用户数2个月破亿我们距离真正的人工智能时代还有多远 ChatGPT将进入车载系统人工智能还有多远

发表时间：2023-07-04 06:43:06

用户数2个月破亿我们距离真正的人工智能时代还有多远 ChatGPT将进入车载系统

用户数2个月破亿我们距离真正的人工智能时代还有多远ChatGPT将进入车载系统李波2023年6月29日来源：中研普华集团、央视财经、中研网96060繁体

本届夏季达沃斯年会上，进行了多场有关人工智能的讨论，其中科技界的热点ChatGPT更是被反复提及。我们距离真正的人工智能时代还有多远?

2022年11月底，ChatGPT发布，用户数在短短两个月内破亿，一举结束人工智能行业近年来经历的平淡状态。人工智能生成式内容、即大语言模型受到认可和追捧，迅速成为投资界新宠，资金如潮水般涌入。

然而，IBM公司大中华区董事长在参加夏季达沃斯年会接受财经频道采访时，则谨慎地向投资者提示风险。

IBM大中华区董事长兼总经理陈旭东：这条路已经被证明它行得通，但我个人建议，其他人可以去调用这些模型，大部分人是没有资源和能力去干的。

更多的参数需要更多的计算资源，人工智能大模型开启了天文数字级别的算力竞赛。此前，微软不仅对OpenAI公司投资超过百亿美元，还与芯片供应商通力合作，目的是获得更好的算力引擎。

清华大学智能产业研究院(AIR)院长张亚勤：生成式人工智能大模型的确需要海量的数据、很强的算力，包括懂得算法的人才，的确门槛更高了。

专家表示，尽管在某些领域的表现已经堪称“惊艳”，然而人工智能生成内容依然还有很大的优化空间。

东软集团董事长刘积仁：比如疾病诊断，和写文章不一样，疾病的诊断是要唯一的。在某个垂直的领域里，保证应用的安全性、可靠性、精准性，这个过程还需要很长的时间。

人工智能前两次惊艳大众，都是通过下棋击败人类世界冠军。而这一次，生成式人工智能的“出圈”是因为走进了普通人的生活。尽管论坛上的嘉宾对生成式人工智能的看法有所不同，但他们达成了这样一个共识：它对生活和行业的改变才刚刚开始。

当地时间周四，美国微软公司和德国汽车厂商梅赛德斯奔驰公司宣布，双方将展开合作，把ChatGPT人工智能服务整合到存量汽车中，美国地区90万辆汽车将因此受益。

微软和梅赛德斯奔驰表示，测试版计划为期三个月，根据从中发现的问题以及车主反馈，梅赛德斯奔驰公司将会考虑在更深的层次上整合ChatGPT。

ChatGPT将进入车载系统

梅赛德斯奔驰是全球知名豪华车制造商，该公司介绍，未来车主在使用“嗨!梅赛德斯”语音助手提问时，ChatGPT将会负责回答问题，ChatGPT的到来将会极大增强这一汽车语音助手的功能。

微软公司发言人介绍称，这也是ChatGPT产品第一次应用在汽车环境中。梅赛德斯奔驰表示，从本周五开始，美国的汽车用户将以测试版的方式，使用上ChatGPT驱动的语音助手。

车主可以通过该公司官方软件“梅赛德斯me”加入这一测试计划，也可以直接在车上对语音助手发出一个信息，“嗨梅赛德斯，我想加入这个测试版计划。”

梅赛德斯奔驰公司表示，目前市面上许多的语音助手，只能执行预先设定的任务或答复，但是ChatGPT背后拥有一个大语言模型，可以极大提升对车主自然语言交流的理解能力，丰富和车主交流的各种话题。

OpenAI开发出的ChatGPT在全球一鸣惊人后，各行各业都掀起了一场大讨论：如何在自己的行业内整合ChatGPT产品。一直在提升“智能性”的汽车行业也加入了这个热潮当中。

之前，美国通用汽车公司介绍，他们的自动驾驶汽车已经使用了最先进的人工智能技术(或机器学习技术)，不过这一次微软和梅赛德斯奔驰公司的合作，是ChatGPT第一次在汽车行业实践一个具体的应用案例。

博德表示，传统的语音助手只能执行特定的语音指令，ChatGPT的优势，是可以进行跟进式提问和交流，构建一个拥有上下文的交流环境。

车主可以提出复杂的问题，和语音助手进行多个话题转换的交流，从语音助手获得更加详细、更准确的答复。

根据中研普华研究院《2022-2027年自动驾驶技术及应用行业深度研究报告》显示：

华为CEO余承东近日表示，中国L3级自动驾驶标准预计将在6月底发布，进度超出市场预期，大幅提振市场信心。

智能驾驶技术发展产业化应用

近年来，智能驾驶功能快速上车，L2级辅助驾驶技术已经成熟，而L2+和L2++级高级辅助驾驶也开始进入到定点量产的阶段，智能驾驶正在走进家家户户。

智能驾驶功能从多个方面提升了用户的驾驶体验，同时在安全、能耗、效率方面起到积极作用，用户的驾驶习惯正被潜移默化地改变。

现阶段的L2.9高级辅助驾驶产品，在功能层面已经基本可以实现点到点的行泊一体行驶自动化，从人类驾驶真正走向了“人机共驾”的模式，并向着L3/L4级“机器驾驶”的模式不断演进。

随着自动驾驶技术的不断进步，研究机构也非常看好这个行业的未来发展。麦肯锡预测，到2025年全球自动驾驶技术的市场规模将达到6000亿美元。

多重因素推动自动驾驶加速量产

值得一提的是，智能驾驶的技术、成本、市场、认知、政策等方面都在发生变化，众多因素推动着智能驾驶的量产落地，自动驾驶逐渐成为消费者购车时重要的决策依据。

在供给端，自动驾驶的软硬件技术不断进步，芯片算力的提升和算法打磨是推动智能驾驶功能规模化落地的技术保障。

过去两年，车载计算平台的算力水平不断提升，从10T到200T，再从500T到2000T，芯片算力的提升将支撑更复杂智能的自动驾驶算法，持续打通各个场景与功能。

同时，随着时间的积累，以及更多仿真技术的应用，越来越多的路测数据驱动着自动驾驶算法的升级和完善，为车企和消费者提供更加平稳的驾乘体验。

而在需求端，智能驾驶功能正在成为汽车消费的“家常便饭”。根据麦肯锡的报告显示，超过75%的用户对自动泊车和高速公路领航辅助有需求，城市道路领航辅助的需求占比也超过60%。

与燃油车相比，新能源汽车的续航里程和充电效率仍是阻碍消费者选择新能源汽车的重要因素。不过随着电池技术的不断进步，以及充电桩等配套设施的快速建设，未来汽车的智能化将成为各个厂商竞争的主战场。

另需说明的是，高端电动车的消费者对汽车智能化的重视程度更高，头部厂商将带动整体电动汽车行业向着更智能的方向升级前进。

在政策层面，全国各地积极兴建智能网联汽车产业基地，开放自动驾驶路测。多个地区加大力度对L3与L4级自动驾驶立法，为自动驾驶技术的进步与商业化铺平道路。

《2022-2027年自动驾驶技术及应用行业深度研究报告》由中研普华研究院撰写，本报告对该行业的供需状况、发展现状、行业发展变化等进行了分析，重点分析了行业的发展现状、如何面对行业的发展挑战、行业的发展建议、行业竞争力，以及行业的投资分析和趋势预测等等。

报告还综合了行业的整体发展动态，对行业在产品方面提供了参考建议和具体解决办法。

关注公众号

免费获取更多报告节选

免费咨询行业专家

真正的应用级量子人工智能距离我们还有多远

·“量子科技是强国竞争的战略制高点，但不能一哄而上，低水平重复内卷，或片面追求发论文、抢专利，各自为战，闭门造车，而缺少真正的技术投入和系统配合。”

·“当下量子系统的规模非常重要，而这很大程度上取决于芯片。”

当前，发展量子计算和人工智能已成为世界各国的重要战略，两者交汇而生的量子人工智能更是发展迅速。随着底层芯片技术的飞速发展，越来越多基于真实量子计算平台的应用正在成为现实。

从左至右分别为：蒋昌建、吴俊杰、金贤敏、杨林。图源：图灵量子

9月3日，在2022世界人工智能大会“量子人工智能论坛”上，多位大咖齐聚讨论，量子计算为何在当下如此备受重视？真正的应用级量子人工智能距离我们还有多远？

在中国科学院院士、深圳国际量子研究院院长、南方科技大学物理系讲席教授俞大鹏看来，后摩尔时代，算力决定一切，需求把量子计算推到了前台。

俞大鹏认为，推动现在的第二次量子革命有三大驱动力：首先是经典的量子力学方程仍无法精确求解，本身需要继续深入发展。其次，现在数据量每年翻番增长，算力需求也飞速提升。但随着晶体管的尺寸逐渐接近物理极限，算力接近天花板，算力需求和供给的缺口与日俱增，信息时代呼唤颠覆性信息处理技术。第三，人们对微观世界的操控能力大幅提升，微纳加工技术可以实现原子级的精准操控。

俞大鹏也强调，量子科技是强国竞争的战略制高点，但不能一哄而上，低水平重复内卷，或片面追求发论文、抢专利，各自为战，闭门造车，而缺少真正的技术投入和系统配合。

金贤敏图源：图灵量子

上海交通大学教授、图灵量子创始人金贤敏则在演讲中表示，未来10到15年中国都特别需要硬科技的支撑，国家、社会和资本都在拥抱高科技，对于高科技来说应该是一个黄金时代。虽然量子计算的技术路径有多种，也各有优劣，但光量子领域产业化拐点将近的信号日益明显，依托传统的光芯片技术，甚至光电混合技术，可以完成大规模集成。

金贤敏认为，“当下量子系统的规模非常重要，而这很大程度上取决于芯片。而光量子芯片正是图灵量子的护城河。除了设计、制备芯片，图灵量子还坚持自主流片，并率先在无锡建设光量子芯片中试线。没有自主可控的流片，芯片的快速迭代和商用化生产就是空中楼阁。”

吴俊杰图源：图灵量子

国防科技大学计算机学院量子信息研究所兼高性能计算国家重点实验室主任吴俊杰历数了量子计算40年来发展的有起有伏，但整体水平稳步提升，逐渐从量变迈向质变。具体的表现，首先是量子计算从物理学理科研究向理工结合演进，其次在于量子计算研究开始迈入应用层产学研结合。最后，非常直观的是2021年，量子信息科学列入普通高等学校本科专业目录的新专业名单。

“现在量子计算挑战与机遇并存，尚没有确定的技术路线直接通向成功，我国当以高水平科技自立自强为目标，以理性科学的态度、以开放协同的方式发展量子计算，抓住跨层次交叉的新机遇，聚力攻关取得技术突破。”吴俊杰说道。

陆子辉图源：图灵量子

中银金科创新研究中心技术总监、人工智能技术专家陆子辉从产业应用角度谈到了量子计算在金融领域的应用前景。

具体而言，在风险控制中，量子计算不仅能大幅提升安全性，提升支付速度，间接减少银行机构的人工成本，量子计算机还可生成虚拟的诈骗交易数据，提高AI反欺诈精度。在投资研究中，量子计算具有组合优化功能，能够加强投资组合的多样化，重新平衡投资组合，在更准确地反映市场条件和投资者的目标的前提下加快计算速度。在量化交易中，无论是短线博弈、算法优化还是系统耦合，量子计算都显示出了明显优势，能够显著提高收益水平。

钱琨图源：图灵量子

在医疗领域，量子计算和人工智能的融合也已有具体应用。复旦大学附属中山医院规划与管理中心主任钱琨表示，当下对优质医疗服务的需求日益提升，随着互联网+AI医疗的服务生态趋向成熟，基于数字孪生技术的未来元医疗崭露头角。

钱琨谈到，通过智能化与云服务，能突破时空局限，让诊疗前置化、服务多端化。由于量子计算方式和载体的特殊性，量子计算和人工智能的融合，可以为细胞数字孪生与微生态环境的构建与驱动提供更有效率、高质量和多样化的算法形态与支持，在助力病毒疫苗研发、个性化诊疗与疾病预测、细胞数字孪生、生物芯片都有很好的表现。

张奥宇图源：图灵量子

除此之外还有生物制药领域，生物制药是一个高风险且长耗时的过程。现在研究人员可利用计算机辅助药物设计来提高药物发现的效率，也经常以此来评测量子计算的发展阶段。亚马逊云科技大中华区解决方案研发中心资深应用科学家张奥宇从自己的实践经验谈道，“亚马逊云科技借助便捷的技术平台和不断壮大的生态，形成了独特的量子计算探索之药物发现方案，帮助客户研究药物发现问题，例如分子对接，蛋白质折叠等。通过AmazonBraket调用量子计算资源进行实验，同时调用经典计算资源进行对比，从而让客户获取研究的新思路，提升研究效率。”

吴康宁图源：图灵量子

在诊断领域，量子计算结合生信大数据，未来可望实现“知则能治、诊疗合一”。据上海申挚医疗科技有限公司CTO吴康宁介绍，基于化学、解剖学、生物学、信息学等学科技术的进步，现代医学也在不断发展。在诊断领域，由于AI人工智能、数字孪生、精准平台能力、透明病理、多组学数据基础等技术、因素的推动，舒适无感、时空间动态可视化、活体检查、多尺度观察的透明诊断方兴未艾。而借助量子计算结合生信大数据助力科研分析，未来更有希望实现超级医学智能、DNA级别全息微观可视化和瞬时生物计算及合成，叩开人类生命奥秘之门。

AI哲学｜人工智能是否被滥用，距离人类智慧还有多远

在不久前热映电影《失控玩家》中，影片主角是电子游戏的人工智能NPC（非玩家角色，Non-PlayerCharacter），随着自我意识觉醒，他爱上了来自现实世界的人类玩家。这一剧情设定也再次将“人工智能是否会产生感情”的疑问抛置于大众面前。

人工智能离人类智慧还差多远？机器人的感情与人类有何不同？人工智能会学习人性中的恶吗？本期澎湃问吧邀请复旦大学哲学学院教授徐英瑾，曾出版《人工智能哲学十五讲》，一起聊聊人工智能的本质。

人工智能的本质是什么

@Sonichocken：人工智能目前有定义了吗？如果没有广泛认同的定义，哪来有意义的问题？

徐英瑾：人工智能之所以没有定义，是因为“智能”没有定义，这根本上是一个哲学问题。现在所讨论的智能不是人类/动物/外星人的智能，而是某种能够横跨人类和机器的普遍标准，而找到标准的难点就在于工业界本身无法提供如此大跨度的学术思考。对于此类问题的讨论在哲学界内部又恰好陷入巨大的纷争。在近代的西方哲学领域，对于人类智能本质的讨论就有经验派和唯理派两种意见：一种认为智能的本质在于经验归纳，另一种认为是先天原理对于经验的铺展。

这就导致当工程界人士需要哲学家提供高层次理论来告诉他们“什么是智能”时，却发现哲学史上也是一片争论。于是编程工作者就可能从哲学家的既有理论中寻找一种他们喜欢的理论去实践，由此再次深化了哲学界对于“智能”之本质的分歧。

@尤卡坦：人类智慧的构成要素是什么，可以说它的核心是语言和逻辑吗？人工智能目前离人类智慧水平还差什么？

徐英瑾：智慧的本质是对于外界的反应能力。随着反应的复杂方式提高，则智慧的水平不断提高，甚至机器或者外星人的智能也可以按照这个标准去衡量。具体而言，动物对外界反应的能力都是本能性的，而人类和外界打交道的能力有更多样的组合方式。比如人类可以用复杂的马基雅维利式的欺骗套路来欺骗可能的敌人。即使高级的动物比如猴子已经具备一些欺骗能力，但和人类相比还是小巫见大巫。智慧的本质既然遵照如上定义，那么为了让应对外界的反应方式变得相对复杂，就需要逻辑工具来使既有的知识模块丰富化，同时又需要通过语言来勾连人际之间的协作。所以逻辑和语言就成为了智慧的衍生品。

有一种错误思路认为，作为既存状态的逻辑和语言是人工智能要模仿的目标。但人工智能如果仅仅抓住逻辑和语言，而没有抓住“逻辑和语言得以产生是为了应付生存压力的需要”这一根本性问题，那么人工智能的研究就会走上歧路。早期符号AI之所以走上歧路，就是因为只追求末不追求本，只追求流不追求源。

@晚风：程序员编代码写出来的游戏NPC，可以算是人工智能吗？达到什么样的标准才能叫人工智能？目前“人工智能”这个词是否过于被滥用？

徐英瑾：游戏编程员用代码写出来的程序属于广义的人工智能。广义人工智能是指用计算机程序能够模拟出人类智能的一部分特征。电脑游戏里的程序能够模拟一部分人类的智能特征，比如在战争类的即时战略性游戏中，模拟人类玩家的一些特点，这当然是智能的体现。但它并不是所谓的通用人工智能，即不能模拟人类的完整智慧。通用人工智能目前尚未实现，目前市场上能够看到的都是专用人工智能。

@Frajka:机器的深度学习和人类智慧有什么差别呢？

徐英瑾：机器深度学习并非指像人类一样深度地学习，它的英文是deeplearning，在日本语境中被译作“深层学习”。“深层学习”也许更符合其技术实质，即人工神经元网络的复杂化版本。

人工神经网络技术在80年代就已经比较成熟，但深度学习或者说深层学习在什么意义上对它进行复杂化？答案在于传统上人工神经元网络的中间信息处理层只有二至三层，而深度学习把它扩展到了四层以上甚至几十层，由此提高了性能。但究其根本，这一技术只是对于传统的人工神经元网络技术的拓展。具体情况请参考我所撰写的《人工智能哲学十五讲》。

《人工智能哲学十五讲》，徐英瑾著，北京大学出版社2021年07月。

人工智能会有情感吗

@澎湃网友niIrqe：机器人会有感情吗？如果长期和人相处，又有很强的学习能力，是否也可能变成有感情的机器？

徐英瑾：人工智能如果获得感情，它和人类所具有的感情既有相似点，又有不同点。相似之处是指人工智能和人类一样都会对外界的挑战做出回应。情绪本身就是认知主体在遭遇外界挑战时，为了更有效地应对这种挑战而做出的认知资源重新部署和调整。就这点而言，人工智能和人类的情绪有相似之处。

但当我们讨论情绪时，也需要考证其物理实现方式。从物理实现角度来看，人类之所以感到开心是因为多巴胺的分泌，感到不开心是因为其他化学物质的分泌。人类的生理机制无法被人工智能模拟。人工智能尽管有可能通过完全不同的物理机制实现认知资源的重新部署，但人类无法了解他们的具体感受是什么，甚至是否有感受。但人类也不能因为无法得知AI情绪的主观感受，就否认他们情绪的存在。

@澎湃网友ZbM36r：请问人工智能是否会产生反抗意识，以及正确理解人类的语句“有本事你杀了我”这种开玩笑的话？

徐英瑾：这个问题挺好。我认为如果是基于经验和数据处理的人工智能，将有能力辨别玩笑。因为它会通过话语和后续性事件之间的相互联系来判断。如果人工智能经过大量的数据训练，发现很多人说这句话但没有任何谋杀发生，则基本上就会判断这句话为反话。这其中也涉及日常语言处理中的难题，即如何让机器读出何为反讽、何为反话。

此外，基于经验运作的人工智能，会在不同的文化体中得到不同的数据。例如在一种文化体中，如果很多人所言与所行符合，那么人工智能很可能判定不是反话；但如果在另外一种文化体内，发现威胁性话语之后并没有出现与语言效果相匹配的威胁性行动，则会判断是反话。所以未来人工智能将很可能基于不同文化样态做出差异化的判断。

《失控玩家》剧照：人工智能爱上现实人类

@小兔兔：人工智能会学习人性中的恶吗？

徐英瑾：如果把“恶”广义地定义为某种不好的现象，我个人认为现在的人工智能已经在部分学习“恶”。举一个简单的例子：当前由于网络用语中出现很多错别字，而语言处理往往基于大数据，因此机器也会在学习之后导致跟着写错。尽管写错别字的性质并不严重，但也已经是某种意义上对于规范的扭曲，足以让人窥见端倪——即现有的人工智能是对于人类行为的某种平均化处理，基于数据来进行归纳、系统地模拟学习，甚至放大人类既有行为中的失范之处。因此可以说基于大数据的人工智能必然会出现学习恶的现象。

人工智能如何“向善”

一段时间以来，以ChatGPT为代表的人工智能大模型搅动了全球人工智能技术发展的浪潮。从写代码到讲故事，从撰写文章到自动制作数据表格……人工智能正在给人类的工作、学习、生活带来诸多变化。

我们距离“无所不能”的通用人工智能还有多远？人工智能的发展带来哪些安全隐患和挑战？近日召开的2023北京智源大会上，来自全球的人工智能专家学者围绕相关话题展开探讨。

通用人工智能路途尚远

“想象一下，未来10年，通用人工智能(AGI)几乎在每一个领域都超过人类的专业知识，最终可能超过所有大型公司的总体生产力，这将提高人们的生活水平。”OpenAI首席执行官山姆·阿尔特曼展现了一幅人工智能的未来图景。

所谓AGI，是指能够像人类一样在各种领域进行智能任务的人工智能系统。这与目前人工智能应用只聚焦于特定任务或领域(如图像识别、语音识别、自然语言处理等)不同，对人工智能技术提出了更高要求。

“通用人工智能可以比人类更好、更快地学习和执行任务，包括人类无法处理的任务。由于机器在速度、内存、通信和带宽方面的巨大优势，未来通用人工智能几乎在所有领域都将远超人类的能力。”美国加州大学伯克利分校计算机科学教授斯图尔特·罗素说。

尽管人工智能已经有了“超越”人类的“时间表”，但在很多专家看来，目前的人工智能距离AGI还有不小的距离。

罗素认为，当下火热的大语言模型并不“理解世界”，只是通用人工智能的一块“拼图”——“我们并不了解如何将它与其他部分连接起来，甚至还有一些缺失的拼图还没有找到。”

北京智源人工智能研究院院长黄铁军指出，要实现通用人工智能，有3条技术路线：第一是大模型，通过海量高质量数据，让人工智能具备智能涌现能力；第二是具身智能，通过强化学习方法，训练出具身模型；第三是类脑智能，让机器达到或类似于人脑能力。

对于人工智能的发展，图灵奖得主、纽约大学教授杨立昆提出了“世界模型”的概念——人工智能系统可以通过这一模型理解世界的运转方式，并以最优化、成本最小的方式来行动。

加强安全治理领域国际合作

根据预测，到2030年，人工智能将创造15.7万亿美元的经济价值。人工智能为经济发展提供了重要机遇，但也引发了安全性方面的担忧和争议。

图灵奖得主、多伦多大学教授杰弗里·辛顿认为，目前的人工智能已经可以通过学习，掌握“欺骗”人类的方式。“一旦人工智能具备了‘欺骗’的能力，就有了‘控制’人类的能力。这样的超级智能可能会比预想中发生得更快。”

在通用人工智能时代到来之前，人工智能的安全风险主要来自于“人”。“我们不应该假设机器是公正的，因为机器可能会试图改变人类的行为。更准确地说，是机器的所有者想要改变其他人的行为。”图灵奖得主、中国科学院院士姚期智说，当前人工智能的发展处于重要窗口期，各国应共同合作，搭建人工智能的治理结构。

随着人工智能的本事越来越大，人工智能的“对齐”问题浮上水面。所谓“对齐”，即人工智能系统的目标要和人类的价值观与利益“对齐”，保持一致。

如何让人工智能与人类“对齐”？阿尔特曼认为，人们应当负责任地将人工智能应用到世界中，重视和管理好安全风险。他建议在人工智能技术研发过程中建立平等、统一的国际规范和标准，并通过国际合作，以可验证的方式建立人工智能系统安全开发的信任体系。

黄铁军认为，人工智能虽然会产生预料之外的新能力，但这并不意味着人类无法对人工智能进行管理。“如何管理人工智能这样一个创造性极强的系统，社会学、历史学等学科都能提供很好的借鉴意义。”

今年2月，中国在《全球安全倡议概念文件》中提出加强人工智能等新兴科技领域国际安全治理，预防和管控潜在安全风险。在此次智源大会上，专家学者积极评价中国在推动人工智能国际治理上的贡献。

阿尔特曼说，中国在人工智能领域拥有大量优秀的人才和产品系统，在人工智能的安全方面应发挥关键作用。

麻省理工学院人工智能与基础交互研究中心教授马克斯·泰格马克表示，中国在塑造全球人工智能议程上的能力日益增长，可以在人工智能安全治理领域发挥领导作用。

推动大模型共建共享

当下，全球人工智能领域的科技竞赛日趋白热化。2023中关村论坛上发布的《中国人工智能大模型地图研究报告》显示，全国已发布了79个参数在10亿规模以上的人工智能大模型。

从全球来看，中国和美国已发布的大模型数量超过全球总数的80%。中国自2020年起进入大模型快速发展期，在大模型方面已建立起涵盖理论方法和软硬件技术的体系化研发能力，形成了紧跟世界前沿的大模型技术群，涌现出多个具有行业影响力的预训练大模型。

在此次大会上，全面开源的智源“悟道3.0”系列大模型及算法正式发布。据了解，“悟道3.0”涵盖了一系列领先成果，包括“悟道·天鹰”(Aquila)语言大模型系列、天秤(FlagEval)开源大模型评测体系与开放平台，“悟道·视界”视觉大模型系列以及一系列多模态模型成果等。

黄铁军认为，人工智能大模型有3个特点：一是规模大；二是有“涌现性”，即能够产生预料之外的新能力；三是通用性，不限于解决专门问题或者专门领域。他表示，大模型不是任何一家机构或者一家公司垄断的技术，应当共建共享，推出一套智力社会所需的基础的算法体系。

（来源：《人民日报海外版》；编辑：高逸昕；审核：林超）

用户数2个月破亿 我们距离真正的人工智能时代还有多远 ChatGPT将进入车载系统 人工智能还有多远