尊敬的鄔賀銓和王國法院士，很高興跟大家交流一下大模型最新發展。我本人讀研究生的時候就是學人工智能，后來因為不太好找工作，我就轉型去做互聯網研究了，沒有想到幾十年之后，又回來去做回人工智能，但是今天的人工智能看起來是神經網絡。

    我們也可以看到過去幾十年的時間，人工智能在多個領域取得了突破性的進展，雖然它依然會犯錯，但是錯誤率已經低于人類的平均水平，也就是說比大多數人在這些方面的水平要高了。

    從技術角度來說，人工智能已經發展了60多年了，60多年來技術路線是千奇百怪，今天似乎在大模型，預訓練的大模型，意味著一個新的產業正在形成當中。

    這幾年從通信基礎設施，搞算力的基礎設施開始，接下來未來幾年我們要搞智力的基礎設施，所以我們說智商原來是不在線的，現在看起來智商是要在線的，把智商放到網上去了，這個方向看起來已經確立了。

    第三個是TOB還是TOC，通用還是專業的問題，以前討論很多是對標ChatGPT通用場景的大模型，更多的是要解決基礎模型方面的工作，這是一個非常重要的事情。主要是大型科技公司有這種財力和數據實力去做這一方面的事情，可以認為TOC是面向公眾，下面很多的方向轉向垂類的，一定要聚焦特定領域，面向企業TOB，主要是圍繞產品和解決方案來做。如何做垂類的模型，國內外不一樣，在硅谷針對特定場景的微調做實驗，因為通用大模型還沒有出來，不可能圍繞它做生態，很多企業是全站式的，自上而下在做垂類的模型。這個生態在國內還需要一些時間，可能要求的門檻稍微低一點，這一類可以理解成私有的，或者專用的，其實就把云計算十年前的一些做法和一些口號，還有一些套路，往人工智能和大模型一靠，就差不多了。可以很明顯，基礎大模型和通用大模型的優點和不足，行業垂類大模型也有各自的優勢和缺點，下一步很可能是走向融合，走向混合。

    我們要做垂類行業大模型，為了數據的安全，這些數據不能拿出來，很多數據是非常敏感的，肯定大模型要做私有化的部署。過幾年的時間，我個人的判斷，就像今天的云肯定是一個混合云和混合AI的模式。

    還有討論今年的閉源大模型和開源大模型，ChatGPT出來是必然的，這個必然是有各種各樣的原因。所以接下來對這個行業來說，因為這個行業的特點是贏家通吃，剩下的企業只能抱團取暖，必須抱一個開源社區，大家一起把開源的事情做起來。我們可以認為開源大模型正在剛剛興起，這個浪潮剛剛開始，誰能勝出還不知道。當年移動互聯網里面，蘋果手機出來之后，接下來是安卓生態的建設，這一幕會重演，圍繞著開源社區的生態，開源大模型面臨著很多的挑戰，一個重要的是它反向影響對開源的定義。我們對開源的定義是在25年前出現的，當年定義做的開源規則，針對的是軟件，針對的是代碼，今天人工智能這個開源針對的是模型，針對的是權重，里面很多數據集，大模型的開源和軟件的開源，和代碼的開源確實不太一樣，所以我們需要在人工智能這個時代重新定義開源，今天面對模型，加了很多的數據，至少我看有三個方面的區別，加了很多科技倫理，所以這一塊有AIGC產生一些新的內容，它是一個自循環了，會出現無數的問題。

    整體來看，國外做了很多的榜單，但是從學術到產業還需要做更多的工作，學術界和產業界關注不一樣，產業界主要關注性能，還有可靠性，穩定性，場景適應性怎么樣，維護性怎么樣，或者你的工程能力怎么樣，要用工程化和標準化去做這個工作，所以不能單單以學術界的榜單來判斷大模型做的好還是不好。

    目前面臨著很多一些新的風險和挑戰，有技術、心理和社會方面的風險，模型里面有大量的參數是垃圾，到ChatGPT4到了上萬億，大模型大量的參數是垃圾，問題是你不知道誰是垃圾，你知道公司有人在摸魚，可是你不知道誰在摸魚，肯定很多參數在摸魚，你需要做優化，完全是可以做優化。幾年前我們討論的深度學習的時候，做出的決定是一個黑箱，不能做出解決。深度學習到今天，大模型更不可解釋的，因為出現了涌現的現象，突然開竅了，突然開悟了，為什么會開悟了，沒法解釋。但是用于現實和社會，它必須是可解釋的，只有可解釋以后，才能跟我們的法律、道德倫理和社會的游戲規則匹配起來，還有算力資源的部署有關系，還有人工智能出現了謎之自信的問題，AI的幻覺，對某些知識非常自信，跟人一樣有時候也是謎之自信。

    在文字方面，人也犯錯，所以不要那么苛求，繼續努力。在圖片方面也相對比較成熟了，美術方面很不錯，還有人聲合成，對生成音樂和聲音相對比較成熟了，模仿一個人的聲音時間并不長，現在很多UP主就是用數字化+人工智能訓練出來，還有一些視頻的，還有編程已經達到了初級程序員的水平，編程就是文字對文字的翻譯。還有在科學領域，科學院用的儀器和儀表，也需要人工智能來輔助，還有生物學和材料學等廣泛的使用。

    還有編程，今天的編程是在訓練程序，不是在編寫程序。算法要完整，數據只要有結構，算法，框架+數據，對算法細節的重要性沒有那么重要了，不僅數據要有結構，還要整個輸出。所以從編程序變成了訓練程序。

    前幾年的移動優先和云優先，我們要優先考慮人工智能對我們的影響。我就講這些。謝謝！