AI导读：

罗智泉在深圳创新发展研究院活动中指出，AI大模型高耗能的发展模式不可持续，应考虑落地成本。垂直领域中小模型或成为新方向，AI技术的广泛应用前景和商业闭环至关重要。

11月26日，在中国深圳创新发展研究院的活动上，中国工程院外籍院士、香港中文大学（深圳）副校长（学术）及深圳市大数据研究院院长罗智泉发表观点，指出大模型高耗能的发展模式面临可持续性挑战，强调应考虑落地成本，垂直领域中小模型或成为新方向。

罗智泉回顾了AI的发展历程，并指出2023年是生成式人工智能的突破之年，以ChatGPT为代表的大模型在内容生成方面表现出色，推动了国内“百模大战”的兴起。然而，尽管我国在大语言模型方面发展迅速，如华为—盘古大模型、阿里云—通义千问、腾讯—混元大模型等，但在技术封锁的背景下，整体上仍呈现追随态势。

他进一步指出，大模型的能耗问题不容忽视。以GPT-3为例，训练该模型所需能耗相当于开车往返地球与月球一次，一次运算成本高达450万美元。相比之下，人脑的能耗量平均仅为25瓦，而GPT-3训练一次则消耗约1287兆瓦时。GPT-4的能耗预计更高，ChatGPT日均消耗超过50万度电。因此，罗智泉认为，大模型的发展模式不可持续，需要考虑部署成本，垂直领域中小模型或成为新的发展方向。

罗智泉还表示，大模型与人脑在数据处理方面存在差异。人脑具有局部化的特点，能够针对特定问题进行调整，而无需改变整个系统的参数。相比之下，大模型在处理数据时往往面临数据过多、调整困难等问题。此外，他还提到了国际合作面临的挑战，并表达了对中国科技及产业发展的乐观态度。

对于AI的未来发展趋势，罗智泉认为广泛应用前景和商业闭环至关重要。目前，由于能耗、能力、人才等方面的限制，AI产业仍处于烧钱阶段。然而，随着AI技术的发展，很多行业将被改变，大学也将面临变革。罗智泉预测，同声翻译等专业可能面临关停并转的风险，而商科中的一些专业，如会计等，也将受到GPT等技术的冲击。

此外，罗智泉还强调了交叉学科的重要性，并希望学生能够设计多个学科，具备基础数学的分析推理能力。他特别提到物理学科在AI领域的重要性，并指出OpenAI等公司的年轻人很多是学物理出身。他认为，物理学可以帮助人们更好地了解世界，并在AI技术的发展中发挥重要作用。

（图片来源：网络，文章来源：证券时报·e公司）