会议主要讨论的核心内容 - 对 AI 安全的投入远落后于 AI 性能的投入,目前只有 1% 的资源投入在安全考量上 [1][2] - 需要控制好 AI,但又不能破坏它,预测不了机器有了足够算力之后会做什么 [3] - 要避免掉入「超级应用陷阱」,「超级能干」的应用比只看 DAU 的「超级应用」更重要 [4] - 智能体是最看好的 AI 应用方向,搜索是智能体分发的最大入口 [5][6] - 开源大模型在特定场景有价值,但并不适用于大多数应用场景,商业化的闭源模型更有竞争力 [7][8] - 智能涌现是一个灰盒状态,可能有多条路线,创业者应该坚定地投入完成产业变革 [9][10] - 人和 AI 的不同在于好奇心和审美,AI 还没有完整地探索其潜力 [11][12][13][14][15] - AI 对大公司会友好一点,但也一定会有新的大公司出现,大企业要意识到 AI 是革命的工具 [16] - 中国 AI 发展离不开算力基础设施创新,需要云网端芯架构上的协同创新 [18][19] - 通用大模型落地严谨产业面临三大难题,需要专业智能体的深度连接来破解 [20][21] - 应用是 AI「超级时刻」的关键,需要高质量数据、流畅交互和可控性 [22][23][24][25][26][27][28] - 终端与云端的紧密结合将成为推动生成式 AI 规模化扩展的关键 [29][30][31][32] - 降低大模型错误率是关键,需要多方面技术突破 [33][34][35][36] - 大模型价格持续走低整体来说是好事,但不能长久,要建立合理的价值链 [37][38][41][42] - 大模型的核心突破是多模态,要顺着认知能力和泛化能力的变化来应用落地 [39][40][43][44][45][46] 问答环节重要的提问和回答 无相关内容