讲演人: 过去，我们通常采用人工假设生成、手动实验设计、物理设备执行、人工数据分析，最后撰写论文的流程。这一过程效率较低。如今，我们引入AI技术，通过AI假设生成和强化学习进行自动实验优化，进入B阶段。在B阶段，我们进一步与物联网连接，由机器人执行实验。物联网，尤其是工业物联网，在工业领域广泛应用。结合边缘计算和主动学习，我们实现了动态闭环的A、B循环。在《三体智能革命》书中，我们作者提出了“状态感知、实时分析、自主决策、精准执行和学习提升”的理念，这些理念在智能革命中得到了充分体现。假设、实验、分析、新假设的循环在工业互联网领域以及许多机器运行领域中同样适用。讲演人:我们再来观察工具的重塑过程。如今，有一个现象值得我们关注：从过去“延伸人类感官”、替代人脑和手的功能，到如今科学工具的智能化跃迁，这一过程正在深刻改变我们的工作方式。讲演人:通过替代手部的触觉、鼻子的嗅觉、人眼的视觉、耳朵的听觉等感官功能，机器延伸了人类的感知能力。在此基础上，我们进行计算与分析。然而，值得注意的是，它已经提升到了新的层次，开始“创造认知的新器官”。这一下就变得与众不同了。为什么呢？当今的TRIZ是基于行业的小知识，即静态知识，但这些都是已知的宝贵知识。在五六十年前，我们没有其他能力时，依赖这种小知识和领域知识来解决问题。但在今天，基于全网既有的大知识，以及AI可能带来的有限新知识，我们几乎可以解决所有问题，而不仅仅是颜色相关的问题。大模型作为“超级数字脑”，融合了人类有史以来的知识，替代了无数最聪明的头脑。因此，大模型是一种“新的认知器官”。而过去的TRIZ，以小知识引导方式激发人的有限思考。然而，发展是创新的基础。未来，以大模型作为外界的超级数字工具，能够获得更精准的解决方案。当前，TRIZ面临的最大问题是，在座的众多TRIZ高手需要引导大家进行功能分析、因果分析以及系统模型分析等。大家普遍感到困难的地方在于如何定义功能，如何确定动词和宾语。在进行属性分析时，需要研究其物理属性、几何属性和化学属性。在这个问题上，选择合适的术语、词汇进行表达，尤为困难。为什么经常存在这种“不可言尽”、“词不达意”的情况呢？其实这并不奇怪。大家可以仔细看看维特根斯坦的观点：“语言的边界就是思想的边界”，人类语言的边界就是我的世界的边界。因此，凡是语言无法表达的东西，都不能作为思想产物存在，也不能作为意识活动存在。因为你无法表达，所以无法思考、定义和传达。当你词不达意时，必然会错过许多东西。过去，人用小模型可以解释问题，但如今谴词用句“人机协作、日益精准”。多个大模型的分析集成已经能够高效解题。在这个时代，我们可以轻松地使用不同的工具来解答问题，比如Kimi、DeepSeek和豆包。此外，智通云联公司首席科学家谭总还专门下载了大约二十多个大模型，包括谭总等研发专家，他们都是智能制造领域的专家。他们提出了一个具有陷阱的问题，直接回答并不容易，必须通过深入分析才能找到答案。搭建信息桥梁才能解决问题，他让它们（各大模型）去搭建，但许多都出现了错误。通常情况下，我们认为水在60度时，再加热几十分钟后，可以达到100度。有些大模型计算了线性关系，认为加热几十分钟后，可以达到120度。然而，在非高温高压条件下，这是不可能实现的。因为，大模型缺少了一个关键知识点：水在沸腾后，温度不会继续上升。如果没有高压和高温的维持，水温不可能再增压。因此，我们还需要不断训练，并持续提供正确的知识。然而，大家已经看到，它们比我们任何个体都能更准确地表达观点，更[敏感词]地计算那些我们此前可能分析不好的问题。我愿意引用钟院士的观点，人类的科学工具正在经历智能化的范式跃迁。钟院士提出的“感知、认知、谋行、执行”策略，与我们的“状态感知、实时分析、自主决策、精准执行”是一致的。我们强调知行合一的策略，并注重语法、语义、语用的三位一体，其中语言包含语义、语用三个层面。必须实现三位一体，但传统的三位一体在解决问题时存在局限性。根据钟教主义的观点，必须采用新的三位一体，即基于人脑与数字脑的结合，实现人机共生的状态。通过“感知、认知、谋行、执行”，达到知行合一，最终运用新的三位一体来解决问题。此外，思维、方法、工具的动态平衡尤为重要。讲演人:我们认为，科学方法、科学思维和科学工具构成了一个稳固的铁三角。它们之间能够相互平衡。我们始于科学思维，可以质疑、批评和批判，甚至不相信某些事物。科学是建立在实证基础上的，因此它指导我们的科学方法，避免迷信。不盲目地开始计算、理论和模型方法，只要运用人类世界目前积累的任何第一性原理，如牛顿的第一、第二、第三原理，以及爱因斯坦提出的质能方程原理等，都不会出错。因为这些第一性原理经过人类数百年的奋斗和反复验证，最终催生了AI工具。AI工具包括硬件工具和大模型软件，通过不断研究，最终推动科学思维的升级。这种相互验证的过程就是创新方法的巨大提升。DeepSeek通过动态参数剪枝技术，显著提升了算力效率。他们仅使用2048块显卡，便达到了相当于万卡的计算能力，实现了千倍的性能提升。这一创新方法以极低的成本，完成了通常需要巨额投资才能实现的目标。讲演人:国外几十亿美元与DS几百万美元的投入相比，效率相差千倍。DeepSeek从哲学角度提出了算法简化思维，并通过最小必要数据理论，结合蒸馏和对抗训练，仅用五分之一的标注量就达到了与其他人标注量同等的效果。此外，量子物理中的叠加态思想也是一个重要的思维突破。过去，人们普遍认为薛定谔的猫既死又活的状态难以理解，直到我40多岁时才真正明白其中的原理。在未打开盒子之前，量子处于叠加态，没有量子坍缩；打开盒子后，量子才会坍缩，我们才能观察到确定结果。两个量子之间存在着纠缠效应，无论相隔多远，一个量子的状态变化会立即影响另一个量子。这种效应在过去看来是匪夷所思的，但它的确存在。风险控制三角不仅体现在我们能够进行循环思辨，还体现在风险的可控性上。今天，我们尤其需要防范科学研究的风险。我一直认为，任何技术的进步和科学的进步都是中性的。每一个科技工具既可以用于国计民生，促进社会发展，提高人民的幸福感、满意感和获得感，同时也可能被用于犯罪活动。 AI技术目前最先被应用于实施各种犯罪行为，尤其是电信诈骗。通过换脸、换声音等技术手段进行诈骗。例如，诈骗者会冒充亲属，声称急需借款，以此骗取钱财。先进技术的应用中确实存在欺骗行为。因此，我们可以从思维层面、方法层面和工具层面探讨如何防范。此外，我还想分享一个观点，即从语言到语言智能的转变，这是我个人的体会。讲演人:智人的称呼似乎是拉丁语中的“sapiens”。在历史发展的长河中，从六百万年前我们从树上下来，到几十万年前走出非洲——尽管是否走出非洲仍有争议——我们逐渐遍布世界各地。当时存在许多不同的人类群体，至少有十类以上，如大家熟知的丹尼索瓦人、尼安德特人、霍比特人等。 他们今天都不在了，原因何在？被智人这一支彻底击败。那个时代的竞争极其残酷，资源有限，食物、水源、栖息地都极为稀缺。在有限的生存空间里，有水、草、狼、兔子等资源，但每个人都想占据这些资源。你来，我就不能来；你占据，我就无法生存。于是人们互相争斗，智人战胜了尼安德特人——身材更高大，会使用火，会制作工具，会用兽皮制作衣物，最终占据了优势。讲演人: 尼安德特人力量更大，至少需要两个智人才能与一个尼安德特人抗衡。根据考证，尼安德特人非常强壮，因此需要三个智人才能确保击败一个尼安德特人。然而，在长期的进化过程中，经过数万年的竞争，智人最终战胜了尼安德特人。讲演人:凭什么？智人掌握了一个极其有利的工具——语言。通过语言，我们能够协同合作，发展工业，实现分工，可见语言对人类智能的重要性。如果连最基本的“what”、“where”、“how”都无法表达清楚，那么协同、分工和创新都无从谈起。尼安德特人只有喊叫式的语言，表达不清，因此他们无法实现有效的分工。于是，其他人种相继出局，智人发展到今天的七十多亿人口。因此，我们有了多种语言表达，如英语、汉语、西语等，这里不再赘述。语言出现后，我们继续通过图形表达，最终在没有文字的情况下，从图形中产生了文字。于是，我们所有的图形表达逐渐演变为文字。随着时间的推移，特别是在几百年前，人类开始使用绘图来表达信息。这些图形逐渐发展成为一门通用的工程语言，因为三视图在全球范围内都被广泛理解，且表达方式没有歧义。随着进一步发展，我们可以看到人类语言，转化为编程高级语言，尤其是以英语为蓝本，逐渐成为主流。如今，中文也加入了这一行列。这些语言被转化为各种编程语言，如Fortran、C、COBOL、Pascal、JAVA等，直至今天的Python。大数据语言和人工智能语言的发展使得我们能够利用机器进行学习和计算。诸如“If”、“Then”、“Else”等逻辑结构完全是从语言中提炼出来的，从而形成了各种机理模型。工艺模型等各类模型所表达的主题，以及我们在TRIZ中所涵盖的语义内容，问题模型的分析涉及多种表达方式。包括我们工业软件中的CAD、CAM、CAE以及ERP、MES、EDA等。通过这种方式，我们向大家传达了一个观点：即使绘制出一个CAD模型，如果不使用平移、旋转、缩放、剖切、漫游等工具，仍然难以理解。如今，我们通过知识引擎来表达人工智能和大模型的概念。人工智能从专家系统、知识工程的发展历程一直延续至今，形成了今天的GPT、Sora、LLM等。特别值得一提的是，中国在人工智能领域取得了显著进展，无论是通义千问、Deep Seek还是昆仑大模型，都代表了我国在大模型领域的成就。这些多样化的语言和语义通过数字化和彼此融合，逐渐形成了大知识体系。这一体系不断凝聚和提炼，最终构建了一个稳固的框架，并持续发展完善。我们可以发现，语言正趋于多模态化，而系统则趋于赛博物理化，这是当今时代的发展趋势。由此可见，语言是表达语义的工具。讲演人:语言的含义即语义，但在不同语境中，大家对“喝茶”这一概念有着不同的表达和理解。我“请你喝茶”是一个语义，如果纪委“请你喝茶”，大家都知道这是另一个意思。例如，今天天气炎热，“能穿多少穿多少”，今天天气非常寒冷，“能穿多少穿多少”。这些例子展示了在不同语境下，语言表达的高度相关性。因此，语言必须在特定的语境中去理解才有意义。符号仅仅是语言的载体，符号本身并无意义，只有承载了语义的符号才能被使用。于是，人类发现我们可以用语言进行交流。例如比特，这两个比特状态，一个0和一个1，未来可能更加先进，因为0是一个量子，1也是一个量子，还有一个是0和1交叠的量子。因此，量子计算机现在计算速度特别快，性能提升至少上1亿倍。于是，我们开始有了由二进制组成的电脑语言，包括硬件表达的0和1，以及软件表达的模型语言。通用语言、绘图语言、多模态语言等。在工业产品中，基础语言包括二进制语言、图形语言和工程图语言。文生图等元素构成了我们工业的语义表达。为何需要强调这一点？因为工业语言和工业语义与日常用语不同，需要引起大家的重视。所以语言智能的基础是工业部原副部长杨薛山先生在《智能原理》一书中特别强调的内容：“一切智能都是语义的”。讲演人:在研究的基础上，我提出了个人的思考。自然语言的演变过程，首先我们可以看到，自然语言（Nature Language）的处理形成了NLP（自然语言处理），这是人工智能的一个基本学科。图文生成各种概念模态表达的语言，工程图的语言，模型的语言算法语言，以及各种中间状态，一直延伸到电脑硬件的语言。我们解析到二进制表达的0和1，这两个最小信息单元。0和1本身并无意义，但当你定义0为“关”，1为“开”时，它们便从数字数据转化为信息。进一步解析到单机软硬件，从电子管和逻辑语言到单机电脑，这是我们在五十年代末六十年代初的应用成果。更重要的这是一个开端。就像刚才安总提到，芯片的出现催生了电脑，而电脑的普及则推动了各行各业的变革，成为第三次工业革命的重要起点。由此可见，电脑的广泛应用对现代社会产生了深远影响。从最早的电子管通过晶体表示0和1，发展到如今高度先进的计算机技术。在初级阶段，实际状态不断发展，逐步演变。这一过程中，首先实现了量变引起质变。大家都知道这是一个最基本的哲学观点，即“对立统一”，矛盾。此外，“量变引起质变”，以及“否定之否定”，构成了哲学中的三大定律。另一个观点是“万物源自比特”，这是由[敏感词]专家惠勒提出的。他写了一本书《Its from Bit》，翻译过来就是“万物源自比特”。由此我们了解到，用0和1可以以数字化的形式表达万事万物。同时，“万物皆数”这一概念早在两千五百年前就已存在。从毕达哥拉斯时代起，先贤们便已提出“万物皆数”的理念，这一思想一直传承至今。经过今天的汇总，它已演变为全网硬件、软件、网件的综合体系，即网络逻辑语言。我们可以看到它仍在不断变化。在那个节点上，大家能够清晰地看到，我们已实现了数据的分类。讲演人:我们已掌握了基础语言的分类信息，图谱语言；我们有了分类的知识，抽象语言。这就是从数据（D）到信息（I），再到知识（K），最终在全网的知识体系中形成了我们的原料语言（W）。这些原料语言不断融合，进而产生了引擎语言，从而诞生了大语言模型。生成式大模型涵盖多种模型，大语言模型仅为其中之一。关于未来的发展方向，我还有一个构想。向上发展，从“自然语言”，演变为“智然语言”。大家注意，从自然语言到“智然语言”的演变，这是我经过深思熟虑后，认为是能够准确表达我意思的一个表述。因为在创新的方法论中，一个非常重要的概念IFR已被广泛认知。最终理想化结果的表达，即Ideal Final Result（IFR），不应被误解为“最终理想解”，因为理想系统和理想解根本不存在，应该被称为“理想化最终结果”。这是TRIZ创新方法的基本概念之一。IFR的意思是，我们并不清楚最终结果的理想化具体状态，因此我们首先设定一个理想化最终结果（Ideal Final Result）。必须强调一个“结果”，它并非“解决方案”或“解”。只是设定一个比较理想的结果，意在追求卓越，我们在不断逼近那个方向，可以不断进化达到这一状态。讲演人:因此工业语言由基础语言、图谱语言、抽象语言等这些要素构成，大家便能够清晰地看到工业语言由多种语言构成。讲演人:我们可以在工业现场观察到其生产、供应、销售和服务等环节。各环节都涉及海量的动态和静态数据。这些工业语言一直都在向人们描述工业现场发生的事情，但人们往往难以理解。这是因为数据背后的含义并不直观。这正是大数据的概念所在。例如，我问大家，2+3等于几？大家说，2+3不是应该等于5吗？那是数据意义上的理解，你把自己限定在算术领域。如果把它变成生活场景，为什么不是“两个人+三个菜”，然后就是“一顿合适的餐”？“两个大人+三个孩子”等于“一个家庭”？确理解工业语言场景下的语义至关重要。要理解我们工业现场的真实情况，关键在于准确把握其运行规律和参数含义。人类处理参数超过7个时，机器处理参数超过16个便无法胜任。因此，一直以来，我们便致力于解决这一问题。通过将机理模型算法与专业化数据语料标注方法相结合，最终实现技术的通用性和复用性，并将其应用于实际的工业领域硬件装置和工业运营场景中。大家可以看到智通云联公司已经在石油领域取得了不少应用成果。例如应用油气大模型智能调控开关增加气井的产量。讲演人: 在“AI for Science”的大背景下，科学范式已经跃迁到第五范式，已经吹响了各行各业应用AI大模型的集结号。讲演人: 最后，我将对今天的内容进行小结。大模型正在重塑我们创新方法的DNA，不断改变科学思维，丰富科学方法，强化科学工具。大模型本身已成为创新方法的核心工具，其重要性在未来将愈发显著。 未来，一切软件都将被AI重构，一切数据都将由AI进行计算，一切硬件都将被AI驱动，一切网络都将被AI调控。虽然我的说法可能有些[敏感词]，但趋势正在朝这个方向发展。我们已经迈入了“碳基智慧与硅基智能”深度融合的人机共生新时代，即“创新方法2.0”。谢谢大家的聆听！
官网首页
一键拨号
产品中心
联系我们