沈向洋院士在2024年外滩大会上的演讲全文

主要观点总结

本文是沈向洋院士在2024年外滩大会上的演讲实录，主题是《大模型时代的机遇和挑战——技术融合产业跃迁》。文章涵盖了算力、数据、大模型、AI Agent、AI治理等话题，并分享了关于人工智能发展的思考和洞察。

关键观点总结

关键观点1: 算力是门槛

今天做大模型，最重要的要有算力。随着大模型的增长，算力需求呈指数级增长。没有足够算力，就无法进行大模型的训练和研究。

关键观点2: 数据的重要性

数据对于人工智能的发展至关重要。GPT系列模型的成功离不开庞大的数据量。未来，多模态数据和多模态模型将是重要的发展方向。

关键观点3: 大模型的影响

大模型对产业产生了深远影响，推动了技术的融合和产业的跃迁。通用大模型和行业大模型都有巨大的发展潜力和应用前景。

关键观点4: AI Agent的潜力

AI Agent是人工智能发展的重要方向之一，能够为用户提供个性化的服务。目前AI Agent还处于发展初期，未来有很大的发展空间。

关键观点5: AI治理的挑战

随着人工智能的发展，AI治理成为一个重要的问题。需要制定相关的法规和政策，确保人工智能的发展能够符合社会的价值观和道德标准。

文章预览

本文转载自：智能超参数 编者按 ：这篇文章是香港科技大学校董会主席、美国国家工程院外籍院士沈向洋(Harry Shum)在2024年9 月5日开幕的2024年外滩大会上的演讲实录。在题为《 大模型时代的机遇和挑战——技术融合 产业跃迁 》的演讲中， 沈向洋 院士分享了他对算力、数据、大模型、以及AI Agent、AI 治理等话题的思考。 精彩观点： 摩尔说我们18个月涨一倍算力，现在GPU算力是一年涨四倍。如果18个月只是涨一倍，那么十年下来大概上涨100倍。一年涨四倍，那么十年下来就是100万倍。我再强调一遍，100万倍。 如果 大家 关注大模型，都知道大模型整个模型越来越大，参数量越来越大。所以 算力要求，随着参数的增长，实际上还不仅仅是线性增长，更加像是一个平方向的增长。 真正做大模型的公司，如果你一万张卡都没有，你就根本不要讲自己是在 ………………………………