这是今年与会者参加世界人工智能大会（WAIC）最直观的感受。
而从科学家的角度，这种“阳春白雪”和“烟火气”的碰撞则有着更深的含义。
在AI从理论研究、应用技术到产业化推广的产业链条中，科学家居于最上游的位置。但近年来，越来越多的科学家从从学术界转向产业界。如何从产业界的角度思考问题，则是他们需要做出的最大改变。
而作为产业大会的WAIC，正是检验这种改变的试金石。
在WAIC，AI科技评论遇到了11位科学家。他们研究领域各不相同，但有一点相同的是，他们均与产业紧密相连，要么直接加盟某个企业，要么虽然人还在学术界，但与企业有着密切的合作。
在现场，这11位科学家分享了他们在WAIC现场的所见所想。在他们看来，
在人工智能领域在大数据、大算力、大模型等领域的研究进展依然令人印象深刻，但在WAIC上，这种“科技”正在转化为“技术”，科技公司们也俯下身段，以更接地气的方式，来讲解其技术对日常生活潜移默化的改变。
大象无形，大音希声。当大数据、大算力、大模型为代表的AI发展到了一定程度，反而使得人们难以察觉这当中的变化；而科技公司在AI基础设施建设上的下沉、AI与产业的进一步结合，这也正是在这届WAIC上，观众感觉炫的技术和应用少了的原因。这也是AI发展的一个新阶段：如果说几届WAIC上，AI更多的是一种“自上而下”的驱动范式，通过酷炫的研究成果，拉动普通用户对AI的关注；而这届WAIC更多的是从应用出发的、“自下而上”的推动方式。这也给科学家们提出了新的问题：他们所关注的，不仅仅是人工智能从感知走向决策在研究方法上的改变，更要关注这种驱动范式的转换对他们研究价值评判所造成的影响。当科学家开始关注市场，他们或许也因此能看到更多的东西——这正是人工智能又一次飞跃的机会。
微众银行CAIO杨强：科学家要能说清楚自己做的工作在整个产业链条里面的位置
相比起学术会议，世界人工智能大会有很多新的特点，比方说有很多落地应用的案例，而且更强调这些案例，我觉得这个是一个好处，对于科学家来说，应该更关心人工智能和实际应用的这种交汇，同时，科学家要能说清楚自己做的工作，在整个产业链条里面的位置，而不是仅仅追求准确率、错误率这样的比较抽象的指标。
我觉得今年世界人工智能智能大会有好几个亮点都特别有意义，第一个是更加国际化，我们在开幕式就看到很多IJCAI的理事会的成员来自世界各地；另一个亮点就是AI的社会责任，比方说隐私计算，这次被多次提到并且有专门的track在讲，然后呢，还有就是AI的社会责任也在以不同的panel的形式出现，不管是科学家还是产业都越来越多地意识到人工智能本身的一些不足，如何来弥补这些不足也成为一个热点。
还有一个特点是更多的年轻人参加，尤其这一次，IJCAI和上海人工智能协会包括WAIC上举办了一个IJCAI YES的青年学术会议，有几百个年轻的科学家和产业的带头人都来参加。同时IJCAI与WAIC深度合作，不仅在WAIC开幕式亮相，还成立了一个永久的办公室。另外在7月9号还举办了一个IJCAI的WAIC的晨跑活动，有WAIC的参与者和领导来参加，这都是WAIC国际化和社会化的一个标志。
京东人工智能研究院常务副院长何晓冬：AI 能够带来实际的生产力进步
跳出单点技术的改进来看，今年 WAIC 的一个新亮点是有很多行业+AI的展览，比如交通银行的展台，展示了AI能够带来实际的生产力进步。自2016年AlphaGo带给公众的冲击以来，在过去5年，我们看到AI学术界的蓬勃发展，涌现出很多新算法。而未来5年，将是技术大规模落地产业的窗口期，相信更多的亮点会在跨领域技术融合和产业落地上涌现。
事实上，普通大众可能更容易关注到单点的AI技术，如语音识别、语言理解、图像识别与生成等，但对高复杂性的问题认识不足。以人机对话与交互为例，一般人只看到语音识别，或者进一步到语言理解，但其实对话的本质是对话双方的连续博弈和决策，只把语音识别当作对话的核心技术就像把图像识别当作围棋AI的核心技术一样片面，也不能真正解决问题。从这点来看，新的机遇在于从更高的层次来看AI的发展，关注更本质的技术问题，聚焦更复杂的大系统。
在今年的WAIC上，京东展出了许多AI产品与服务，其中最值得介绍的是京东智能客服言犀打造的“数字银行柜员”，该解决方案融合了前沿的智能语音、智能对话、及虚拟数字人技术，结合金融领域知识和行业know-how，在各个客服、营销、投顾等场景为客户提供高效率高体验的智能服务，可以实现自主应答、主动服务、质检与合规、智能工作台、员工培训、客户洞察等全流程服务。
科大讯飞A.I.教育研究院院长王士进 ：科学家应该更加侧重对人工智能应用的介绍和理解
从大会的主题就可以发现，从最开始的“人工智能赋能新时代”到如今聚焦城市发展，这代表了人工智能产业化应用越来越深入，参与其中的玩家趋于理性和成熟。
同时，安全的挑战也越来越大。去年WAIC，中科院院士姚期智就在开幕式上强调“将人工智能与‘多方计算’技术相结合，有望实现对数据的隐私保护”。今年大会中不少参与嘉宾提到了隐私计算这一技术。可以预见，隐私计算将迎来爆发式的研究和应用，其对于隐私保护乃至国家安全有着重要的意义。
在今年的WAIC中，智能驾驶是着重展示的概念之一。作为人工智能、新一代通信技术与传统汽车技术跨界融合的新兴产物，智能驾驶技术的落地量产和商业化越来越值得期待。
当下国家推行建立以需求为导向的科技成果转化机制，科技创新上升为国家战略，在这一背景下，科学家需要更加关注支撑经济社会发展的战略性、基础性、先导性产业，着力解决“卡脖子”难题。人工智能应用从过去的纸上谈兵或炫技，趋于实用并服务于国家战略需求，我认为这可以说是学术界发展进步的一种表现。
在这个多元化行业的大会中，科学家应该更加侧重对人工智能应用的介绍和理解，特别包括探索和阐述新场景下的新应用，以及成熟应用中的新问题是如何得到解决的，可以包括探索的尝试和规划化的数据验证。比如在此次大会“AI赋能教育数字化转型论坛”中，我向参会者重点介绍面向因材施教场景的智慧课堂和个性化学习应用产品，剖析人工智能技术对教学模式的变革以及产品的迭代发展。
哈尔滨工业大学人工智能研究院院长刘劼：人工智能要落地，评价标准是效益
人工智能每一次兴起，人们都会憧憬它具有取代或者超越人的能力，但“繁华落尽”，人们就会发现，人工的智能跟真正的智能相差甚远。这种理想与现实的差距，其实也是导致前几次“人工智能寒冬”的原因。
今年的世界人工智能大会相对务实，表现在两个方面，一个是泡沫在被慢慢的挤掉，憧憬、讲故事、画大饼的东西越来越少；另一方面人工智能的一些非常显著的进展，包括大模型、超大规模算力等，新闻报道甚多，让大家觉得有点儿审美疲劳。
人工智能最终要落地，评价标准是实质的效益。有人说数据是新石油，也有人说人工智能是新电力，无论怎样，这些“电”必须能够落地。类比电灯、电话、电梯，只有打造出物联网或者实体智能，才能让人工智能真正走进千家万户，赋能各个行业奔向美好未来。
今年是大会第一次在国内有分会场，我们承办哈尔滨分会场，即突出了哈尔滨特色，也突出了和上海的互动，希望大家更多关注哈尔滨人工智能学术和产业的进展。
上海交通大学安泰经济与管理学院助理教授李春晓：学术明确方向，产业认清边界
我听到很多声音在喊“人工智能到了该反思的时候了”，毕竟这波AI浪潮持续了这么久，确实需要我们梳理一下，哪些理论没有跟上，哪些理论走在了前列。2021年，无论是对于学术界还是产业界都是反思、批判的好契机。
现在的人工智能，以深度学习为代表的技术只是在初级阶段，在某些特定领域很“聪明”，但不代表“通吃”所有领域。因此大家应该明确这个边界，不要造成“AI在哪都能打”的误解。之前的每一次AI浪潮退却，不正是源于这种误解？
当前的人工智能还是以感知为主，而在实际场景下，却需要感知和认知相结合，因此，学术界的研究趋势应该是：在扩展感知层研究的同时，积极探索认知理论的研究。
产业界其实有些事情也没有搞清楚，例如：1.没有明确哪些场景适合用AI来处理；2.没有明确AI不能处理哪些场景。另外，还有一些基本事实，我想提醒一下：知识图谱只能解决一部分认知问题；深度学习不是什么都能干。
从政府对人工智能的扶持力度上能感觉到，中国是个积极拥抱技术的国家。但这次世界人工智能大会也能看出一些“偏好”：更多的强调应用，科学强调太少。只有科学前进，才能用技术解决行业痛点，帮助我们实现美好生活。
明略科技深度学习实验室负责人唐大闰：AI行业未来能够重复计算机行业的辉煌
这届WAIC上有两个新趋势值得关注，一是 AI赋能，除了感知之外更需要“认知”的加入，二者结合才能辅助甚至代替人类做出决策；二是 AI硬件国产化，自主化有遍地开花的趋势，但是作为资产、智力密集型产业，众多小公司都可能只是先烈。
从今年的世界人工智能大会可以看出：虽然智能无处不在，但距离能够延伸人类的智力辅助决策，依然有着不小的距离；AI算力硬件厂商多方寻求合作，但想要突破国际巨头（NVIDIA）依然困难重重。
AI行业在发展前进，民众甚至资本都希望有能够切实感知的落地案例、场景、产品，才能延续对AI产业的信心。AI公司也必须拿出接地气的成果，才能证明自己在这个领域持续前进且占据了一席之地，这就是所谓的“不阳春白雪”了。既然向民众普及了AI的概念与趋势，就要应对大家对AI能够改变工作与生活的期望，这个过程在计算机普及的十几年间已经重复过一次了，希望AI行业也能够重复计算机行业的辉煌。
AI发展不光要关注学术前沿和技术落地，还需要关注人才。今年大会，人才培养有关的话题被提到了一个前所未有的重要位置。5场主题论坛活动，涵盖青少年、产业人才、创新人才、青年科学家的培养。
AI赋能各行各业，需要的是全民人工智能思维普及和素养提升，每个人都需要尽早认识到AI技术在自己从事的职业、专业中产生的价值。今年会场中能看到很多小朋友的身影，甚至有小学生组团来参观，“人工智能从娃娃抓起”已经初现成效。
AI核心技术的突破更离不开顶尖人才，对创新人才、科学家的培养已经有了模式上的创新和政策的支持。在“天才”出现比例恒定的情况下，我们要扩大人才基数，才能让中国在人工智能竞争中保持领先地位，率先进入强人工智能甚至超人工智能时代。
中电金信研究院副院长单海军：人工智能技术的发展从技术驱动走向市场驱动
WAIC2021有几个明显的观感，用几个关键词总结就是：市场、安全和改造。
一是人工智能技术的发展从技术驱动走向市场驱动，AI领域的公司已经从关注前沿技术和探讨场景落地的可能，发展到了围绕具体场景推出成熟的解决方案。本次展览有大量国内的AI创业公司，覆盖芯片、AI平台到AI算法到智能业务，显示出市场的火热和务实；
二是数据安全和隐私保护已经成为新的行业热点。从专题分论坛看，隐私计算学术交流会、可信AI论坛等均成为关注热点；各大厂商如蚂蚁集团、京东等也推出了解决方案。相信在政策和技术的推动下，会成为未来几年人工智能领域的重要业务。
三是传统行业厂商已经开始大量接触“AI”，施耐德电气、国家电网、上汽等在产品和业务中已经大量使用AI技术，表明了AI技术的新一轮普及和对行业的改造正在深入中。
中电金信还参与了IJCAI和WAIC共同举办的学术会议IJCAI YES，我们是这个学术会议的钻石赞助商。AI的学术研究和产业的结合日趋紧密，我觉得无论是学术界也好，工业界也好，未来肯定在于年轻人，所以说办年轻人大会就是多给这些年轻人一些展现的舞台，多给他们一些合作的机会，能更好地促进我们AI学术界这些年轻人的发展，大会的意义就在于此。
华为诺亚方舟决策与推理实验室主任郝建业：感知AI走向落地，但决策AI投入仍不够
近两三年AI技术的发展相对来讲比较平缓，从历史来看所有技术方向都会经历相对比较平缓的阶段。在这个阶段，更需要关注技术前后端和平台系统的完善，从而让技术更好的沉淀、落地。
从这个角度来讲，这一届大会整体内容感觉更加务实，注重AI技术落地背后的软硬件平台及安全、伦理等问题。如果没有相关的配套软硬件，包括大环境的支持，那么一项前沿技术可能只是一个空中楼阁。
从AI技术演进来讲，大型预训练模型还算是比较新鲜的事物，目前也仍只是少数公司或科研机构才有足够的算力来支撑，面向NLP和CV的大模型如何在未来大规模落地也是需要工业界持续探索思考的问题。面向未来，除了感知、认知之外，更重要的是决策方向。这方面的主流技术是强化学习，目前离大规模落地还有一定的距离。对于大众而言，对这块技术的了解相对来讲比较少。有必要通过这种大会进一步去扩大非AI人士对决策智能方面的理解，从而更多加大在决策智能方面的投入。
此外，WAIC和一般的学术会议不一样，参会人背景非常多样化，包括各个行业的专家、企业家、政府人员。我建议科学家或研究者多分享自己在研究方向上的观点，比如AI技术对整个社会的发展有哪些影响？AI的大方向应该往哪些具体的角度演进？包括AI安全、伦理和可解释性等等，而不是去展示前沿科技的复杂技术细节。
复旦大学计算机科学技术学院教授黄萱菁：阳春白雪不应当是AI大会的目的
会议的AI感是越来越强了，但亮点是可遇不可求的。以AI顶会的最佳论文为例，预训练模型先后获得了NAACL 2018、NAACL 2019、NeurIPS 2020的最佳论文。但这是特例，更多顶会的最佳论文仍然是渐进的突破，而不是颠覆性的成果。
或许我们可以关注一些尚未产生充分先进成果的话题，也许这就蕴含着未来的亮点，比如负责任的AI、环境友好的AI、脑机接口等。
WAIC的会展覆盖上层应用到底层架构。人气虚拟偶像、自动驾驶导览小巴、低空配送无人机网络等应用固然热闹，底层AI平台更是精彩。多家企业发布了超大规模预训练模型，把中文自然语言处理推向了新的高度。期待在国产AI平台的助力下，国内人工智能研究、应用和产业落地能更加辉煌。
我觉得AI大会必须肩负一个使命，就是把最新的学术界进展、最有潜在价值的工业界落地应用介绍给媒体、监管、大众，使人工智能走进人心，走进生活和工作，更接地气。阳春白雪不应当是AI大会的目的。
WAIC虽然强调AI技术的落地应用，但也同样吸引学术界的眼球。此外，除了互联网、人工智能业界人士之外，还有许多来自制造业、金融业的观众。科学家如果希望在WAIC更好地展示自己，建议学习一些技巧，比如”如何做好一个TED演讲”，不要试图向普罗大众介绍整个研究领域，而是设计引人入胜的开场白，把内容细节化，把故事讲好。另一个思路是采取灵活多样的表现形式，比如在AI TIME组织的“图神经网络与认知智能前沿技术论坛”的圆桌讨论中，就设计了有争鸣性的问题，让嘉宾各抒己见，碰撞出思想的火花，同时鼓励观众提问，收到了很好的效果。
阿里巴巴达摩院人工智能科学家杨红霞：预训练技术走向商业落地是一大惊喜
人工智能已经在“听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能被认为是迈向下一代人工智能的关键性突破，超大规模预训练模型被认为是认知智能的基础设施。
NLP的预训练领域自BERT以来，规模从小到大，模型从文本到多模态，呈现如火如荼的发展态势。这些研究以多种多样的角度进行创新，涌现了很多令人激动的成果。在众多研究中，尤以OpenAI的GPT3和DALL-E引人注目，显现出了更强大的语言能力、逻辑能力和跨模态理解能力。
国际上Google、微软（OpenAI）和NVIDIA陆续突破了万亿参数规模，国内目前北京智源研究院和阿里巴巴达摩院相继开发了万亿级别参数的预训练模型，实现了强大的、通用的多模态编码器和生成器，甚至已经实现了部分场景的商业化落地，同时我们发现随着参数规模的增大，预训练模型展现了一定的推理认知和创造力。
可以预测，预训练技术的出现，为软硬结合、新的商业化模式等都带来了巨大的机遇。这是WAIC让我非常惊喜的地方，并期待在未来能有更多的基础领域技术的落地。
中科院自动化所研究员王金桥：科学家要从碎片化场景凝练共性需求，设计更通用模型
话题创新和酷炫的演示并不能解决AI变现的问题，反而AI更务实了，不再To VC地宣传了。模型和算法正在向着场景深处的细枝末节来渗透，越来越与实际业务贴合，从点线面形成数据-场景和SaaS服务的闭环，也就是更加了解场景的Know How。我认为这也是一种进步——让AI照进现实。
AI公司对细分场景从算法的输出转变为提供整体的解决方案，场景越来越细分，同时场景也越来越内卷，传统的企业开始布局AI，从而加剧了细分行业竞争。
AI的酷炫的光环正在褪去，强调新方法的论文、酷炫的demo往往跟实际的应用场景的需求有一定的鸿沟。大家讨论AI的时候越来越接地气了，不再说“多少个博士、多少篇Nature论文”了。
另外，AI作为基础设施，特别是预训练大模型的出现，智能计算中心的出现，也会改变当前AI的一个模型、一个算法的研发模式，“多模态+大模型+多任务”成为一个重要的方向。随着大模型的发展，数据的爆炸性增长，人工智能正在成为新的生产力工具，算力已经成为生产力，数据成为新的生产力资料，城市级的智能计算中心将成为支撑智能城市的一个重要基座，推动城市数字化和产业的智能化升级。
作为科学家，应该通过这个大会跟行业场景的专家进行交流，从两个方面来介绍自己的科研方向：一方面是场景与AI结合的创新，深入到细分场景中去解决AI的应用问题，从模型、硬件和算法等多个方面系统性地分析，通过一线的实践去解决真正的问题；另一个方面是，从碎片化的场景中去凝练一些共性的需求，结合当前的技术发展，来更好地设计通用的模型，增强模型的泛化能力。
雷锋网雷锋网雷锋网(公众号：雷锋网)
雷锋网特约稿件，未经授权禁止转载。详情见。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/139105.html
