发展人工智能须兼顾安全底线和赶超意识
5月18日，第七届世界智能大会在天津拉开帷幕。AI下棋机器人、脑控轮椅、智能手工咖啡机等一批代表世界最前沿技术和创意的产品纷纷亮相，这是本届智能大会的突出亮点之一。
伴随生成式人工智能服务的出现，数据的真实性正遭到空前挑战。在注重数据安全和技术安全的前提下，专家也呼吁，应紧紧把握全球人工智能发展的新机遇，加大人工智能基础理论和前沿技术研发布局，打造一批人工智能区域高地和基础平台，深化产学研用融合，推动人工智能赋能经济社会发展。
寻找差距奋起直追
中国社会科学院信息化研究中心主任姜奇平在接受中国经济时报记者采访时表示，从专业技术角度看，尤其是以ChatGPT为代表的大语言模型技术突飞猛进，正带动这波人工智能浪潮兴起。“这对我们而言既是机遇也是挑战。”他认为，我国需要下大力气投入人力、物力和财力来弥补人工智能技术水平上的差距。
中央财经大学中国互联网经济研究院副院长欧阳日辉对中国经济时报记者表示，我国在人工智能领域的突出表现是论文数量和专利数量。从学术论文的发表量和论文被引用的指数来看，在最近几年里，我国整体上在世界上排名第二，和美国的差距在缩小，但仍有一些重要方面存在明显差距。
国务院发展研究中心信息中心研究员李广乾对中国经济时报记者强调，现在我国人工智能，在理论研究、芯片设计、行业应用等方面都没有问题，最大难题是高端芯片制造方面的“卡脖子”问题，这也是整个数字中国建设最关键的环节，“这是我们需要下大力气攻克的难题。”
要有紧迫感和赶超意识
近年来，我国人工智能得以快速发展，赋能经济社会成效显著，人工智能核心产业规模超过5000亿元人民币，代表性企业超过4200家。但受访专家认为，在当前人工智能从大数据迈向大模型的重要阶段，我们要有紧迫感和赶超意识，并做好新的战略布局。
姜奇平认为，一方面，要紧跟世界潮流，不能落伍，更不能放弃，要在基础技术上有所突破。因为基础理论层的突破，是整个人工智能思路和路线进入到一个新时代的标志。另一方面，要夯实数字社会的基础设施，做好数字社会新的战略布局，从政府、产业、企业、市场都要重视起来。
此外，姜奇平强调，我们还要有赶超意识，要发挥中国特大市场的优势，在中国式现代化的背景下逐步积累技术，实现超越。“要想弯道超车，一方面要在技术平台硬拼，紧追不舍;另一方面要发挥自己巨大应用市场的长处，特别是平台和增值应用要紧密结合，努力发挥自己的优势。”姜奇平表示。
欧阳日辉认为，在深化产、学、研、用融合方面，高校和科研院所的科研人员要真正把企业作为技术创新的主体。高校人工智能人才培养坚持以“需求导向、应用驱动”“项目牵引、多元支持”“跨界融合、精准培养”为基本原则，探索以问题为导向的学科交叉人才培养模式。
促进人工智能安全
对于生成式人工智能技术带来的新型数据泄露及滥用风险，国务院发展研究中心创新发展研究部助理研究员刘申在接受中国经济时报记者采访时表示，生成式人工智能将有效提升人类工作效率。以ChatGPT为例，这一技术具有很强的文本生成和代码编写能力，已被应用于一些此前无法被机器替代的工作中，催生了一系列如自动生成计算机代码、会议记录、论文摘要、诉讼文书等应用创新。生成式人工智能也会对现有治理体系造成冲击。这种技术使造假门槛和欺诈门槛降低，还有可能产生版权争议、侵犯隐私、数据泄露等问题。
随着生成式人工智能在全球广泛掀起热潮,不少中国企业加快开展核心技术研发,积极布局智能化“新赛道”。营造创新生态、重视防范风险，也正在成为我国人工智能发展的共识。
刘申表示，人工智能仍处于技术快速发展的时期，“上游基模型”和“下游应用模型”共同构成的人工智能产业链虽初见端倪，但未来的产业形态并不确定。从国外情况看，“看不清”和“要监管”是一对并存的共识。刘申建议，一是推动形成政府-企业-社会多方合作、快速反应的治理模式。二是加强对人工智能相关的技术标准、评估体系、法律责任等根本性问题的研究。三是积极参与人工智能国际监管框架与技术标准的交流合作。
中央财经大学数字经济融合创新发展中心主任陈端在接受中国经济时报记者采访时表示，生成式人工智能作为生产力革命的一次重要跃迁，也会让数据资源释放出更强劲的数据动能。同时，需要关注的是：最新的生产力革命是以渗透性的模式全方位地进入我们的生产、生活场景，在其与既有的生产体系、社会运行机制以及不同文化土壤深度融合的过程当中，存在着多维风险。除了过去关注的数据隐私、内容版权、信息茧房等风险之外，生成式人工智能作为一种普适性、通用性的技术，对原有社会系统形成一种全方位的渗透，可能会触发的系统性风险现在还难以完全预知和预测。
第四届“清华大学国强研究院杯”全球人工智能与机器人双创大赛在京启动
光明网讯6月20日，第四届“清华大学国强研究院杯”全球人工智能与机器人双创大赛启动仪式在清华大学举行。
清华大学科研院院长刘奕群致辞
清华大学科研院院长刘奕群致辞并发布赛事目标。他表示，本届大赛将继续深入贯彻实施党和国家创新驱动发展战略，以“项目质量升级”、“品牌影响力升级”，“引进人才机制升级”、“赛后引导培育升级”为抓手。大赛将进一步完善发现、引导、培育的开放平台，丰富和拓展“科技改变生活，创新引领未来”深刻内涵，践行“科技向善，创新共益”办赛理念。
中国工程院院士、清华大学人工智能研究院院长张尧学致辞
中国工程院院士、清华大学人工智能研究院院长、赛事首席顾问张尧学作为顾问专家代表为大赛致辞。他表示，人工智能理论和技术取得了飞速发展，在自然语言处理的基础模型、深度学习、智能机器人等领域取得了突破，达到或超过了人类的水准，发展超出想象，成为引领新一轮科技革命和产业变革的战略性技术引擎。同时，他期待在今年的大赛中能加强学术交流、技术创新、应用领域合作，发挥人工智能更赋能经济社会高质量发展的作用。
优秀项目分享
启动仪式上，第三届“清华大学国强研究院杯”优秀获奖项目团队代表清华大学电子工程系张书源分享了团队研发历程和对人工智能与机器人的思考。
据悉，大赛设置了面向全球初创企业和创新团队的“技术创新赛”和面向清华在校学生的“建筑机器人清华学子专场赛”，计划于6至9月举行清华学子赛，9至12月举行技术创新赛。在原有的环渤海赛区、长三角赛区、粤港澳赛区、中西部赛区的4大赛区基础上，大赛增加川渝地区专场晋级赛。
技术创新赛将聚焦“可运用于机器人的人工智能创新技术”，重点征集无人系统、智能感知、人机混合等领域的创新性技术及其应用。
本届清华学子赛设置命题组和创意组，分别进行初赛与决赛，并将于决赛前组织集训交流活动。其中，命题组共有3项命题，包括“复杂建筑环境下移动机器人多传感器融合航位推算”、“机器人建筑场景底盘路径规划”和“机器人施工与调度功效预测设计”，创意组则聚焦于“大语言模型、AIGC在建筑机器人领域的应用和创新”这一主题，参赛团队可在主题下自由设计技术方案。（焦子原）
来源：光明网
随着人工智能和大数据技术的不断发展，大模型与工业机器人的结合逐渐成为了一个热门话题。这种结合不仅可以提高机器人
目录1.引言2.技术原理及概念3.实现步骤与流程4.示例与应用4.1实例分析4.2核心代码实现随着人工智能和大数据技术的不断发展，大模型与工业机器人的结合逐渐成为了一个热门话题。这种结合不仅可以提高机器人的工作效率，还可以提高模型的性能和准确度，为工业自动化领域带来巨大的变革和发展空间。本文将介绍大模型与工业机器人的结合技术原理、实现步骤和应用场景，并分析优化和改进的必要性。
1.引言工业自动化领域一直以来都是技术发展的热点，而大模型与工业机器人的结合更是成为了热门话题。近年来，随着人工智能技术的不断进步，越来越多的企业和研究机构开始关注这个领域。大模型与工业机器人的结合不仅可以提高机器人的工作效率，还可以提高模型的性能和准确度，为工业自动化领域带来巨大的变革和发展空间。本文旨在介绍大模型与工业机器人的结合技术原理、实现步骤和应用场景，并分析优化和改进的必要性。
2.技术原理及概念大模型与工业机器人的结合是指将大模型的算法与工业机器人的技术相结合，实现大模型在工业机器人上的运行和执行。这种结合不仅可以提高机器人的工作效率，还可以提高模型的性能和准确度。大模型与工业机器人的结合通常包括以下几个方面：
大模型算法：大模型算法是指使用大规模数据集训练出来的算法，例如深度学习、强化学习等。这些算法通常需要大量的计算资源和存储空间，而工业机器人的硬件资源有限，因此需要将大模型算法与工业机器人的技术相结合，实现在工业机器人上的运行和执行。工业机器人技术：工业机器人技术是指用于控制和操作机器人的技术，例如机器人控制算法、传感器技术等。这些技术通常需要高精度、高可靠性和高性能，因此需要将大模型算法与工业机器人的技术相结合，实现大模型在工业机器人上的运行和执行。数据集成：数据集成是指将多个数据源进行整合和过滤，得到最终的数据结果。大模型与工业机器人的结合需要将多个数据源进行集成，以获得更准确、更全面的数据结果。集成测试：集成测试是指将多个组件进行组合，并对组合后的结果进行测试和验证。大模型与工业机器人的结合需要将多个组件进行集成，以获得更准确、更全面的数据结果。3.实现步骤与流程大模型与工业机器人的结合的实现步骤可以分为以下几个阶段：
准备工作：包括环境配置和依赖安装等。核心模块实现：包括将大模型算法和工业机器人技术进行集成和测试等。集成与测试：将核心模块进行集成，并对集成后的结果进行测试和验证等。4.示例与应用下面将介绍一些具体的示例和应用。
4.1实例分析以一个简单的例子来说明大模型与工业机器人的结合技术。一个典型的应用场景是工业自动化生产线上的应用，例如机器人的搬运和装配工作。
在这个应用场景中，大模型可以用于优化机器人的搬运和装配过程，以提高生产效率和准确性。具体实现方法是使用大模型算法，将数据集成到机器人控制系统中，以获得更准确、更全面的数据结果。同时，使用工业机器人技术，可以实现机器人在生产线上的精确操作，以提高生产效率和准确性。
4.2核心代码实现下面以一个简单的代码实现来说明大模型与工业机器人的结合技术。
#定义大模型算法classModelAlgorithm:def__init__(self,input_data,output_data):self.input_data=input_dataself.output_data=output_dataself.algorithm=Nonedefrun(self):#计算大模型的参数self.parameter=self.algorithm.calculate_parameter()#执行大模型算法self.algorithm.run()#将结果输出到机器人控制系统self.result=self.algorithm.get_result()defget_result(self):#返回机器人控制系统输出的结果returnself.result#定义工业机器人class工业机器人：def__init__(self):self.computer=Noneself.input_port=1self.output_port=2definput(self,input_data):self.computer.input(input_data)defoutput(self,output_data):self.computer.output(output_data)defrun(self):#初始化工业机器人self.computer.begin()#执行大模型算法self.model_algorithm=ModelAlgorithm(self.input_data,self.output_data)self.model_algorithm.run()#等待大模型算法执行完成self.model_algorithm.wait()#发送机器人控制命令self.computer.send_command(self.model_algorithm.get_result())#停止工业机器人self.computer.stop()defget_result(self):#返回工业机器人控制系统输出的结果returnself.result#定义数据源classInputData:def__init__(self,data):self.data=datadefinput(self):self.data.input(self.data)defget_result(self):self.result=self.data.get_result()defget_result_str(self):self.result_str=self.data.get_result_str()returnself.result_str#定义工业机器人控制器class工业机器人Controller:def__init__(self):self.model_algorithm=ModelAlgorithm()self.input_port=1self.output_port=2definput(self,input_data):self.model_algorithm.input(input_data)self.result=self.model_algorithm.get_result()self.input_port.send_data(self.result)defoutput(self,output_data):self.model_algorithm.output(output_data)self.output_port.send_data(self.result)defrun(self):self.model_algorithm.run()self.model_algorithm.get_result_str()defget_result_str(self):returnself.model_algorithm.get_result_str()#定义大模型算法classModelAlgorithm:def__init__(self,input_data,output_data):self.input_data=input_dataself.output_data=output_dataself.algorithm=Nonedefcalculate_parameter(self):#计算大模型的参数returnself.algorithm.calculate_parameter()defrun(self):self.algorithm.run()#结束代码成都工业机器人产业建圈强链高质量发展
转自：成都日报
▲联东U谷·成都新经济园施工现场受访单位供图一边是施工现场此起彼伏的机器轰鸣声，一边是生产车间里智能机器人挥舞手臂全速运转。近日，记者走进成都龙潭工业机器人产业功能区时了解到，随着本土“小巨人”卡诺普新厂房的投产、“国内四小龙”之一埃斯顿项目的加紧建设、国内AI巨头创新奇智领衔的“工业机器人创新中心”的落户……一个又一个产业项目在成都相继落成、开建、投用，以人工智能为引领的工业机器人产业正建圈强链高质量发展。高质量上市公司瞪羚企业单项冠军纷至沓来来到位于成都龙潭工业机器人产业功能区的联东U谷·成都新经济园施工现场，机器轰鸣声此起彼伏，处处是忙碌的建设身影：刚封顶的主楼外，有人忙着电焊，有人正安装外立面玻璃。不远处，二期工地也正在加紧施工。“一期建设已近尾声，目前在进行外立面装饰，计划10月整体交付。”项目负责人告诉记者，总投资100亿元的项目建成后计划招引120家企业，预计年产值40亿元以上。目前一期已签约麦格米特、火炬电子、中测标物等近30家入驻企业，含3家上市企业、2家制造业单项冠军企业、2家瞪羚企业、5家专精特新企业，其中不乏工业机器人上下游项目，“招引时看重企业与工业机器人产业关联，引进了麦格米特、阿普奇等知名企业，加速产业集聚，力促‘上下楼就是上下游，产业园就是生态圈’。”龙潭工业园区管委会副主任刘军告诉记者，园区以联东U谷·成都新经济园、东广人工智能谷、金地威新成华创新基地为核心的百万平方米科创空间和都市工业载体正加紧建设。在建中的联动U谷拟打造集生产制造、研发设计、中试转化、生产总部、产品展示和生产配套等功能于一体的现代都市工业平台，因在规划建设中解答了“什么产业上楼、上什么样的楼、如何运营服务”的路径问题，正成为全市“工业上楼”典型。与之相邻的东广人工智能谷一期已于4月竣工，金地威新项目一期年内竣工，预计年底可呈现空间可达60万平方米，为产业发展提供强劲动能。强链条工业机器人领域已形成完整产业链条成都卡诺普机器人技术股份有限公司新厂房内，数十台工业机器人检测设备正高速运转；一街之隔，国产智能工业机器人龙头企业之一——埃斯顿工业机器人智能制造基地正在加紧建设……在这里，工业机器人产业正集聚成势。“联动的上下游企业越来越多，合作也越来越紧密了。”卡诺普副总经理邓世海告诉记者，不久前园区引进了一家检测机构，此前机器人要送到上海检测，现在可就近完成，节省了许多时间。“从上游测试、零件，到下游二次开发、设计场景方案，与10余家园区内企业有配套服务合作。”作为成都本土孵化的专精特新“小巨人”，卡诺普4年前开始自主研发并生产整机机器人，至今产值已翻两番，年产值超3亿元，是细分市场的“隐形冠军”。目前，包括卡诺普、埃斯顿、成焊宝玛等知名企业在内，入驻功能区的人工智能企业近百家，如何为它们带来更精准的产业服务？事实上，成都工业机器人产业自2014年布局，至今已形成从关键零部件、机器人本体、系统集成到终端应用的完整产业链条。数据显示，上百家主要工业机器人企业中，四成已布局工业机器人业务，在智能传感、智能控制、智能决策、多机器人协作等方面实现了技术突破和商业化应用。产业发展离不开产业环境的支撑和浸润，配套服务跟上了，产业链基础和产业生态圈水平不断提升。刘军介绍，在培育“卡诺普们”的同时，围绕链主企业需求，正搭建产业上、中、下游产业链，以夯实产业比较竞争优势，提升产业链供应链韧性和安全水平。成都日报锦观新闻记者卢佳丽海量资讯、精准解读，尽在新浪财经APP