編者按：這篇文章是香港科技大學校董會主席、美國國家工程院外籍院士沈向洋(Harry Shum)在2024年9月5日開幕的2024年外灘大會上的演講實錄。在題為《大模型時代的機遇和挑戰——技術融合 產業躍遷》的演講中，沈向洋院士分享了他對算力、數據、大模型、以及AI Agent、AI 治理等話題的思考。
精彩觀點：
摩爾說我們18個月漲一倍算力，現在GPU算力是一年漲四倍。如果18個月只是漲一倍，那么十年下來大概上漲100倍。一年漲四倍，那么十年下來就是100萬倍。我再強調一遍，100萬倍。
如果大家關注大模型，都知道大模型整個模型越來越大，參數量越來越大。所以算力要求，隨著參數的增長，實際上還不僅僅是線性增長，更加像是一個平方向的增長。
真正做大模型的公司，如果你一萬張卡都沒有，你就根本不要講自己是在干大模型的公司了。
GPT-5出來的時候，到底會用多少數據？我們現在只能猜一猜，我猜大概會是200個T的數據。
今天你要做通用大模型，那肯定至少是萬張卡，而且再向前走，1萬張A卡都不行了，要一萬張H卡。行業大模型需要千卡級別的資源。每家企業要做企業大模型，可能需要百卡訓練。
我覺得接下來，人工智能的發展很重要的一點，從各個國家、全球的角度來講，一定要做主權人工智能，所謂的Sovereign AI。主權人工智能背后一定需要有個主權云Sovereign cloud，來支持Sovereign AI的發展。
GPT-3出來了以后，大家講有個東西叫做智能，有個東西叫做智能涌現。但實際上，為什么涌現出來，什么時候涌現出來，是什么方式涌現出來，都是講不清楚的。
以下是“智能超參數”根據演講視頻整理而來的演講實錄，enjoy：
大家早上好，非常高興又回到美麗的上海，跟大家一起分享一下最近在人工智能的科研方面、產業方面的一些心得和體會。今天我講的題目是《大模型時代的機遇和挑戰——技術融合 產業躍遷》。
我們今天大會的主題是科技的發展和未來可持續發展。其實我們應該首先看一看人類歷史的發展。它實際上從頭到尾就是一個技術發展的歷史，推動了人類整體發展。
如果我們聚焦到最近，就不要講以前發明的火、發明了輪子，那么現在最近這些年的這樣的一個發展，大家可以看得到整個科研的發展，科技的發展的話，它實際上整體是在加速的。剛才Kevin Kelly的三個觀點里面也提到了一個加速的發展。
現在這個階段，今天我們在這里，主要討論的實際上是人工智能的發展。人工智能的發展也非常有趣。就是剛才Michael講的，這樣一些跟人工智能有關的字，Cybermetics、AI等。
最近這些年，對普羅大眾來講，大家對人工智能的理解，我覺得可能有三件事情是非常家喻戶曉的。第一個事情當然就是ChatGPT，實際上是從文生成文；第二個實際上是 DALL-E，就是所謂的文生成圖；第三個是 Sora，是文生成視頻。
很神奇的事情，這三件事情，首先都是由OpenAI這樣一個初創公司首先推出來的。當然接下來很多公司在競爭，做非常類似的東西。比如ChatGPT，我今天來外灘大會來演講，沒有什么思路，我就問問ChatGPT——我到外灘大會來演講，到底應該講些什么東西？
今天早上我們香港科大謝源教授跟我講，今天晚上要不要一起看足球，中國對日本，我也問了問ChatGPT或者類似的一些產品，說今天晚上中國對日本有沒有戲？現在這些人工智能可以回答得非常好，洋洋灑灑講了半天，大概率是沒啥希望，說不定還是可以爆冷的。
中間這個例子，實際上我非常喜歡的。這是人類歷史上第一次一張人工智能生成的照片，成為一張雜志的封面，有史以來第一次。也就兩年前，有一個數字藝術家Karen Cheng，用DALL-E系統，給了一段話提示符，說在浩瀚的星空中，一個女宇航員在火星上昂首闊步走向一個廣角鏡頭。那么人工智能的這種生成能力，實際上已經相當驚人。更不要講今年早些時候出來的Sora文生視頻，可以生成 60秒鐘的高清視頻。
到了今天這個時刻，我們應該怎么樣去思考大模型，特別是對產業方面，到底有什么樣的一些深入影響？
前面的演講者也都提到了，實際上整個人工智能的發展，特別是過去這段時間深度學習的發展，最重要的事情，實際上是三件事情——算法，算力、數據。我接下來跟大家分享一下最近這段時間自己的一些思考。
第一個思考——算力是門檻。今天做大模型，做深度學習，首先最重要的事情實際上你要有算力。這里畫了一張圖。從2010、2012年開始，包括Geoffrey Hinton的學生做AlexNet，從那時候開始，所有這些大模型每年需要的算力是以一個什么樣的規模向前成長。
開始幾年的話，有六七倍的成長，最近這幾年穩定下來，大概每年有一個四倍的成長。每年四倍的成長是什么概念？大家平時不想這個問題，我先留一個題目給大家。你現在先想一想，待會我再問你。每年漲四倍，十年漲幾倍？
算力這樣一個增長，很重要的一件事情，就是今天大家要大模型。如果大家關注大模型，都知道大模型整個模型越來越大，參數量越來越大。所以算力要求，隨著參數的增長，實際上還不僅僅是線性增長，更加像是一個平方向的增長。為什么呢？因為模型大了以后，你還要有更多數據來去訓練大模型。所以整體對算力的要求，過去這些年是非常非常的大。英偉達股票之所以這樣高舉不下，這是最重要的一個原因。
這幾年我演講，講了一句話叫做——講卡傷感情，沒卡沒感情。今天如果復旦的教授問校長，我是個人才嗎？其實很簡單了，你就問校長給不給我100張卡。
你一定要去弄個公司做大模型，不要說做大模型，（就是）做行業模型，就要跟投資人講，你能保證給我錢買1000張卡嗎。真正做大模型的公司，如果你一萬張卡都沒有，你就根本不要講自己是在干大模型的公司了。所以我就講——講卡傷感情，沒卡沒感情。
但沒卡以后，沒錢以后最大的一個問題是什么呢？就是貧窮。以前講叫貧窮限制了我們的想象力，我覺得現在是貧窮扭曲了我們的想象力，就不敢去想這樣可以有突破性的一些問題。
講起卡，這個必須要講一講整個計算機芯片行業的發展。從原來的摩爾定律，已經變成了黃氏定律。以前CPU的增長，大家都知道英特爾非常了不起。摩爾說我們18個月漲一倍算力，現在GPU算力是一年漲四倍。如果18個月只是漲一倍，那么十年下來大概也就是上漲100倍。一年漲四倍，那么十年下來那就是100萬倍。我再強調一遍，100萬倍。
剛才王院士也講了，1000倍就是一個什么樣的進展。那么100萬倍是什么樣一個情況？為什么會這樣呢？
這是我的第二個思考，就是這里面數據的重要性。給大家看一個關于數據的數據。GPT-3出來的時候，兩個T的token。GBT-4的時候，從外面看到的數據，當時大概是 12個T左右的數據。那么它后來還在不斷加數據，我們猜的話，現在GPT-4大概是20T的數據。
今天大家望穿秋水，天天在等GPT-5什么時候會出來？那么GPT-5出來的時候，到底會用多少數據？我們現在只能猜一猜，我猜大概會是 200個T的數據。實際上你在互聯網上挖來挖去，挖不出200T的數據了。這200T的數據怎么出來的？實際上你還要再想其他辦法。
當GPT-3出來的時候，GPT-4出來的時候，這個給我的非常大的震撼，實際上是好像我們互聯網40年，天天大家急急忙忙的，今天寫個網站，明天弄個東西搬到網上去，激動的不得了。首先是（數據）被Google利用了，弄來做搜索。然后今天再想想，可能最主要的是積累了這個東西，就是用來做ChatGPT，就是為了這樣一個AI的時刻。
做到今天了，下一步到底要干什么？我講就是非常清晰的，就是這樣一條思路，特別是最近DALL-E、Sora實際上也給大家指明了一個方向。就是從原來的語言模型、文本，接下來要做多模態，我們仔細做computer vision的同學們，就有用武之地了。
未來再向前走，Sora模型雖然做的非常好了，大家也可以看得到，實際上這樣一個多模態Sora模型，它還不是那么強大。實際上這里面的物理性質是不能保證的，做不到世界模型。未來肯定是要往具身智能走，一定要往機器人走。機器人這件事情，當然這里面的一個特別的形態，實際上就是自動駕駛。
技術上來講，肯定是要走一條生成和理解綜合起來的一條道路，這樣一個AGI。當然大家有不同的看法，比如（王）小川，一直覺得不需要視頻，不需要視覺，也是有希望走向AGI的。
這里就介紹一下我幾個學生做的一個公司階躍星辰，這樣一個多模態可能是今年大模型公司里面做的最好的一個多模態的工作了。
今天不舉其他例子，就講一個最左邊這個例子。比如，你把一張圖上傳到躍問這個APP上面去，你問他為什么圖中這個行為被稱之為無效技能？你看一下也搞不清楚為什么叫無效技能。這個APP會告訴你，為什么叫無效技能呢？因為小朋友躺在街上打滾，他媽媽無動于衷，一直繼續看手機，所以小孩這個技能叫做無效技能。當然視頻分析現在也可以做的很好，圖片分析都可以做的很好。
第四個思考，毫無疑問大模型現在只是對整個行業的影響，剛才王院士也講到了，AI+有很多很多機會。
那么我再回到對算力的需求。今天你要做通用大模型，那肯定至少是萬張卡，而且再向前走，1萬張A卡都不行了，要一萬張H卡。行業大模型需要千卡級別的資源。自己一家公司，每家企業要做企業大模型，可能需要百卡訓練。
但是我自己特別激動人心的事情，實際上是個人大模型。現在像聯想、微軟在推的AIPC，蘋果所謂的apple intelligence，都是朝著personal intelligence這個方向向前發展。
這里我給大家分享一個數據，到7月底，中國備案大模型一共是197個。197個備案的大模型里面，可以看得到，大概是30%是通用大模型，70%是行業大模型，未來肯定是越來越多的行業大模型。
這里我簡單給大家看一個例子。這個是財躍公司做的一個“財躍”大模型，可以對整個金融行業進行一個分析。比如說英偉達的財報出來了，然后很快可以做出一些非常好的結果。
第五個分享，大家都在講大模型出來，人工智能時代真正了不起的超級應用是什么？實際上超級應用一直存在，就是大家干不出來。實際上，超級應用就是AI Agent。
ChatGPT雖然很了不起，很強大，但是還遠遠沒有到agent的一個地步。整個agent這件事情，實際上是把人的生產力提高到了一個非常大的高度。從進來到出去，整個一個工作。
今天大家都知道，在公司里面，工作上整個工作流是非常之復雜的。GPT到今天，基本上還是相對比較單點的突破。真正向前走的話，要把整個工作流弄起來。今天時間關系，我就不展開講了，就是你要把這個行業進行一個分析，從大模型應用框架，到平臺，到知識技能、任務、對話全部要接起來，才可以做到這樣的結果。
這是非常簡單的一個例子，比如說讓AI顧問為您定制健康美麗方案。
演示視頻對話內容：
“您好，我是您的健康美麗顧問，非常高興為您服務。請告訴我您的需求，我將為您量身定制個性化的方案，祝你煥發自信和活力。
給我推薦一個好用的洗面奶吧。
當然可以。在為您推薦洗面奶之前，我想了解一下您的年齡、性別和膚質，這樣我才能更準確的為您推薦適合您的產品。
我是混合干皮。
小西馬上幫您進行查詢，了解了您的膚質，我可以為您推薦一款適合混合干皮膚的洗面奶，佰草集凈透保濕潔面乳。這款洗面奶采用氨基酸型潔面配方，溫和清潔肌膚。”
我想大家都看到了，剛才這個視頻里面，真正做到這樣一個虛擬員工，這樣一個工作流，你要把整個技能、數據庫跟你公司的所有數據打通，配以底層大模型，可以做出很了不起的事情。在應用方面，我對很多中國公司接下來的發展是充滿信心的。
第六點，實際上就回到，WAIC世界人工智能大會今年的主題，就是AI治理這件事情。這個事情非常重要，而且每個國家對這件事情看法也很不一樣。這件事情，AI對民眾的沖擊，公司的沖擊，政府監管的沖擊，社會發展的沖擊，現在大家都在擔心。比如講美大選，人工智能對大選產生一些影響，會不會有人用人工智能的一些技術去操縱大選的一些結果。它的確是非常的困難。
今年7月5號的時候，我有幸跟三個圖靈將得主，包括我的導師羅杰·瑞迪（Raj Reddy），曼紐爾·布盧姆（Manuel Blum），還有姚期智先生一起討論這樣一個問題。特別是今天，剛才王院士前面講到阿里云，就是基礎設施，我也非常贊同。
我覺得接下來，人工智能的發展很重要的一點，從各個國家、全球的角度來講，一定要做主權人工智能，所謂的Sovereign AI。主權人工智能背后一定需要有個主權云Sovereign cloud，來支持Sovereign AI的發展。
時間已經差不多了，所以我很快把最后兩點跟大家分享一下。
大家很激動地講大模型這件事情，但我想問一個問題，GPT給我們帶來的沖擊，有多少是人機交互的震撼，還有多少到底是機器智能的發展？大家好像覺得是機器智能的發展。我想感謝Michael，剛才提到IA這個詞，讓我不必再解釋了。
約翰·馬可夫（John Markoff），原來紐約時報的專欄作家，寫了一本非常好的書叫《machines of loving Grace》（注：國內叫做《與機器人共舞》），梳理了過去50年計算機科學發展的兩條主線。
一條主線就是AI，Artificial intelligence，是我導師的導師約翰·麥卡錫（John McCarthy）創造了這個詞。第二個就是IA這條線，就是這幫做UI的人講的，這個世界最重要的事情是智能增強intelligence augmentation。
如果你沿著這條道路想，實際上我們過去這幾十年的進展，主要是人機交互里面的一個突破。而且你要去想，人工智能這件事情，相當長的時間它還是一個工具。那這樣想的話，你就可以看得到過去這四五十年的話，整個行業的進展。
原來圖形用戶界面出來一個了不起的東西，叫做windows，產生了一家偉大的公司叫微軟。互聯網時代來了，出來一個東西叫搜索，出來一家公司叫谷歌，然后就到了移動互聯網，現在到了AI時代了，它的人機交互最本質的是什么？最本質的是對話，就像ChatGPT這樣。那么ChatGPT加上微軟會不會成為AI時代最偉大的公司?我想只有時間才能夠驗證。
最后我也想鼓勵大家研究，雖然GPT已經弄得如火如荼了，大家都等著GPT-5出來，說不定哪天還有GPT-6。實際上，我們應該從做學問的角度，回過頭來再想想，實際上今天對智能的理解還是非常非常有限，這個跟物理學真的是非常不一樣。
我們念物理的話，上到浩瀚的星空，下到微小的量子，希望弄一個大一統的理論能夠解釋。但是今天深度學習，雖然系統做的好像很像模像樣，但是大多數東西不可以解釋，也不是很魯棒。GPT-3出來了以后，大家就講有個東西叫做智能，有個東西叫做智能涌現。但實際上，為什么涌現出來，什么時候涌現出來，是什么方式涌現出來，都是講不清楚的。
去年，我在廈門科技大學聚集了一批海內外的一些計算機科學家，特別是一些數學非常好的科研人員，大家一起討論，要深刻討論涌現智能背后的數據原理到底是什么。
實際上今天人工智能的發展，還在一個相對比較早期的階段，但是行業上已經有很多應用，我們真的下定決心去做了，特別是有王堅院士弄的基礎設施在后面加持，我對未來發展充滿信心。
謝謝大家。
