5月24日，36氪新质生产力·AIPartner大会于北京环球贸易中心正式拉开帷幕。大会聚焦AI场景与应用端，分为AI能为我们做什么和我被AI赋能了两大篇章。现场汇聚来自蚂蚁集团、联想、OPPO、百度、英特尔等企业的AI领域先锋者，以赋能者与被赋能者的不同视角，共同探讨AI技术如何爆改千行百业。北京智源人工智能研究院副院长兼总工程师林咏华2024年，AI技术走向应用落地的原野，模型参数正式迈入万亿时代，对AGI的探索从语言跨入多模态。技术和应用的进展喜人，但发展的掣肘，从技术黑箱，转移到了资源消耗。据OpenAI测算，全球AI训练所用的计算量平均每3.43个月便会翻一倍。在乐观估计下，仅国内大模型的训练与推理，就会产生1.1-3.8万台高性能AI服务器的算力需求。而模型训练，又是吃数据的黑洞。研究机构EpochAI认为,对数据需求急剧增加，以至于可用于训练的高质量文本可能会在2026年耗尽。过去一周，北京智源人工智能研究院副院长兼总工程师林咏华，被大模型降价的消息刷了屏。这位智源研究院的副院长兼总工程师、IBM中国研究院成立以来的首位女性院长认为，降价的压力，本质上是资源的压力，一方面来自模型训练，另一方面来自模型部署。2021年，智源研究院就发布了中国首个、全球最大的万亿参数规模的模型悟道2.0。2022年加入智源后，林咏华对中国的AI资源和生态有了更为深刻的洞察和见解。在主题为《大模型背后的数据与算力挑战》的演讲中，林咏华认为，AI背后最重要的资源是数据和算力，当下，中国AI行业需要解决的不仅仅是资源储备的问题，还有生态共建的问题，上下游需要以开源开放的心态建设生态。数据、算力，这里面有很多的问题，有很多事情需要解决，它是技术的基座，我们也希望通过开源开放跟大家一起共筑好基座。她总结。以下为林咏华演讲实录，经36氪编辑整理：大家早上好，智源研究院除了应用不做，包括大模型算法、数据、评测、算力在内的各种问题，我们都探索、研究、突破，我们是实实在在的AI赋能者。今天给大家带来的题目是《大模型背后的数据与算力挑战》。人工智能大模型背后最重要的资源是：算法、数据、算力。近两年，各种开源算法，迭代不穷，算法资源不断涌现。相比起算法，我们看到用于训练的数据、算力已经成为大模型发展的资源瓶颈。数据的问题有三个部分：数据的数量、数据的质量、及如何使用数据。首先是数据的数量。现在全球的大模型背后都离不开一个数据集CommonCrawl。得益于17年前一群志愿者，他们以公益的方式在全球不断爬取网页、积累数据，至今积累了超过2500多亿的网页，并以免费方式提供给全球研究和开发者使用。无论是OpenAI还是Meta，都是基于这个数据集进行语言模型训练。没有17年前开启的这个持续不断的数据集积累工作，今天的大模型不会发展这么快。除了网页文本数据，其它诸如图文、视频、书籍、代码等都是打造大模型很重要的原材料，但这些数据远远不够。尤其各个团队在今年纷纷开始多模态模型、文生视频模型的训练，就更需要高质量的图文对，和视频数据。当前国外能够有的开源数据集，95%以上的都是英文内容，中文相关的数据非常少。当我们考虑把通用模型落地行业，必需用该行业的大量知识来对通用模型进行持续训练。但这个行业的专业知识在哪里？行业知识的数据并不是指企业数据、业务数据，而是这个行业领域的大量书籍、文献等数据。针对行业的领域数据，当前也是十分分散和匮乏。第二，数据质量问题。GPT-4o发布后，MITTechnologyReview的文章指出，GPT-4o的分词器训练所用的中文数据大量充斥了中文废品网站的信息，例如该分词器模型中最长的100个中文词语中有超过90个来自废品网站。这在行业内引起关注，OpenAI训练GPT-4o用的中文语料质量堪忧。其实，在
1、大数据的定义著名的麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。 研究机构Gartner给出的定义是“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。 大数据(big data)，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。 换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 2、云计算的定义美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。 云计算(cloudcomputing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。 简单来说：云计算是硬件资源的虚拟化，而大数据是海量数据的高效处理。 虽然从这个解释来看也不是完全贴切，但是却可以帮助对这两个名字不太明白的人很快理解其区别。 当然，如果解释更形象一点的话，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化后在进行分配使用。 在宣州区的时候可以参考自己个人喜好以及难易程度来选择（大数据比云计算要稍复杂一些）
过程装备与控制工程专业考研方向过程装备与控制工程专业考研方向主要集中在：化工过程机械、动力工程及工程热物理、动力工程、机械工程，以下是各专业介绍：一、过程装备与控制工程专业考研方向：化工过程机械 化工过程机械是动力工程及工程热物理一级学科下设的二级学科。 研究方向有：01装备监测网络与远程诊断；02过程装备与先进控制；03非金属材料成型理论与设备。 化工过程机械学科是机械学科的一个重要分支，属于交叉型学科，涉及化工、石化、材料成型加工、热能与动力工程、金属表面工程等学科专业领域，是和我国石油化工支柱产业生产实际紧密结合的工程应用型学科。 近几年，该专业毕业硕士生，除有四分之一左右在国内外继续深造者以外，就业去向主要有研究院所、大公司的研究部门和外资企业等。 就业区域符合个人志愿，近年来留京工作的比例极大。 二、过程装备与控制工程专业考研方向：动力工程及工程热物理动力机械及工程是一个一级学科，属于工学范畴。 该学科以国民生产过程中的各种动力机械为研究对象，以动力机械新理论、新结构、新工艺等应用基础研究为依托，采用实验研究与数值模拟研究等手段，重点研究开发动力机械设备及其工程应用技术、提高运转效率、安全性能、减低噪声污染等。 此专业的毕业生就业面很广,主要集中在以下几个方面:(1) 电力系统设计研究院所、火力发电厂、热电厂、动力设备制造企业、高等院校以及有关能源、环保方面的公司和政府管理部门；(2) 流体机械、流体工程、电站运行管理、液压气动、航空航天、给排水、能源利用等行业有关的研究单位、公司、企业；(3) 汽车、发动机、船舶、摩托车、拖拉机、工程机械、发电、军用车辆、农业机械及林业机械等生产企业；(4) 在高等院校、政府管理部门从事研究、设计、策划、生产、教学和管理工作。 三、过程装备与控制工程专业考研方向：动力工程动力工程是研究工程领域中的能源转换、传输和利用的理论和技术，提高能源利用率，减少一次能源消耗和污染物质排放，推动国民经济可持续发展的应用工程技术领域。 它与人类的生产和生活密切相关，既有悠久的历史，又属于21世纪经济发展中的能源、信息、材料三大前沿领域之一。 动力工程是研究工程领域中的能源转换、传输、利用理论、技术和设备的工程技术领域。 其工程硕士学位授权单位培养从事能源转换技术、热工设备、动力机械的研究、设计、开发、制造及技术改造和技术攻关、工程管理的高级工程技术人才。 动力工程专业毕业生从事领域为:热力发电、冶金、发动机制造、锅炉及换热设备制造、工业炉窑制造、材料工程、石油化工、机械制造等。 四、过程装备与控制工程专业考研方向：机械工程 机械工程是一门涉及利用物理定律为机械系统作分析、设计、生产及维修的工程学科。 这学科要求学员对应用力学、热学、物质与能量守恒等基础科学原理有巩固的认识，并利用这些知识去分析静态和动态物质系统，创造、设计实用的装置、设备、器材、器件、工具等。 机械工程学的知识可应用于汽车、飞机、空调、建筑、桥梁、工业仪器及机器等各个层面之上。
云计算、大数据、人工智能这三者的发展不能分开来讲，三者是有着紧密联系的，互相联系，互相依托的，脱离了谁都不能更好的发展，让我们具体来看一下！一、大数据大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样捷径，而采用所有数据进行分析处理。 大数据的5V特点(IBM提出)：Volume(大量)、Velocity(高速)、Variety(多样)、Value(低价值密度)、Veracity(真实性)。 数据每天都在产生，各行各业都有，数据量也是相当之大，但如何整合数据，清洗数据，然后实现数据价值，这才是当今大数据行业的研究重点。 大数据最后要实现的是数据超融合，应用到应用场景，大数据的价值才会体现出来。 人工智能就是大数据应用的体现。 二、云计算云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。 云是网络、互联网的一种比喻说法。 过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。 因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。 用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。 对云计算的定义有多种说法。 对于到底什么是云计算，至少可以找到100种解释。 现阶段广为接受的是美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。 说白了，云计算计算的是什么？云存储存储的是什么？还是大数据！所以离开大数据谈云计算，离开云计算谈大数据，这都是不科学的。 三、人工智能人工智能(Artificial Intelligence)，英文缩写为AI。 它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是对人的意识、思维的信息过程的模拟。 人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。 人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。 但不同的时代、不同的人对这种复杂工作的理解是不同的。 人工智能其实就是大数据、云计算的应用场景。 现在已经比较火热的VR，沉浸式体验，就是依赖与大数据与云计算，让用户能够由更加真切的体验，并且VR技术是可以使用到各行各业的。 人工智能不同于传统的机器人，传统机器人只是代替人类做一些已经输入好的指令工作，而人工智能则包含了机器学习，从被动到主动，从模式化实行指令，到自主判断根据情况实行不同的指令，这就是区别。 大数据的概念在前几年已经炒得火热，但是也就是近两年才开始慢慢落地，依赖于云计算的发展，以及人们对人工智能的预期。
