加速行业智能化升级 业界大咖解读通用人工智能发展

通用人工智能技术取得突破性进展，为物联网的活跃发展提供了重要的驱动力。10月20日至23日，2023世界物联网博览会在江苏省无锡市举行。在通用人工智能开启智能物联网新时代论坛上，多位业界大咖针对人工智能的发展进行了展望，也对其和物联网的渐趋融合趋势进行了剖析。

华为战略研究院AI/大模型产业发展首席专家王震军表示，通用大模型在加速行业智能化升级，为企业注入新活力。其在办公领域，生产领域和研发领域都发挥了非常大的作用。中国科学院软件研究所研究员杨晨则表示，人们一直设想的万物互联时代，在人工智能加持下才有可能变为现实。中国电子信息产业发展研究院总工程师高炽扬表示，物联网与通用人工智能正加速深度融合，将开启物联网智能化发展的新时代，这为物联网发展带来了三方面重要机遇。

不过腾讯研究院高级研究员、智慧产业研究中心副主任徐思彦也提到，大语言模型等AI进展让人们看到曙光的同时，也带来更加难控制的风险，比如AI歧视的风险、滥用恶用问题、工业和就业影响、人机关系等问题会被推向台前。

大模型最终还是要在行业里落地生根

在谈及通用人工智能赋能千行百业时，华为战略研究院AI/大模型产业发展首席专家王震军表示，通用大模型在加速行业智能化升级，为企业注入新活力。其在办公领域，生产领域和研发领域都发挥了非常大的作用。比如在气象领域，可以运用通用大模型技术加速高性能计算，把预测效率提升到万倍级的增长。在证券行业，通过大模型技术可以快速生成研报。

王震军指出，大模型最终还是要在行业里落地生根。最先落地场景是现象级应用，包括社交、对话能力、图片生成能力，逐渐到行业里的通用场景，比如办公、编程、营销、设计。最后随着通用人工智能和传统行业尤其是行业数据与场景的深度融合，切入到真正生产环境里面去。这其中包括运营商网络的运维，深度调优；金融领域场景，包括智能风控、研报生成；医疗领域的医疗咨询，包括问诊等等，由浅入深逐渐切入。

不过有很多行业数据，甚至有一些敏感行业数据还无法公开。王震军提到，这种情况下，企业客户需要构建自己的行业模型能力。大部分路径是基于基础通用模型能力，再结合本身的数据和场景，打造自己的行业模型，逐渐从行业模型到更多场景、更多数据、更多知识方面的演进。

工信部电子四院信息技术中心副主任董建也表示，从目前来看，大模型与行业专用模型肯定是未来的发展趋势。“我们前期也从制造业角度梳理过，把制造业全流程打开，看看哪些应用场景。包括下一步人形机器人、具身智能、图像、质检，很多应用领域有很多空间和机会可以做。”

但是打造行业模型是非常复杂的过程，也是非常复杂的系统。王震军指出，首先需要做整个数据的清洗，需要大量数据整理。第二，想把企业自身数据与通用模型结合，也需要有比较大算力方面的支持。最后，想真正把这些数据场景化落地，满足要求，不管是重复劳动，还是做深度调优高精尖的能力都需要很大的投入，这也是非常费时、费力、费资金的工作。

物联网与通用人工智能正加速深度融合

纵然大模型的建设过程艰巨，但是在现场，中国国际工程咨询有限公司高技术业务部通信信息处处长于明依然强调了该领域发展的良好机遇，“今年开始国家把人工智能提升到与新一代信息技术领域、集成电路并行的地位。再加上今年开始有东数西算、国家算力网的布局，也为人工智能提供很好的积累和支持，今年人工智能的发展面临比较好的开局。”

腾讯研究院高级研究员、智慧产业研究中心副主任徐思彦表示，从某种程度上来说，随着这一轮AI的爆发，除了先行者或者创造了行业本身的少数AI公司，所有人都回到了同一起跑线上。“无论你是普通的劳动者，还是创造者，或者是企业的管理者，把握对AI的认知和对趋势的判断都成为一张通向未来的‘船票’。”

业界也一直在探索通用人工智能与物联网的结合。中国电子信息产业发展研究院总工程师高炽扬表示，物联网与通用人工智能正加速深度融合，将开启物联网智能化发展的新时代，这为物联网发展带来了三方面重要机遇。第一，通用人工智能可以提升物联网设备、感知、分析和决策的能力，加快实现自动化的监测、过程管理。第二，在通用人工智能赋能下，可以对物联网用户进行行为分析，实现个性和技术化服务。第三，通用人工智能迭代升级，可以不断提升物联网、人、机、物的交互能力，从而促进更智能的物联网应用在更广阔的场景下落地。

中国科学院软件研究所研究员杨晨表示，人们一直设想的万物互联时代，在人工智能加持下才有可能变为现实。“物联网需要大量设备接入联网以及海量数据处理，所以需要人工智能的赋能。”

不过杨晨也提到，将来很多信息，不管是个人信息还是企业生产的很多信息，都会在网络中传输使用，这会造成大量安全问题。本身这些终端会受到关注和攻击，同时这些数据也会受到攻击和各种不当使用。“在人工智能时代，网络攻击手段在增加，攻击能力也在增强。”

浙江大学滨江研究院数智融合研究中心主任韩蒙也提到了一些应该被重视的风险点。他结合团队在人工智能与机器人结合应用中的探索实践表示，在物联网领域，比如当机器人与人工智能结合的时候要更审慎。“如果人们依赖的智能做决策出现了问题，它就会造成更大的伤害。在风险防控、危害检测方面也带来更大的挑战。”

徐思彦也表示，大语言模型等AI进展让我们看到曙光的同时，也带来更加难控制的风险，比如AI歧视的风险、滥用恶用问题、工业和就业影响、人机关系等问题会被推向台前。他提到，面对这类风险，预训练阶段可以用数据清洗，比如从训练数据中减少色情有害内容，移除个人信息。预训练之后的阶段，就是价值对齐，改进模型行为，对模型展开广泛测试和评估，还有第三方评估等。最后模型部署阶段，本身要给它的API控制权限，要有用户行为的监测和审核，还要有用户反馈渠道以及标识用户内容来源的工具。