【顛覆】曠視研究院張祥雨：人工智能成為新一輪科技革命和變革的核心力量，未來幾年將改變我們的世界

【資料圖】

聊天機器人(行情300024,診股)ChatGPT爆紅全球，掀起AI浪潮。一時間，人工智能生產內容（AI Generated Content，AIGC）也再次被推上了風口浪尖，國內外科技巨頭爭相布局。

隨著新市場的打開，AIGC將如何影響資本行業的發展？人工智能的發明終究會對人類產生怎樣的影響？ 結合當下ChatGPT，金融界推出《顛覆——人類與 AI 之爭》特別策劃，對話新聞傳播、服務行業以及前沿科技等領域專家、學者，探討人工智能新技術如何驅動經濟發展，實現新舊動能轉換，促進產業生態的良性發展。

本期嘉賓：曠視研究院基礎科研負責人張祥雨

核心觀點：

◎人工智能作為新一輪科技革命和產業變革的核心力量，會在未來幾年更快速地發展和應用，從而改變我們的世界。

◎ChatGPT在底層數據、核心技術、用戶體驗等各方面都可以說是里程碑式的 AI 產品。但對于常識建模、尤其是數學邏輯能力比較欠缺，對數字的敏感性不強。

◎“AI in Digital”和“AI in Physical”是兩條不同的技術路線，相輔相成，對我們的未來會產生根本性的影響。

以下為對話全文：

金融界：請您談一下最新風口上的ChatGPT，將會給人工智能帶來哪些變革？

張祥雨：人工智能作為新一輪科技革命和產業變革的核心力量，從底層推動著社會生產力的提升。我們相信，人工智能會在未來幾年更快速地發展和應用，從兩個方向改變我們的世界。

一是“AI in Digital”，即以 AIGC 為代表的技術浪潮，通過重構內容生產力，讓數字世界發生變革。二是“AI in Physical”，即以特斯拉為代表的企業，通過構建不同形態的機器人載體，對物理世界進行改造。

ChatGPT 在底層數據、核心技術、用戶體驗等各方面都可以說是里程碑式的 AI 產品。 如果我們從智能的角度看，AI 要能完整模擬人腦，大概是“感知-決策-執行-反饋 + 知識/記憶”這幾個模塊。ChatGPT 的核心技術是 AI 語言大模型，關鍵是如何讓 AI 模型具備邏輯推理能力，以及如何讓 AI 學習全互聯網的知識。ChatGPT 基本都做到了， 因此在決策和知識這個環節有了很大的突破。但是它基本上是沒有跟物理世界發生關系，包括輸入和輸出。

我們會發現，人類在物理世界的生存能力和基礎運動能力，看似簡單，其實經過漫長的進化，底層機制是更難被破解的。某種意義上來說，是一種更難學習的智能。 “AI in Digital”和“AI in Physical”是兩條不同的技術路線，相輔相成，對我們的未來會產生根本性的影響?！癆I in Digital”背后的生成式大模型也為“AI in Physical”的發展帶來了新的機遇。曠視的技術愿景是“AI in Physical“，通過構建底層統一的感知 -決策-執行技術體系，做真正影響物理世界的 AI 技術創新。

金融界：你認為ChatGPT存在的瓶頸是什么？

張祥雨：自從ChatGPT發布之后每天都在體驗。我主要關注它的邏輯能力，而不是知識容量。給我最大感受是多輪對話、語義理解能力很強，語言邏輯非常流暢，在高階的指代關系推理、思維鏈（chain-of-thought）方面做得也很好。但是對于常識建模、尤其是數學邏輯能力比較欠缺，對數字的敏感性（比如大小關系等）不強?？傮w上來講，還是非常超出預期的。雖然在此之前我們已經接觸過很多語言大模型，但ChatGPT的出現還是讓我感覺技術又前進了一大步。

ChatGPT 在底層數據、核心技術、用戶體驗等各方面都可以說是里程碑式的 AI 產品。

期待國內能夠培養出更多有前瞻能力、能出題的帥才，提出好的課題，帶領團隊做出具有原創性的科研成果。

金融界：如何看待 ChatGPT 的應用趨勢？曠視研究院的核心科研成果有哪些？

張祥雨：從能力上來說，ChatGPT 背后的關鍵技術底座是生成式大模型；從公司自身角度談起，模型設計能力是曠視研究院多年以來積累的核心能力。我們圍繞“感知算法+算法量產”，不僅在算法模型上有深厚積累，而且還可以將算法生產的全過程實現標準化，從而形成了自己獨特的技術優勢。

曠視研究院的核心科研成果包括AI生產力平臺Brain++ 、開源深度學習框架曠視天元MegEngine、AI算法生產平臺AI Service、移動端高效卷積神經網絡ShuffleNet等多項創新技術和產品。隨著預訓練大模型技術在近幾年的快速成熟，曠視研究院圍繞通用圖像大模型、 視頻理解大模型、計算攝影大模型和自動駕駛感知大模型四個方向積極布局，并取得了多項突破。比如，在通用大模型方面，曠視提出了RepLKNet、RevCol等創新性模型。在自動駕駛感知大模型方面，曠視提出的PETR系列大模型、 LargeKernel3D和BEVDepth 3D檢測模型在檢測、分割等任務上均取得了最優成果。

關鍵詞： 曠視研究院張祥雨