杭州算力小镇：AI泛化解锁新机遇，探寻AI Agent 迭代新路径

人工智能技术不断迭代，重点围绕着两个事情，一是数据，二是算力。

算法的迭代推动着AI朝向多模态的方向发展，使之能够灵活应对不同领域的不同任务，模型的任务执行能力大大提升，人工智能泛化能力被推上高潮。

那么，人工智能泛化带来了哪些机遇与挑战？

为了让企业在AI领域走得更远，看到并实现更好的未来，9月20日，由极新、中关村智用人工智能研究院、新智引擎共同举办的「长三角人工智能与算力协同创新发展大会AI Agent分论坛暨极新生态营私董会：人工智能泛化带来的挑战与机遇」在杭州算力小镇召开，极新带着实在智能、水母智能、趋动科技、长江连接器、商越、诺文智能、北京航空航天大学杭州创新研究院、ComputingPlay、八友科技、轻象科技、空前人工智能、皆大欢喜教育科技、云微校、易参咨询、开店大吉等20余位老朋友与新朋友，围绕AI Agent、人工智能泛化、人工智能商业化等关键词，探讨了在当下的产业环境中，企业要如何应对大模型变现难这一现实问题。

会议现场全景图

会议正式开始前，首先由中关村智用人工智能研究院首席产业研究员钱雨进行致辞，他谈到，中关村智用人工智能研究院致力于解决人工智能技术企业与用户之间的对接问题，特别是传统经济和实体经济中的企业，充当其中的桥梁。

中关村智用人工智能研究院首席产业研究员 钱雨

展望未来，钱雨说到了AI Agent的三个发展方向：

一、提高效率，目前的AI Agent仍会将简单的问题复杂化，增加了不必要的成本和延迟。

二、增强通用性，目前大多数的AI Agent只能解决一个问题，但o1指引了一条通向通用的道路。

三、跨界融合，如果AI Agent不与物联网、大数据、云计算、自动化进行结合，它将很难处理真实物理环境中来自不同设备、不同传感器的的各种数据，无法对物理设备进行直接的调用。

四、自主学习和进化，比如 OpenAI 把强化学习和 COT 思维链融在一起，这是很重要的一步。

会议正式开始后，水母智能联合创始人张明吉首先做了《人工智能——塑造未来社会的技术力量》的分享。站在水母智能所处的行业中，张明吉说：“人工智能为漫画创作者带来的助力主要有两方面，一是降本增效，二是能够让相对边缘的创作者进入到更高质的创作环境中。”

水母智能联合创始人 张明吉

除此之外，张明吉还提到更为关键的一点，“水母智能在QQ频道刚上线时便做了自己的频道，用户通过指令可以唤起机器人，从而使用水母智能提供的服务。虽然用户的平均年龄只有13~15岁，但他们不需要学习，天然的就能与AI进行对话。如果AI生成的内容不符合他们的要求，会直接说画的不对并安慰机器人‘摸摸头’，如果符合要求，则会夸赞机器人说‘你真棒’，这些孩子并不认为这是一个机器人，而是真的把机器人当人。”

随后，从“站在机器人的角度理解AI泛化”的视角出发，实在智能创始人孙林君进行了《“文生数字员工”实在Agent的创新与探索》的主题分享。他提到，数字员工实质上是指的是如何通过结合自动化和人工智能的能力，帮助人类去完成特定的、重复的、琐碎的工作。

实在智能创始人 孙林君

孙林君还谈到大模型带火了两个方向：一是AIGC，二是智能体。原因如下：

一、AIGC的生成性越来越可靠，加上自动化能力，能够解决智能体的“最后一公里问题”，人类发号施令，Agent进行思考并完成工作。

二、由于我国不同企业的信息化、数字化、智能化程度处于不同的阶段，发展非常不平衡，人工智能赋能千行百业尤为重要，因此人工智能被写进国家战略，提出“人工智能+”的发展策略，寻求新的转型路径。

第三位分享嘉宾是趋动科技售前顾问鲍成建，他说：“AI的构建主要基于三个要素：算力、数据和模型，算力作为企业智能化转型的基础，目前存在的问题是企业看待算力的角度还是基于传统的硬件定义方式，对于算力的使用与管理非常的低效。

其中面临的挑战有四个：一、不同业务部门无法共享算力；二、硬件定义算力的分配方式导致资源浪费；三、AI开发、训练和推理对时间很敏感，不同的场景是否能做到充分使用算力；四、国产算力不断涌现，如何做到统一管理和使用。所以，面对这些挑战，趋动科技认为，软件定义AI算力实现资源池化才是大势所趋，基于软件定义AI算力构建的资源池化平台才是新型智算中心算力底座的最佳选择。”

趋动科技售前顾问鲍成建

随后进入创新项目分享环节，由北京航空航天大学创新研究院数据到应用智能计算体系及平台产业化项目组资深副研究员张晶涛、北京航空航天大学杭州创新研究院副研究员周钢、北京钜网科技有限公司全国渠道总监王永生、武汉市空前人工智能科技有限公司联合创始人孙文文分别进行分享，展现了人工智能真正落地的应用，在座嘉宾感受非凡。

分享结束后，各位嘉宾就知识产权如何维护、人工智能如何应对陌生数据、如何跨越商业化平衡点让智慧算力服务人工智能的泛化这三个问题，从算力、应用、变现等方面展开了探讨，最终达成以下几点共识：

• 中文语料的稀缺影响数据的泛化；
• RAG是Agent现阶段能力的有效补充；
• 算力，数据，算法在不断迭代前进，每个阶段都会有对应的商业化平衡点。

现场气氛活跃，嘉宾积极交流，虽然只有短短的三个小时，却让我们看到了人工智能的热与新，也看到了创业者的勇与谋。随着语料、算法和算力的不断影响，商业平衡点有可能变得动态，抓住场景，共同实现变现是不变的目标。

这一领域的探索将继续进行，不同的初心将决定我们在行业中的生存和发展。