李彦宏出席VivaTech:中国AI与西方的最大区别在于应用
5月22日,在法国巴黎举办的“欧洲科技创新展览会”(Viva Technology)主论坛上,百度创始人、董事长兼首席执行官李彦宏与阳狮集团监事会主席莫里斯•列维(Maurice Levy)对谈时表示,中国AI与西方的最大区别在于应用,中国有数百个基础模型,但人们越来越多地在讨论什么是AI时代的超级应用。他介绍说,应用驱动了中国AI的快速发展。
VivaTech是欧洲最大科技创新盛会,从2016年创办至今已至第八届,法国总统马克龙、马斯克、图灵奖得主杨立昆等人均为本届大会嘉宾。其中,李彦宏是唯一受邀在主论坛发言的中国企业家,在VivaTech官方介绍中,将他称为“AI的长期主义者”与“中国AI的头号玩家”。
据海外媒体报道,此前一日,马克龙在总统府举办了以人工智能为主题的AI沙龙,李彦宏与杨立昆、谷歌前CEO Eric Schmidt等人均受邀出席,共同探讨人工智能如何更好地为人类服务。
比起GPT-5,更重要的是超级应用
“很多人都在关注GPT-5的发布时间,但我更感兴趣的是,哪些应用可以充分利用大语言模型的所有能力。”在VivaTech对谈中,李彦宏表示,在中国,无论是初创公司、还是互联网大厂,都在努力寻找PMF(产品市场契合度),致力于探索最能发挥生成式AI能力、能被数十亿人使用的应用形态。
他举例说,在移动互联网时代,有大量DAU达到数亿、乃至十亿的超级应用;但在人工智能时代,无论是美国、欧洲还是中国,超过1亿日活的超级应用都尚未诞生。“超级应用最可能的形态是什么?是一个聊天机器人、还是Copilot,目前还不确定。”
李彦宏介绍,自去年上线至今,文心一言的累计用户已经达到2亿,每天都有数千万用户在使用百度搜索、百度文库等应用的AI功能。随着这些用户的快速增长,全新的AI应用形式会逐渐成型,成为超过1亿DAU的超级应用,“未来与我们今天看到的大不相同。”
应用创新,驱动基础模型创新
在李彦宏看来,关注应用并非是忽视基础模型的发展,与之相反,AI应用与基础大模型的发展相辅相成。
“应用的进步,可以推动基础模型的创新,也有助于加快从互联网时代向人工智能时代的转变。”他以百度搜索、直播电商数字人等应用举例说,应用端获取真实的用户需求和问题后,可以持续反馈模型,并由此推进基础模型的技术迭代。
在基础模型的数据训练方面,李彦宏表示,超级应用诞生后,还可以促进大量数据生成,为大模型提供更加充沛的训练数据。“有人说,随着模型参数越来越大,我们很快就会用完所有现存的数据,但我认为,当超级应用诞生时,数据会大量生成,所以我并不担心。”
谈话中,李彦宏也提及了百度基础模型的定位,“我们最主要的市场在中国,所以在中文上,我们一定要比世界上任何模型都做得好。现在,文心大模型4.0的中文能力已经超过了GPT-4。”
“我是人工智能的长期信仰者”
“我是人工智能的长期信仰者,”李彦宏回顾过往,早在30多年前的大学时期,就已学习了人工智能课程;创立百度后,他意识到AI是解决搜索引擎问题的核心技术,因为两者的本质,都是让机器理解人类语言。“所以在十多年前,我们就开始积极投入研发人工智能,尤其是与自然语言相关的人工智能。”
李彦宏介绍说,百度于2019年推出1亿参数规模的文心大模型1.0版本,在2.0版本升级至10亿参数,ChatGPT发布后不久,即推出了3.0版本,发布速度远超全球其他上市公司,“是因为我们准备得更加充足、工程师非常努力,我们一直在朝着这个方向努力。长期的信念,让我们为这样的颠覆性创新做好了准备。”
不过,与他的预想相比,人工智能技术的进步速度并不算快,“过去几年,每个人都对技术的发展速度感到震惊,但对我来说,它太慢了。”此前,他曾在另一场演讲中提到,人工智能的概念首次提出至今已超过70年,历经多次技术浪潮,但仍然未达到真正的“AGI时代”。
“很多人都在谈论AGI(通用人工智能),他们说可能还要两年或者五年,”李彦宏感慨,但要真正抵达理想中的AGI时代,“我认为还要十年以上”。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
ByConity 助力烽火星空架构优化,产品性能平均提升 3 倍
ByConity 是字节跳动开源的云原生数据仓库,在满足数仓用户对资源弹性扩缩容,读写分离,资源隔离,数据强一致性等多种需求的同时,提供优异的查询,写入性能。 GitHub |https://github.com/ByConity/ByConity 作者|殷鹏,烽火星空,大数据开发工程师 烽火星空(文中简称“烽火”)在搭建其 HSAP 数据库 FMDB 的过程中遇到了高并发场景下查询性能不理想,并且某些查询 SQL 有长尾现象等问题。通过接入 ByConity,利用其存算分离、读写分离、便于扩缩容、复杂查询优化等特性对 FMDB 的单表查询场景进行了相关优化,最终实现其业务场景下的平均响应速度平均提升至 3 倍,P99 响应时间缩短为 1/8。产品性能和流畅性均大幅提升。 本文主要介绍烽火在 HSAP 领域的工程化实践,以及如何使用 ByConity 加速其应用场景。 HSAP 在大数据领域优势及挑战 传统大数据方案 VS HSAP 大数据方案 传统大数据解决方案存在以下问题: 数据冗余存储。比如,同一份数据有可能会存到不同的数据库中,来提供查询和分析的业务场景。 数据一致性维护困难。...
- 下一篇
14个Flink SQL性能优化实践分享
本文分享自华为云社区《Flink SQL性能优化实践》,作者:超梦。 在大数据处理领域,Apache Flink以其流处理和批处理一体化的能力,成为许多企业的首选。然而,随着数据量的增长,性能优化变得至关重要。本文将深入浅出地探讨Flink SQL的常见性能问题、调优方法、易错点及调优技巧,并提供代码示例。、 1. 常见性能问题 1.1 数据源读取效率低 并行度不足:默认的并行度可能无法充分利用硬件资源。 -- 设置并行度 SET 'parallelism.default' = 16; 1.2 状态管理不当 状态过大:过多的状态可能导致内存溢出或GC压力。 无状态化处理:尽量避免在非必须的情况下存储状态。 1.3 窗口操作效率低 窗口大小不合适:过大或过小的窗口可能导致计算延迟或资源浪费。 2. 调优方法 2.1 优化数据源读取 利用分区读取:通过PARTITION BY语句进行分区,提高并行度。 SELECT * FROM source_table PARTITION BY key; 2.2 状态管理优化 使用 RocksDB State Backend:RocksDB提供了更高效...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Linux系统CentOS6、CentOS7手动修改IP地址
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS7安装Docker,走上虚拟化容器引擎之路
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- CentOS关闭SELinux安全模块
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- Hadoop3单机部署,实现最简伪集群
- CentOS6,7,8上安装Nginx,支持https2.0的开启