引言

2024年4月19日，国家图书馆文津阅新首场活动“计算·AI·未来”在国家图书馆文会堂成功举办。本场活动以第十九届文津图书奖科普类图书《计算》为中心展开。

人工智能技术正在引领着人类的第四次工业革命，计算技术则是未来数字社会顺利运转的基石，我们该如何理解计算、AI与未来的关系呢？

在活动中，《计算》一书作者吴翰清分别与AI业内学术界代表——清华大学计算机科学与技术系教授孙富春、产业界代表——华为云智能化软件研发首席专家王千祥和腾讯研究院资深专家袁媛，以及技术社区代表——中国开发者网络（CSDN）总裁蒋涛共话“计算·AI·未来”，一起探讨了计算的本质、AI的应用，以及这些技术如何塑造我们的世界和未来，为广大观众奉献了一场通向未来的科技盛宴。多家媒体及读者通过线下或线上直播的方式参与了此次论坛。

几位嘉宾分别从“计算的本质及其与AI的关系”、“大模型的历史意义及未来的发展方向”、“AI的瓶颈及其未来的终极形态”，“未来AI互联社会对人类社会的影响及应对之法”等多个方面进行了思想碰撞，观点前沿、精彩纷呈。

文津阅新首场活动“计算·AI·未来”现场

【对谈摘要】

蒋涛：欢迎大家来到国家图书馆文津阅新的首场活动——计算·AI·未来。计算是我们人类文明的基础，没有计算就没有交易，没有交易也就没有我们今天的现代社会。那计算无所不在，计算到了 AI 时代成为我们创新的动力。我们首先问一下吴翰清，我读了《计算》这本书，书中开头我觉得写得特别有意思，人类每天做多少计算？假设一个人每天做 100 次计算，那 5000 年来在这个地球上活过的人有多少，然后把所有的计算量算在一起，是 10 的 16 次方，但是现在计算机一秒钟就可以算 10 的 16 次方，所以你写了这本书，那么计算到底包含了什么？

吴翰清：

计算是当今这个时代可能最重要的概念之一，因为我们每天人们的衣食住行都离不开计算，我们所使用的工具以及地铁要出行、飞机要上天，背后都有计算。

然而今天我们发现，许多人对计算的理解还停留在“加减乘除“，那是三千年前古埃及人和古巴比伦人的阶段。今天这个世界，每一秒发生的计算总量，已经超过了人类文明史上所有计算量的总和。因此我们有必要重新理解、重新认识这一事物。

我过去的工作是要制造世界上最好的计算机，在这一过程中就急需澄清计算这一概念。计算是加减乘除，但肯定不仅仅是加减乘除。今天耳熟能详的许多时髦科技名词：人工智能、元宇宙、区块链等等，我认为这些统统是计算，他们都是用某种算法模拟了某一类事物，最后构建了某种机器系统。而这种机器系统之所以能给人耳目一新的感觉，是因为计算机技术的突破，使得瞬间就可以完成万亿次计算，从而能让系统展现出强大的能力。所以如何组织计算、组织数据，就是机器系统的关键之处了。

我很想用更简洁的语言阐述清楚什么是计算，但这一概念确实博大精深，因此我把它压缩成了35万字，就是我写的《计算》，希望能够对大家有一些帮助。

蒋涛：确实，理解计算不仅仅是数字和算法，更关乎其对社会和科技进步的驱动作用。刚才讲我们现在的计算跟过去不一样了，大规模、大容量、大模型，我们想请问一下孙富春老师，有人说大模型是第四次工业革命，您怎么看大模型对我们带来的革命到底是什么样的？

孙富春：

我们今天的人工智能进入了一个新的阶段，我们叫浪潮，就是大模型时代。我们已经经历了三次工业革命，第一次是蒸汽机，接下来是电气时代，再加上 20 世纪的信息化时代。本世纪开始的人工智能，尤其是以深度学习引领的这一次，它已经渗入到我们的生活当中，包括在很多的制造业当中也得到的应用，这一次的革命我们叫自动化时代，首先看一下大模型，它是不是以往的 AI 的延伸，它还是开启了一个新的范式？

我认为大模型不是过往人工智能的延伸，而是范式的突破，这个范式就是知识+数据和反馈。这种新的范式也给整个应用带来了蓬勃生机。比如我们用大模型生成图案、文字，包括生产线上实现多任务，这些都是大模型给我们带来的。但是大模型现在距离大规模应用还有很多的事情要做，比如ChatGPT，在生成方面的质量还存在很多问题。可能会导致的幻觉包括如何在制造业中实现具身智能等。目前我们正在大模型所引领的这一次工业革命的路上。

蒋涛：如您所说大模型还处在初级阶段，我们想知道上升空间还有多大？比如说大模型现在能写诗，能创造文章，但能写出莎士比亚的戏剧来吗？能写出红楼梦来吗？

孙富春：

其实我们看到今年春节以后的sora很震撼大家，它通过一段文字的描述生成 60 秒的视频。这种生成，不能像我们人类写一部小说一样反映出背后的价值观，包括所抒发的这种情感。这些要素，现在大模型生成的内容还不具备，所以它还缺少一个灵魂。

蒋涛：但是不管怎么样，大模型已经来了，我们现在各个行业都很焦虑，每天都有层出不穷的新应用出来，那我们作为个体怎么去应对这样一场变化？特别是现在马上要到高考季了，孩子们应该怎么办？我们请袁媛给大家分享一下个人如何应对。

袁媛：

AI已经渗透到我们生活的方方面面，比如通过人脸识别解锁手机屏，孩子班级微信群里智能助手提醒家长查阅班级通知等等。包括我们最近看到的刘强东数字人直播，这也是非常新的一个带货方式，实际上 AI 其实已经在我们生活中有很多应用场景，但是大模型这一波因为有非常强的偏于我们人类的自然语言的理解能力，所以就引起了很多人的关注和大家讨论的热潮，也是因为产业和技术有非常大的一个发展。

首先，对于我们的孩子而言，接触和适应与AI合作，有助于培养他们的创新思维。比如我的孩子，从去年国庆节开始，在他写作文时，我会帮助他与多个AI大模型交流，让大模型基于各种思路生成范文。孩子综合这些信息自己写作，练习效率和思考广度大幅提升。此外，我还会让孩子自己体验文生图、文生视频，孩子脑洞大开所创作的内容屡屡让我感觉惊艳不已。

对我自身而言，我也逐渐成为了AI大模型的深度使用者。例如，我们今年1月份发布的十大科技趋势报告中，封面和每个趋势的主图片都是用AI生成的。我的同事们统计过，在我们的AI每日速递、科技九宫格、前沿科技趋势等研究中，10-15%左右工作可由AI完成，显著提升了大家的工作效率。

此外，我们还发现一个现象——得益于AI的辅助，一人企业正在成为创业领域的一种新趋势。OpenAI CEO Sam Altman今年在接受采访时认为，AI 时代会创造出一种全新的创业公司：一个人的独角兽公司，并且认为出现的时间不会太远。我认为，在AI时代，一人企业为我们释放个体创造力和实现自我价值提供了更多的机会和途径。

当然大家也有很多焦虑，到底人工智能会不会取代我们很多的工作？我自己的感觉是，我们可以积极地去看、体验和了解，让它变成让我们的生活乐趣。比如说我们的小朋友会去用它生成比地球还大的蚂蚁，让鱼在天上飞你等等很多脑洞大开的一些场景，非常有创造力。总体而言，我们可以用更积极的心态，去提升对AI技术的理解和使用能力，保持持续学习的态度以适应快速变化的环境，同时，也关注AI的伦理问题和安全边界，在享受AI带来便利的同时，也能更客观理性地看待AI的发展，让我们的工作更加高效，生活更有乐趣和想象力。

蒋涛：袁媛讲的是大模型帮助我们个人进行效能的提升。但是会不会有每一次技术大变革，都会有一些岗位变化甚至消失，李彦宏前两天开会说他要消灭我们，说以后没有程序员了，所以我代表程序员想问，王千祥老师您怎么看？大模型会取代哪些行业？这个是比较敏感的话题。

王千祥：

曾经，人们以为做重复性工作、对创造性需求不大的蓝领岗位将最先被人工智能取代，比如司机、外卖员等。

但大模型出现后，人们发现最先可能被先取代的岗位，不是这些人员，而是一些创造性工作的人员，比如动画设计师、企业营销员、甚至程序员等白领岗位，因为大模型在这些领域的表现非常好，正在快速接近人类的水平。这个现象可以说非常出乎人们的预料。

究其原因，主要是大模型在近期引领了人工智能的发展方向。前面提到的这些领域往往数字化程度高，积累了大量的优质数据可以供大模型学习，可以替代的可能性就越大。

另一方面，大模型在本质上是一个概率模型，擅长解决一些不确定性的问题。而创新的过程恰恰是一个充满不确定性的过程。但大模型出来之后，肯定会创造一些新岗位。比如汽车代替马车后，马车夫岗位逐步消失了，但出现了大量的司机岗位。大模型出现后，传统意义上的程序员数量可能会减少，但平民化的程序员会大量出现。另外，训练大模型、基于大模型开展一些新业务也许会成为一种有大量需求的新岗位。另外就是现在很多岗位，很多商家不可能完全被取代，而是说重塑了需要人机一起来做，效率可能更高了。

蒋涛：咱们回到计算，计算进入新时代，原来是以字节为精确计算，现在进入到以 Token 为单位的统计计算，再次回到吴翰清老师，算力曾经是 AI 的瓶颈，您认为当前算力在AI发展中仍是限制因素吗？现在大家都在担心电供应不足了，这是什么情况？

吴翰清：

AI是计算的一种，自然就要消耗算力，就像动物要消耗食物，汽车要消耗汽油一样，机器智能系统要消耗算力和数据。在当前的AI领域有一个Scaling Law，即规模化法则，就是自从深度学习这一技术出现后，人们发现喂给AI更大规模的算力和数据，能够很明显地提升AI的效果，让它变得更加聪明。

规模化法则在最近几年里是AI领域里最热门的一个经验，但是人们却并没有解释清楚AI是如何变得更聪明的？或者这么说，神经网络是模拟人脑的结构设计的，但是脑科学也并没有解释清楚人脑是如何从一堆神经元涌现出了高级智能。

因此今天的规模化法则是相当粗糙的，如果用人类文明来类比机器文明的话，今天的机器文明还处在人类历史上的原始人时代。今天训练一次大模型的算力消耗是惊人的，需要用到上万块甚至数十万块GPU，其消耗的能源足以支撑一个小型城市的用电量。而人脑的智能一天下来却只需要25瓦，相当于一只灯泡。所以今天人工智能对算力的追求和人脑智能的精巧结构比起来显得非常粗糙。

在今天国际大环境下，美国对中国进行了高端智能芯片的禁售，中国的人工智能企业很难拿到足以适应发展的芯片和卡。短期内这个差距很难弥补，我们必须正视这个现实问题。所以我认为中国AI企业的出路恰恰在于思考如何突破规模化法则，在算法设计和模型结构上进一步突破，降低对超级芯片的依赖。咱们的出路可能在于不要走段誉的北冥神功路线，而应该走令狐冲的独孤九剑路线——即便内力全失，依旧天下无敌。

蒋涛：大模型的发展马上会带来一些什么样的变化么？教育会发生变化吗？咱们大学会发生变化吗？

孙富春：

美国纽约教育厅做了一个统计，就是美国的中学生里有相当比例的同学通过大模型写作文、做作业、考试。所以美国很多中学老师站出来讲，说中学作文终结了，那么另一方面就是我们国家很多教育公司，在寻找的大模型能给我们国家的教育带来哪些方面的变革？这里面就包括几个重大的方面，第一个是如何开展个性化教育？如何通过大模型做统计分析，看看这个孩子比较适合哪类教育，第二个就是要把老师解放出来，让老师有更多的时间，再回到文本，包括教学计划、教材编写过程去。可以通过大模型帮助老师准备教案。通过大模型把老师布置的各种作业进行统计分析，看看学生对知识点的掌握情况，做一个非常全面的了解。第三个我觉得就是大模型通过统计分析，也能总结出创造型的学生应该如何去做，如何去从实验教育去做。

蒋涛：腾讯对行业变化有研究吗？大模型应用对哪些行业可能会产生变化？

袁媛：

行业内大家有一个共识，通用人工智能（AGI）是人工智能发展的终极目标之一，它将具备与人类相似的认知和推理能力，能够在多个领域执行复杂的任务。目前的大模型技术虽然在自然语言理解和多模态内容生成方面具备了一定的能力，但尚未达到AGI的水平，实现AGI需要跨学科的合作、持续的技术革新以及深入理解人类智能的本质。

除了当前大模型所具备的能力之外，我认为，类脑智能、AI+基因计算、具身智能都是人工智能领域的一些未来重要发展方向。

类脑智能是实现AGI的一种可能途径。通过模仿大脑的工作原理，类脑智能旨在开发出能够进行复杂认知任务的AI系统，这与AGI的目标是一致的。其中，脑机接口是类脑智能的一个组成部分，例如，今年3月，马斯克首例脑机接口植入患者已能用意念下棋玩游戏，AI在将大脑信号转换为游戏操作的过程中发挥了作用，脑机接口在医疗领域将有广阔的创新和应用前景。

在生物领域，AI+基因计算正在被用于智能化生物育种、药物发现以及个性化健康预测、基因疗法等新方向。例如，Google DeepMind去年9月开发出新的AI大模型AlphaMissense，在人类蛋白质中成功预测了7100万个可能的基因错义突变，并将89%的突变分类为可能致病或可能良性。腾讯AI Lab提出了单细胞注释模型scBERT，实现了对单个细胞层级的基因测序，可辅助医生描述准确的肿瘤微环境、检测出微量癌细胞，从而实现个性化治疗方案或者癌症早筛。

具身智能使得AI不仅在虚拟环境中进行计算和推理，还能够让AI更好地理解和适应物理世界，通过机器人或其他物理实体进行感知、操作和学习。2023年以来，人形机器人技术加速演进，基于视觉-语言的大模型嵌入机器人本体，为加速思考和执行突破，推动机器人迈向智能化带来新的可能，未来发展潜力巨大。

蒋涛：未来会出现AI互联的社会吗？它会对人类社会和人类个体带来哪些影响和冲击？

吴翰清：

我认为未来最大的机会就在于AI互联网。过去的二十年，是互联网蓬勃发展的时代，全球经济主要拉动力量就在于互联网。从计算机的发展历史来看，刚发明出来的计算机有一个房间那么大，后来把大型计算机小型化后有了PC（个人电脑），把每台PC连接到一起，就有了真正意义的互联网。再后来把个人电脑再进一步小型化，和手机结合在一起，手机变成了一台计算机，就有了移动互联网，连接了每一个人。

在PC互联网和移动互联网的时代，人们彼此发现不了对方，所以需要一个信息聚集的中间平台来帮助人们发现彼此、交换信息，于是有了门户网站、搜索引擎，大型互联网公司在过去的二十年成为了全球最有价值的公司。今天人们的衣食住行、吃喝玩乐都离不开这些超级APP。

但是当今天的大模型开始面向个人提供服务后，这个改变是根本而彻底的。当每个人拥有了一个AI，而这个AI接入互联网后，AI的自主性将有效地帮助人们找到彼此，为每个人量身定制所需要的信息：AI和AI之间协商就好了。人们沟通的效率会进一步提升，而且在这样的AI互联网络中，人们会更倾向于让自己的AI找到源头信息，而不是某个中介平台，这样原本需要通过垄断性的中介平台才能完成的信息获取过程变得不再那么必要，整个互联网的结构会发生大的变化。因此未来AI会成为人们上网的入口，而它是新一代的计算机，就像你的手机一样。

人可以去休息和睡觉，而AI会永远在线，因此人们之间的沟通和交流会变得比以往任何时代都更紧密。而信息流通效率的提高，意味着信息不对称的问题会得到极大的缓解。可以说未来的社会可能会更趋近于一个纳什均衡的社会，市场也近似于一个理想市场。因此几乎可以肯定地说，大量经济学教材要重写了，因为一些理论的基本假设前提发生了重大变化。

王千祥：

AI 互联听起来是个很有意思的词。AI 将来在智能水平上面比我们人类还高，这个时候会有一些其他事情值得关注了，因为做什么东西都比人类还要强，这时他们之间对话我们是不是都能理解得了啊？这些内容我们是不是都能明白？那我们会不会被边缘化呢？他们为主，我们就是一个弱势，所以我觉得这个事情还是很值得关注的。因为大模型本身有一定不确定性，如果很多事情让它来决策的话，是有可能会有一定的风险的。我们不能带着风险进入一个我们不确定性的社会。

孙富春：

AI 能不能做创新？AI 在某些方面确实可以辅助人去做创新。比如咱们讲一个非常简单的例子， 2015 年美国做了一件事，就是如何诊断可能发生的肺癌，他当时就是收集了大概 4000 万张美国得肺癌的样例。然后在他得肺癌的前五年，他在医院检查的CT，然后发现有哪些共性的特征会导致它这样？其实在这精选的 100 万张图片生成的一个深度学习系统，或者这个系统在发现肺炎方面的准确度特别高，尤其在诊断肺炎方面，它比人类最优秀的肺病专家高20%。在这方面明显看到了他在单一任务、特定场景上的表现比人类更优秀。其实做人工智能的目的是帮助人、服务人、扩展人的能力，而不是取代人。做 AI 系统的话一定是透明的，必须知道它用的算法是什么，它训练的样例是什么。

蒋涛：最后我们预测一下未来 3 到 5 年，大模型的应用一定会发生哪些事情？

吴翰清：

我认为可能在 3~5 年左右会发生的一件事情，就是编程这件事情可能会被重塑。我以前总结过一句话，就叫 programming 留给人类，然后 coding 留给AI。就是编程这件事情，架构这件事情，描述需求这件事情依然是人类要做的，而且会是每个人可能都会做的。就像你说的会英语、会数学，就能够驱动 AI 。但是去实现编码，具体的这个编码的体力活未来是 AI 做的。

孙富春：

我们可以看到未来 3~5 年，首先某些行业被取代，你比如说教师，数字教师一定会出现，第二个我觉得机器会取代 20% 的生产线。

袁媛：

我觉得 3~5 年后，关于自身智能，就是让机器有更好地理解人的意识，可以被交互，并且可以辅助人、陪伴人和辅助养老这样的机器人，我相信应该会出现，而且到时候我一定会买一台放在家里，就是陪伴家里的老人以及我自己。

王千祥：

我说得稍微大一点，整个软件行业，再激进一点也许5年左右，整个转化效率还能有10倍效率的提升。