2019年11月14日,联想2019创新科技大会(Tech World 2019)在北京雁栖湖举行。在第一天的行业智能日上,联想CEO杨元庆作了题为《数据智能驱动产业变革》的开幕演讲。
杨元庆展示了联想在智能物联网、智能基础架构和行业智能三个维度上的战略布局,以及支撑该战略的“端-边-云-网-智”架构体系。杨元庆表示,联想要做端到端智能化解决方案提供商,已经准备好去拥抱全新的数据智能时代。同时杨元庆提出联想新的愿景使命“智能,为每一个可能”。
数据智能将是未来趋势
德勤的预测表示,从2017至2025年,全球人工智能市场的复合增长率达30%,到2025年市场规模将超过6万亿美元。
基于庞大的智能市场,杨元庆为现场描绘了一系列包括智能制造、智能医疗、智能金融服务在内的智能场景。杨元庆在演讲中表示,智能化变革能够释放巨大的效率红利,能够让政府和社会服务更加公平高效,促进中国经济在追求高质量发展的新阶段进一步提升。因此,每一个行业都希望能在智能化的道路上更进一步,一个潜力巨大的市场空间正在逐渐形成。
杨元庆认为驱动智能化变革的基石就是由数据、计算力和算法驱动的“数据智能”。他指出,“当有了数据作为燃料,计算力作为引擎,大数据工具和先进算法提供的涡轮增压,再结合各行各业的knowhow(知识、经验、流程),就能产生更加精准的决策结果,更加高效的业务流程”,这就是能够驱动行业转型、催化产业革命、推动社会文明进程的数据智能。
“端-边-云-网-智”推动智能变革落地
为了能够让智能化转型战略有效落地,联想在过去几年中也不断摸索,建立了“端-边-云-网-智”的架构体系,作为集团3S战略的核心支撑,在此基础上推动各行各业的智能化转型。“端”即智能物联设备终端;“边”是边缘计算,“云”是云计算,“网”是以5G为代表的数据传输网络,“边-云-网”构成了智能化的基础架构;而“智”就是行业智能解决方案。
杨元庆表示,多年的积累,联想已经备齐边了“端-边-云-网-智”各项要素资产,是构建智能化大厦能力最完备的公司。
在智能物联网设备方面,面对设备的数据采集、接入问题,联想拥有丰富的智能硬件产品组合,实现设备跟智能物联网的“最后一公里”联接;联想也响应了智能化转型对边缘计算越来越庞大的需求,围绕着智能制造、智慧城市、智慧教育等多种场景,打造一站式物联网解决方案。联想在当天展示的Leez物联硬件开发平台就是联想智能物联网技术开发水平的有力例证。
在智能基础架构方面,围绕端-边-云-网协同的架构,联想提供的边缘服务器设备、数据中心与云计算基础设施、多云管理产品与解决方案,以及5G智能互联构建方案,能够满足各行各业实现智能化不同的计算力需求。
谈到行业智能,杨元庆更是对未来充满了信心。他在演讲中说,联想自身就是身体力行,以数据智能为核心进行转型的先行者,形成了覆盖“研产供销服”全价值链的智能化技术和管理体系。联想也从2016年起输出自身的智能化转型经验和先进技术,为其他企业的转型赋能,并正在铸就自己“全域数据、通链智能”的赋能能力,立志成为企业客户智能化转型的端到端解决方案提供商。杨元庆在现场以一家国内大型风力发电企业为例,向观众具体介绍了联想为企业客户提供智能化转型的端到端智能化解决方案的成功经验。
携手共进迎接数据智能时代
除了自有的产品和解决方案,联想也通过技术研发和投资创新两大途径,布局前沿技术生态,为智能化变革进行未来技术的孵化和积累。在创新科技大会现场,杨元庆还宣布了联想与施耐德电气的战略合作伙伴协议,两者将发挥各自优势,以绿色智能制造为突破口,在工业大数据、工业物联网和工业智能三个方面深化合作,助力制造业企业实现效益和可持续发展的双赢。
正如杨元庆在演讲的最后说,数据智能驱动的这场产业变革大幕已经开启,没有人都够置身事外。联想将与更多的合作伙伴携手共进,强化合作,共建生态,共同助力各行各业拥抱数据智能大时代。
最后,杨元庆提出联想新的愿景计划,“智能,为每一个可能”。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。