AI发展核心驱动力 - 算力、算法与数据三者构成一个动态平衡体，共同主导AI发展 [1] - 强大的算力驱动大型模型训练，并赋能研究者大规模测试验证新算法，加速算法进化 [1] - 数据角色从被动"燃料"转变为主动"瓶颈"，高质量专业领域精标数据稀缺将决定下一代AI模型能力 [1] 数据价值凸显 - 互联网公开人文数据红利见顶，多模态数据与合成数据仅能支持未来几年发展 [1] - 对数据源头梳理与理解可能产生超越复杂模型推演能力的洞见 [2] - 高质量专业数据是决定AI应用深度与可靠性的基石 [9] 算法创新突破 - 关系基础模型专为结构化数据设计，可理解数据间复杂关系，形成与LLM互补的"预测大脑" [4] - 该模型将数据库表转化为时序关系图，通过图结构Transformer实现跨表跨时间推理 [5] - 在零样本条件下预测准确率超越精心训练的监督模型，且速度提升千倍 [5] 生物医学领域应用 - 网络模型能为高维嘈杂组学数据赋予结构意义，从噪声中筛选真实信号 [6][7] - 通过整合多模态数据将环境暴露因素与基因表达联系，实现精准癌症风险评估 [7] - 强机制约束领域必须采用模型引导的AI发展路径 [7] 金融领域实践 - 利用GNN、CNN、GRU等计算架构从多模态金融数据中识别欺诈，准确率达92% [8] - 严格的数据预处理和特征工程确保数据质量，使算力消耗产生价值 [9] - 形成专业数据提出需求、算法优化净化、算力规模化计算的紧密循环 [9] 未来发展趋势 - AI进步依赖于算力、算法与数据三者构成的彼此需要、相互塑造的飞轮效应 [9] - 短期内算力瓶颈突出，长期看巧妙平衡三者的研究将引领AI穿越瓶颈 [9] - 精妙算法设计成为释放算力潜力、化解数据复杂性的关键 [5][9]