2024 开年，他们在尔滨聊 AI

在 2024 亚布力中国企业家论坛年会上，一位 AI 产业科学家的心声引起现场企业家的共鸣。尤其 OpenAI 在 10 天前发布的 Sora 模型，再次体现出「断层性」领先时，2024 科技领域的 AI 进程又多了一些不确定和兴奋。

2 月 22 日，在 2024 亚布力中国企业家论坛年会现场，唯一一场聚焦 AI 话题的专场——「创新引领未来，当 AI 成为助手」座无虚席。围绕「一日千里」的 AI 技术变革，与会者讨论了当下热门的落地应用场景、以及 2024 年 AI 应用落地的最新趋势。

在协同办公领域，人机交互正在由人适应机器，转变为机器适应人。钉钉总裁叶军认为，一个更人性化的交互方式，一个更懂「你」的 AI 智能助理已经来到我们身边。

脑虎科技创始人彭雷比喻，AI 和脑机接口就像一个桥的两边，二者正在相向而行。眼下，彭雷正在探索大模型为脑机带来的新路径。

小米集团人工智能实验室主任，NLP 首席科学家王斌则从手机的场景作出预判，他认为，Sora 的出现可能会让「AI+手机」催生新的形态，一个昂贵、笨重的摄像头可能不再被需要，类似 Sora 一样的软件会在一定程度替代昂贵的摄像头。并且，在他看来，Sora 的出现，给自动驾驶带来了新的可能性，这是当前自动驾驶公司都在跟进的新方向。

此外，传统领域也正在经历 AI 的变革，图灵机器人创始人俞志晨介绍了教育领域，AI 带来的「双师」模式正在打通校内外的新型教育。

如果说 2023 年是大模型出圈的第一年，2024 年则是大模型在各行各业落地的产业年。对于不断进化的 AI 变革，亚布力论坛数字前沿技术委员会主席、亚信联合创始人田溯宁提出了一个有趣的猜想，他表示：「现在的 AI 技术带给我们很多可能性，如果说工业革命解决物质生活的极大丰富，这场 AI 革命是不是要解决生命情感和生命质量的丰富多彩？」

对于 2024 年 AI 落地的方向，五位嘉宾作出了探讨，以下是圆桌内容节选，由极客公园整理。

2024 亚布力中国企业家论坛年会「AI 专题」现场，从左至右分别是：田溯宁、叶军、王斌、彭雷、俞志晨｜图片来源：亚布力企业家论坛

01 如何理解当前的 AI 时刻 

田溯宁：这段时间，AI 技术变革不断让我们感到冲击。大家怎么定义这场变革？

叶军：我觉得是一场类似于电力革命的一个新时代开启的分界线。除了不断改进钉钉的体验，最近我们在做一个战略性新方向，要让钉钉成为一个 AI 助手的创作平台，这是我们最近在做的事情。

王斌：我是一个积极的 AI 拥抱者，我认为 AI 是一个极其变革性的东西，特别是大模型的出现，使得 AI 可能会成为整个社会的基础设施，类似于电力革命，会重塑很多行业原有的东西。

彭雷：2021 年，我决定做脑机接口这件事情，听上去好像跟 AI 没有直接关系，但实际上绝对在一个路径上。我之前打过一个比方，AI 跟脑机其实是一个桥的两边，正在相向而行。超大的数据训练出 AI（大模型），让它尽可能像人，但脑机接口其实是在尝试将人的大脑通过电机解码，让它的信号跟模式能够被程序所解读，所以两者是一个相向而行的过程。AI 一定是范式变化的东西，下一波也许就是脑机或者碳基跟硅基融合，我们正做一些预研，这是我处在这个赛道来看 AI 这件事情（的视角）。

俞志晨：人工智能过去六七十年的发展，我认为有两个路线，一个是颠覆人类，另一个是辅助人类，现在做的事情更多是希望能够辅助人类，让人变得更强、更有效率。

田溯宁：过去，从互联网建设到互联网应用，改变从电子商务到游戏的日常生活，基本花了十多年的时间。从 PC 互联网到移动互联网用了将近五年。AI 从今天的出现、行业地位的确定，到改变生活应用，大家觉得会需要多长时间？会以怎样的速度迭代？

叶军：我感觉速度会比之前更快一些，因为 AI 本身进步速度非常快，易用性又非常好。如果把 AI 的基础能力比喻成电力，其实难的不是使用电力，难的是创造出使用各种电力的工具——灯泡、微波炉、冰箱等等，这个周期可能会非常长。

如果把 AI 跟原有各个产业进行结合，每个产业其实都得做一些重构，这个时间或长或短，总体来说我认为时间不会比以前更长，比过去速度快很多。

王斌：我讲讲我对技术大概的判断，因为最近新闻比较多，天天科技革命，日日文艺复兴，每天都很焦虑，技术的变化确实比较大。

近日，OpenAI 推出人工智能文生视频大模型 Sora，引起广泛关注｜图片来源：视觉中国

大模型技术出现可能也就发生在六七年前，特别是 Google 的 Transformer 出来之后，大家围绕这个方向做不同的探索。真正到应用可能就是指 ChatGPT，算下来，2017—2022 年，花了 5 年时间。现在都是在技术上做一些更新迭代，可能不如 ChatGPT 刚出来所体现出的那么大迭代，所以一个大的变革再加上一些小变革这个趋势还会不断发展。

大家觉得现有算力和数据加上去，还是会有一个大的提升，至少目前在大家的探索当中还没有发现 scaling law 缩放定理失效，所以大家还是沿着加大算力、加大数据再攀高峰，技术变革可能还是这样去涨。

但总是有止境，随着数据规模再增大，技术变化可能就变成一个边际（递减）效应，需要从另外一个角度突破，也就是模型。

彭雷：我觉得迭代速度首先毋庸置疑，每次范式变化速度都比之前快，我认为至少快一倍。当年 Web2.0 那一波，3G、5G 这一波，应用渗透速度肯定远远比现在慢，包括云计算也是这样。

所以大的范式变化，很多行业发展都有一个所谓的规模效应，指数级增长到了某一个临界点之后，增长速度可能会出现得非常快，前一秒钟还在讨论 GPT4 到底像不像人，4.1 版本就远远把人甩在后面一百倍了，会有这种爆发式增长的机会，这也是之前讨论所谓「奇点」到底什么时候到。

我们对于 AGI 的定义可能会很不一样，其实我一直很期待 AGI 会问我的第一个问题是什么，我知道那个时候「奇点」就到了。

俞志晨：从产业发展来看，整个芯片端已经符合摩尔定律，节奏可能略快一些，大模型有一个叫算力成本，其实比摩尔定律还要更快，迭代速度会更快。

田溯宁：AI 可以做到主动向「你」提问题，怎么理解这个时刻？

叶军：现在都是我们提问题给 AI，你输入它输出。未来，当你打开计算机或者没有打开时，它可能自己打开了，觉得需要跟你做一次沟通、谈心，这可能是（AGI 的）另外一个里程碑，AI 可以自己下判断，有自主涌现的智慧，从技术上我认为这个阶段一定会到来。

彭雷：它现在是一个 token in 和 token out 的逻辑，其实就是 Transformer 架构是一个 sequence in、sequence out 的逻辑，我把一个字节传进去，它通过模型来算，回答你什么（内容）最符合概率优化的逻辑，本质上就是这个意思，一定要你先发一个内容它才会回答你。

但随着我们喂给它的内容越来越多，比如现在在钉钉场景里面，如果企业的私有化数据——税务、财务、业务、人事数据全部在里面，（AI）完全可以从中间发现一些问题来问我，早上起来打开钉钉（AI 对我说的）第一句话就是昨天有哥们没打卡，这个就是很简单的应用场景，它有一些意识。就像《钢铁侠》里的贾维斯一样的，钢铁侠跟它互动的时候，很多时候是贾维斯先告诉他的，不是他去问它的，贾维斯先告诉钢铁侠后方有危险，这些其实就是慢慢开始有「自我」的一些表现。

王斌：主动智能也是大家努力的方向，但是主动智能本身这个形式早就有了，比如给你弹个广告其实也算是主动的，它可能知道你想买这方面的东西。只是要做到完全了解你的主动智能，给你发出灵魂一问，可能还需要时间。大家都在朝这个方向努力。

02 AI+不同的应用场景，会带来哪些变化

AI+协同办公

田溯宁：叶军，钉钉作为国民级协同工具，AI+钉钉的进展也很彻底，你觉得 AI+办公场景会发生什么变化？

叶军：从钉钉的角度，AI+协同办公，现在已经有很多企业在用了，各种工作岗位上 HR、财务、设计师、开发工程师等等，他们用工具去完成任务的效率被极大地提升了，通过智能化+工具，实现了「所想即所得」。

之所以效率提高，是因为处理任何一件事情，从分解任务、计划任务到最后的执行任务，这三套体系都因为 AI 的出现发生了巨大的变革。

先说交互，原来用软件，用户要问在哪个菜单点击哪个位置，接下来再转到什么位置，这里也诞生了「用户体验」这个学科，让用户能最简单地一键能找到功能。但当前的 AI 技术出现以后，交互会从原来纯粹的 GUI（图形交互界面）到引入一个新的模式叫 LUI（语言交互界面），钉钉在交互层面会变得完全不一样。

第二，接到任务以后，怎么做批量分解和筹划，也发生了改变。不需要自上而下统筹规划，AI 会自动帮你计划，AI 知道谁适合干什么，哪个子系统适合干什么。

第三个变化是在执行这一阶段。AI 在执行任务时需要注意，并不是所有场景都需要超级大模型的规模，有时反而鼓励更多行业小模型、专属模型的出现，可以帮 AI 把执行任务这件事变得非常确定，无论什么样的指令进去，它最后做的动作一定是你指定范围内的一个动作。某种程度上，AI 在像钉钉这样具有场景、数据的体系面前，它的执行会有相当的确定性，这个确定性会消解掉大模型的幻觉，这是我们最近一年多实践得出的。这里可以发展的空间非常大。

2023 年 9 月 9 日，杭州凤起路地铁站一堵墙面以钉钉 AI 的海报记录亚运点滴。｜图片来源：视觉中国

田溯宁：AI 在协同办公领域的这三个变革，也对数据提出了新要求。有观众问，钉钉软件将来跟税务金四金五（金税四期、五期指的是，企业信息联网核查系统）是不是互通呢？

叶军：对，因为现在很多中小企业用钉钉，很多老板要求数据跟金四系统直接串起来，而且金四以后，全是电子发票，理论上提不提交都已经在了。

钉钉做的所有事情肯定符合企业管理者的安全框架，没有指令不会做，要求打通我们也可以打通。尤其有了 AI 以后，电子合同、电子发票是趋势，流通速度和办公效率会极大提升，当然，我们也更加重视数据安全跟隐私（保护），因为安全是底线。

AI+手机

田溯宁：王斌，AI 手机现在是一个很火的概念，你觉得手机加上像你 AI 实验室的成果会长成什么样？

王斌：从技术和产品结合的角度去想，手机可能有几个方面的变化。

第一，交互方式会变成多模态，除了文字，还包括声音等形式。多模态信息其实更能让手机理解你所处的环境，作出更合理的回复、响应或者是推荐等，交互方式会进一步人性化，更像人。

第二个，在入口上，也跟现有方式有所变化。AI 能力可能会变成手机的一个基本能力，一个操作系统层面的东西，这样能够支撑更多的开发者或者生态一起开发各种各样的应用。在这方面，需要一些时间来判断，（AI 带来的）流量入口到底是属于手机厂商还是 APP 厂商，还是属于大模型。

第三个，有可能造成手机形态本身的变化。AI 其实不只是大语言模型，还有文生图、文生视频等模型。随着 AI 能力越来越强，像手机里高配的摄像头等硬件能力，可以通过 AI 来实现。以后的手机可能不需要很高级的、昂贵且笨重的摄像头，一个普通摄像头就能拍出大片的效果，通过软件的能力完全可以还原真实场景。

AI+医疗

田溯宁：彭雷你觉得呢？AI+脑虎科技的应用，会是什么样的？

彭雷：本质上我们做的算是医疗器械，所以在研发过程中，其实有很多 AI 可以赋能的地方。举个例子，像现在我们解码植入电机之后，可以采集到一个人十几个或者上百个神经元放电信号。过去解码方式其实是非连续解码，解码结果只是说能够控制机械臂前进后退、左右两个自由度，但大模型之后，我们也在探索，其实是可以做多模态的一些解码。

比方说患者采集了一百个神经元放电，让他去想象控制机械臂，但同时它也可以把视觉跟声音信号与脑电信号做多模态叠加，叠加之后输出结果可能是连续的、多模态的一个结果，这方面比较前沿，目前停留在科研阶段。

AI+教育

田溯宁：志晨，你们行业会怎么应用 AI？

俞志晨：我觉得人工智能在教育领域的赋能和结合会是一个很大的话题。基于这个背景讲讲我们做的两个方向，一个是家庭，一个是进校。

人工智能赋能家庭教育，目前来讲发展比较快。

进校方面，我们开发了一个专门面向教育的大模型，从助学、助教、助管、助演等几个纬度，帮助学生和老师做教学效率提升。在课堂里面，我们在一些试点学校里面打造「双师」，一个真的老师，一个是 AI 助教，未来他们上课的时候，一个真正的老师讲课，同时有一个 AI 助教配合老师做一些记录、分析、反馈，课后也可以通过各种载体，比如电视、手机、智能硬件机器人、台灯等做一些场景的赋能和解决，让教育能够在学校和家庭端打通。

AI+自动驾驶

田溯宁：有观众提问，这波 AI 会给自动驾驶带来怎样的影响？

王斌：自动驾驶这些年可能有很多条路径，大模型出来之后，可能会产生一条路径，包括特斯拉也在试。其实就从 Sora 说起，Sora 能够生成很真实的视频，其实自动驾驶很缺仿真数据，你不可能车去撞了以后再去调算法，对自动驾驶来说仿真驾驶是非常重要的，仿真的越真实，越把各种场景都能够调通，对自动驾驶现有算法提升非常高。

所以自动驾驶公司都在走这条路，怎么利用大模型生成数据来还原各种驾驶场景，从而能够快速进行自动驾驶的迭代，如果这一步做好的话会比现有水平高很多。

现在我们都是路采数据，各种限制太大，大模型生成东西其实是可以为各行各业服务的，所以你也可以认为大模型是非常好的数据生成引擎，这一块我觉得自动驾驶会带来非常重要的影响，所以现在所有公司都在投入这方面去做相关工作。

03 脑洞大开，畅想 AI 的未来 

田溯宁：看到 Sora 能把形象完全生成出来，未来也许可以用它做一个电影，把当时跟女朋友谈恋爱的故事还原。现在的AI技术带给我们很多可能性，如果说工业革命解决物质生活的极大丰富，这场 AI 革命是不是要解决生命情感和生命质量的丰富多彩？大家对 AI 在未来的发展有哪些畅想？

叶军：我觉得像人类在数字世界永生，是可以做到的。把我这一生的经历、所见所闻训练成一个数字化的分身，未来有人突然想跟我聊天，扫一下我的码就真的可以跟我聊天，只是大模型的技术成熟还需要时间，来解决好幻觉等问题。

王斌：ChatGPT 发布之后，我第一时间让它帮我证明一下勾股定理，结果它的证明是错误的，但是思路非常新奇。这是一个几何题，我从来不会用数学归纳法来证明，它虽然错了，但是思路很清晰，让我觉得 AI 或者大模型可能对整个科学发展有极大的推动力，加速科学发展。大家形象地开玩笑，跟 ChatGPT 聊天搞几个物理定律出来玩玩。

俞志晨：硅基的这种生命指数级增长，可能最终结局有两个大方向，一个是物理实体的人形机器人，一个是虚拟形态的机器人——AI 数字人，未来可能对人类自身带来一个群体智能的提升。

田溯宁：彭雷，从你的专业角度看这个问题，脑袋里加一个东西而不需要背唐诗宋词，就能够把中国所有的伟大古典文学都能记下来，AI 会不会推动这样的事情发生？

彭雷：这是一个美好愿望。脑机接口目前还是处于刚刚起步的阶段，大脑有 800 亿个神经元，本质上讲，人的所有思维、意识、记忆、情感其实都是脑信号放电的一种模式而已。大模型通过调参之后的模型库是一样的逻辑，唯一的区别是芯片不能改变物理结构，而大脑神经的突触连接在实时变化，就像我们现在在说话，其实是每个人脑信号在不断放电，在座各位听众也是在放电。

但我们其实对大脑的很多生存原理完全没有了解，不知道如何工作，更谈不上如何调控它。目前，脑机的应用还是在医学层面上针对一些绝症、重症的患者，比如帕金森患者，手抖得很严重，通过刺激患者大脑某个区域能够让他立刻不抖。

加拿大脑机接口技术实验成真，给严重残疾人士带去希望 | 图片来源：视觉中国

但像刚才说的，我们什么时候可以通过脑机直接把一些知识、记忆、情感直接传递到另外一个人，我自己觉得还是 15 年以后的事情。

王斌：关于人工智能和脑科学怎么互相促进，我在一些大模型的脑暴会上，感受到脑科学的研究者们对大模型出现感到非常兴奋，他们认为大模型其实是在印证脑科学的一些想法，反过来推动脑科学的。

人工智能发展也一直有两条路线，一种就是把人脑搞清楚来模拟人脑，还有一条就是通过计算的方式来做，但第一条路线确实比较难，因为对人的理解进展没有那么快，但是大模型出现之后，这之间好像架起了一个桥梁，重新使得这两条路线有融合的可能性，所以这是一个比较伟大的事情。

彭雷：是的，为什么马斯克做 Neuralink？他说我们现在技术演进就是在硅基里面的那些交互，Web1.0、Web2.0、软件算法、SaaS 所有的交互，最终它的增长速度一定会受限于终极速度，也就是人跟 AI 交互速度。

图片来源：视觉中国

BCI 的定义是要解决人跟 AI 交互速度问题，像现在我们两个说话，一分钟最多说 120 个字，但实际上如果我的思维形成语言再传递给你，中间经过了抽象、提炼、表达、你听到、再吸收的过程。如果有朝一日能跳过中间环节，思维和思维直接传递，会真正提升带宽。只不过这个东西还很远，也许很快就能组合出来，但也许更长时间，目标和方向是为了打开大脑跟 AI 连接通道的速度问题，这是他的想法。

田溯宁：植入脑机接口是什么样的？

彭雷：先切开你的头皮，然后去掉一小块颅骨，再将一个跟头发丝还细十几倍的一根细丝，插入你的大脑皮层三个毫米左右，连上了一个植入体，相当于一个硬币大的东西，用这块东西替补掉那块颅骨，再把皮肤盖回去，整个设备完全在皮下，看不出来。

田溯宁：十年之后咱们在这儿开会有一波人脑袋上戴着天线，是一群更聪明的人？

彭雷：你可以理解埋了一个 Apple Watch 在脑袋里，它上面有很细的线插到大脑皮层连到你的神经元，神经元一放电它就知道了，把信号通过无线传出来。

田溯宁：这确实是脑洞大开，那你自己准备试一试吗？

彭雷：我肯定试，我不会是第一个，但我肯定有这个计划，等技术再足够成熟。

田溯宁：人类创新探险都是这样，我前一段时间看大航海时代，那时候葡萄牙人、西班牙人根本不知道远处是什么，没有什么指南针，基本上去（探险）的 70%—80% 人都会死掉，有的被人吃掉，有的人感染了各种各样的疾病去世，但是正是这些人发现新大陆，后来的人才知道工业革命的关键意义。之所以今天有这么好的物资生活，也是因为当时那群探索者把自己的精力全部投入进去。