人工智能领域进展迅猛，尽管如此，仍存在众多难题待解。众多技术突破亟待实现，这一现象成为科研工作者和公众共同关注的焦点。
一人工智能能力增长瓶颈
12月13日，在上海浦江AI学术年会期间，欧阳万里教授在接受澎湃科技采访时提到，数据与算力相结合的人工智能增长模式可能面临增长极限。类似于OpenAI的o1模型通过增加测试时长以增强性能，但这种策略可能很快无法持续，引发了业界的担忧。当前，业界对尺度定律过度依赖以提升模型性能，迫切需要寻找新的增长途径，以突破即将到来的技术瓶颈。
创新的增长策略极为关键。目前，人工智能领域的研究焦点普遍围绕如何以更低成本获取计算资源与数据，这一目标旨在促进其长期发展。全球众多人工智能研究机构正致力于这一目标的实现。
二通专融合发展前景
未来人工智能进步的核心要素之一便是通专结合。欧阳万里指出，通用型大模型与专业型大模型相互补充，它们之间的联系如同不同级别的知识结构。现阶段，上海人工智能实验室已与我国商飞展开合作，致力于在机翼设计这一领域进行深入研究。
合作中，人工智能技术初露锋芒。设计师借助人工智能学习飞机翼型数据库，原本按周计算的翼型设计周期，如今仅需几分钟即可获得数十种翼型选项。这一现象揭示了通专融合在实践中的巨大潜力，推广通专融合模式有望加速人工智能技术在众多行业的广泛应用和深入发展。
三AIforScience趋势
2024年，诺贝尔物理学奖与化学奖的获奖项目与人工智能研究紧密相连，这一现象反映出人工智能作为一门独立学科在科学领域的认可度不断提升。欧阳万里指出，未来，那些在科研中熟练运用人工智能技术的科学家获得诺贝尔奖的可能性将显著增加，人工智能在科学研究中的应用已成为不可逆转的趋势。
众多科研领域正积极引入人工智能技术。以基础科学研究为例，在数据分析和模型建立等关键步骤，人工智能展现出快速且高效的计算与模拟能力，显著提升了科研进程的速率和深度。这一发展态势正促使越来越多的科研工作者投身于利用人工智能开展研究的热潮。
四数据层面的问题
数据层面存在众多待解难题。首先，数据积累速度过快的问题亟待解决。尽管当前网络上有大量文本、视频和图像数据，我们仍需寻找更快速的数据获取方式。另外，数据共享机制也备受关注，国内外均致力于构建科学家间的数据共享体系。
欧阳万里指出，尽管生成数据有其优势，但模型的发展空间受到真实数据数量的制约。因此，在应用中，真实数据的作用依然不容忽视。
五人工智能应用进度差异
不同领域的AI应用发展速度不一。短期内，气象学、谱学、工业设计、金融等行业因数据密集且数字化水平较高，AI应用进程相对加速。以金融业为例，智能算法能够迅速处理海量交易数据，进行风险评估。
从长远视角分析，数字化与智能化在各个领域的进展存在显著差异。在我国，数字化进程持续推进，各行业数据积累日益丰富，这将有助于缩小这些差距，进而促进人工智能助力我国科技全方位发展。
六人工智能技术的期待
未来，人工智能有望在国民经济与民众生活等多个方面扮演核心角色。上海人工智能实验室抱持着这样的愿景，期望通过大模型、实体智能等先进技术，为众多行业提供助力。
当前，众多行业对人工智能技术的日益完善抱有期待。以医疗领域为例，它期望人工智能在疾病诊断和药物研究上实现更多显著进展。那么，关于人工智能领域亟待攻克的难题，各位读者在日常工作和学习中有何看法？欢迎点赞、转发，并在评论区留下您的观点。
