AGI落地会有一个高价值区域，这要求模型兼备很强的泛化能力和充分的专业性。区域离原点最近的位置，叫做通专融合的“价值引爆点”，处在这个点的大模型，在专业能力上应超过90%的专业人类，同时具备强泛化能力，即ABI（广义 人工智能 ）能力。

　　7月4日，2024世界 人工智能 大会暨 人工智能 全球治理顶级别会议（WAIC 2024）在上海开幕。上海 人工智能 实验室主任、首席科学家，清华大学惠妍讲席教授，衔远科技开创人周伯文在WAIC 2024科学前沿主论坛上发表开场报告时，做出上述判断。

　　对应AGI发展之路，周伯文创造了两个词：ANI（狭义 人工智能 ）和ABI（广义 人工智能 ）。周伯文指出，通向AGI的必经之路是ABI，后者在学术上的严格定义为：自监督、端对端、从判别式走向生成式，“ChatGPT出现的时候，基本上实现了这三个要点，即2022年底已经进入ABI时代。”

　　图源：上海 人工智能 实验室

　　回看AI发展历史，在2016、2017年之前， 人工智能 在专业能力上拥有非常迅猛的进展，但这些模型不具备泛化能力，只在专有任务上表现突出。

　　2017年Transformer提出后，大模型开始在泛化能力上的“狂飙”。但当时的大模型在专业能力的进展上极其缓慢，同时造成巨大的能源消耗、数据消耗、资源消耗。

　　Sam Altman曾提到，GPT-4的专业能力，大概相当于10%-15%的专家，即便到将来的GPT-5，预期将会提高四到五个点，即用指数级的能源消耗增长换来缓慢的专业能力提升。

　　图源：上海 人工智能 实验室

　　“谁先进入高价值区域，意味着谁的能力更强，拥有更多的场景和数据飞轮，并因此更早拥有自我进化迭代的能力。”

　　周伯文认为，强泛化的专业能力是AI皇冠上的明珠，即通专融合新范式，应瞄准构建一个既具有泛化性又具备专业能力的AI系统，最终能够更高效、更好地适应和解决现实世界中的复杂问题。

　　而实现上述目标需要一个完整的技术体系，有三大重点工作要完成。

　　第壹，要在基础模型层构建通用泛化能力，尤其是高阶能力，如数理、因果推理等。通过高质量数据的清洗和合成，研发高性能训练框架、高效的模型架构。

　　第贰，要在融合协同层将泛化性和专业性有效地结合起来，采用多路线协同的算法和技术，构建比肩人类优秀水平的专业能力。这将使得AI能够在复杂环境中做出决策，将复杂任务分解为更易管理的子任务，制定行动计划，并有效协调多个智能体，以实现群体智能的涌现。

　　第叁，在自主进化与交互层，AI能够完成自主探索和反馈闭环。即AI系统需要在真实或仿真世界中自主地收集数据、学习并适应环境。

　　“在科学发现领域，通专融合也有着巨大的潜在价值。”周伯文表示。

　　2023年初，Nature曾发表过一篇对科研论文发展现状持灰心态度的封面文章，指出“科学进步正在降速”，引发巨大反响。

　　“大模型的不确定性和幻觉生成，其实不总是缺陷，而是它的特点之一。”

　　周伯文认为，合理利用这种特点，通过人机协同有助于增进科研创新。大模型内部压缩着世界知识，同时具备不确定性生成的特性，极有可能帮助人类打破不同学科领域知识茧房，进行创新式探索。

　　通专融合后，AI可以提出科学假设，掌握科学知识、分析实验结果、预测科学现象。进而在反思的条件上，提升AI提出科学假设的能力。

　　周伯文介绍称，为了更高效地构建通用基础模型，上海 人工智能 实验室在并行训练及软硬适配协同、高效数据处理、新型架构及推理增强等方面进行了一系列探索。

　　举例而言，上海 人工智能 实验室分别在化学和育种两个方向构建了首个开源大模型——书生·化学和书生·丰登。在分析实验结果方面，实验室研发的晶体结构解析算法AI4XRD具备专家级的准确率，并将解析时间从小时级降低到秒级。

　　而在预测科学现象方面，训练并持续迭代了风乌气象大模型，在全球中期气象预报上具有可靠的时间和空间分辨率。

　　周伯文指出，具身自主探索是实现通专融合的有效手段，也是理解物理世界的AGI的必经之路。但具身智能不只是大模型加 机器人 的应用，而是物理世界的反馈需要及时进化大模型。

　　为帮助建立世界模型，上海 人工智能 实验室构建了“软硬虚实”一体的 机器人 训练场——“浦源·桃源”，这是首个城市级的具身智能数字训练场，构建了集场景数据、工具链、具身模型评测三位一体的开源具身智能研究平台。作为大模型与 机器人 的连接层，其涵盖89种场景、10万+可交互数据，最终解决领域内数据匮乏、评测艰难的问题。

　　“浦源·桃源”模型同时攻关具身智能的“大脑”与“小脑”。在大脑方面，通过具身智能体在自身状态认知、复杂任务分解分配、底层技能协同控制的三方面创新，第壹次实现了大模型驱动的 无人机 、机械臂、机器狗三种异构智能体协同。

　　在小脑方面，通过GPU高性能并行仿真和强化学习，实现 机器人 在真实世界里快速学习，完成高难度动作，单卡1小时的练习就能实现真实世界380天的练习效果。

　　在基础模型方面，上海 人工智能 实验室旗下大语言模型书生·浦语2.5，实现了综合性能比肩开源大模型参数的性能。多模态大模型书生·万象，通过渐进式对齐、向量链接等创新技术，实现了用更少算力资源训练高性能大模型的道路。该模型以260亿参数，也能达到了在关键评测中比肩GPT-4的水平。

　　“对于可信AGI的未来，我们的态度是坚定而积极的：We must be there. We will be there，我们务必达成，我们终将抵达。”周伯文最后总结道。