通用人工智能发展前景 - 具备泛化能力与通识能力的通用人工智能有望在15至20年后出现 [1] - 通用人工智能需具备与人类相当或更高水平的综合智能 能自主感知环境 学习新技能 跨领域解决问题并遵循人类伦理 [1] - 2024-2025年AI进展进入快车道 具身智能呈现百花齐放态势 [1] 通用人工智能实现路径 - 实现通用人工智能需突破信息智能 物理智能和生物智能三大难点 [3] - 信息智能(语言 文字 语音 视频)需4-5年达人类水平 5年左右达通用AGI标准 [3] - 物理智能(无人驾驶 机器人等)需至少10年实现 [3] - 生物智能(脑机接口等)需15-20年实现 需多学科领域突破 [3] - 三种智能将并行发展 相辅相成 [3] 人工智能大模型发展 - 2025年AI发展呈现多模态和GDP相关行业应用两大特点 [4] - 中国在推动AI落地方面具有显著优势 [4] - 大模型生命周期包括数据获取 预处理 模型训练 微调和推理五个环节 [5] - 前三个环节需大量算力和存储资源 通常由顶尖科技公司完成 [5] - 一般单位只需基于已有基础模型进行领域适配的微调和推理应用 [5] 人机关系与机器人发展 - AI智商水平可能已超过人类 但仍是人类认知与能力的延伸 [5] - 人类直觉具有不可替代性 [5] - 人形机器人发展关键是创造实际价值 [5] - 人形机器人走向成熟需较长周期 当前行业处于探索阶段 [5]

AI在科研与工程中的应用现状 - 微软软件工程师已有90%代码由AI生成，显示AI在编程领域的高渗透率 [1] - AI当前在结构化任务（如棋类、编码、语言处理）表现超越人类，但在模糊概念理解（如量子力学）仍存短板 [2] - 猎豹移动认为AI在语言认知推理层面无显著短板，但物理层面的真正理解需更长时间突破 [2] AI的科学发展潜力与挑战 - 张亚勤预测AI五年内将证明人类未解数学猜想（如黎曼猜想），十年内可能发明新公式 [1] - 清华大学教授提出AI需在零人类知识积累下实现从0到1创新，才是真正智能诞生的标志 [2] - 当前大模型参数规模与人类大脑（860亿神经元/百万亿突触）仍差100倍，能效比显著落后（20瓦 vs 超高算力需求） [3] AGI发展时间表 - 信息智能（语言/视频处理）预计五年内达到人类水平，实现通用AGI [4] - 物理智能（无人驾驶/人形机器人）需至少十年发展周期 [4] - 生物智能（脑机接口）是最难突破领域，预计需15-20年实现人机生命体融合 [4] 技术路径差异 - 人类大脑具备高效记忆系统（海马体短期/皮层长期记忆），AI记忆机制仍逊色 [3] - AI优势在于智能可复制迭代（如自动驾驶），人类教育过程则需长期投入 [3] - 通用人工智能需满足三大标准：泛化能力、持续进化能力、超越多数人类任务表现，预计需15-20年达成 [3]

ChatGPT的技术突破与行业影响 - ChatGPT成为历史上最快突破1亿用户的科技应用，两个月内实现这一里程碑 [3] - ChatGPT基于GPT-3.5优化，语言能力显著超越GPT-3，首次通过图灵测试 [1][4] - 生成式AI领域出现技术质变，ChatGPT标志着AI从垂直工具向通用智能体的跃升 [4][6] 大模型驱动的IT行业结构重塑 - 新IT架构分为四层：算力基石层、IaaS层、基础模型层(MaaS)、垂直模型层(VFM)+SaaS层 [9] - 垂直基础模型层和SaaS层是创新风口，边缘计算领域存在大量机会 [11] - 企业可通过精调训练(Fine Tuning)和提示工程(Prompt Engineering)降低开发成本 [12] 中国AI产业的发展机遇 - 中文大模型需多语种训练数据，非中文数据不会成为瓶颈 [15][16] - 国内技术差距集中在高端芯片、算法系统和平台级技术，但追赶潜力大 [17] - 垂直领域(如医疗、边缘智能)是主要机会点，"百模大战"加速市场活力 [18][19] AI大模型的五大发展方向 - 多模态智能：整合文字、图像、视频、生物信息等跨模态数据 [32] - 边缘智能：部署轻量化模型到终端设备，实现低延时处理 [33] - 物理智能与生物智能：推动自动驾驶、机器人及医疗领域突破 [33] 生成式AI的未来技术路线 - 基础大模型+垂直模型+边缘模型构成技术底座，生态规模将超移动互联网10倍 [34] - 统一标识(Tokenisation)和规模定律(Scaling Law)是核心要素 [34] - 5年内可能在Transformer等主流框架外出现颠覆性新技术 [34][35]