张亚勤院士谈“智能计算新趋势”

尊敬的各位嘉宾，我非常荣幸能够参加这次人工智能计算大会，今天我想与大家分享的是关于产业发展新趋势的一些看法，特别是人工智能在各个领域的应用和发展趋势。

AI计算趋势的演进

回首过去的30年，数字化无疑是推动世界发展的核心动力。从最初的语音、图像、视频和文本的数字化，到企业ERP、CRM系统的建立，再到云计算的崛起，我们可以将这一过程看作是数字化的1.0和2.0阶段。而如今，我们正处于数字化的3.0时代，这一时代的特点在于两个世界的数字化：物理世界和生物世界的数字化。

在物理世界数字化方面，我们的城市、交通、家庭、工厂甚至整个社会的每一个角落都在经历着数字化的变革。而在生物世界数字化方面，我们的身体、大脑、DNA、蛋白质等都在走向数字化。与此新的生物电子芯片、脑机接口技术等也在飞速发展。

在这一轮数字化浪潮中，数据呈现出指数级增长，特别是在无人驾驶和基因测序领域。这些数据不仅仅是为了满足人类的需求，更是为机器决策提供支持，实现了机器与机器之间的无缝对接。

人工智能的发展与计算力的提升

人工智能的发展经历了多个阶段，从最初的符号逻辑推理到数据驱动的深度学习。未来，知识和数据的融合将成为主流，包括大脑知识、现实世界数据以及第一性原理方程式等。深度学习在这十年间成为主流技术，从RNN、LSTM、CNN到如今的GAN和Transformer，其发展方向是预训练、多模态、大模型。尽管面临因果性、可解释性等挑战，但新的解决方案也在不断涌现。

在感知方面，机器已经取得了与人类相当甚至在某些方面超越人类的成绩。尽管在认知能力上还存在差距，但我相信未来十年这一差距将被缩小。算力是人工智能发展中的关键因素，特别是在深度学习领域。为了满足大模型、大计算的需求，算力不仅要跟上摩尔定律的步伐，更要超越它。例如GPT-3模型，其计算需求每年几乎增长10倍。

人工智能与生命科学的融合

在人工智能的应用中，生命科学是一个重要领域。我们正在进行一系列科研工作，探索人工智能在生命科学领域的应用。未来，我们将看到更多突破性的进展，如类脑计算、量子计算、光计算和生物计算等。这些技术将为我们打开新的计算范式的大门。

在计算模式方面，我们正经历从大型机到分布式再到云计算的转变，现在正朝着云+边+端协同智能的方向发展。未来，大部分计算将转移到边缘端，90%以上的计算能力可能在未来的十年内在边缘端实现，使得计算更加动态和分布式。

人工智能正在与各个领域深度融合，为我们带来前所未有的变革。我坚信，在未来的日子里，人工智能将继续为我们带来更多的惊喜和突破。感谢大家的聆听！在生命科学领域，数字化浪潮席卷生物世界，产生了海量的组学数据，如同天文级的数字洪流，包括基因组学、蛋白质组学、转录组学和细胞组学等。这些数据的组合和交织，开启了全新的科学探索时代。整个生物实验体系，从干实验到湿实验，正逐步走向自动化和智能化，人工介入越来越少，这是实验技术的一次重大突破。

人工智能在生命科学中的融入，如同一股清新的春风，吹拂出无限生机。基因编辑领域，AI算法能更精准地找到治病基因，让治疗更有的放矢。在药物研发领域，我们不仅可以在小分子领域取得进展，大分子、抗体、个性化疫苗和药物的开发也取得了重要突破。最近，AlphaFold在蛋白质解析方面的进展令人瞩目，从一维序列到三维结构，再到功能研究，都在加速发展。

随着高通量自动化实验的不断发展，新的科研范式正在逐步形成。新冠疫苗的研发便是一个生动的例子。从基因序列发布到蛋白质结构解析，再到病毒与人的交互方式研究，以及灭活疫苗的研发，整个周期仅不到一年时间，这是人类疫苗研发史上的新速度纪录。

彭健教授的工作展示了人工智能在药物研发中的应用潜力。利用已有的肿瘤细胞系药物数据以及动物模型产生的数据，他们成功预测了药效，不仅加快了研发速度，还提高了药物推荐使用的准确度。几何深度学习在抗体设计中的应用也取得了重要成果，已经成功应用于新冠中和抗体药物的开发。

在基因大数据方面，兰艳艳教授团队的工作打开了新局面。他们通过人工智能最前沿的预训练技术，成功构建了基因数据的有效表达模型，对下游的基因表达预测、剪切预测、治病性预测等任务都有显著帮助。这个领域的发展空间巨大，未来的研究前景广阔。

人工智能与生命科学的结合面临着巨大的挑战。两个领域的语言体系不同，过去的合作方式比较机械。为了打通这两个领域，需要一系列的工作，被称为“破壁计划”。从硬件层到数据层，再到算法层，每一层都需要突破。AlphaFold的成功案例为我们提供了宝贵的经验。随着数据、算力和算法的不断发展，我们期待更多类似的成功案例出现。

人工智能在绿色计算和双碳领域也发挥着重要作用。碳中和是可持续发展的必然选择，同时也是能源结构调整的大机遇。人工智能在这个领域的应用前景广阔。通过物联网技术感知碳排放和能源消耗情况，利用算法进行智能决策和资源配制。在能源融合方面，人工智能算法可以帮助优化火电、核电、水电、风电和太阳能的整合和调度。IT行业和ICT行业也是碳排放的重要来源之一。我们需要先解决自身的排放问题，再通过技术创新推动绿色计算和双碳领域的发展。我们的目标是利用人工智能的绿色计算技术推动全球碳中和进程。近期，我们团队进行了一系列前沿工作，这些工作结合了真实的基站与模拟场景，探索了Multi-agent cooperative Contextual Bandits算法的实际应用。通过这一尝试，我们成功降低了系统的功耗约15%，并提高了5G网络的覆盖质量约5%。这一切都是基于人工智能算法的应用实现。值得注意的是，我们的研究工作才刚刚开始，未来的潜力令人充满期待。

我们也在思考如何在大数据与大模型的浪潮中，探索小模型、小计算、小功耗的可能性。我们希望能在边缘计算领域，利用传感器或手机进行轻量级的计算任务。尽管这可能需要牺牲一部分精度，但我们相信在小模型领域，通过蒸馏、压缩、量化等技术对模型进行优化和部署，依然能取得令人瞩目的成果。

再来看人工智能在自动驾驶领域的应用。这是一个我深入研究并充满热情的领域。汽车产业正经历前所未有的变革，智能化无疑是其中的关键。自动驾驶技术不仅能提高行车安全，减少人为事故，还能助力节能减排，走向更绿色的未来。

尽管自动驾驶面临诸多挑战，包括技术、市场、政策等各个方面的问题，但我们坚信这是可以解决的。自动驾驶是一个复杂的大系统，我们可以将其分解为一系列子问题逐步解决。其中，视觉与多传感器的融合问题尤为重要。我们坚信，AI的感知能力结合新的传感技术，可以为我们提供超越人类感知的新维度信息。摄像头与激光雷达的结合是目前的最佳方案，虽然激光雷达的成本问题仍然存在，但我们相信随着技术的发展，固态雷达将成为未来的趋势。

展望未来，交通灯的引入和道路配合可以提供更高维度的数据，车端和路端的融合是未来的发展方向。我们最近与清华大学智能产业研究院的合作项目就是朝着这个方向迈进的。我们的目标是实现车和路的完美融合，创造一个在任何场景和气候下都能安全行驶的未来。

我们正处于第四次工业革命的浪潮中，智能时代为我们提供了无数的机遇和挑战。我相信，凭借我们的国家优势、政策支持以及科研人才的力量，我们一定能在这次革命中成为领军者。感谢大家的关注和支持！