在2024年世界人工智能大会（WAIC）的产业发展主论坛上，全球人工智能领域的顶尖专家和业界领袖齐聚一堂，共同探讨了AI技术的前沿趋势和应用前景。
此次大会不仅是科技创新的盛会，更是产业发展的风向标，汇聚了来自各行各业的精英，包括 猎豹移动董事长兼CEO傅盛、蚂蚁集团董事长兼CEO井贤栋、百度创始人李彦宏、商汤科技董事长兼CEO徐立、智谱AI首席执行官张鹏 等。
在论坛上，嘉宾们围绕大模型、AI基础设施、智能终端等热点议题进行了深度交流，揭示了AI在各个领域的广泛应用及其潜在的变革力量。此外，论坛还关注了产业治理和生态建设问题。
之前李彦宏的一些观点已经出圈，比如「开源大模型是智商税」、「现在大模型太过注重跑分刷榜」等。我将为大家带来更多产业大会上几位嘉宾精彩演讲的核心观点。
李彦宏——百度创始人、董事长兼首席执行官
2023年，国内出现了「百模大战」，虽造成资源浪费，但推动了基础模型能力的提升。
文心4.0的能力与GPT-4相当，国内多款闭源模型也达到了这一水平。闭源模型在同等参数下，能力优于开源模型 ，因为开源模型需更大参数，推理成本高，反应速度慢。
开源模型在学术研究和教学领域有价值，但 在激烈竞争的市场环境中，闭源模型更适合 。
应用才是关键，不论模型是开源还是闭源，都必须转化为实际应用。
百度的文心大模型日调用量从两亿增加到五亿，表明了真实需求和应用价值。
应用场景中的智能体，是AI应用的未来方向，不需编码，只需用人话描述工作流。
高考智能体每天回答超过200万个问题，显示了AI在教育领域的广泛应用。AI正以前所未有的速度向各行各业渗透，提升工作效率和质量。
生成式AI带来了新的工作机会，如数据标注和提示词工程师，门槛不高，能提供大量就业岗位。
柯瑞文——中国电信集团有限公司董事长
人工智能需要新型数字信息基础设施支撑，要求高速泛在、云网融合、智能敏捷、绿色低碳、安全可控。 网络连接需要更高速度、更低时延、更高可靠性。
数据中心需升级为AIDC，提供智能算力。算力应以公有云服务形式提供，实现跨地区、跨服务商的算力调度，满足训练和推理需求。
新型基础设施必须安全可控，电信构建了全网覆盖的网络攻击防护平台。推进云资源池和IT系统的量子密码改造，确保信息安全。
人工智能的发展既要重视大模型技术研发，更要重视模型的应用。 内部应用提高了故障处理和客户服务的效率，智慧AI节能系统实现了精准节能。
开放场景，推动大模型在工业、教育、医疗、政务等领域的应用，已服务7000多家客户。推出AI手机、AI云电脑、AI摄像头等终端，满足多元化需求。
在合作过程中，制定产业规则、制度和技术标准，促进创新协同和资源共享。应对人工智能领域的伦理安全、数字鸿沟等风险，共同推进AI向善发展。
安德雷斯·韦思岸——社交数据实验室创始人
人工智能的基础在于神经网络，这是所有AI工作的基础。 关键在于坚持一个方向，不轻易改变。
AI发展面临数据和算力的瓶颈。 亚马逊为数据中心建核电站，说明计算算力需求巨大。
新技术带来革命性影响，既会催生新大公司，也会促使现有大公司变革重生。 苹果因AI技术而重构操作系统，展现了技术对大公司的深远影响。
AI能延长大公司寿命，或使其彻底变革。 企业需利用新技术重塑自身，迎接未来挑战。
AI与人类不同之处在于好奇心和主动性。 AI是冷冰冰的计算器，而人类拥有梦想和主动性，推动自身发展。
新技术对社会治理有巨大冲击， 需要建立新的社会经济基础设施 ，以应对AI时代的到来。
中国的发电量是美国、日本、俄罗斯总和的多，能源问题暂时不是制约因素。
王坚——中国工程院院士
创新需要持续，不断做出日常创新并非真正的创新。
AI对大企业友好，但依然需要创造力。大企业需要认识到AI是革命的工具，从而实现变革。
AI对每个部门都有影响，大企业需要全员拥抱AI，这对大企业是个挑战。
作为技术乐观主义者，相信人类能解决技术发展带来的问题。历史证明，技术进步总能克服恐慌，推动人类社会向前发展。
应用不足是当前AI发展的瓶颈。 现有的基础模型与算力未被充分利用。解决未来问题需要在动态过程中进行，而非依赖当前状态。
正如80年代人们担心石油短缺，今日的算力和能源问题也会在未来被新技术解决。我们应以未来的状态解决未来的问题。
张平安——华为常务董事
中国的算力受限，需要创新突破。
在算力基础设施上， 必须在云、端、网的协同创新中寻找突破 。不要盲目追求最先进的端侧芯片，而是将端侧算力需求释放到云端。
网络带宽是关键， 中国在网络上行做得不足，需构建上下行大带宽、低时延的网络 。通过数据中心的创新，实现高效云端算力供给。
推动AI在行业应用上的创新开放，让AI在行业应用中快速构建领先优势。 中国拥有丰富的行业场景和庞大的软件创新群体，具备独特优势。
中国在5G网络建设上全球领先，5G网络的带宽和时延显著提升，为端侧数据上云提供坚实基础。5G网络结合光纤资源，构建AI时代的网络保障。
在AI算力集群中，通过端到端优化CPU、NPU、DPU和存储网络，实现千亿参数模型训练，显著提升计算效率，故障恢复时间从小时级缩短到分钟级。
徐立——商汤科技董事长兼CEO
生成式AI带来了前所未有的可能性，但还未达到超级时刻。 超级时刻需要广泛的行业应用和认知变化，推动AI深入各个领域。
生成式AI需要高阶逻辑数据的支持，通过与真实世界交互生成数据，构建知识层、推理层和执行层，实现智能推理。
实时交互性是生成式AI应用的重要突破点。 高效的实时交互可以提升用户体验，推动应用变革。
生成式AI必须具备可控性。 只有理解生成对象，才能实现高质量的生成和控制，提升应用的效能。
生成式AI的核心在于深度思考模型能力，高阶思维链的数据非常重要。 实际应用场景中的数据，推动生成式AI的不断优化。
端侧优化和云端计算力的结合，使生成式AI交互更加流畅，实现全自然的交互模式，推动生成式AI应用的广泛普及。
闫俊杰——MiniMax创始人、首席执行官
当前大模型的错误率依然较高，正确率约在60%到70%，这导致大模型只能用于容错率较高的对话形式。
要使大模型独立完成任务，核心在于将错误率从30%至40%降到3%或4%。降低错误率是使AI从辅助工具转变为独立工作体的关键。
解决方案需要综合性技术提升，包括合成数据、提高训练效率、研究新型网络结构、优化训练算法和对齐技术等。 这些技术的进步能在半年或一年内显著降低模型的错误率。
当模型错误率降低到个位数时，AI在实体经济中的应用将更广泛，能够独立完成设计、方案验证等任务，极大地提高生产效率。
大模型价格走低是积极趋势，降低成本能吸引更多用户，提高在线使用时长和流量，进而带来更大的价值和商业模式创新。
技术的发展应以为用户创造更大价值为目标 ，不仅仅是出售技术本身，而是通过技术变革提升用户体验和商业价值。
张鹏——智谱AI首席执行官
大模型带来的类人认知能力是AI发展的关键 ，智谱AI致力于让机器像人一样思考，而不仅仅是工具。
大模型能在一个模型上提供泛用化能力，解决多个场景需求，从而平衡成本和收益。 未来的发展方向应聚焦于构建更通用、更基础的能力。
突破多模态能力是AI发展的重要方向。 人类解决问题时需要多模态信息输入，如视觉、听觉、触觉和常识，这些综合信息才能应对现实中的复杂任务。
大模型的发展需要提高准确率，降低错误率，同时更像人类。 准确率的提高和多模态能力的结合，将使AI在实际应用中发挥更大的作用。
AI的发展应通过单点爆发引起全面突破，带来全方位的行业变革，创造指数级的价值增长。
许彬——国家地方共建人形机器人创新中心总经理
在未来，最典型的新业态将是人形机器人。 马斯克预言未来将有100亿人形机器人，黄仁勋也表示人形机器人将如同汽车一样普及。每个人可能会拥有一个或多个机器人助手，改变我们的工作和生活形态。
人形机器人将实现通用人工智能。大模型是第一阶段，具身智能是第二阶段，通用人工智能是第三阶段。 人形机器人是通用人工智能的必由之路，它能真正理解和执行复杂任务。
通用人工智能需要通用数据进行训练。这些数据涵盖了人类社会的各个方面，只有人形机器人才能在这种环境中获得全面的数据，进而训练出通用人工智能。
未来的智能社会， 数据将是核心的生产资料和要素 。
谢陵——御风未来创始人兼首席执行官
低空经济的发展离不开人工智能的赋能。 传统航空制造业以飞行员为中心，而低空经济则以智能化、电动化和无人化的航空器为主。 低空经济的主角是智能化、无人化的飞行器。
人工智能的发展为低空经济带来了巨大潜力。 智能化飞行器需要替代人类的感官和肢体，通过信息获取和执行来完成任务。比如，自动驾驶飞行器可以自主完成任务，如发现森林火灾并扑灭，或在海上进行人员搜救。
未来的低空经济需要高密度、高频率的飞行服务，这对低空交通管理提出了巨大挑战。 需要智能化的系统来管理和调度飞行器，确保飞行安全和效率。这涉及与民航空域管理、地面交通管理、气象部门等的协同工作。
那么，您更认同哪个观点呢？欢迎在留下你的看法！
如果你觉得这篇文章对你有所帮助，欢迎点赞、收藏以及转发分享。同时，请关注我，以获取更多关于人工智能的最新资讯和见解！
