主要观点总结
本文是沈向洋在第四届“青年科学家50²论坛”上关于人工智能大模型的演讲全文。他分享了自己对人工智能发展的思考和观察，并详细列举了关于大模型的十个思考点。
关键观点总结
关键观点1: 算力是门槛
沈向洋提到，今天要做人工智能大模型，算力的需求非常巨大，未来随着模型的增长，算力的增长将更像是一个平方的增长。
关键观点2: 关于数据的数据
他谈到了数据量对于训练通用人工智能的重要性，并提到了GPT-5的挑战在于需要更多的多模态数据和人工合成数据。
关键观点3: 大模型的下一章
沈向洋强调了多模态理解和生成的统一是重要的发展方向，并提到了具身智能的目标。
关键观点4: 人工智能的范式转移
他介绍了人工智能的新范式转移，即从预训练思路转向自主学习的道路，这个过程非常像人类思考问题、分析问题的过程。
关键观点5: 大模型横扫千行百业
沈向洋谈到大模型的机会和挑战，认为未来通用大模型的占比会逐渐降低，行业大模型和个人大模型将是重要的发展方向。
关键观点6: AI Agent的愿景与落地
他提到了AI Agent作为大模型的超级应用，并表示今天人工智能的界面已经非常清晰，即对话的过程。
关键观点7: 开源与闭源的思考
沈向洋谈到了开源和闭源的重要性，并指出Meta的Llama并不是真正的开源，只是开源了一个模型。
关键观点8: 重视AI的治理
他认为人工智能对整个社会的影响非常大，必须引起全球的共同关注。
关键观点9: 重新思考人机关系
沈向洋强调了真正了解人机交互的重要性，并认为只有将人机交互搞清楚，才能成为高科技企业的领导者。
关键观点10: 智能的本质
他谈到了人工智能的涌现现象背后的本质问题，包括对大模型和深度学习的理论需求。
文章预览
9月28日，第四届“青年科学家50²论坛”在南方科技大学举行，美国国家工程院外籍院士沈向洋做了《通用人工智能时代，我们应该怎样思考大模型》的主题演讲，并给出了他对大模型的10个思考。 以下是他10个思考的具体内容： 1、算力是门槛：大模型对算力的要求，过去10年非常巨大。今天要做人工智能大模型，讲卡伤感情、没卡没感情。 2、关于数据的数据：如果有GPT-5出来，可能会上到200T的数据量。但互联网上没有那么多好的数据，清洗完以后，可能20T就差不多到顶了，所以未来要做GPT-5，除了现有的数据，还要更多的多模态数据，甚至人工合成的数据。 3、大模型的下一章：有很多多模态的科研工作要做，我相信一个非常重要的方向是多模态的理解和生成的统一。 4、人工智能的范式转移：o1出来后，从原来的GPT的预训练思路，变成了今天的
………………………………
