麦肯锡近日发布《机器的崛起:中国高管眼中的人工智能》研究报告,称人工智能发展近临界点,其迅猛发展将为科技产业公司带来更多的利好,相比之下中国的传统行业并未做好迎接人工智能的准备。
人工智能是有关计算机系统的理论和发展,这类计算机系统能够代替人类智能执行一般由后者执行的任务,比如视觉感知、语音识别、决策和语言转换。
过去十年,计算能力大幅提升、深度学习算法不断提高、机器学习变得更加强大。与此 同时数据量的急剧增长大大推动算法发展,人工智能加速增长,目前已完全具备实现大规模商用的潜力。特别是在语音识别应用、无人驾驶等领域都可以预见到人工智能的大爆发趋势。
在国内,“百度大脑”即为其中推动因素之一。由百度建立研发平台供第三方开发人工智能应用,投资无人驾驶汽车研究,提供给关注机器学习应用及相关商业模式创业公司的利用。
上述报告称,人工智能的发展可能更有利于科技板块,由于这一行业具有相关的人才、技术和资金。相比之下,中国的传统行业还没准备好利用人工智能技术,大多还没把其视作战略重点。
此项报告对中国80家公司(其中60家来自传统行业)展开调查,90%的受访者都认为人工智能会成为其所在行业的一股颠覆性力量。60家来自传统行业如零售、重工业和建筑业。调查对象还包括来自中国互联网公司的20位人工智能专家。
大部分受访者认同人工智能将会成为颠覆性力量,尽管变化在各行业有所差别,影响方面从提高运营效率的应用程序开发到全新的产品和服务开发,不一而足。
但如何对这一技术进行投资,超过40%的受访者表示,其CEO并没有将人工智能作为战略重点,60%以上的人认为其公司在过去一年中,人工智能技术进展缓慢。
大多数接受调查的高管指出,人才匮乏是主要障碍。事实上,中国只有不到25%的人工智能从业者拥有超过10年的行业经验,美国这一比例为50%。且国内高等院校开设机器学习等相关专业的屈指可数。有60%受访专家认为,大型互联网公司最有希望领导本公司所在行业的人工智能技术发展。
尽管人工智能的发展主要受全球高科技企业推动,不少中国企业也在致力于此新兴领域。中国政府方面也认定人工智能是经济发展的新引擎,投入重金开展学术研究。互联网巨头将其视为重点,初创公司不断开发机器人、医疗卫生以及无人机等领域的应用,部分中国公司超越全球对手,如NIST的科大讯飞及Imagenet的海康威视。
至于中国传统行业该如何思考与应对,麦肯锡亚太区半导体咨询业务负责人、全球合伙人唐睿思(Christopher Thomas)指出,明确制定怎样的人工智能战略,以及如何去实施这一战略是关键。“企业现在处于怎样的阶段?未来的目标竞争领域是什么?需要哪些人工智能能力以及如何获得这些能力?这些都是中国企业的CEO们在制定‘人工智能’战略时必须积极思考的问题,从而做出审慎决策。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。