2019年到2024年，世界 人工智能 大会产业发展主论坛上总能看到当年的明星企业和领军人物。7月4日二十余位国内外AI领域顶尖专家、科技新锐力量及产业链各方代表又一次分享AI+产业的最新洞见。2023年我国 人工智能 核心产业规模5784亿元人民币，增速13.9%，AI+产业的全球性共识不变， 人工智能 应用前景、产业治理、生态建设等热点议题常谈常新，巨头和创业公司共同为数字产业集群注入新活力，也一起迎接生产力升级的新挑战。
保持乐观，服务人类
中国工程院院士王坚：人类有能力解决自己创造的问题
我是一个无药可救的技术乐观主义者，相信在技术发展进程中，任何人类自身引发的问题，一定会被人类解决，历史证明我们有这个能力，过去技术发展给人类造成的恐慌，不会比今天 人工智能 造成的小，但人类都过来了。
人工智能 有非常长的过去，长到可以追溯到100年之前，但有极短的历史，短到GPT才出来，今天GPT的潜力还没有被完整地探索。要站在时间、空间维度动态看问题，以现有的条件模型看，我们的应用做得还不够好；以现有的算力看，我们的条件模型做得不够好；以现有的电力看，我们的算力还不够好。在这个不等式下， 人工智能 企业不用担忧能源问题。
牛津大学马丁学院 人工智能 治理倡议责任人罗伯特·特拉格：AI存在常识挑战
想要人类更好地整合在人类社会里，存在技术性挑战和社会性挑战。
技术性挑战是AI没有人类的常识。AI系统是用人类创造的数据来训练，可是许多人类行为没有数据化，这是因为我们认为这是常识不用写成数据，好比我们知道怎样人际关系交往，靠的就是常识，但这对AI来说是重大的技术挑战。
技术治理也是挑战，一旦AI系统越来越强大，就有了做各种事情的能力，大家快速地学习、快速地实现，但可能做的是好事，也有可能是坏事。各种智能体出来后我们需要规则来监管。
被使用才有价值
百度开创人兼总裁李彦宏：百模大战造成社会资源的巨大浪费
2023年，国内出现了百模大战，造成了社会资源的巨大浪费，尤其是算力的浪费。我们要避免掉入“超级应用陷阱”，觉得务必要出现一个10亿DAU（日活用户）的APP才叫成功，这是移动时代的思维逻辑。“超级能干”的应用比10亿DAU的“超级应用”更重要。
利用大模型能力处理订单，快递公司可以做到“一张图、一句话寄快递”，不再需要其它繁琐流程，时间从3分多钟缩短到19秒。而且，90%以上的售后问题也都由大模型来处理。
应用其实离我们其实不遥远。基于基础模型的应用在各行各业和各个领域已经开始逐步渗透。两个月之前，百度曾宣布文心大模型日调用量超过2亿，近期，该调用量已超过5亿。仅仅两个月，调用量发生这么大的变化，足见它背后代表了真实的切实需求，是有人在用、有人真的从大模型中获益了，得到了价值。
商汤科技老总兼总裁徐立：深入到垂直行业才能迎来AI 2.0应用的超级时刻
十年前有了第壹批 人工智能 企业，今天生成式 人工智能 造成了更多的存在性和变化。AI行业非常热，包含像GPT造成的聊天式的应用，Sora造成的视频，但它还没有到超级时刻，因为它没有真正地走进到一个行业的垂直应用当中引起广泛的变化。
如果要推动 人工智能 超级时刻的到来，需要大模型展现出卓越的深度思考的能力。那么合成的人工数据，尤其是顶级思维的数据往往是极为重要的。所以越是有应用的场景，才能形成更好的高质量数据的一些核心。
另外，要做到自然的没有延迟的交互。用好端和云两部分的计算机资源，才能够成为一种全自然的交互模式。所有的生成都要可控，你不用做得很好，但你需要知道你哪里做得不好，并且说做哪里进行一些更改，有了这样的界限，才能做到真实的可控技术和可持续的技术发展。
要赋能先解决短板
蚂蚁集团老总兼总裁井贤栋：专业智能体是大模型落地严谨产业的有效路径
手机端时代，二维码让 移动支付 成为每个人的生活日常，在 人工智能 时代，我们也在探索，让AI像扫码支付一样便利每个人的生活，让AI技术发展的红利惠及更多人。
蚂蚁自研的百灵大模型正围绕蚂蚁有生态积累、用户有需求的领域缔造AI生活管家、AI金融管家和AI医疗健康管家，对应的生活、金融和医疗等场景，都需要严谨专业优质的服务。
通用大模型落地上述严谨产业面临领域知识相对缺乏、复杂决策难以胜任，和对话交互不等于有效协同三个能力短板。蚂蚁解决方案是：构建专业智能体生态，具体包含缔造大规模专业知识引擎，专家级决策框架、众多专业智能体共同参与。在大模型时代，智能体是新的应用范式，通过专业智能体的深度连接，AI会像互联网一样，造成服务的代际升级。
MiniMax开创人闫俊杰：大模型赋能实体经济的核心在于降低错误率
GPT-4的很多测试指标正确率是60%、70%。我认为让AI从辅助人类到独立完成工作，最核心的是降低整体错误率，这需要一个综合性的解决方案。
好比做合成数据、提高训练效率、研究新型的更好的网络结构、引进各种训练算法等，这样可能会让我们在半年或一年内把错误率降低到个位数，这意味着大模型在人类定义的测试上可以接近人类最好的水平，那时大模型就可以独立完成任务了。
2023年（大模型）在底层的复杂能力与美国头部公司之间存在差距，因此我们首先在娱乐领域推出产品，可是在今年（2024）上半年，我们开始意识到，在一些偏生产力的场景里，MiniMaX开始具备局部优势。
