今天分享的主題是把握 AI 大模型引發的時代機遇，主要包括以下內容：第一，什么是 AI 大模型的本質？演進路線是什么？第二，為什么當今被稱為“智能時代”？第三，如何把握這一百年難遇的機會？

AI 大模型發展的政策背景與行業趨勢
4月25日，中共中央政治局就加強人工智能發展和監管進行集體學習，提出充分發揮新型舉國體制優勢、堅持自立自強、突出應用導向、健康有序發展等關鍵詞。

2025年的兩會報告中，大模型首次被寫入，同時涉及優化全國算力資源布局、發展新一代智能終端、低空經濟、生物制造、具身智能、平臺經濟以及重視青年科技人才等內容，均圍繞數字經濟發展，凸顯應用導向。

美國方舟基金創始人凱瑟利·伍德發布的“2025 大膽設想”，與我國兩會報告在 AI Agent、無人駕駛出租車、低空經濟等方面存在高度共識。美國這一報告預測全球 GDP 增長將因新興產業發展顯著提升，人工智能將在其中占據主導地位。

AI 大模型的發展歷程與技術演進

從 AI 的起源來看，1950 年圖靈提出圖靈測試，1956 年人工智能學科誕生。早期受技術限制，基于規則的專家系統因難以實現標準化規則而受限；隨后從棋類游戲方向突破，基于概率統計的機器學習取得一定成果，但在圍棋領域遭遇瓶頸。

1. 深度學習與 AlphaGo：2013 年，基于神經網絡的深度學習誕生，其將 GPU 計算特征與神經網絡結合，造就了 AlphaGo 戰勝世界冠軍李世石的壯舉。然而，AlphaGo 僅為專屬模型，只能下圍棋，應用局限性導致其逐漸淡出人們視野。

2. Transformer 架構與通用模型：2017 年，谷歌發布 Transformer 底層架構，通過預訓練大量無標注數據，使模型具備通用性，能夠適配多種任務。這一架構成為 ChatGPT 等眾多 AI 模型的基礎，開啟了生成式 AI 階段，使 AI 具備推理和判斷能力，推動 AI 發展進入新階段。

AI 大模型的定義與核心
1. 知識獲取新范式：AI 大模型是人類獲取知識的新范式，其地位與文字、互聯網相當。過去，人類通過書籍、互聯網獲取知識，如今知識體系被訓練到大模型中，人們通過與模型交互獲取答案，如 ChatGPT 能回答各種問題、進行創意寫作、編程等，改變了知識獲取和應用的方式。

2. ChatGPT 的引領作用：ChatGPT 作為 AI 大模型的首個現象級產品，將 GPT 模型與 chat 交互環境結合，“G” 代表生成式，“P” 代表預訓練，基于 Transformer 算法，展現出強大的功能。它的出現標志著 AI 大模型能力的充分發揮，促使 AI 搜索逐漸搶占傳統搜索市場份額，如谷歌搜索流量增長遇阻，而微軟將 ChatGPT 與搜索引擎結合后實現增長。

AI 大模型的特性與廣泛應用
在軟件領域，AI 大模型將重構軟件系統，使軟件具備 AI 能力，如 WPS、釘釘、飛書等軟件紛紛融入 AI 功能；硬件方面，驅動自動駕駛汽車、智能工廠機械臂等發展；數據層面，激活數據價值，使其成為重要生產要素。

在實際應用中，AI 大模型已滲透到奧運轉播（如實現快速圖像實時處理和 3D 渲染）、電商（助力商品推薦、營銷、客服等）、醫療（多癌早篩、加速藥物研發）、生產制造（智能決策、優化生產流程）等眾多領域，提升各行業效率與創新能力。

AI 大模型的技術本質與演進邏輯

AI 大模型是人類社會第 25 種通用技術?；仡櫱懊?24 種通用技術，包括鐵路、內燃機、電力、計算機、互聯網等，會發現每一種通用技術都推動了時代的變革。計算機推動了計算革命，互聯網推動了互聯網革命，電力引發了電氣革命，內燃機促進了工業革命。這些通用技術具有四個重要特征：其一，在多個領域廣泛使用，區別于僅解決單一問題的專用技術；其二，能夠與其他技術互補，并非獨立存在；其三，具備降本增效功能，降低門檻、減少成本并提高生產效率，帶來顛覆性的生產力提升；其四，會對組織方式產生變革性影響 。

各類通用目的技術達到臨界應用水平（即一半以上的人都在使用該技術）所需時間各不相同。電用了 37 年，起初電的持續使用成本很高，例如鋪設電線點亮燈泡，一天可能需要一到兩美金，而同樣能在夜間照明的蠟燭成本更低，因此電實現臨界應用水平需滿足兩個關鍵點：**技術好用且足夠便宜，實現普惠。**當用電成本遠低于蠟燭時，電不僅用于點燈，還被應用于電冰箱、面包機等，從而實現普及。個人電腦達到臨界應用水平用了 23 年，智能手機用了 21 年，互聯網用了 17 年，而 GPT 僅用了十個月。這充分說明 GPT 好用且價格親民，大幅提升了生產力。

**AI 大模型的通用性遵循規模定律，即模型的參數越大，預訓練數據集越多，模型的性能越好。**參數可理解為模型學到的知識，這些知識通過數據表征，以向量的方式呈現每個知識點。例如人的身高、體重、性別、頭發顏色等特征，通過數字計算實現關聯權重。以 “浙江省科普聯合會” 為例，“科” 與 “普” 的組合，以及 “科普” 與 “聯合會” 的組合，都存在關聯度和權重，這就是參數的體現。從數學角度看，參數就類似函數中用于更好匹配輸入與輸出信息的系數，參數越多，準確度越高。

此外，AI 大模型本身是深度神經網絡的模型架構，從生物理論來講，大腦皮層的神經元數量與通用水平成正比。人類擁有 900 億個神經元，屬于通用型大腦；狗有 22 億個神經元，是專用性大腦，狗出生一年后，肌肉發達、嗅覺靈敏，到三、四、五歲基本能力無明顯增加，因其神經元決定了它只能做專屬任務；而人類一歲時還只能爬，但后續能學會說話、走路、學習各種知識，正是 900 億神經元賦予了人類通用性，使人多才多藝、有記憶力、具備推理能力，由此也能更好地理解 AI 大模型的參數與規模定律。

AI 大模型有兩個核心魔力。****

**第一個是涌現性。**隨著模型參數數量達到一定規模，模型在各項能力上會出現迅猛提升，從線性增長轉變為指數級增長。例如孩子學習數學，做 100 道題可能仍無明顯進步，但做到 1100~1200 道題時，突然開竅，所有題目都會做，這便是量變到質變的過程。在 AI 大模型中，無論是文字理解、修飾手法運用、數學邏輯推導還是國際音標撰寫等方面，都會出現這種涌現現象，再次印證了規模定律，即模型參數規模越大，訓練數據集規模越大，模型性能越好。

第二個魔力是泛化性，即模型的學習能力，它能夠對從未見過的數據進行良好處理，且表現專業。

模型的發展演進經歷了不同階段。最初是 “一事一?！?階段，通過簡單的專屬模型實現機器翻譯、語音轉錄、人臉識別、指紋識別等單一任務，每個模型只能完成特定一件事，若要解決其他問題，需重新尋找模型并訓練數據。

后來進入 “多事一模” 階段，嘗試將人臉識別、豬臉識別、狗臉識別等任務整合到一個模型中，該模型具備跨領域知識，能夠完成多個不同任務。在這個過程中，專屬模型精度高，參數增加后會獲得泛化能力，但精度有所下降。為解決這一問題，需不斷加大參數和數據集規模，使模型兼具泛化性和高精度。

最終目標是實現 “萬事一?！?，即一個模型能解決人類認知中的所有任務，此時模型具備推理能力、多模態融合能力以及規劃和執行能力，真正實現通用人工智能。事實上，AI 大模型正逐步接近人類專家水平，2017 年達到基礎閱讀理解能力，2021 年具備視覺推理能力，2023 年擁有多元認知能力，到 2025 年，已能夠解決復雜推理問題，比如完成奧數題目。

中美 AI 大模型競爭格局與中國產業生態
1. 中美競爭態勢：在大模型賽道，中美呈現不同競爭格局。語言大模型方面，中國從追趕逐步發展；推理模型中，中國與美國并駕齊驅，如中國的 R1 推理模型與 OpenAI 的相關模型不分上下；多模態模型領域，中國因注重業務場景應用，處于領跑地位。

2. 中國產業生態優勢：中國 AI 大模型產業圖譜涵蓋應用端和基礎設施端?；A設施端包括硬件、數據治理、模型和工具層，培育出眾多龍頭和獨角獸企業；應用端廣泛涉及辦公、營銷、創意等領域。以杭州為例，其 AI 企業成功得益于開源開放生態，包括政策支持、資本投入、人才培養、良好營商環境，以及產學園融合和豐富的數字化場景應用，為 AI 發展提供了肥沃土壤。

以杭州為例，其成功發展 AI 產業得益于開源開放的生態，包括政策支持、資本投入、人才培養和良好的營商環境，以及產學研融合和豐富的數字化場景應用?？萍紕撔虏荒芴善剑髽I需不斷創新，如特斯拉的端到端大模型取代傳統規則系統，以及具生智能模型提升產品附加值，體現了技術創新和賦能的重要性。個人也應擁抱 AI，用好 AI 工具包，提升自身 AI 素養，積極融入智能時代。

把握 AI 時代機遇的關鍵舉措
1. 科技創新的重要性：科技創新沒有絕對的護城河，企業需持續創新。如特斯拉采用端到端大模型改進自動駕駛技術，摒棄傳統規則系統；企業通過將 AI 大模型與產品結合實現技術賦能，如掃地機結合 AI 大模型后，售價大幅提升且節省人工成本，展現出科技創新帶來的巨大競爭力。

2. 個人與時代的共成長：身處智能時代，個人應積極擁抱 AI，使用 AI 工具包提升自身 AI 素養。隨著模型迭代和工具優化，個人需不斷學習適應。

最后引用我們馬老師的一段話作結：“電剛剛發明的時候，唯一的電器就是電燈，人類根本想象不出電有啥用，然而由于電的發明，世界出現了許多新的東西。那么今天的 AI 與早年的電其實是相差不多的，而且今天 AI 帶來的改變，會遠超過電的時代，遠超過大家的想象?！?/p>

本文作者：汪源，阿里研究院秘書長

本文根據浙江省科普聯合會周四夜學內容整理

來源: 科小二