日前舉辦的人工智能行業盛會“2024北京智源大會”上，零一萬物CEO李開復與清華大學智能產業研究院院長、智源學術顧問委員張亞勤進行了一場尖峰對話。

　　在對話中，李開復強調，大模型是AI有史以來最大的革命，人類能夠用更多計算和數據不斷讓它增加智慧，目前還在推進中，這是令人振奮的事情。當然挑戰也非常多，例如當前主要靠算力推動，使得掌握GPU資源的國家處在優勢地位;再如因為數據問題，大模型不知道“最近一年發生了什么”。當然，隨著人類社會加大研究，李開復對大模型的未來十分樂觀。

　　張亞勤則談到，大模型做對了三件事，還需三大改進。

　　做對了哪三件事?一是規模法則(Scaling Law)，得益于對海量數據的利用以及算力的顯著提升，再加上現在的Diffusion和Transformer架構能夠高效地利用算力和數據，使得“飛輪效應”得以正循環。盡管有人質疑Scaling Law在2~3年后是否仍然有效，但至少在未來5年里，它仍將是大模型發展的主要方向。

　　二是“Token Beist”。在大模型中，“Token”是一個基本元素，無論是文本、語音、圖像、視頻、自動駕駛，甚至是生物領域的蛋白質和細胞，最終都可以抽象為一個Token。Token之間的訓練、學習和生成是核心環節，這與人類大腦中的神經元工作原理相似，無論執行何種任務，其基礎機制都是相同的。

　　三是通用性。通用性不僅體現在文本處理上，還擴展到了多模態領域，甚至可以生成如蛋白質等復雜結構。此外，它在物理世界(如具身智能)和生物世界(如生物智能)中也有著廣泛的應用前景。

　　此外大模型還需要做三大改進。一是效率，人類大腦擁有860億個神經元，每個神經元又有數千個突觸連接，卻只需要20瓦的能量，重量還不到三斤;而大模型還依靠大量堆積GPU，需要建立真正的商業模式，大幅度提升效率。

　　二是大模型沒有真正理解物理世界。當前做的再好的大模型，在生成式和對世界真實的表述之間存在矛盾，人類需要探索如何將生成式的概率大模型與現有的“第一性原理”或真實模型、知識圖譜相結合。張亞勤認為，未來 5年會有全新的架構替代現在的Transformer和Diffusion模型。

　　三是欠缺邊界。大模型現在不明白“我不知道什么”，需要業界解決這個難題。