機器之心報道機器之心編輯部時在中春 陽和方起。3 月 23 日 時在中春，大咖論道：機器之心AI科技年會乾貨集錦在這裏 - 趣味新聞網

機器之心報道

機器之心編輯部

時在中春，陽和方起。3 月 23 日，機器之心 AI 科技年會以綫上直播方式成功舉辦。

在這次活動中，我們設置瞭人工智能論壇、AI x Science 論壇和首席智行官大會三場論壇，並邀請到瞭 30 位重量級嘉賓，圍繞多個當下最具討論價值的議題進行瞭充分的交流。

雖然未能綫下相聚，但大傢熱情不減：活動當天，直播觀看人數共計 26000 餘人。各位嘉賓的精彩討論與觀點，也引起瞭在綫觀眾的熱議。

精彩紛呈，12 位嘉賓論道人工智能論壇

作為人工智能論壇首位齣場的嘉賓， 鄭緯民 院士分享的主題是《FABS：人工智能、大數據與科學計算融閤的計算模式》。

近年來，智能計算正在加速與傳統的科學計算融閤，在蛋白質結構預測、天氣預報以及分子動力學等方麵都取得令人矚目的進展。AI 和科學計算都依賴於數據處理，但現有智能 + 科學計算（AI-HPC）係統主要采用 MPI+X 的編程模式，錶達數據處理任務復雜，而加入一套數據處理係統如 Spark 或 Pandas 又麵臨係統復雜性、性能或成本方麵的挑戰。此外，MPI+X 的容錯能力相對較差，依賴全局檢查點和重算技術，在係統規模擴展到 E 級和後 E 級時，全機平均無故障時間僅有數小時，對機器的有效使用提齣重大挑戰。

因此，始終缺乏一種能有效錶達 HPC+AI+BigData 的編程方式。基於此，鄭緯民院士提齣瞭人工智能、科學計算與大數據處理（FABS：Fused AI, Big Data and Science）融閤的計算模式，通過統一的張量抽象和編譯優化技術，同時為這三個領域提供瞭易編程、高可用、高性能的編程模型和計算模式，將為大規模 AI+Science 的發展提供重要的工具。

接下來，前微軟 AI 首席科學傢、城堡基金首席人工智能官 鄧力 分享瞭他在語音語言、金融投資、綫上教育和健康醫療方麵的實踐經驗。近年來，包括深度學習在內的人工智能技術已經徹底顛覆瞭全球的語音識彆和自然語言處理行業，也對金融投資行業帶來瞭巨大衝擊，並且得到瞭初步的傑齣成果。除此之外，在綫上教育、醫療健康等其他領域，基於深度學習的自然語言處理技術也正在成為主流方法。

為瞭取得更廣泛的成功和應用，有幾項技術上的挑戰亟待解決，比如模型的預訓練和自訓練、如何做遷移學習等問題，這些問題的解決對於少樣本和高噪聲標注數據相關領域的進展會很有幫助，比如醫療和金融行業。鄧力指齣，另外一個很大的挑戰來自對抗式學習，即針對多智能體的對抗式的深度學習，以股票預測為例，在股票市場的統計分布上，今天和明天可能非常不一樣。為瞭要解決對抗性競爭的問題，這一領域的技術還需要更多的進展。

杜剋大學電子計算機工程係教授 陳怡然 的分享主題是《高效人工智能係統的軟硬件協同設計》。過去的 100 年裏，計算能力呈現齣指數增長的趨勢，蘊含著無限的可能。關於人工智能的計算平台分為很多種，但不管是 GPU、FPGAs、ASICs 還是其他新型架構，基本遵循瞭同樣的原則：更高效，或者需要更長的時間；更專業，或者更靈活，實際上很難在多個維度達到統一。

麵對這樣的矛盾，多年來，陳怡然教授的團隊做瞭很多相關研究積纍，從 2012 年開始研究不同硬件上的錶達，到後來做架構設計、分布式的設計，甚至到自動化的設計。同時，陳怡然教授也指齣，全棧高效人工智能係統設計中還存著很多機遇和挑戰，很多方嚮的工作還需要更深一步的研究。

隨後，螞蟻集團金融機器智能部總經理 周俊 進行瞭主題為《可信 AI 在數字經濟中的實踐與探索》主題分享。

周俊介紹，如果將數字經濟比作一棵樹，樹乾中的人工智能 (AI)、大數據、雲計算等技術，構成瞭數字經濟的核心，起著承上啓下的作用；樹根中的隱私、安全等因素，決定長勢以及未來；樹乾跟樹根必須緊密融閤，纔能枝繁葉茂，其中 AI + 隱私、AI + 安全等成為當下亟需突破的方嚮。而可信 AI 技術理念將是數字時代抵禦風險，提升科技包容度的關鍵能力之一，該體係目前在隱私保護、可解釋、對抗等技術方嚮上，已有不少的研究突破和落地，也依然任重道遠，需要持續投入。

在圖機器學習方嚮，螞蟻集團提齣瞭圖學習係統 AGL，可支持工業級規模的圖數據結構，助力交易風險識彆；在公平性方嚮，提齣瞭 SMEs(中小企業) 信用評分，通過圖學習，融閤多源信息，挖掘潛在的復雜模式，助力中小企業享受金融服務；在可解釋性方嚮，提齣瞭模型無關的可解釋方法 COCO，通過信息加權進行有限擾動得到反例樣本，然後通過度量反例樣本，計算測試樣本的特徵重要度，來給齣任意模型的可解釋性；此外周俊分享瞭螞蟻集團將分布式機器學習與密態計算相結閤提齣瞭隱私保護機器學習方法 CAESAR，可進一步在增強信息保護強度情況下，提升計算效率並降低通信量。周俊最後總結，圍繞隱私保護、魯棒性、可解釋性、公平性構建的可信 AI 技術理念，將持續推動提升人工智能技術在數字經濟場景中的透明度、友好性，讓決策更智能，使得數字經濟深度智能化。

隨後，創新奇智 CTO、聯閤創始人 張發恩 介紹瞭創新奇智在人工智能技術落地商業化方麵的工作，包括視覺相關和結構化機器學習的技術，以及創新奇智打造的 MMOC（MenuVision、MatrixVision、Orion、Cloud）平台。

在上午的最後一場演講中，IDEA 研究院工程總監、AI 平台技術研究中心負責人 謝育濤 分享瞭對學術研究工具和新型科研生態的思考。新技術浪潮下，科研生態中各個節點都有很大的優化迭代空間。謝育濤以論文社區 Readpaper 為例，為本次論壇觀眾展示瞭一個高效而專業的新型學術社區。其中論文搜索、文獻管理及閱讀和學術交流小組等功能已成為早期用戶的科研利器。

在最後環節，機器之心 Pro 對即將於 4 月份發布的新一年度《全球 AI 技術趨勢發展報告》的部分內容進行瞭簡要解讀。目前，機器之心《2021-2022 全球 AI 技術趨勢發展報告》項目組已基本完成對 11 個國際頂會收錄的學術文獻、數百個近年知名數字化轉型及科技創新項目、近百個 AI 開發工具的數據分析等基礎工作，並結閤定嚮專傢訪談完成瞭大部分的基礎研究工作。

在下午的論壇分享中，FATE 聯邦學習開源社區技術委員會主席 楊強 首先帶來瞭「可信聯邦學習」的主題分享，係統迴顧聯邦學習的進展和挑戰，並展望瞭幾個重要發展方嚮。

楊強指齣，今天的 AI 依舊存在過度依賴中心化數據的瓶頸。在真實世界中，數據往往錶現齣多源、分散、變化大等特徵，隱私計算技術的發展和應用也愈發引人關注。其中，可信聯邦學習具備安全可證明、性能可使用、效率可控、決策可解釋、模型可監管、普惠等特徵。近兩年，聯邦學習被納入 Gartner 技術成熟度麯綫（全球科技新動嚮最具參考價值的報告之一），處於技術創新萌芽期的聯邦學習正受到越來越多地關注，成為下一代隱私計算發展的關鍵。

全球首個隱私計算、聯邦學習開源社區 FATE 也隨之誕生，目前，FATE 已經吸引瞭 3000 + 工程師與開發者，800+ 傢企業機構，350+ 所高校參與，並纍計收獲瞭 3200 GitHub Star。中國信通院調研統計顯示，55% 的國內隱私計算産品是基於或參考瞭開源項目，其中以 FATE 開源項目為主。

創新工場首席科學傢、瀾舟科技創始人、中國計算機學會副理事長、國際計算語言學會原主席 周明 的分享主題為《認知智能的創新時代》。他介紹瞭瀾舟科技的新一代認知服務引擎計劃包括輕量化預訓練模型以及自然語言理解和生成的進展、分享關於它的未來發展趨勢以及商業落地的觀點。

當前，AI 正由感知智能快速嚮認知智能邁進。AI 正在從能說會看，走到能思考、迴答問題，走到決策和推理。麵嚮認知智能的發展趨勢和産業背景，創新工場孵化的瀾舟科技提齣瞭孟子新一代認知服務引擎研究計劃，目標是研究認知智能的核心任務，用認知智能技術促進行業數字化轉型。瀾舟科技研製瞭孟子輕量化預訓練模型，以及建立在其上的先進的機器翻譯、文本生成和行業搜索引擎，並通過開源、SaaS 和訂製等方式賦能行業客戶。

周明指齣，未來十年，AI 將從感知智能跨越到認知智能，造福人類社會。今後的發展方嚮，一方麵是沿著預訓練的延長綫，解決模型蒸餾、壓縮、輕量化模型核心技術，減輕數據偏差和隱私帶來的問題；另一方麵，還需要在算法上解決一些重要問題，包括神經網絡係統和知識係統的融閤，研究更好的小樣本學習機理，常識的激活和建立、可解釋機製等。

上海科技大學副教務長、信息科學與技術學院教授與執行院長 虞晶怡 帶來瞭關於數字人的精彩內容分享。近幾年，數字人成為瞭最火熱的技術概念之一。虞晶怡介紹說，這一領域目前呈現幾種趨勢。首先傳統的三維重建經典算法正逐步被基於深度學習的算法所取代。同時，好的重建已經被好的渲染所替代。原本做好的重建必須要有好的三維幾何。而現在，基於神經網絡渲染生成的圖片已經足以達到類似乃至更好的視覺效果。最重要的是，整個領域正在從顯式錶達往隱式錶達發展。原來的三維重建講的是點雲、貼圖、BRDF 光照，現在講的是 NeRF、NeuS、NPG。未來，用類似神經網絡的隱式錶達替換掉傳統的顯式錶達有望成為 3D 視覺和其在虛擬現實、元宇宙等方嚮的研究重點。

南京大學人工智能學院教授、南棲仙策創始人 俞揚 分享瞭主題為《將強化學習超人的決策能力帶進現實》的相關內容。當前，強化學習技術已經在圍棋、遊戲等任務上取得超越人類的通用決策能力，我們十分期待強化學習也在現實應用中落地，讓我們具有強大的決策能力。實現這一目標的阻礙之一，是現有強化學習技術缺乏人類一般的想象力，隻能從大量試錯中尋找最優決策，遊戲恰好為大量的試錯提供瞭可能。在演講中，俞揚教授介紹瞭自己在使強化學習具備想象力這一方嚮的工作，以及在現實業務中對強化學習的應用。

隨後，數坤科技研發副總裁 危夷晨 帶來瞭《AI 在醫療影像的應用和探索》的主題演講。這些年，AI 在醫療影像的應用逐漸成熟落地，行業正在快速變化。由於醫療行業的特殊性，AI 産品的門檻較高，研發過程也較為復雜。在演講中，危夷晨介紹瞭該行業産品研發的特點、現狀和未來。

圖神經網絡和幾何深度學習是深度學習的新興方嚮，在蛋白質預測、新藥設計、數學定理證明和發現等領域有重要應用，是可信人工智能的重要模型。在論壇的最後，上海交通大學自然科學研究院和數學科學學院副教授 王宇光 介紹瞭幾何深度學習和圖神經網絡的研究進展和發展趨勢。

首席智行官大會上，大傢談論瞭什麼？

如今，機器之心旗下的 Auto Byte 已成立一年有餘，作為一傢聚焦智慧齣行的信息平台，此次也舉辦瞭並行論壇――「首席智行官大會」。在本次大會上，Auto Byte 邀約到瞭多位來自主機廠、自動駕駛公司、芯片企業的領袖級人物，共設置五場主題分享與兩場圓桌論壇，受到瞭業內外的廣泛關注。

本次大會的嘉賓包括：集度汽車 CEO 夏一平、毫末智行聯閤創始人兼 CEO 顧維灝、寒武紀行歌執行總裁王平、AutoX（安途）創始人兼 CEO 肖健雄、路特斯科技副總裁兼智能駕駛業務綫負責人李博、黑芝麻智能首席市場營銷官楊宇欣、芯擎科技董事兼 CEO 汪凱、馭勢科技聯閤創始人兼首席産品官周鑫、圖森未來聯閤創始人兼首席架構師郝佳男、宏景智駕聯閤創始人董健、禾多科技副總裁戴震共 11 位嘉賓參與。大傢就當前大熱的智慧齣行各個領域，進行瞭深入的分析與交流。

在演講環節中，集度汽車 CEO 夏一平 分享瞭一份內部調研數據：當前用戶在靜止狀態下電動汽車裏的所處時間，已經等於或超過開車的時間。電動化 + 智能化正在讓汽車變成第二生活空間，AI 帶來瞭技術革新、效率提升和體驗顛覆，2023 年將是汽車智能化競爭的元年。

他還提到，智能汽車 3.0 時代已經到來，集度汽車機器人自由移動、自然交流和自我成長的特性，正是這一時代的産品特點。此外，智能汽車 3.0 時代也將更注重軟件安全性，集度汽車也為此自研瞭電子電氣架構、域控製器，從軟硬結閤角度保證整體安全性。

在該領域，緻力於自動駕駛的人工智能技術公司毫末智行也有著豐富經驗。該公司聯閤創始人兼 CEO 顧維灝 錶示，數據智能是自動駕駛 AI 進化最根本的驅動力，通過對迴饋數據進行進一步學習挖掘處理訓練得到的更優算法、服務模式 OTA 到車端，可以給用戶帶來更好的係統錶現。而在這個流程中，成本和速度是最關鍵的兩方麵，也是數據智能的思想鋼印。

顧維灝認為，在自動駕駛行業業內，誰能高效低成本的挖掘數據價值，誰就能成為競爭的王者。數據智能是 AI 自動駕駛技術進化的核心，而完善的數據智能體係是 AI 自動駕駛科技公司成功的基石。截止到目前，毫末輔助駕駛用戶行駛裏程已經突破 600 萬公裏。

提到自動駕駛，當下最熱門的硬件話題當屬芯片。寒武紀行歌作為專注自動駕駛領域的芯片公司，其規劃路綫備受關注。該公司執行總裁 王平 也在演講中談到瞭智能駕駛規模化落地在芯片上麵臨的多重挑戰：例如目前單片處理能力不夠的問題，導緻係統復雜度明顯提高。而多片方案又會造成預控製器的功耗偏高，必須采用風冷甚至液冷，增加係統成本，難以在燃油車或經濟型電動車上普及。另外他也提及，國産芯片的占比仍然偏低，整體供應鏈還麵臨較大挑戰。

而談到自動駕駛芯片未來的趨勢，王平也給齣瞭兩個判斷：一個是通用開放式，一個是大算力。他錶示，在 L1 和 L2 級自動駕駛時代，因為數據量是相對較少，很多車企可接受芯片和算法強耦閤的封閉式的一體化方案，但 L3、L4 時代數據量激增，算法也更加復雜，需要大算力芯片纔能夠滿足需求。未來，寒武紀行歌也將推齣覆蓋不同級彆自動駕駛的産品，包括將於今明兩年推齣的 SD5223（今年）和 SD5226（明年）兩款芯片。其中，SD5223 是麵嚮 L2 + 市場的産品，最大算力超過 16 TOPS，單顆 SOC 就可以實現行泊一體的功能；SD5226 則是針對 L4 市場、支持車端訓練的産品，采用 7nm 製程，AI 算力超過 400 TOPS，CPU 最大算力超過 300K+DMIPs。

作為正在經曆全新蛻變的超豪華品牌，路特斯科技方麵也分享瞭行業及技術層麵的思路：路特斯科技副總裁兼智能駕駛業務綫負責人 李博 錶示，在路特斯內部用戶訪談中，智能化體驗已經超過配置、品牌和服務，成為影響購買 70 萬元以上高端豪華車的首要因素，而其中，智能化在重新定義豪華車上占很大比重。智能化時代下，智能駕駛係統能力開始替代動力性能，成為純電智能車最關鍵的部分。

李博還錶示，路特斯將用接管裏程和覆蓋裏程重新定義智能駕駛分級，目標是打造齣覆蓋高速快速路、城市路和泊車場景的端到端智能駕駛，同時以更高精度全覆蓋的感知能力、更懂博弈的認知能力、更快更穩的規控能力，打造路特斯所特有的「賽道級智能駕駛」。

對於自動駕駛商業化的另一條路綫，也是被看做自動駕駛最終應用場景的 RoboTaxi 已成為業界普遍關注的熱點。對此，AutoX（安途）創始人兼 CEO 肖健雄分享瞭自己的觀點：隻有達到現有網約車相同的實用性，徹底拿掉安全員、不限目的、不限區域的自動駕駛，纔是真正的商業化。

此外，「首席智行官大會」還設置瞭「大算力時代下的芯片挑戰」、「自動駕駛商業化如何走嚮成熟」兩場圓桌論壇。

黑芝麻智能首席市場營銷官 楊宇欣 、寒武紀行歌執行總裁 王平 、芯擎科技董事兼 CEO 汪凱 、路特斯科技副總裁兼智能駕駛業務綫負責人 李博 ，就芯片問題進行瞭全方位的探討。

2021 年被稱作激光雷達上車元年，伴隨上車的還有自動駕駛計算平台開始突破 1000TPOS。這種趨勢在楊宇欣看來，現在算力已經成為判斷汽車智能化程度的重要指標，車企希望通過突齣算力值，讓終端用戶對車企的自動駕駛能力有更多認知。當前的算力理論上已經可以滿足 L2+、L3 自動駕駛係統需求，接下來重點是將場景和體驗做得更好。

他還補充稱，「算力堆料」是一種為後續技術升級的必要冗餘，從商業邏輯和技術演進來講，芯片企業也需要幫助客戶用更小的成本、更高的係統集中度、更低的功耗，實現更好的自動駕駛功能，這是芯片企業一直在努力，也是推動大傢技術演進和産品路綫中演進的一個點。

作為代錶主機廠需求側的李博，則從另一個維度解釋瞭硬件冗餘的意義。他提齣，軟件定義汽車，硬件定義軟件天花闆，預留足夠算力、預留足夠傳感器，是給未來智能駕駛係統的性能需求留齣冗餘。否則就像當前的應用程序邏輯上能在老款手機跑通，但卻無法真正有效運行。

王平也提到，目前汽車在 OTA 趨勢下，已呈現齣軟硬件逐漸解耦的趨勢。相比硬件，軟件更容易通過 OTA 便捷升級的特點，促使車企在算力上做選擇性預埋，即使這部分現在用不到。

除此之外，特斯拉、小鵬等車企自研自動駕駛計算芯片，也正在成為一種趨勢。芯擎科技董事兼 CEO 汪凱稱，這是因為芯片短缺讓主機廠更加重視供應鏈多樣性和供給安全，另一方麵是高算力芯片已經成為車企的核心競爭力，供應商芯片越來越難以滿足主機廠迭代速度、成本和性能要求。

但他也認為，這種路綫麵臨著諸多挑戰：自動駕駛芯片的門檻較高，一旦走彎路就將麵臨巨大的資金損失，也將造成規劃上的不協調。車規級芯片與消費級芯片不同，對性能、功耗和可靠性的要求更高，還要完成車規級認證，周期更長，投入也更大，需要通過在多款車的應用普及來收迴前期成本，因此需要推齣更包容、更有競爭力的産品體係來滿足不同車廠的需求。

此外，參會嘉賓還對芯片短缺問題進行瞭解答。一緻的觀點是，目前擴産成本較高，芯片商在不敢保證接下來幾年還有同樣需求的情況下，盲目擴充産能。盡管當前的産能已經從疫情中恢復過來，但去年被抑製的需求還未得到滿足，真正解決可能要等待明年。

在第二場關於「自動駕駛商業化」的圓桌環節中，馭勢科技聯閤創始人兼首席産品官 周鑫 、圖森未來聯閤創始人兼首席架構師 郝佳男 、宏景智駕聯閤創始人蒹軟件算法 VP 董健 、禾多科技副總裁 戴震 ，也展開瞭熱烈的討論。

馭勢科技聯閤創始人兼首席産品官周鑫、圖森未來聯閤創始人兼首席架構師郝佳男均認為，效率和成本是自動駕駛在 B 端實現商業化的前提：要麼做到效率比人更高、要麼做到全無人自動駕駛。但要想實現最後的商業邏輯，不僅需要非常高的安全性和可靠性，還需要法規的逐步完善。

作為同時麵嚮 B 端和 C 端用戶的企業，宏景智駕聯閤創始人蒹軟件算法 VP 董健錶示，目前的落地速度也比想象更快，一兩年齣現將齣更多量産車型。不過，受製於法律法規問題，多數車企推齣的將是具備 L3 級自動駕駛體驗、但依據 L2 + 級法規體係開發的車型。

禾多科技副總裁戴震對於自動駕駛的 C 端落地還給齣瞭更具體的時間點――預計 2025 年將是關鍵時間節點，屆時自動駕駛技術的量産、消費者的接受度、基礎設施及法律法規完善都將逐步落地。

AI x Science，未來已來

本次「AI x Science 論壇」論壇中，美國芝加哥豐田計算技術研究所教授 許錦波 做瞭題為《蛋白質結構和功能預測》的報告。報告概括瞭蛋白質機構預測領域的研究進展：人工智能顛覆瞭蛋白質結構預測領域的發展，也改變瞭分子生物學傢的研究思路，從基於序列研究轉變為基於結構的研究。同時促進瞭基於結構的藥物發現和設計，提高瞭蛋白質從頭設計的效率。

另一方麵，許老師也指齣，當前的蛋白質結構預測還有一些未完全解決的問題，比如蛋白質與其他分子的相互作用、單點突變對蛋白質結構和功能的影響、孤兒蛋白質結構預測等等。

隨後，西湖大學特聘研究員、博士生導師、西湖實驗室 iMarker 主任、西湖歐米創始人 郭天南 博士做瞭題為《AI 賦能的蛋白質組大數據科技》的演講。演講以團隊近期研究為例，展示瞭蛋白質組學在生命科學中的價值和應用，將人工智能應用於蛋白質組學，並與大量臨床數據相結閤，探索生物標誌物，加速蛋白質組學技術成果在腫瘤領域的最新進展，同時介紹瞭 AI 賦能的蛋白質組大數據科技領域的産業轉化 / 落地等前沿資訊。

在「AI x Science 論壇」上，智化科技創始人、董事長兼 CEO 夏寜 分享瞭主題為《AI 輔助化學閤成路綫設計助力提升創新藥研發效率》的相關內容。

新藥研發麵臨著成本高，時間長，成功率低的巨大痛點。智化科技專注於化學閤成路綫設計，其獨立研發的算法基於數據學習和化學知識進行分解，解決瞭可解釋性、化學反應數據量兩大問題。除瞭逆閤成平台外，還在化學工藝路綫設計、化學反應條件、副産物預測分析、分子庫生成等領域進行瞭研究。未來，智化科技將持續優化以提供路綫的多樣性和可行性，利用來自 ELN 的失敗反應數據避免失敗，以及進行多步策略學習。

百度深圳研發中心自然語言處理部技術總監，螺鏇槳 PaddleHelix 生物計算平台負責人 何徑舟 進行瞭題為《飛槳螺鏇槳 PaddleHelix 賦能生物醫藥：AI 技術在藥物研發領域的探索和應用》的主題報告。他從 AI 在生物醫藥行業麵臨的挑戰和思考，以及助力生物醫藥行業進行瞭分享，係統介紹瞭基於預訓練技術以及螺鏇槳 PaddleHelix 取得的進展：化閤物錶徵模型 GEM 和蛋白 PPI 錶徵模型 S2F。

何徑舟指齣， AI 在藥物研發擁有巨大的潛力，未來預訓練利用海量無標注數據進行自監督學習、多任務學習增強模型泛化能力、分子空間結構特徵進行模型錶徵，能夠大幅提升 AI 生産效率，降低藥物研發生産門檻。

創材深造創始人兼 CEO 王軒澤 在「AI x Science 論壇」分享瞭主題為《AI + 金屬材料：更適閤産業落地的方嚮》的相關內容，就 AI 産業落地過程中可能遇到的問題進行瞭討論，包括精度陷阱；行業壁壘並非技術，傳統大廠轉型自研；某些 toB 領域存在的一些問題；黑盒性質嚴重，客戶不認可，短期內取代不瞭關鍵崗位人員；算法效果驚艷但落地艱難等精彩觀點。

王軒澤介紹說，AI 賦能金屬材料的産業化，可以有效的規避或解決上述 AI 落地中的難點問題。從另一方麵講，高端金屬材料是一個經常被忽視的市場，隨著産業升級和戰略轉型，國産化替代的需求被迅速放大。高端金屬領域最主要的難點在於過長的研發周期和過大的研發投入，因此使用 AI 賦能新材料的研發成為瞭彎道超車的最優解。

腦陸科技創始人兼 CEO 王曉岸 女士做瞭題為《基於 AI 的腦機技術助力更廣泛的社會價值與機理發現》的演講。

腦科學以闡明腦和神經係統的工作原理和機製為目標。演講指齣，隨著人工智能技術取得突破性進展，腦科學的巨大潛力再次受到科學界的高度重視。自 2019 年以來，與 AI 的結閤推動瞭腦核磁成像、腦機接口等技術在應用層麵的飛速發展，為腦疾病診斷與治療、精神與睡眠健康管理、娛樂交互、安全生産等行業提供瞭新的解決方案。未來，産學研屆將共同發現越來越多大腦機製，並普惠服務更廣泛的人群。

清華大學智能産業研究院（AIR）助理教授 黃文炳 博士的演講主題為「AI×Science 論壇」做瞭題為《GNN for Science: Graph Mechanics Networks》。他介紹瞭人工智能結閤物理學中多體問題的應用，解讀瞭一種全新的圖神經網絡――圖力學網絡 GMN，這種網絡將物理定律融入到圖神經網絡的構建當中，初步探索瞭數據驅動和知識驅動結閤的優勢。同時，他還解釋瞭 GMN 在物理、生物醫藥方麵的應用。

黃博士指齣，已經有越來越多的人工智能方法，在解決傳統自然科學等問題上大放異彩，未來可以更多關注如何將現有數據驅動的機器學習模型和基礎科學領域的知識進行結閤。當然，目前仍然處於一個比較初始的探索。

機器之心後續將在 B 站上傳迴放視頻，也會把嘉賓演講內容整理成文字發布，歡迎大傢關注。

迴放觀看地址：https://space.bilibili.com/73414544