从小模型到大模型，专用智能走向通用智能有哪些技术路线？

·面向未来的通用人工智能，有两条发展路线，一是延续大模型路线，二是探索强化学习、知识计算、符号推理、类脑计算及其他新型路径。

·未来的创新将不再是某一个环节的简单创新，大模型创新涉及芯片、互联、框架、数据、模型、评测、部署等环节，可多环节协同、体系化创新，实现全链条优化，弥补单环节劣势。

上海人工智能实验室主任助理、领军科学家乔宇。

“我们正处于专用智能时代到通用智能时代的关键阶段。”3月22日，在2024年上海市产业技术创新大会上，上海人工智能实验室主任助理、领军科学家乔宇表示，面向未来的通用人工智能，有两条发展路线，一是延续大模型路线，用更大的算力扩大模型规模，拓宽能力边界，向产业渗透；二是探索强化学习、知识计算、符号推理、类脑计算及其他新型路径。这两条技术路选并非孤立和互相替代的，而是要通过探索新的技术路线解决大模型现有路线中的固有问题。

乔宇表示，2010年左右的深度学习方法驱动了一轮人工智能浪潮。最初十年，人工智能行业针对不同任务开发专用小模型。“那时候大部分研发由应用问题驱动，针对不同问题收集数据、训练模型，所以是分散式、多团队的研发。”

到2020年左右，Transformer+大数据+自监督学习的大模型路线使得智能涌现，一个模型可以应对多种任务。在大模型时代，OpenAI找到了“大工程+大创新”的道路，工业化集中研发才得以产生ChatGPT、GPT-4。

面向未来的通用人工智能，他认为有两条发展路线。

一是延续大模型路线，用更大的算力扩大模型规模，拓宽能力边界，向产业渗透，模型也从语言大模型向多模态大模型、具身大模型的方向发展。多模态大模型是现在的竞争热点，未来的大模型要能和物理世界交流，完成更复杂的任务，所以具身大模型是重要发展方向。

但单纯扩大规模，存在幻觉、效率、可信、安全等瓶颈，“现在让一个大模型做一个奥数题和计算2+2这样简单的算术题，需要的运算量、运算次数是一样的。所以，我们能否把大模型做得更安全、更高效，更好解决现在存在的一些瓶颈？”

这就涉及到了第二条新技术路线的探索，要探索强化学习、知识计算、符号推理、类脑计算及其他新型路径。乔宇表示，基于知识、符号、推理的方法，可解释性和安全性非常强，把这些方法结合起来形成更强大的功能，是未来AI发展的重要趋势之一。

这两条技术路选并非孤立和互相替代的，乔宇认为，要通过探索新的技术路线解决大模型现有路线中的固有问题。与此同时，未来的创新将不再是某一个环节的简单创新，大模型创新涉及芯片、互联、框架、数据、模型、评测、部署等多个环节，可多环节协同、体系化创新，实现全链条优化，弥补单环节劣势。“大工程+创新链+产业链”，这种融合式的创新、与知名高校合作，是未来更重要的趋势。

当前，中国大模型发展面临技术和生态的双重挑战。上海拥有金融、城市、制造等丰富的B端场景，他建议联合领军企业研发垂类模型，加快构建开源生态反馈机制，打造大模型伦理安全评测体系，促进健康发展和规范应用。