结束圆桌对谈后，人墙迅速围拢，以月之暗面CEO杨植麟为核心，把会场前排的空缺处补充得严严实实，人们举动手机，寄望于伸出的胳膊能恰巧扫到杨植麟的微信。杨植麟至少被现场参会职员簇拥围堵了三次，才在事情职员的帮忙下成功离开会场。
2024年6月14日至15日，备受瞩目的AI领域盛会“2024北京智源大会”在中关村落展示中央盛大召开。《逐日经济新闻》现场把稳到，这场被誉为“AI界春晚”的大会，在近年来大模型浪潮的推动下，呈现出愈发浓厚的氛围，国产大模型明星公司也成为参会者关注的焦点。
不同于上届以国外技能职员、从业者为主，环绕技能探索展开的大会，今年百度、月之暗面、智谱AI、零一万物、面壁智能等国产大模型公司成为论坛主角。与此同时，随着大模型从技能竞速逐步迈向落地运用，一些新的变革正在发生。
在今年的“AI界春晚”上，百度、月之暗面、智谱AI、零一万物、面壁智能等国产大模型公司成为论坛主角。图为2024北京智源大会现场。 主理方供图
新主角：国产大模型站在舞台中心
在今年的“AI界春晚”上，国产大模型企业成为主角。
“进入到2023年，大模型从研究机构的科研成果开始向家当界逐步发展，我们也看到，百花齐放，有越来越多的大模型在过去的这一年发布。”智源研究院院长王仲远在发言中提到。
王仲远认为，以2023年为界，人工智能基本上可以分为两个大的阶段：2023年之前都属于弱人工智能时期，即人工智能的模型是针对特定的场景、特定的任务，须要去网络特定的数据，演习特定的模型。比如说，降服人类天下围棋冠军的AlphaGO在围棋上表现得非常好，但是却无法用来直接办理医疗问题，虽然方法可以借鉴，但是针对不同的场景任务须要重新进行数据和模型的网络和演习。进入2023年，随着大模型的发展，人工智能逐步进入通用人工智能时期，而通用人工智能最大的特点便是它的规模非常大，模型具备呈现性，能够跨领域通用。
2023年和2024年的北京智源大会，犹如两个比拟光鲜的画面，尤其是在大模型技能的发展和运用上，两届大会的高朋构成制定条约题变革，成为大模型时期飞速发展的注脚。
2024年的智源大会，高朋阵容发生了显著的变革。更引人瞩目的是海内大模型公司，如百度、月之暗面、零一万物、智谱AI、面壁智能等大模型明星公司的CEO（首席实行官）与CTO（首席技能官），以及来自海内顶尖院校和研究机构的代表。这次会议更加聚焦于人工智能关键技能路径和运用处景，从理论磋商向实际运用迈进了一大步。
在2023年的大会上，ChatGPT刚刚推出半年，海内大模型启动跟进，“百模大战”刚刚迎来开端。彼时，大会的主角是来自环球的顶尖学者和科技巨擘，海内则更多以学界为主。在彼时的主论坛环节，两组对谈高朋分别是：Meta首席AI科学家、纽约大学教授杨立昆与清华大学打算机系教授朱军；未来生命研究所创始人Max Tegmark与清华大学智能家当研究院（AIR）院长张亚勤，对谈内容环绕AI技能层面的探索展开。
如今，变革已经非常明显。“百模大战”愈演愈烈，折射出海内大模型市场的快速崛起和自主创新能力的显著提升。
随着大模型由科研走向家当，人们对AGI（人工通用智能）有了更多想象。王仲远也提到，当多模态大模型能够理解和感知、决策这个天下的时候，它就有可能进入到物理天下。如果进入到宏不雅观天下跟硬件结合，这便是具身大模型的发展方向。如果它进入到了微不雅观天下，去理解和天生生命分子，那么这便是AI For Science。无论是具身模型还是AI For Science，抑或是多模型模态，都会促进全体天下模型的发展，终极推动人工智能技能向AGI方向发展。
一个共识：落地！
落地！
落地！
只管面临寻衅，但技能的遍及与落地已经显著加速，预示着人工智能正迈向一个全新的发展阶段。一个主要的共识是，在将AGI的空想带入现实天下的路上，落地运用是主要的必答题。
“零一万物武断做to C（面向个人），不做‘赔钱的to B（面向企业）’，找到能赢利的to B，我们就做，不赢利就不做。”李开复表示。
对付大模型的落地运用，李开复认为，在中国to C短期更有机会，国外两者都有机会。在to C端，大模型就犹如互联网时期或PC时期的新技能、新平台，将会带来新运用，这是巨大的机会。他判断，AI时期，第一个阶段突围的该当是生产力工具；第二个阶段可能会是娱乐、音乐、游戏；第三个阶段可能会是搜索；再下一个阶段可能会是电商；然后可能会有社交、短视频、O2O（线上到线下），这是不变的定律。
张亚勤则认为，再分层来看，目前真正赢利的是to B，是在硬件、在芯片、在根本举动步伐层，这个是目前已经发生的，但是从运用来讲，是先to C再to B。对付当前的AI分层，张亚勤将其划分为信息智能、物理智能（也称为具身智能）以及生物智能。在具身智能阶段，面向企业的运用可能会发展得更为迅速。而到生物智能阶段，情形可能恰好相反，面向个人的运用会超过面向企业的运用。各个领域的情形可能不尽相同，但总体来看，面向企业和面向个人的运用，包括开源模型、商业闭源模型、根本大模型、垂直行业大模型以及边缘模型，都会存在。
而对付B真个落地运用，李开复认为，to B是大模型带来的更大的代价，而且该当更快实现，但是可惜的是在to B这个领域面临几个巨大的寻衅。
一方面部分大公司、传统公司看不懂大模型技能，不敢进行颠覆式运用。与此同时，对企业来说这一年（大模型）带来的最大的代价是降本，而不是创造代价。而降本说实在的便是取代人类的事情，大公司会有很多高管或者中层管理职员不愿意做这个事情，由于做了这个，可能团队就要被砍掉了，他在公司的成本就没有了，他的权力就变小了，乃至他自己的事情都没有了。以是大公司有时CEO是很想做，但是下面会有阻力，这些情由造成to B理论上该当立时可以落地的，但实际上没有那么快。
另一个在中国比较严重的问题是，很多大公司没有认识到软件的代价，不愿意为软件付费，而且有这么多大模型公司来竞标，结果价格越竞越低，做到末了是做一单赔一单，都没有利润。“我们在AI1.0时期看到这个征象，现在很不幸在AI2.0时期（它）又重现了。”李开复感叹道。
百度CTO王海峰的不雅观点是，在人类历史上，每次工业革命的核心技能，不论是机器、电气还是信息技能，均具备一些共同特性：首先，核心技能具有强烈的通用性，能够广泛运用于各个领域。其次，当这些技能具备了标准化、模块化和自动化的工业大生产特色时，这些技能就会进入到工业大生产阶段，从而更快地改变人们的生产生活办法，并为人们带来巨大的代价。当前，人工智能基于深度学习和大模型工程平台已经具备了极强的通用性，以及良好的标准化、自动化和模块化特性。因此，王海峰认为，深度学习和大模型工程平台的结合，正在推动人工智能步入工业大生产阶段，从而加速通用人工智能的来临。
一个不合：是否仍坚信Scaling Law
环绕“Scaling Law”（规模定律）的谈论开始涌现不合，对付Scaling Law会否失落效、何时失落效，明星大模型公司的掌舵者们，也给出了不同的判断。
杨植麟依旧是武断的Scaling Law崇奉派。“Scaling Law没有实质的问题，而且接下来3~4个数量级，我以为是非常确定的事情。这里面更主要的问题是你怎么能够很高效地去scale（扩展）？”
杨植麟指出，如今仅仅像现在这样，依赖一些web text（网页文本）进行scale，未必是精确的方向。由于在这个过程中可能会面临诸多寻衅，如推理能力等问题，未必能够得到有效办理。因此关键在于如何界定Scaling Law以及其本色是什么。如果仅按照现有方法，进行next token prediction（下一标记预测），然后在此根本上扩展多个数量级，用当前的数据分布，其上限是显而易见的。
然而，Scaling Law本身并不受此限定，其核心是，只要具备更多的算力和数据模型，扩大参数规模，就能持续产生更多的智能。但在此过程中，它并没有定义模型的详细形态，例如模型的模态数量、数据的特性和来源等。因此，杨植麟认为Scaling law是一种会持续演进的第一性事理（first principle）。只是在这一过程中，scale的方法可能发生很大变革。
百川智能CEO王小川则认为，Scaling Law到目前没有看到边界，依旧在持续地发挥浸染，“我们看到美国埃隆·马斯克号称要买30万片B100、B200来做”。
在他看来，我们须要在Scaling Law之外，去探求范式上新的转化，而在Scaling Law上，很明确，便是在美国后面跟进。从计策上看，在Scaling Law之外都还存在范式的变革，走出这样的体系，才有机会走向AGI，才有机会跟最前沿的技能较劲。
智谱AI公司CEO张鹏与面壁智能CEO李大海，则持相对谨慎乐不雅观的态度。张鹏认为，包括Scaling Law在内，目前为止人类认识到的所有的规律都有可能被推翻，只是看它的有效期是多长。但目前为止还没有看到Scaling Law会失落效的预兆，未来的相称一段韶光之内它仍旧会有效。“随着大家对规律的认知越来越深，规律的实质越来越（被）揭示，节制实质就能节制通往未来的钥匙。基于现在大家对实质认识的深浅，至少在我们看来，（Scaling Law）仍旧还会起效，会是未来我们主力想要推进的方向”。张鹏说。
李大海同样表示，Scaling Law是一个履历公式，是行业对大模型这样一个繁芜系统不雅观察往后的履历总结，随着演习过程中实验越来越多、认知越来越清晰，会有更细颗粒度的认知。比如模型演习中的演习方法本身对付Scaling Law、对付智能的影响是比较显著的。在将模型参数掌握在一定规模后，这种显著影响变得尤为主要，在确保终端芯片能够支持该规模模型的同时，实现优质智能，数据质量和演习方法等成分亦至关主要。
毫无疑问的是，Scaling Law在当前阶段仍旧是驱动大模型发展的主要理论根本，但其在未来的运用和扩展办法可能会面临更多寻衅和变革。随着技能的进步和对规律实质认识的深化，行业也可能须要进一步优化模型演习方法，才能应对智能推理等更高等别的寻衅。
逐日经济新闻