9月19日，2024云栖大会在杭州开幕，这是汇集AI硬科技最多的一届云栖大会，也展示了AI从科技前沿到提升生产效率、打造美好生活的应用前景。云栖大会最早可追溯至2009年，目前成为体现中国计算产业的萌发与革新的重要展会之一。

  今年的大会以“云启智跃，产业蝶变”为主题，吸引大模型、无人驾驶、机器人等领域的400多家国内外企业来到现场。围绕通用AI（AGI）、无人驾驶、人形这三个决定性场景，AI为产业和生活带来的巨大想象空间徐徐展开。

  21世纪经济报道记者观察发现，不少、制造业企业参展商是第一次参展，这在某种程度上预示着今年以来，AI与智能制造及延伸领域、具身智能场景领域结合得更加紧密，而生成式AI和云计算成本下降也带动了应用创新门槛的降低，但大规模商业化应用仍未铺开。

  阿里巴巴集团CEO、阿里云智能集团董事长兼CEO吴泳铭在主题演讲中表示，过去22个月，AI发展的速度超过任何历史时期，但现在依然还处于AGI变革的早期阶段。大模型技术快速迭代，技术可用性大幅度的提高。同时，模型推理成本指数级下降，已经远超于摩尔定律。

  例如，大模型已经具备了文本、语音、视觉的多模态能力，能够开始完成复杂指令。

  多模态大模型在各应用场景加速落地。在视觉方面，AI技术生成视频已经是多家企业落地的产品。此外，分子动力模拟、3D/4D模型生成、智能编码等也在改变人们的工作和生活方式。

  阿里控股达摩院基础智能中心商务负责人薛腾飞在接受21世纪经济报道记者正常采访时表示，达摩院开发的一站式AI视频创作平台寻光视频在今年7月的上海世界大会正式亮相，主要提供视频制作辅助工具，能轻松实现剧本创作、分镜图设计、视频素材编辑等需求，目前已开放内测。

  不过，AI生成视频在物理世界模拟方面仍需要继续提升。“生成4秒、8秒视频和10秒以上视频的难度不同，视频时长越长，保证画面物理状态准确度的技术难度越高。”薛腾飞说。

  生数科技展示了Vidu视频大模型，支持文字和图片输入，可以生成4秒和8秒时长的视频。21世纪经济报道记者体验发现，输入“杭州西湖跳水”这一个短句后，4秒的视频画面很快就自动生成，内容为西湖边3位正在跳水的人，人像是远景，不过面部并不清晰，有一个瞬间人像变为水花再变回人像，出现了与物理世界错位的图像。

  生数科技相关负责人告诉21世纪经济报道记者，AI生成视频有时会出现画面和物理世界状态不符的问题，这也是产品后续需要持续克服的问题。企业已研发出长视频的生成工具，已有影视行业等B端合作用户，用于影视分镜制作等用途。

  另一个多模态大模型的特色案例是阿里通义实验室Mobile-Agent，Mobile-Agent项目研发人员告诉21世纪经济报道记者，Mobile-Agent基于最强多模态大模型GPT-4V实现，首先接收用户的指令，然后根据当前屏幕截图、操作历史和系统提示生成下一步操作。例如，可以在指令中输入“在‘小红书’中搜索一篇上海美食指南”，Agent可以迅速调动感知工具，调动相应app进行相应操作。

  月之暗面Kimi创始人杨植麟在大会主论坛上表示，AI产品在形态上也会发生一些变化，现在AI的产品形态类似于即时聊天的这种产品形态，以后AI产品可能不仅是这种形态，还有可能是思考或者去调用各种工具，然后执行分钟级别、小时级别甚至每天级别的任务。

  “所以AI产品形态上它可能会更接近一个人的生活助理的概念，新的想象空间是蛮大的。”杨植麟说。

  模型推理成本指数级下降，是当前大模型应用百花齐放的基础。吴泳铭表示，一年来，通义千问API在阿里云百炼上的调用价格下降了97%，百万Tokens调用花费最低已经降到了5毛钱。

  今年5月，AI大模型打响了价格战，BAT、科大讯飞、字节等多家企业集体降价，百万Tokens低至1元，开启了大模型“厘时代”。进入7月后，大模型价格战仍然在继续。这在某种程度上预示着，对企业和开发者而言，大模型像基础设施一样，相关成本降低后，服务创新应用也会持续增长。

  前沿应用，是AI最终改变人们生产和生活的落地之处。21世纪经济报道记者在本届大会上观察到，大模型正在扎进慢慢的变多的垂直场景，逐步实现商业化落地。

  吴泳铭表示，生成式AI让世界有了一个统一的语言——Token。它可以是任何文字、代码、图像、视频、声音，或者是人类千百年来的思考。AI模型能够最终靠对物理世界数据的Token化，理解真实世界的方方面面，比如人类行走、奔跑、驾驶车辆、使用工具，绘画、作曲、写作、表达、教学、编程的技巧，甚至是开公司创业。理解之后，AI就可以模仿人类去执行物理世界的任务，这将带来新的产业革命。

  以汽车行业为例，“端到端”的大模型技术训练将感知、决策、执行三个功能模块整合在一起，传感器端收集信息，直接到另一个端，执行端立刻执行。本届大会上，“无人驾驶”是最热门的话题之一。

  在“生成式AI重塑无人驾驶”主题讨论中，小鹏汽车董事长、CEO何小鹏表示，有了大模型的加持，无人驾驶试验车转向、切线，甚至比人们自己开车还要流畅。目前，只是无人驾驶竞争的初级阶段，未来，一定会有更多的突破出现。

  英伟达全球副总裁、汽车事业部负责人吴新宙则表示，有了大模型，智能驾驶没有上限。

  21世纪经济报道记者观察到，特斯拉的展位上实时播放“端到端”的视频介绍，今年1月，FSD升级到了基于“端到端”的V12版本，今年3月，FSDV12 版本正式在北美推送。

  不过，“端到端”无人驾驶将功能模块神经网络化，背后需要巨大的算力支撑和成本支出。目前，特斯拉FSD累计学习的人类驾驶视频片段超过2000万个，仅采集成本就需要50亿元至80亿元。截至2024年Q2季度，自建超算中心AI算力已超越4万张H100等效算力。

  在吴泳铭看来，机器人将是下一个迎来巨变的行业。未来，所有能移动的物体都会变成智能机器人。它可以是工厂里的机械臂、工地里的起重机、仓库里的搬运工、救火现场的消防员、包括家庭里的宠物狗、保姆、助理。

  人形机器人同样是AI应用的重要领域。杭州聪宝科技有限公司总裁顾高生在接受21世纪经济报道记者正常采访时表示，公司参与了复旦大学工程与应用技术研究院人研究院研发的“光华一号”人形机器人，该产品目标定位为老年人的“保健医生”，将中医药诊疗的大模型与机器人结合起来，能够给大家提供中医调养按摩、中医咨询、情感陪护等。

  “以往机器人采用固定的机械臂，按照固定程序进行机械动作，但现在人有很多、雷达、摄像头，能够直接进行图像识别和更多智能化的动作。大模型也极大的提升了机器人的决策能力，未来机器人会变得更聪明。”顾高生说。

  不少机器人企业告诉21世纪经济报道记者，人形机器人的竞争目前还在产品性能，AI和机器人硬件的成本都不低，虽然目前大模型的成本在下降，但人形机器人企业要投入自身的研发成本进行强化学习、模仿学习等，目前还未有清晰的商业化应用场景。

  不过，一些机器人企业已经找到细分的落地方向，逐步实现量产，杭州宇树科技有限公司是其中的代表。目前，企业的两款人形机器人Unitree G1、H1和两款四足机器狗已实现量产。H1是全球首款实现原地后空翻的电驱人形机器人，已在汽车工厂成功部署，可进行搬运等工作。