人工智能技术的迅速发展不仅大大提高了效率，同时也推动了许多创新模式的诞生。可以说，AI正以不可阻挡的势头重塑各行各业。而这一系列变革背后，不仅是技术的革新，更是未来生产力与智慧融合的时代序曲，预示着一个充满无限可能的新纪元。

相较于先前1.0时代，如今的AI 2.0时代有何特点？

在未来，人工智能领域的发展方向与趋势是什么？

⼤模型如何赋能⼈⼒资源行业实现能力跃迁？

商汤科技董事长兼CEO徐立在2024HRoot中国人力资本发展大会发表的精彩演讲，欢迎扫码观看~

 以下为徐立的部分精彩观点：

前不久，2024年诺贝尔奖评选结果出炉，AI可以称得上是最大的赢家。物理学奖被授予两位科学家以表彰他们“基于人工神经网络实现机器学习的基础性发现和发明”，而化学奖被授予三位在蛋白质设计和蛋白质结构预测领域作出的贡献的科学家，他们开发的AlphaFold2人工智能模型，能够预测大约两亿种已知蛋白质的复杂结构，并且已被全球200多万人使用。

2012年，是人工智能走入现实世界的一个重要时刻，我将其称为ImageNet时刻，随着深度学习的研究和应⽤集中到计算机视觉，AI 1.0感知智能时代拉开序幕，彼时的主要特点是以单一、专一的任务解决数据处理的问题，这也是如今各行业中通用人工智能能力的基础。而后随着⼤模型引发全新范式，模型参数数量迅速增长，处理能⼒和泛化能⼒显著提升。尺度定律（Scaling Laws）被发现并成为指导人工智能发展的基本法则，AI 2.0生成式人工智能时代的大门渐渐被打开。

AI 2.0时代共有三个重要的标志，首先我们来说ChatGPT时刻。ChatGPT我们都非常熟悉，自2022年11⽉推出以来其⾃然语言的交互模式就展现出惊人的潜力。到今年9⽉，它取得了里程碑式成就，访问量⾸次超越微软必应搜索引擎。可以说ChatGPT时刻不仅标志着⽣成式AI进入大规模应用阶段，更验证了尺度定律的核心内容。在人力资源领域中，通过⾃然语⾔的新交互可更⾼效的完成HR招聘任务，许多模型已经被运用于招聘亦或是面试的人才发现场景中，通常来说AI招聘助手可帮助⾯试官产能提升40%以上。

向前进一步发展的是GPT-4o Sora时刻，随着Sora、DALL·E等产品的推出，尺度定律得到进⼀步的验证，而且不仅适⽤于语⾔模型，在文本生成图像、视频等跨模态生成任务中同样奏效。在人力资源领域中，在人力资源领域中，多模态⼤模型驱动可完成HR⾳视频⼀体化的⾯试任务。

OpenAI-o1时刻又是一个全新的阶段，过往的模仿虽然很强⼤，但并不是真正的推理。OpenAI o1推动⽣成式AI进⼊全新推理Scaling Law竞赛，从⼤规模预训练集群的世界⾛向推理云。为模型提供的推理时间（或“测试时间”）计算越多，其推理效果就越好。在人力资源领域中，⼤模型的“慢思考”能实现HR人才盘点等复杂任务的处理。在企业日常的组织规划发展场景中，各类AI人才盘点工具能够通过数据分析精确描绘员⼯的综合能力画像，实现精准⼈岗匹配。

事实上，在人工智能整体的发展过程中有一个非常重要的要素贯穿了始终——底层的算力，现在无论是模型的大规模生产亦或是模型的全方位应用无不很大程度地依赖于算力。在发展初期，对于算力资源的消耗确实并没有那么大，研发人员或者说是人才是最重要的资源，而如今算力已经取代人成为最重要的资源。在算力成本大规模下降的情况下，它的边际效益就会非常高，同时也能够解决整个社会技能升级的核心问题。因此，包括商汤、微软、xAI、甲骨文等在内的人工智能企业甚至更高的国家层面都已经开始前瞻性地布局人工智能大装置，为提供丰沛算力奠定基础。

诚如英伟达CEO黄仁勋所说的那样：“过往的10年，英伟达所做的最重要的事情是把算力的成本降低了100万倍。而之后的10年，英伟达的使命则是把算力的成本降低到下一个100 万倍。”

我在18年时读过一本名为《预测机器》（Prediction Machines）的书籍，里面提到一个观点：当行业的重要生产要素成本大幅度下降的时候，就会产生改变世界的力量。书中以电力成本下降致使电气时代到来、通信成本下降致使通信时代到来等例子加以佐证。

最后，我想以图灵在1951年说过的一句名言作为结尾，这句话后来也被印在了50元英镑钞票的背后：“这不过是将来之事的前奏，也是将来之事的缩影”。我们必将见证通用人工智能时代的到来！