潜空间季宇 1222 社区版

用户3980

用户5294

2024年12月25日修改

🦄

此文章仅供内部学习，如果有问题欢迎指正。

内容由奇绩实习生与 GPT 整理

嘉宾信息：

Yu Ji

•
行云创始人兼CEO​

•
清华大学计算机科学与技术系博士​

•
前华为海思昇腾芯片编译器专家​

50%

50%

Talk：

感谢奇绩的邀请，很荣幸今天有机会与大家分享我对整个 AI 行业及芯片行业的一些思考。我将讨论我们目前正在做的事情以及希望推动的方向。今天的分享题目是《谁困住了 AI 产业？》，这是一个略显标题党的主题，但却很符合当前行业的现状。​

目前，AI 产业让人充满热情与期望，但过去两年我们也发现，虽然行业热情高涨，技术发展迅猛，但应用的落地却未达到大家的预期。特别是我们所期待的“超级应用”为什么迟迟没有出现？我希望以自己的视角，尝试从更宏观的角度剖析这个问题。​

AI 算法的简史

为了更好地理解 AI 产业的发展现状，我们有必要简单回顾一下 AI 算法的历史：​

1.
人工智能的萌芽​
◦
人工智能的发展可以追溯到图灵的时代，当时主要依靠计算机的计算能力，通过规则设计和搜索方法解决问题。​
◦
这些早期的尝试更多是一种理论探索，尚未形成能够广泛应用的技术。​

2.
机器学习的崛起​
◦
随着计算能力的提升，AI 开始转向数据驱动的模式，机器学习逐渐成为主流。然而，早期的机器学习方法并未发展成一种能够解决多领域问题的通用范式。​

3.
深度学习的突破​
◦
深度学习的出现，让 AI 技术迎来了通用范式的飞跃。通过数据学习规则，AI 从以人为核心的规则设计，转向数据驱动的学习模式。​

4.
大模型的兴起​
◦
到了 2022 年年底，大模型的出现标志着 AI 达到了一个全新的高度。相比传统的深度学习，大模型能够通过自然语言处理（NLP）展现出链式思维与上下文学习的能力。这使得 AI 的应用场景更广泛，智能化水平更高。​

对 AI 行业现状的分层观察-涌现性视角

从更宏观的角度来看，我尝试对 AI 的发展进行分层分析，这可能与 OpenAI 所提到的 L1、L2、L3 模型有所不同，但反映了 AI 技术进步与行业发展的多样性。​

潜空间 季宇 1222 社区版​