智能網(wǎng)原創(chuàng)，轉(zhuǎn)載請(qǐng)注明來源
7月5日，以“向新而行 智驅(qū)未來”為主題的2024 WAIC智能趨勢(shì)論壇在上海舉行。阿里云智能集團(tuán)副總裁安筱鵬以“大模型是數(shù)據(jù)要素實(shí)現(xiàn)價(jià)值的最短路徑”為主題探討了數(shù)據(jù)要素和大模型之間的關(guān)系。他表示，發(fā)揮數(shù)字化價(jià)值的桎梏是數(shù)據(jù)斷點(diǎn)，大模型更好地彌合了數(shù)據(jù)斷點(diǎn)。未來一切智能硬件被AI大模型驅(qū)動(dòng)，一切軟件系統(tǒng)被AI大模型重構(gòu)，一切數(shù)據(jù)被AI大模型激活。
以下為演講實(shí)錄精選：
數(shù)據(jù)要素和大模型的關(guān)系
我們給出一個(gè)判斷，大模型可能是數(shù)據(jù)要素實(shí)現(xiàn)價(jià)值的最短路徑。
大模型未來可能會(huì)應(yīng)用到什么場(chǎng)景?
我覺得有三個(gè)重要的判斷。第一個(gè)判斷是未來一切智能硬件會(huì)被AI大模型所驅(qū)動(dòng)。第二個(gè)判斷是一切軟件系統(tǒng)會(huì)被AI大模型所重構(gòu)。第三個(gè)判斷是一切數(shù)據(jù)會(huì)被AI大模型所激活，今天的手機(jī)、電腦、汽車、機(jī)器人、攝像頭，有些已經(jīng)成為產(chǎn)品智能化水平提升的載體。
未來的手機(jī)、汽車都會(huì)無所不在，當(dāng)一個(gè)產(chǎn)品有了芯片，它大概率就有可能被大模型所驅(qū)動(dòng)。今天我們看到手機(jī)里的APP功能在迭代，PC里的Windows office，WPS，企業(yè)的經(jīng)營(yíng)管理，CRM客戶關(guān)系管理，ERP，制造執(zhí)行系統(tǒng)乃至控制設(shè)備運(yùn)行的PLC，SCADA，可編程邏輯控制器今天都在被AI大模型所重構(gòu)。當(dāng)所有的硬件被大模型所驅(qū)動(dòng)，所有的軟件系統(tǒng)被大模型所改造的時(shí)候，就意味著整個(gè)社會(huì)數(shù)據(jù)要素發(fā)揮的作用會(huì)被大模型激活。
彌合數(shù)據(jù)斷點(diǎn)是數(shù)字化轉(zhuǎn)型再進(jìn)一步的關(guān)鍵
數(shù)字化轉(zhuǎn)型的本質(zhì)是什么?如果做一個(gè)極度抽象的話，我把它概括成一句話：在“數(shù)據(jù)+算法”定義的世界中，以數(shù)據(jù)的自動(dòng)流動(dòng)，化解復(fù)雜系統(tǒng)的不確定性，優(yōu)化資源配置的效率，提升企業(yè)核心的競(jìng)爭(zhēng)力。
今天的需求越來越碎片化、個(gè)性化、實(shí)時(shí)化、場(chǎng)景化、互動(dòng)化非常的復(fù)雜。在這樣一個(gè)復(fù)雜的世界里邊，數(shù)字化所要解決的問題就是一個(gè)復(fù)雜系統(tǒng)的不確定性，它通過什么方式來解決?一句話就是數(shù)據(jù)如何在一個(gè)系統(tǒng)里邊自動(dòng)的流動(dòng)。
現(xiàn)在工廠里的智能車間、機(jī)器人、數(shù)控機(jī)床是智能制造嗎?也不是。真正的智能制造是什么呢?
智能化的高級(jí)階段是什么呢?是獲得一個(gè)汽車、一架飛機(jī)、一件衣服的訂單之后，訂單的信息在經(jīng)營(yíng)管理、產(chǎn)品設(shè)計(jì)、工藝設(shè)計(jì)、生產(chǎn)制造、產(chǎn)品測(cè)試、產(chǎn)品維護(hù)的每一個(gè)環(huán)節(jié)流動(dòng)。
今天，制造業(yè)變得個(gè)性化的時(shí)候，如何既要提高效率、降低成本，又要滿足個(gè)性化需求呢?核心是數(shù)據(jù)在一個(gè)制造系統(tǒng)里邊，從過去基于文檔的流動(dòng)，到今天基于數(shù)據(jù)的流動(dòng)。數(shù)據(jù)的流動(dòng)不重要，重要的是自動(dòng)的流動(dòng)。
你能夠把正確的數(shù)據(jù)在正確的時(shí)間，以正確的方式傳遞給正確的人和機(jī)器，而且不需要人去干預(yù)，這是數(shù)字化轉(zhuǎn)型的核心要素。但我們今天看到的每一個(gè)環(huán)節(jié)在很多時(shí)候都需要人進(jìn)去，當(dāng)只要人進(jìn)到這個(gè)環(huán)節(jié)里邊，它的效率一定會(huì)打折扣，那人進(jìn)去干什么呢?人進(jìn)去最重要的一個(gè)工作就是要開發(fā)各種各樣的模型、算法、軟件、調(diào)度，這是人的價(jià)值，就要干這些事情。
所以我們發(fā)現(xiàn)，在數(shù)據(jù)自動(dòng)流動(dòng)的過程中有很多斷點(diǎn)，這個(gè)斷點(diǎn)的原因是因?yàn)槿艘_發(fā)各種模型、算法、軟件。如何把斷點(diǎn)通過軟件或者大模型的方式去彌合，是今天數(shù)字化轉(zhuǎn)型再向前走一步的關(guān)鍵。
軟件系統(tǒng)被AI大模型重構(gòu)
我剛才提了一個(gè)概念，叫做正確的數(shù)據(jù)在正確的時(shí)間以正確的方式傳遞給正確的人和機(jī)器，問題是你怎么知道正確還是不正確?正確不正確取決于什么?取決于兩個(gè)東西，第一個(gè)叫數(shù)據(jù)，第二個(gè)叫軟件模型或者算法。
當(dāng)你把數(shù)據(jù)輸送到軟件模型里邊，它會(huì)解決4個(gè)問題，從低級(jí)到高級(jí)，你可以在數(shù)字世界里邊去描繪物理世界發(fā)生了什么?為什么會(huì)發(fā)生?將會(huì)發(fā)生什么?以及人會(huì)怎么辦?在這個(gè)過程中，系統(tǒng)扮演的角色越來越多，人參與的越來越少，當(dāng)你最終不需要人去參與的時(shí)候，叫做自動(dòng)化。
而這個(gè)過程中，當(dāng)你數(shù)據(jù)能夠自動(dòng)流動(dòng)，最終完全替代人的決策的時(shí)候，最終的目的在于優(yōu)化資源配置的效率。這里邊的一個(gè)關(guān)鍵就在于軟件，什么是軟件?軟件的本質(zhì)是事物運(yùn)行規(guī)律的代碼化。我們現(xiàn)在構(gòu)造了三個(gè)世界，一個(gè)是我們看到的物理世界，我們需要研究物理的、化學(xué)的、生物的、電磁的規(guī)律，要把物理世界的運(yùn)行的規(guī)律化規(guī)律、模型化、模型算法化、算法代碼化、代碼軟件化，再用軟件加數(shù)據(jù)去優(yōu)化這個(gè)世界。
在過去我們對(duì)于軟件的開發(fā)構(gòu)造的這樣一個(gè)算法，對(duì)世界的認(rèn)知的規(guī)律都是人去完成的，人把自己的規(guī)律變成一套算法，寫成一行代碼，注入到這個(gè)系統(tǒng)里邊。
今天大模型做的最重要的一件事情是把人編軟件、編程的這項(xiàng)工作局部的替代了。未來模型能力的增強(qiáng)，更重要的一個(gè)標(biāo)志是在多大程度上能夠替代人去解決這個(gè)問題。
案例1：大模型替代生產(chǎn)工藝的代碼
拓斯達(dá)基于通義大模型構(gòu)建專屬制造大模型，實(shí)現(xiàn)無代碼完成工業(yè)機(jī)器人編程，大幅提升生產(chǎn)流程換線效率，低成本、高效率實(shí)現(xiàn)柔性制造，換線時(shí)間從3天縮減至8分鐘。
案例2：BI開發(fā)代碼一汽Chat BI 上線
中國(guó)一汽基于通義千問大模型打造汽車行業(yè)首個(gè)大模型應(yīng)用GPT-BI，基于自然語言交互進(jìn)行數(shù)據(jù)查詢、秒級(jí)別報(bào)表生成，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)穿透，做到“問答即洞察”，利用大模型助力企業(yè)決策方式升級(jí)。
我經(jīng)常說的一個(gè)觀點(diǎn)是，過去AI解決的是有限問題的有限解。今天大模型帶來的是無限問題的精準(zhǔn)解，從一個(gè)封閉的問題切換到了一個(gè)開放的問題。
案例3：標(biāo)注與規(guī)則代碼
2023年9月2號(hào)，1200萬人圍觀馬斯克特斯拉自動(dòng)駕駛。當(dāng)他從車?yán)镞叧鰜碇笳f了一句話：我的工程師們從來沒有寫過一行代碼，告訴我的車應(yīng)當(dāng)停在什么地方，但你們剛才看到了，它總是停在它應(yīng)該停的地方。此次采用的FSD V12版本，最重要的一個(gè)區(qū)別改變了過去自動(dòng)駕駛海量標(biāo)注的訓(xùn)練方式，通過海量數(shù)據(jù)+BEV + Transformer，只需要2000+行代碼就可以實(shí)現(xiàn)。
傳統(tǒng)數(shù)字化與大模型時(shí)代數(shù)字化的差異
我們?cè)倩氐浇裉煲v的一個(gè)主題，傳統(tǒng)數(shù)字化與大模型時(shí)代數(shù)字化的差異與價(jià)值，可以從三個(gè)角度來看：技術(shù)體系，人員要求，業(yè)務(wù)價(jià)值。
從技術(shù)體系來說，傳統(tǒng)數(shù)字化的數(shù)據(jù)價(jià)值是沿著“業(yè)務(wù)-采集-分析-決策”的實(shí)現(xiàn)路徑，大模型時(shí)代這個(gè)邏輯變了，你給輸入它就會(huì)有輸出。從執(zhí)行程度上，數(shù)據(jù)流動(dòng)取決于業(yè)務(wù)決策的鏈路，很多時(shí)候無法形成閉環(huán)，而今天大模型更容易形成一個(gè)閉環(huán)，創(chuàng)造價(jià)值。從建設(shè)成本與周期上，很多時(shí)候傳統(tǒng)的數(shù)字化要根據(jù)場(chǎng)景逐個(gè)制定個(gè)性化的周期方案，成本高，周期也比較長(zhǎng)。而現(xiàn)在基于大模型，通過泛化能力和微小批量的構(gòu)建能力，成本更低更快。
從人員要求來說，過去企業(yè)人員專業(yè)要求高，比如機(jī)器人現(xiàn)場(chǎng)調(diào)試，現(xiàn)在門檻降低、普通技術(shù)人員與業(yè)務(wù)人員“智能體-自然語言”多角色互動(dòng)參與。
從業(yè)務(wù)價(jià)值來說，過去是根據(jù)需求定制解決方案的路徑，價(jià)值有限。而今天是全面提升預(yù)測(cè)和能力，重新定義產(chǎn)業(yè)智能。
傳統(tǒng)的數(shù)字化解決方案和今天的AI大模型有什么本質(zhì)區(qū)別?
過去，客戶場(chǎng)景，GPT BI，機(jī)器人，工業(yè)設(shè)備的一個(gè)重要方法論是人根據(jù)設(shè)定的場(chǎng)景，把軟件算法植入給這個(gè)設(shè)備，是在有限的問題，有限的場(chǎng)景確定指標(biāo)，固定的路線解決問題。
大模型來了之后，使得設(shè)備的智能化水平更高，系統(tǒng)的智能化水平更高，它是在一個(gè)開放的環(huán)境里，在一個(gè)開放的指標(biāo)里，在一個(gè)隨機(jī)的任務(wù)里自主的解決問題，這是兩者最本質(zhì)的一個(gè)區(qū)別。
