解码未来：全球数智趋势专题论坛在上海浦东成功举办

9月25日上午，“解码未来：全球数智趋势”专题论坛在上海浦东成功举办。论坛由工业和信息化部工业文化发展中心、上海市经济和信息化委员会、上海市浦东新区人民政府主办。工业和信息化部工业文化发展中心副主任孙星、上海市经济和信息化委员会总工程师裘薇出席论坛并致辞。

专题论坛是工业文明国际论坛的分论坛之一。主论坛以“工业文明·中国力量”为主题，设一个主论坛和三个分论坛，来自多个国家的政府代表和专家、企业家，聚焦工业文明变迁、人工智能和在线新经济、新能源和智能网联汽车、先进材料、生物医药、产城人文、工业博物馆等热点议题展开讨论。

微软亚太研发集团副总裁

商容

拥抱AI，把握生产力跃升的契机

微软亚太研发集团副总裁商容以“拥抱AI，把握生产力跃升的契机”为主题，分享了AI在科学探索、用户界面、推理引擎等方面的技术突破，展望了AI如何助力人类实现更高效、更创造性的工作，同时强调了负责任地发展AI的重要性。

回望人类工业文明的历程，科技创新始终是推动人类社会进步和增长的核心动力。如今，AIGC技术灿然绽放，成为点燃生产力和生产关系新一轮变革的火种。技术变革对全球GDP的增长呈现了指数级的加速，在个人电脑、互联网和云计算的浪潮之后，人工智能正在以更快的速度推动人类高质量发展。

现在AI真正具备了大规模普及、多行业渗透、全方位驱动变革的能力和能量，在这样的背景下，每一家企业、每一个组织都需要刷新调整自己，构建自身的思维理念，以确保在所在的行业错失风口而无所作为。

“AI新时代正在重塑包括微软在内的每个企业和组织。”微软的全新AI时代——的最新用户界面和最新推理引擎。由大语言模型提供的自然交互的界面，使用户可以通过自己的母语、中文、英文或者其他的语言和计算机，与AI进行高带宽的交流，同时这样的交流也延伸到了图像、计算机视觉等更自然的输出和输入的方式，AI不仅可以执行指令，还可以帮助更好地梳理知识，展现创意，这是一个根本的改变，人们不需要再借助代码跟计算机进行交互。

此外，新的推理引擎能够快速从数字世界快速准确找到对自己有用的知识、有价值的信息，并对之理解、延展、推理、规划，大幅缩短了用户处理信息所耗费的时间，让用户可以更加专注做更重要、更有价值的工作。

伴随AI的起飞，以往难以想象的垂直增长变成了现实。如果将那些曾经改变我们的技术、服务和产品达到1亿用户的时间作为一个考量的曲线，就会发现，这一轮只用了不到3个月的时间，就在全球范围内达到了1亿用户。创新的频率和效率变得越来越快、越来越高，垂直增长的时代已经来临。

未来人工智能的核心价值是，它不仅仅可以扩大商业影响力和客户价值，还能推动科技的突破性发展，并致力于应对解决全球范围内最为复杂的难题和挑战。我们已经进入了人工智能和人类共进化的时代，未来已来。

美讯的创始人、CEO

Chris

赋能中国企业全球化、本土化——

企业如何巧用AI建立海外市场的信任

尽管AI技术在提升工作效率、优化产品形象等方面发挥着重要作用，但跨文化信任的建设仍然是AI无法替代的人类工作，人与人之间的交流和信任是企业海外成功的关键。

中国改革开放以来，中国出海产业持续升级，从以中低端产品和出口贸易阶段，逐步迈向定制化、个性化以及高端化的发展路径。工业文明的演进背后，是产业升级所带来的新挑战，在海外市场，在追求高端高质量发展的过程中，需要一个与之相匹配的高端形象，品牌和形象的提升显得尤为重要。

许多人认为品牌是一个较为抽象的概念，然而 品牌实际上是与个人之间在文化上的共鸣，“他们觉得你是自己人、有心人”。在海外可以明显地看到一个趋势，即中国各行各业的产品和服务价值已经达到世界级水平，足以竞争得过欧美、南美等地区的产品和服务竞争。

当前中国企业出海面临很多问题，问题源于人与人之间的信任建立。各行各业在海外的进程中，产品好仅占成功因素的50%，而另一半则取决于海外客户对企业的喜好程度，但这对于中国企业而言都是机会。因为产品品质这一最大难题已基本解决，接下来在海外的关键就在于构建文化层面的信任。

以人工智能、新能源、医疗健康和餐饮连锁四大最具代表性的行业为例。在科技领域，包括人工智能、软件即服务（SaaS）平台以及消费电子产品，在海外市场拥有巨大的潜力。其次是新能源行业，目前无论是在国内还是国际市场上，新能源汽车都备受瞩目，海外市场尤其广阔。第三是医疗智能健康领域，最后则是餐饮连锁行业，中国菜在全球范围内一直受到广泛的关注和支持。所以这四个领域是产业升级、品牌升级在海外重点机会所在。

无论To C产品还是To B端的解决方案或产品，在提升海外信誉层面，首先一点在于，利用AI协助塑造企业形象。AI能够帮助企业制作高质量的文字、图表和视频内容，从而维护和提升企业形象。

在商务环境中，网站或对外宣传材料若出现拼写或语言上的错误，将严重影响企业形象，现在，企业可以将翻译工作“外包”给AI，从而提升企业的基础形象，这是企业的“内功”。

不过，未来出海传播与公共关系仍需以人为本，AI做不到的是代替第三方进行“背书”，来自AI的肯定不能替代人类的推荐，因为只有来自人的认可才具有真正的价值。

“只有人说你好才是好，这是背书的作用，这个是海外市场的关键”，企业可以将10%的努力和预算投入放在提升“内功”，而“内功”得到提升，形象得到改善时，至少90%的努力可以获得第三方的认可。通过AI辅助，建立了信任之后，高质量的产品和产业升级才能发挥其应有的作用，如果信任问题没有得到解决，在海外市场的努力也会打折。因此，第三方认可的重要性不容忽视。

上海纽约大学数学和数据科学教授

Laurière

用于大规模多代理系统的机器学习

和生成式 AI

Laurière从学术角度揭示了AI技术在模拟复杂系统中的应用前景。他介绍了多代理系统的概念，将其与自然界中的群体行为相类比，如鸟群飞行和城市交通流动，进而探讨了这些系统在能源分配、分布式计算和金融市场分析中的应用。

多代理系统或者多智能体系统在我们的日常生活中并不少见，例如人群的运动（Crowd ），大城市的交通路线（ ），在金融市场（ ）中通常也会用到多智能体系统。多智能体系统的特点是，有大量的智能体，它们存在互动，也会制定决策，同时环境非常复杂。

多代理系统的核心在于智能体的理性决策、环境的复杂性以及缺乏统一规则。为了解决这些挑战， Laurière提出了基于智能体的模型、博弈论和机器学习等解决方案。他解释了平均场近似方法，该方法通过模拟大量智能体的行为来预测整体趋势，以及博弈论在预测个体决策中的应用。

通过多智能体系统可以了解人们的行为及决策。例如，地铁站人群拥挤，想要了解在地铁站中每一个人的行为，比如哪个区域人的密度比较高、哪一些密度低、他们移动的轨迹是怎么样的，但是随着时间的推移，人群的密度会改变，也就是说他们的行为会改变。

“我们想要了解他们这种行动变化背后的原理是什么，在交通领域我们可以通过多智能体系统来了解交通的运行情况。”演讲中， Laurière展示了多代理系统与生成式AI的联系。第一个例子是生成对抗网络（GANs），它能够生成逼真的人脸图像，展示了AI在创造新数据方面的潜力。第二个例子是深度强化学习（DRL）在模拟鸟群飞行中的应用，说明了AI在模拟复杂动态系统方面的潜力。

Laurière展望了未来研究的方向，包括提高模型的复杂性、开发新的数值方法，并强调了跨学科研究的重要性。

复旦大学

计算机科学技术学院教授

张奇

大语言模型能力边界与发展思考

张奇在演讲中分享了其实验室在自然语言处理领域的研究进展，特别是大语言模型的开发和应用。其所在实验室是国内最早从事这一领域的研究团队之一，近年来取得了显著成就，包括开发国内首个学术界大语言模型，并发布了多模态版本。

张奇介绍了他们在模型理论方面的研究，包括发现模型中的核心参数区域，这些参数对模型性能至关重要。

2023年，大家认为大模型无所不能，所有的地方都可以使用，可以写代码，可以做医疗，能够做很多东西。但是干了一年后，大家发现，大模型落地总是差那么一口气。比如，去问大模型一句诗的下一句是什么，它可以做得很好，但是如果让它回答一句诗的前面一句是什么，或者一个成语的中间一个字是什么，结果会变得非常差。这也就让我们思考，为什么大模型会出现这些情况，它能做什么，不能做什么。

他进一步讨论了大模型在实际应用中面临的挑战。尽管大模型在很多方面表现出色，但在落地时常常差强人意。张奇通过比较不同版本的GPT模型来说明这一点，探讨了大模型在特定任务上的限制。

张奇深入探讨了大模型的能力边界，包括预训练、有监督微调、指令微调和强化学习等不同阶段的训练过程。他指出为了让模型记住知识，需要大量的重复曝光，而且训练数据必须具有高密度的知识。有监督微调阶段需要大量的训练数据，而且不同任务之间的训练数据量和效果有显著差异。

大模型的能力并不是凭空涌现的，而是与训练数据紧密相关。强化学习在提升模型性能方面有巨大的潜力，也面临挑战，在进行强化学习时需要大量人工标注工作和高昂的成本。

大模型的核心能力，包括上下文建模、多任务学习、跨语言特性和文本生成能力。尽管大模型在某些方面表现出色，但在推理能力上仍面临挑战。未来发展的两条可能路径是跟随的步伐或者探索新的方法来提升模型的智能。

对于未来的大模型，清晰认知它的能力边界非常重要。如果对能力边界有共识，对于未来投资的力度和方向就有很好的把握。但是可能还需要一定的时间，或许一年、两年的时间才能完成对认知能力边界的确认。

维智科技创始人、董事长

陶闯

时空AI与时空数据要素资产化

时空人工智能的潜力无穷和挑战巨大。尽管当前大模型技术备受关注，但在实际应用中，尤其是在空间智能领域，仍存在许多未解决的问题，重要原因是空间信息的复杂性和对空间智能的需求。

数字化首先要完成思维上的革命。信息化核心目标是让人来解决问题，但是数字化的核心是让机器解决问题，不是让人来解决。数字化实际上是思维范式的颠覆，让机器帮人类决策，或者让机器辅导决策，这样的系统才叫数字化系统，否则就是信息化系统。

城市空间的管理和发展是一个巨大的挑战，因为城市的复杂性远远超出了人力管理的能力。比如，汉堡王在扩张时如何利用AI和大数据分析来决定新的店铺位置，就是一个极其复杂的系统。举报复杂系统决策能力的大模型和AI工具在规划和发展方面具有巨大潜力，尤其是在帮助企业“出海”时。

数字孪生技术，从1.0时代的地图建模，到2.0时代的机器计算，再到3.0时代的元宇宙概念。未来的城市数字化将依赖于这些技术。而空间大模型的发展，目前只是冰山一角，真正的挑战在于如何利用这些模型解决物理空间和城市空间的问题。

陶闯还分享了所创建公司开展的研究，该公司专注于让机器理解城市，通过时空数据的组织和索引，解决了城市空间的复杂性问题。模型可以预测酒店入住率、门店销量等，为企业提供决策支持。

数据资产化和数据要素市场的发展将为AI时代提供基础设施。没有数据，机器不会思考，数字资产的重要性由此彰显。AI时代需要大量的数据，组织、挖掘、清洗、治理这些数据需要很多的投入。未来的企业竞争中，最重要的是将数据用起来，进入整个数据产业。