AI灵感之夜 张亚勤院士 等众Ai大咖精彩分享笔记
作者：微信文章今天参加了融科资讯中心AI灵感之夜的跨界领袖的巅峰对话交流活动，记录了本次活动一些嘉宾观点。
开幕致辞
融科资讯中心总经理杨海峰在开幕致辞中提到，中心所在的土地是中国第一台数字电子计算机“103机”的诞生地。该计算机由近4000个电子管组成，运算速度为每秒30次，是新中国首台成功执行程序的计算机，其命名“有了”体现了科学家首次见证运算成功的震撼瞬间。
杨总说中心继承了创新基因，致力于通过空间设计和活动举办促进技术与人文思想碰撞，服务价值主张为拥抱好奇心，为顶尖智慧注入活力。
本次会议旨在通过技术讨论推动智慧交汇，并强调高质量信息的聚集与碰撞是中心的核心使命。他呼吁参会者在活动中汲取灵感，共同推进技术创新与应用。
张亚勤院士观点集锦
智能涌现的定义与技术基础
张亚勤院士定义“智能涌现”为核心算法在大规模数据与算力支撑下产生的范式突破。他指出，当前技术突破的核心在于：
多模态统一切片：将语音、图像、蛋白质结构等异构数据统一转换为“token”序列，在大模型上实现跨领域推理。
规模效应驱动：算力与数据量的指数级增长推动模型突破临界点，形成“规模-性能”对数曲线，表现为单位推理成本下降十倍。
趋势和风险
智能体生态：智能体将取代传统SaaS模式，成为下一代应用形态，例如无人驾驶、医疗诊断系统。
基础模型收敛：全球基础模型数量将缩至10个以内，中国可能占据3-4席，强调开源主导趋势。
物理智能融合：AI能力向机器人、工业自动化等领域延伸，预计十年内实现企业级物理智能落地。
生成式AI的伦理争议，例如Ai的deepfake滥用。
技术依赖性风险，企业核心资产从人力资源转向GPU算力。
长期预测与哲学思考
技术成熟度：5年内或实现人工智能的“认知能级”达到人类的70%-80%，但生物学智能，如直觉决策，仍需长期突破。
哲学问题：探讨AI是否可能超越人类智能，并指出当前技术距离通用人工智能仍需迭代改进与范式革命。
智能涌现的技术起点与商业拐点
当前AI处于基础设施建设阶段，类似互联网早期的（如HTTP vs FTP），需待基础模型收敛后才能爆发应用。
智能体生态（Agent-as-a-Service）是下一阶段核心，其商业模式依赖“模型-垂直应用”分层架构。
大模型仍存在灾难性遗忘、工具使用能力弱等技术瓶颈，需通过持续学习架构与多模态感知增强突破。
硬件创新（如专用芯片）与内存技术（向量数据库、RAMP）是当前创业热点。
其他嘉宾分享摘录
科学家王元卓
科研界需推动公众形成正确AI认知，例如通过教育科普减少技术恐慌，并落地具体场景，例如如偏远地区AI教育助手。
开发AI科学教育产品，通过智能体向偏远地区输送定制化课程，填补资源鸿沟。
襄禾资本汤和松：
中美开发者交叉使用对方模型，如中国开发者依赖GPT，美国开发者采用中国开源模型，这是技术壁垒瓦解的信号。
国内产业界付费意识薄弱，导致了AI应用渗透率偏低（中国：8% vs 美国：21%）。
AI应用需突破非刚需困局，找到智能体在企业服务领域的漏斗效应。
关于投资方面的建议，建议基于“数据驱动+团队可信度”，重点关注可验证闭环领域。
圆桌总结
短期目标：基础模型收敛、垂直应用开发、公众认知教育。
长期挑战：技术伦理治理、物理智能融合、全球技术生态构建。
关键信号：智能体生态崛起、中美开发者技术协同、企业服务付费模式突破。
路平
宏通数科创业加速器
职场想创业没规划找我聊聊
很多大坑我都提前帮你踩过
创业规划营
又名《先胜后战营》，适合没有创业经验的或者创业新手启蒙课。
页:
[1]