以“积淀·涌现”为主题的未来人工智能先锋论坛在3月29日下午正式召开，包括百度CTO王海峰、创新工场董事长兼零一万物CEO李开复、智源研究院院长王仲远等业界领袖深入探讨AI在新时代的发展趋势。

王海峰：

大模型带来通用人工智能曙光

近几年大模型出现，尤其是现在大模型的通用性越来越好，一个大模型可以适用于很多不同的领域，最多针对领域数据做一点微调或者做一点检索增强等，就可以把一个领域问题解决得很好。从人工到自动，从算法通用性越来越好到模型通用性越来越好，也让我们逐渐看到了通用人工智能的曙光。

怎么看通用人工智能？技术的通用性和能力的全面性很重要。

技术的通用性，可以理解为不管是不同的任务、不同的语言、不同的模态，还是不同的应用场景，通用性都已经越来越好了。能力的全面性，模型的能力不只有生成，不断分析人工智能各方面的能力后，我们发现其中有四项能力非常重要、非常基础，就是理解、生成、逻辑和记忆。

李开复：

大模型迭代进入“AI教AI”时代

Scaling Law（规模定律）正从预训练阶段转向推理阶段，也就是慢思考模式。过往预训练阶段的Scaling Law是指：有更多的GPU（图形处理器）、更多的数据，模型就可以变得更聪明，但目前看其增长趋势放缓了。新的慢思考Scaling Law是指：模型思考的时间更长，就会得出更优质的结果。目前看来，慢思考Scaling Law下，模型性能的成长速度非常快，而且还有很大的增长空间。

值得关注的是，现在进入了“AI教AI”的时代，模型迭代的速度从两年缩短到3个月。一个重要的原因就是现在很大程度上已经不再单单依靠人来发明新算法、发明模型架构，而是AI借由慢思考具备了反思的能力，能够自我迭代、自我进步，也就是“AI教AI”，AI进入到自我演进范式。

王仲远：

具身智能成机器人2.0时代重要特征

大语言模型从实验室走向产业界，有可能推动人工智能向通用人工智能的时代发展。因为大语言模型和多模态大模型的发展，进一步推动机器人从1.0时代向2.0时代发展。人工智能与机器人有了交汇点。机器人2.0时代，具身智能就是最重要的特征。

当前具身智能的发展遇到很多瓶颈，首先硬件依然不够成熟，成本比较高，具身数据比较缺乏，导致模型的能力偏弱。在应用上，模型能力不足，又导致落地困难，形成了具身智能发展的循环悖论。

要破解这些挑战，需要每个环节都去突破。比如本体公司需要不断降低硬件成本；数据方面需要多方共建，构建开放共享的数据生态；应用方面需要本体公司、模型公司和产业各方一起寻找最合适的具身智能应用场景。

北京商报记者 魏蔚