在AI（ 人工智能 ）大模型GPT和Sora的助推下，全球掀起了一股AI浪潮， 人工智能 已成为新一轮科技革命和产业变革的重要驱动力量。中央经济工作会议明确提出，“发展 数字经济 ”“加快推动 人工智能 发展”。 人工智能 已经成为社会发展的驱动力量，加快发展新一代 人工智能 是我们赢得全球科技竞争主动权的重要战略抓手。

　　“不是所有企业都能像微软的Open AI一样，具备投入上百亿美元的能力。当前AI大模型的演进，垂直化和领域化的大模型和小模型或轻量化混合应用将具有比较大的发展空间。”

　　在3月20日由中国经营报社、中经传媒智库举办的“ 人工智能 涌现产业生态焕新”专题研讨会上，中国科学院自动化研究所研究员郑晓龙指出，当前AI的竞争还处在比谁能把模型做得更“大”的阶段，但随着人形 机器人 产品的出现，AI在产业侧的发展未来还是会下沉到更“小”的细分行业应用领域。

　　据不完全统计，截至2023年，我国已推出的通用大模型数量达到130多个，若算上各类行业大模型，数量更达数千之多。用“千模大战”来形容当前的产业态势，其实不为过。

　　对此，郑晓龙认为，进入大模型时代后，AI的发展速度明显加快。“2023年大模型还处在文本交互阶段，目前却已发展到多模态交互时代，后面还会出现更多元更通用的交互模式。”郑晓龙预计，未来软硬结合的人形 机器人 将是AI的主要趋势之一，而这会转而重塑很多产业。

　　AI迈入通用智能时代

　　从1956年达特茅斯会议上， 人工智能 这门学科正式诞生，近70年来，AI产业发展的水平超乎人类想象。对此，郑晓龙总结称，AI产业发展历经四个阶段。其中，1956年至1970年是学科开拓期，随后，在1970年到20十年40年的时间里，受限于技术限制，AI发展处于起伏期，甚至一度受到各界疑问。

　　直到进入20十年后，深度学习技术推动AI取得突破性进展， 人工智能 行业爆发了新的活力。并在2020年迎来大模型时代，三年多来的发展速度令人琳琅满目。“如今，自ChatGPT、Sora为代表的大模型出现后，AI正在展现出更通用、更智能的潜力。”郑晓龙表示。

　　 人工智能 发展是一个技术演进的过程，包含之前的专家支持，后面浅层的机器学习，再到后面深度学习，再就是预训练模型，最后到大家所知的一些大模型和 人工智能 相关的技术。这一技术和创新生态的巨大变化，也让AI在形态上更向人脑靠近。在郑晓龙看来，大模型的决策方式也类似于人类大脑。通过不断地喂养数据完成各种智能活动。“它是一个计算机，类似操作系统，是重构的应用服务和数字组织、算力的集群，未来也是一个超级的应用，能够面向不一样的应用需求，通过裁减形成云、边、端协同的一些相应的技术体系。”他指出。

　　这一进化形态，也会在未来改变人类的决策方式。“以后可能在复杂的环境下，人做决策，有时候不一定比机器做得更优，很多最优的决策有可能是机器在做。”郑晓龙预计，将来机器能够帮助人做很多事情，但人同时也能帮助机器做很多事情，这意味着，社会将进入到人机协同施展决策优势的阶段。

　　国内AI创新需要补足差距

　　随着AI创新浪潮涌现，我国AI产业也迈入快速发展期。据中国信息通信研究院发布的数据显示，2022年中国 人工智能 核心产业规模达5080亿元人民币，同比增长18%；初步统计，2023年规模达到5784亿元人民币，增速达13.9%。

　　对此，郑晓龙表示，我国已形成了新一代 人工智能 的研究体系，这是有目共睹的科技成就。但同时也应该看到，我国AI产业原始创新和重大系统性创新等方面仍存在一些挑战，还需要进一步努力。

　　具体而言，一方面，从0到1的原创性、推翻性的创新仍然较少。另一方面，“重大系统性集成创新能力还存在进步空间，围绕重大目标持续迭代攻关模式还需进一步完善。”他指出。

　　在郑晓龙看来，当前火热的文生视频大模型Sora的核心技术有四个特点：第壹个就是流畅。GPT是通讯文本的生成，Sora则实现了多模态视频连续建模的生成，实现了流畅。第贰个是通识，就是全领域知识体系相应的覆盖，它的知识体系比单个的小模型要广。就是曾经我们专业和技术分类总是不停地往下细分。现在则是不停地往外交叉融合，不停地往大的方向去做，这是一种趋势。

　　第叁个是通用，就是多种自然语言处理和多种视频等的通用，还有各种模态间的相互转化，可以从音频到视频，从文本到视频实现通用。第四个就是通常，就是做大模型前，与 机器人 进行交互，会明显感觉它是一个 机器人 。现在大模型出来后，你能感受到它像个人。

　　郑晓龙汇总了GPT、Sora大火的三个方面的成功因素：首先是大模型技术的集成，通过诸多的技术给它集成在一块，这是一个智力密集的工程项目。其次是人机协同群体的一个智慧，包含人的一些标注和计算机的一些学习方式，它是通过人力密集的形式，就是系统集成研讨、综合集成时，其实已经算是实现了。最后是大算力和 大数据 的问题。有了数据基础，再加上算力的一些支撑，美国这方面有相应的一些优势。我们国内算力这方面现在还需要去提升，就是算力密集的工程项目。

　　为此，郑晓龙认为，加速大模型落地应用是我国当前的重要工作之一。同时，他提倡，应施展科研人员的热情和多学科交叉的合作，尤其是需要将社会科学与 人工智能 结合，以实现从弱 人工智能 到强 人工智能 的发展，并使其造福社会。

　　“大模型大到一定水平以后，一定是高度复杂的系统，不是简单凭个人一己之力就能规划出来的。因此，这块需要产业每个具备创新热情的人，有内驱力去从事这份工作，集众人之力协同把产业发展好。”他建议道。

　　在其看来，将来的 人工智能 产业从业者将是综合型的通识人才，需要具备社会学、经济学、心理学的全学科知识，同时将其实现交叉融合，从而激活整个产业潜在的创新潜力。

　　“最后， 人工智能 发展应始终遵循‘人机共生、和谐发展’的宗旨，确保技术向善、造福人类。”郑晓龙呼吁，希望未来国内产业研界能够共同努力，推动 人工智能 技术在各领域的应用，为人类社会发展做出贡献。