想让广告轻松酷炫？试试酷圣石广告！

zhenduibutongdeyinleshejiaocaozuokuaisudetiyan，nikeyilejiebutongdewanfaxinxizailimian。helaiziquanshijiedewanjiamengongpingjingji，fahuizijidegaochaodecaozuo，jibaigengduodegaoshou。chunxiaqiudongsijifenming。xindenongchangyangzhiyouxikeyiganshoudaobutongdetianyuanfengguanghebutongdejiatingxingfuganpaizhaoquzi,zhinengOCRwenzishibie,shibiejieguokeyifuzhi、baocun、xiaoduidengdeng；☆nannvzhushuangshijiao，diedangqifudezhuxianjuqing，duojiaosefengfujibanjuqing，yinrenwajuebeihoudegushi。騰(teng)訊(xun)湯(tang)道(dao)生(sheng)：AI對(dui)世(shi)界(jie)的(de)改(gai)變(bian)，壹(yi)定(ding)也(ye)是(shi)通(tong)過(guo)與(yu)產(chan)業(ye)的融(rong)合(he)實(shi)現(xian)的

原(yuan)文(wen)：腾讯公(gong)眾(zhong)號(hao)

圖(tu)片(pian)來(lai)源(yuan)：由(you)無(wu)界 AI? 生成(cheng)

1950年(nian)，人(ren)工(gong)智(zhi)能(neng)之(zhi)父(fu)图靈(ling)在(zai)論(lun)文中(zhong)，提(ti)出(chu)了(le)一個(ge)關(guan)鍵(jian)問(wen)題(ti)：“機(ji)器(qi)是否(fou)可(ke)能具(ju)有(you)人類(lei)智能？”由此(ci)誕(dan)生了“人工智能” 的概(gai)念(nian)。

过去(qu)40年，AI發(fa)展(zhan)不(bu)斷(duan)加(jia)速(su)。大(da)語(yu)言(yan)模(mo)型(xing)代(dai)表(biao)人工智能的发展，已(yi)經(jing)達(da)到(dao)了一个新(xin)的高(gao)峰(feng)。

就(jiu)在2天(tian)前(qian)，腾讯也首(shou)次(ci)公布(bu)了“腾讯雲(yun)行(xing)业大模型解(jie)決(jue)方(fang)案(an)“，助(zhu)力(li)企(qi)业構(gou)建(jian)專(zhuan)屬(shu)大模型及(ji)智能應(ying)用(yong)。

今(jin)天，在北(bei)京(jing)大學(xue)光(guang)華(hua)管(guan)理(li)学院(yuan)和(he)腾讯共(gong)同(tong)推(tui)出的“企业管理者(zhe)人工智能通識(shi)課(ke)”上(shang)，腾讯集(ji)團(tuan)高級(ji)執(zhi)行副(fu)總(zong)裁(cai)、云与智慧(hui)产业事(shi)业群(qun)CEO汤道生開(kai)講(jiang)第(di)一课，也帶(dai)来腾讯对AI驅(qu)動(dong)产业未(wei)来的思(si)考(kao)。

汤道生認(ren)為(wei)，“技(ji)術(shu)的发展、演(yan)進(jin)、变化(hua)，总是超(chao)出人的想(xiang)象(xiang)，而(er)人类擁(yong)抱(bao)变化的勇(yong)氣(qi)，創(chuang)新的智慧，化挑(tiao)戰(zhan)为机遇(yu)的能力，也往(wang)往超出我(wo)們(men)自(zi)己(ji)的想象。”

“毫(hao)无疑(yi)问，AI对世界的改变，一定也是通过与产业的融合实现的。机器决策(ce)、自主(zhu)生成、自然(ran)交(jiao)互(hu)等(deng)一系(xi)列(lie)变革(ge)，推动产业实现更(geng)高效(xiao)率(lv)、更低(di)成本(ben)、更好(hao)體(ti)驗(yan)和更大创新。未来的企业，也將(jiang)向(xiang)智能原生进化。”

以(yi)下(xia)是演讲全(quan)文。

大家(jia)好！非(fei)常(chang)高興(xing)參(can)加今天的发布會(hui)，一起(qi)探(tan)討(tao)产业智能化升(sheng)级。隨(sui)著(zhu)(zhe)大语言模型的发展，我们正(zheng)在进入(ru)一个被(bei)AI重(zhong)塑(su)的時(shi)代，從(cong)生产銷(xiao)售(shou)、組(zu)織(zhi)人才(cai)，到产业革新、社(she)会发展，都(dou)会发生劇(ju)烈(lie)的变化。

許(xu)多(duo)企业管理者也在思考，如(ru)何(he)把(ba)大模型技术应用到自己企业場(chang)景(jing)中，比(bi)如在客(ke)服(fu)与營(ying)销環(huan)節(jie)，为业務(wu)经营带来更多降(jiang)本增(zeng)效？如何在使(shi)用大模型时，保(bao)護(hu)企业數(shu)據(ju)的产權(quan)与隱(yin)私(si)？如何降低大模型的使用成本？這(zhe)些(xie)都是企业管理者需(xu)要(yao)考慮(lv)的现实问题。

今天，我们和北京大学光华管理学院攜(xie)手(shou)共建的“企业管理者人工智能通识课”，就是期(qi)望(wang)能夠(gou)幫(bang)助大家，在前沿(yan)技术理解、公司(si)组织变革、商(shang)业模式(shi)验證(zheng)、模型实際(ji)落(luo)地(di)等重要问题上，一起尋(xun)找(zhao)新的解题思路(lu)。

在这裏(li)，我也分(fen)享(xiang)一些对人工智能和产业融合的想法(fa)，跟(gen)大家探讨，如何以AI驱动产业变革。

我想从四(si)个部(bu)分，分享一下自己的觀(guan)察(cha)和看(kan)法，包(bao)括(kuo)AI的歷(li)史(shi)、技术现狀(zhuang)、产业落地和带給(gei)我们的挑战。我先(xian)从技术发展的角(jiao)度(du)，回(hui)顧(gu)一下AI发展史，这会帮助我们更好的理解人工智能的现状和未来发展。

人工智能发展历程(cheng)

1950年，人工智能之父图灵在论文中，提出了一个关键问题：“机器是否可能具有人类智能？”由此诞生了“人工智能”的概念。

人工智能究(jiu)竟(jing)是什(shen)麽(me)？它(ta)是一門(men)研(yan)究、开发，如何模擬(ni)、擴(kuo)展人的智能的科(ke)学。包括机器人、语言识別(bie)、图像(xiang)识别、自然语言處(chu)理等方向。

簡(jian)單(dan)說(shuo)，就是研究怎(zen)么讓(rang)机器和人一樣(yang)，会聽(ting)会说，会看，会思考，可以行动。其(qi)中尤(you)其重要的一个方面(mian)，是让机器掌(zhang)握(wo)语言，从理解、学習(xi)，到生成表达，这也是今天，GPT-4这样的大模型所(suo)表现出来这種(zhong)“超能力”。

语言是人类思維(wei)最(zui)重要的載(zai)体，《人类简史》作(zuo)者尤瓦(wa)爾(er)（Yuval）甚(shen)至(zhi)说，通过掌握语言，人工智能已经破(po)解了人类文明(ming)的操(cao)作系統(tong)，掌握了通往未来的“萬(wan)能鑰(yao)匙(chi)”。

过去40年，AI发展不断加速。也有一些大众熟(shu)知(zhi)的標(biao)誌(zhi)性(xing)事件(jian)，比如，IBM的专用超算(suan)机深(shen)藍(lan)，在1995年，通过窮(qiong)舉(ju)棋(qi)盤(pan)上所有可能性，奪(duo)得(de)國(guo)际象棋世界冠(guan)軍(jun)。2016年，AlphaGo結(jie)合深度学习与強(qiang)化学习，在圍(wei)棋上打(da)敗(bai)李(li)世石(shi)。還(hai)有AlphaFold对生物(wu)科学的貢(gong)獻(xian)，把蛋(dan)白(bai)質(zhi)的折(zhe)疊(die)做(zuo)到非常高的精(jing)度。再(zai)到最近(jin)让大众風(feng)靡(mi)的ChatGPT、GPT-4，文生图技术Midjourney、Stable Diffusion等等。

这些事件的背(bei)後(hou)是底(di)層(ceng)技术，特(te)别是神(shen)经網(wang)絡(luo)的持(chi)續(xu)突(tu)破。1986年，深度学习之父傑(jie)弗(fu)里·辛(xin)頓(dun)(Geoffrey Hinton)发明反(fan)向傳(chuan)播(bo)算法，奠(dian)定了现代机器学习，用数据来訓(xun)練(lian)神经网络的理论基(ji)礎(chu)。

神经网络計(ji)算模型的原理，是通过模仿(fang)人腦(nao)构建人工神经元(yuan)模型，以多层架(jia)构，层层抽(chou)象。

随后，模型架构不断创新，比如卷(juan)積(ji)神经网络、循(xun)环神经网络等，带来了深度学习的大发展。最近一次重要的突破是2017年，Google多名(ming)研究員(yuan)发布了一篇(pian)开创性的论文《Attention is all your need》，提出Transformer架构，以自註(zhu)意(yi)力来表达序(xu)列中每(mei)个单詞(ci)的关聯(lian)，今天包括GPT在內(nei)的AI模型，都是在这个Transformer通用框(kuang)架上衍(yan)生而来。

AI的发展，除(chu)了底层技术，还要受(shou)到算力等因(yin)素(su)的限(xian)制(zhi)。神经网络的训练非常消(xiao)耗(hao)算力，在80年代，计算机能力僅(jin)能支(zhi)撐(cheng)淺(qian)层神经网络，當(dang)时一个較(jiao)为典(dian)型的神经网络只(zhi)有1960个参数，連(lian)最简单的文字(zi)识别基本都无法完(wan)成。哪(na)怕(pa)到了2000年代初(chu)，算力仍(reng)然是瓶(ping)頸(jing)，可供(gong)训练的在線(xian)数据也不足(zu)。

到了最近20年，硬(ying)件算力不断提升。一方面，摩(mo)尔定律(lv)让芯(xin)片计算能力持续翻(fan)翻；另(ling)一方面，高速网络与分布式计算技术，也让计算机集群規(gui)模不断扩大。2000年代中，英(ying)偉(wei)达打造(zao)了CUDA，把GPU变得更通用与可被編(bian)程，一下从图形(xing)渲(xuan)染(ran)，延(yan)展到科研超算領(ling)域(yu)。基於(yu)不同的設(she)计理念，GPU重點(dian)攻(gong)克(ke)並(bing)发的向量(liang)计算，单个GPU的算力，比过去基于CPU的算力多了一千(qian)倍(bei)。加上互联网的高速发展，快(kuai)速增加了可训练的数据，让神经网络可以做到更大、更深、更多参数、更復(fu)雜(za)的模型结构，由此诞生了千億(yi)级以上参数的大模型。

此外(wai)，全球(qiu)产学研力量，携手开源共创，也是人工智能快速突破的重要因素。无论是科研论文、数据集、模型算法，还是軟(ruan)件平(ping)臺(tai)，一代一代的人工智能科学家，都无私的开放(fang)自己的研究成果(guo)，让后来者能在前人的基础上不断前进。

在开源软件方面，全球高校(xiao)与科技企业，都为开发者贡献了多种AI训练与推理框架，还有大量数据处理工具。

到今天，大量各(ge)类預(yu)训练的开源模型，都能从huggingface、github等平台下载，让全球研究人员可以在各种开源模型上搭(da)建服务，与優(you)化出更好的模型。

开源共创、算法创新、算力大幅(fu)增强，这些因素叠加，构成了AI的“增長(chang)飛(fei)輪(lun)”。GPT-4、PaLM2、LLaMa等大模型的问世，让大家看到了通用人工智能的曙(shu)光。

大模型推动智能变革

如果说，大语言模型已经湧(yong)现出一定的智能现象，也就应該(gai)能产生出，在训练数据中从来沒(mei)有出现过的新组合内容(rong)。

通过这个畫(hua)画的案例(li)，我们可以看到现在的AI大模型处理问题的方式，不再是靠(kao)完整(zheng)的保存(cun)与复制，而是通过理解指(zhi)示(shi)后，把训练过的知识重新组合生成的。

可以看出，大模型可以按(an)照(zhao)指令(ling)，逐(zhu)步(bu)画图，比如，用字符(fu)来画一个人出来。其中用字母(mu)O表示臉(lian)，用字母Y表示軀(qu)幹(gan)，再用H表示雙(shuang)腿(tui)。第一次画的并不理想，但(dan)可以根(gen)据反饋(kui)，調(tiao)整身(shen)体、手的比例，给小(xiao)人穿(chuan)上衣(yi)服。是一个不断反馈和调整的过程。

另一方面，著名的图灵測(ce)試(shi)，就是在对話(hua)中能否识别出对方是人还是AI，在今天已经不足以評(ping)估(gu)人工智能的智能程度。

如果做题考分是评估人的智能最直(zhi)接(jie)的工具，那(na)么大语言模型在语言理解与邏(luo)輯(ji)推理能力上，已经超过了平均(jun)人类的水(shui)準(zhun)。

在编程领域，GPT-4参加了亞(ya)馬(ma)遜(xun)的模拟技术考试，拿(na)到了滿(man)分，这个考试规定的时长是兩(liang)小时，它只用了不到4分鐘(zhong)。在美(mei)国GRE和生物奧(ao)林(lin)匹(pi)克競(jing)賽(sai)考试当中，GPT-4也超过99%的人类；模拟律師(shi)資(zi)格(ge)考试的成績(ji)，大約(yue)是前10%。此外，谷(gu)歌(ge)的Med-PaLM 2，也在美国醫(yi)療(liao)执照考试中达到了专家水平。

最近，OpenAI又(you)给ChatGPT API增加了函(han)数调用能力，这意味(wei)着大模型也能使用工具了。自己不具備(bei)的能力，可以靠各种第三(san)方服务嘗(chang)试解决，大大增加了通用大模型解决问题的能力。

大语言模型代表人工智能的发展，已经达到了一个新的高峰，有卓(zhuo)越(yue)的语言理解、强大的逻辑推理与溝(gou)通能力，能带入角色(se)，主动思考。

用大量数据预训练的模型也推动机器視(shi)覺(jiao)、语音(yin)识别、机器人等AI能力发生新的突破。通过对机器想、听、看、动等能力的整合，AI也将真(zhen)正成为人们的工作和生活(huo)助手。

首先，基于多模態(tai)的大模型，计算机视觉从“能看”到“看懂(dong)”。

在銀(yin)行业务中，要处理很(hen)多的回单、发票(piao)、申(shen)請(qing)書(shu)、业务郵(you)件等数据，例如我们合作的一家商业银行，在资产托(tuo)管业务中，每天需要处理1万多件邮件和传真。来自投(tou)资、保險(xian)、融资等等不同的业务系统，内容有票据、证件照片等等，多种样式。靠人工处理，錄(lu)入系统，費(fei)时费力，就需要借(jie)助更智能的机器识别。

在传统的算法模型下，需要輸(shu)入2千張(zhang)的单据，机器才能识别一种单据，也没有整理成表格或(huo)者标簽(qian)的能力。

现在，基于大模型能力，我们的TI-OCR只需要50张被标注的单据，就可以快速识别一种类型的单据。同时可以根据分析(xi)能力，自动提煉(lian)核(he)心(xin)标签，生成電(dian)子(zi)数据文件，进行后续的商业分析。

大语言模型不仅懂多种人类语言，还掌握多种程序语言，还可以帮助程序员寫(xie)代碼(ma)。

我们也打造了腾讯云新一代AI代码助手，实现AI对代码的理解，輔(fu)助程序员编写、排(pai)錯(cuo)与测试，为软件研发的全流(liu)程助力，提高开发效率与代码质量。

这是上周(zhou)新发布的一段(duan)视頻(pin)。腾讯Robotics X机器人实验室(shi)的机器狗(gou)Max，能力又升级了。大家可以看到，两只机器狗正在进行一段障(zhang)礙(ai)追(zhui)逐赛，把他(ta)们随机放到场地中，一个追，一个躲(duo)，还有一面随机出现的旗(qi)子。躲的机器狗，要努(nu)力在不被抓(zhua)到情(qing)況(kuang)下，摸(mo)到旗子，摸到旗子后，角色调轉(zhuan)。

在这个过程中，两只机器狗要实时的根据对方的行动，判(pan)断自己的行为，同时还要惦(dian)記(ji)着目(mu)标，也就是碰(peng)到旗子，或者抓住(zhu)对方。同时，在碰到旗子后要马上修(xiu)正自己的策略(lve)。

通过这个视频，我们能看到，机器狗的行动，也因为预训练AI模型和强化学习的加入，具有了更好的灵活性和自主决策能力。

大语言模型不仅能与人沟通，更重要的是通过模型的精调，可以按需求(qiu)产生一系列的执行步驟(zhou)，比如联网调用不同插(cha)件的能力，加上多模态让AI同时能看懂图，听懂话，会规劃(hua)，能行动，这样就可以做出更强大的应用，让AI更像真正意義(yi)上的智能助手，完成更高级的任(ren)务。

比如，线上廣(guang)告(gao)投放员，每天需要刷(shua)新大量广告素材(cai)，確(que)保广告投放的ROI，如果结合广告效果数据与文生图能力，可以不断地根据数据分析，生成投放策略，调整投放渠(qu)道，并且(qie)針(zhen)对性的生成投放素材，自动化程度与效率都会更高。

企业拥抱大模型的方式和路徑(jing)

这么多变革匯(hui)聚(ju)在一起，也意味着海(hai)量的创新即(ji)将爆(bao)发。大模型只是起点，未来，应用落地的产业变革是更大的图景。

事实上，不管哪个行业，都应该积極(ji)拥抱AI，过去的研发、生产、销售、服务等环节中，都有很多依(yi)賴(lai)人来判断、協(xie)调与沟通的地方，今天都值(zhi)得我们去看看哪些环节，可以叠加AI的生产力，来提质、降本与增效。

目前，海外一些大型企业，已经开始(shi)投资及采(cai)用大模型技术。比如，摩根士(shi)丹(dan)利(li)直接接入 GPT-4，用它整合、解析，海量的投资策略和市(shi)场研究報(bao)告，给投资顾问提供直接的参考。

根据自媒(mei)体《量子位(wei)》的分析，我们可以看到，生成式AI（AIGC）对不同行业的影(ying)響(xiang)程度与接受程度。图中能看到，内容与电商产业受到影响最明顯(xian)，像文生图的技术，将会大大改变内容制作的流程与成本。

既(ji)然大模型这么重要，在座(zuo)的企业家与管理者，可能也会问，我们如何把它用在企业上，抓住技术变革的紅(hong)利？

我可以给企业管理者一些建議(yi)：

第一，聚焦(jiao)企业自身业务，挑選(xuan)具体场景，让AI成为服务的增量。

第二(er)，确保训练数据质量，梳(shu)理出测试用例，建立(li)上线评估流程。

第三，确保服务合规，同时关注数据的产权与隐私。

第四，使用云廠(chang)商工具，搭建一体化的模型服务，这样效率比较高，节约训练、運(yun)维的成本和时間(jian)。

在具体实施(shi)中，模型、数据和算力是大家需要格外关注的三个点。

首先是模型。雖(sui)然大家对通用大语言模型的聊(liao)天机器人期待(dai)很高，但它不是唯(wei)一的大模型服务方式，也不一定是满足行业场景需求的最优解。

目前，通用大模型一般(ban)都是基于广泛(fan)的公开文献与网络信(xin)息(xi)来训练的，上面的信息可能有错誤(wu)、有謠(yao)言、有偏(pian)見(jian)，许多专业知识与行业数据积累(lei)不足，導(dao)致(zhi)模型的行业针对性与精准度不够，数据“噪(zao)音”过大。但是，在很多产业场景中，用戶(hu)对企业提供的专业服务要求高、容错性低，企业一旦(dan)提供了错误信息，可能引(yin)起巨(ju)大的法律責(ze)任或公关危(wei)机。因此，企业使用的大模型必(bi)須(xu)可控(kong)、可追溯(su)、可修正，而且必须反复与充(chong)分测试才能上线。

我们认为，客户更需要有行业针对性的行业大模型，再加上企业自己的数据做训练或精调，才能打造出实用性高的智能服务。企业所需要的是，在实际场景中真正解决了某(mou)个问题，而不是在100个场景中，每个都只做到了80%。

另外，训练数据越多，模型越大，训练与推理的成本也越高。实际上，大部分的企业场景，可能也不需要通用AI来满足需要。因此，如何在合理成本下，选擇(ze)合適(shi)的模型，是企业客户所需要思考与决策的。

其次，数据是大模型的原材料(liao)，针对具体场景，相(xiang)关数据的覆(fu)蓋(gai)与质量都是至关重要，标注数据的管理也是模型叠(die)代中的重要工作。

模型最終(zhong)要在真实场景落地，要达到理想的服务效果，往往需要把企业自身的数据也用起来。在模型研发过程中，既要关注敏(min)感(gan)数据的保护与安(an)全合规，也需要管理好大量的数据与标签，不断测试与迭代模型。

再次，算力是模型持续运转的基础，高性能、高彈(dan)性和高穩(wen)定的算力，需要借助专业的云服务。

在大模型的训练和使用过程中，需要大量異(yi)构算力的支持，对网络速度与稳定性要求也很高，加上GPU服务器比一般服务器稳定性更低一些，服务器的运维、问题的排查(zha)更频繁(fan)，整体运维的難(nan)度与工作量会高很多。在训练集群中，一旦网络有波(bo)动，训练的速度就会受到很大的影响；只要一台服务器过熱(re)宕(dang)机，整个集群都可能要停(ting)下来，然后训练任务要重啟(qi)，这些问题会使得训练时间大大增加，投入在大模型的成本也会飆(biao)升。

基于这些企业现实问题和需求的思考，就在前两天，腾讯也正式公布了腾讯云MaaS服务全景图。

基于腾讯云TI平台打造的行业大模型精选商店(dian)，将覆盖金(jin)融、文旅(lv)、政(zheng)务、医疗、传媒、教(jiao)育(yu)等10大行业，提供超过50个解决方案。在这些能力模型基础上，夥(huo)伴(ban)们只需要加入自己獨(du)有的场景数据，就可以快速生成自己的“专属模型”。

我们也推出基于腾讯云TI平台的，行业大模型精调解决方案。帮助模型开发者与算法工程师，一站(zhan)式解决模型调用、数据与标注管理、模型精调、评估测试与部署(shu)等任务，減(jian)輕(qing)创建大模型的壓(ya)力。我们也可以通过TI平台，实现模型的私有化部署、权限管控和数据加密(mi)等方式，让企业用户在使用模型时更放心。

比如，我们和国内的頭(tou)部在线旅遊(you)公司，基于“文旅大模型”，打造了机器人客服，可以自动判断用户意图，并自动调用相应的API，高质量完成用户咨(zi)詢(xun)及服务。

假(jia)如一个用户问“端(duan)午(wu)节三天不出江(jiang)浙(zhe)滬(hu)，有什么行程推薦(jian)，应该怎么安排？”如果是基于通用大模型的客服机器人，只能给出一些简单的景点介(jie)紹(shao)和路线规划。

但当我们加入行业数据，进行模型精调之后，客服机器人的回答(da)变得更加細(xi)致，能够规划出每天的交通、景点安排，包括不同檔(dang)次的酒(jiu)店推荐、介绍，甚至可以直接提供预訂(ding)鏈(lian)接，平台优惠(hui)券(quan)信息。智能客服系统，不仅可以实现人性化的服务体验，也具备了更强的销售转化能力。

在算力服务上。腾讯云所提供的稳定计算、高速网络与专业运维，可以为算法工程师大大减轻设备运维的压力，让他们把精力放在模型的构建与算法的优化上。

腾讯云也打造了面向模型训练的新一代HCC（High-Performance Computing Cluster）高性能计算集群，搭载最新次代GPU，结合多层加速的高性能存儲(chu)系统，加上高带寬(kuan)、低延遲(chi)的网络传输，整体性能比过去提升了3倍，獲(huo)得了很多客户的高度认可，幾(ji)家大模型独角獸(shou)，都与我们展开了算力的合作。

在计算集群的“硬实力”之外，我们最近也推出了更适合AI运算的“软能力”——向量数据庫(ku)，它能更高效地处理图像、音频和文本等非结构化数据，支持单索(suo)引10亿级规模，比单机插件式檢(jian)索规模提升10倍，数据接入AI的效率，也比传统方案提升10倍。

AI 发展的挑战和对应之策

AI價(jia)值巨大，发展速度驚(jing)人，但从社会的层面，我们也要注意，带来的风险与挑战。

最近，杰弗里·辛顿(Geoffrey Hinton)因为擔(dan)心AI无法控制，離(li)开了谷歌，他在接受采訪(fang)时提到：人工智能的信息架构可能比人脑的信息架构更强大。

人类大脑中大概有860亿个神经元，这些神经元之间形成了大概100万亿个连接。虽然GPT4的参数没有披(pi)露(lu)，但普(pu)遍(bian)估算参数量只有人脑神经元连接的百(bai)分之一，大概是5000亿到1万亿。

但GPT4裝(zhuang)载的知识卻(que)是普通人的千倍万倍，学习效率也更高。这说明，在某程度上，当前的神经网络可能比人脑拥有一个“更优”的处理信息的架构与学习算法，一旦得到足够算力来训练，就可以更快速地学习大量信息与知识。

还有一点值得一提，AI通过在线连接，就可以把模型下载与复制，在相对短(duan)时间内，就让一台新机器复制好海量的知识，而且各自学习不同知识后还可以相互同步。而人类的知识和智慧传承(cheng)，必须通过复杂多变又不太(tai)精确的语言，作为传遞(di)信息的媒介，每个人的培(pei)養(yang)几乎(hu)是从0开始（除了基因中hard code的记憶(yi)），都需要从小开始，花(hua)数十(shi)年时间来学习，花数十年来积累经验。

AGI强大且不断泛化的能力，让很多人都非常担心，人类会逐漸(jian)失(shi)去对AI的控制。尤其AGI能联网，能编程，能操控其他系统（因为可以调用其他系统的API），讀(du)懂人（因为模型里导入大量书籍(ji)，了解人类千年文明发展历史，了解人们的思考方式与弱(ruo)点，每天还跟很多人互动，甚至交流情感），它掌握语言（因此可以影响人的思考与行为），它能产生图与视频（因此可以让人产生视觉错觉），可能还有更多能力我们还没发现。

因此Hinton也提出，AI对人类产生四重威(wei)脅(xie)。他不惜(xi)从工作了10年的谷歌离職(zhi)，推动大众对人工智能潛(qian)在风险的关注，并建立安全使用AGI的规範(fan)。

面对人工智能带来的各种问题，还有很多值得思考的東(dong)西(xi)。包括人类发展、倫(lun)理、教育等等。

这些问题，相信我们在座每一位，都有自己的思考。但是有一点我想讲的是，技术的发展、演进、变化，总是超出人的想象，而人类拥抱变化的勇气，创新的智慧，化挑战为机遇的能力，也往往超出我们自己的想象。就像工业革命(ming)早(zao)期，也有过对于農(nong)村(cun)经濟(ji)瓦解、工人生存状况堪(kan)憂(you)等等情况的担心，但是，最终我们以人类特有的方式，走(zou)了过来，并且让全人类的生产效率、生活质量以几何指数飙升。

毫无疑问，AI对世界的改变，一定也是通过与产业的融合实现的。机器决策、自主生成、自然交互等一系列变革，推动产业实现更高效率、更低成本、更好体验和更大创新。未来的企业，也将向智能原生进化。

面向未来，腾讯也願(yuan)意持续贡献自己的能力，以开放的心态和无穷的好奇(qi)心，和各位专家学者、企业管理者一起，共同探索、创新，拥抱智能时代的新机遇。返(fan)回搜(sou)狐(hu)，查看更多

责任编辑：