C114訊 7月6日消息 昨天，中國信息通信研究院承辦的WAIC 2024“邁向AGI：大模型煥新與產業賦能”論壇，于上海徐匯西岸拉開帷幕！本次論壇深度聚焦大模型產業應用落地、端側智能、大模型安全與治理等前沿熱點話題，攜手全球AI領域頂級學者、行業領袖展開頂尖思維碰撞，共探大模型驅動新質生產力發展的新潛能，為行業呈現一場精彩紛呈的科技盛宴。
加拿大工程院外籍院士、智象未來創始人兼CEO梅濤院士應邀作了題為“大模型視覺多模態智能交互新界面”的主旨演講。
梅濤表示，生成式人工智能未來像水和電一樣會變成基礎設施。生成式AI能夠理解人的語言，改變人機交互的方式，產生通用人工智能的技術。如果人工智能能夠理解物理世界通過視覺建模可以改變AIGC和改變元宇宙，人工智能如果能做多模態的交互就會催生機器人。
梅濤指出，在通往AGI的道路上，現在有兩條技術路徑：第一條路線通過語言壓縮，通過GPT模型機制預測下一個單詞，從而再去理解人類的知識，預計2026年人類的知識就會被大語言模型所消耗掉。另外一條路線是擴散模型，它的技術框架跟GPT完全不一樣，它是從視覺的角度構建對整個世界物理的模型。“目前為止，這條曲線發展的邏輯會比GPT的曲線稍微慢一點，我們認為現在的擴散模型的技術能力相當于GPT2的能力，將來有一天這兩條曲線會融合在一起。”
梅濤表示，從整個的視頻生產來說，可以把視頻技術的成熟度分為五個階段，從L1到L5，從單鏡頭的視頻生成到未來多鏡頭、多故事性。“終局我們希望一篇小說扔給機器，機器就能夠做分鏡和鏡頭的生成，做IP的一致性，最后呈現一個完整的電視劇，我們認為所有的技術目前還處于L2的階段。”
梅濤指出，一個技術到最后落地有很多因素要考慮，最重要的因素就是成本、效率、體驗。“成本端，1秒鐘的生成成本大概是在1元人民幣到1美金之間；效率端，輸出一個prompt，產生視頻渲染的時間可能是10幾秒甚至是1分鐘；體驗端，不管是做文字模型、視覺模型還是沒有從服務專業用戶到服務普通用戶，未來有很多的路要走。”
梅濤認為，未來不可能是一個大模型解決所有的問題，一定是一個大模型結合所有的小模型Agent幫助實現用戶的需要。我們的策略是通過一個基礎大模型，通過文字對齊多模態模型，結合很多的產品應用型的小模型服務千行百業，包括智能終端、包括電子商務、文旅宣傳等等。
