AI时代组织人才观

阮良 网易副总裁

• 游戏中的AI不断进化
• 有限状态机
• 行为树
• 强化学习

• AI技术在游戏世界全面落地生根
• 体验升级
• 安全护航
• 大模型胡说八道，引发安全问题
• 语言预测的形式去生成内容
• AI和安全的结合是一个很不错的方向
• 玩法创新
• AI BOT
• 精细化运营

• 人机被六边形战士取而代之

• 扎实的“基本功”
• 游戏应用
• 应用场景的落地
• 依然需要AI去填充，照顾用户的体验
• 产品
• 框架
• 自研高性能分布式深度千古学习框架
• 自研面向智能体编程语言和范式
• 自研多模态生成式大模型平台
• 采购使用AI（原材料的采购，每个时候的价格是不一样的）
• AI形成一段时间内最优化的采购方案
• 运用大数据分析

• 以场景为先，场景驱动渐进AI创新
• 大模型出现，务实，做渐进式的AI
• AI目前还不能做到取代员工，AI方向是大有可为的

• 公司圈内每天都有大量关于AIGC的研究
• 单元测试方向
• AI可以提升程序员的效率，AI实现自动化的测试
• 直接给需求，让AI生成代码，并不可靠
• 程序员经过AI进行辅助
• AI辅助客服人员（智能客服）提升团队的效率
• 并不是简单回答消费者的问题
• 有温度的去服务消费者
• 给千行百业进行服务
• 网易AIGC创新大赛
• 秉承浙大求是精神
• 坚持的去做创新
• 交叉学科，跨界思维，迸发出一些创新点出来
• 在业务场景中创新性地应用了最新的AIGC的技术
• 不要被算法控制住，避免闭塞的思维

• 创新的启示
• 1.不用担心错过了什么机会，在人生最需要的决策中做出最好的选择
• 2.什么学科，什么知识都需要去看一点，跨界思维
• 创新make sense
• 涉猎很多的知识，对自己的职业生涯有很大的帮助
• 专业能力知识只是一方面，跨界思维能力需要养成
• 3.倾尽自己的全力去做一件事情
• 4.互联网行业一定是需要创新的，迎合目标价值人群
• 5. 小的细节点实现创新

• AI创新是集团的高邮使命
• 有了自研的创新经验
• 去丰富产品的体验
• 根据自己的需要，训练大模型
• 网易第一代AI芯片NPU
• 网易词典笔
• 实物，脑爆
• stable diffusion
• 进行产品PK
• 小规模的用户设计
• AI可视化十分方便
• ChatBI：网易有数（创新成果）
• 传统的BI给你十分多的报表
• BI—商业智能



• 效率提升的非常非常多
• 软件基于施乐公司的GUI，有些方面效率是非常高的，之后软件，通过对话的方式去取缔GUI。AI心领神会，解决工作难题，释放生产力
• ChatBI网易有数
• 基于自然语言交互，利用上下文的对话交互模式
• 做营销，做marketing
• 大数据：可能的人群圈出来，找有媒介的地方圈画出来
• 市场营销人员：直接圈出人群，生成营销文案，生成营销素材，智能进行投放，并且统计转换率，帮助你进行决策辅助，依靠AI来制作这件事情

• AIGC十分大的赋能新产业
• Copilot 大大提升工作效率
• 节省时间，有更多时间去思考去学习
• 测试用例
• 模型层
• 代码注释（十分重要）
• 变量命名：自动根据上下文帮你生成最适合当前语境的变量名

• AIGC赋能构建面向客户的服务飞轮
• 更好的构建面向客户的服务飞轮
• 我们需要很好的知识框架构建
• 营销不擅长做分析，销售短视

• 业务+AI｜降低产品和服务走向市场的交易成本
• 从0到1的交易成本从852人天降低到675.8人天
• 市场需求调研→产品价值验证→产品市场契合验证
• 真正的成本：机会成本
• 机会成本节省的很多
• 对于未来的杠杆效应十分有用
• 成功是符合市场、大量借鉴、在此基础上大量创新，市场化

• AI时代需要一专多能的人才
• 保证自己最核心的技能
• 产品经理的洞察能力
• 商业分析能力
• 让自己成为一个更加多元化的人
• 让自己的专业技能更加精深
• 代替人的不是AI，而是另一个擅长AI的人(反直觉）
• 不断学习
• 学习新浪潮、新技能、新工具
• 在多元化知识交叉的过程中，会迸发新的创新点灵感
• 不断思考、进步、交流
• 数字分身，训练文本副本
• 解决60%的问题
• 节省时间，创新机会成本。对未来的杠杆效应十分有效

大规模产业实践与文心一言

吴甜 百度集团副总裁、深度学习技术及应用国家工程研究中心副主任

• 人工智能是新一轮科技革命和产业变革的重要驱动力量
• 第四次工业革命：人工智能
• 技术具有通用性，解决掉世界上的零零散散的众多问题
• NLP，图像识别，语音识别
• 大数据→大模型→应用
• 预训练、精调
• 预训练模型进行了进一步的改善
• 通用性的技术快速生产和研发
• 大模型的演进
• 演进线



• 文心一言产业级知识增强大模型
• NLP是规模最大的大模型



• 拥有最够大量的数据
• 未来多模态的大模型
• 视觉领域的模型
• AI绘图（从文生图的技术）
• AlphaFold预测蛋白质大模型
• 通用的模型→行业同样存在着差距
• 进一步的实现行业模型
• 模型本身的实现需要开发人员
• 建设平台工具
• 文心一言
• 知识增强
• 检索增强
• 对话增强
• 提示增强
• 预训练大模型→神经网络

• 大语言模型的技术挑战：
• 效果：
• 准确性、逻辑性、时效性、安全性
• 基础通用能力的提升
• 效率：
• 训练
• 一个模型的训练周期中节省10%的时间
• 减少机会成本
• 推理
• 超大规模的神经网络
• 应用：
• 场景适配
• 协同优化

• 实现：
• 有监督精调
• 人类反馈的强化学习
• 提示（更好的去提问）

• 文心大模型3.5
• 基础模型升级
• 精调技术创新
• 知识点增强
• 逻辑推理增强
• 插件机制

• 文心大模型4.0：
• 万卡算力
• 底层基础设施→上层的能力
• 并行计算的问题去解决
• 飞浆平台
• 多维数据
• 从数据本身的数据挖掘、提升
• 多阶段对齐
• 模型快速收敛到我们所需要的成果
• 可再生训练

• 从知识和数据中融合学习
• 知识和数据进行融合学习
• 在有知识体系的领导下，融合效率是更高的

• 知识增强，效果更好，效率更强
• 知识内化
• 知识外用

• 检索增强
• 提升大模型结果的时效性和准确率
• 大模型通过检索的方式接入，大模型和大模型之间进行检索和优化

• 知识点增强：
• 建立知识图谱

• 逻辑推理方面的增强：
• 提升大模型逻辑推理、数学计算及代码生成的能力
• 逻辑数据构建、逻辑知识建模
• 多粒度语义的提升

• 大语言模型是一个生成模型，容易出错
• 白盒化的过程(24min重要没听到）
• 大模型进行反思，思考

• 飞浆大模型和文心协同优化
• 提升大模型与推理效率
• 弹性容错
• 实现端到端自适应并行训练
• 压缩、推理、服务部署协同优化
• 模型压缩→速度更快
• 大语言模型走向可使用化的一个过程

• 开发插件机制，扩展大模型能力边界
• 给大语言模型扩展自己的能力

• 文心一言向全社会开放

• 主要应用场景：
• 搜索引擎，查阅文献……
• 技术本身如何用好是一个大问题
• web2.0实现速度的增快，降低机会成本，提高杠杆效率

• 文心一言产品使用的案例
• 大语言模型的代码能力
• 代码问答
• 代码生成
• 上面的函数比较难懂，请换一个较为容易实现的函数
• 代码debug
• 代码解释

• 实现一个产业链网的过程
• 百度文库，使用chatsql，快速查找数据库
将ChatGPT与SQL结合可以带来许多好处，包括：
1. 智能数据查询： ChatGPT可以帮助用户以自然语言提出问题，而不是编写复杂的SQL查询语句。ChatGPT能够理解用户的问题并将其转化为SQL查询，使得数据查询变得更加智能和用户友好。
2. 自动化报表和数据分析： ChatGPT可以生成针对特定问题的SQL查询，从数据库中提取数据，并将结果以易读的方式呈现给用户。这可以自动化报表生成和数据分析过程，减少人工干预。
3. 数据教育和培训： ChatGPT可以用于教育和培训，帮助用户学习SQL查询语言。通过与ChatGPT的对话，用户可以提问关于SQL的问题，并得到实时的解答和指导。
4. 复杂查询的简化： 处理复杂的多表查询或者嵌套查询时，ChatGPT可以帮助用户理解查询的逻辑，并生成相应的SQL查询语句，简化了复杂查询的过程。
5. 即时数据分析： 用户可以实时地向ChatGPT提问关于数据库的问题，而不需要等待开发人员或数据分析师的介入。这意味着更快的数据分析和决策过程。
6. 智能数据过滤和排序： ChatGPT可以根据用户的需求生成包含条件、排序和限制的SQL查询，从而帮助用户更精细地筛选和排序数据。
综合来看，将ChatGPT与SQL结合可以提高数据访问的智能化水平，降低了用户与数据库之间的交互门槛，加速了数据分析和决策的过程。
• 根据 prompt 进行生成
• 提升效率，超级助理的需要
• 和客户交流需要谈参

• 大模型产业化面临的挑战：
• 模型体积大
• 训练难度大
• 算力规模大：
• 性能要求高
• 数据规模大：
• 质量参差不齐

• 大模型产业模式：
• 芯片代工厂：流水线生产进行封装
• 大模型平台：自动化标准化的生产

• 大模型的产业化路径：
• 封装复杂的模型生产→高效支撑千行百业应用
• 通过大数据、大算力、算法→开发训练大模型，推理部署至千行百业

• 赋能各行各业：
• 生成式AI对银行的影响最大



互联网+创新创业发展
 

新闻稿

网易副总裁阮良在浙大分享AI时代的人才观

6月10日,浙江大学计算机学院举办了一场以“AI时代的人才观”为主题的分享会。本次分享会邀请到网易公司副总裁阮良作为特邀嘉宾,围绕AI技术如何影响公司人才观、人才应具备的核心能力等内容进行了精彩分享。
阮良在演讲中指出,公司的人才观会随着市场环境的变化而变化。在AI技术广泛应用的今天,游戏领域使用AI最多,已全部落地。AI不仅提升了游戏体验,也应用于安全防护方面。目前AI还无法完全取代人工,但可以大大提高工作效率,如AI辅助程序员测试、帮助客服人员提升服务质量等。
对人才的要求,阮良强调在专业能力基础上,还需要发展跨界思维能力。要学习新技能、新工具,在知识交叉中产生更多创新点。AI助手如Copilot可以提升工作效率,释放更多时间学习和思考。阮良表示,AI不是简单地取代人,而是被另一个擅长使用AI的人继续推动发展。所以人才需要不断学习新技能,与时俱进。
阮良总结道,未来人才需既有自己的核心技能,又具广泛知识面。在AI应用中仍需坚持场景化、渐进性原则,并不断通过市场化创新取得成功。
分享会上,阮良的观点颇具前瞻性,为学生描绘了AI时代人才需要具备的关键能力素质,对他们未来发展提供了指导意义。

百度吴甜就大模型产业实践进行演讲

北京消息 6月10日,百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜,在浙江大学举行的人工智能论坛上作了题为“大规模产业实践与文心一言”的演讲,分享了百度在大模型产业化实践方面的经验。
吴甜表示,在人工智能新一轮浪潮中,预训练语言模型文心一言等大模型推动了技术进步,提升了通用能力。但仍需改进准确性、逻辑性等方面。实现大模型产业化面临模型体积大、算力需求大、数据规模大等挑战。可以通过模型压缩、并行计算、质量控制等手段进行优化。
吴甜建议,大模型产业可通过芯片代工、平台化实现规模化生产,形成从模型研发到行业应用的产业链。未来可继续扩大模型规模,利用多源异构数据进行训练,增强知识内化,实现自适应并行训练等。还需加强安全性监管,推动大模型健康发展。
吴甜总结道,大模型技术正在重塑产业与社会,其产业化实践充满挑战与机遇。业界需继续深入研究,以科学态度推进人工智能技术进步,造福人类社会。