“未来像盛夏的大雨，在我们还来不及撑开伞时就扑面而来。”

刘慈欣在《三体》获奖感言中的这句话，用来形容当下的AI技术大爆发再合适不过。正所谓科技大爆炸来时常常是“一句招呼都不打”。过去一个月内，人工智能领域的新突破就像密集的雨点，猝不及防地砸在我们身上：

具备多模态能力和更强通用智能的GPT-4发布，不仅在国外大学入学和律师资格模拟考试中优于其前身GPT-3.5，实现了“自我超越”，并且在某些维度上可与人类相媲美；

在bing之外，微软把GPT-4加入office办公软件，引发数亿打工人的震惊与恐慌；

一大批类ChatGPT产品密集发布：百度文心一言、谷歌Bard、斯坦福Alpaca-7B等等；

AI绘画工具Stable Diffusion与Midjourney不断产出逆天作品，画师、平面模特将面临更严峻的就业环境；

ChatGPT开始集成第三方插件，要构建AI时代的App Store；

底层技术方面，人工智能框架Pytorch2.0发布；英伟达推出云服务，企业通过浏览器就可使用DGX AI超级计算机……

以上这些新突破，都发生在刚刚过去的3月。

应接不暇的科技新闻中，越来越多人意识到，最先被AI替代的不是体力劳动，而是所有与内容生产、流程处理相关的白领工作。也许人类从未在一次科技突破中，感受到如此多的复杂情绪：兴奋，恐惧，焦虑，迷茫……

那么，我们应该如何来评判最近在人工智能前沿领域出现的一系列突破？这些突破究竟是iPhone时刻还是蒸汽机时刻？未来，AI的发展有哪些新趋势值得关注？面对这样的开放式问题，也许每个人的答案都不相同。

iPhone时刻还是蒸汽机时刻？

“AI的iPhone时刻来临。”

不久前，英伟达CEO黄仁勋提出的这一观点被不少业内人士认同和引用。2007年诞生的iPhone开启了移动互联网（Web2.0）时代，至今仍定义着移动互联网的发展范式。

目前，越来越多的研究和观点趋向认同于：这一波AI浪潮将逐渐影响所有行业，改变社会结构，并不可避免地带来新的阶层与产业崛起，旧的行业与职业消失。

比如，高盛在最新研报中指出，AI浪潮将产生劳动生产力增速飙升与就业替代共振的局面。生成式AI的最新突破，将给全球劳动力市场带来重大颠覆，全球预计将有3亿个工作岗位被生成式AI取代。

显然，这种变革要比iPhone的影响大得多，因此，才有了新的工业革命、蒸汽机时刻等概念被提出。蒸汽机带来的第一次工业革命，对全球经济和社会产生了深远的影响，让人类社会实现了从传统农业社会转向现代工业社会的跨越。

华为云人工智能领域首席科学家、国际欧亚科学院院士、IEEE/CAAI Fellow田奇近日出席博鳌亚洲论坛时谈到，ChatGPT是人工智能领域的里程碑事件，表明预训练大模型是深度学习框架下人工智能发展的一条正确路径。

“这一波人工智能对社会的影响，我认为是远远超过iPhone的，因为它不光带来了新的人机交互方式，还极大提高了生产力。与前几次里程碑事件不同的是，预训练大模型是可以复制的，并且是可以规模商用的。”田奇表示。

华为云人工智能领域首席科学家、国际欧亚科学院院士、IEEE/CAAI Fellow 田奇

当然，AI的蒸汽机时刻不是一蹴而就的，上世纪50年代人工智能概念首次提出后的几十年中，人工智能的发展经历了几次起伏，终于在上世纪80、90年代机器学习和神经网络诞生后，按下了发展的加速键。

2017年谷歌推出的transformer架构，已经成为行业最主流的AI模型架构，也为这一轮AIGC爆发打下了基础。通过“大力出奇迹”地提升参数数量级，GPT为大模型的通用性探索出一条路。2018年的初代GPT-1，参数数量只有亿级。2020年的GPT3，参数量达到了1750亿个，并被投喂入了超过570GB的文本资料。这种路径让之后的大模型开始出现“涌现（Emergence）”。

涌现是指当一个复杂系统复杂到一定程度，就会发生超越系统元素简单叠加的、自组织的现象。比如单个蚂蚁很弱小，但蚁群却非常聪明。每个神经元都是简单的，但是接近1000亿个神经元组成的大脑会产生意识。涌现能力这也是这一轮大模型主导的AIGC浪潮爆发的基础。

奇点之后，AI已奔向千行百业

更多人关心的是，AI将如何影响到企业的生产运营、以及每个人的工作和生活。这取决于人工智能未来的发展趋势。田奇认为，未来人工智能将呈现两大新趋势：

技术层面，人工智能大平台将趋向统一

具体来说涵盖三个层面：

数智融合平台架构的统一：通过融合的数据和AI新架构，打通大数据和人工智能，实现统一管理、一数多用、敏捷用数。未来，多模态是大模型的演进方向。“如果把过去的大模型比作黑白的无声电影，未来它将变成彩色的有声电影。如何降低大模型的训练成本，提高推理效率是至关重要的。底层的统一架构必然会加快大模型和底层硬件的适配，达到降本提效的效果。”田奇表示。

深度学习架构的统一：基于transformer架构的各种神经网络，将广泛应用于计算机视觉、自然语言处理、多媒体分析等各类场景中。

架构的统一在科技界、产业界也有不少与之共鸣的观点。比如，阿里巴巴达摩院资深算法专家黄松芳认为，未来大语言模型将呈中心化发展趋势，大一统的底座必不可少。蓝驰创投投资合伙人石建平认为，transformer架构有成为基础模型事实标准的势头，将进一步推动基于transformer的LLM的基础设施和行业生态的发展。

人机交互方式的统一：人类将通过自然语言等方式与AI交互，完成各种任务，改变针对每个任务单独设计算法的局面。自然语言交互将由目前的聊天机器人、AI绘画等，拓展到更多行业与场景，比如办公协同、内容生产、数据分析、软件开发、生活服务等，改变人类使用AI和移动互联网的方式。

应用层面，AI for industries将成为人工智能新的爆发点。

“未来三年，将是大模型风起云涌的三年，AI将会和各行各业深度结合，AI for industries将是主流。预训练大模型的成熟必将推动人工智能走向大众生活，走向行业生产系统，加速千行百业智能升级。”田奇认为。

如果回顾前几次工业革命会发现，引爆社会变革的奇点，从来不在单点技术突进，而在如何将新技术普惠化与行业化应用。

比如，蒸汽机如果仅用在最初的纺织业，根本无法爆发引领工业革命的能量。当蒸汽机作为驱动力，被装在火车、轮船、各类工厂中，社会生产的效率才有了翻天覆地的提升。同样，电力如果仅用来照明，也无法推动第二次工业革命。当无数发电厂将电力作为基础设施源源不断对外供应，让每家企业每个家庭都能按需使用，人类才真正进入了电气时代。

同理，如果AI只是用来回答问题、写代码或画画，也无法推动新的社会变革。千行百业才是AI的星辰大海。未来，大模型、知识计算、AI求解器，一站式开发平台等AI基础设施会大量涌现，让AI具备深入行业“点石成金”的能力。

“大模型将成为AI的一个操作系统，在底层会加速与硬件的适配，上层所有AI算法开发都会围绕它来构建。”田奇表示。

不过，大模型的通用性到行业的专业性之间，还有很长的距离，这也是过去大模型应用广度及深度受限的原因。将基础大模型与行业知识结合，通过下游微调获得行业大模型已被验证是AI奔向千行百业的主流路径。以华为云盘古大模型为例，目前已推出矿山、药物分子、电力、气象、海浪等多个行业大模型，并实现了超过1000个项目落地。

在医药领域，华为云联合西安交通大学第一附属医院，基于华为云盘古药物分子大模型研发出全新的广谱抗菌药物，将先导药的研发周期从数年缩短至一个月，显著提升新药研发效率。

在煤矿领域，华为云实现一个盘古矿山大模型覆盖矿山采、掘、机、运、通等主业务环节，不仅降低研发工作量，还将安全事故降低90%，保障井下作业安全。

在气象领域，盘古气象大模型实现秒级预测全球一周天气，相比传统预报方式精度提升20％，速度提升10000倍。

在电力巡检领域，国网重庆永川供电公司通过华为云盘古大模型适配上百种电力缺陷，替代原有20多个小模型，极大地减少了模型维护成本，实现了平均精度提升18.4%，模型开发成本降低90%。

威胁还是福祉，未来人人将拥有自己的大模型

目前，关于AI威胁论与AGI（通用人工智能）的讨论异常火爆，随处可见。这种担心并非杞人忧天，很多研究论文正在不断验证、评估目前AI系统的智能水平，不少科学家、社会学家也向公众发出了预警。

不久前，微软发布的一篇论文指出，GPT-4已经可以被视为通用人工智能的一个早期的版本。通过测试，微软的研究者认为：相较于之前的人工智能模型，GPT-4展现出了更多的通用智能。它不仅精通语言，还能在数学、编程、视觉、医学、法律、心理学等多样化和高难度的任务中表现出色，且无需特别提示。

“此前，我还认为需要20到50年才能拥有通用人工智能，而现在我认为可能是20年或更短。” 近日，被称为深度学习之父的Geoffrey Hinton表达了他对通用人工智能的最新判断。

历史学家、哲学家、《未来简史》的作者尤瓦尔·赫拉利则认为，“如果情况没有改变，我们文化中的大部分文字、图像、旋律甚至工具都将是由人工智能制作的。我们必须让这个过程变慢，让整个社会适应这个情况，并且制定出一套（应用于人工智能的）道德规则。否则我们的文明就有被摧毁风险。”

“我认为ChatGPT的出现让我们看到通用人工智能出现了曙光。通用人工智能或强人工智能，不同的专家有不同的定义。如果你把它定义为完成各项通用任务，那么现在可以看作是AGI的早期版本。但是如果把它定义成有人类情感的智能体，我觉得这个目标还没有达到。”田奇认为。

不过，也有观点认为，未来新的职业、新的行业还没有被创造出来，尽早接受各行各业工作一定会不同程度被AI替代的事实，尽早驾驭AI工具，才能更好地生存在人机结合时代。也许，很多职业新机会将在AI for industries中诞生。比如，国外一些企业已经开始招聘提示词工程师(prompt engineer)，这一岗位薪酬高，但要求也很高，因为要精准地给AI下指令，“差遣”AI产出预想中的结果并不容易。

“对个人来讲，要积极的去拥抱变化，去学习AI，适当转型。是不是人人可以拥有一个大模型，就像大型机到PC机的转变一样，我觉得这一天是会来到的。”田奇展望道。