9月19日，2024云棲大會在杭州開幕，這是匯集AI硬科技最多的一屆云棲大會，也展示了AI從科技前沿到提升生產(chǎn)效率、打造美好生活的應用前景。云棲大會最早可追溯至2009年，目前成為體現(xiàn)中國計算產(chǎn)業(yè)的萌發(fā)與革新的重要展會之一。

今年的大會以“云啟智躍，產(chǎn)業(yè)蝶變”為主題，吸引大模型、自動駕駛、機器人等領域的400多家國內(nèi)外企業(yè)來到現(xiàn)場。圍繞通用人工智能（AGI）、自動駕駛、人形機器人這三個決定性場景，AI為產(chǎn)業(yè)和生活帶來的巨大想象空間徐徐展開。

21世紀經(jīng)濟報道記者觀察發(fā)現(xiàn)，不少機器人、制造業(yè)企業(yè)參展商是第一次參展，這意味著今年以來，AI與智能制造及延伸領域、具身智能場景領域結合得更加緊密，而生成式AI和云計算成本下降也帶動了應用創(chuàng)新門檻的降低，但大規(guī)模商業(yè)化應用仍未鋪開。

圖片來源：新華社

大模型推理成本指數(shù)級下降

阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘在主題演講中表示，過去22個月，AI發(fā)展的速度超過任何歷史時期，但現(xiàn)在依然還處于AGI變革的早期階段。大模型技術快速迭代，技術可用性大幅提升。同時，模型推理成本指數(shù)級下降，已經(jīng)遠遠超過摩爾定律。

例如，大模型已經(jīng)具備了文本、語音、視覺的多模態(tài)能力，能夠開始完成復雜指令。

多模態(tài)大模型在各應用場景加速落地。在視覺方面，AI技術生成視頻已經(jīng)是多家企業(yè)落地的產(chǎn)品。此外，分子動力模擬、3D/4D模型生成、智能編碼等也在改變?nèi)藗兊墓ぷ骱蜕罘绞健?/p>

阿里控股達摩院基礎智能中心商務負責人薛騰飛在接受21世紀經(jīng)濟報道記者采訪時表示，達摩院開發(fā)的一站式AI視頻創(chuàng)作平臺尋光視頻在今年7月的上海世界人工智能大會正式亮相，主要提供視頻制作輔助工具，可以實現(xiàn)劇本創(chuàng)作、分鏡圖設計、視頻素材編輯等需求，目前已開放內(nèi)測。

不過，AI生成視頻在物理世界模擬方面仍需要繼續(xù)提升?！吧?秒、8秒視頻和10秒以上視頻的難度不同，視頻時長越長，保證畫面物理狀態(tài)準確度的技術難度越高?！毖︱v飛說。

生數(shù)科技展示了Vidu視頻大模型，支持文字和圖片輸入，可以生成4秒和8秒時長的視頻。21世紀經(jīng)濟報道記者體驗發(fā)現(xiàn)，輸入“杭州西湖跳水”這一個短句后，4秒的視頻畫面很快就自動生成，內(nèi)容為西湖邊3位正在跳水的人，人像是遠景，不過面部并不清晰，有一個瞬間人像變?yōu)樗ㄔ僮兓厝讼瘢霈F(xiàn)了與物理世界錯位的圖像。

生數(shù)科技相關負責人告訴21世紀經(jīng)濟報道記者，AI生成視頻有時會出現(xiàn)畫面和物理世界狀態(tài)不符的問題，這也是產(chǎn)品后續(xù)需要持續(xù)克服的問題。企業(yè)已研發(fā)出長視頻的生成工具，已有影視行業(yè)等B端合作用戶，用于影視分鏡制作等用途。

另一個多模態(tài)大模型的特色案例是阿里通義實驗室Mobile-Agent，Mobile-Agent項目開發(fā)人員告訴21世紀經(jīng)濟報道記者，Mobile-Agent基于最強多模態(tài)大模型GPT-4V實現(xiàn)，首先接收用戶的指令，然后根據(jù)當前屏幕截圖、操作歷史和系統(tǒng)提示生成下一步操作。例如，可以在指令中輸入“在‘小紅書’中搜索一篇上海美食指南”，Agent可以迅速調動感知工具，調動相應app進行相應操作。

月之暗面Kimi創(chuàng)始人楊植麟在大會主論壇上表示，AI產(chǎn)品在形態(tài)上也會發(fā)生一些變化，現(xiàn)在AI的產(chǎn)品形態(tài)類似于即時聊天的這種產(chǎn)品形態(tài)，以后AI產(chǎn)品可能不僅是這種形態(tài)，還有可能是思考或者去調用各種工具，然后執(zhí)行分鐘級別、小時級別甚至每天級別的任務。

“所以AI產(chǎn)品形態(tài)上它可能會更接近一個人的生活助理的概念，新的想象空間是蠻大的?！睏钪谗胝f。

模型推理成本指數(shù)級下降，是當前大模型應用百花齊放的基礎。吳泳銘表示，一年來，通義千問API在阿里云百煉上的調用價格下降了97%，百萬Tokens調用花費最低已經(jīng)降到了5毛錢。

今年5月，AI大模型打響了價格戰(zhàn)，BAT、科大訊飛、字節(jié)等多家企業(yè)集體降價，百萬Tokens低至1元，開啟了大模型“厘時代”。進入7月后，大模型價格戰(zhàn)仍然在繼續(xù)。這意味著，對企業(yè)和開發(fā)者而言，大模型像基礎設施一樣，相關成本降低后，服務創(chuàng)新應用也會持續(xù)增長。

自動駕駛、機器人迎來巨變

前沿應用，是AI最終改變?nèi)藗兩a(chǎn)和生活的落地之處。21世紀經(jīng)濟報道記者在本屆大會上觀察到，大模型正在扎進越來越多的垂直場景，逐步實現(xiàn)商業(yè)化落地。

吳泳銘表示，生成式AI讓世界有了一個統(tǒng)一的語言——Token。它可以是任何文字、代碼、圖像、視頻、聲音，或者是人類千百年來的思考。AI模型可以通過對物理世界數(shù)據(jù)的Token化，理解真實世界的方方面面，比如人類行走、奔跑、駕駛車輛、使用工具，繪畫、作曲、寫作、表達、教學、編程的技巧，甚至是開公司創(chuàng)業(yè)。理解之后，AI就可以模仿人類去執(zhí)行物理世界的任務，這將帶來新的產(chǎn)業(yè)革命。

以汽車行業(yè)為例，“端到端”的大模型技術訓練將感知、決策、執(zhí)行三個功能模塊整合在一起，傳感器端收集信息，直接到另一個端，執(zhí)行端立刻執(zhí)行。本屆大會上，“自動駕駛”是最熱門的話題之一。

在“生成式AI重塑自動駕駛”主題討論中，小鵬汽車董事長、CEO何小鵬表示，有了大模型的加持，自動駕駛試驗車轉向、切線，甚至比人們自己開車還要流暢。目前，只是自動駕駛競爭的初級階段，未來，一定會有更多的突破出現(xiàn)。

英偉達全球副總裁、汽車事業(yè)部負責人吳新宙則表示，有了大模型，智能駕駛沒有上限。

21世紀經(jīng)濟報道記者觀察到，特斯拉的展位上實時播放“端到端”的視頻介紹，今年1月，特斯拉FSD升級到了基于“端到端”的V12版本，今年3月，特斯拉FSDV12版本正式在北美推送。

不過，“端到端”自動駕駛將功能模塊神經(jīng)網(wǎng)絡化，背后需要巨大的算力支撐和成本支出。目前，特斯拉FSD累計學習的人類駕駛視頻片段超過2000萬個，僅采集成本就需要50億元至80億元。截至2024年Q2季度，特斯拉自建超算中心AI算力已經(jīng)超過4萬張英偉達H100等效算力。

在吳泳銘看來，機器人將是下一個迎來巨變的行業(yè)。未來，所有能移動的物體都會變成智能機器人。它可以是工廠里的機械臂、工地里的起重機、倉庫里的搬運工、救火現(xiàn)場的消防員，包括家庭里的寵物狗、保姆、助理。

人形機器人同樣是AI應用的重要領域。杭州聰寶科技有限公司總裁顧高生在接受21世紀經(jīng)濟報道記者采訪時表示，企業(yè)參與了復旦大學工程與應用技術研究院智能機器人研究院研發(fā)的“光華一號”人形機器人，該產(chǎn)品目標定位為老年人的“保健醫(yī)生”，將中醫(yī)藥診療的大模型與機器人結合起來，可以提供中醫(yī)調養(yǎng)按摩、中醫(yī)咨詢、情感陪護等。

“以往機器人采用固定的機械臂，按照固定程序進行機械動作，但現(xiàn)在智能機器人有很多傳感器、雷達、攝像頭，可以進行圖像識別和更多智能化的動作。大模型也大大提升了機器人的決策能力，未來機器人會變得更加聰明。”顧高生說。

目前，機器人的大模型成本已經(jīng)明顯下降，但傳感器等零部件成本依然比較高。

不少機器人企業(yè)告訴21世紀經(jīng)濟報道記者，人形機器人的競爭目前還在產(chǎn)品性能，AI和機器人硬件的成本都不低，雖然目前大模型的成本在下降，但人形機器人企業(yè)需要投入自身的研發(fā)成本進行強化學習、模仿學習等，目前還未有清晰的商業(yè)化應用場景。

不過，一些機器人企業(yè)已經(jīng)找到細分的落地方向，逐步實現(xiàn)量產(chǎn)，杭州宇樹科技有限公司是其中的代表。目前，企業(yè)的兩款人形機器人Unitree G1、H1和兩款四足機器狗已實現(xiàn)量產(chǎn)。H1是全球首款實現(xiàn)原地后空翻的電驅人形機器人，已在汽車工廠成功部署，可進行搬運等工作。