人工智能报告：中国工程院院士孙凝晖万字报告简读

我一个老大哥也特别关注大模型领域的发展，今天推给了我一篇文章。

中国工程院院士孙凝晖给正国级、副国级讲课的万字长稿《人工智能与智能计算的发展》

这个报告对于关注中国未来发展的人都应当看一看，但我个人觉得文章有点长，另外，专业术语太多，有必要进行一个要点摘记，方法是用自己训练的一个费曼学习大师（在GPT-4o上训练的一个[长文要点归纳模型]）帮助快速提取要点，并用通俗易懂的语言重新表述。

要点摘记：近年来，生成式人工智能大模型引领了人工智能领域的爆发式发展。2022年11月30日，OpenAI推出了ChatGPT，这款人工智能对话聊天机器人凭借其出色的自然语言生成能力迅速引起全球关注，用户数在两个月内突破1亿。随后，国内外掀起了大模型热潮，众多大模型如Gemini、文心一言、Copilot、LLaMA、SAM、SORA等相继问世，2022年也被誉为“大模型元年”。当前的信息时代正加快进入智能计算发展阶段，人工智能技术不断突破，深入赋能各行各业，推动其成为新的生产力典型代表。

计算技术发展简介

计算技术的发展大致可分为四个阶段：

机械计算时代：以算盘为代表的手动辅助计算装置，如纳皮尔筹、滚轮式加法器、步进计算器等。

电子计算时代：以电子器件和电子计算机为标志，查尔斯·巴贝奇提出的差分机和分析机构想成为现代计算机的雏形，编程概念由雅卡尔提花机衍生而来，艾达·洛芙莱斯为其编写了首个计算机算法程序。

网络计算时代：互联网出现，连接终端和数据中心，云计算和大数据产业应运而生。

智能计算时代：智能计算涵盖人工智能和其计算载体，从通用计算装置到大模型计算系统不断演进，推动了各类终端和数据中心的全面智能化。

智能计算发展简介

智能计算发展历经四个阶段：

通用计算装置：1946年，图灵和冯·诺依曼推动了计算自动化，奠定了人工智能基础。

逻辑推理专家系统：1990年，以符号智能为核心，自动化逻辑推理，但受限于知识库和规则库的依赖。

深度学习计算系统：2014年，通过深度神经网络自动学习，提高模式识别能力，应用于语音识别、人脸识别等领域。

大模型计算系统：2020年，生成式大模型崛起，提升了AI模型的规模和性能，如ChatGPT的应用。

人工智能的安全风险

人工智能的发展带来了许多安全风险，需要从技术和法规两方面应对：

互联网虚假信息泛滥：包括数字分身、伪造视频、伪造新闻、换脸变声等。

AI大模型的可信问题：如事实性错误、政治偏见、数据安全问题等。

中国智能计算发展困境

中国在智能计算领域面临诸多困境，特别是来自美国政策的限制：

核心能力差距：高端人才、基础算法创新、大模型能力等方面落后于美国。

高端算力产品禁售：如A100、H100等芯片对华禁售，国内芯片制造工艺落后。

智能计算生态孱弱：如CUDA生态的垄断，国内生态开发人员、工具、资金投入不足。

AI应用成本高：应用于非互联网行业时成本和门槛较高。

中国如何发展智能计算的道路选择

中国应选择适合自身的智能计算发展道路，确保其可持续性和国际竞争力：

技术体系选择：追赶兼容美国主导的A体系，构建专用封闭的B体系，或全球共建开源开放的C体系。

基础设施建设：推动数据、算力、算法的基础设施化，实现智能要素的全面基础设施化。

赋能实体经济：注重人工智能对实体经济的赋能，特别是装备制造业和医药业，解决AI算法与物理机理融合的难题，实现产业变革。

通过以上策略，中国可以在智能计算领域取得更大的进展，推动人工智能技术的广泛应用和高质量发展。