WAIC2026基座大模型架构创新与生态合作论坛
文章语言：
简
繁
EN
分享
纪要
原文
会议摘要
商汤科技强调国产化供应链重构与AI创新，展示优化算子性能、数据中心能效提升等成果，提出‘银河计划’加速国产生态商业化。全球协作方面，讨论中国与日韩新马等国合作潜力，强调互补优势与跨文化理解。AI治理与伦理紧迫性被提及，倡导开放包容的全球AI生态系统。演讲展示AI赋能个体与企业，推动行业变革，如多模态模型Cycle智能体降低内容创作门槛。商汤持续创新基础设施，构建国产化推理集群，加速AI出海。论坛聚焦大模型技术迭代与生态协同，展现AI最新进展与未来愿景，如U1 Pro模型在理解生成统一上的突破。
会议速览
2026世界人工智能大会：共探大模型创新与生态合作在2026世界人工智能大会基座大模型架构创新与生态合作论坛上，与会者围绕大模型技术迭代、产业落地、生态协同展开讨论，强调把握国家战略方向，深耕自主创新，统筹内外协同，共建安全繁荣的人工智能产业生态，以推动人工智能技术的广泛应用和高质量发展。
上海推动基座大模型创新与生态建设，共绘AI未来蓝图在基座大模型架构创新与生态论坛上，与会者共同探讨了上海在人工智能领域的最新进展，包括模型供给能力提升、智能底座加速夯实及产业生态加速形成。未来，上海将强化基础架构攻关，加快筑牢智能底座，深化开放生态，旨在推动人工智能基座大模型的发展，共创高质量发展之路。
多模态与语言模型：未来AI发展的核心路径探讨圆桌论坛深入讨论了多模态处理在当前顶尖大模型中的核心地位，以及其与语言模型在未来AI发展中的角色。与会专家认为，多模态不仅提升了模型对复杂情境的理解能力，而且是连接数字世界与物理空间的关键。尽管语言模型在认知理解中扮演重要角色，但多模态的融合被视为推动AI技术进步的重要方向，强调了将多模态信息与语言对齐的必要性，以及构建复杂情境理解能力的基础设施建设。
探讨下一代智能：多模态模型与自主学习的融合之道讨论了智能发展的四种路径，强调了多模态模型的重要性及自主学习能力对于实现下一代智能的关键作用，指出智能学习不应局限于语言或视觉，而应侧重于跨模态的综合学习能力。
语言与视觉智能体：从静态学习到动态自我进化讨论了语言模型在静态学习阶段的成功，以及在动态场景下与视觉模型面临的相似挑战。强调了智能体在交互中自我进化的重要性，指出语言和视觉在动态学习中的局限性，并展望了多模态数据在智能体未来发展中的关键作用。
AI发展瓶颈与未来路径探讨：数据、架构与学习范式的创新讨论了AI发展的三大瓶颈：数据层面需更有效记录与标注，架构上需原生支持多模态，学习范式需突破持续进化难题。提出AI未来需克服的挑战，包括数据收集的社会组织问题、多模态架构的探索及实现真正持续进化的方法。
深度探讨多模态智能体记忆机制与在线学习挑战讨论聚焦于多模态智能体在长上下文记忆管理和在线学习上的挑战，指出当前模型在处理动态信息、压缩多模态信号及构建稳定长期记忆机制方面的不足。强调了在线学习、探索性学习与高效学习的重要性，特别是世界模型在解决交互效率与知识密度稀疏问题上的潜力。同时，提出了基于on-policy学习和世界模型构建的可能解决方案，以及对现有记忆机制革新的需求。
AI架构与训练范式创新：从数据驱动到算法优化讨论了AI领域内数据采集、训练范式与算法架构的重要性，强调了数据在物理世界中的稀缺性及高效采集的挑战。同时，指出AI技术的持续创新，包括训练方式和算法架构的进步，对行业发展的推动作用，以及软件硬件深度融合的未来趋势。
AI发展五年前瞻：高估与低估的预测讨论聚焦于未来五年AI领域可能被高估和低估的方面，提出AI自主化能力在企业级应用中的高估可能性，以及AI对社会运作方式变革的低估。强调AI设计的未来范式，如由AI设计的下一代AI，及多模态模型的发展，认为技术进步是逐步积累而非一蹴而就。
AI新生代力量：原创说唱展现科研心路与时代见证通过一首原创说唱，展现了AI领域科研人员面对挑战与挫折的坚韧态度，以及对科研热情的不懈追求。同时，回顾了商汤奖学金十年来对AI人才的培养与支持，彰显了AI新生代的力量与时代的发展。
商汤奖学金十年回响：AI新星共绘未来蓝图自2017年商汤奖学金创立以来，十年间已扶持280名杰出本科生，见证他们从学术研究到产业应用的多元发展，如今这些获奖者已成为国内AI领域的中坚力量。十年不仅是回顾，更是展望，商汤科技持续以原创技术推动AI边界，邀请新一代青年接棒，共同探索AI融入千行百业的未来。
智能技术演进与多模态应用探索：从专业到普罗大众的跨越对话深入探讨了智能技术从专业领域向普罗大众应用的演进路径，分析了从模型即服务到泛应用的转变，以及多模态技术在内容生成、系统级交付中的突破。通过案例展示了技术如何逐步解决专业性和普适性的矛盾，实现更广泛的社会价值。
AI赋能超级个体：解锁行业新应用与个人创造力通过AI技术的深度应用，不仅能够将专业经验规模化，如景观审图工程师的经验固化，还能激发个人兴趣驱动的创新，如历史兴趣爱好者构建的故事地图。这些案例展示了AI如何拓宽能力边界，推动行业应用的诞生，同时为普通人提供创作和表达的平台，实现个人价值的增值与社会资源的有效利用。
AI边界拓展与超级个体赋能：从视障教育到内容创作的创新实践对话围绕人工智能技术边界拓展及其对社会各领域的深远影响展开，特别提及AI在视障教育领域的应用，以及如何通过智能体赋能个人和企业，推动内容创作的民主化。强调了AI从工具到能力的转变，以及与合作伙伴共同发掘超级个体的重要性，展示了AI技术在教育、企业服务和内容创作等领域的广泛应用和未来潜力。
AI赋能个人成长与生活优化：从健康助手到财务规划讨论了AI如何通过健康、摄影和财务管理助手等应用，帮助用户实现生活目标，提升生活质量，强调AI不仅替代人力，更拓宽能力边界，促进个人成长。
大装置：国产化AI基础设施创新与规模化应用探索演讲者介绍了大装置在过去一年多时间里在人工智能基础设施领域的探索与成就，包括首个商业化PD分离推理服务、异构解耦优化、国产芯片性能提升等。强调了国产化推理集群的规模化落地，日均调用量达2.4万亿次，预计年底将达10万亿次。同时，展示了在AIGC、科学发现等场景下的国产化支撑与应用拓展，加速自主生态体系的成熟。
AI基础设施创新与太空算力战略合作讨论了人工智能基础设施的环保与效率提升策略，包括TPW指标的应用和AI调度系统优化，以及光计算、量子计算和太空算力等未来技术趋势。同时，宣布了商汤科技与国兴宇航在太空算力领域的战略合作，计划五年内实现千星组网，提供万匹太空算力，支持中国AI应用的全球扩展。
共创国产AI生态：商汤科技银河计划启动，推动智能基础设施全面发展在推进国产AI基础设施生态建设的背景下，推出银河计划，旨在两年内打造多个国产化集群，围绕十大技术方向与合作伙伴共创，服务超过200家AI初创组织，加速国产生态的商业化落地。同时，强调了AI基础设施在具身智能、科学发现等领域的应用，以及与科研机构合作推动AI驱动的科学发现平台建设，共同构建可持续发展的国产AI生态体系。
全球AI生态重构下中国式创新的新优势与角色定位活动启动仪式后，聚焦于全球AI产业重构背景下中国式创新的优势与角色，通过圆桌对话形式，探讨中国如何在全球AI生态中发挥新作用，多位亚太科技领袖参与讨论，共同展望中国创新在全球范围内的全新定位与贡献。
中国创新如何重塑区域合作：专家视角下的机遇与挑战本次讨论聚焦于中国创新对区域合作的影响，与会嘉宾从各自领域出发，分享了中国技术，尤其是人工智能领域的快速发展，为全球合作带来的新机遇。马来西亚代表强调中国开放的AI模型为区域协作提供了可能，韩国代表则指出中国在执行效率与市场数据方面的优势，激励韩国企业向创新方向转型。新加坡代表认为中国技术输出成为全球关注焦点，中国创新正日益融入国际产业链，推动区域经济一体化。日本代表分享了中日创新合作的案例，展示了双向技术交流的潜力。整体而言，中国创新正逐步改变区域合作模式，促进更紧密的经济与技术联系。
中韩科技合作新机遇与全球创新趋势展望对话围绕中韩两国在半导体、AI、大数据中心等领域的互补优势展开，强调了深化合作对全球标准制定和供应链优化的重要性。提出通过‘中国技术采购’战略，促进中国技术公司国际化，同时助力其适应海外市场，实现技术与市场的双赢。未来，中国技术创新在全球舞台上的角色将更加突出，需加强与国际社会的连接，共同推动科技发展。
中国创新企业进军日本市场：解决老龄化与劳动力短缺的机遇讨论了中国创新企业在日本市场的潜力，尤其是针对日本社会老龄化和劳动力短缺问题，如中国食品、机器人、无人零售等领域的公司如何通过技术创新和合作，为日本市场带来解决方案，包括制造业、仓储和零售业的自动化升级。
东亚洲在全球技术革新中的角色与挑战：以中国科技企业全球化为视角讨论聚焦于东亚洲，尤其是中国科技企业在推动全球技术革新，特别是人工智能领域的作用与挑战。强调了中国科技企业全球化进程中面临的市场差异性挑战，以及东亚洲在技术创新上的优势，如丰富的实践经验与细节把控能力。同时，指出了在全球技术竞争中保持中立的重要性，以及构建更安全的技术架构以支持长期发展的必要性。
东亚科技合作与创新：构建全球影响力对话探讨了东亚各国在半导体、AI技术及供应链等领域的优势互补，强调通过跨区域合作创新，东亚可对全球科技发展产生重大影响。提及AI科学家多为东亚人的现象，讨论了文化因素对科技贡献的影响，同时指出沟通与开放交流的重要性，以及中国创新如何正影响周边乃至全球。
AI发展与治理：平衡创新与风险的全球对话讨论了AI技术在提升生活质量方面的积极作用，同时深入探讨了AI治理与风险管理的重要性。参与者强调了建立多边合作机制、制定全球性AI指导原则的必要性，以及预防性措施对于避免潜在风险的关键作用。对话指出，面对AI的快速进步，需构建开放、协作的治理框架，确保技术向善发展，同时警惕技术失控带来的挑战。
中国式创新与AI发展：科技演进中的‘苦涩教训’讨论聚焦于中国在人工智能领域的创新与全球合作，强调了开放与协同的重要性。通过回顾科技发展历史，特别是‘苦涩教训’，即知识构建与规模化计算的对比，揭示了AI领域进步的内在规律。演讲者提出，尽管历史多次证明大规模计算与学习的重要性，但未来是否仍适用，特别是在基础模型上，仍需持续观察与探索。
大模型与基础模型：知识容器的局限与未来愿景探讨了大模型与基础模型在知识获取与创造上的局限性，提出基础模型应作为人类共识知识的容器，而非追求全面知识的掌握。强调了世界复杂性超越单一模型能力，提倡建立准确反映共识知识的模型，以定制化方式提供服务，同时展望了AI未来发展方向，包括类人智能与特定功能AI的共存。
要点回答
Q：本次论坛的主题是什么？
A：本次论坛的主题是关于基座大模型架构创新与生态合作，聚焦大模型技术迭代、产业落地和生态协同。
Q：全国工商联党组成员、副主席李斌在致辞中强调了哪些要点？
A：李斌副主席在致辞中强调了三点：一是要把握时代方向，胸怀国之大者，在融入国家战略中抓住发展机遇；二是深耕自主创新，锤炼硬核实力，在攻坚克难中筑牢发展根基；三是统筹内外协同，健全治理体系，共建开放、普惠、安全、繁荣的人工智能产业生态。
Q：上海市经济和信息化委员会副主任潘燕在致辞中提到了哪些上海在人工智能领域的成就？
A：潘燕副主任提到，上海在人工智能领域取得了显著成效，如基座大模型的技术攻关、算力底座建设和生态构建等方面。目前，上海已有多个大模型通过备案并开源，部分模型的综合能力处于全球领先地位，同时形成了多层次算力供给矩阵和良好的产业生态。
Q：在大模型的发展中，多模态如何影响和推动AI的未来？
A：多模态在大模型发展中扮演着核心角色，它不仅提升了模型的综合能力，而且是构建智能体、推动人工智能技术进步的关键要素。未来，多模态将更深入地融入到模型设计和应用中，帮助AI更好地理解和感知世界。
Q：对于多模态AI在大模型中的地位，与会专家有哪些不同看法？
A：与会专家就多模态在大模型中的地位存在两种观点：一种认为语言模型是未来AI的核心，其他模态如图像、视频等可通过语言模型进行处理；另一种则认为多模态在数字世界与物理空间的交互中具有关键的内生作用，不仅是对语言模型的拓展，更是智能体理解世界不可或缺的部分。
Q：在机器和人交互的场景中，为什么多模态模型难以理解复杂的环境和情境？
A：这是因为当前的多模态模型缺乏对真实世界复杂情境的理解能力，除了文本上下文外，还需要处理现实世界中的物体、行为、动作等多模态信息，并建立其中的因果关系和交互逻辑，这远非单一语言模型所能完成。
Q：下一代智能的发展是否与智能产生的源头信号有关？
A：是的，下一代智能的发展与多种方式相关，包括基于大语言模型、开放空间机器人的模拟、数字生命以及脑机交互等，所有这些方式都与人类产生智能的源头信号有关。
Q：在探讨下一代智能时，是否应聚焦于语言模型还是多模态模型？为什么大语言模型在当前阶段取得成功，而视觉模型表现相对较弱？
A：下一代智能的核心关键点不在于走语言路线还是视觉路线，而在于学习范式，即如何让智能体实现自主学习或后天学习。语言模型和视觉模型都有其局限性，都需要一个多模态模型来推动未来发展。主要原因是语言模型训练数据集庞大且信息知识密度高，在基于模仿学习和简单规则强化学习的范式下适用于这种学习方式。而视觉模型由于信号稀疏、维度高等原因，在现有学习范式下表现不佳。
Q：对于构建下一代智能，数据层面、架构上和学习范式上存在哪些挑战？
A：数据层面上，除了积累丰富的语言数据外，还需要面对多模态数据（如视频、图片）的组织、标注和有效利用问题；架构上，需要探索更原生支持多模态输入输出的设计，解决长文本、稀疏信息等编码与表征难题；学习范式上，需要寻求一个更优雅的解决方案，突破现有以语言模型为核心架构的局限，以适应多模态、动态场景下的在线和自主学习需求。
Q：如何解决智能体在真实环境中互动时信息获取与自我进化的问题？
A：智能体需要从与环境的丰富反馈中高效地学习并实现自我进化，但目前模型不具备这一能力。解决这个问题的关键在于改进学习范式，让模型能够自主地从稀疏的自然环境中快速学习和提升。
Q：在智能体持续进化方面，您认为有哪些挑战需要克服？当前主流模型所依赖的上下文机制能否支撑长期、无限的进化过程？
A：我认为目前普遍被工程界接受的通过不断积累技能来实现自我进化的路径存在局限性。真正意义上的持续进化，比如像人类那样跨越几十年的学习和成长，对于机器来说还处于初级阶段。现在机器可以处理几个小时的任务，但与人的长期成长相比还存在较大差距。要实现真正意义的持续进化，我们需要解决如何自主学习和高效学习的问题，特别是解决在线学习（online learning）、探索（curiosity）和建模（modeling）这三大问题。现有的模型如transformer虽然在短期记忆方面表现出色，但在长期记忆建模上面临挑战，尤其是对于瞬时记忆和长期记忆的有效建模不足。现有的模型参数量虽可扩展，但在从短期向长期记忆过渡的过程中，现有memory机制可能需要革新以适应持续、无限进化的愿景。
Q：对于多模态信息处理，现有方法的主要问题是什么？
A：多模态信息处理的一个主要问题是信息量过于庞大且难以压缩，尤其是当信息需要保持动态更新时，传统的文本压缩方法效果有限。更本质的问题在于仅依赖外部记忆无法让智能体实现真正的内部演化，就如同有记忆障碍的人仅依赖笔记无法持续学习和进步。
Q：如何理解并解决在线学习中的核心问题？
A：在线学习的核心问题包括城市化记忆的建模（解决瞬时记忆和长期记忆的有效建模问题）和学习算法本身的改革。在学习算法方面，需要探索除了现有模仿学习和 reinforcement learning之外的其他高效学习方式，例如利用on policy（即策略即模型）进行自我生成数据的蒸馏和学习，从而提高学习效率。
Q：对于海量记忆的建模需求，现有的模型架构是否需要革新？
A：现有的模型架构，尤其是基于transformer的模型，在建模不同层次记忆（如瞬时记忆、工作记忆、情境记忆和长期记忆）方面存在局限性。它们通常表现为单一的loss list结构，无法有效进行选择和压缩以保持最有效的memory。因此，确实需要对架构进行变革，使其能够主动选择和压缩信息，更好地模拟人类的记忆机制。
Q：在AI领域中，现在大家对算法本身的认知存在哪些误区？
A：现在人们对AI算法的认知存在很大的误区，尤其是在其作为普适工具的应用上。很多人并没有深入理解算法背后的原理和数据的重要性。
Q：AI从虚拟世界走向物理世界时面临的主要挑战是什么？
A：AI在走向物理世界时，首先遇到的是数据问题。与互联网上丰富的数据资源相比，物理世界中的数据非常稀缺。例如，在训练模型时，需要大量的数据才能达到较高的准确度，而获取这些高质量的物理世界数据是一个巨大挑战。
Q：中国在AI技术性方向上有什么优势？
A：中国在AI技术性方向上有天然的巨大优势，主要是由于中国多样且需求旺盛的工业、服务及家电场景提供了丰富的实际应用场景，产生大量的数据以支持模型训练。此外，中国科研人员在发表论文时倾向于共享技术和算法架构，推动了行业的共同发展。
Q：技术共享与技术本身的创新性是否存在矛盾？
A：技术共享并不意味着技术不重要。实际上，诸如强化学习、自注意力机制、底层优化机制等技术进步都是通过公开论文和代码，与社区共享后推动整个行业发展的。即使在当前的基础模型中，算法架构的创新也永不停歇，比如loop的transformer、loop的language model等都是最新的创新成果。
Q：对于AI未来的发展预测，有哪些事情可能会被高估或低估？
A：预测AI未来的发展极具挑战性。可能会被高估的是AI取代人类的程度以及自动化能力在解决实际场景问题上的表现；而可能被低估的是AI对社会运作方式的改变，例如智能体之间的交互方式、支付体系等，这些都可能会带来深远的影响。
Q：商汤奖学金设立的初心是什么？商汤奖学金获奖者们的发展情况如何？
A：商汤奖学金设立的初心是想在本科生最富朝气、最感探索的年纪为他们提供支持，就像汤老师当年带领我们拨开科研迷雾、叩开AI新世界的大门一样，我们也希望托举大家的梦想，见证大家成为行业的引领者、开创者，并且把这份对AI的热爱一代代传承下去。十年来，280名商汤奖学金获奖者已成为国内AI领域顶尖本科生的代名词。他们从计算机视觉、深度学习起步，如今已奔赴大模型、多模态智能体、具身智能等全新赛道，其中九成以上选择深造，有人扎根学术，有人奔赴产业。
Q：商汤奖学金在过去的十年间有何重要意义？
A：过去十年是见证优秀学子成长的重要时期，商汤奖学金如同一盏明灯，照亮了他们的科研之路，助力他们在AI领域不断探索与成长。同时，它也体现了汤老师对人才培养的惜才之心和对AI未来发展的长远考量。
Q：下一个十年AI会走向哪里？
A：虽然没有人能给出全部答案，但可以确定的是，回答这些问题的人里，一定会有未来的商汤奖学金获奖者。下一个十年，AI将融入更多领域，成为推动社会发展的重要力量。
Q：智能从哪里来，自我演进的动力来源是什么？
A：智能和自我演进来源于数据、经验以及交叉验证等多种途径。目前产业革命的变化表明，模型调用量大的服务逐渐转变为更加广泛认知共识的泛应用，这得益于解决实际问题的核心技术和真正把应用边界拓宽至更多使用者的核心技术的发展。
Q：理解生成统一模型如何实现系统级交付？
A：通过不断迭代和提升理解生成统一模型，实现了从单点生成内容到能够完成系统性交付的转变。例如，U1 pro模式的推出，使得模型调用量大幅提升，生成内容更加精细化且具有统一风格，能够根据不同应用场景进行创作和编辑，最终形成可交付的智能底座，应用于各个领域，创造出风格迥异且高质量的内容。
Q：这次生成的图主要展示了什么内容？
A：这张图展示了世界人工智能大会九年的历史变迁，从2018年AI技术与行业的结合，到2024年提出的治理框架和全球化治理进展，以及最新的成果——全球人工智能治理合作在上海落地。
Q：这套交付系统能否应用于内容生成工作流中？
A：答案是肯定的，通过系统可以将剧本分解为不同模态的内容，如人物形象和分镜脚本等，并根据这些信息生成对应视觉素材。创作者可以随时查看整体进度并生成下一阶段视频内容。
Q：AI能力边界拓宽如何影响普通人和行业应用？
A：当AI能力边界拓宽后，许多原本只有专业人士才能完成的任务变得可能，超级个体应运而生，他们利用AI工具将个人经验规模化，推动行业级别的应用诞生。例如，景观审图工程师通过AI模型将其经验固化并延伸，办公小浣熊raccoon work帮助专业人士更高效地完成工作流程。
Q：AI如何赋能兴趣驱动的需求和应用结合？
A：一个历史兴趣爱好者利用AI技术构建了一个互动式的时间空间故事地图，让历史人物的一生以更加直观和个性化的方式呈现给大众，这是兴趣与需求有效结合并催生的新应用场景。
Q：AI对于视障人士教育领域的具体影响是什么？
A：一位视觉障碍人士利用多模态AI技术设计了一套面向视障人士的教育系统，将教材转化为适应他们需求的形式，大大提升了无障碍服务的质量和效率。
Q：商汤在AI技术发展的历程以及对未来的规划是什么？
A：商汤在过去十年致力于将AI带入产业中，解决专有AI属性问题，并通过不断拓宽AI边界，现在正将产业级AI能力赋予超级个体和个人，从而引发更广泛的业务变革。未来的目标是将产业级AI生产力赋予每一个人，让普通人也能利用AI工具进行高质量的内容创作。
Q：为什么我们关注超级个体以及好的人工智能产品？
A：我们关注超级个体是因为他们所发挥的能量远超想象，并能推广类似应用案例以扩大AI的渗透率。好的人工智能产品不只是替代原有流程以提升性能，而是向更广泛的领域延伸，让更多人可以使用，实现能力的拓界，打开新的应用场景需求。
Q：好的人工智能产品如何帮助个人成长？
A：好的AI产品不仅让用户产生依赖，更专注于个人成长。通过使用AI工具，用户可能养成更好的习惯、增强知识获取能力、深化思维。例如，通过人工智能助手，用户可以创作视频、信息图等，促进个人成长。
Q：人工智能在预测未来方面的作用是什么？
A：人工智能真正解决的问题不在于预测未来，而是在于预测现在的信息共识。尽管预测未来事件很难，但AI在世界杯预测中展现了其在预测当前信息共识方面的应用，如预测佛得角队进入32强。
Q：商汤科技如何将AI融入个人生活，帮助实现生活目标？
A：商汤科技致力于打造能理解用户生活、目标和技能，并协助其实现生活目标的AI助手——kapi家族。其中，开辟健康作为成员之一，是全天候的健康助手，通过监测用户的健康指标，长期陪伴并帮助实现健康目标。
Q：大装置事业群在人工智能基础设施领域取得了哪些成就？
A：大装置事业群作为人工智能基础设施的探索者和先行者，过去一年多时间里取得显著成果，如获评全国首个5A级智算中心，在AI云市场和AI解决方案市场占据领先位置，并在推动未来基础设施定义上做出贡献。同时，面对行业变化，大装置也做好准备构建面向未来变革和创新的新一代基础设施能力。
Q：在国产芯片上，你们通过优化和调优具体实现了哪些提升？
A：通过大约三个月的优化和性能调优，我们成功将国产单卡的有效输出效率平均提升了100%。在基于国产异构混合推理集群的环境下，国产卡在PREFU等专用任务上的性价比超越了英伟达H系列，甚至达到了英伟达H系列性能的一倍多，并且内部测试显示其性能提升了百分之200以上。
Q：这种性能提升对国产推理集群的大规模落地有何影响？
A：由于性能提升，我们实现了真正意义上的国产化推理集群的大规模商业落地，并且这个落地是有盈利空间的。在过去半年中，大装置积极推广，目前我们已经提供了日均2.4万亿次的token调用量，预计到年底将提升至10万亿次量级。
Q：商汤在AI基础设施方面的布局是怎样的？
A：除了提供token服务外，商汤还在软件算法层面不断优化，支持多种人工智能创新场景和算法，如文生视频、文生图、多模态模型及AI for science等。同时，通过算子优化实现多卡并行，提升性能，以及通过自动化迁移工具帮助客户低成本地将现有AI模型迁移到国产芯片体系。
Q：商汤在底层机房数据中心层面做了哪些工作？
A：在数据中心层面，商汤关注电力消耗与效率，提出了新的衡量指标TPW，即单位电费支出下能带来的token产出量，目前该指标已实现比行业平均水平超过50%的提升。通过AI预测和调度，进一步降低了电价和实际有效电价，提高了POE利用率，整体上提升了系统端的产量超过80%。
Q：商汤如何看待未来人工智能基础设施的发展趋势？
A：商汤认为未来人工智能基础设施不仅要追求效率，更要追求环保。同时，随着国产算力体系规模商业化落地，整个供应链将迎来重塑，带来新的技术创新应用。例如，光计算、量子计算和太空算力等新兴领域将对AI算法迭代提供更强支撑，并计划启动太空算力的前瞻性规划，首批将发射四颗卫星进行技术验证和迭代工作，目标在未来五年内实现千星组网，提供万匹太空算力，服务于中国人工智能下游应用生态。
Q：商汤如何推动生态建设以及未来的规划？
A：商汤提出了国家产创新生态的银河计划，计划利用两年左右的时间打造五个万卡以上的国产集群，围绕十个技术方向进行深度共创，服务200家以上的AI初创组织，加速国产生态的规模化、商业化可持续落地。此外，商汤还在国内外多地布局AI基础设施，如上海临港、港岛、中东等地，并致力于将这些布局作为智能场景落地的核心支撑，推动各产业智能化发展。
Q：在国务院去年发布的行动计划中，AI与科研结合为何被列为首要发展方向？商汤科技在打造AI驱动的科学发现平台方面是如何合作的？
A：因为国家对利用AI与传统科学学科深度融合，以实现基础能力的变革创新寄予厚望，因此将AI加科研排在了所有未来突破方向的第一位。商汤装置作为基础设施能力供应者，与国家级科研机构联手提供算力支撑和底层平台能力，共同推进新领域的研究、人才培养以及产业转化，形成完整闭环。
Q：科学发现品牌战略合作是如何发布的？
A：通过组织现场签约发布仪式，并邀请上海人工智能实验室主任助理石柏明先生等业内专家与商汤科技共同签署合作协议。
Q：商汤科技建立大装置和算力联盟的初衷是什么？
A：商汤科技致力于将国产软硬件厂商联合起来，在人工智能底层设施建设领域实现规模化的商业化目标。
Q：对于未来人工智能基础设施的发展前景有何看法？
A：预计未来几年国产基础设施硬件体系将迎来全新增长，这种增长不仅是技术比拼，更是可持续、可盈利、可以规模化的商业体系落地。这需要全行业共同努力，打造更强大、坚韧的人工智能基础设施。
Q：如何看待全球化背景下的人工智能技术发展与合作？圆桌讨论的主要议题是什么？
A：全球化是人工智能技术发展的必然趋势，唯有开放与共生才能促进创新火花照亮更广阔的世界。通过启动海外创新合作，旨在推动中国式创新在全球AI生态中找到全新定位，并与其他国家和地区共同构建更好的合作模式。主要讨论主题是中国创新如何重塑区域间的合作模式，特别是在AI和其他高科技领域，以及如何借鉴中国创新的成功经验推动本地区的发展和变革。
Q：中国的创新有哪些主要特征，与日本相比有何不同？
A：中日两国创新的关键差异在于速度与规模。中国的创新以速度快、节奏快为显著特征，这对其创造新价值至关重要；而日本则更注重质量和可靠性，因而发展步伐相对较为稳健。
Q：“中国愿景”这一术语意指什么？其内涵又如何随时间推移而演变？
A：“中国愿景”一词用于指代中国特色的创新理念。这是一种诞生于15年前的旧概念，其历史远比三星这一品牌还要悠久。最初的定义旨在理解国际市场上新兴的中国参与者。如今，这一定义正在发生嬗变，日益成为一场探索新世界的旅程，折射出中国正从“山寨大国”向“创新强国”的角色转变。
Q：中国从“山寨大国”到创新强国的认知发生了怎样的转变？
A：中国在外界眼中的形象已发生重大转变，从昔日的“山寨大国”到如今被全球公认为极具创新活力的国家。这一转变在过去十至十五年间逐步发生，随着中国培育出独具特色的自主品牌与技术，有关其创新能力的讨论也随之兴起。
Q：在创新领域，马来西亚与中国有哪些潜在的合作机遇？
A：马来西亚与中国在创新领域的潜在合作机遇之一，是共同布局超大规模数据中心；预计到2023年，马来西亚将成为该领域的前五强之一。务实合作应立足本地知识，充分把握监管要求与文化差异，并充分发挥本土人才优势，以创新性解决方案切实解决实际问题。
Q：中国应如何推进创新，以解决现实问题？
A：推动中国创新，应立足于对现实问题的深刻理解，充分运用垂直领域的人工智能与本土知识，从而提供切实可行的解决方案。这需要对当地法规、文化有深刻理解，充分依托本地人才，并秉持合作共赢的理念，而不仅仅是单纯地输出技术和创新成果。
Q：韩中两国在半导体、人工智能等科技领域的合作有何重要意义？
A：韩中两国在科技领域的合作意义在于双方产业的互补性，以及“韩国三大项目”等投资机遇所带来的重要战略契机。这种合作有望在全球标准制定、供应链整合以及构建涵盖制造、数据中心和应用能力的robust生态系统等方面产生显著的协同效应。
Q：NCS在推动中国创新与全球市场对接方面发挥着怎样的作用？
A：NCS发挥超级链接作用，将中国本土的优质初创企业和技术合作伙伴推介至更广泛的生态体系。NCS正在制定一项名为“IT中国技术采购”的战略，旨在与多家中国科技企业探索合作机遇，助力其创新成果走向全球市场，同时协助其实现本地化，并深入了解监管要求及客户需求。
Q：中国创新在日本市场有哪些潜在机遇？
A：中国创新通过解决劳动力短缺等难题、应对社会挑战，在日本市场蕴藏着广阔的发展机遇。典型案例包括：在食品与乳制品行业引入机器人以缓解用工短缺、部署云峰无人零售店应对零售业的劳动力难题，以及在日本的仓储和制造工厂中应用人工或机器人技术。
Q：中国科技企业全球化布局有何重要意义？
A：对于中国科技企业而言，全球化扩张意义重大，标志着其全球化征程的开端。它为应对新市场的独特挑战与需求提供了机遇。这需要珍视多元化的价值，理解不同文化特有的价值观与规范，并据此对产品与服务进行相应调整。
Q：在估值的背景下，来自东方的影响力增强可能带来哪些潜在优势？
A：来自东方的更强影响力有望为信息技术的开发提供更为扎实的知识基础，使其不仅停留在概念层面，更能实现更深层次的细化与完善。从东方习得的实操经验与对细节的重视，有望在今后的发展中发挥优势。
Q：文中列举了哪些中国在机器人与人工智能领域的创新案例？
A：中国在机器人与人工智能领域的创新案例包括：一家位于杭州的机器人企业已成功进入韩国市场，并将其产品应用于设备巡检与应急处置等场景。另一个例子是韩国企业Echo与LG电子的合作，这是一项人工智能领域的投资，彰显了全球在人工智能领域的协同合作。
Q：在人工智能战略的背景下，新加坡处于何种地位？
A：新加坡被视为东南亚人工智能的示范高地，并于2020年发布了《新加坡人工智能战略》。重心正从构建人工智能基础设施，转向在实际业务场景中应用人工智能，并支持各主要行业领域加快人工智能的普及与落地。
Q：技术竞争有哪些风险？
A：一个重要的风险在于如何在技术竞争中保持中立，这一议题牵涉到政府、企业和消费者。在制定人工智能战略时，企业需要充分考虑这一点，并采用更为稳健的架构设计，以支撑长期发展。
Q：IT与AI的融合如何助力客户实现AI落地？
A：IT与AI融合是一种解决方案，旨在帮助客户以更高效的方式部署或应用人工智能，同时无需关注底层语言模型的具体细节。这有助于实现更为精简的人工智能集成方式。
Q：东亚各国在人工智能领域的合作有何重要意义？
A：东亚各国在人工智能领域的合作意义重大，因为它能够汇聚各方优势：韩国拥有强大的半导体产业，日本在半导体关键材料领域处于领先地位，中国具备规模化的供应链与人工智能技术，而整个地区则涌现出大量新兴机器人企业，并集聚了众多优秀人才。此次合作有望产生重大的全球性影响。
Q：在东亚建立人工智能生态系统可能产生哪些潜在影响？
A：在东亚建立人工智能生态系统，有望创造巨大价值，并促进该地区各国之间的交流与协作。这有助于降低风险，防止各国在科技领域走向自我封闭。
Q：人工智能的风险管理方法是什么？
A：人工智能的风险管理包括承认风险的存在、识别风险，并评估其对目标的影响。必须制定缓解方案，开放包容的态度是寻求解决方案的关键，沟通至关重要，而要应对人工智能的广泛影响，全球性准则与协同合作不可或缺。
Q：为什么全球协作在人工智能领域至关重要？
A：由于行业的跨境性质，需要一致的指导方针和标准，以及防止任何单一实体拥有太多控制权，全球协作在人工智能中至关重要。开放沟通、与多家服务提供商合作以及参与政府间合作是更广泛的风险管理战略的一部分。
Q：该公司创始人在其领导下建立了什么？
A：在他的领导下，创始人在公司内部成立了首个人工智能伦理委员会，这也是同类机构中的首批之一。
Q：人工智能的日益智能化会带来哪些风险？
A：随着人工智能日益智能化并广泛融入我们的生活，其所带来的风险也在不断累积，亟需加以有效管理。
Q：人工智能如何重塑我们的生活与对技术的观念？
A：人工智能正日益走向开源、更加普惠，惠及消费者与企业，深刻影响着我们生活的方方面面，并重新定义了我们对技术创新的认知。
Q：在人工智能与技术创新的语境下，亚洲价值观与文化为何至关重要？
A：亚洲，尤其是东亚的价值观与文化之所以重要，是因为它们与当前的人工智能创新相契合、相一致，尤其注重技术的人本维度，涵盖价值理念以及对人性之重要性的深刻理解。
Q：人工智能研究中的“苦涩教训”是什么？它与大型语言模型和基础模型有何关联？
A：“苦涩的教训”这一概念揭示了人工智能研究领域的一个历史规律：依赖人类知识在初期确实能带来进展，但最终会遭遇瓶颈，并被那些基于规模扩展、计算能力、搜索与学习的方法所超越。在大型语言模型与基础模型的研究背景下，鉴于这些模型以人类知识为基础，却旨在通过搜索与学习实现规模扩展并自主创造新知识，人们正在探讨这一规律是否同样适用。
Q：关于基础模型及其能否囊括全部知识的根本性问题是什么？
A：关于基础模型的一个根本性问题在于：它们究竟是要成为人类共识知识的载体——而这一概念本身极为复杂——，还是所有知识的载体——而这在现实中根本无法实现？其核心在于正视基础模型的局限性，并将其定位为准确存储当前公认知识的工具，同时设定切实可行的目标。
