西湖夜遊觀光巴士周五發車
2025-11-06 15:59 6,286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。
唐傳豔 伴隨網際網路醫療蓬勃發展，線上購藥因便捷高效已成為不少患者的新選擇。然而，據《法治日報》報導，部分電商平臺處方藥銷售亂象頻發，嚴重威脅消費者用藥安全。在多家電商平臺網售處方藥過程中，患者無須上傳病歷、處方等資料，醫生在缺乏實質性醫療評估的情況下「秒開」處方，甚至存在「先藥後方」現象。 線上「秒開」處方看似提升了購藥效率，實際上卻將用藥的巨大風險轉嫁給了患者。正規診療流程中，醫生需要綜合病史、體徵、檢查數據等多種信息，才能制定個性化的用藥方案。但當前某些平臺的醫生僅憑患者自主填報的信息就開具處方，既無法核實病情真實性，更難以評估藥物相互作用風險。更令人擔憂的是，部分高警示藥品如降糖藥、麻醉藥也成為「秒開」的藥品，患者一旦誤服或過量服用，可能引發低血糖、呼吸抑制等嚴重後果。 治理這種亂象，監督與打擊必須毫不手軟。現行《藥品管理法》明確規定，處方藥必須憑執業醫師處方銷售，網際網路醫院則需遵守《網際網路診療監管細則》中「醫師需親自診查、不得人工智慧自動生成處方」等剛性要求。監管部門應建立跨平臺處方數據比對機制，對頻繁開具異常處方的醫師和帳號實施熔斷處罰。同時，需完善「行刑銜接」機制，對造成患者傷害的違規開方行為，依法追究醫療機構、平臺、醫師三方連帶責任，讓違法成本遠高於非法收益。 築牢技術防線，是治理線上處方藥亂象的關鍵抓手。可建立生物識別體系，在問診環節強制實施人臉檢測，確保醫師與患者身份的真實性。此外，還要建立和完善處方存證平臺，將診斷記錄、用藥方案、患者反饋等數據上傳備查，實現全流程可追溯。針對高風險藥品，應設置AI二次審核系統，自動比對患者歷史用藥記錄與新處方，觸發人工覆核機制。這方面的技術已成熟，關鍵在於平臺是否願為公共安全投入成本。 治本之策則在於糾正錯誤觀念、重塑行業生態。醫療主管部門需建立醫師線上診療能力認證體系，將問診響應時間、病歷完整度等指標納入考核與監督，對長期敷衍了事的線上醫生及其所在平臺實行淘汰制。此外，不妨將用藥安全和網際網路診療的特性等內容，納入公民健康素養教育體系，提升公眾對處方藥和線上診療特殊性的認知。只有線上醫生普遍更加珍視執業聲譽，平臺更加注重自身責任並強化內部監管，患者自覺抵制「處方藥隨便開」等亂象，方能形成全社會共防共治的局面，為這一亂象釜底抽薪。 網際網路醫療還處於早期發展階段，線上「秒開」處方藥亂象也還處於初病時期。有病得早治，若等變成頑疾再去治理，難度就會更大。也唯有儘早根治這一亂象，方能進一步守護好民眾的生命與健康安全，也促進網際網路醫療持續健康發展。
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。
小猫咪视频
「活动」首次登录送新手大礼包
- 软件大小: 643.97MB
- 最后更新: 2025-11-06 15:59
- 最新版本: v18.7.10.5
- 文件格式: apk
- 应用分类:ios-Android 青草直播
- 使用语言: 中文
- : 需要联网
- 系统要求: 7.87以上
客服热线：137-3475-3918
39
58671
59
65139
78
2025-11-06 15:59
94756
38
2025-11-06 15:59
82615
79
2025-11-06 15:59
84567
14
2025-11-06 15:59
48392
36
2025-11-06 15:59
14857
25
2025-11-06 15:59
68249
29
2025-11-06 15:59
89341
57
2025-11-06 15:59
71354
79
2025-11-06 15:59
78
32481
31
34678
68
25
83
38721
