WAIC2026基座大模型架構創新與生態合作論壇
文章语言：
简
繁
EN
Share
Minutes
原文
會議摘要
商湯科技強調國産化供應鏈重構與AI創新，展示優化算子性能、數據中心能效提升等成果，提出‘銀河計劃’加速國産生態商業化。全球協作方面，討論中國與日韓新馬等國合作潛力，強調互補優勢與跨文化理解。AI治理與倫理緊迫性被提及，倡導開放包容的全球AI生態系統。演講展示AI賦能個體與企業，推動行業變革，如多模態模型Cycle智能體降低內容創作門檻。商湯持續創新基礎設施，構建國産化推理集群，加速AI出海。論壇聚焦大模型技術迭代與生態協同，展現AI最新進展與未來願景，如U1 Pro模型在理解生成統一上的突破。
會議速覽
2026世界人工智能大會：共探大模型創新與生態合作在2026世界人工智能大會基座大模型架構創新與生態合作論壇上，與會者圍繞大模型技術迭代、産業落地、生態協同展開討論，強調把握國家戰略方向，深耕自主創新，統籌內外協同，共建安全繁榮的人工智能産業生態，以推動人工智能技術的廣泛應用和高質量發展。
上海推動基座大模型創新與生態建設，共繪AI未來藍圖在基座大模型架構創新與生態論壇上，與會者共同探討了上海在人工智能領域的最新進展，包括模型供給能力提升、智能底座加速夯實及産業生態加速形成。未來，上海將強化基礎架構攻關，加快築牢智能底座，深化開放生態，旨在推動人工智能基座大模型的發展，共創高質量發展之路。
多模態與語言模型：未來AI發展的核心路徑探討圓桌論壇深入討論了多模態處理在當前頂尖大模型中的核心地位，以及其與語言模型在未來AI發展中的角色。與會專家認為，多模態不僅提升了模型對複雜情境的理解能力，而且是連接數字世界與物理空間的關鍵。盡管語言模型在認知理解中扮演重要角色，但多模態的融合被視為推動AI技術進步的重要方向，強調了將多模態信息與語言對齊的必要性，以及構建複雜情境理解能力的基礎設施建設。
探討下一代智能：多模態模型與自主學習的融合之道討論了智能發展的四種路徑，強調了多模態模型的重要性及自主學習能力對於實現下一代智能的關鍵作用，指出智能學習不應局限於語言或視覺，而應側重於跨模態的綜合學習能力。
語言與視覺智能體：從靜態學習到動態自我進化討論了語言模型在靜態學習階段的成功，以及在動態場景下與視覺模型面臨的相似挑戰。強調了智能體在交互中自我進化的重要性，指出語言和視覺在動態學習中的局限性，並展望了多模態數據在智能體未來發展中的關鍵作用。
AI發展瓶頸與未來路徑探討：數據、架構與學習範式的創新討論了AI發展的三大瓶頸：數據層面需更有效記錄與標注，架構上需原生支持多模態，學習範式需突破持續進化難題。提出AI未來需克服的挑戰，包括數據收集的社會組織問題、多模態架構的探索及實現真正持續進化的方法。
深度探討多模態智能體記憶機制與在綫學習挑戰討論聚焦於多模態智能體在長上下文記憶管理和在綫學習上的挑戰，指出當前模型在處理動態信息、壓縮多模態信號及構建穩定長期記憶機制方面的不足。強調了在綫學習、探索性學習與高效學習的重要性，特別是世界模型在解決交互效率與知識密度稀疏問題上的潛力。同時，提出了基於on-policy學習和世界模型構建的可能解決方案，以及對現有記憶機制革新的需求。
AI架構與訓練範式創新：從數據驅動到算法優化討論了AI領域內數據采集、訓練範式與算法架構的重要性，強調了數據在物理世界中的稀缺性及高效采集的挑戰。同時，指出AI技術的持續創新，包括訓練方式和算法架構的進步，對行業發展的推動作用，以及軟件硬件深度融合的未來趨勢。
AI發展五年前瞻：高估與低估的預測討論聚焦於未來五年AI領域可能被高估和低估的方面，提出AI自主化能力在企業級應用中的高估可能性，以及AI對社會運作方式變革的低估。強調AI設計的未來範式，如由AI設計的下一代AI，及多模態模型的發展，認為技術進步是逐步積累而非一蹴而就。
AI新生代力量：原創說唱展現科研心路與時代見證通過一首原創說唱，展現了AI領域科研人員面對挑戰與挫折的堅韌態度，以及對科研熱情的不懈追求。同時，回顧了商湯獎學金十年來對AI人才的培養與支持，彰顯了AI新生代的力量與時代的發展。
商湯獎學金十年回響：AI新星共繪未來藍圖自2017年商湯獎學金創立以來，十年間已扶持280名傑出本科生，見證他們從學術研究到産業應用的多元發展，如今這些獲獎者已成為國內AI領域的中堅力量。十年不僅是回顧，更是展望，商湯科技持續以原創技術推動AI邊界，邀請新一代青年接棒，共同探索AI融入千行百業的未來。
智能技術演進與多模態應用探索：從專業到普羅大衆的跨越對話深入探討了智能技術從專業領域向普羅大衆應用的演進路徑，分析了從模型即服務到泛應用的轉變，以及多模態技術在內容生成、系統級交付中的突破。通過案例展示了技術如何逐步解決專業性和普適性的矛盾，實現更廣泛的社會價值。
AI賦能超級個體：解鎖行業新應用與個人創造力通過AI技術的深度應用，不僅能夠將專業經驗規模化，如景觀審圖工程師的經驗固化，還能激發個人興趣驅動的創新，如曆史興趣愛好者構建的故事地圖。這些案例展示了AI如何拓寬能力邊界，推動行業應用的誕生，同時為普通人提供創作和表達的平台，實現個人價值的增值與社會資源的有效利用。
AI邊界拓展與超級個體賦能：從視障教育到內容創作的創新實踐對話圍繞人工智能技術邊界拓展及其對社會各領域的深遠影響展開，特別提及AI在視障教育領域的應用，以及如何通過智能體賦能個人和企業，推動內容創作的民主化。強調了AI從工具到能力的轉變，以及與合作夥伴共同發掘超級個體的重要性，展示了AI技術在教育、企業服務和內容創作等領域的廣泛應用和未來潛力。
AI賦能個人成長與生活優化：從健康助手到財務規劃討論了AI如何通過健康、攝影和財務管理助手等應用，幫助用戶實現生活目標，提升生活質量，強調AI不僅替代人力，更拓寬能力邊界，促進個人成長。
大裝置：國産化AI基礎設施創新與規模化應用探索演講者介紹了大裝置在過去一年多時間裏在人工智能基礎設施領域的探索與成就，包括首個商業化PD分離推理服務、異構解耦優化、國産芯片性能提升等。強調了國産化推理集群的規模化落地，日均調用量達2.4萬億次，預計年底將達10萬億次。同時，展示了在AIGC、科學發現等場景下的國産化支撐與應用拓展，加速自主生態體系的成熟。
AI基礎設施創新與太空算力戰略合作討論了人工智能基礎設施的環保與效率提升策略，包括TPW指標的應用和AI調度系統優化，以及光計算、量子計算和太空算力等未來技術趨勢。同時，宣佈了商湯科技與國興宇航在太空算力領域的戰略合作，計劃五年內實現千星組網，提供萬匹太空算力，支持中國AI應用的全球擴展。
共創國産AI生態：商湯科技銀河計劃啓動，推動智能基礎設施全面發展在推進國産AI基礎設施生態建設的背景下，推出銀河計劃，旨在兩年內打造多個國産化集群，圍繞十大技術方向與合作夥伴共創，服務超過200家AI初創組織，加速國産生態的商業化落地。同時，強調了AI基礎設施在具身智能、科學發現等領域的應用，以及與科研機構合作推動AI驅動的科學發現平台建設，共同構建可持續發展的國産AI生態體系。
全球AI生態重構下中國式創新的新優勢與角色定位活動啓動儀式後，聚焦於全球AI産業重構背景下中國式創新的優勢與角色，通過圓桌對話形式，探討中國如何在全球AI生態中發揮新作用，多位亞太科技領袖參與討論，共同展望中國創新在全球範圍內的全新定位與貢獻。
中國創新如何重塑區域合作：專家視角下的機遇與挑戰本次討論聚焦於中國創新對區域合作的影響，與會嘉賓從各自領域出發，分享了中國技術，尤其是人工智能領域的快速發展，為全球合作帶來的新機遇。馬來西亞代表強調中國開放的AI模型為區域協作提供了可能，韓國代表則指出中國在執行效率與市場數據方面的優勢，激勵韓國企業向創新方向轉型。新加坡代表認為中國技術輸出成為全球關注焦點，中國創新正日益融入國際産業鏈，推動區域經濟一體化。日本代表分享了中日創新合作的案例，展示了雙向技術交流的潛力。整體而言，中國創新正逐步改變區域合作模式，促進更緊密的經濟與技術聯系。
中韓科技合作新機遇與全球創新趨勢展望對話圍繞中韓兩國在半導體、AI、大數據中心等領域的互補優勢展開，強調了深化合作對全球標准制定和供應鏈優化的重要性。提出通過‘中國技術采購’戰略，促進中國技術公司國際化，同時助力其適應海外市場，實現技術與市場的雙贏。未來，中國技術創新在全球舞台上的角色將更加突出，需加強與國際社會的連接，共同推動科技發展。
中國創新企業進軍日本市場：解決老齡化與勞動力短缺的機遇討論了中國創新企業在日本市場的潛力，尤其是針對日本社會老齡化和勞動力短缺問題，如中國食品、機器人、無人零售等領域的公司如何通過技術創新和合作，為日本市場帶來解決方案，包括制造業、倉儲和零售業的自動化升級。
東亞洲在全球技術革新中的角色與挑戰：以中國科技企業全球化為視角討論聚焦於東亞洲，尤其是中國科技企業在推動全球技術革新，特別是人工智能領域的作用與挑戰。強調了中國科技企業全球化進程中面臨的市場差異性挑戰，以及東亞洲在技術創新上的優勢，如豐富的實踐經驗與細節把控能力。同時，指出了在全球技術競爭中保持中立的重要性，以及構建更安全的技術架構以支持長期發展的必要性。
東亞科技合作與創新：構建全球影響力對話探討了東亞各國在半導體、AI技術及供應鏈等領域的優勢互補，強調通過跨區域合作創新，東亞可對全球科技發展産生重大影響。提及AI科學家多為東亞人的現象，討論了文化因素對科技貢獻的影響，同時指出溝通與開放交流的重要性，以及中國創新如何正影響周邊乃至全球。
AI發展與治理：平衡創新與風險的全球對話討論了AI技術在提升生活質量方面的積極作用，同時深入探討了AI治理與風險管理的重要性。參與者強調了建立多邊合作機制、制定全球性AI指導原則的必要性，以及預防性措施對於避免潛在風險的關鍵作用。對話指出，面對AI的快速進步，需構建開放、協作的治理框架，確保技術向善發展，同時警惕技術失控帶來的挑戰。
中國式創新與AI發展：科技演進中的‘苦澀教訓’討論聚焦於中國在人工智能領域的創新與全球合作，強調了開放與協同的重要性。通過回顧科技發展曆史，特別是‘苦澀教訓’，即知識構建與規模化計算的對比，揭示了AI領域進步的內在規律。演講者提出，盡管曆史多次證明大規模計算與學習的重要性，但未來是否仍適用，特別是在基礎模型上，仍需持續觀察與探索。
大模型與基礎模型：知識容器的局限與未來願景探討了大模型與基礎模型在知識獲取與創造上的局限性，提出基礎模型應作為人類共識知識的容器，而非追求全面知識的掌握。強調了世界複雜性超越單一模型能力，提倡建立准確反映共識知識的模型，以定制化方式提供服務，同時展望了AI未來發展方向，包括類人智能與特定功能AI的共存。
要點回答
Q：本次論壇的主題是什麽？
A：本次論壇的主題是關於基座大模型架構創新與生態合作，聚焦大模型技術迭代、産業落地和生態協同。
Q：全國工商聯黨組成員、副主席李斌在致辭中強調了哪些要點？
A：李斌副主席在致辭中強調了三點：一是要把握時代方向，胸懷國之大者，在融入國家戰略中抓住發展機遇；二是深耕自主創新，錘煉硬核實力，在攻堅克難中築牢發展根基；三是統籌內外協同，健全治理體系，共建開放、普惠、安全、繁榮的人工智能産業生態。
Q：上海市經濟和信息化委員會副主任潘燕在致辭中提到了哪些上海在人工智能領域的成就？
A：潘燕副主任提到，上海在人工智能領域取得了顯著成效，如基座大模型的技術攻關、算力底座建設和生態構建等方面。目前，上海已有多個大模型通過備案並開源，部分模型的綜合能力處於全球領先地位，同時形成了多層次算力供給矩陣和良好的産業生態。
Q：在大模型的發展中，多模態如何影響和推動AI的未來？
A：多模態在大模型發展中扮演着核心角色，它不僅提升了模型的綜合能力，而且是構建智能體、推動人工智能技術進步的關鍵要素。未來，多模態將更深入地融入到模型設計和應用中，幫助AI更好地理解和感知世界。
Q：對於多模態AI在大模型中的地位，與會專家有哪些不同看法？
A：與會專家就多模態在大模型中的地位存在兩種觀點：一種認為語言模型是未來AI的核心，其他模態如圖像、視頻等可通過語言模型進行處理；另一種則認為多模態在數字世界與物理空間的交互中具有關鍵的內生作用，不僅是對語言模型的拓展，更是智能體理解世界不可或缺的部分。
Q：在機器和人交互的場景中，為什麽多模態模型難以理解複雜的環境和情境？
A：這是因為當前的多模態模型缺乏對真實世界複雜情境的理解能力，除了文本上下文外，還需要處理現實世界中的物體、行為、動作等多模態信息，並建立其中的因果關系和交互邏輯，這遠非單一語言模型所能完成。
Q：下一代智能的發展是否與智能産生的源頭信號有關？
A：是的，下一代智能的發展與多種方式相關，包括基於大語言模型、開放空間機器人的模擬、數字生命以及腦機交互等，所有這些方式都與人類産生智能的源頭信號有關。
Q：在探討下一代智能時，是否應聚焦於語言模型還是多模態模型？為什麽大語言模型在當前階段取得成功，而視覺模型表現相對較弱？
A：下一代智能的核心關鍵點不在於走語言路綫還是視覺路綫，而在於學習範式，即如何讓智能體實現自主學習或後天學習。語言模型和視覺模型都有其局限性，都需要一個多模態模型來推動未來發展。主要原因是語言模型訓練數據集龐大且信息知識密度高，在基於模仿學習和簡單規則強化學習的範式下適用於這種學習方式。而視覺模型由於信號稀疏、維度高等原因，在現有學習範式下表現不佳。
Q：對於構建下一代智能，數據層面、架構上和學習範式上存在哪些挑戰？
A：數據層面上，除了積累豐富的語言數據外，還需要面對多模態數據（如視頻、圖片）的組織、標注和有效利用問題；架構上，需要探索更原生支持多模態輸入輸出的設計，解決長文本、稀疏信息等編碼與表征難題；學習範式上，需要尋求一個更優雅的解決方案，突破現有以語言模型為核心架構的局限，以適應多模態、動態場景下的在綫和自主學習需求。
Q：如何解決智能體在真實環境中互動時信息獲取與自我進化的問題？
A：智能體需要從與環境的豐富反饋中高效地學習並實現自我進化，但目前模型不具備這一能力。解決這個問題的關鍵在於改進學習範式，讓模型能夠自主地從稀疏的自然環境中快速學習和提升。
Q：在智能體持續進化方面，您認為有哪些挑戰需要克服？當前主流模型所依賴的上下文機制能否支撐長期、無限的進化過程？
A：我認為目前普遍被工程界接受的通過不斷積累技能來實現自我進化的路徑存在局限性。真正意義上的持續進化，比如像人類那樣跨越幾十年的學習和成長，對於機器來說還處於初級階段。現在機器可以處理幾個小時的任務，但與人的長期成長相比還存在較大差距。要實現真正意義的持續進化，我們需要解決如何自主學習和高效學習的問題，特別是解決在綫學習（online learning）、探索（curiosity）和建模（modeling）這三大問題。現有的模型如transformer雖然在短期記憶方面表現出色，但在長期記憶建模上面臨挑戰，尤其是對於瞬時記憶和長期記憶的有效建模不足。現有的模型參數量雖可擴展，但在從短期向長期記憶過渡的過程中，現有memory機制可能需要革新以適應持續、無限進化的願景。
Q：對於多模態信息處理，現有方法的主要問題是什麽？
A：多模態信息處理的一個主要問題是信息量過於龐大且難以壓縮，尤其是當信息需要保持動態更新時，傳統的文本壓縮方法效果有限。更本質的問題在於僅依賴外部記憶無法讓智能體實現真正的內部演化，就如同有記憶障礙的人僅依賴筆記無法持續學習和進步。
Q：如何理解並解決在綫學習中的核心問題？
A：在綫學習的核心問題包括城市化記憶的建模（解決瞬時記憶和長期記憶的有效建模問題）和學習算法本身的改革。在學習算法方面，需要探索除了現有模仿學習和 reinforcement learning之外的其他高效學習方式，例如利用on policy（即策略即模型）進行自我生成數據的蒸餾和學習，從而提高學習效率。
Q：對於海量記憶的建模需求，現有的模型架構是否需要革新？
A：現有的模型架構，尤其是基於transformer的模型，在建模不同層次記憶（如瞬時記憶、工作記憶、情境記憶和長期記憶）方面存在局限性。它們通常表現為單一的loss list結構，無法有效進行選擇和壓縮以保持最有效的memory。因此，確實需要對架構進行變革，使其能夠主動選擇和壓縮信息，更好地模擬人類的記憶機制。
Q：在AI領域中，現在大家對算法本身的認知存在哪些誤區？
A：現在人們對AI算法的認知存在很大的誤區，尤其是在其作為普適工具的應用上。很多人並沒有深入理解算法背後的原理和數據的重要性。
Q：AI從虛擬世界走向物理世界時面臨的主要挑戰是什麽？
A：AI在走向物理世界時，首先遇到的是數據問題。與互聯網上豐富的數據資源相比，物理世界中的數據非常稀缺。例如，在訓練模型時，需要大量的數據才能達到較高的准確度，而獲取這些高質量的物理世界數據是一個巨大挑戰。
Q：中國在AI技術性方向上有什麽優勢？
A：中國在AI技術性方向上有天然的巨大優勢，主要是由於中國多樣且需求旺盛的工業、服務及家電場景提供了豐富的實際應用場景，産生大量的數據以支持模型訓練。此外，中國科研人員在發表論文時傾向於共享技術和算法架構，推動了行業的共同發展。
Q：技術共享與技術本身的創新性是否存在矛盾？
A：技術共享並不意味着技術不重要。實際上，諸如強化學習、自注意力機制、底層優化機制等技術進步都是通過公開論文和代碼，與社區共享後推動整個行業發展的。即使在當前的基礎模型中，算法架構的創新也永不停歇，比如loop的transformer、loop的language model等都是最新的創新成果。
Q：對於AI未來的發展預測，有哪些事情可能會被高估或低估？
A：預測AI未來的發展極具挑戰性。可能會被高估的是AI取代人類的程度以及自動化能力在解決實際場景問題上的表現；而可能被低估的是AI對社會運作方式的改變，例如智能體之間的交互方式、支付體系等，這些都可能會帶來深遠的影響。
Q：商湯獎學金設立的初心是什麽？商湯獎學金獲獎者們的發展情況如何？
A：商湯獎學金設立的初心是想在本科生最富朝氣、最感探索的年紀為他們提供支持，就像湯老師當年帶領我們撥開科研迷霧、叩開AI新世界的大門一樣，我們也希望托舉大家的夢想，見證大家成為行業的引領者、開創者，並且把這份對AI的熱愛一代代傳承下去。十年來，280名商湯獎學金獲獎者已成為國內AI領域頂尖本科生的代名詞。他們從計算機視覺、深度學習起步，如今已奔赴大模型、多模態智能體、具身智能等全新賽道，其中九成以上選擇深造，有人紮根學術，有人奔赴産業。
Q：商湯獎學金在過去的十年間有何重要意義？
A：過去十年是見證優秀學子成長的重要時期，商湯獎學金如同一盞明燈，照亮了他們的科研之路，助力他們在AI領域不斷探索與成長。同時，它也體現了湯老師對人才培養的惜才之心和對AI未來發展的長遠考量。
Q：下一個十年AI會走向哪裏？
A：雖然沒有人能給出全部答案，但可以確定的是，回答這些問題的人裏，一定會有未來的商湯獎學金獲獎者。下一個十年，AI將融入更多領域，成為推動社會發展的重要力量。
Q：智能從哪裏來，自我演進的動力來源是什麽？
A：智能和自我演進來源於數據、經驗以及交叉驗證等多種途徑。目前産業革命的變化表明，模型調用量大的服務逐漸轉變為更加廣泛認知共識的泛應用，這得益於解決實際問題的核心技術和真正把應用邊界拓寬至更多使用者的核心技術的發展。
Q：理解生成統一模型如何實現系統級交付？
A：通過不斷迭代和提升理解生成統一模型，實現了從單點生成內容到能夠完成系統性交付的轉變。例如，U1 pro模式的推出，使得模型調用量大幅提升，生成內容更加精細化且具有統一風格，能夠根據不同應用場景進行創作和編輯，最終形成可交付的智能底座，應用於各個領域，創造出風格迥異且高質量的內容。
Q：這次生成的圖主要展示了什麽內容？
A：這張圖展示了世界人工智能大會九年的曆史變遷，從2018年AI技術與行業的結合，到2024年提出的治理框架和全球化治理進展，以及最新的成果——全球人工智能治理合作在上海落地。
Q：這套交付系統能否應用於內容生成工作流中？
A：答案是肯定的，通過系統可以將劇本分解為不同模態的內容，如人物形象和分鏡腳本等，並根據這些信息生成對應視覺素材。創作者可以隨時查看整體進度並生成下一階段視頻內容。
Q：AI能力邊界拓寬如何影響普通人和行業應用？
A：當AI能力邊界拓寬後，許多原本只有專業人士才能完成的任務變得可能，超級個體應運而生，他們利用AI工具將個人經驗規模化，推動行業級別的應用誕生。例如，景觀審圖工程師通過AI模型將其經驗固化並延伸，辦公小浣熊raccoon work幫助專業人士更高效地完成工作流程。
Q：AI如何賦能興趣驅動的需求和應用結合？
A：一個曆史興趣愛好者利用AI技術構建了一個互動式的時間空間故事地圖，讓曆史人物的一生以更加直觀和個性化的方式呈現給大衆，這是興趣與需求有效結合並催生的新應用場景。
Q：AI對於視障人士教育領域的具體影響是什麽？
A：一位視覺障礙人士利用多模態AI技術設計了一套面向視障人士的教育系統，將教材轉化為適應他們需求的形式，大大提升了無障礙服務的質量和效率。
Q：商湯在AI技術發展的曆程以及對未來的規劃是什麽？
A：商湯在過去十年致力於將AI帶入産業中，解決專有AI屬性問題，並通過不斷拓寬AI邊界，現在正將産業級AI能力賦予超級個體和個人，從而引發更廣泛的業務變革。未來的目標是將産業級AI生産力賦予每一個人，讓普通人也能利用AI工具進行高質量的內容創作。
Q：為什麽我們關注超級個體以及好的人工智能産品？
A：我們關注超級個體是因為他們所發揮的能量遠超想象，並能推廣類似應用案例以擴大AI的滲透率。好的人工智能産品不只是替代原有流程以提升性能，而是向更廣泛的領域延伸，讓更多人可以使用，實現能力的拓界，打開新的應用場景需求。
Q：好的人工智能産品如何幫助個人成長？
A：好的AI産品不僅讓用戶産生依賴，更專注於個人成長。通過使用AI工具，用戶可能養成更好的習慣、增強知識獲取能力、深化思維。例如，通過人工智能助手，用戶可以創作視頻、信息圖等，促進個人成長。
Q：人工智能在預測未來方面的作用是什麽？
A：人工智能真正解決的問題不在於預測未來，而是在於預測現在的信息共識。盡管預測未來事件很難，但AI在世界杯預測中展現了其在預測當前信息共識方面的應用，如預測佛得角隊進入32強。
Q：商湯科技如何將AI融入個人生活，幫助實現生活目標？
A：商湯科技致力於打造能理解用戶生活、目標和技能，並協助其實現生活目標的AI助手——kapi家族。其中，開辟健康作為成員之一，是全天候的健康助手，通過監測用戶的健康指標，長期陪伴並幫助實現健康目標。
Q：大裝置事業群在人工智能基礎設施領域取得了哪些成就？
A：大裝置事業群作為人工智能基礎設施的探索者和先行者，過去一年多時間裏取得顯著成果，如獲評全國首個5A級智算中心，在AI雲市場和AI解決方案市場占據領先位置，並在推動未來基礎設施定義上做出貢獻。同時，面對行業變化，大裝置也做好准備構建面向未來變革和創新的新一代基礎設施能力。
Q：在國産芯片上，你們通過優化和調優具體實現了哪些提升？
A：通過大約三個月的優化和性能調優，我們成功將國産單卡的有效輸出效率平均提升了100%。在基於國産異構混合推理集群的環境下，國産卡在PREFU等專用任務上的性價比超越了英偉達H系列，甚至達到了英偉達H系列性能的一倍多，並且內部測試顯示其性能提升了百分之200以上。
Q：這種性能提升對國産推理集群的大規模落地有何影響？
A：由於性能提升，我們實現了真正意義上的國産化推理集群的大規模商業落地，並且這個落地是有盈利空間的。在過去半年中，大裝置積極推廣，目前我們已經提供了日均2.4萬億次的token調用量，預計到年底將提升至10萬億次量級。
Q：商湯在AI基礎設施方面的佈局是怎樣的？
A：除了提供token服務外，商湯還在軟件算法層面不斷優化，支持多種人工智能創新場景和算法，如文生視頻、文生圖、多模態模型及AI for science等。同時，通過算子優化實現多卡並行，提升性能，以及通過自動化遷移工具幫助客戶低成本地將現有AI模型遷移到國産芯片體系。
Q：商湯在底層機房數據中心層面做了哪些工作？
A：在數據中心層面，商湯關注電力消耗與效率，提出了新的衡量指標TPW，即單位電費支出下能帶來的token産出量，目前該指標已實現比行業平均水平超過50%的提升。通過AI預測和調度，進一步降低了電價和實際有效電價，提高了POE利用率，整體上提升了系統端的産量超過80%。
Q：商湯如何看待未來人工智能基礎設施的發展趨勢？
A：商湯認為未來人工智能基礎設施不僅要追求效率，更要追求環保。同時，隨着國産算力體系規模商業化落地，整個供應鏈將迎來重塑，帶來新的技術創新應用。例如，光計算、量子計算和太空算力等新興領域將對AI算法迭代提供更強支撐，並計劃啓動太空算力的前瞻性規劃，首批將發射四顆衛星進行技術驗證和迭代工作，目標在未來五年內實現千星組網，提供萬匹太空算力，服務於中國人工智能下遊應用生態。
Q：商湯如何推動生態建設以及未來的規劃？
A：商湯提出了國家産創新生態的銀河計劃，計劃利用兩年左右的時間打造五個萬卡以上的國産集群，圍繞十個技術方向進行深度共創，服務200家以上的AI初創組織，加速國産生態的規模化、商業化可持續落地。此外，商湯還在國內外多地佈局AI基礎設施，如上海臨港、港島、中東等地，並致力於將這些佈局作為智能場景落地的核心支撐，推動各産業智能化發展。
Q：在國務院去年發佈的行動計劃中，AI與科研結合為何被列為首要發展方向？商湯科技在打造AI驅動的科學發現平台方面是如何合作的？
A：因為國家對利用AI與傳統科學學科深度融合，以實現基礎能力的變革創新寄予厚望，因此將AI加科研排在了所有未來突破方向的第一位。商湯裝置作為基礎設施能力供應者，與國家級科研機構聯手提供算力支撐和底層平台能力，共同推進新領域的研究、人才培養以及産業轉化，形成完整閉環。
Q：科學發現品牌戰略合作是如何發佈的？
A：通過組織現場簽約發佈儀式，並邀請上海人工智能實驗室主任助理石柏明先生等業內專家與商湯科技共同簽署合作協議。
Q：商湯科技建立大裝置和算力聯盟的初衷是什麽？
A：商湯科技致力於將國産軟硬件廠商聯合起來，在人工智能底層設施建設領域實現規模化的商業化目標。
Q：對於未來人工智能基礎設施的發展前景有何看法？
A：預計未來幾年國産基礎設施硬件體系將迎來全新增長，這種增長不僅是技術比拼，更是可持續、可盈利、可以規模化的商業體系落地。這需要全行業共同努力，打造更強大、堅韌的人工智能基礎設施。
Q：如何看待全球化背景下的人工智能技術發展與合作？圓桌討論的主要議題是什麽？
A：全球化是人工智能技術發展的必然趨勢，唯有開放與共生才能促進創新火花照亮更廣闊的世界。通過啓動海外創新合作，旨在推動中國式創新在全球AI生態中找到全新定位，並與其他國家和地區共同構建更好的合作模式。主要討論主題是中國創新如何重塑區域間的合作模式，特別是在AI和其他高科技領域，以及如何借鑒中國創新的成功經驗推動本地區的發展和變革。
Q：中國的創新有哪些主要特征，與日本相比有何不同？
A：中日兩國創新的關鍵差異在於速度與規模。中國的創新以速度快、節奏快為顯著特征，這對其創造新價值至關重要；而日本則更注重質量和可靠性，因而發展步伐相對較為穩健。
Q：“中國願景”這一術語意指什麽？其內涵又如何隨時間推移而演變？
A：“中國願景”一詞用於指代中國特色的創新理念。這是一種誕生於15年前的舊概念，其曆史遠比三星這一品牌還要悠久。最初的定義旨在理解國際市場上新興的中國參與者。如今，這一定義正在發生嬗變，日益成為一場探索新世界的旅程，折射出中國正從“山寨大國”向“創新強國”的角色轉變。
Q：中國從“山寨大國”到創新強國的認知發生了怎樣的轉變？
A：中國在外界眼中的形象已發生重大轉變，從昔日的“山寨大國”到如今被全球公認為極具創新活力的國家。這一轉變在過去十至十五年間逐步發生，隨着中國培育出獨具特色的自主品牌與技術，有關其創新能力的討論也隨之興起。
Q：在創新領域，馬來西亞與中國有哪些潛在的合作機遇？
A：馬來西亞與中國在創新領域的潛在合作機遇之一，是共同佈局超大規模數據中心；預計到2023年，馬來西亞將成為該領域的前五強之一。務實合作應立足本地知識，充分把握監管要求與文化差異，並充分發揮本土人才優勢，以創新性解決方案切實解決實際問題。
Q：中國應如何推進創新，以解決現實問題？
A：推動中國創新，應立足於對現實問題的深刻理解，充分運用垂直領域的人工智能與本土知識，從而提供切實可行的解決方案。這需要對當地法規、文化有深刻理解，充分依托本地人才，並秉持合作共贏的理念，而不僅僅是單純地輸出技術和創新成果。
Q：韓中兩國在半導體、人工智能等科技領域的合作有何重要意義？
A：韓中兩國在科技領域的合作意義在於雙方産業的互補性，以及“韓國三大項目”等投資機遇所帶來的重要戰略契機。這種合作有望在全球標准制定、供應鏈整合以及構建涵蓋制造、數據中心和應用能力的robust生態系統等方面産生顯著的協同效應。
Q：NCS在推動中國創新與全球市場對接方面發揮着怎樣的作用？
A：NCS發揮超級鏈接作用，將中國本土的優質初創企業和技術合作夥伴推介至更廣泛的生態體系。NCS正在制定一項名為“IT中國技術采購”的戰略，旨在與多家中國科技企業探索合作機遇，助力其創新成果走向全球市場，同時協助其實現本地化，並深入了解監管要求及客戶需求。
Q：中國創新在日本市場有哪些潛在機遇？
A：中國創新通過解決勞動力短缺等難題、應對社會挑戰，在日本市場蘊藏着廣闊的發展機遇。典型案例包括：在食品與乳制品行業引入機器人以緩解用工短缺、部署雲峰無人零售店應對零售業的勞動力難題，以及在日本的倉儲和制造工廠中應用人工或機器人技術。
Q：中國科技企業全球化佈局有何重要意義？
A：對於中國科技企業而言，全球化擴張意義重大，標志着其全球化征程的開端。它為應對新市場的獨特挑戰與需求提供了機遇。這需要珍視多元化的價值，理解不同文化特有的價值觀與規範，並據此對産品與服務進行相應調整。
Q：在估值的背景下，來自東方的影響力增強可能帶來哪些潛在優勢？
A：來自東方的更強影響力有望為信息技術的開發提供更為紮實的知識基礎，使其不僅停留在概念層面，更能實現更深層次的細化與完善。從東方習得的實操經驗與對細節的重視，有望在今後的發展中發揮優勢。
Q：文中列舉了哪些中國在機器人與人工智能領域的創新案例？
A：中國在機器人與人工智能領域的創新案例包括：一家位於杭州的機器人企業已成功進入韓國市場，並將其産品應用於設備巡檢與應急處置等場景。另一個例子是韓國企業Echo與LG電子的合作，這是一項人工智能領域的投資，彰顯了全球在人工智能領域的協同合作。
Q：在人工智能戰略的背景下，新加坡處於何種地位？
A：新加坡被視為東南亞人工智能的示範高地，並於2020年發佈了《新加坡人工智能戰略》。重心正從構建人工智能基礎設施，轉向在實際業務場景中應用人工智能，並支持各主要行業領域加快人工智能的普及與落地。
Q：技術競爭有哪些風險？
A：一個重要的風險在於如何在技術競爭中保持中立，這一議題牽涉到政府、企業和消費者。在制定人工智能戰略時，企業需要充分考慮這一點，並采用更為穩健的架構設計，以支撐長期發展。
Q：IT與AI的融合如何助力客戶實現AI落地？
A：IT與AI融合是一種解決方案，旨在幫助客戶以更高效的方式部署或應用人工智能，同時無需關注底層語言模型的具體細節。這有助於實現更為精簡的人工智能集成方式。
Q：東亞各國在人工智能領域的合作有何重要意義？
A：東亞各國在人工智能領域的合作意義重大，因為它能夠彙聚各方優勢：韓國擁有強大的半導體産業，日本在半導體關鍵材料領域處於領先地位，中國具備規模化的供應鏈與人工智能技術，而整個地區則湧現出大量新興機器人企業，並集聚了衆多優秀人才。此次合作有望産生重大的全球性影響。
Q：在東亞建立人工智能生態系統可能産生哪些潛在影響？
A：在東亞建立人工智能生態系統，有望創造巨大價值，並促進該地區各國之間的交流與協作。這有助於降低風險，防止各國在科技領域走向自我封閉。
Q：人工智能的風險管理方法是什麽？
A：人工智能的風險管理包括承認風險的存在、識別風險，並評估其對目標的影響。必須制定緩解方案，開放包容的態度是尋求解決方案的關鍵，溝通至關重要，而要應對人工智能的廣泛影響，全球性准則與協同合作不可或缺。
Q：為什麽全球協作在人工智能領域至關重要？
A：由於行業的跨境性質，需要一致的指導方針和標准，以及防止任何單一實體擁有太多控制權，全球協作在人工智能中至關重要。開放溝通、與多家服務提供商合作以及參與政府間合作是更廣泛的風險管理戰略的一部分。
Q：該公司創始人在其領導下建立了什麽？
A：在他的領導下，創始人在公司內部成立了首個人工智能倫理委員會，這也是同類機構中的首批之一。
Q：人工智能的日益智能化會帶來哪些風險？
A：隨着人工智能日益智能化並廣泛融入我們的生活，其所帶來的風險也在不斷累積，亟需加以有效管理。
Q：人工智能如何重塑我們的生活與對技術的觀念？
A：人工智能正日益走向開源、更加普惠，惠及消費者與企業，深刻影響着我們生活的方方面面，並重新定義了我們對技術創新的認知。
Q：在人工智能與技術創新的語境下，亞洲價值觀與文化為何至關重要？
A：亞洲，尤其是東亞的價值觀與文化之所以重要，是因為它們與當前的人工智能創新相契合、相一致，尤其注重技術的人本維度，涵蓋價值理念以及對人性之重要性的深刻理解。
Q：人工智能研究中的“苦澀教訓”是什麽？它與大型語言模型和基礎模型有何關聯？
A：“苦澀的教訓”這一概念揭示了人工智能研究領域的一個曆史規律：依賴人類知識在初期確實能帶來進展，但最終會遭遇瓶頸，並被那些基於規模擴展、計算能力、搜索與學習的方法所超越。在大型語言模型與基礎模型的研究背景下，鑒於這些模型以人類知識為基礎，卻旨在通過搜索與學習實現規模擴展並自主創造新知識，人們正在探討這一規律是否同樣適用。
Q：關於基礎模型及其能否囊括全部知識的根本性問題是什麽？
A：關於基礎模型的一個根本性問題在於：它們究竟是要成為人類共識知識的載體——而這一概念本身極為複雜——，還是所有知識的載體——而這在現實中根本無法實現？其核心在於正視基礎模型的局限性，並將其定位為准確存儲當前公認知識的工具，同時設定切實可行的目標。
