12月28日，以“大模型·大未来”为主题的“2023人工智能大模型基准测试科创发展大会暨中西部数字经济大会”在成都市成功举办。

此次大会汇聚了头部企业、专家学者和权威机构，共同探讨大模型时代下数实融合的新业态、新模式、新路径。

针对大模型行业的发展与未来，来自不同机构、高校和企业的六位专家学者以专业的视角进行了解析。

发展中国家科学院院士、中国科学院虚拟经济与数据科学研究中心主任、国务院参事石勇带来了《新技术助力数字经济发展》的主题演讲。

石勇介绍，数字经济是以大数据、智能算法、算力平台三大要素为基础的一种新兴经济形态，数字经济以算力平台为基础，运用智能算法对大数据进行存储、处理、分析和知识发现，进而服务于各行业的资源优化配置和转型升级，促进经济高质量发展。以GPT-4为代表的AI大模型成功的背后，除海量的高质量语料数据外，更重要的是庞大的算力支持。Al大模型在训练和推理过程中需要消耗海量算力，AI大模型开启了算力的价值提升，这带动了算力需求的爆发式增长。

欧洲科学院外籍院士、清华大学人工智能研究院常务副院长孙茂松进行了《生成式人工智能和大模型：特点及态势》的主题演讲。

孙茂松介绍，生成式语言大模型有三个主要特点，其中两个是长处，一是有较为准确的理解能力；二是有十分强大的生成能力，例如可以写出变化万千的诗。但大模型也有一个短处，就是有与生俱来的“幻觉”现象，不可避免地会出错。不过，对这一点也要辩证地看，“幻觉”反而体现了某种创造性。人工智能和技术创新变革的关系非常密切，据Gartner预测，到2026年，超过80%的企业将使用生成式AI的API或模型，或在生产环境中部署支持生成式AI的应用，而在2023年初这一比例不到5%。

中国科学院软件研究所二级研究员、时空数据管理与数据科学研究中心主任、俄罗斯工程院外籍院士丁治明带来了《基于AIOT的时空大数据与时空大模型的企业数字化转型》的分享。

丁治明关于数字化转型和工业5.0的看法，核心在于数字化转型时离不开平行系统，并通过物联网、大数据和人工智能，实现物理世界与数字世界的智能协同，进而实现生产、调度、安全、决策的科学化和智能化。丁治明同时分享了时空大模型方面的相关工作进展、技术挑战和发展趋势。

国家杰出青年科学基金获得者、北京大学软件研究所副所长刘譞哲带来了《大模型的基础系统软件——挑战与思考》的主题演讲。

刘譞哲从系统角度看大模型，认为大模型带来“3S”的新挑战。第一个是大体量（Size）的参数模型，硬件性能提升速度远跟不上模型体量增长速度；第二个是大规模（Scale）的资源设施和应用服务；第三个是大范围（Scope)的算力分布。这些挑战决定了大模型需要强有力的系统软件(System Software)作为基础支撑。他对大模型的系统软件关键技术作了分层剖析，并对其发展谈了五点思考，分别是立足国产硬件，加强适配能力；发挥资源效能，支持规模扩展；提高服务质量，优化用户体验；面向跨域泛在，统一调度管理；建设开源生态，重视标准制定。

中国信息通信研究院人工智能研究中心平台部高级业务主管李荪带来了《“方升”大模型基准测试体系介绍》的主题演讲。

李荪介绍，“方升”测试体系涵盖大模型基准测试的关键四要素，即测试指标、测试方法、测试数据集和测试工具，目前已形成《大规模预训练模型基准测试-总体技术要求》标准。李荪还在演讲环节预发布了中国信通院即将推出的《大模型基准测试实践指南》，全方面解析大模型基准测试的重要性、发展现状、标准要求和实践落地方法，并对未来产业发展进行展望。

澳门大学科技学院副教授、澳门大学自然语言处理与中葡机器翻译实验室主任黄辉带来了题为《大模型时代下的人机共生关系》的主题演讲。

黄辉认为，目前AI还无法完全代替人工，尤其是在处理一些复杂任务时，AI无法独立完成。其中一个原因是人工智能缺乏类似人类的思考模式，它不能自主观察、总结并提出新问题。人工智能目前仅能学习人类过去处理事件的经验，对于新问题，其迁移能力还非常有限。黄辉预见，未来人机共生的情况将会越来越普遍，而像ChatGPT这样个性化的存在，将使得每个人都能拥有一个私人助手，协助我们更好地处理日常工作。

红星新闻记者 蒋紫雯 程璐洋

编辑 余冬梅