|
朱云来夫人预训练大模型从单模态转向多模态已成必然,国内虽在泛化能力上弱于GPT系列,但依托中文语料、文化理解及制造业场景优势,有望通过产业赋能实现“后发先至”。例如,制造业实体数据将成为模型优化的核心资产。
研究预测,高质量语言数据将在2026年耗尽,倒逼数据技术向“大规模、多模态、高质量”升级。未来“湖仓一体”架构将成主流,通过云原生技术整合流批处理,破除数据质量瓶颈。
新硬件与架构重构带来“多元异构、软硬件协同、绿色集约、云边端一体化”四大特征,实现“无处不算力”的终极目标,传统芯片与软件体系或迎颠覆性替代。
AIGC从单模态迈向多模态创作,赋能广告、游戏、艺术等创意领域,以低成本、高效率重塑内容生态。局限在于准确性、细节及风格匹配度,需与业务深度耦合释放潜力。
AI驱动的科学研究(AI4S)从学者主导的单点工具,转向工程化平台建设,需解决通用性难题。趋势显示,工程师与科学家协同将成为下一阶段核心驱动力。
AGI需实现感知、决策、创造等类人能力,具身智能(如机器人实体化)与脑机接口(如神经信号交互)成为探索方向。当前技术成熟度低、成本高,但结合ChatGPT可能催生颠覆性应用。
技术“黑箱”、数据泄露、虚假信息等问题引发安全治理升级,中美欧加速立法监管,政策合规性将成全球AI发展的刚性门槛。
可解释AI、联邦学习等技术因安全伦理需求爆发,其中联邦学习通过数据“可用不可见”机制推动协作创新;“人机价值观对齐”成为伦理治理关键。
开源能力是覆盖长尾需求、构建AGI生态的基石。国内政策加码开源社区建设,企业深度参与有望推动中国从技术“跟跑”转向“领跑”。
“模型即服务”(MaaS)通过降低技术门槛,形成“通用大模型+细分行业模型”的分层业态,解决AI“能用但不好用”的痛点,推动千行百业智能化落地。
|