张勇:人工智能和实体经济的深度融合将根本性改造产业

简介: 张勇:人工智能和实体经济的深度融合将根本性改造产业


今天,第六届数字中国建设峰会在福州开幕,阿里巴巴董事会主席兼CEO、阿里云智能CEO张勇在主论坛发言,他表示:

数字中国建设成果丰硕,阿里巴巴作为始终以数字技术作为发展引擎和创新源泉的企业,真切感受到自身发展与国家战略的同频共振。


数字化是基础,智能化是方向,当前的人工智能浪潮是和20年前的数字化浪潮同等重要的机会,行业正处于智能化时代的历史新起点。


阿里巴巴董事会主席兼CEO、阿里云智能集团CEO张勇在第六届数字中国建设峰会现场


在张勇看来,新一轮人工智能和实体经济的深度融合,将根本性地改造生产、经营等产业实践的方方面面。2G时代出现搜索和门户网站,3G时代出现社交软件,4G、5G时代视频和各类应用迎来大爆发,每一次重大技术迭代都会催生全新的企业。


“就像数字化时代出现一批数字原生企业,智能化时代也必将出现一系列智能原生企业。我们深刻感受到,‘所有不可想象,终将化为寻常’。”他说。


近段时间,AI大模型成为全球追捧的技术浪潮,在中国国内,已有超过20万企业用户申请接入阿里旗下的千问测试,几乎覆盖所有新兴和传统行业。


张勇表示,实体经济是智能化主战场,千行百业将被重新定义。“AI大模型将以更低门槛、更高效率,打通一个个数据断流节点,推动数据在研发、生产、配送、服务等环节畅通流动。”张勇说,“服务实体经济的智能化升级,阿里准备好了。”


将千问大模型接入工业机器人

张勇透露,阿里云工程师正在实验将千问大模型接入工业机器人,在钉钉对话框输入一句人类语言,即可远程指挥机器人工作。阿里云当天发布的一个演示视频,展现了这一实验成果——


“我渴了,找点东西喝吧。”工程师通过钉钉对话框向机器人发出指令后,千问大模型立即理解了指令内容并回答,“好的,我找找有什么喝的。”



随后,千问大模型在后台自动编写了一组代码发给机器人,机器人开始识别周边环境,从附近的桌上找到一瓶水,并自动完成移动、抓取、配送等一系列动作,顺利递送给工程师。科幻电影中机器人和人交互的画面正在变成现实。



在制造业领域,工业机器人被誉为是“皇冠上的明珠”,长期以来,工业机器人的开发交付门槛一直较高,机器人的任务和功能需经过工程师手动编写代码、反复调试后,才能匹配产线特有的任务需求。


大模型的诞生为工业机器人打开了一扇新的窗。阿里云工程师介绍,“AI大模型突破了机器人的局限,让人类可以通过自然语言指挥机器完成负责任务,让机器人真有了大脑。”


在机器人开发阶段:工程师可通过千问大模型自动生成代码指令完成机器人功能的开发与调试,甚至还能为机器人创造一些全新的功能,例如机器人可对抓取、移动等基础能力进行任意的组合编排,进而完成更复杂的任务;


在生产运行时:千问大模型为机器人执行任务提供了推理决策的能力,一线工人只需发送一段文字,千问就能理解其意图进行任务推理,并自动翻译成机器可以理解的代码,指挥机器执行任务,有效提升生产效率。


张勇表示,“制造业是AI大模型的重要战场,未来10年最大的机会就在于云、AI与物理世界机器的融合,机器人取水只是第一步,未来能与人直接对话的智能机器人,将改变整个工厂的形态。”


面向制造领域,阿里云将进一步融合千问大模型与阿里云物联网平台能力,为企业提供智能解决方案,让生产制造全流程变得更智能、更高效。



智能化为千行百业创新提供原动力

在主论坛上,张勇分享了阿里云与南方电网等伙伴的合作情况。


“云+AI”正在创新牵引电网运营。高效匹配发电功率和负荷,一直以来都是行业难题,而现在,以“飞天”云计算操作系统为底座,阿里提供强大算力与开发训练平台,结合电网行业算法和实时量测数据,能够提供精准气象预测和秒级调度决策能力,为整个电网调度发挥突出作用。


各行各业走向广泛智能化、新型智能原生企业密集出现,离不开更高质量、更高性能的算力支撑。张勇认为:“算力正在成为新型基础设施。”


日前,阿里云宣布史上最大规模降价,核心产品价格全线下调15%至50%,这一举措旨在持续降低用云成本,扩大云的市场空间。


张勇说,阿里云的目标,是“让算力更普惠,让AI更普及,让技术红利为更多人享用,让创新流动起来”,不仅解决原有产业发展中的问题,让原有产业变革成本更低,同时也能在大树之下长出更多小草,为中小微企业创新提供源源不断的原动力。


目录
相关文章
|
22天前
|
机器学习/深度学习 数据采集 人工智能
深入探索人工智能与大数据的融合之路
本文旨在探讨人工智能(AI)与大数据技术如何相互促进,共同推动现代科技的进步。通过分析两者结合的必要性、挑战以及未来趋势,为读者提供一个全面的视角,理解这一领域内的最新发展动态及其对行业的影响。文章不仅回顾了历史背景,还展望了未来可能带来的变革,并提出了几点建议以促进更高效的技术整合。
|
1月前
|
机器学习/深度学习 人工智能 算法
探索人工智能与大数据的融合之道####
— 本文旨在探讨人工智能(AI)与大数据如何协同工作,以推动技术创新和产业升级。通过分析二者的基本概念、核心技术及应用场景,揭示它们相互促进的内在机制,并展望未来发展趋势。文章指出,AI提供了智能化处理数据的能力,而大数据则为AI提供了海量的训练资源,两者结合将开启无限可能。 ####
|
1月前
|
人工智能 监控 物联网
深度探索人工智能与物联网的融合:构建未来智能生态系统###
在当今这个数据驱动的时代,人工智能(AI)与物联网(IoT)的深度融合正引领着一场前所未有的技术革命。本文旨在深入剖析这一融合背后的技术原理、探讨其在不同领域的应用实例及面临的挑战与机遇,为读者描绘一幅关于未来智能生态系统的宏伟蓝图。通过技术创新的视角,我们不仅揭示了AI与IoT结合的强大潜力,也展望了它们如何共同塑造一个更加高效、可持续且互联的世界。 ###
|
1月前
|
机器学习/深度学习 人工智能 算法
人工智能与机器学习的融合之旅
【10月更文挑战第37天】本文将探讨AI和机器学习如何相互交织,共同推动技术发展的边界。我们将深入分析这两个概念,了解它们是如何互相影响,以及这种融合如何塑造我们的未来。文章不仅会揭示AI和机器学习之间的联系,还会通过实际案例展示它们如何协同工作,以解决现实世界的问题。
|
22天前
|
数据采集 人工智能 安全
代理IP与人工智能的融合发展
在科技飞速发展的今天,代理IP与人工智能(AI)正以前所未有的速度融合发展,为网络生活带来巨大变化。代理IP通过隐藏真实IP、绕过网络限制、提高访问速度和增强安全性,为AI系统提供了高效的数据访问方式。AI则通过模拟和扩展人的智能,广泛应用于医疗、金融、交通等领域,提高生产效率和生活质量。两者结合,不仅提升了数据采集、处理和模型训练的效率,还为未来创新和发展带来了无限可能。
34 0
|
25天前
|
机器学习/深度学习 人工智能 算法
探索人工智能与机器学习的融合之路
在本文中,我们将探讨人工智能(AI)与机器学习(ML)之间的紧密联系以及它们如何共同推动技术革新。我们将深入分析这两种技术的基本概念、发展历程和当前的应用趋势,同时讨论它们面临的挑战和未来的发展方向。通过具体案例研究,我们旨在揭示AI与ML结合的强大潜力,以及这种结合如何为各行各业带来革命性的变化。
40 0
|
29天前
|
数据采集 机器学习/深度学习 人工智能
探索人工智能与大数据的融合之路####
本文将深入探讨人工智能(AI)与大数据之间的共生关系,揭示二者如何相互促进,共同推动技术边界的拓展。不同于传统摘要的概述形式,本部分将以一个生动的比喻开篇:如果把大数据比作广阔无垠的数字海洋,那么人工智能就是航行其间的智能航船,两者相辅相成,缺一不可。随后,简述文章将从数据采集、处理、分析到决策应用的全流程中,详细阐述AI如何借助大数据的力量实现自我迭代与优化,以及大数据如何在AI算法的驱动下释放出前所未有的价值。最后,预告文章还将探讨当前面临的挑战与未来趋势,为读者勾勒一幅AI与大数据融合发展的宏伟蓝图。 ####
|
25天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在现代医疗中的革新应用
本文深入探讨了人工智能(AI)技术在医疗领域的最新进展,重点分析了AI如何通过提高诊断准确性、个性化治疗方案的制定以及优化患者管理流程来革新现代医疗。文章还讨论了AI技术面临的挑战和未来发展趋势,为读者提供了一个全面了解AI在医疗领域应用的视角。
61 11
|
21天前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能在医疗诊断中的应用与前景####
本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战及未来发展趋势。通过分析AI如何辅助医生进行疾病诊断,提高诊断效率和准确性,以及其在个性化医疗中的潜力,文章揭示了AI技术对医疗行业变革的推动作用。同时,也指出了数据隐私、算法偏见等伦理问题,并展望了AI与人类医生协同工作的前景。 ####
48 0
|
17天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建