关于AI和大模型 工信部、上海市、商汤科技等重磅发声(2)

　　三是算力是门槛。“你需要非常强大的算力，千卡、万卡都是钱堆出来的。”沈向洋表示，“现在讲的最多的是Scaling Laws（尺度定律）。随着参数的增加，你对算力的需求几乎是平方的关系，随着参数的增加，数据量也在增加。如果干GPT 3.5的话，可能要一万张卡；干GPT 4的话，可能要两万五千张卡；干GPT 4.5的话，可能要五六万张卡；大家弄GPT 5的话，可能要十万张卡。”

　　四是AI的社会冲击。它有对民众的冲击、公司的冲击、政府监管的冲击和社会发展的冲击。

　　五是智能的本质。虽然通用人工智能蓬勃发展，但大家对智能的本质没有一个清晰认识，深度学习理论非常欠缺。沈向洋表示，“很多人相信尺度定律，但今天的深度学习，理论非常欠缺。从宇宙到量子，物理学有一套大一统的理论统一起来，叫作Theory of Everything。今天深度学习没有这样的理论，所以叫作Theory of Anything。”

　　商汤科技：AI模型有知识、推理、执行三大能力层

　　“最近大家在讨论一个热词——新质生产力。对于开发者来说，生成式AI是带来生产力工具、生产力突破的最好行业。”徐立表示。徐立带来了商汤科技对于AI 2.0时代的新质生产力工具的理解。

　　徐立把作为生产力工具的AI模型分成能力圈的三层。这三层之间互有依赖，但又不完全是相关的。

　　第一层是知识层。世界的知识遭灌输到大模型能力中。今天很多生产力工具、代码解决的是知识层的问题。“你提出问题或者你需要它补全，需要它解决一些问题，背后的道理是世界上没有新鲜事，你做过的事情前人做过，所以你可以完成任务。”徐立说。

　　第二层是推理（演绎）。有了世界知识之后，从一个起点再往前演进。“你可以通过AI的过程，逐步把这个事实推理出来，给出更多的可能性。知识和演绎构造出来的两层，是作为生产力工具的大模型最重要的两层。”他表示，但从推理层面来说，目前成长还相对有限，这也是后面要集中突破的能力之一。

　　第三层是执行，即如何跟这个世界互动、反馈。

　　“这三层可以组成一个完备的、对世界提供生产力工具的大模型。”徐立表示，映射到大模型的代码上，知识是世界知识的完整灌注，中间的推理是用更高阶的思维逻辑导出一些知识所不具备的。最后是执行，某种意义上是具身智能的大脑，在执行上会有很大的突破。