今天分享的主題是把握 AI 大模型引發(fā)的時代機遇，主要包括以下內(nèi)容：第一，什么是 AI 大模型的本質(zhì)？演進路線是什么？第二，為什么當今被稱為“智能時代”？第三，如何把握這一百年難遇的機會？

AI 大模型發(fā)展的政策背景與行業(yè)趨勢
4月25日，中共中央政治局就加強人工智能發(fā)展和監(jiān)管進行集體學習，提出充分發(fā)揮新型舉國體制優(yōu)勢、堅持自立自強、突出應用導向、健康有序發(fā)展等關鍵詞。

2025年的兩會報告中，大模型首次被寫入，同時涉及優(yōu)化全國算力資源布局、發(fā)展新一代智能終端、低空經(jīng)濟、生物制造、具身智能、平臺經(jīng)濟以及重視青年科技人才等內(nèi)容，均圍繞數(shù)字經(jīng)濟發(fā)展，凸顯應用導向。

美國方舟基金創(chuàng)始人凱瑟利·伍德發(fā)布的“2025 大膽設想”，與我國兩會報告在 AI Agent、無人駕駛出租車、低空經(jīng)濟等方面存在高度共識。美國這一報告預測全球 GDP 增長將因新興產(chǎn)業(yè)發(fā)展顯著提升，人工智能將在其中占據(jù)主導地位。

AI 大模型的發(fā)展歷程與技術演進

從 AI 的起源來看，1950 年圖靈提出圖靈測試，1956 年人工智能學科誕生。早期受技術限制，基于規(guī)則的專家系統(tǒng)因難以實現(xiàn)標準化規(guī)則而受限；隨后從棋類游戲方向突破，基于概率統(tǒng)計的機器學習取得一定成果，但在圍棋領域遭遇瓶頸。

1. 深度學習與 AlphaGo：2013 年，基于神經(jīng)網(wǎng)絡的深度學習誕生，其將 GPU 計算特征與神經(jīng)網(wǎng)絡結(jié)合，造就了 AlphaGo 戰(zhàn)勝世界冠軍李世石的壯舉。然而，AlphaGo 僅為專屬模型，只能下圍棋，應用局限性導致其逐漸淡出人們視野。

2. Transformer 架構(gòu)與通用模型：2017 年，谷歌發(fā)布 Transformer 底層架構(gòu)，通過預訓練大量無標注數(shù)據(jù)，使模型具備通用性，能夠適配多種任務。這一架構(gòu)成為 ChatGPT 等眾多 AI 模型的基礎，開啟了生成式 AI 階段，使 AI 具備推理和判斷能力，推動 AI 發(fā)展進入新階段。

AI 大模型的定義與核心
1. 知識獲取新范式：AI 大模型是人類獲取知識的新范式，其地位與文字、互聯(lián)網(wǎng)相當。過去，人類通過書籍、互聯(lián)網(wǎng)獲取知識，如今知識體系被訓練到大模型中，人們通過與模型交互獲取答案，如 ChatGPT 能回答各種問題、進行創(chuàng)意寫作、編程等，改變了知識獲取和應用的方式。

2. ChatGPT 的引領作用：ChatGPT 作為 AI 大模型的首個現(xiàn)象級產(chǎn)品，將 GPT 模型與 chat 交互環(huán)境結(jié)合，“G” 代表生成式，“P” 代表預訓練，基于 Transformer 算法，展現(xiàn)出強大的功能。它的出現(xiàn)標志著 AI 大模型能力的充分發(fā)揮，促使 AI 搜索逐漸搶占傳統(tǒng)搜索市場份額，如谷歌搜索流量增長遇阻，而微軟將 ChatGPT 與搜索引擎結(jié)合后實現(xiàn)增長。

AI 大模型的特性與廣泛應用
在軟件領域，AI 大模型將重構(gòu)軟件系統(tǒng)，使軟件具備 AI 能力，如 WPS、釘釘、飛書等軟件紛紛融入 AI 功能；硬件方面，驅(qū)動自動駕駛汽車、智能工廠機械臂等發(fā)展；數(shù)據(jù)層面，激活數(shù)據(jù)價值，使其成為重要生產(chǎn)要素。

在實際應用中，AI 大模型已滲透到奧運轉(zhuǎn)播（如實現(xiàn)快速圖像實時處理和 3D 渲染）、電商（助力商品推薦、營銷、客服等）、醫(yī)療（多癌早篩、加速藥物研發(fā)）、生產(chǎn)制造（智能決策、優(yōu)化生產(chǎn)流程）等眾多領域，提升各行業(yè)效率與創(chuàng)新能力。

AI 大模型的技術本質(zhì)與演進邏輯

AI 大模型是人類社會第 25 種通用技術?；仡櫱懊?24 種通用技術，包括鐵路、內(nèi)燃機、電力、計算機、互聯(lián)網(wǎng)等，會發(fā)現(xiàn)每一種通用技術都推動了時代的變革。計算機推動了計算革命，互聯(lián)網(wǎng)推動了互聯(lián)網(wǎng)革命，電力引發(fā)了電氣革命，內(nèi)燃機促進了工業(yè)革命。這些通用技術具有四個重要特征：其一，在多個領域廣泛使用，區(qū)別于僅解決單一問題的專用技術；其二，能夠與其他技術互補，并非獨立存在；其三，具備降本增效功能，降低門檻、減少成本并提高生產(chǎn)效率，帶來顛覆性的生產(chǎn)力提升；其四，會對組織方式產(chǎn)生變革性影響 。

各類通用目的技術達到臨界應用水平（即一半以上的人都在使用該技術）所需時間各不相同。電用了 37 年，起初電的持續(xù)使用成本很高，例如鋪設電線點亮燈泡，一天可能需要一到兩美金，而同樣能在夜間照明的蠟燭成本更低，因此電實現(xiàn)臨界應用水平需滿足兩個關鍵點：**技術好用且足夠便宜，實現(xiàn)普惠。**當用電成本遠低于蠟燭時，電不僅用于點燈，還被應用于電冰箱、面包機等，從而實現(xiàn)普及。個人電腦達到臨界應用水平用了 23 年，智能手機用了 21 年，互聯(lián)網(wǎng)用了 17 年，而 GPT 僅用了十個月。這充分說明 GPT 好用且價格親民，大幅提升了生產(chǎn)力。

**AI 大模型的通用性遵循規(guī)模定律，即模型的參數(shù)越大，預訓練數(shù)據(jù)集越多，模型的性能越好。**參數(shù)可理解為模型學到的知識，這些知識通過數(shù)據(jù)表征，以向量的方式呈現(xiàn)每個知識點。例如人的身高、體重、性別、頭發(fā)顏色等特征，通過數(shù)字計算實現(xiàn)關聯(lián)權重。以 “浙江省科普聯(lián)合會” 為例，“科” 與 “普” 的組合，以及 “科普” 與 “聯(lián)合會” 的組合，都存在關聯(lián)度和權重，這就是參數(shù)的體現(xiàn)。從數(shù)學角度看，參數(shù)就類似函數(shù)中用于更好匹配輸入與輸出信息的系數(shù)，參數(shù)越多，準確度越高。

此外，AI 大模型本身是深度神經(jīng)網(wǎng)絡的模型架構(gòu)，從生物理論來講，大腦皮層的神經(jīng)元數(shù)量與通用水平成正比。人類擁有 900 億個神經(jīng)元，屬于通用型大腦；狗有 22 億個神經(jīng)元，是專用性大腦，狗出生一年后，肌肉發(fā)達、嗅覺靈敏，到三、四、五歲基本能力無明顯增加，因其神經(jīng)元決定了它只能做專屬任務；而人類一歲時還只能爬，但后續(xù)能學會說話、走路、學習各種知識，正是 900 億神經(jīng)元賦予了人類通用性，使人多才多藝、有記憶力、具備推理能力，由此也能更好地理解 AI 大模型的參數(shù)與規(guī)模定律。

AI 大模型有兩個核心魔力。****

**第一個是涌現(xiàn)性。**隨著模型參數(shù)數(shù)量達到一定規(guī)模，模型在各項能力上會出現(xiàn)迅猛提升，從線性增長轉(zhuǎn)變?yōu)橹笖?shù)級增長。例如孩子學習數(shù)學，做 100 道題可能仍無明顯進步，但做到 1100~1200 道題時，突然開竅，所有題目都會做，這便是量變到質(zhì)變的過程。在 AI 大模型中，無論是文字理解、修飾手法運用、數(shù)學邏輯推導還是國際音標撰寫等方面，都會出現(xiàn)這種涌現(xiàn)現(xiàn)象，再次印證了規(guī)模定律，即模型參數(shù)規(guī)模越大，訓練數(shù)據(jù)集規(guī)模越大，模型性能越好。

第二個魔力是泛化性，即模型的學習能力，它能夠?qū)奈匆娺^的數(shù)據(jù)進行良好處理，且表現(xiàn)專業(yè)。

模型的發(fā)展演進經(jīng)歷了不同階段。最初是 “一事一模” 階段，通過簡單的專屬模型實現(xiàn)機器翻譯、語音轉(zhuǎn)錄、人臉識別、指紋識別等單一任務，每個模型只能完成特定一件事，若要解決其他問題，需重新尋找模型并訓練數(shù)據(jù)。

后來進入 “多事一模” 階段，嘗試將人臉識別、豬臉識別、狗臉識別等任務整合到一個模型中，該模型具備跨領域知識，能夠完成多個不同任務。在這個過程中，專屬模型精度高，參數(shù)增加后會獲得泛化能力，但精度有所下降。為解決這一問題，需不斷加大參數(shù)和數(shù)據(jù)集規(guī)模，使模型兼具泛化性和高精度。

最終目標是實現(xiàn) “萬事一模”，即一個模型能解決人類認知中的所有任務，此時模型具備推理能力、多模態(tài)融合能力以及規(guī)劃和執(zhí)行能力，真正實現(xiàn)通用人工智能。事實上，AI 大模型正逐步接近人類專家水平，2017 年達到基礎閱讀理解能力，2021 年具備視覺推理能力，2023 年擁有多元認知能力，到 2025 年，已能夠解決復雜推理問題，比如完成奧數(shù)題目。

中美 AI 大模型競爭格局與中國產(chǎn)業(yè)生態(tài)
1. 中美競爭態(tài)勢：在大模型賽道，中美呈現(xiàn)不同競爭格局。語言大模型方面，中國從追趕逐步發(fā)展；推理模型中，中國與美國并駕齊驅(qū)，如中國的 R1 推理模型與 OpenAI 的相關模型不分上下；多模態(tài)模型領域，中國因注重業(yè)務場景應用，處于領跑地位。

2. 中國產(chǎn)業(yè)生態(tài)優(yōu)勢：中國 AI 大模型產(chǎn)業(yè)圖譜涵蓋應用端和基礎設施端?；A設施端包括硬件、數(shù)據(jù)治理、模型和工具層，培育出眾多龍頭和獨角獸企業(yè)；應用端廣泛涉及辦公、營銷、創(chuàng)意等領域。以杭州為例，其 AI 企業(yè)成功得益于開源開放生態(tài)，包括政策支持、資本投入、人才培養(yǎng)、良好營商環(huán)境，以及產(chǎn)學園融合和豐富的數(shù)字化場景應用，為 AI 發(fā)展提供了肥沃土壤。

以杭州為例，其成功發(fā)展 AI 產(chǎn)業(yè)得益于開源開放的生態(tài)，包括政策支持、資本投入、人才培養(yǎng)和良好的營商環(huán)境，以及產(chǎn)學研融合和豐富的數(shù)字化場景應用。科技創(chuàng)新不能躺平，企業(yè)需不斷創(chuàng)新，如特斯拉的端到端大模型取代傳統(tǒng)規(guī)則系統(tǒng)，以及具生智能模型提升產(chǎn)品附加值，體現(xiàn)了技術創(chuàng)新和賦能的重要性。個人也應擁抱 AI，用好 AI 工具包，提升自身 AI 素養(yǎng)，積極融入智能時代。

把握 AI 時代機遇的關鍵舉措
1. 科技創(chuàng)新的重要性：科技創(chuàng)新沒有絕對的護城河，企業(yè)需持續(xù)創(chuàng)新。如特斯拉采用端到端大模型改進自動駕駛技術，摒棄傳統(tǒng)規(guī)則系統(tǒng)；企業(yè)通過將 AI 大模型與產(chǎn)品結(jié)合實現(xiàn)技術賦能，如掃地機結(jié)合 AI 大模型后，售價大幅提升且節(jié)省人工成本，展現(xiàn)出科技創(chuàng)新帶來的巨大競爭力。

2. 個人與時代的共成長：身處智能時代，個人應積極擁抱 AI，使用 AI 工具包提升自身 AI 素養(yǎng)。隨著模型迭代和工具優(yōu)化，個人需不斷學習適應。

最后引用我們馬老師的一段話作結(jié)：“電剛剛發(fā)明的時候，唯一的電器就是電燈，人類根本想象不出電有啥用，然而由于電的發(fā)明，世界出現(xiàn)了許多新的東西。那么今天的 AI 與早年的電其實是相差不多的，而且今天 AI 帶來的改變，會遠超過電的時代，遠超過大家的想象?！?/p>

本文作者：汪源，阿里研究院秘書長

本文根據(jù)浙江省科普聯(lián)合會周四夜學內(nèi)容整理