当今时代，科技看似跟大多数人有一定的距离，但实际上与每个人息息相关。

人们开始享受到充裕的物资生活，始于工业革命，科技的进步和突变带来了生产力巨大的提升。后来，又历经了电气革命、信息时代。

但最近40年，整个人类基础科学的演进速度明显减慢。

那么，如何获得新的规模化、更大体量的科学技术突破，进而引领生产力的进一步提升，生产关系进一步的优化？

回顾历史，创新有不同范式。第一个范式是经验归纳，通过很多物理现象，从中提炼、总结，或者提出假设，再基于假设去验证。

第二个范式是推理和演绎，简而言之就是推公式；基于一个理论的演算和推导，得出一些新的结论性结果。

后来随着机器时代、智能时代的到来，又出现了第三范式：仿真模拟。机器替代了人做推理演绎，其推公式的效率和能力可能远远超过自然人——仅需给它更多的数据以及初始条件。

近几年，随着大数据的升级和演化，出现了第四范式。利用深度学习，让更多的数据通过机器经验归纳再进行升级。虽然人们并不太清楚这个数据为什么就能归纳出这样的结论，但是机器能够辨别得准。

杨帆表示，在所谓的一、二、三、四范式之外，真正驱动我们大量创新的，很多时候往往是超脱出归纳、超脱出推理的，我们叫作“天才的脑洞”。

有人说，爱因斯坦广义相对论是超越了时代的智慧，或者说是完全没有基础的，没有前有体系支撑下的偶发性或必然。类似于天才的脑洞，这种突变性的思考和创新，机器或许能够做类似的事情——“机器的猜想”。

最近两年，我们看到了“机器的猜想”对一些跨领域的学科和学术领域的前沿创新已经产生了突破。

例如，去年AlphaFold测出30多万种蛋白质的结构，解决了50多年生物学界一直没能解决的蛋白质测序难题；再如DeepMind，用强化学习首次在模拟环境下实现了控制核聚变。

今天，人工智能已帮助在过去困扰人类几十年的学术问题上逐步取得关键性突破。相信未来在更多的技术领域上，包括物理、化学、天文、材料、生物、医药等等方面，能够帮助我们带来更大更多的惊喜。

 ▎AI基础设施：为AI发展提供规模化、高效率、低成本的重要基础支撑

人工智能有三要素：算力、算法和数据。过去十年，随着人工智能技术的产业应用，对算力、数据以及模型参数数量的需求，都呈指数爆发式的增长。

从2014年至今，单一的人工智能模型参数增长了三四十万倍，每三个多月就要翻一番，增长速度远远超过摩尔定律。

近两年，行业巨头纷纷斥巨资建造自己的人工智能基础设施。例如Meta打造了自己的AI超级计算机，预计到今年7月，将拥有超过16000块英伟达A100 GPU，超过5000P(Petaflop)的算力（1P是1000万亿次/秒，5000P就是500亿亿次/秒的计算量级）；此外，特斯拉也在去年正式推出了自研的超级计算机群Dojo，用于下一代自动驾驶技术研发。

人工智能有一个很明确的杠杆效应：人工智能产业自身创造的经济价值，能够对它所服务和支持的行业带来10倍的杠杆。

或者理解为，AI应用2000亿的市场，意味着它对整个全产业经济带来了2万亿的增长，而且至今仍然保持着非常高的增速。

那么AI下一步发展需要什么？

杨帆表示，AI再往下一步发展，需要一个具备支撑能力的基础设施，它为AI所需要的算力、算法、数据核心三要素提供更加规模化、高效率、低成本的基础支撑能力，通过这样的支撑能力，服务各行各业人工智能应用快速发展和落地。

算力方面，今天AI所需要的计算力和过去二十年的信息化、云服务完全不一样。传统云服务提供计算，但存储占据了更大的比重。而AI基础设施，计算的占比远远大于存储，还要支持各种不同异构的硬件结构，更依赖专用的硬件和软件。

所以，我们更需要通用的、开放的、共享的基础设施。

算法方面，伴随着AI产业的发展，出现了大量高价值的应用场景，但AI解决问题的成本太高，导致很多场景难以落地。

行业演进的方向是把更多的数据汇集起来，用一个更大的模型去支撑长尾场景应用上的快速迭代和创新，那么单一技术创新的成本就被极大摊薄了。

数据方面，它是推动人工智能领域技术创新最核心的燃料，具备非线性的效应：把10倍的数据放在一起，所能够创造出来的技术各方面的能力可能是100倍，甚至更大。

问题在于，如何把更大的数据量汇聚在一起，以及更加广泛地使用？这背后需要人工智能基础设施的支撑。当然也要做好数据安全、隐私保护。

 ▎商汤AI大装置：通过开放，把人工智能创新所需要的路修好

2019年，商汤便开始了人工智能基础设施——SenseCore商汤AI大装置的研发。

它具备强大的通用AI能力，汇聚了大量算力、算法、数据，并对过程中软硬件问题一体化解决，形成了一个强大的支撑体系。

SenseCore商汤AI大装置拥有3740P的算力，是迄今为止国内最大的通用人工智能基础设施。目前已经为长三角区域大量科研单位和头部企业提供算力、数据、算法全领域的核心能力服务，支撑人工智能在广泛产业领域应用。

例如，蛋白质的预测、生物医药领域基础科研的创新；智能交通的车路协同，从模拟到规划和预测的一体化；支撑虚拟的物理引擎、虚拟的智能化引擎的大量技术创新……

杨帆说，通过核心基础设施的汇聚，能够实现从算力到数据到算法更大规模、高效率、低成本的提供，以及支撑更好的平台开放。通过开放，把人工智能创新所需要的路修好。

未来，人工智能作为极其通用的行业技术，能够对千行百业所面临的各种各样的应用问题进行大量的创新，快速驱动各个产业的发展和进步。