<mark id="oztn4"></mark>
0
| 本文作者： 周蕾 | 2025-12-15 19:01 |
關聯閱讀：GAIR 2025 大會首日：AI重構教育、科學與產業的十三重碰撞（上）
作者丨周蕾 趙之齊 張嘉敏
編輯丨周蕾
2025年12月12日，深圳南山。
第八屆GAIR全球人工智能與機器人大會主論壇，于上午9:30在深圳南山·博林天瑞喜來登酒店正式拉開帷幕。本次大會為期兩天，由GAIR研究院與雷峰網(公眾號：雷峰網)(公眾號：雷峰網)聯合主辦，高文院士任指導委員會主席，楊強院士與朱曉蕊教授任大會主席。
作為粵港澳大灣區的AI標桿盛會，GAIR自2016年創辦以來，始終堅守“傳承”與“創新”的雙重底色。時隔四年，GAIR從海外重返深圳主場。值此歲末年初的節點，GAIR如期赴約，用一場高質量的觀點碰撞，為行業與大眾回顧科技高速的腳步，呈現AI時代的前沿洞見。
12月12日的主論壇，延續GAIR一貫的學術前沿特色，設有：“AI之道：教育的重新定義”、“AI之術：領域的范式重構”兩大研討主題。當日，大會現場有十多位頂級學者發表精彩演講，更有兩場AI學術大咖激烈交鋒的高端對話，他們帶來的前沿科技進展、產業實戰經驗和人文關懷，使這一天成為值得深度思考的思想盛宴。
楊士強教授、趙偉院士、郭毅可院士、小菅一弘教授、賈佳亞院長、鄭宇教授、胡俠教授和薛貴榮教授先后帶來精彩演講，現場掌聲不斷。隨后，一場重磅圓桌討論將全場氣氛推向最高潮：
下午3時，“人工智能產業化的挑戰和機遇”為主題的圓桌論壇在鄭宇教授的主持下正式開啟。鄭宇、楊強、胡俠、薛貴榮四位嘉賓齊聚一堂論道，激蕩產業思潮。
鄭宇教授先從“挑戰”切入，提到大語言模型已在部分業務場景取得成功，但至今尚未形成大規模商業應用和成熟商業模式，只有個別標桿性成功項目。
楊強教授分享他曾在商學院講課時主動“潑冷水”：美國2025年人工智能的應用到底多少產業有正向的收益？MIT相關報道指出，95%都是負向的收益，基本爛尾，只有5%成功。
他從宏觀角度談到人工智能產業化面臨三個維度的挑戰：一是預期維度，尤其是企業老板的預期；二是系統維度，人工智能技術引入企業后，無法與原有傳統系統適配；三是數據維度，人工智能產業化落地僅靠語言模型遠遠不夠。
胡俠教授則結合機器人領域，從微觀技術角度補充他的觀察。以機器人的感知為例，本輪AI發展由大語言模型、多模態大模型推動，雖然能較好理解語言、分析圖像，但相關傳感器技術多年未實現質的突破，導致機器人無法完成簡單操作。人類感知不僅依靠語言和視覺，還包括聽覺、嗅覺，以及手部的溫度、濕度、壓力等各類傳感器，而且人手具備高自由度。比如人能輕松從黑書包中取出乒乓球，機器人卻因為缺乏相應傳感和動作能力而難以做到。
薛貴榮教授則從產業實戰角度講到行業內對人工智能的認知差異：從業者往往初期滿懷信心，實操后卻信心盡失，陷入“啥都能做”到“啥都做不了”的極端認知搖擺，并笑稱“我們這一行最倒霉的就是CTO”。
關于人工智能賽道的泡沫和陷阱話題，嘉賓們各抒己見。楊強教授認為，將基于公開語言數據訓練出大模型的成功經驗遷移到其他非語言數據領域是錯誤的，不同數據維度存在巨大差異。此外，大語言模型依賴公開數據的發展模式即將觸頂，如何利用私有數據持續賦能大模型，是行業面臨的巨大挑戰。
薛貴榮教授認為還存在兩方面泡沫：一是算力領域，現有算力建設投入多為推理卡算力、競爭激烈，大量算力資源閑置，投入與產出嚴重不匹配；二是AI應用領域，多數應用“人工成分”過高，本質是“人工AI”，并未達到真正的AI應用水平，市場上Agent框架等相關產品同質化嚴重。
回歸“機遇”層面，嘉賓們紛紛“押注”值得長期鉆研的方向。
楊強教授提到，在醫療等數據稀缺領域，數百例甚至幾十例數據無法支撐深度學習，只能依靠傳統回歸模型，這類小數據場景廣泛存在。他目前的一個研究領域，正是如何在保護隱私的前提下，整合各領域專家的小數據模型，構建全局模型讓大家都受益。
胡俠教授則延續機器人話題，他認為盡管機器人領域泡沫大，但國家和產業大力投入，正是希望通過搭建機器人產業生態，用行業熱度倒逼技術發展。
技術層面上，薛貴榮教授認為當前最重要的是提升大語言模型規模。做大模型規模，能夠帶動底層基礎設施、算法、數據等全鏈條實現一次“革命”，必須著重推進。
在精彩的圓桌對話之后，清華大學深圳國際研究生院教授、副院長，國家超算深圳中心副主任、IEEE Fellow付昊桓帶來了“硬核”演講：《超智融合支撐下的地球系統模式研發》。
付昊桓主任指出，超算是地球系統研究的“數字實驗室”，科學家無法對地球進行實體實驗，需通過超算構建數字孿生模型探索氣候變化、碳達峰、碳中和等重大議題。以臺風為例，超算是進行臺風預報和臺風機理研究的重要基礎平臺；在碳中和談判中，各國減排承諾的效果評估也依賴模型數據支撐。深圳超算二期正在推進的首個重點應用便是開發下一代百米天氣預報模式，其在防災減災、可持續發展等領域作用關鍵。
他表示，當前全球氣候模式存在顯著不確定性，各國模型對近百年氣溫變化曲線的模擬差異較大。降低不確定性需從不同方面突破：提升模型空間分辨率、引入AI方法有效融合數據等。但技術升級帶來算力需求指數級增長，同時需解決“模型-機器適配”難題——天空中約千余顆衛星每日產生的海量觀測數據，對數據處理能力構成嚴峻考驗。
付昊桓主任隨后講述神威系列計算機見證國產超算發展歷程、分享了深圳超算二期建設的突破性進展，并強調：“超算的核心邏輯是集聚算力攻克復雜科學問題，與AI大模型的并行思維本質相通。”
他進一步指出，目前超算領域面臨“國產算力硬件投入大、軟件生態投入相對少”的困境；同時難以留住人才，他笑稱“既懂氣象又懂HPC的復合型人才，畢業后都被大廠挖走”。他提出解決方案：借鑒通用人工智能的可擴展模型經驗，加強算力軟件與科學發現的協同，完善國產生態以留住人才。
會后，付昊桓接受雷峰網采訪，表示目前AI應用于氣象預報仍面臨不小挑戰，如極端天氣事件預報能力弱、結果偏于平滑，缺乏不確定性評估方法，黑盒性質也使得預報員難以解釋預報結果。對于超算與AI融合的行業趨勢，他透露深圳超算將搭建超智融合平臺，吸引天氣氣候、生物材料、工業仿真等領域科研人員參與，形成開源生態，并表示未來在相應領域，超智融合的新路徑有潛力帶來新的動能和新的算力需求。
在醫療領域，人工智能有哪些應用，又有哪些挑戰和機遇？作為醫療人工智能醫生側主導研發的首都醫科大學附屬北京安貞醫院胎兒心臟母胎醫學中心主任何怡華，帶來了《心血管疾病防治現狀及人工智能賦能潛力》為主題的演講。
何怡華教授以心臟超聲為例，講述人工智能解決方案帶來的諸多挑戰：從數據規范到數據間立體關系，再到其與疾病發生發展的語義關系轉寫、影像自動識別等。
何教授還介紹了領域內世界研究的狀態、行業痛點和瓶頸問題，及安貞團隊的探索研究和轉化應用。她提到，首都醫科大學附屬北京安貞醫院研發了針對心血管體系應用的大模型，希望基于現有的語言大模型，接入更多數據模態，并在大模型基礎上構建應用界面、應用體系或智能體，實現所需的預警、篩查、診斷、手術導航以及個性化干預。
這樣宏大的目標，實現起來并不易。何怡華教授補充，未來在醫療領域，大模型與小模型協同，更垂域的小模型將縱向攻克預警、診斷、治療等核心環節，通過模型融合解決問題。
除了從產業維度思考，何怡華教授認為，人工智能在醫療領域的應用，更應放在整個醫院醫療體系中思考如何落地到醫療場景。因為其中很大一部分工作是為了“強基層”，提升醫療的診療能力。
“強基層”第一步是培訓，第二步是人工智能賦能，第三步是后續醫療診療團隊以及醫療出口的支撐。只有構建這樣的體系，才能讓人工智能在醫療診療場景真正實現落地價值，而非僅停留在技術解決層面。
在提問環節，臺下觀眾積極互動，有觀眾拋出犀利問題：醫學人工智能到底應該由醫生來主導，還是由做算法的人來主導？
“我是醫生，我認為應該由醫生來主導，不知道你是否反對。”何怡華教授認為，所有工具最終都要落到醫生面對患者的場景中，人工智能是醫生調用或輔助診療的工具。從人文關懷的角度，醫生站在患者面前使用人工智能，比患者獨自面對機器的體驗要好。
在熱烈的AI+醫療討論后，RockAI聯合創始人鄒佳思登臺。《擺脫Transformer的束縛，讓智能重新定義硬件》的主題報告，深入探討了云端模型的局限性、設備端自主學習的重要性及行業未來路徑。
演講的開頭，鄒佳思指出：云端鏈路存在顯著浪費，一些語音指令經云端解析再回傳，至少50%的傳輸成本被無效消耗。全球云端模型每日消耗成本高達萬億至百萬億量級，有效利用率卻存疑。而市場已顯現轉型跡象，例如OpenAI計劃明年推出硬件產品，標志著行業從云端向端側的戰略轉移。 對于當前“更多數據、更大算力、更高人才密度、更大參數=更好的模型”這一行業共識，鄒佳思提出了自己的質疑：算力在扼殺創新、讓小團隊失去機會。以Transformer為代表的架構偏向壓縮智能和靜態函數，并不能誕生更多智能；參數量大，確實擴大了這個函數的空間容量，但沒有真正產生知識。
他認為，未來的智能硬件，最重要的實際是原生記憶和自主學習。他在演講中展開討論了形態記憶和知識記憶，認為缺乏記憶時很難談論模型的個性化和進化。
他強調，大模型的發展方向，要從固定的工具轉成持續學習，要從三個月或半年更新一次的模型知識轉到實時成長的階段。自注意力機制雖解決了模型關聯問題，但帶來成本激增。未來行業有可能面對參數規模的極限，因此架構上需做創新，積極探索云端+端側結合方案，希望設備之間能夠互聯，最后達到群體智能的目標。
最后一位嘉賓是南方科技大學張進教授，她的演講主題是《從便捷交互到可信感知：聲波與毫米波感知應用研究》。
張進教授結合下午場的議程，用“首尾呼應”的方式開啟演講：“下午第一個題目是空間智能、時空數據，最后一個題目是聲波、毫米波感知，都是為了感知物理世界，實現空間智能。”由此切入“面向空間智能的新型模態感知”這一話題的分享。
張進教授提到，無論是現在的具身智能、無人機、智慧健康，都需要對物理世界的感知和理解，需要建立虛擬世界和物理世界之間的溝通。為此，傳統AI和新型傳感可以從兩個不同的角度和路徑走到一個共同的“點”，最終實現“殊途同歸”。
“我們怎么做到‘殊途同歸’？傳統AI從語言、文字、視覺等模態出發，生成世界模型，探索空間智能。而我們長期做傳感器、智能物聯網的學者一直以來就是為了實現準確地感知物理世界，只不過最初我們是用信號處理來完成這件事情，后來我們可以用機器學習、深度學習來理解物理信息，現在我們可以用大模型理解傳統傳感器的信號，從而得到更多的信息，也為我們帶來面向空間智能的多模態感知。”
張進教授提到，現在所謂的“多模態感知”，仍集中在語音、文字、圖像、視頻，對新型模態的探索并不多，只有“激光雷達、深度攝像頭、紅外等模態，稍微與傳統的模態有點結合”。
張進教授希望引入更多的模態，比如聲波感知、毫米波雷達感知。她提到，目前毫米波雷達感知已經有一些應用，但聲波感知的應用仍較少。目前更重要的是，新型模態數據有其獨特特點，需要用更新的網絡去理解這些新型模態。這正是張進教授團隊的初衷，希望用最新的模型技術，理解新型的傳感器數據，并在此基礎上進行包括空間感知、智能交互、健康監測在內的諸多技術探索。
演講的最后，談及從初期的信號處理到后來的結合機器學習、大模型，張進教授回溯了自己的“來時路”：“我的本科和碩士專業背景是電子信息，博士階段攻讀計算機，慢慢開始做深度學習。”
展望未來，張進教授相信，還會有非常多面向新型模態的新型感知模型相關的工作，可以基于物理信息輔助的模型，也可以基于大模型。“這部分的工作才剛剛開始，我相信未來5到10年會非常繁榮。”
隨著張進教授的演講結束，以“AI之道”“AI之術”為主題的GAIR 2025首日也落下帷幕，楊士強教授也在大會最后進行了致辭總結。十余位頂級學者論遍AI產學研的術與道，為走過九年時光的GAIR留下濃墨重彩的新篇章。
值得關注的是，本次GAIR為期兩天，12月13日會有“世界模型論壇”“數據&一腦多形”和“AI算力新十年”三場專題論壇同時進行，涵蓋具身智能、世界模型、國產芯片、算力基建等數個年度熱門領域。屆時，來自各個熱門領域的資深專家，將共同為線上讀者和線下觀眾們，奉上深度與溫度兼具的主題演講或圓桌討論。
思想的盛宴仍在繼續，雷峰網將持續帶來GAIR的最新報道和深度記錄。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
