智能世界2035

Joseph Sifakis 自本世纪初以来，AI技术迅猛发展，标志着科技革命进入了新纪元，同时也成为人类历史上的一个重要转折点——知识的创造和应用不再仅仅是人类的特权。随着生成式AI的出现，AI发展取得了令人瞩目的成就，但经过对其发展现状的冷静分析，我们可以看到，AI的发展仍处于起步阶段。 目 前，AI应 用 仍 主 要 集 中 在 以 问 答 功 能 为 主 的AI助 手 上。 这 类AI系 统 通 常 被 视 为“ 黑 盒子”，其属性难以像传统ICT系统那样被完全理解和保障。AI仅仅提供了基础模块，而有待解决的关键问题是如何将这些模块有效组合，打造出具有人类智能水平的智能系统。值得一提的是，AI在工业和服务领域的应用潜力巨大，但这一潜力尚未得到充分挖掘。 《智能世界2035》及时为我们描绘了AI的发展愿景，深入探讨了技术融合将如何推动工业和服务智能系统的转型。报告展望了物联网可能涵盖的各类工业系统，包括自主交通系统、智能电网、智能工厂与农场以及自主通信网络等。此外，报告还全面分析了AI在医疗、教育、智能家居、智慧城市和商业创新等服务领域的应用及影响。除了强调AI在这些领域的关键作用外，报告还探讨了AI与其他创新技术的协同效应，以及转型可能带来的社会和经济影响。 例如，在AI大模型和云计算技术的支持下，教育应用将能够动态分析学生的知识掌握情况，帮助教师实时生成个性化的教学方案，确保每个学生都能享受量身定制的学习体验。医疗行业将不再局限于“治病救人”，而是完全融入一个由AI、数字行为建模、远程医疗和合成生物学等前沿技术驱动的全球健康生态系统。 这份报告客观阐述了AI和ICT技术融合将如何推动变革，造福人类和社会。 为实现上述愿景，我们仍面临诸多超越通用人工智能范畴的技术挑战。我们的目标不仅是创造一种“能够理解、学习任何人类所能完成的智力任务的机器”，更在于让机器能够整合自身能力，自主行动，感知现实环境，并以自适应且可靠的方式追求其目标。 智能系统的构建正在颠覆传统的系统工程，需要将基于传统ICT模型的开发与数据驱动的AI技术相结合。我们需要通过混合解决方案构建智能系统，确保其能够基于大量已有知识做出安全高效的决策，还能规避AI系统的不可解释性。 在构建智能系统时，如果需要整合一些不可信的AI组件，则为了确保系统可靠性，需要可扩展、可演进的混合解决方案，特别是要将符号和非符号知识（如用于决策的感官信息和模型）结合起来。在开发智能系统时，我们需要在系统设计的正确性和运行阶段的韧性之间实现平衡，并通过定期或针对性的更新，实现系统的持续演进。 此外，系统验证目前正从理性主义向经验主义转变。传统的基于模型的技术虽能保证高可靠性，但由于系统固有的复杂性和异构性，已不再适用。我们需要超越当前随机测试和仿真的方法，开发更严格的验证技术。同时，我们还必须通过基于知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业AI。 此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业AI应用与基于网络数据训练通用大语言模型有着根本区别。我们可以在网络上找到几乎所有常见主题的数据，但关键的行业事件通常是罕见的故障或异常。你可能拥有十年的“正常运行”数据，却只有极少数灾难性故障事件，而行业AI模型必须从这些极为罕见的事件中学习。 历史表明，开放的生态系统和国际合作是技术进步的重要加速器，对于复杂且具有变革性的AI领域更是如此。开放的工具和平台将有效推动我们在系统互操作性和集成方面取得突破。 此外，国际合作对于达成监管框架共识、控制AI产品相关风险至关重要。以阻碍创新为由公开反对加强监管，实际上是一种只顾短期利益的做法，长远来看不利于未来的发展。 因此，在这一背景下，我们需要开发更可靠、更能适应实体经济需求的AI，向我们期待已久的自主系统演进。这将有助于平衡AI的战略博弈，也将促使我们与志同道合的伙伴携手合作，以兼顾发展与安全的方式监管AI，造福社会。 戴琼海 十年意味着什么？二十年前，人工智能的发展路径还是一团迷雾；十年前，以卷积神经网络为核心的深度学习方兴未艾，人们还在畅想人工智能所能带来的无限机遇；今天，以大模型为代表的人工智能正逐渐进入生活的每个角落。那再过十年，智能世界是什么样的？人工智能会怎么发展？会怎么改变我们的工作与生活？ 迈向通用人工智能的道路，可能并不是沿着现有路径拓展延伸，而是会经历若干不确定的“奇点”，迎来突然的爆发，就如同过去十年的卷积神经网络和大模型。当前的我们不得不思索：未来十年的“奇点”可能出现在哪里呢？ 正如华为《智能世界2035》所言，迈向通用人工智能，关键在于走向物理世界。其机遇可能有三： 第一，更有效地感知世界。便携式拍摄设备（如手机）的普及，创造了丰富的电子图片，为ImageNet的构建及卷积神经网络的出现打下了基础；电子显微镜对蛋白质结构进行了高精度解析，为AlphaFold提供了关键的数据支撑。更有效的感知将为人工智能展开更宏观的画卷、揭示更微末的细节、刻画更复杂的关系，让人工智能能更好地向世界学习、将世界改造、与世界交互。因而，兼具宏观与微观、高动态、多模态的新一代传感器可能是新的“奇点”。 第二，更智能的模型算法。通用人工智能的模型与算法是什么样的？对于这个问题，仁者见仁智者见智。但不可否认的是，物理世界中真实的智能（如人的智能）既是重要的目标，也将会带来巨大的启示。若能对智能的过程实现深刻洞察，对智能的机理进行全面的解析，必将能为人工智能带来全新的模型与算法突破，使之如人的智能一般高效、可信、灵活、全面。因而，向物理世界中最复杂的智能系统——脑智能——学习，也可能是未来的重要“奇点”。 第三，更高效的算力芯片。计算能力与智能水平息息相关，当前人工智能的发展也是伴随着算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回答。真正的突破口可能是算力的革命性飞跃，例如较现有的芯片实现数个数量级的效率提升。光计算、量子计算、存算一体等新的范式的不断成熟，就如同通信从电缆升级到光缆，将有望变革智能的“物质基础”。因而，将带来算力革命性提升的新型芯片，可能是人工智能的关键“奇点”。 当然，迈向通用人工智能之路依然漫长，正确的道路在哪里还需要不断探索。华为《智能世界2035》报告构思宏阔、见解深邃，对未来十年人工智能的未来路径和智能世界的发展图景进行了系统性的梳理与前瞻。其中勾勒的十大趋势，生动展现了一个多层次、多维度技术协同赋能的未来，读来深受启发。《智能世界2035》为我们开启了一扇眺望未来的重要窗口，它激励我们以更加开放、融合与负责任的态度，去探索、去创造、去规范，共同探索通用人工智能的路径，开创智能与生命共融、科技与人文同辉的美好未来。 中国工程院院士清华大学信息科学技术学院院长北京信息科学与技术国家研究中心主任脑与认知科学研究院院长 郑志明 《智能世界2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开阔、分析深入。值此研究报告发布之际，我愿从复杂系统与智能演进的内在逻辑出发，谈几点思考。 智能的本质，并非仅仅是数据模式的识别与归纳，更在于其对物理世界的理解、互动与重塑能力，因为对物理世界已有的认知汇聚了人类的重要的知识和智慧。《智能世界2035》敏锐地捕捉到了这一核心，即“走向物理世界是AGI形成的必由之路”。当前基于大模型的人工智能在感知和生成上取得了重大成就，但其认知模式仍困于基于多重线性统计关联的框架内，因此，普遍认为它仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或SCIfor AI。这是一个复杂系统自组织、自适应、不断逼近真理的过程，其数学基础与实现路径是未来十年我们面临的核心科学挑战。 《智能世界2035》所描绘的十大技术趋势，并非孤立的技术罗列，而是构成了一个相互依存、协同演进的复杂生态系统。从计算范式的革命（突破冯•诺依曼瓶颈）、存储范式的改变（数据即智能），到网络范式的跃迁（迈向智能体互联网），其底层驱动力是一致的：即为了支撑智能体在物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为核心载体，其从执行工具到决策伙伴的演进，标志着人工智能从处理信息的工具转变为能够主动规划、协作并作用于环境的认知主体。这不仅是技术的升级，更是生产力和生产关系的范式革命。 智能革命的真正价值，最终要体现在对千行百业的赋能乃至重塑上。《智能世界2035》不仅聚焦于技术本身的跃迁，更用大量篇幅深入剖析了智能体将如何作为新质生产力的核心，驱动医疗、教育、制造、金融、能源等关键领域发生范式革命。从“AI协同诊疗”到“设计即制造”，从“超个性化金融”到“智慧能源网络”，我们看到的不是一个简单的“+AI”过程，而是一场深刻的“AI原生”化重构。其核心在于，智能体能够深入行业机理，将海量数据、专业知识与物理模型 深度融合，形成具有感知、分析、决策和行动能力的行业级“大脑”与“神经系统”，从而极大提升产业运行的效率、韧性与创新活力。这种赋能是一个复杂的系统性问题，需要技术专家与领域专家深度协作，共同破解行业特有的复杂性挑战。 尤为重要的是，《智能世界2035》中“Token管理网络，让智能成为能源的神经系统”这一趋势，点明了智能世界发展的一个关键约束与使能条件。未来无处不在的智能体及其承载的海量算力，其运行必须以可持续的能源为基础。将智能技术融入能源网络的管理与调度，构建一个如同神经系统般灵敏、高效、自适应的能源互联网，是实现智能世界可持续发展的物理基石。这体现了系统思维中不同层级（能源、计算、智能）之间深度耦合与协同的必要性。 最后，我想强调，迈向2035年的智能世界，其过程绝非单纯技术的线性叠加，而是一个充满不确定性的复杂系统工程。它需要我们不仅在算法、算力、数据等技术上寻求突破，更需要在基础理论、系统架构乃至伦理法规上进行前瞻性的布局和探索。中国科技界在参与构建这个未来时，应更加注重原始创新与底层技术的贡献，推动建立开放、协同、包容的技术发展生态。 《智能世界2035》为我们提供了宝贵的思想碰撞和战略思考的起点。它激励我们以更为系统、辩证的思维去理解并塑造未来，共同迎接一个以人为本、人机共生、绿色可持续的智能新纪元。 中国科学院院士北京航空航天大学教授人工智能学院院长 郭毅可 随着智能世界2035的到来，人类进入关键历史时刻。数字认知和物理世界相互融合，具身智能应运而生，重塑着我们星球的方方面面。作为香港科技大学首席副校长，我很荣幸与大家分享未来愿景。这一愿景不仅汲取了华为《智能世界2035》报告中揭示的技术趋势，更凝聚了学术界、产业界和社会的共同期待。 网络、计算、存储、云和能源是推动变革的五大核心技术，共同构成了超级智能体发展的综合底座。预计到2035年，网络将需要支撑90亿人口拥有9,000亿智能体，通信容量将增长100倍。与此同时，算力需求将激增10万倍，催生出全新的范式，如模仿大脑高效能的神经形态处理器与量子处理器等。存储将迈入尧字节时代，让数据“觉醒”，为持续学习提供有形资源。云边协同共生将推动AI民主化，而能源领域的突破，特别是高密度电池和可持续发电，将消除认知和实现之间的最后障碍。在这些基础设施的加持下，具身智能将成为可能，促进制造机器人、家庭助手等物理实体以自主性、适应性和目标导向的方式行动。 这将对我们的星球产生深远积极的影响