智能计算新突破：从理论到应用的全方位解析

智能计算新突破：从理论到应用的全方位解析

引用

新浪网

等

9

来源

1.

https://finance.sina.com.cn/tech/roll/2025-01-22/doc-inefuxsn5869626.shtml

2.

https://www.sohu.com/a/781944983_120319119

3.

https://m.blog.csdn.net/qq_44866828/article/details/144636417

4.

https://blog.csdn.net/weixin_40672857/article/details/141691980

5.

https://www.wpsshop.cn/w/%E6%88%91%E5%AE%B6%E5%B0%8F%E8%8A%B1%E5%84%BF/article/detail/890313

6.

https://www.antpedia.com/?action-viewcomment-itemid-2903027

7.

https://www.showapi.com/news/article/677b372a4ddd79f11a4ed894

8.

https://blogs.nvidia.cn/blog/generative-ai-predictions-2025-humanoids-agents/

9.

https://www.wicongress.org.cn/2024/zh/article/6428

2023年1月，海内外9位院士及12位专家在《科学》合作期刊Intelligent Computing发表综述论文《智能计算的最新进展、挑战和未来》，全面阐述了智能计算的理论基础、技术融合、重要应用以及面临的挑战和未来前景。这一重磅研究不仅展示了智能计算领域的最新突破，更为学术界和工业界的科研人员提供了全方位的参考。

智能计算是支撑万物互联的数字文明时代新的计算理论方法、架构体系和技术能力的总称。其基本要素包括人的智能、机器的能力以及由万物组成的物理世界。在理论框架中，人是智能计算的核心和智慧的源泉，代表着原始的、与生俱来的智能，称为元智能。元智能包括理解、表达、抽象、推理、创造和反思等人类高级能力，其中包含人类积累的知识。元智能以碳基生命为载体，是由个体和生物群体经过百万年的进化产生的，它包括生物具身智能、脑智能（尤其是人脑）和群体智能。所有的智能系统都是由人类设计和建造的。因此，在智能计算的理论体系中，人类的智慧是智能的源泉，计算机是人类智能的赋能。我们称计算机的智能为通用智能。通用智能代表计算机解决具有广泛外延的复杂问题的能力，以硅基设施为载体，由个体和群体计算设备产生。生物智能可以在以下四个层次上移植到计算机上：数据智能、感知智能、认知智能和自主智能。

智能计算具有以下特点：理论技术上的自学习和可进化性，架构上的高计算能力和高能效，系统方法上的安全性和可靠性，运行机制上的自动化和精确性，以及服务性上的协作和泛在性。智能计算包括两个本质方面：智能和计算，两者相辅相成。智能促进了计算技术的发展，计算是智能的基础。提高计算系统性能和效率的高级智能技术范式是“智能驱动的计算”。支持计算机智能发展的高效、强大的计算技术范式是“面向智能的计算”。两种基本范式从五个方面进行创新，提升计算能力、能源效率、数据使用、知识表达和算法能力，实现泛在、透明、可靠、实时、自动化的服务。

智能计算的关键在于智能驱动的计算和面向智能的计算两大范式。智能驱动的计算主要关注如何提高计算的智能化水平，而面向智能的计算则侧重于提供强大的计算能力支持。

在智能驱动的计算方面，感知智能、认知智能和自主智能是三个重要方向。感知智能专注于多模态感知、数据融合、智能信号提取和处理，典型的例子包括智慧城市管理、自动潜水系统、智能防御系统、自主机器人等。认知智能则研究机器的自然语言处理、因果推理和知识推理等领域。自主智能的发展路径从学习单一任务开始，逐步达到与环境动态交互的主动学习，最终实现自我进化的高级智能。

面向智能的计算则需要强大的计算能力支持。OpenAI研究人员在2018年进行的一项研究显示，从2012年到2018年，顶级AI模型的计算需求每3到4个月翻一番。为了满足这种快速增长的计算需求，业界采用了多种策略，包括高性能计算、边缘计算和云计算等。使用分层和协作的“边缘—雾—云”架构，能够传播智能和计算，以在给定限制的范围内找到最佳解决方案（例如延迟和能量之间的权衡）。

在智能计算的推动下，AI技术正在迎来新一轮的突破。生成式AI、多模态大模型和具身智能是当前最引人注目的三个方向。

生成式AI已经在广告、电影、教育等领域实现广泛应用。据海通国际证券的研究，生成式AI在不同行业的应用中，其附加值主要体现在提高产出效率和降低生产成本上。此外，生成式AI还将进一步渗透到企业服务领域，通过与企业软件的结合，实现智能化的业务流程优化。

多模态大模型的发展也取得了重要进展。阿里巴巴达摩院发布的“通义千问”模型是国内首个实现模态表示、任务表示和模型结构统一的大模型。其采用Transformer Encoder-Decoder + ResNet结构，通过统一学习范式提升了效率。智源研究院发布的Emu3模型展示了原生多模态大模型的能力，能够统一理解和生成视频、图像和文本。

具身智能的研究也取得了显著成果。斯坦福大学李飞飞教授认为，具身智能需要具备与真实物理世界交互的能力，以完成各种任务。伯克利大学的研究团队通过端到端架构实现了业内顶尖的灵巧手操作能力。在实际应用中，具身智能解决方案已应用于自动化装配、焊接和搬运等工业场景，并将在医疗护理机器人、城市管理等领域带来革命性变化。

尽管智能计算取得了显著进展，但仍面临诸多挑战。计算资源的限制是首要问题。随着算法模型变得越来越复杂，有限的计算资源已成为提高计算机智能研究水平的障碍。此外，技术垄断的风险也不容忽视。计算资源丰富的机构可能形成系统性的技术垄断，影响技术的公平发展。安全与隐私问题也是重要挑战，特别是在人机协同和数据共享的场景中。

智能计算的未来发展前景广阔。跨学科融合将为智能计算带来新的机遇。AI与量子计算、生物技术、绿色能源等领域的交叉融合，为AI技术的突破提供了新的可能性。例如，量子计算与AI的结合能够加速数据处理，支持复杂系统模拟和药物发现。此外，人机协同的前景也十分广阔。通过人机交互、人机融合和脑机接口等技术，可以实现更高效、更智能的计算模式。

智能计算作为支撑万物互联的数字文明时代的关键技术，正在以前所未有的速度改变着我们的生活、工作和社会结构。随着理论研究的深入和技术应用的拓展，智能计算必将为人类社会带来更多的创新和突破。