打开APP

商汤科技董事长兼CEO徐立:标准化赋予了AI行业更多想象力

标准化不是对AI行业的限制和约束,而是赋予了行业更多想象力,其核心在于推动形成产业共识,从而加快行业分工,让技术的使用成本大幅降低,最终推动产业应用蓬勃发展。

12月17日,由《财经》杂志、财经网、《财经》智库、财通汇联合主办的“《财经》年会2023:预测与战略”在北京举行。商汤科技董事长兼CEO徐立在会上表示,标准化不是对AI行业的限制和约束,而是赋予了行业更多想象力,其核心在于推动形成产业共识,从而加快行业分工,让技术的使用成本大幅降低,最终推动产业应用蓬勃发展。

以下为发言实录,投资界(ID:pedaily2012)整理:

大家好,我是商汤科技徐立,很高兴又一次来参加《财经》年会。今天我跟大家讲的是人工智能时代的标准化之道。

首先谈一谈AI的下一步,人工智能真正打破了我们认知的边界,科研创新有几类范式,总体上来说,可以归结为经验归纳和推理演绎。但是我们会发现推动我们认知边界进步的往往是猜想。去年我们谈论了人工智能在现在这个阶段有可能帮助我们新型的猜想,推动新的科研创新范式。讲到范式,按既定的方法推理出一种对应的模式,对应的概念汉语里有没有同样的词呢?答案是肯定的,比如建筑行业里有一个法式的术语,我们可以认为法式就是范式的一个古法的表达。

我们在各地看到不同的古建筑,滕王阁、福光寺等等,这些建筑千奇百怪,但我们一眼能看出它是什么风格,原因是什么呢?因为这些建筑有标准的结构,从台基、梁架等等一系列的标准,这和人工智能的落地完全是一样的,从底层的基础算力,数据,算法模型,再到解决方案,形成了标准化的结构。结构中的各个模块也需要标准化,凡构屋之制,皆以材为祖,你只要告诉别人是几分的材,别人就能够根据3:2的比例打造产品。今天我们把人工智能的模块形成一种标准化认知的共识之后,才来进行精细化分工。

讲到人工智能,很多人认为场景非常不一样,智慧城市也好,智慧医疗也好,看似千奇百怪,但归根结底我们打造的是人工智能模型的标准化模块,比如模型可以分为感知智能、决策智能等,这些模型的打造,就跟我们打造“材”是一样的。很多人说模型的打造会比较多元化,定制化需求会比较多,诚然在行业之初,一定是定制化需求为主的,因为没有标准部件。斗拱也是这样的,一上来会有很多不同的需求,但当它打造的定制化足够多的时候,再进行标准化,就好像榫卯有不同的结构。就好像乐高的积木玩具,乐高有很多基础的形状,不同的积木,如果把它构建在一起可以形成标准化搭建模式。我们生产的人工智能模型目前达到了一万个,当需求越来越多的时候,渐渐的进入一种标准化的、模型化的产业推进。

有了结构标准化,有了模型标准化,整个生产的过程,实际上也是标准化的,人工智能有基础的算力,包括预训练的大模型、行业模型的微调等等一系列标准化流程,这些流程已经形成了现代AI产业的共识。比如算力,算力有AIDC,并且可以面向不同的客户。讲到通用大模型,目前来说,行业的通用大模型已经变得非常普遍,视觉也有视觉的大模型,因为有了预训练、大模型的模式,我们才能进入到行业的细分模型,这也是我们为什么可以用好行业里很多模型来做行业应用的原因,就是因为对生产流程进行了标准化。目前商汤这样的标准化生产流程支持超过七成以上行业业务。

有了生产的标准化之后,接下来就能够推动行业应用大规模本土化,虽然我们的流程看上去都一致,但行业模型不一样所以我们可以赋能行业应用。比如左边的建筑物,各有各的不同,千奇百怪,但是它的生产流程还是依照建造的基本流程,所以行业应用智慧城市、商业、汽车到生活,都采用了以通用的算力、通用大模型、行业细分模型的标准化之路。

标准化不是限制行业,比如传统当中的手艺传承,是一种师父教徒弟的概念,因为没有定义好标准化流程,很难规模化。但如果把它做成产业化,需要进入到真实的行业当中,进入标准化的环境,并且推动产业化。

当然这样的一个标准化的认知,因不同时空下共识,十年前不是这样的,比如建筑的标准化,在古希腊神庙的标准化,长宽的比例是黄金分割点,但我们讲的建筑,像佛光寺,其实是内切圆、外切圆的比例1:2的关系,虽然不一样,但在当时时代形成了一种认知模式,就能推动当时的产业化。

标准化不是约束,标准化的核心在于能够更好的推动产业的共识,从而使得分工变快。比如铁轨,轨道的定义我们用两匹马中间的距离定义轨道的宽度,在同轨的过程中才能推动整个产业的发展。我们的电源插头标准化,使得电气化变得可能。万维网上所有网页的接入点标准化才使得网络时代的发展。建筑也有同样的标准化,在现代钢筋混凝土的机器当中,也有同样标准化的设置,板架+柱的标准化设计。虽然流程是标准化的,但它可以带来完全不一样的建筑风格。

从定制化到标准化不是简单的,人工智能经历了以下三个阶段:第 一,当需求来的时候,我们需要完成单点突破,单点的人工智能的模型一定要解决它是不是比人工好的问题,我们通常称为跨越人工红线,在十年前,很多垂直的应用渐渐跨越了人工红线。很多商业化场景是综合复杂的多模块联动的应用场景,需要把牵扯到的所有模块都能够突破所谓的人工红线,这里面需要解决很多长尾问题。比如流水线上只有一个模块AI化,其他都没有AI化,瓶颈一定在没有AI化的地方,只有把所有的模块全部AI化才能形成价值闭环。形成价值闭环和真正做到规模化、标准化还有一个很大的点,就是怎么样通过设置标准化进行分工,使得最后的成本能够降低。如果成本过高,一样没有办法进行大规模的覆盖。

举一个例子,比如围棋,数十亿的投入,假设把围棋当成一种生产力的职业,可能需要数十年才能收回成本,这样的投入和产出一定不是一个数字化升级的概念,所以就需要把AI的生产、AI部署的过程变得更加标准化,变得成本更低。

纵观整个时代,我们时代当中的每一个时间点,我们都可以认为它是被技术驱动的,历史上都是用技术来命名时代,信息时代、电器时代、石油时代、蒸汽时代等等,在现在这个时间点上能不能用AI来命名时代,取决于它能不能把我们这个时代生产要素的成本规模化下降,从而才能让AI走进千家万户。举两个例子,电力的成本大幅下降以后才能盈利电器时代大的拐点,通信的成本规模化下降的时候,才能有现在的规模,如果我们的工业成本和二十年一样,相信很多事情是不会发生的。这部分基础设施只是因为有人推动了标准化、规模化的扩张,使得成本下降。人工智能也一样,也需要在人工智能里参与更加投入的把规模化建立起来,使得真正意义上把成本降下来。

今天我们可以看到,从算力的提供,从模型的生产等一系列的层面上,比几年前人工智能模型生产成本已经大幅下降了,所以我们相信人工智能的普惠,才能帮我们穿越又一个经济周期,才能推动我们百年的发展。

【本文经授权发布,不代表投资界立场。本平台仅提供信息存储服务。】如有任何疑问题,请联系(editor@zero2ipo.com.cn)投资界处理。

相关资讯

AI数据总览

最新资讯

热门TOP5热门机构 | VC情报局

去投资界看更多精彩内容
【声明:本页面数据来源于公开收集,未经核实,仅供展示和参考。本页面展示的数据信息不代表投资界观点,本页面数据不构成任何对于投资的建议。特别提示:投资有风险,决策请谨慎。】