出發(fā)，用AI發(fā)現(xiàn)新的物理方程，形成科學(xué)發(fā)現(xiàn)的閉環(huán)。

比如物理的守恒定律，一旦實(shí)驗(yàn)數(shù)據(jù)不滿足守恒性，往往暗示著一些新物理規(guī)律的存在。劉鐵巖的團(tuán)隊(duì)設(shè)計(jì)了一個(gè)雙通道的AI模型，可精準(zhǔn)地從實(shí)驗(yàn)數(shù)據(jù)中自發(fā)地學(xué)到很多已有規(guī)律。

最后，他對(duì)AI for Science未來的發(fā)展表達(dá)了希冀：“我們相信AI for Science將會(huì)對(duì)自然科學(xué)產(chǎn)生巨大影響，尤其在解釋生命奧秘，以及保障環(huán)境可持續(xù)發(fā)展方面，都有很大的潛力，沿著這兩個(gè)方面我們進(jìn)行了很多探索。也希望大家加入我們，一起推動(dòng)科學(xué)發(fā)現(xiàn)的新邊界！”

新路徑、新方案、新價(jià)值

賈揚(yáng)清工程化和開源是AI普惠最重要的兩大支撐

AIGC爆發(fā)成為當(dāng)下AI繞不過去的話題。如果溯源，是從1999年的紋理生成，到2015年前后的神經(jīng)風(fēng)格遷移，再到現(xiàn)在更強(qiáng)語義的AI創(chuàng)作。這些創(chuàng)新背后的推動(dòng)機(jī)制，總結(jié)來說就是AI普惠的兩大支撐：AI工程化和開源。

這也就是阿里巴巴集團(tuán)副總裁、阿里云計(jì)算平臺(tái)事業(yè)部負(fù)責(zé)人賈揚(yáng)清分享的主題。

工程化，讓開發(fā)、迭代到應(yīng)用的路徑變得更加簡(jiǎn)單；開源可以讓工作開展更加迅速，實(shí)現(xiàn)市場(chǎng)共贏。在這個(gè)基礎(chǔ)之上，AI的產(chǎn)業(yè)落地有以下明顯趨勢(shì)：

第一，云原生的AI工程化平臺(tái)；

第二，大規(guī)模端到端的異構(gòu)計(jì)算體系；

第三，通過算法的系統(tǒng)組合實(shí)現(xiàn)更加智能的、貼近用戶需求的產(chǎn)品；

最后，通過算法的開源助力AI在產(chǎn)業(yè)垂直化落地。

這四個(gè)趨勢(shì)，無論從供給角度還是需求角度，都是推動(dòng)AI進(jìn)一步往前走的方向。接著賈揚(yáng)清從這四個(gè)角度介紹了他們正在做的事情。

其中，在端到端的異構(gòu)計(jì)算與優(yōu)化上，阿里開源的分布式訓(xùn)練框架EPL和推理優(yōu)化工具PAI-Blade，能讓算法工程師在訓(xùn)練和推理環(huán)節(jié)大幅提升效率；此外，通過軟硬件協(xié)同優(yōu)化，他們也研發(fā)了更貼合AI需求的計(jì)算設(shè)施。

在這個(gè)領(lǐng)域比較有意思的點(diǎn)，是AI計(jì)算與傳統(tǒng)科學(xué)計(jì)算之間有很強(qiáng)的共性。AI for Science這個(gè)趨勢(shì)很明顯，分子學(xué)、物理、化學(xué)等領(lǐng)域需要處理海量科學(xué)數(shù)據(jù)，而AI和數(shù)據(jù)系統(tǒng)所積累下來的異構(gòu)計(jì)算的模式和環(huán)境，正好符合這個(gè)需求。

“今天，非常多的專家、企業(yè)、開發(fā)者們?cè)诮ㄔO(shè)著上層的AI算法；而在AI底層，如何讓工具變得更加易用、更加普惠，這正是我們?cè)谧龅氖虑椤！?/p>

張杰對(duì)話式AI走到L0-L5的哪個(gè)階段？

在數(shù)智化轉(zhuǎn)型的大趨勢(shì)中，中關(guān)村科金以AI+數(shù)字化營銷g運(yùn)營g服務(wù)為引擎，為500余家金融、零售、教育、醫(yī)療、智能制造等行業(yè)頭部企業(yè)提供了數(shù)字化解決方案。

中關(guān)村科金技術(shù)副總裁張杰，在會(huì)上分享了關(guān)于對(duì)話式AI在企業(yè)服務(wù)中的一些觀點(diǎn)和經(jīng)驗(yàn)。

在過去60年時(shí)間里，對(duì)話式AI經(jīng)歷了三個(gè)大的技術(shù)發(fā)展階段：基于規(guī)則匹配的時(shí)代、“虛擬個(gè)人助理”應(yīng)用的時(shí)代和基于大規(guī)模預(yù)訓(xùn)練語言模型的時(shí)代。

發(fā)展到現(xiàn)階段，張杰認(rèn)為目前對(duì)話式AI幾個(gè)趨勢(shì)值得關(guān)注：

細(xì)分賽道，過去十幾年間對(duì)話式AI主要的應(yīng)用場(chǎng)景還是在toC，如智能音響、智能家電、個(gè)人手機(jī)助理等市場(chǎng)滲透率較高，依照《AI對(duì)話系統(tǒng)分級(jí)定義》已經(jīng)能夠達(dá)到L3的等級(jí)。相比之下，企業(yè)服務(wù)方面市場(chǎng)滲透率比較低、開發(fā)潛力大，同時(shí)技術(shù)成熟度相對(duì)落后，只能夠完成單一場(chǎng)景下的對(duì)話，在L1-L2之間。

對(duì)話形式，在腦機(jī)接口真正商用落地之前，對(duì)話仍然是最主要的一種溝通手段，除了基礎(chǔ)的文本和語音交互外，多模態(tài)、數(shù)字人的交互方式會(huì)越來越多，比如遠(yuǎn)程銀行、數(shù)字營業(yè)廳等。

從技術(shù)維度上來看，對(duì)話式AI不僅是對(duì)話的技術(shù)，將來還會(huì)是多種前沿科技的一個(gè)集大成者，融合感知智能、認(rèn)知智能和決策智能。

聚焦在企業(yè)服務(wù)賽道上，張杰認(rèn)為對(duì)話式AI潛在市場(chǎng)空間巨大，應(yīng)用場(chǎng)景豐富，但現(xiàn)階段面臨著幾項(xiàng)技術(shù)挑戰(zhàn)，例如場(chǎng)景遷移問題、可解釋性，快速運(yùn)維等。

如何解決這些難題呢？中關(guān)村科金在過去8年間，服務(wù)了10多個(gè)行業(yè)、500余家客戶的對(duì)話場(chǎng)景，總結(jié)出了一套雙引擎對(duì)話系統(tǒng)的技術(shù)實(shí)踐。領(lǐng)域知識(shí)中臺(tái)和對(duì)話分析系統(tǒng)作為對(duì)話決策系統(tǒng)的雙引擎，一方面，領(lǐng)域知識(shí)能夠提升系統(tǒng)的可解釋性和可運(yùn)維性；另一方面，會(huì)話分析能夠挖掘出話語背后的常見目的和常見的行為模式。

對(duì)于未來發(fā)展方向，張杰表示：“對(duì)話式AI在企業(yè)服務(wù)賽道上存在巨大的市場(chǎng)空間和技術(shù)提升空間，為此中關(guān)村科金提出了領(lǐng)域知識(shí)和會(huì)話分析雙驅(qū)動(dòng)的對(duì)話系統(tǒng)。希望通過對(duì)話式AI為企業(yè)打造金牌銷售，幫助企業(yè)帶來創(chuàng)新增長(zhǎng)和用戶體驗(yàn)的提升。”

劉偉只靠數(shù)據(jù)驅(qū)動(dòng)的AI缺乏可解釋性，要與領(lǐng)域知識(shí)相結(jié)合

騰訊醫(yī)療健康A(chǔ)IDD技術(shù)負(fù)責(zé)人劉偉從騰訊制藥AI算法實(shí)踐的角度來探討AI for Science的價(jià)值。

他主要作了三個(gè)部分的介紹：騰訊云深平臺(tái)、平臺(tái)案例分享，以及騰訊云深A(yù)I平臺(tái)的技術(shù)優(yōu)勢(shì)總結(jié)。

首先，目前騰訊云深A(yù)I藥物發(fā)現(xiàn)平臺(tái)主要包括兩大功能模塊，第一個(gè)功能模塊就是小分子藥物發(fā)現(xiàn)，第二塊是大分子藥物發(fā)現(xiàn)，主要指抗體藥物發(fā)現(xiàn)。其中，小分子藥物發(fā)現(xiàn)還包括蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、分子生成等模塊，大分子里面包括抗體結(jié)構(gòu)預(yù)測(cè)、抗體抗原的對(duì)接以及抗體的人源化改造等模塊組成。

此外，劉偉分享了他們幾年來在制藥AI實(shí)踐中的典型案例。包括國內(nèi)做的最早的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)tFold、結(jié)合物理學(xué)特征和本地?cái)?shù)據(jù)訓(xùn)練的ADMET基礎(chǔ)模型以及骨架躍遷分子生成算法等。

基于這些實(shí)踐的積累，劉偉團(tuán)隊(duì)搭建了屬于自己的優(yōu)勢(shì)壁壘。核心有四個(gè)方面。

第一塊，就是AI算法方面。藥物AI研發(fā)這塊的最主流就是圖神經(jīng)網(wǎng)絡(luò)，在做藥物之前，騰訊在深度圖神經(jīng)網(wǎng)絡(luò)就有深厚的研發(fā)積累，包括現(xiàn)在的大規(guī)模隨機(jī)采樣、自監(jiān)督學(xué)習(xí)和層次圖深度學(xué)習(xí)等領(lǐng)域。

第二塊和第三塊，就是大算力、大數(shù)據(jù)的能力。比如在一個(gè)龐大的化學(xué)空間發(fā)現(xiàn)藥物分子是不容易的，這就要求AI模型能夠理解這么大的空間，也就需要分子、蛋白質(zhì)、核酸等領(lǐng)域的大模型，以及訓(xùn)練大模型的算力和基礎(chǔ)架構(gòu)。

最后一塊，AI與物理、化學(xué)領(lǐng)域知識(shí)方面的結(jié)合。這是基于之前的算法算力上面的能力新生長(zhǎng)出來的獨(dú)特優(yōu)勢(shì)，騰訊云深在AI與量子化學(xué)的結(jié)合方向上研發(fā)了獨(dú)特的DeepQC框架，可以在大的體系上，花費(fèi)較少的算力達(dá)到高的精度。實(shí)際上，只靠數(shù)據(jù)驅(qū)動(dòng)的AI缺乏可解釋性，如果能將AI算法跟物理、化學(xué)領(lǐng)域知識(shí)結(jié)合起來，這樣訓(xùn)練出來的模型過擬合風(fēng)險(xiǎn)較低，在實(shí)際應(yīng)用中也有非常好的可解釋性。