太保壽險保費達1859.62億元同比增9% 財險增速至0.8%
2026-02-26 05:25 8,598次浏览杭州8月13日電 題：人工智慧的全球對話是競爭還是共生？ ——專訪國際計算機協會傑出科學家、西湖大學教授齊國君 作者 林波 曹丹 孫琳茹 當前，人工智慧(AI)正以「技術突破—產業融合—社會重構」的鏈式反應重塑人類文明。從基礎研究到場景落地，從實驗室創新到全球治理，AI已從單一技術工具演變為驅動經濟、社會、文化變革的核心引擎。2025年3月，國際計算機協會傑出科學家齊國君從美國返回中國工作，在西湖大學新組建「MAPLE實驗室」。 如何解讀中外人工智慧科研生態差異？人工智慧未來發展將如何跨越技術與倫理的邊界？人工智慧的全球對話是競爭還是共生？齊國君近日接受「東西問」獨家專訪，對此作出解讀。 現將訪談實錄摘要如下： 記者：您為什麼選擇回中國？ 齊國君：主要是從個人職業發展、大環境兩點考量。 每個人不同的職業生涯周期和階段，對支持資源匹配以及能發揮的場景需求各有不同。結合自身經歷，我認為在AI領域，目前還有一些基礎問題需要解決，且隨著AI基礎模型發展迭代，更多重要成果和產權影響力將在商業場景方面產生。 結合在美國工業界和企業界的工作經歷，從個人發展以及產學結合角度考慮，我認為回中國發展更為合適。 另外，從全球角度看，中美兩國能為AI發展提供良好平臺，中國在市場規模、人口基數、生態環境等方面具有優勢，在應用場景、國家支持力度以及對於產生具有很大商業價值和潛力的產品方面有很多有利條件。 而美國頭部公司如微軟、Meta、Google等在生態中主導性強，馬太效應明顯，新企業或個人在其市場覆蓋下難以脫穎而出，競爭壓力大。 當地時間2022年11月9日，人們在位於美國加利福尼亞州門洛帕克的Meta總部拍照留念。 記者 劉關關 攝 記者：如何解讀中外人工智慧科研生態差異？ 齊國君：美國商業化導向明顯。美國在科研上更多以商業化組織為主導，尤其在AI領域，大公司投入比美國聯邦政府層面更多。聯邦政府雖有計劃和研發機構牽頭項目指導，但整體以商業化組織為主。 AI領域經歷多輪周期，從2012年到2022年這一輪，美國商業化組織從資助技術研究開始，逐步尋找商業化途徑。從技術研究到探索規模化，再到商業化與應用研究，美國企業在技術研究上投入較多。 特別是高校科研投入方面，除美國國家科學基金會有投入外，美國軍方投入更多。早期美國的網際網路建設就得到軍方資助，很多高校經費源於此類政府機構。此外，高校與企業合作，多在人才和技術研究層面。 尤為不同的是，美國風投，特別是矽谷風投，對早期AI項目資助力度大。儘管其目前處於飽和投資狀態，即便知道投100個項目可能只有幾個成功，投資人也願意投入。 在中國，頭部IT企業如阿里、騰訊、字節等在AI領域投入大。同時，國家層面給予諸多支持，包括目標設定、基礎設施建設等，有總體規劃。 中國國內也有風投投入，但受晶片和基礎算力制約，投入成本高，為此更多關注應用類、能快速產生商業閉環的投資，創新企業多聚焦應用環節。此外，中國在風投退出機制上，如回購等有效方式方面，與美國存在差異，需進一步完善。 2025年7月26日，2025世界人工智慧大會在上海開幕。大會集中展示3000餘項前沿展品及100餘款「全球首發」「中國首秀」新品，規模創歷屆之最。 圖為青龍機器人在演示物流分揀。 記者 田雨昊 攝 記者：人工智慧未來發展將如何跨越技術與倫理的邊界？ 齊國君：目前沒有任何充分證據或科學共識表明AI會覺醒並產生自我意識，這更多是基於科幻的猜測。不過，AI發展確實帶來新挑戰，但新技術發展通常都會面臨類似問題，如網際網路技術發展過程中的盜版、不良信息傳播等。 在我看來，AI技術發展對社會總體正面作用遠大於負面作用，在生產力發展、應用場景拓展、就業門類創造、產業結構優化等方面有很大價值，且已出現很多正面案例。 譬如，AI大量應用於客服行業，提高了勞動生產率，雖給就業帶來壓力，但也創造了如數據行業等薪酬更高的新職位；在數字人、動畫製作、美術製作等創意類行業領域，AI取代了90%以上的重複性勞動，廣告行業和數據處理相關行業也發生很大變化。 2024年3月29日，四川成都，第十一屆中國網絡視聽大會現場，虛擬數字人亮相展區。 記者 王磊 攝 展望未來，AI對所有行業的勞動生產率提高產生很大作用，類似網際網路發展第一階段先提高勞動生產率，未來可能過渡到以AI為生態的新企業出現階段。 我預計未來5年內會出現以AI為原生的大型企業，可能對未來二三十年的經濟產生重要影響。 記者：人工智慧的全球對話是競爭還是共生？ 齊國君：我認為未來人工智慧的全球對話，既有競爭又有共生，但共生大於競爭。 AI領域速度競爭和開放競爭至關重要。 速度競爭上，AI行業與網際網路行業有共通之處，技術交流頻繁，難以長期獨佔技術。真正形成優勢的是規模效應，比拼的是速度和開放程度。誰能跑得更快，就能吸引更多用戶，獲得更多數據，使模型迭代得更快更好，形成正面反饋，即飛輪效應。飛輪一旦轉動，規模和影響力會不斷擴大。 如果模型僅在小範圍內使用，無法吸引更多用戶形成商業閉環，數據和用戶就無法增長，也就難以理解更多用戶意圖、使用場景，模型也就無法做得更好。所以AI發展要走向更開放，吸引更多用戶使用，以形成正面反饋。這也是AI的開放競爭。 但在我看來，成功的網際網路和IT企業必然是全球化或至少具有跨國影響力，中美網際網路和IT企業皆是如此。在此過程中，各方相互促進，形成共生關係。 例如在數據治理、AI倫理規範等方面展開合作，且AI產生巨大影響力時會作用於實體經濟和日常生活，其正面影響會溢出到全球範圍，技術也會共享。 學術交流促進共生。AI行業極為開放，大量新技術通過學術論文發表在學術期刊、會議以及公開的預印網頁上。大家藉助學術交流，推動知識傳播，分享新的技術思路。 像今年，DeepSeek宣布開源MLA解碼核FlashMLA、DeepEP代碼庫等。其新思路和算法很快在網上傳播，美國企業也借鑑使用。(完) 受訪者簡介： 齊國君。 受訪者供圖 齊國君，2005年畢業於中國科學技術大學自動化專業；2009年獲中國科學技術大學自動化系博士學位；2013年再獲美國伊利諾伊大學香檳分校電子與計算機工程專業哲學博士學位。他曾任IBM T.J. Watson研究中心研究員、華為美國研究中心首席AI科學家，並在39歲時獲得國際電子電氣工程師協會會士(IEEE Fellow)和國際計算機協會傑出科學家(ACM Distinguished Scientist)稱號。
今年11月，第十五屆全國運動會即將在粵港澳三地舉辦，全民健身熱潮持續升溫。然而，許多人在追求健康運動的同時卻忽略了關鍵一環——運動前的熱身準備。中山大學孫逸仙紀念醫院運動醫學科侯景義副教授提醒，科學熱身尤為重要，直接開始運動而不做充分熱身，不僅會影響後續運動的效果，還會增加運動損傷風險，甚至可能誘發心腦血管意外。 文/廣州日報全媒體記者徐依勵 通訊員房詩婷、劉文琴、黃睿 運動前熱身不到位 有四大健康隱患 不少人可能有這樣的感受：運動前沒有熱身好，運動時總覺得會限制發揮。其實運動前不做好熱身，還可能引發其他健康隱患。 一、易出現運動損傷：在冷啟動狀態下，肌肉與韌帶彈性較差，關節因缺乏潤滑和靈活性，更易出現肌肉拉傷、韌帶撕裂甚至半月板撕裂等嚴重後果。 二、心血管負擔較大：心臟若突然應對高強度供血需求，可能引發心率驟升、血壓波動，嚴重時甚至誘發心腦血管意外，威脅生命安全。 三、運動效率低下：未經熱身，肌肉和神經系統沒進入運動狀態，反應遲緩，不僅影響運動表現如力量、速度、協調性等，還會使燃脂效果大打折扣。 四、內臟不適：內臟器官未適應運動狀態時，直接運動可能導致腹痛、噁心等胃腸道痙攣症狀。 別讓錯誤拉伸拖後腿 高效熱身這樣做 拉伸主要分為動態拉伸和靜態拉伸兩類，二者在作用和應用場景上有明顯區別。 一、動態拉伸 方式：以主動活動關節和肌肉為主。 常見動作：如跨步+轉體組合、抱膝提踵、交替側弓步等。 特點：動作連貫，幅度、強度逐漸增大。 二、靜態拉伸 方式：將肌肉緩慢拉伸至有輕微牽拉感的位置後，保持15~30秒。 常見動作：站立體前屈、坐姿腿部拉伸、肩部拉伸等。 特點：動作平穩，強調在靜止中讓肌肉得到充分伸展。 侯景義提醒，在一次運動中，動態拉伸和靜態拉伸的安排順序很關鍵： 運動前適合進行動態拉伸。動態拉伸可以模擬後續運動的發力模式，增加關節活動度，促進血液循環，讓身體從靜止狀態逐步過渡到運動狀態，降低受傷風險。 例如：運動前，可先做1分鐘高抬腿，接著進行1分鐘弓步走，再做30秒手臂環繞，最後做1分鐘側弓步走。 運動後則應選擇靜態拉伸。靜態拉伸放鬆緊張的肌肉，改善肌肉的柔韌性和延展性，緩解運動後的肌肉酸痛，幫助身體恢復。例如，運動後，先做站立體前屈保持20秒，然後換坐姿做腿部拉伸，每條腿保持20秒，接著做肩部拉伸保持20秒，最後做貓式伸展保持20秒。 他建議，熱身時間應佔總運動時長的10%~20%，以輕微出汗或心率提升至最大值的60%~70%為宜，既能有效預防運動損傷，又能顯著提升運動表現，讓健身效果事半功倍。
免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。
春雨直播全婐app免费
「活动」首次登录送新手大礼包
- 软件大小: 942.56MB
- 最后更新: 2026-02-26 05:25
- 最新版本: v1.13.5.1
- 文件格式: apk
- 应用分类:ios-Android 小狐狸直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 5.85以上
客服热线：134-5638-8349
小白兔直播类似软件
猜你喜欢
18527
69
2026-02-26 05:25
15297
36
2026-02-26 05:25
73849
42
2026-02-26 05:25
35694
94
2026-02-26 05:25
47652
97
2026-02-26 05:25
45768
71
2026-02-26 05:25
63874
47
2026-02-26 05:25
18975
27
2026-02-26 05:25
69831
82
2026-02-26 05:25
47531
16
2026-02-26 05:25
84257
56
2026-02-26 05:25
84
53
12
53
17384
97