刘铁岩：如何走出人工智能红海

12月30日，“010”前孵化科技创新论坛暨首都科技发展集团十周年战略研讨会在北京中关村展示中心会议中心成功举办。当下，人工智能领域持续火热，应用场景不断扩大，针对“如何走出人工智能红海”的话题，北京中关村学院院长、中关村人工智能研究院理事长刘铁岩发表了主题演讲。

以下是演讲节选：

首先我谨代表北京中关村学院、中关村人工智能研究院向首发展十周年献上最衷心的祝福！

北京中关村学院是教育部和北京市政府共建共管新型教育研究机构，它是中国人工智能人才培养的试验田，以打造中国人工智能领域未来的领军人才为目标。中关村人工智能研究院则是在市科委、中关村管委会的领导下，在首发展集团的大力支持下，诞生的最年轻的北京市新型研发机构，我们以人工智能的技术转化和产业孵化为目标。

接下来我就代表这两个年轻的机构跟大家分享一下对于人工智能领域的一些思考。

今天的时代是人工智能的时代，技术的发展不断的抬高了我们对通用人工智能的憧憬。在这个领域里面，大模型、科学智能、具身智能是人们最瞩目的三个研究方向。在这些研究方向里面，论文、专利、创新创业的企业，如雨后春笋层出不穷。

人工智能的这些领域其实构成了一个所谓的知识飞轮，大模型会总结人类历史上已知的各种知识，科学智能则利用科学规律对这些知识进行拓展、推演，而具身智能则把知识应用于现实世界获得反馈，对知识进行改进和更新。

虽然这些领域获得了非常繁荣蓬勃的发展，但其实硬币的另一面就成为了兵家的必争之地，无可奈何的沦为了红海。

在大模型领域已经面临了一些发展的瓶颈，投入产出比逐渐降低，并且落地应用虽然很繁多，但如果仔细看一看，这些应用大多停留在所谓客户助手这个层面，还没有出现真正雪中送炭级别的应用。

科学智能研究则主要集中在科学发现链条的前端，比如制药早期的筛选，离产业大规模落地还有很大距离。在具身智能领域在一些特定场合下，比如自动驾驶或者精密手术机器人，确实表现出很大潜力，但是整体而言，具身智能的发展目前还过于拟人化，缺乏广泛高价值场景。

所以面对这样一个情况，国际上是一片红海，中国也没有逃出这个魔咒，在中国，大部分人工智能的研究也是集中在大模型、科学智能和具身智能领域，而且原始创新相对来说有点薄弱，所以总体来看，中国的人工智能研究是处在一个跟随的状态，这对于我们中国的人工智能发展不是一件好的事情。所以要回答的问题是，在这样的国际形势下，在现在人工智能发展的形势下，该做些什么事情才能够破局，才能够引导着中国研究领域和产业领域在人工智能这个方向上另辟蹊径，换道超车。

如果想回答这个问题就需要向后站一站，从远处再去重新反思一下整个人工智能领域的发展。其实今天虽然在模型算法领域有非常蓬勃的进展，但是基础理论支撑是不够牢靠的。

人工智能的核心理论其实至少在过去30年是停滞不前的，而且现在使用最多的Transformer模型也有7年历史，过去这7年，在基础模型架构方面也只有微创新，没有颠覆式成长。同时类似人工智能芯片、人工智能系统、人工智能编程框架领域中国也无时无刻正面临着卡脖子的窘境。

另一方面人工智能算法发展产业应用领域也有各种各样的尝试，但是总体而言，中国人工智能技术还没有能够彻底的进入到各行各业的核心痛点，起到解决命脉难题的部分，所以呈现出来的还是浅层应用的状态，至今为止，在人工智能产业应用落地的领域，还没有任何一家公司成长为独角兽级别的公司。

基于这个分析，我们认为，如果想在人工智能领域真正有所突破，需要避免跳入现在的红海，要能够找到新的突破点，比如应该抱着一个极基础的思路，以釜底抽薪的方式进行破局，把更多精力投入到AI和数学、脑科学交叉，研究AI的芯片、系统、框架，帮助我们真正找到一条AI领域的发展新路径。

同时，应该更加关注人工智能的产业落地，去深入理解各行各业到底遇到什么样的核心痛点问题，针对这些核心痛点研发新的人工智能技术，让人工智能技术变得有用，能够绽放出新的产业价值，从而以终为始的方式进行破局。

具体而言，说到极基础方面，首先应该关注AI基础理论，相较于算法和模型，AI基础理论其实发展几乎陷于一个停滞状态。如果回顾AI发展历史，能够称得上里程碑性的理论研究成果，大多是上个世纪八九十年代之前完成的，在过去30年没有什么惊喜。但是事实上，人工智能领域有很多非常重要的问题，到今天都没有答案，比如如何按照目标去设计一个最优的人工智能神经网络模型，不同的模型之间到底有什么表达能力的差异，他们在进行优化和学习过程中，为什么表现出不同的路径，只有我们真正的花精力、花时间去从事这样的基础理论研究，深刻理解AI的工作原理，才有可能开辟全新的人工智能发展路径，实现釜底抽薪式的创新。

除了理论以外，其实人工智能今天成功背后的最大支撑者就是所谓Transformer的模型也不是一个新鲜事物，也已经有了很长时间的历史，而且业界都公认Transformer模型也存在很多自己的弊端，比如说这个模型主要擅长去处理序列输入和二元关系，但是逻辑推理能力相对不足，训练和推理成本也很高，并且Transformer模型产的很多结果都是违背物理规律。

在这个领域我们其实是呼唤下一代人工智能基础模型构架，什么是Transformer的替代品？能不能从能力、效率等多个方面来颠覆现在的Transformer时代？

极基础的另外一方面是人工智能的芯片、系统和框架，到今天为止，我们仍然面临非常严重“卡脖子”问题，英伟达和AMD占据GPU芯片将近99%的市场份额，中国人工智能领域很多的底层创新都有非常强的外援依赖，一旦没有这样的芯片使用，不能用现有AI编程框架，将寸步难行。在这种情况下，我们亟待呼唤更多的投入去钻研新型人工智能芯片和算力集群构架，来构建全新的国产新生态，别无他法。

如果说极基础是来路，那么极应用就是我们的出路，人工智能要想长治久安，不断发展，就必须能够找到它的产业价值，对于制药、化工、金融、电池、育种、教育等多个行业进行深入分析和相关头部企业进行深入探讨和调研，发现这些产业背后都有一个共性的技术挑战，比如他们生产过程中所面临的数据通常不是大模型所擅长的那些图文声式的模态，而是一些高维传感数据，具有非常强的复杂度，非序列、体量大，而且很难序列化。

这些生产过程本身也非常复杂开放，里面存在高度动态性，而且在这些生产过程中要解决很多复杂任务，远远不是今天大模型所能实现预测和生成就能解决，比如其中包含科学仿真、组合优化、流程规划等等，最后，这些生产过程会安全的要求非常高，大模型简单幻觉可能带来严重的生产事故。

我们了解这些核心痛点，再去看看今天主流人工智能技术就发现他们在这些方面都是捉襟见肘的，所以也就呼唤着人工智能领域要去发明一系列新的技术，比如说能够处理复杂模态高维数据表示和知识集成的技术，要能够面对复杂生产过程设计全新的模型和训练方法，要能够有能力支撑起来复杂任务的求解、优化和决策，以及保证可信的生产和控制过程。

北京中关村学院和中关村人工智能研究院致力于研究一系列技术，称其为产业智能大模型和决策技术，我们希望能够开发出一套公共的技术平台，包括泛模态的表示系统、产业智能的决策系统、安全生产和控制系统，从而支撑农业、工业、服务业等诸多应用，让人工智能真的变得有价值。

人工智能落地不能产生好的产业效果还有一个非常重要的原因，就是生态环境的问题，人工智能领域技术贵，人才贵，垂类企业很难吸引顶级人工智能人才，独立去解决核心痛点问题，同样，因为AI领域研发成本非常高，平台企业也会逐渐缺乏信心和长期投入，像首发展这样做早期投入的资本越来越少，企业付费意愿也在不断降低，创业者有的时候很难获得足够的支撑。

最后就是高校，高校的的科研项目往往离产业落地还有一定距离，不能够马上帮助产业实现一些价值化。只有搭建一个新的产学研创一体化平台，把这些问题系统化进行解决，才有可能盘活整个生态，让人工智能落地有一个新的局面。比如说我们要通过顶级人才和技术加持，让平台融入更有信心，要通过主动行研帮助垂类企业找到痛点，并且输出人才帮他们解决一些核心问题。

同时通过对行业认知和分析，为资本提供有产业价值优质标地，以及帮助创业者连接所有链条中其他部门，让他们能够专心做自己核心技术研发，而不需要担心整个生条不健康。

我们相信只有通过极基础的研究，为人工智能的发展夯实它的底座，再通过极应用的研究赋能千行百业，才能真正实现整个人工智能产业价值的闭环。

北京中关村学院、中关村人工智能研究院正在和首发展以及其他一些合作伙伴一起努力的去开拓人工智能发展的新局面，我们希望能够通过这些研究、通过借力产学研创一体化平台，真正盘活现在的新生态，帮助中国在人工智能的国际竞争中实现另辟蹊径，弯道超车。