2025年2月22日◈◈ღ◈◈，墨子沙龙邀请中国工程院院士◈◈ღ◈◈，清华大学智能科学讲席教授◈◈ღ◈◈、智能产业研究院（AIR）院长张亚勤教授来到中国科学技术大学上海研究院做主题演讲◈◈ღ◈◈，一同探讨人工智能从科研到产业化的未来◈◈ღ◈◈。此外◈◈ღ◈◈，本次活动还特别邀请了中国科大量子领域专家汪野教授◈◈ღ◈◈、知名自媒体创作者差评君◈◈ღ◈◈，与主讲嘉宾进行量子与AI的观点碰撞◈◈ღ◈◈。本文根据该直播内容整理而成◈◈ღ◈◈。

　　人工智能 （AI）已从昔日的科幻构想和前沿技术◈◈ღ◈◈，发展为一种无处不在的社会现象◈◈ღ◈◈。从大约十年前的AlphaGo◈◈ღ◈◈，到近几年的ChatGPT◈◈ღ◈◈，再到近期炙手可热的DeepSeek◈◈ღ◈◈，人工智能的影响已渗透至各个领域◈◈ღ◈◈，无论科研◈◈ღ◈◈、产业◈◈ღ◈◈，还是每个人的日常生活◈◈ღ◈◈，乃至整个人类社会◈◈ღ◈◈，都深受其影响◈◈ღ◈◈。人工智能新浪潮正在涌动◈◈ღ◈◈，人工智能技术发展之迅猛◈◈ღ◈◈，用“日新月异”来形容再恰当不过了◈◈ღ◈◈。

　　可以说◈◈ღ◈◈，人工智能是过去二三十年里最具变革性的一种技术力量◈◈ღ◈◈。在此◈◈ღ◈◈，我将先从技术层面探讨人工智能的整体发展趋势◈◈ღ◈◈，然后再谈谈如何将这一颠覆性技术深入应用于产业◈◈ღ◈◈。如今◈◈ღ◈◈，我们每个人或多或少都在使用各类AI应用◈◈ღ◈◈，例如文生图◈◈ღ◈◈、邮件撰写◈◈ღ◈◈、诗歌创作等◈◈ღ◈◈，而我将重点讨论的深入应用是指人工智能将如何重塑产业格局◈◈ღ◈◈：智能体技术如何催生全球首家无人医院◈◈ღ◈◈；无人驾驶的发展现状及未来前景◈◈ღ◈◈；在生物智能领域◈◈ღ◈◈，人工智能如何推动脑机接口技术的进步◈◈ღ◈◈，如何加速新药研发……

　　人工智能的能力日益强大◈◈ღ◈◈，但随之而来的风险亦不容忽视◈◈ღ◈◈。最后◈◈ღ◈◈，我将探讨人工智能带来的安全隐患◈◈ღ◈◈、潜在风险以及相应的治理◈◈ღ◈◈。

　　历史上的每一次工业革命都深刻改变了人类的生产生活方式◈◈ღ◈◈。我们正处于第四次工业革命的浪涛之中◈◈ღ◈◈，有三个重要的技术力量推动着这一变革◈◈ღ◈◈：数字化◈◈ღ◈◈、人工智能和新产业◈◈ღ◈◈。其中◈◈ღ◈◈，数字化技术至关重要◈◈ღ◈◈，是第四次工业革命的基础◈◈ღ◈◈，因为有了数字化做“底座”◈◈ღ◈◈，人工智能才得以发展◈◈ღ◈◈，进而催生出新的产业◈◈ღ◈◈。

　　麻省理工学院媒体实验室的内格罗蓬特（N. Negroponte）在1995年出版的《数字化生存》（Being Digital）中称数字化为“从原子到比特”◈◈ღ◈◈。原子是物质的基本组成单位◈◈ღ◈◈，而比特是数字化信息的度量单位◈◈ღ◈◈，从原子到比特意味着人类文明从依赖物质实体到数字化时代的转变◈◈ღ◈◈。

　　数字化1.0◈◈ღ◈◈，主要是内容的数字化◈◈ღ◈◈。如今◈◈ღ◈◈，我们所有人都在使用和享受的数字音乐◈◈ღ◈◈、数字视频和数字图像在早期都是模拟形式的◈◈ღ◈◈，第一波数字化是将自然内容转化为数字格式古典艳情◈◈ღ◈◈。Word◈◈ღ◈◈、Excel和PowerPoint等应用都是这一阶段的产物◈◈ღ◈◈，它们实现了文档内容的数字化◈◈ღ◈◈。大约在1990年代中期◈◈ღ◈◈，进入数字化2.0时代◈◈ღ◈◈，这一阶段有两个重要标识◈◈ღ◈◈：消费互联网和企业数字化 （信息化）◈◈ღ◈◈。随着互联网的兴起◈◈ღ◈◈，各类内容被联系在一起◈◈ღ◈◈；继PC互联网而来的移动互联网则带来了更多可能◈◈ღ◈◈，如今我们手机里的社交◈◈ღ◈◈、移动支付等各类app都属于移动互联网◈◈ღ◈◈、消费互联网时代的产物◈◈ღ◈◈。与此同时◈◈ღ◈◈，企业也在进行数字化（也常被称作信息化）◈◈ღ◈◈，例如有了企业的数据库以及ERP系统等管理◈◈ღ◈◈、市场◈◈ღ◈◈、人事方面的各种应用◈◈ღ◈◈。云计算可以说是企业数字化的一个重要成果◈◈ღ◈◈，它也给企业带来的深远影响◈◈ღ◈◈。

　　如今◈◈ღ◈◈，我们步入数字化3.0阶段◈◈ღ◈◈。与以往的数字化不同◈◈ღ◈◈，数字化3.0不仅仅局限于信息世界的数字化◈◈ღ◈◈，更重要的是数字化开始涵盖物理世界和生物世界◈◈ღ◈◈。我们的车辆在数字化◈◈ღ◈◈，我们的道路在数字化◈◈ღ◈◈，我们的城市◈◈ღ◈◈、电网◈◈ღ◈◈，甚至家庭也在实现数字化◈◈ღ◈◈。另一方面◈◈ღ◈◈，我们的蛋白质◈◈ღ◈◈、身体器官◈◈ღ◈◈，乃至整个生命体也在经历数字化◈◈ღ◈◈。如果说数字化1.0和2.0是从原子到比特的转变◈◈ღ◈◈，数字化3.0则是比特与原子与分子的相互融合◈◈ღ◈◈。这意味着◈◈ღ◈◈，新一代的智能不仅仅是信息智能◈◈ღ◈◈，它还是信息智能◈◈ღ◈◈、物理智能◈◈ღ◈◈、生物智能的大融合◈◈ღ◈◈。

　　经过十万◈◈ღ◈◈、百万年的进化◈◈ღ◈◈，人的大脑变得极为高效◈◈ღ◈◈，成为了最智能的存在◈◈ღ◈◈。大脑的智能主要体现在四个方面◈◈ღ◈◈：首先是感知◈◈ღ◈◈，即感受物理世界的能力◈◈ღ◈◈；其次是认知◈◈ღ◈◈，我们通过逻辑推理来理解世界◈◈ღ◈◈；然后是决策◈◈ღ◈◈，最后是行为◈◈ღ◈◈。尽管过去一百年里◈◈ღ◈◈，科学家对大脑的研究取得了很多突破◈◈ღ◈◈，但至今我们对人类这一最重要器官的理解仍然很有限◈◈ღ◈◈。但即便如此◈◈ღ◈◈，对大脑的理解也已经为人工智能的发展提供了有价值的启示◈◈ღ◈◈。

　　例如◈◈ღ◈◈，1960年代◈◈ღ◈◈，麦克莱恩（P. MacLean）提出大脑结构和功能的一个简化模型——“三重脑”模型◈◈ღ◈◈。他将大脑分为爬行动物脑◈◈ღ◈◈、古哺乳动物脑（也称边缘系统）◈◈ღ◈◈、新哺乳动物脑（也称新皮层）三部分◈◈ღ◈◈：最基础的爬行动物脑包括小脑◈◈ღ◈◈、脑干等◈◈ღ◈◈，负责调控呼吸◈◈ღ◈◈、睡眠等用来维持生命的基本生理功能◈◈ღ◈◈；其次是边缘系统◈◈ღ◈◈，负责情感◈◈ღ◈◈、记忆和习惯等◈◈ღ◈◈；最上层的是新皮层◈◈ღ◈◈，它是进行联想推理◈◈ღ◈◈、逻辑思维的核心区域◈◈ღ◈◈。我们说DeepSeek等具有推理功能◈◈ღ◈◈，指的就是这一层次的能力◈◈ღ◈◈。此外◈◈ღ◈◈，人类与其他物种的一个重要区别是我们拥有复杂的记忆系统◈◈ღ◈◈，坎德尔（E. Kandel）等人的研究告诉我们◈◈ღ◈◈，人类有自动触发◈◈ღ◈◈、无需意识的内隐记忆以及意识参与◈◈ღ◈◈、需要主动回忆的外显记忆◈◈ღ◈◈。这些记忆最终会转化为知识◈◈ღ◈◈。还有◈◈ღ◈◈，你可能听说过卡尼曼（D. Kahneman）的“系统1◈◈ღ◈◈，系统2”理论◈◈ღ◈◈。系统1进行快思考◈◈ღ◈◈，更多依赖直觉◈◈ღ◈◈，类似于肌肉反射◈◈ღ◈◈，而系统2执行更深层次的推理和思考过程◈◈ღ◈◈。这些对大脑工作原理的认识◈◈ღ◈◈，已经影响并融入进人工智能的算法设计中◈◈ღ◈◈，给人工智能发展带来启发◈◈ღ◈◈。

　　许多人认为人工智能的起源可追溯至1956年的达特茅斯会议◈◈ღ◈◈，正是在这次会议上首次提出了“人工智能”（Artificial Intelligence）这一概念◈◈ღ◈◈。我认为◈◈ღ◈◈，人工智能的真正起源应归功于三位先驱◈◈ღ◈◈。首先是图灵（A. Turing）◈◈ღ◈◈，他提出了图灵机和图灵测试◈◈ღ◈◈。他的著名论文《计算机器与智能》（Computing Machinery and Intelligence）◈◈ღ◈◈，实际上定义了计算和智能这两条发展道路◈◈ღ◈◈。长期以来◈◈ღ◈◈，计算的发展飞速◈◈ღ◈◈，而智能的发展则相对缓慢◈◈ღ◈◈，直到过去十年◈◈ღ◈◈，智能领域才迎来真正的飞跃古典艳情◈◈ღ◈◈，现如今计算和智能逐渐趋向融合◈◈ღ◈◈。第二位是香农（C. Shannon）◈◈ღ◈◈，他为我们定义了信息◈◈ღ◈◈、比特以及如何描述和传输信息◈◈ღ◈◈。他是信息论的奠基人◈◈ღ◈◈，实际上也是数字化的先驱◈◈ღ◈◈，他的理论为智能系统中信息处理和知识描述提供了基本框架◈◈ღ◈◈。第三位是控制论的奠基人维纳（N. Wiener）◈◈ღ◈◈。控制论中的“反馈”概念◈◈ღ◈◈，其实就是一种学习系统的模型◈◈ღ◈◈，无论动物学习◈◈ღ◈◈、人类学习◈◈ღ◈◈，还是机器学习◈◈ღ◈◈，都离不开这一机制◈◈ღ◈◈。如今的强化学习◈◈ღ◈◈、机器学习就源自这一思想◈◈ღ◈◈。

　　经过多年的发展◈◈ღ◈◈，衍生出许多不同的人工智能学派◈◈ღ◈◈，如符号学派◈◈ღ◈◈、进化学派◈◈ღ◈◈、类比学派◈◈ღ◈◈、贝叶斯学派◈◈ღ◈◈、连接机制学派等◈◈ღ◈◈。在人工智能的发展过程中◈◈ღ◈◈，虽然经历了几次“寒冬”◈◈ღ◈◈，但最终实现了大规模发展◈◈ღ◈◈，并逐渐渗透到我们生活的各个方面◈◈ღ◈◈。特别是过去十年◈◈ღ◈◈，深度学习◈◈ღ◈◈、连接主义的崛起◈◈ღ◈◈，标志着人工智能进入了一个新的时代◈◈ღ◈◈。

　　过去十年◈◈ღ◈◈，人工智能的发展呈现出几个显著的特点◈◈ღ◈◈。首先是大数据和预训练◈◈ღ◈◈。海量的数据是数字化3.0的一个重要基础◈◈ღ◈◈，借助大数据和强大的算力澳门太阳网城◈◈ღ◈◈。◈◈ღ◈◈，可以进行人工智能算法的预训练◈◈ღ◈◈，以找出模型的最佳参数◈◈ღ◈◈。第二◈◈ღ◈◈，人工智能不再局限于单一模态◈◈ღ◈◈，而是进入了多模态的时代◈◈ღ◈◈。除了文字之外◈◈ღ◈◈，图像◈◈ღ◈◈、视频◈◈ღ◈◈、音乐等不同形式的信息都能被处理和理解◈◈ღ◈◈，甚至涉及激光雷达◈◈ღ◈◈、传感器和脑机接口芯片等各类设备◈◈ღ◈◈。另外◈◈ღ◈◈，由于数据量和计算力的飞跃◈◈ღ◈◈，人工智能的模型也越来越庞大◈◈ღ◈◈，进入大模型时代◈◈ღ◈◈。大模型相当于我们能够构建一个更加复杂的函数◈◈ღ◈◈，更精准地逼近复杂的现实世界◈◈ღ◈◈。最后◈◈ღ◈◈，尤其重要的是◈◈ღ◈◈，人工智能的模型越来越向生成式方向发展◈◈ღ◈◈。这种生成式模型不仅仅是对已有数据的分析与处理◈◈ღ◈◈，更能在理解和学习的基础上◈◈ღ◈◈，创造出新的数据和内容◈◈ღ◈◈。

　　大模型并非一个全新的概念◈◈ღ◈◈，实际上◈◈ღ◈◈，早在十年前◈◈ღ◈◈，已经存在许多大型模型◈◈ღ◈◈。然而◈◈ღ◈◈，直到2022年ChatGPT的出现◈◈ღ◈◈，大模型才迈上了一个新的台阶◈◈ღ◈◈。首先◈◈ღ◈◈，与过去的判别式模型截然不同◈◈ღ◈◈，它是生成式模型◈◈ღ◈◈。如今的人工智能不仅能够处理和识别信息◈◈ღ◈◈，还具备了生成新内容的能力◈◈ღ◈◈，不仅可以生成文字◈◈ღ◈◈、图像◈◈ღ◈◈、音乐◈◈ღ◈◈、视频◈◈ღ◈◈，还可以生成代码◈◈ღ◈◈、公式◈◈ღ◈◈、工具◈◈ღ◈◈，甚至能够生成蛋白质分子结构◈◈ღ◈◈、开发新药◈◈ღ◈◈、设计新材料◈◈ღ◈◈，为我们开辟了一个全新时代◈◈ღ◈◈。另外◈◈ღ◈◈，它还向我们展示了通向通用人工智能的一种可能性◈◈ღ◈◈。过去古典艳情◈◈ღ◈◈，人工智能主要集中于语音识别◈◈ღ◈◈、图像识别◈◈ღ◈◈、人脸识别等单一任务◈◈ღ◈◈，每个任务需要专门设计模型◈◈ღ◈◈，而随着ChatGPT的出现◈◈ღ◈◈，我们看到了一个大模型能够同时完成多种任务◈◈ღ◈◈，展现出与人类类似的多面能力◈◈ღ◈◈。

　　回看人工智能的发展◈◈ღ◈◈，会发现两个因素至关重要◈◈ღ◈◈：大数据和大算力◈◈ღ◈◈。值得注意的是◈◈ღ◈◈，当前对算力的需求呈指数级增长◈◈ღ◈◈，每年的增长是十倍量级◈◈ღ◈◈，远远超过了摩尔定律的预期◈◈ღ◈◈。过去几十年的计算机发展史上◈◈ღ◈◈，有三个重要的“极限”影响和制约着传统计算和通信范式◈◈ღ◈◈：香农定律揭示了信息处理的极限◈◈ღ◈◈，冯诺依曼架构定义了计算机的基本工作原理◈◈ღ◈◈，摩尔定律预测每18个月计算机的计算能力或晶体管密度将会翻倍◈◈ღ◈◈。然而◈◈ღ◈◈，为了推动AI的发展◈◈ღ◈◈，我们必须突破这三个“极限”◈◈ღ◈◈。过去十年◈◈ღ◈◈、特别是最近五年所涌现出的许多新技术◈◈ღ◈◈、新发明◈◈ღ◈◈，其目的就是为了突破这些传统瓶颈◈◈ღ◈◈。未来◈◈ღ◈◈，类脑计算◈◈ღ◈◈、量子计算◈◈ღ◈◈、光计算◈◈ღ◈◈、生物计算也许会扮演重要角色◈◈ღ◈◈。

　　未来AI大模型的发展方向可以概括为5个方面◈◈ღ◈◈：1）多模态◈◈ღ◈◈。人工智能不仅能处理文字◈◈ღ◈◈，还能处理视频◈◈ღ◈◈、图像◈◈ღ◈◈、3D结构信息◈◈ღ◈◈、4D时空信息以及生物信息等◈◈ღ◈◈，实现跨模态◈◈ღ◈◈、多模态发展◈◈ღ◈◈。2）自主智能◈◈ღ◈◈。智能体可以自主规划任务◈◈ღ◈◈、开发代码◈◈ღ◈◈、调动工具◈◈ღ◈◈、优化路径◈◈ღ◈◈、实现目标◈◈ღ◈◈，以及进行自我迭代◈◈ღ◈◈、升级和优化◈◈ღ◈◈，但这也会带来一定风险澳门太阳集团网站入口◈◈ღ◈◈，◈◈ღ◈◈。3）边缘智能◈◈ღ◈◈。大模型从云端走向本地化◈◈ღ◈◈，部署在手机◈◈ღ◈◈、PC等边缘服务器和设备终端上◈◈ღ◈◈，实现高效率◈◈ღ◈◈、低功耗◈◈ღ◈◈、低成本◈◈ღ◈◈、低延时◈◈ღ◈◈。3）物理智能◈◈ღ◈◈。人工智能与机器人◈◈ღ◈◈、无人车◈◈ღ◈◈、无人机以及电网◈◈ღ◈◈、通信网络等物理设施结合◈◈ღ◈◈，推动基础设施智能化发展◈◈ღ◈◈。4）生命智能◈◈ღ◈◈。将大模型与人脑和生命体融合◈◈ღ◈◈，探索硅基与碳基生命的融合◈◈ღ◈◈。

　　人工智能技术的发展催生了全新的产业生态◈◈ღ◈◈，从“数字化+”古典艳情◈◈ღ◈◈、“互联网+”进展到了“人工智能+”时代◈◈ღ◈◈。首先人工智能应用◈◈ღ◈◈。◈◈ღ◈◈，人工智正在深刻改变IT产业◈◈ღ◈◈，诞生了新的芯片◈◈ღ◈◈、新的软件◈◈ღ◈◈、新的模型◈◈ღ◈◈、新的数据中心◈◈ღ◈◈、新的应用◈◈ღ◈◈。如今全球市值最高的企业大多来自互联网和IT行业◈◈ღ◈◈，而这些企业都在转变为人工智能企业◈◈ღ◈◈。其次◈◈ღ◈◈，人工智能正在改变所有工业◈◈ღ◈◈。任何一个企业◈◈ღ◈◈，只要有数字信息◈◈ღ◈◈，就会受到人工智能的影响◈◈ღ◈◈，或者生产AI◈◈ღ◈◈，或者使用AI◈◈ღ◈◈。我认为◈◈ღ◈◈，就像在互联网时代所有企业都可以说是互联网企业一样◈◈ღ◈◈，未来所有企业都是AI企业◈◈ღ◈◈。此外◈◈ღ◈◈，人工智能还创造了全新的工业◈◈ღ◈◈，我称之为“新智能产业”或“新智能经济”◈◈ღ◈◈，这是一种全新的产业生态◈◈ღ◈◈。我曾在微软做操作系统◈◈ღ◈◈，我认为就像PC互联时代的Windows◈◈ღ◈◈、移动互联时代iOS/Andriod◈◈ღ◈◈， 大模型就是AI时代的操作系统◈◈ღ◈◈，支撑着从芯片架构到各种应用的整个生态◈◈ღ◈◈，而这个新的生态比过去要庞大十倍◈◈ღ◈◈、百倍◈◈ღ◈◈，甚至更多◈◈ღ◈◈。

　　我现在所在的机构是清华大学智能产业研究院◈◈ღ◈◈，我稍作下介绍◈◈ღ◈◈。这是我从百度退休后创办的◈◈ღ◈◈，成立的初衷很简单◈◈ღ◈◈，就是利用人工智能技术赋能产业◈◈ღ◈◈，推动社会进步◈◈ღ◈◈。更早时我在微软亚洲研究院◈◈ღ◈◈，其成立时也有这样的理念◈◈ღ◈◈，但微软亚洲研究院是属于公司◈◈ღ◈◈、为公司服务的◈◈ღ◈◈，我希望建立一个面向整个社会◈◈ღ◈◈、更多为我们国家培养人才的研究院◈◈ღ◈◈。我们的目标是培养具有国际视野的技术领军人物◈◈ღ◈◈，实现关键技术上的突破◈◈ღ◈◈，打造学术和产业的双引擎古典艳情◈◈ღ◈◈。

　　清华大学智能产业研究院成立时◈◈ღ◈◈，我们确立了三个主要方向◈◈ღ◈◈：AI+自动驾驶/机器人◈◈ღ◈◈、AI+物联网◈◈ღ◈◈、AI+生命科学◈◈ღ◈◈，分别对应前面提到的大模型的3个发展方向◈◈ღ◈◈，即物理智能◈◈ღ◈◈、边缘智能◈◈ღ◈◈、生物智能◈◈ღ◈◈。接下来◈◈ღ◈◈，我通过我们的一些工作实例来探讨人工智能对产业的深刻影响◈◈ღ◈◈。

　　智能体能够感知环境◈◈ღ◈◈、自主决策并执行行动以实现特定目标◈◈ღ◈◈，通常具备自主性◈◈ღ◈◈、反应性和适应性等特征◈◈ღ◈◈。清华大学智能产业研究院（AIR）刘洋教授课题组利用AI智能体◈◈ღ◈◈，打造了全球首家无人医院 Agent Hospital◈◈ღ◈◈。

　　这一项目非常有趣◈◈ღ◈◈！它是一套虚拟世界系统◈◈ღ◈◈，设置了21个科室◈◈ღ◈◈，患者◈◈ღ◈◈、护士和医生均由AI扮演◈◈ღ◈◈。通过综合使用大模型◈◈ღ◈◈、医学知识库和公开病例太阳集团见好就收9728◈◈ღ◈◈，系统生成了覆盖不同疾病◈◈ღ◈◈、年龄◈◈ღ◈◈、性别◈◈ღ◈◈、地区等关键因素的数十万AI患者◈◈ღ◈◈。而AI医生通过阅读医学文献◈◈ღ◈◈、诊治大量AI患者◈◈ღ◈◈，来提高诊疗能力◈◈ღ◈◈。由于虚拟世界内的时间流逝速度是线天时间便能完成上万病例的诊断◈◈ღ◈◈，最终◈◈ღ◈◈，Agent Hospital在美国医生执业医师资格考试数据集上取得极其优异的成绩◈◈ღ◈◈。医疗智能体将为人类提供低廉◈◈ღ◈◈、便捷◈◈ღ◈◈、优质的医疗服务◈◈ღ◈◈。

　　那么◈◈ღ◈◈，未来是否不再需要医生？我认为◈◈ღ◈◈，完全不是这样◈◈ღ◈◈。AI并非是要取代医生◈◈ღ◈◈，而是作为医生的一个助理◈◈ღ◈◈。未来◈◈ღ◈◈，每位医生都将配备一个AI助理◈◈ღ◈◈，它将负责包括诊断◈◈ღ◈◈、处理数据在内的大部分的工作◈◈ღ◈◈，然而最终的诊断决策仍应由医生做出◈◈ღ◈◈。AI助理的角色是医生的辅助◈◈ღ◈◈，帮助医生提高效率和准确性◈◈ღ◈◈，而不是替代医生做专业判断◈◈ღ◈◈。

　　对于物理智能◈◈ღ◈◈、具身智能◈◈ღ◈◈，大家可能已不陌生◈◈ღ◈◈，出现在2025年春晚并引发人们热议的人形机器人即属于此类◈◈ღ◈◈。机器人将首先进入工厂和社会◈◈ღ◈◈，例如从事保安◈◈ღ◈◈、警察等工作◈◈ღ◈◈，最终◈◈ღ◈◈，它们将进入家庭◈◈ღ◈◈，成为人们日常生活的一部分◈◈ღ◈◈。我相信◈◈ღ◈◈，十年之后◈◈ღ◈◈，机器人数量可能会远超人类◈◈ღ◈◈。每个家庭都拥有多个AI机器人◈◈ღ◈◈，有些是物理◈◈ღ◈◈、现实的◈◈ღ◈◈，有些则是数字◈◈ღ◈◈、逻辑的◈◈ღ◈◈，它们既能处理家务◈◈ღ◈◈，又能与人交流◈◈ღ◈◈，甚至成为你的管家◈◈ღ◈◈、朋友◈◈ღ◈◈。

　　无人驾驶是物理智能的重要应用领域之一◈◈ღ◈◈，它是一种专门用于驾驶任务的机器人系统◈◈ღ◈◈。过去几年◈◈ღ◈◈，这一技术逐渐从概念走向现实◈◈ღ◈◈，例如武汉的“萝卜快跑”和上海的无人驾驶项目◈◈ღ◈◈。我花费过很多时间和精力做人工驾驶◈◈ღ◈◈，大约十年前◈◈ღ◈◈，作为百度总裁◈◈ღ◈◈，我推动了无人驾驶项目◈◈ღ◈◈。我认为◈◈ღ◈◈，无人驾驶是人工智能应用中最具挑战性和重要性的一个领域◈◈ღ◈◈。一方面◈◈ღ◈◈，它面临诸多技术挑战太阳集团见好就收9728◈◈ღ◈◈，涉及感知◈◈ღ◈◈、认知◈◈ღ◈◈、决策和执行等各类复杂任务◈◈ღ◈◈，且因为关系生命安全◈◈ღ◈◈，对可靠性◈◈ღ◈◈、准确性的要求极高◈◈ღ◈◈。另一方面◈◈ღ◈◈，与许多需要多任务处理的应用不同◈◈ღ◈◈，顾名思义◈◈ღ◈◈，无人驾驶仅专注于一个任务——驾驶◈◈ღ◈◈。因此◈◈ღ◈◈，尽管技术难度高◈◈ღ◈◈，但由于任务明确且边界清晰◈◈ღ◈◈，我认为这是可以实现的◈◈ღ◈◈。基于这一理念◈◈ღ◈◈，我们当时推出了自动驾驶平台Apollo◈◈ღ◈◈。它完全开放◈◈ღ◈◈、开源◈◈ღ◈◈，如今已发展为全球最大的无人驾驶平台◈◈ღ◈◈，是中国对世界的一项重要贡献◈◈ღ◈◈。

　　实现无人驾驶是个复杂的事情◈◈ღ◈◈，需要考虑技术可行性◈◈ღ◈◈、用户需求◈◈ღ◈◈、产业生态以及商业模式等市场因素◈◈ღ◈◈，还要考虑政策◈◈ღ◈◈、法规◈◈ღ◈◈、伦理◈◈ღ◈◈、隐私和其他人为因素等非市场力量的影响◈◈ღ◈◈。这些因素交织在一起◈◈ღ◈◈，让问题变得复杂◈◈ღ◈◈，但在十年前◈◈ღ◈◈，我就坚信无人驾驶是一定会实现的◈◈ღ◈◈，而且会在不久的未来实现◈◈ღ◈◈。当时对无人驾驶发展前景的一些判断◈◈ღ◈◈，也基本实现了◈◈ღ◈◈。我们现在已经看到◈◈ღ◈◈，无人驾驶让出现更安全◈◈ღ◈◈、更经济◈◈ღ◈◈，深层次地改变了产业◈◈ღ◈◈。

　　在中央电视台的一档节目中◈◈ღ◈◈，钢琴家郎朗与一位女孩合作进行钢琴表演◈◈ღ◈◈，配合非常默契◈◈ღ◈◈。而女孩使用的是假肢◈◈ღ◈◈，技术来自杭州一家名为“强脑科技”的公司◈◈ღ◈◈。这正是生物智能的一个绝佳案例◈◈ღ◈◈。

　　我们知道◈◈ღ◈◈，马斯克（E. Musk ）的 Neuralink 是通过将芯片植入大脑来实现脑机接口◈◈ღ◈◈。而强脑科技所采用的技术则不同◈◈ღ◈◈，它不需要植入芯片◈◈ღ◈◈，而是利用一种新型的高灵敏度传感器来测量脑电波和肌电信号◈◈ღ◈◈。通过积累大量数据◈◈ღ◈◈，并应用人工智能算法◈◈ღ◈◈，这项技术能够识别我们的思维◈◈ღ◈◈，甚至指挥我们的手或腿执行相应动作◈◈ღ◈◈。这项技术的挑战非常巨大◈◈ღ◈◈。首先◈◈ღ◈◈，信号非常微弱◈◈ღ◈◈，需要检测到极其微弱的电流◈◈ღ◈◈，这对传感器的灵敏度要求极高◈◈ღ◈◈。其次◈◈ღ◈◈，如何将这些信号转换为具体的动作是一个难题◈◈ღ◈◈。举个例子◈◈ღ◈◈，使用这项技术的患者可以想象某个字形◈◈ღ◈◈，机器通过检测脑波就能自动将其转化为书法◈◈ღ◈◈。这表明◈◈ღ◈◈，AI不仅能够识别我们的思维◈◈ღ◈◈，还能将其精准转化为行动◈◈ღ◈◈，完成复杂的任务◈◈ღ◈◈。

　　另一个例子是清华大学智能产业研究院（AIR）团队的工作◈◈ღ◈◈，AIR聂再清教授课题组开发了一个面向生物医药领域的大模型◈◈ღ◈◈，名为 BioMedGPT◈◈ღ◈◈。这一模型涵盖了蛋白质◈◈ღ◈◈、分子◈◈ღ◈◈、单细胞等生物医学领域的专有知识◈◈ღ◈◈，以及大模型的知识和数据库的知识图谱◈◈ღ◈◈。借助这一平台◈◈ღ◈◈，研究人员可以进行多种创新工作◈◈ღ◈◈，如新药研发◈◈ღ◈◈、蛋白质结构解析◈◈ღ◈◈，甚至可以生成新的药物◈◈ღ◈◈，这为药物的研发开辟了全新的思路◈◈ღ◈◈。

　　还有一个例子是大家熟知的 AlphaFold◈◈ღ◈◈。运用人工智能算法◈◈ღ◈◈，AlphaFold第一次成功解析了几乎所有人类蛋白质的结构◈◈ღ◈◈。解析蛋白质结构对医学具有极大的意义◈◈ღ◈◈，因为许多疾病的根源都与蛋白质的突变或错误相关◈◈ღ◈◈。为了治疗这些疾病◈◈ღ◈◈，我们需要开发药物◈◈ღ◈◈，但药物和蛋白质之间的匹配并不容易◈◈ღ◈◈，目前◈◈ღ◈◈，仅有10%的蛋白质能够与药物相匹配◈◈ღ◈◈。面对这一问题◈◈ღ◈◈，清华大学团队利用人工智能大模型太阳网城官方网站◈◈ღ◈◈，计算出了成药的所有可能性◈◈ღ◈◈，研究人员从中可以筛选出潜在的药物◈◈ღ◈◈。目前◈◈ღ◈◈，该项目已经涵盖了200多万个潜在药物◈◈ღ◈◈，并且开源太阳集团见好就收9728◈◈ღ◈◈，供全球研究人员使用◈◈ღ◈◈。

　　人工智能展现了强大的能力◈◈ღ◈◈，但我们也必须警惕其中的风险◈◈ღ◈◈。目前看来◈◈ღ◈◈，风险主要集中在信息领域◈◈ღ◈◈，例如◈◈ღ◈◈，AI生成了大量假信息◈◈ღ◈◈，包括虚假的数据◈◈ღ◈◈、虚拟人物◈◈ღ◈◈，甚至可以创造出极其逼真的数字人进行诈骗◈◈ღ◈◈。这些风险虽然存在◈◈ღ◈◈，但我认为它们是可控的◈◈ღ◈◈。然而◈◈ღ◈◈，当人工智能的能力应用到物理世界时◈◈ღ◈◈，风险将更加复杂和严重◈◈ღ◈◈。比如◈◈ღ◈◈，在机器人◈◈ღ◈◈、无人车◈◈ღ◈◈、无人机古典艳情◈◈ღ◈◈，甚至大型电厂等基础设施领域◈◈ღ◈◈，AI系统如果不可控或被恶意利用◈◈ღ◈◈，所带来的后果将是巨大的◈◈ღ◈◈。特别是应用在生物技术领域时◈◈ღ◈◈，风险将进一步扩大◈◈ღ◈◈。

　　因此◈◈ღ◈◈，风险控制和治理至关重要◈◈ღ◈◈，需要科研◈◈ღ◈◈、政策和法规层面的多维协同◈◈ღ◈◈。过去两年◈◈ღ◈◈，许多论坛和机构在积极开展这方面的工作◈◈ღ◈◈，致力于确保人工智能在安全和可控的框架内发展◈◈ღ◈◈。

　　关于人工智能未来的发展◈◈ღ◈◈，在2024年6月6号的“太湖对话”上◈◈ღ◈◈，我分享了个人观点◈◈ღ◈◈。需要说明◈◈ღ◈◈，这仅是我个人的观点◈◈ღ◈◈，不代表清华大学或清华大学智能产业研究院的立场◈◈ღ◈◈。此外◈◈ღ◈◈，我还特别提到了日期◈◈ღ◈◈。我对AI发展的5个观点如下◈◈ღ◈◈。（1）在未来十年◈◈ღ◈◈，大模型◈◈ღ◈◈、生成式AI仍将是主流技术和产业路线）未来需要多种不同类型的模型◈◈ღ◈◈，包括大型的基础模型◈◈ღ◈◈、垂直领域的专用模型◈◈ღ◈◈，同时◈◈ღ◈◈，我们还需要边缘模型◈◈ღ◈◈。关于开源与闭源之争◈◈ღ◈◈，也存在许多分歧◈◈ღ◈◈。有些人认为闭源会始终占据主导地位◈◈ღ◈◈，而开源没有未来◈◈ღ◈◈。但我一直认为◈◈ღ◈◈，开源和闭源将同时存在◈◈ღ◈◈，各自有其独特的生态系统◈◈ღ◈◈。（3）基于Token的统一表征和规模定律（scaling law）是大模型的核心要素◈◈ღ◈◈。首先◈◈ღ◈◈，无论是文字◈◈ღ◈◈、图像◈◈ღ◈◈、激光雷达数据还是蛋白质结构◈◈ღ◈◈，所有的信息都可以转化为统一的token◈◈ღ◈◈，这使得大模型能够处理不同形式的信息◈◈ღ◈◈，实现多模态◈◈ღ◈◈。其次◈◈ღ◈◈，规模定律揭示了模型规模与性能之间的关系◈◈ღ◈◈，表明随着模型参数量的增长和训练数据规模的扩大◈◈ღ◈◈，大模型的表现会显著提升◈◈ღ◈◈。（4）相较于人脑的高效◈◈ღ◈◈，当前人工智能算法在计算效率和能耗效率方面仍存在显著差距◈◈ღ◈◈，为突破这一瓶颈◈◈ღ◈◈，亟需构建新一代算法体系◈◈ღ◈◈。预计在未来五年内9728太阳集团◈◈ღ◈◈，◈◈ღ◈◈，AI基础架构将迎来突破◈◈ღ◈◈，当前主导的Transformer◈◈ღ◈◈、Diffusion等技术范式或将被颠覆◈◈ღ◈◈。（5）我个人对通用人工智能的定义是◈◈ღ◈◈，当AI在大部分（例如95%）任务上超越大部分（例如95%）人类时◈◈ღ◈◈，我们就认为达到了通用人工智能的标准◈◈ღ◈◈。根据此定义◈◈ღ◈◈，我认为在信息智能领域（对语言◈◈ღ◈◈、图像◈◈ღ◈◈、声音和视频的理解◈◈ღ◈◈、生成等）◈◈ღ◈◈，0—5年内将实现通用人工智能◈◈ღ◈◈；在物理智能领域（无人驾驶◈◈ღ◈◈、人形机器人等）◈◈ღ◈◈，0—10年内将实现通用人工智能◈◈ღ◈◈，最早实现的可能是无人驾驶◈◈ღ◈◈；在生物智能领域（脑机接口◈◈ღ◈◈、制药等）◈◈ღ◈◈，0—20年内将实现通用人工智能◈◈ღ◈◈。

　　人工智能将是信息智能◈◈ღ◈◈、物理智能和生物智能的融合◈◈ღ◈◈，它依托天文级的数据◈◈ღ◈◈、强大的计算能力和先进的智能算法◈◈ღ◈◈。人工智能将带来巨大的产业机遇◈◈ღ◈◈，据分析太阳集团见好就收9728◈◈ღ◈◈，到2030年◈◈ღ◈◈，人工智能将创造20万亿美元的GDP◈◈ღ◈◈，相当于全球第二大经济体中国目前的GDP◈◈ღ◈◈。然而◈◈ღ◈◈，人工智能的崛起也伴随着诸多隐患◈◈ღ◈◈，风险控制和治理至关重要◈◈ღ◈◈。人工智能不仅是企业的事情◈◈ღ◈◈，更是国家层面的事情◈◈ღ◈◈，它将深刻改变全球的社会和经济格局◈◈ღ◈◈。年轻人应敢于做梦◈◈ღ◈◈，只有敢于梦想太阳集团见好就收9728◈◈ღ◈◈，才能实现伟大的目标◈◈ღ◈◈。

　　张亚勤◈◈ღ◈◈：中国工程院外籍院士◈◈ღ◈◈，清华大学智能科学讲席教授◈◈ღ◈◈，清华大学智能产业研究院院长◈◈ღ◈◈。他于2014年9月至2019年10月担任百度公司总裁◈◈ღ◈◈。出任百度总裁前◈◈ღ◈◈，张亚勤院士曾在微软公司工作16年◈◈ღ◈◈，历任全球资深副总裁兼微软亚太研发集团主席◈◈ღ◈◈、微软亚洲研究院院长兼首席科学家◈◈ღ◈◈、微软全球副总裁和微软中国董事长◈◈ღ◈◈。