ppt模板免费下载网站不需要登录,PR做视频需要放网站上,怎么建立企业网站免费的,怎样免费做网络推广“AGI正处在一个巨大的研发范式革命的起点。” 整理 | 周梦婕 编辑 | 小白 出品#xff5c;极新 2023年11月28日#xff0c;极新AIGC行业峰会在北京东升国际科学院拉开帷幕#xff0c;峰会上午的圆桌环节由凡卓资本合伙人王梦菲主持#xff0c;深势科技战略副总裁何雯…“AGI正处在一个巨大的研发范式革命的起点。”   整理 | 周梦婕 编辑 | 小白 出品极新 2023年11月28日极新AIGC行业峰会在北京东升国际科学院拉开帷幕峰会上午的圆桌环节由凡卓资本合伙人王梦菲主持深势科技战略副总裁何雯、Zilliz合伙人郭人通、格灵深瞳副总裁周瑞作为嘉宾出席共同探索中国AGI的迭代之路。 在圆桌上我们了解到三家创业落地企业的主营方向与卓越成就。三位嘉宾从他们的产业和实践出发为我们解答了AGI企业如何实现产业落地AGI的发展趋势是什么全球化视野下中国又AGI产业落地面对哪些瓶颈怎样利用好中国的产业优势去完成 AGI 的迭代 极新希望从此次对话中与三个落地企业进行创新碰撞为行业带来更多思考和方向。以下是嘉宾发言原文极新整理大致分为4个模块 ①“逐渐找到业务方向和落地场景积极地探索新的领域和技术。” ②“AGI正处在一个巨大的研发范式革命的起点。” ③“整个生态圈还没有做好准备用一个新的范式完成场景的转换和开发。” ④“AGI实现迭代需要创业者努力需要产业推动需要整个生态圈团结一心。” 01 缓缓落地积极创新 “我们逐渐找到了自己的业务方向和落地场景积极地想要在新的领域和技术方向上找到一些突破。” 王梦菲在座的有人与我们业务合作过可能也比较熟悉了但也有一些新朋友。那我们先花一些时间请三位嘉宾做一下简单的自我介绍也帮我们介绍一下所在的公司。 何雯深势科技致力于将人工智能技术应用于科学研究AI for science涉及制药、锂电池、化工、合金催化、气象等众多领域。 我们为科学研究和工业研发提供关键基础设施打造了包括模型、算法、底层算力调度等一系列基础能力。深势团队也是全球最早提出“AI for science”概念的目前我们在全球处于技术领先地位。 除了提供基础设施服务我们也专注于特定行业的实际应用系统性服务了制药、电池等几个领域已经在这些领域为超过100个客户成功实施解决方案。我们的愿景是通过构建强大的AI基础设施推动工业发展借助人工智能创造新的技术革命 周瑞我们是一个已经成立了很长时间的人工智能公司。过去十年我们一直在做计算机视觉相关的应用落地和算法研发。期间我们逐渐找到了自己的业务方向和落地场景去年上市之后便积极地想要在新的领域和技术方向上找到一些突破。 如今我们的重点在金融以及人机交互的互动娱乐、体育健康等这些领域。我个人在公司主要也是在负责整个基础研发的工作尤其是与算法落地和交付有关的事。 郭人通Zilliz 主要是做向量数据库做这个方向大概有五六年的时间了算是全球最早探索这个领域的团队。早期向量数据库主要应用在搜广推、非结构化数据搜索这样的传统方向今年 Agent 比较火也带火了向量数据库。大模型方向的应用主要是通过向量数据库建立知识库以 RAG 的方式增强 LLM 的能力。 我们团队最早是做开源的向量数据库项目 Milvus到现在发展了有五年左右的时间现在 Milvus 是全球最受欢迎的开源向量数据库项目有超过 5000 个来自各个领域的业界用户和我们一起打磨Github Stars 23000。今年上半年我们向量数据库开始实现商业化目前服务在北美的AWS、GCP、Azure以及国内的阿里云等都有覆盖。 接下来我们期望能够加速国内的 AI 领域应用落地和各位合作伙伴一起发力共同实践推进探索。 02 我们站在起点 “在科学和工业领域我们正处在一场巨大的研发范式革命的起点。” 王梦菲自从 ChatGPT 问世以来AI 已经达到了全民关注的程度尤其这段时候每几天就会有一个新的发布会每几天就会有一个新的技术问世请问 AGI 是否已经接近实现还是说还在遥远的未来我们想先听三位从自己的角度和产业出发结合您的观察分享一下AGI 的趋势。 何雯在科学和工业领域我认为更合适的定义是我们正处在一个研发范式革命的起点。相对于GPTAGI在science领域的发展会晚3年左右。AGI的关键进展发生在2020年当时深势科技发布了DeePMD该算法显著提升了分子模拟的体系从仅能模拟200至300个原子的相互作用扩展至过亿级别原子的分子模拟为特定工业场景提供了支持。 这一进步为何被视为研究领域的一次重大变革传统上工业研发如药物和材料研究高度依赖于持续的实验和试错。例如在锂电池领域过去在数十万次实验中仅筛选出十几种合适的配方。而现在借助人工智能我们能够在计算机中进行模拟和虚拟筛选极大地加快了探索速度并提升研发效率。AI的介入无疑革新了传统研发模式带来了巨大的价值。 然而这仅仅是一个开始。目前AI的算力等技术限制让我们尚未能穷尽所有可能性。但如果AGI得以充分发展理论上整个物理世界都将能够在计算机中得到完整模拟。目前我们必须持续的进化算法和硬件以拓展研究的广度和深度前路漫长仍需不懈努力。 周瑞现在AGI 到底要做什么事业界还是存在比较大的分歧的。一方面像OpenAI 这样的大模型供应商非常希望完成平台化。真正的 AGI 有没有能力去提供一个底座我感觉尚存阻力。 另外一方面像我们公司使用更新的技术解决一些原来不太好解决的问题这个方面的反馈整体是偏正向的过去不太好解决的问题现在已经被解决或者正在被解决的路上。我们要一分为二的看问题理想化的 AGI 或者 AI 究竟在追求什么这是一个很大的命题。另一边就是如何使用现在的 AGI 技术去在行业和应用中落地我们在实践上已经能够看到一些成果。 郭人通我觉得现在离 AGI 还有一段距离包括 GPT-4 以及最近的一些发布在真正的落地上我们观察到的效果并不是特别理想。重点落地的主要是这么几部分与大模型内容生成能力直接相关的比如图片内容生成、文本内容生成通过向量数据库 LLM 构建知识库替代传统搜索还有软件工作领域也比较有前景通过AI 大模型减少程序员的体力活提高软件工程质量以及生产效率。但这些和 AGI 都离得比较远。学术界的工作也一直在关注整体感觉还都比较偏原型探索阶段。 前些天看的一篇 MIT 和 Standford 发表的论文讲的不错和 Yann LeCun 的观点比较接近。文章把 AGI 分成核心逻辑模型和语言能力两部分。核心逻辑模型包括对于世界的理解、分析推理。语言能力主要是核心逻辑模型的对外表达与信息交换。现在大模型主要解决了语言能力这个方面。 所以就算是现在这个阶段领域模型这一块的价值非常关键。在很多探索场景中除了 Fancy 之外如果脱离一个具有高价值的领域模型只是关注大模型这个壳最终是很难产生业务价值的。 03 算力、人才与产业链 “整个生态圈还没有做好准备用一个新的范式完成场景的转换和开发。” 王梦菲技术的迭代往往是一部分比大家想得要快一部分比大家想得要慢有一些天方夜谭已经成为了现实但当大家插上了想象的翅膀认为很多事情能在很短的时间内去实现又往往就是一墙之隔差之千里。所以接下来我们谈一个比较现实的话题全球化视野下AGI迭代之路的巨大的瓶颈摆到底是什么 何雯当前计算能力的革新依然是科学研究领域的一大限制因素科研所需的计算资源消耗巨大。我们在不断优化算法以便使AI能更加精准的符合物理世界的规律。 在硬件层面我们也取得了显著的进步我们正在开发针对分子模拟的定制芯片采用非冯诺伊曼架构提升计算效率使得现有计算效率再提升两到三个数量级。这不仅使得我们能够处理更大规模的原子系统还能模拟更长时间内的动态行为。 周瑞所谓 iPhone 时刻迟迟没有到来是因为整个生态圈还没有做好准备用一个新的范式完成场景的转换和开发把模型训出来的人不太懂做应用会做应用的人又不太懂模型。 所以下一步首先要解决的瓶颈是 AI 的可解释性和算力的性价比提升能够让更多的人进到这个生态圈里来。一方面降低算法公司普及算法的门槛另一方面提升开发者使用这些能力的基础设施水平。 郭人通我们观察到一个主要的瓶颈是在业务模型构建最早大模型出来的时候大家觉得它无所不能但是逐渐落地下来大家觉得缺乏垂直领域真正有落地价值的场景本质上来说就是大模型没有真正地和业务模型融合到一起发力。 国内很多做项目团队可能更聚焦在模型本身能力的开发。但真要落地创造产业价值还是要看业务模型是不是真的构建好了业务创造多少的价值和投入是否成正比。 04 期待弯道超车 “这一方面需要创业者努力一方面需要产业推动更需要整个生态圈大家团结一心。” 王梦菲今天主题还是聚焦在整个中国的谈到人工智能在今天这样的宏观环境下大家必须要认知到我们中国还是一个追赶者。在算力、技术上我们还是被欧美卡脖子。作为中国的创新创业者来您认为我们要怎么样解决技术上卡脖子的问题 何雯实际上在“AI for Science”领域中国在全球处在相对领先的地位。国内的技术和科研实力一直在世界第一梯队同时得益于国情中国产业应用的步伐较国际同行更迅速。 就算法和基础设施而言中国竞争力非常强。然而在应用场景及人才储备方面中国还是存在显著差距。例如我们所涉足的制药领域中国的新药研发产业发展整体滞后。首先国内真正做创新药物研发的企业数量有限研发投入和能力不足其次整个行业急缺计算领域的专业人才这使得即便拥有先进的算法和工具产业实际落地的难度仍然较大。 总体来看国内的工业研发领域尚有较长的路要走。但在更为先进的工具发展的支持下我们非常有希望加速中国的工业研发进程逐步缩小与国际水平的差距实现弯道超车。 周瑞我们长期秉持的一个策略就是尽可能地把自己的体系国产化。从研发的角度讲尤其是在图像时代我们中国不论是高校还是公司做的都很不错有时候甚至不比美国差多少。 现在NLP取得巨大的进展国内在过去的两年走了一些弯路但我觉得往上追赶并不难。我个人对于人才和算法这两方面是比较有信心的。整个生态圈要抱团解决中国的算力和基础工业设施的发展问题就是要大家一起去合作重建生态。如果英伟达生态仍然是主流的生态其实所有事情都很难开展中国需要一个自己的生态。 郭人通我们也有很多的辛酸我挺认同周总讲的技术工程问题都好解决。但我们自己做的话国内外市场还是有很大的差距的国内市场成熟度还是差一些。 国内的市场和北美最大的差异就是国内大量的项目落地基本上都是端到端的但北美则讲究专业性专业团队聚焦做专业的事儿这一块。国内做大模型的厂商一边要去做大模型的核心技术追赶OpenAI同时要有大量的人员去做落地的工程但是OpenAI 没有这样的一些问题。这也是我们遇到的一些痛点。 王梦菲期待产业更加成熟之后大家能有更好的专业化分工能让技术人专心去做底层技术然后有其他人去做落地。当然这一方面需要创业者努力一方面需要产业推动更需要整个生态圈大家团结一心。期待中国AGI弯道超车