中关村论坛举办以来的首个主题日活动：「人工智能主题日」今日开启！
到场嘉宾，也是星光熠熠，大佬云集，还有着浓浓的国际范儿，与世界顶尖水平接轨。
一共161位嘉宾，近一半是外籍AI大佬和从业者。
而嘉宾阵容也是非常豪华，汇集了国内外30多名院士，还有诺奖、图灵奖得主，清北港科大等知名高校的校长副校长。
百度、蚂蚁、微软、亚马逊等世界领军科技企业，也都前来参会。
可以说，「人工智能主题日」堪称如今AI界的顶级盛会，亮点满满，精彩纷呈。
重磅技术成果发布
国产Sora，又上新了！
在今天的中关村论坛「人工智能主题日」上，生数科技联合清华大学，共同发布了最新的视频大模型「Vidu」。
Vidu生成的画面一亮相，就让全场惊呼——这个效果也太像Sora了！
在人物和场景时间一致性的保持上，Vidu的表现令人印象深刻。
而且，它生成的视频最长可达16秒左右，在时长上破了纪录。
甫一亮相，Vidu就得到了业内公认——
综合考虑时长、一致性、真实度、美观性等因素，它是「国产Sora」模型中当之无愧的佼佼者，是国内最能和Sora全面对标的视频模型。
清华大学人工智能研究院副院长、生数科技首席科学家朱军为我们放出了Vidu的以下演示。
一只小狗在游泳池里游泳，毛发纤毫毕现，狗脚划水的动作十分自然，和水的相互作用十分符合物理学原理。
人物眼睛的特写、做陶罐的女人手中正在转动的陶罐、一对坐着的男女同时抬头的动作，都刻画地细致入微，逼真到仿佛现实。
总的来说，Vidu具有以下几大特点——
模拟真实物理世界
森林里的湖边风光，无论是树、水面、云朵，还是整体的光影效果，很逼真写实。
汽车行驶在崎岖山路上的场景，也是非常经典的Sora演示。
Vidu模拟了非常真实的光影效果，连扬起的灰尘，都十分符合物理规律。
富有想象力
在这艘AI视频模型必考题中，Vidu生成的视频效果实在太惊艳！
画室里的一艘船驶向镜头的场景。
这道题，考验了模型虚构场景的能力，为了生成超现实主义的画面，它们需要具有超强的想象力。
理解多镜头语言
可以看出，Vidu能够理解多镜头的语言，不再是简单的镜头推拉。这样，就能模拟我们的摄影过程。
生成的这个视频中，要求它包含海边小屋、镜头过渡到阳台、俯瞰大海、帆船、云朵等元素。
Vidu生成的视频，具有复杂的动态镜头，远、近、中景、特写，以及长镜头、追焦等效果，都十分惊艳。
一镜到底，16s时长
而在这个视频中，Vidu展现出了16s的超长「一镜到底」。
而且，视频完全是由单一大模型生成的，不需要任何插帧、剪切，直接就实现了端到端的生成。
超强时空一致性
要求它以《戴珍珠耳环的少女》为灵感，生成一只蓝眼睛的橙色猫，可以看出，Vidu生成了连贯的视频。
从旋转的各个视角看，都非常逼真，甚至让人产生了「这是一个3D模型」的错觉。
它生成的视频中，人物和场景在时空中始终保持一致。
理解中国元素
相比国外的AI视频模型，Vidu也更理解中国元素。
熊猫、龙这样的中国元素，它都能理解和生成。
和Pika、Gen-2比起来，Vidu的表现也丝毫不弱。
一艘木头玩具船在地毯上航行。
两位对手的视频一个只有4s，一个更是画面简单的循环播放，而Vidu的视频以16s的自然画面秒杀了它们，在一致性的保持和语义理解上，也都非常突出。
用和Sora同样的prompt，Vidu的表现甚至更好。
Sora并未理解旋转的镜头是什么意思，而Vidu不仅表现出了旋转，还保持了一致性的效果。
几分钟的视频结束，全场响起经久不息的掌声。
之所以能在短时间做出如此惊艳的视频AI模型，离不开团队的长期积累和多项原创成果。
团队的技术路线，竟也和Sora的高度一致。
全球首个低碳、高性能多语言LLM
此外，全球首个低碳、高性能、低幻觉多语言大模型Tele-FLM，由北京智源人工智能研究院与中国电信人工智能研究院（TeleAI）在今天正式联合发布——所有核心技术、权重、训练过程中的各种细节全面开源。
520亿参数的Tele-FLM在2T token的数据上，用时2个月完成训练。
值得一提的是，据Meta3官网信息，Llama 3-70B模型的训练，可能使用了近5万块H100。而Tele-FLM仅用了896×A800的算力，完成了训练。
此外，模型训练过程还对数据质量进行严格把控。
通过使用高质量的中文数据，虽然只占30%，但Tele-FLM的中文能力明显超越了对标的模型，取得了领先的成果。
未来，还将推出千亿、六千亿、甚至万亿参数版本，而且都将全部开源，供所有人使用。
顺便提一句，会上最精彩的部分，莫过于机器人上台表演了。
看看来自宇树科技的这只机器狗，倒立行走，简直太飒了。
除了颇有前沿范儿的技术成果发布，人工智能主题日上，国内大佬的演讲也是干货满满。
大佬演讲精彩亮点
北大教授、中科院院士鄂维南的演讲，让我们重新审视，大模型+大数据库相结合的价值所在。
如今，我们能够畅想人工智能的未来，那都是因为有一个最基本的工具——深度学习。
其实，深度学习很早就诞生了。
但真正将其带向世界，释放出重大威力的标志性事件便是——2012年，Hinton和两位学生训练的大型深度神经网络一举赢得ImageNet大赛。
每个人都知道，若想开展机器学习研究，需要有三个最基本的工具：
一是模型工具，借助诸如Pytorch、TensorFlow、MindSpore等工具，AI开发者才能写出深度神经网络。
二是算力工具，当然非GPU莫属，再结合CUDA这样的架构，实现高效的算力利用率。
三是数据工具。
现在，全世界包括OpenAI、谷歌等在内的公司，都希望获取高质量的数据。同时，数据稀缺已然成为LLM训练的一大难题。
也正是在数据这个领域，现在的发展还不是很成熟，缺少可以利用的工具。
对于数据的处理，大家还是主要凭经验，没有一个完整的系统，去解决这一问题。
其中，「非结构化数据」处理，是机器学习方法的主要困难之一。
如果我们可以将文本、视频之类的数据，能够将其放在一个表格当中，那将会大大降低ML门槛。
就在这个月初，国际上第一个AI「非结构化数据库」MyScale正式宣布开源。
通过自研高性能和高数据密度的向量索引算法，成为目前综合性能最好，功能最强的AI数据库。
LLM+大数据双轮驱动
那么，现在有了如上这些能力，接下来可以做什么？
或者说，下一个技术路线是什么？
当我们将所有数据放在「数据库」中，基于此，就可以构建各种各样的小模型，由此产生了「模型库」。
最后，就可以通过操作系统对模型进行调度。
这样的优势在于，不仅可以将所有结构化数据，以及非结构化数据，放在同一个数据库中，还能通过常见的SQL语言实现搜索查询。
此外，还可以很高效地训练出小样本的数据模型。与训大模型不同，训练小模型，如何选取数据是非常困难的。
比如针对自动驾驶场景，无用样本只会影响模型的效率和精度问题。
有了AI数据库，就可以快速获取相应的样本数据，比如红灯、左转弯等。
由此一来，训练后的自动驾驶模型，准确率可以提升50%-90%。
除此以外，模型管理平台，可以提供对模型全周期的管理。
一个很典型的场景是——政府智慧城市管理，以前遇到的是数据孤岛的难题，到现在的模型孤岛。
每个企业基于不同的模型做一个应用，由此带来的问题是，正度很难实现全面、方便快捷的管理。
而云平台的出现，可以让企业基于此做低门槛的开发，根据需求即可调用成千上万的模型。
而现在，大模型诞生可以大大提升基础AI能力，还有可以实现具体任务的Agent。
接下来，就可以在原来框架下稍作改动：
- 小模型改成Agent
- 模型生产平台以预训练模型作为基座
另一方面，模型操作系统可以将模型和任务完成对接。
比如，把政府的需求梳理后，针对每个需求去做一个模型，结果就会产生很多模型。甚至一个需求，需要做不同的模型。
然而，针对复杂场景，模型操作系统却很难将模型和任务完成对接。
鄂维南院士表示，「这恰恰是未来大模型能够提供的真正的核心能力——一个能完全将模型和任务匹配的操作系统」。
另外，大模型还可以和大数据库进行结合。
比如，鄂维南院士预告的团队成果——Science Navigator平台。
它是将所有理工科的文献塞到一个数据库里，由此训出的文献大模型，具备了查询文献、提供论文写作灵感等能力。
未来，还可设想将国家图书馆所有资料塞进数据库中，让模型释放出更大的潜力。
总而言之，想要训出优质大模型，构建一个高效的数据处理的系统，是关键所在。
光电智能计算登上Nature
接下来，是中国工程院院士、中国人工智能学会理事长戴琼海对于光电智能计算方面的介绍。
要说大模型再发展下去，面临的最大危机是什么？
大家都知道，答案无疑就是算力和电力的巨大缺口了。
如今，GPT系列的研究，已经累计投入了超过30亿美元。
AI模型的耗电，实在是太猛了！
ChatGPT每天的能耗高达70万美元，而在十年内，大模型计算将消耗我国每年发电量的5%到10%！
黄仁勋、Sam Altman、马斯克等大佬，也都纷纷预言：下一波AI消耗的电力将远远超过预期，能源系统难以应对。超级AI，将成电力需求的无底洞！
如今的主流通用芯片就是GPU，此外还有延长线，即专用芯片，这些都是基于电子电路的发展。
而第三条路，就是新型的计算架构，比如量子计算、存算一体、光电计算。
能否从电子电路，改变成光的载体？1966年，「光纤之父」高锟打开了光通信的大门。
不过有一个问题是：功耗下来了，算力却一直提不上去。
为此，我国在国际上第一个提出了一个，大规模可重构衍射计算处理器（DPU）。
在架构突破上，我国团队首次提出了光-电-光融合可重构计算方法；在非线性突破上，首次提出了光电探测非线性激活函数。
光电之间的ADDA转换，要花费巨大的功耗，这就是一个最重要的瓶颈。
在此基础上，团队提出了光电混合全模拟的智能计算架构，研制了ACCEL芯片，突破了光电模数的转换瓶颈，直接让系统级能效提升了百万倍！
这项研究去年已在Nature上发表，同样属于中关村创新成果。
如今，ACCEL芯片已经在很多任务级开展了工作，让能耗大大下降。
相比英伟达A100，ACCEL芯片让系统级算力提升了3个数量级，能效提升了6个数量级。
在国际上的整个光芯片领域，都处在最前沿。
不过，真正的大模型训练和推理，还是存在一个关键的问题：深度网络做不了深，层数就非常有限。
于是，团队又提出了一个新的架构——大规模智能光计算芯片「太极」。
电子的深度网络架构可以做一百层、两百层，但光却做不了深，怎么办？
团队的办法是，化「深」为「广」，其中有干涉也有衍射，用干涉来做广，用衍射来做深，这就把以前的深度架构改成了拉伸的架构。
横纵结合，是为太极。
两种光性质结合在了一起，就建立了任务编码宏观拆分机制。具有「广度」的光神经网络，就能支撑复杂的智能任务。
甚至能做100多层的深度网络。
而下图中的蓝色线条，即为衍射。干涉和衍射，就像乐高拼玩具一样，拼在一起，就可以做大模型的光计算应用。
大规模的太极光计算芯片，完全可以支持现在的图像分类、多种音乐风格的生成。
在未来5G和智慧城市结合，会带来庞大的瞬时数据通道，让端侧处理面临着严峻挑战。
比如下面这个超大的视频，如果由A100来跑，还需要8台到10台以上才可以。而光芯片只需要一台，就可以进行这方面的应用了。
因此，光电智能计算，可以支撑智慧城市、智能安防等产业链。
未来， 团队还计划构建一个光算力实验室，总之，太极芯片非常有望实现工业场景的应用。
海淀区优势聚集
以上重磅成果，恰好都诞生在海淀。为什么？
仔细分析可以知道，这种现象是一种必然。
人才+生态
在海淀，汇集了高密度的人才和生态土壤。
要说海淀区的AI人才浓度，说一声全国TOP 1应该不算过分。
在这里，汇聚起了1.23万人工智能学者，和89位AI2000全球顶尖学者。
全国AI人才看北京，北京AI人才看海淀。
已经「出厂」的人才，密密麻麻地分布在海淀的近千家企业。海淀的AI企业，直接占全北京的2/3，全国的1/5。
还在校的人才，也正紧锣密鼓地培养中。
全海淀的37所高校中，设立AI专业的高校，就高达21所。
人才、企业、算力基础设施布置，海淀是妥妥的一条龙布局。
说一声AI建设创新策源地和产业高地，海淀区是当之无愧。
