11月12日，由成都市经信局市新经济委主办，雨前顾问承办的2024人工智能产业CEO大会暨人工智能赋能新型工业化供需对接活动在成都举行。

大会上，清华大学教授、人工智能研究院视觉智能研究中心主任邓志东以“AI源动力·解析产业发展新趋势”为题进行了精彩的演讲，其中特别对如何聚焦大模型应用、发展具身智能面临的挑战以及L4自动驾驶与通用人形机器人的协同演进等，阐述了自己的思考。

邓志东强调，大模型的价值在于其实际应用。大模型只有在多样化的实际应用场景中赋能智能经济与智能社会的发展，才能找到真正的产业价值，也才能成就大模型自身性能的迭代演进。在大模型与智能体的应用及落地过程中，我国在应用场景多样性、应用落地速度、数据的丰富程度以及商业模式构建上的优势，才会充分体现出来，形成可持续发展的大模型新应用、新业态、新模式，以此重建我们在AI大模型时代下的新优势。

邓志东还认为，生成式人工智能正从数字领域拓展至真实物理世界，赋能智能制造、自动驾驶、人形机器人、智能座舱、无人机、个人电脑及手机等物理系统，强力推动制造业与实体经济的发展。

以下为邓志东演讲精华版：

一、聚焦大模型应用，形成中国人工智能发展新优势

人工智能的发展路径经历了从单模态的文本大型语言模型，迭代到如今快速发展的多模态大型语言模型，再到多模态的具身智能，这里的具身是指增加了移动与操作等动作能力。最后会进一步发展到交互式的通用人工智能，增加与世界的交互。在这个发展路径中，最重要的问题是要通过大模型的实际应用来发展。

大模型的价值在于其实际应用。只有通过多样化的应用场景，赋能智能经济与智能社会的发展，才能找到大模型真正的产业价值，同时也才能成就大模型自身的迭代演进。生成式人工智能目前正在从数字空间或互联网空间走向真实的物理世界，赋能包括智能制造、自动驾驶、人形机器人、智能座舱、无人机、个人电脑、手机等在内的真实物理系统，从聊天问答等互联网空间的任务走到真实的世界里，可以助力制造业与实体经济的发展。

大模型应用有三条较为现实的实现路径。一是大模型的应用需要不断提升基座大型语言模型，特别是多模态通用大语言模型的能力上限，同时聚焦行业原生多模态大模型的发展，实现原始创新。但这需要巨头企业的长期持续投入，原因是基础与通用大模型需要超大规模的数据和算力支撑。

二是大模型的应用需要特别关注利用现有的高性能多模态通用大型语言模型进行微调。通过不断的微调和产业部署，用较小的AI算力，构建针对特定任务的专用模型，从而解决成千上万种不同类型的任务。人工智能的核心在于完成一个个从简单到复杂的具体任务。因此，我们需要选择合适的高性能多模态通用大型语言模型，并掌握各种高效的微调方法。具体而言，微调方法包括监督微调（SFT）、人类反馈强化学习（RLHF）和AI反馈强化学习（RLAI）等，也根据范式的不同，一般分为提示微调和参数微调两大类。我们需要根据不同的任务挑战性，选择合适的高效微调方法。

三是大模型的应用需要聚焦智能体新技术新范式新导向的发展。例如，通过积极的创新实践和产业落地，利用性能先进的原生多模态通用大模型，探索智能体一体化端到端的新范式，比如自动驾驶、通用人形机器人，就在不断创新实践这些新范式，也必将进一步增强制造业的竞争能力。

通过这些路径，推动人工智能赋能新型工业化，形成新应用、新业态、新优势。大模型应用既需要头部企业直接发展行业原生多模态大语言模型，形成基础能力，同时更需要众多制造企业或中小型创新企业，面向垂域或特定任务，基于现有的多模态通用大模型微调训练出专用模型，大力推动千行百业垂域专用模型的产业落地，从而通过场景应用创新与产品研发，打造国际一流的大模型应用生态，赋能智能制造与新型工业化的发展。

在大模型的应用落地过程中，我国在应用场景多样性、应用落地速度、数据的丰富程度以及商业模式构建上的优势，才会充分体现出来，形成可持续发展的大模型新应用、新业态、新模式，以此重建我们在AI大模型时代下的新优势。

从更大尺度上看，人工智能可分成弱人工智能-通用人工智能-强人工智能-超级人工智能等不同的演化阶段，目前我们正处于通用人工智能的早期阶段，全球范围的大模型应用，一切才刚刚开始！

二、挑战与机遇：赋能智能制造的具身智能体

聚焦具身智能发展面临的挑战，尤其是如何通过具身智能赋能智能制造，我想在这里分享一下我的看法。

首先是实现路径的选择。具身智能的实现路径已经从单纯的感知空间或观察空间，进一步延伸到了动作空间，尤其是感知空间与动作空间之间的相互关系和相互作用。这就涉及到从感知空间到动作空间的决策推理能力，涉及到所谓的单段式一体化具身智能体研发范式。

具体来说，通过对两大空间、三大任务的模型微调，可赋予具身智能体听、说等感知与理解能力，决策推理能力以及移动与操作能力。换句话说，首先要进行具身的理解，然后进行具身的推理，最后进行具身的动作生成。有了这三大微调模型，可以进一步生成更多的下游微调模型。显然这里的核心能力是决策或逻辑推理能力。微调的训练方法需要选择合适的技术路线，主要包括监督微调（SFT）、人类反馈强化学习（RLHF）和人工智能大模型反馈学习（RLAI）。此外，根据不同的范式，高效微调方法一般分为提示微调和参数微调两大类。提示微调既有以自然语言方式进行的，如思维链（CoT），也有在连续隐含空间基于学习方式进行的，而参数微调则对模型的全部或部分参数进行微小调整，目前研究更多更深入。

其次是物理AI面临的技术挑战。大模型在实际应用中可能会遇到一些技术难题。具身智能在完成任务时，不仅有成功率的问题，还会出现幻觉现象。这包括事实性幻觉和上下文不一致幻觉。事实性幻觉