主题：京东方 IPC 2024 AI + 论坛
时间：2024年9月5日 上午
地点：中关村国际创新中心 海慧厅
内容：
主持人：尊敬的各位领导、各位来宾、大家上午好！
此刻，我们相聚在 2024 京东方 IPC 全球创新合作伙伴大会 ——AI + 论坛的现场。本次论坛是京东方首次以 AI 技术为主题的盛会，既彰显了京东方对智能科技未来发展的殷切期盼，又体现了对创新驱动与行业进步的不懈追求。
接下来有请京东方科技集团 高级副总裁、联席首席技术官姜幸群为我们致开场词，掌声有请！
姜幸群：大家上午好！我是京东方联席CTO姜幸群，欢迎各位嘉宾莅临BOE IPC AI+论坛现场，本次论坛是京东方首次举办以人工智能技术为主题的论坛，论坛聚焦AI前沿动态、领先实践，围绕AI技术创新与场景应用，构建AI+共谋共识对话桥梁。
很荣幸为大家介绍出席本次论坛的顶尖学者、业界领袖，他们是：
华中科技大学教授、中国工程院院士、中国机械工程学学会理事长李培根院士
欧洲科学院院士、LEEE Fellow、西湖大学人工智能讲席教授金耀初院士
西湖大学人工智能讲席教授金耀初院士。
国际信息显示学会执行委员会委员兼秘书长、中国区总裁严群
阿里云计算通义模型业务总经理徐栋
聆思科技副总裁 徐燕松
瑞芯微电子 高级副总裁林峥源
麒麟软件 副总裁姚翎
元石智算 董事长周宇虹
国务院政府特殊津贴专家、教授级高级工程师林承桢
上海新能源行业协会副秘书长竺新原
我谨代表本次AI+论坛主办方向远道而来的行业专家、学者以及业界精英们表达最诚挚的欢迎！
此外，我们还邀请到了多位京东方集团的领导参加，由于时间关系他们会陆续到达我们论坛的现场。已经到达现场的有京东方集团执行副总裁冯莉琼女士，非常感谢京东方集团对AI+技术的倾力支持。
随着科技的不断进步和社会的深刻变革，人工智能已经成为引领全球技术发展和经济变革的重要力量。 从大模型到AIGC，每一项技术的突破都为我们打开了新的应用空间，人工智能的快速发展不仅推动了技术进步和应用创新，也在深度影响甚至变革现有生产力和生产方式，今年政府工作报告中首次提出了人工智能+，把人工智能上升到国家战略的高度，AI正成为新质生产力的典型代表。快速的融入制造、金融、农业、能源、科研等千行百业，AI与行业应用的深入融合将成为刺激各行各业再增长的主要驱动力。
大家常说的一句话，任何行业都值得用人工智能重新定义一遍，对于京东方来说，人工智能给我们的工业制造、产品创新以及企业运营管理带来了技术驱动力，创新空间巨大。今年4月，京东方从集团层面发布了AI+战略，通过加强对AI的投入，持续推动AI创新与应用的可持续发展，打造企业从第一曲线到DN曲线的战略创新引擎。制造领域京东方有着雄厚的制造基础，在全国布局18条半导体显示工厂，AI与制造的深度融合正在解决或改善生产制造领域的关键问题，让效率更优，成本更低，良率更高。显示产品领域京东方是全球领先的显示屏幕制造商，我们也为全球客户提供电视、显示器、笔记本、电脑、平板、低功耗、LOT、3D显示等领域的智慧终端产品，通过AI助力实现技术和产品的创新路径。
在办公、医疗、零售、艺术等细分场景领域，AI打开了更多想象空间，京东方已将专业、技术、产品、服务、解决方案，推广至智慧办公、智慧医疗、智慧零售等细分场景，AI的深度融合与赋能致力于为客户提供过质量的产品，京东方AI+论坛致力于搭建一个开放、包容、协作的平台，我们拥有优秀的研发团队，广阔的应用场景，也诚意与高校、科研院所、产业上下游伙伴、协会机构建立密切合作，共同推动人工智能技术的创新和应用发展。
最后，再次感谢所有参会者的到来，希望大家能够在接下来的时间里有所收获，让我们一起探索未知，迎接挑战，共同开启AI引领新篇章。
主持人：让我们用热烈的掌声欢迎华中科技大学教授、中国工程院院士、中国机械工程学会理事长李培根。李院士将为我们带来主题演讲： “从两个视角看AI的工业应用”。掌声有请！
李培根：中国器械工程学会理事长是过去的事情，更正一下，这是错误的，已经下台几年了。各位领导、女士们、先生们上午好，非常荣幸和参加京东方论坛。京东方在AI+这方面做了很多重要的工作，做得非常好，我也不是人工智能方面的专家，但我当然长期以来关注数字技术、智能技术在制造领域的应用。我今天这个话题讲AI+制造的，那几乎可以讲AI在制造企业里面可以说无处不在，未来应该是这样的，当然不是说现在。
我仅仅从两个视角看AI在制造里面的应用。一个是过程视角，主要是和数字孪生有关。工程问题它本来是基于实践的，但实际上我们在处理工程问题的时候包括在学校里面我们教育中，我们对工程问题主要是基于命题导向的。即使我们在大学里面当然也会谈过程，不是说大家不重视过程，但是我们重视的这个过程是指什么，是我们经验的，或者经过实验的，一般意义上的过程，源于对一般规律的认识，不是基于我们对某一台设备一个个体运行动态的认识，这一点是非常不一样的。现在由于数字技术的进展，包括传感检测技术、物联网技术、人工智能技术等等，数字孪生使得人们有可能对特定物理系统，某一台特定机器或者装备的，它的运行过程的认识，这是非常重要的。
以前我们谈过程经常基于某一类型号的，我这里举一个例子，这也是我们学校华中数控的，用到数控机床上面的，当一些传感器采集很多数据，孪生数据，我们有相应的数字孪生模型，但在背后当然有机器学习、深度学习这些在分析，数字孪生模型对机床运行过程中的数据进行分析，它可以发现它的运行动态和状态，假如说道具磨损，磨损之后在一些数据上有反映的，比如主轴的功率会有变化，有点像我们人测心电图，是随着时间变化的，他们把心电图的概念用到机床上了。反过来说，可以实时的，判断机床的状态，如果道具磨损了，有变化，可以发出使命，补偿控制，这就不一样了。我们过去包括自动化程度很高的没有这个功能。机床上面装很多传感器，采集各种数据，从数据中分析，这个针对的是一个特定的机床它的运行动态。
我觉得我们大家要认识到什么呢，AI是可以强化对“个性化过程”的认识，我们讲数字孪生，现在大家听得很多，但更多的是数字孪生有一些还停留在以前虚拟样机的层面上。真正高级的数字孪生那就是对一个物理对象它运行的过程，个性化的过程。我们讲传统的都是从一类物理系统过去的过程认识，一般性过程的规律。现在需要从个体物理系统个性化过程认识，这是不一样的。而这个需要什么，需要数据+AI驱动控制这个过程。
我们大家要有一个概念，大家要明白只有在孪生空间，我们才有可能超越人类对装备物理系统的认识局限。比如说一台机器是你设计的，你设计的你应该对机器很清楚，但尽管如此，它运行时候的动态是不清楚的。我们现在靠数字孪生，通过数字孪生可能认识装备物理系统运行中的过程。
有一点大家要注意，我们讲数字孪生不仅仅是一个装备或者产品的数字孪生，它同样要靠车间、工厂、供应链。
我觉得在企业里面我们一个车间要真正的实现数字的工厂和物理的工厂，它两者是伴行的，仅仅伴行还不够，我觉得应该是共生。请大家注意这个概念，共生是什么含义呢？这个物理车间我采用了它的很多数据，通过这些孪生数据我能够看到车间里面的运行动态，比如设备加工的情况，包括物流的情况，但是我仅仅是知道这个不行，你只是一个呈现，我们还需要反过来影响这个物理车间的运行，比如我看到车间里面物流状况有点问题，那我要优化这个，那你可以发出指令，那你可以调整物流。这就是一个数字的车间和一个物理车间真正的伴行共生，互相影响。
供应链孪生，一个数字的供应链和一个物理的供应链保持同步。在供应链过程中物流的情况有什么情况，需要调整的话可以及时调整。特斯拉，它的供应链也是很复杂的，非常看中物流的情况，物流宣称电子化，全程可视化，总而言之，它是要把它的数字化供应链系统把一个工厂供应商物流的服务商和客户等等都连接在一个可视的数字链上。
第二个视角，我们谈AI+制造，我们需要从数据视角看，尤其从时间空间的维度。大家现在都关心大模型，大模型Transformer架构，一个是单次的向量化，苹果有多少属性，你们想一想，想出十几个我估计就不错了，我一般想几个，ChatGPT一次可以提取300种甚至500，这个对我们人类来讲真的不可思议，它就是从不同产地不同品种各种各样的苹果细微的差别。但我们人类的感知你再怎么细微细微不到那个程度。
第二个很重要的，所谓自注意力，关系的寻找。现在AI对世界高阶相关的认识，高阶关联的认识，已经超越我们人类。过去的数据基本上企业里面的，而且我们数据大家都有数据库，数据库基本上是关系型的数据库，现在不一样了，现在数据大量从设备的数据、网络的外部数据，甚至社交的平台，云端，等等方方面面的数据。我们企业就需要从海量的数据来源中寻找一些有价值信息的能力。
GE公司现在很注重工业时序数据，现在有一个proficy平台，涉及到工业时序数据的存储，在车间里面采集很多设备的数据，现在有物联网，所以通过驻留在边缘设备并提供分布式数据，可以将机器的数据推送到工厂，Proficy Historian Edge可以提供一种更有效的方式去采集和存储来自数千台不同机器不同设备，这些数据都可以往上送到。
现在因为有数字孪生技术，现在一个很重要的问题，我们有的时候需要跟踪并记录数据的变更以及变更的特定时间，以前不大关心的，现在叫时序数据，不管预测分析或者预测后面的情况，我们都可能需要查询某个时点的数字，这就是时序数据要扮演的角色。
Proficy有一个CSense，从历史数据中挖掘见解，从过去的数据里分析我们原来意识不到的问题，当然这背后是什么东西呢，这些数据分析背后是人工智能技术的应用，未来对我们每一个企业来讲其实我们工艺中管理中有大量的一些问题要进一步的改善。
这个例子也是我们数控系统内部电控大数据，电控大数据包括很多，比如运动轴的状态、主轴状态、机床运行状态，一大堆，过去我们不关心这些数据。把这些数据分析，就可以发现数控系统电控与零件加工质量、精度和效率之间存在某种联系，我们不去分析这些数据以前是不知道的。右边这个图大家看到，有红圈是加工切痕，通过分析之后采取措施改进，加工质量就高了，明显的改善。
还有高阶关联，我前面提到，实际上我们人类能够认识到基本上都是一些低阶的关联，显性的关联，显性的，高阶的关联多数超越我们人类的认识能力，我们这里举一个例子或许能说明问题，DeepMind，这还是好几年前的，不是最新的，它开发的AlphaGo，DeepMind把谷歌数据中心总体耗电降低了15%，一个数据中心设备一开机就得耗电，我们要进一步的节电怎么办，我们没有数据的模型，它的做法是什么，就是在设备上包括建筑物的结构，因为不同的数据中心建筑物的结构是不一样的。装很多传感器，采集各种数据，然后获取分析，最后采取措施给降下来。这么多方方面面的传感器涉及各种数据，它之间的复杂关联一些知识，我们人类既不可感知也不可表达，实际上企业里面存在大量的战斗力。比如一个企业一个工厂的节能，我们当然知道一些影响耗电的因素，但那是显性的因素，容易感知的因素，还有大量不知道需要数字技术智能技术的应用。
我们前面提到这个苹果，ChatGPT属性可以300种500种，我们人类感知十几种了不得，我们想一想，企业里面可以说我们加工的过程中我们讲MEMS，包括一个材料，跟材料有关系跟工艺有关系跟环境有关系，但材料的特性数据我们是不是了解充分了呢，没有，就像苹果一样，你对苹果只是一些比较容易感知的那些东西。企业里面材料、工艺、环境这些东西一样的，我们还有什么影响因素，虽然它这个影响因素可能某一个因素影响不大，但是一旦你关注多个微弱因素影响的时候可能就不一样了。
还有我们需要从更广的空间去提取，从更广的空间数据中动线，有一个例子，世界上最大的农业设备制造商，迪尔公司，他开发农业设备拖拉机这些东西，农业装备考虑到什么问题，考虑得很广，比如说施肥、灌溉、种植、土壤、气象。那以前农业设备开发哪儿考虑这么多，现在不一样了。迪尔从大约50万台设备上搜集了数10亿次有关土壤、作物和天气状况的测量数据。这些东西和装备开发联系，这些是我们以前意识不到的。
现在还有内容电子的说法，以前讲供应链和物料的，内容供应链是什么，企业里面有很多营销、市场、产品开发，我考虑用户的体验，涉及到很多信息，企业自身人员很难全面的掌握所有信息，实际上内容供应链就是有专门的人做这种事情，帮你采集各种信息，我希望打造卓越的客户体验，专门搜集方方面面可能和客户体验有关的，等等。而且现在人工智能生成式AI成为内容供应链的强力引进，大家可以关注。
黄仁勋最近有一个讲话，他说未来的趋势将几乎所有类型的信息与数据进行Token处化处理。而且他说数据中心正在生产这些Token，那英伟达他们准备大规模生产智能，我不是人工智能方面的专家，我理解没有处理过的数据把它比方成石油，那经过Token化的数据又进一步的不一样了。我觉得它们现在的这些都是我们值得关注的，尤其是像我们一些大企业。
黄仁勋还有一句话值得我们思考，他说行业发展如此之快的时候，你需要警惕来自某出的微弱信号。对一个企业来讲你企业无处不在围绕信号，围绕信息到处都存在，一个工艺里面装备里面车间里面乃至供应链，甚至整个社会上，对比企业战略是有关系的，所谓围绕信号有些东西我们不注意，它可能的确是影响不大，影响大的你能够感觉到。但这些围绕信息当企业高质量发展的时候你需要改善一点点，可能这些围绕信号就值得我们关注。
我今天主要就这两个视角，一个是数据视角，讲数据孪生尤其是过程，我希望这一点引起大家重视。这里面数据是基础，AI是技术的关键。
我就说到这里，谢谢大家。
主持人：有请欧洲科学院院士、IEEE Fellow、西湖大学人工智能讲席教授金耀初。金教授的演讲主题是“演化发育通用人工智能初探” ，掌声欢迎！
金耀初：各位领导、各位来宾、各位专家，大家早上好！很高兴有这个机会参加这次论坛。因为我1996年出国以后去年才加入到西湖大学，之前对京东方了解不多。前一阵子京东方的同事跟我进行深入的交流，昨天看了一下会展，看了京东方在人工智能这块应用做得非常好，很高兴有这个机会。
我今天讲的话题叫通用人工智能，因为这是我们会议组织者出的题目，很难讲，我就说了一个初探，看能不能讲活。
因为西湖大学大家了解不多，我稍微快的讲一下，2015年创办，原来是西湖高等研究院，2018年教育部批准成为西湖大学，去年五周年。西湖大学有个比较正式的定义，社会力量举办、国家重点支持。我们有三个特点，高起点、小而精、研究型。
目前西湖大学有四个学院，工学院、力学院、生命科学学院、医学院。现在有230多位助理教授以上的，90%是从海外引进过来的。在校博士生有2000名，本科生招了三届，250人左右，我们看出学生比例上是研究型的。未来有3000个博士，2000本科生的规模。
去年10月份加入西湖大学之后成立了可信及通用人工智能实验室，有两大课，一个是可信的工业人工智能，跟我过去二三十年人工智能方面的研究有关系，我在公司做了很多跟工业过程、优化相关的工作，如果把人工智能用到工业上去，安全可信就非常重要，所以我们做了比较多的可信和安全方面的。
第二块是跟今天的题目有关系，演化发育通用人工智能。通用人工智能大家都有听说过，各种各样的说法，我们希望从一个不同的使改演化和发育视角来探讨有没有实现一些我们认为的通用人工智能的特性。
这是我的提纲，首先通用人工智能目前还没有一个很准确的定义，到底什么时候是通用人工智能，有的说跟人一样聪明，有的说比人更聪明，有的说通用人工智能自主的完成一些任务。最早提出来一个系统有没有人类智能的话大家也都听说过，图灵测试，如果一组专家跟对面房间的系统在对话，如果分别不出系统是个人还是机器，那就这个机器能达到人的智慧了，这是最早的智慧。后来又提出很多测试，咖啡测试、机器人大学学生考试，这些是相对早期的通用人工智能的定义。
现在有很多不同的说法，最近也有人说，现在基于大模型各种各样的人工智能模型，基本上慢慢的统一到了Transformer表述，问题描述，基于序列成。最后是学习方法，学习统一。统一学习算法，自监督学习从海量无标注数据中学习。我们如果说通用人工智能要跟人类的智能比较接近的话应该有一些特点，比如说有通力能力，还有自动规划、迁移学习、使用自然语言进行交流。通用人工智能技术一般来说自然要有自我意识、自主能力、以及人类的价值观，这个非常重要，如果我们开发出通用的系统来说跟人类价值违背的还是有危害的，我们希望人工智能对人类是造福的。
我今天讲的演化和发育，演化大家都听说过。生物学里面有一位美国专家，他说如果我们要研究生物的，我们讲通用人工智能必须要看生物的智能，比如说大脑，如果看生物的智能需要从演化角度来看，我们相信我们地球上所有的智慧的生物，一定是通过一年慢慢的演化而形成。
为什么看演化还有很多理由，一个看一下人类大脑，有这么多的神经元，800多亿，很多大模型接近这个规模或者超过，百亿千亿的参数量。但我们知道大模型消耗的能量非常大，人脑功率大概只有20-20瓦，非常高效的系统。第二，非常让人惊奇是我们所有生物特征都是基因大部分层面上决定的，基因要编码像人脑这么复杂的系统，一开始在没有人类基因工程之前大家都觉得基因的数量非常多，后来人类基因工程1990-2000年发现25000集，数量非常少，怎么可能人类用这么少的基因来编码这么复杂的系统，我们应该看生物的智能到底是怎么形成的。
还有刚刚讲的演化过程，我们讲，任何一个生命体，比如植物这个种子，动物从受精开始，慢慢发育，最后成熟。过程是非常非常有趣的变化过程，这里面除了基因之外还有环境，也起了很大的作用。人类神经系统有个非常重要的是神经可塑性，人类从小的发育过程以及成年的过程之后，它的神经系统都不断的在变化，在重构，这里有个图，我们看到左边是当他出生的时候神经元的连接情况，2岁之后再到6岁之后，大家发现其实变化是蛮大的，不是说大脑一出生就固定下来，不是这样的。人类一生当中有两次大的重构，一次是青春期，为什么我们小孩子青春期有很奇怪的事情，这个时候经历一次大的神经结构重构，还有一次是中老年以后，女性的话更年期也会有比较大的重构。
从发育过程从演化角度看会产生很大的影响，比如说你的基因相同，但因为发育过程由于环境的变化以及人和动物从事的活动不一样，发育过程会有很大的变化，长期积累以后对演化过程也会发生很大的影响，所以发育过程跟演化过程有很强的耦合作用。其实现在很多研究发现，哪怕成年以后，基因的调控对人脑功能性的结构有非常非常大的影响，我们经常讲大模型能做好一件事，做得非常好，但人类能做很多东西，为什么，我们大脑功能性不断在调整，你做不同事情的时候功能性结构是不一样的。
所以我们从2007年左右开始从演化和发育的角度来研究神经系统它的形成的基本机制，第一研究基因调控及环境因素对神经系统结构的影响。另外我们理解人的大脑、身体和环境的相互作用，大家听说过一个比较热门的词汇，具身智能，感觉是不是最近提出来的，原来是研究大模型，后来研究大模型不够，用身体来结合，没法跟环境来交互。如果你研究大脑怎么形成的，研究类脑的系统，脱开形态和身体脱开环境是不可能的。去年刚刚出了一本书，专门把我们过去做的20年工作总结了一下，从演化和发育角度研究大脑和形态和身体的协同演化和发育。
当然为了研究演化，我们必然要去看肯怎么在计算机里面模拟，对演化过程进行模拟，有个领域叫演化计算，这个领域不是个新的领域，跟上世纪人工智能的第一波50年代末几乎是同一时间开始的，如何在计算机里面对演化过程进行研究。当然对发育过程也有很多研究，特别是我们神经可塑性有不同的理论，这些理论都是来自于我们神经科学实验的发现，最常见的如果我们了解机器学习的话，最常见的无监督学习第一是来自赫布理论，大部分时间都是同时激发，这两个连接不断加强，这是一个很简单的说法，就这个简单的说法能够拿来训练这个神经网络。后面还有不同的可视性规则。
我们要看发育过程必须要看基因的表达和调控，分子生物学里面有个最基本的中心定义，所有的信息都在DNA里面，把它转录成RNA，翻译成蛋白质，蛋白质有两大类，大概粗略的分类分成功能性的和调控型的。不详细讲了，以前都听说过，很多的（英）对基因产生过程有一些影响。
大概20000年左右，分子生物学慢慢发展，发展到系统生物学，基本的思想是我不能够从很细的层面上研究基因调控过程，而是因为到系统层面，能够看得更清楚，有不同的建模，对基因调控过程进行建模，这不是最新的版本，我改成英文了，这又显示英文。
基因调控过程我们这些年也进行模拟，假设一个虚拟细胞，上面每个基因有一些调控因子和一些结构的因子。调控因子决定了后面的结构单元要不要表达，对表达以后细胞分类，产生一些调控因子，等等。不同细胞之间基因调控会相互影响相互耦合。
所以我们就把刚才讲到这些演化过程、发育过程以及人的生命过程中的学习，每个人都有学习过程，我们结合到一个系统里面就形成演化发育系统，后面大家看到这么大的图，大的环是演化过程，基因的变化操作，得到子代，发育中变成熟，过程中学习，把人和自然界三个自身机制演化发育学习，融入到一个系统中。左边是发育过程，右边有身体的影响有环境的影响，我们具身智能基本思想跟这个是一样的。
接下来在计算机里面模拟身体形态的发育，以及模拟神经系统的发育，细节不讲了。形态发育这是一些细胞，细胞之间怎么连起来，有弹簧减震系统模拟生物形态的形成，这是基因的操作。我们模拟演化的话什么叫一个好的个体，很简单，单位时间流动的时间越长就越好。我们一开始对两个干细胞慢慢让它生长，大家可以看到，能够长成一个长形的动物，我们现在看很简单，但有一个很复杂的过程，初始化基因调控慢慢演化，然后长成稳定的生长过程。右边这张图有一个刚才没注意到的，一开始把生长过程切掉一块，切掉以后自动长起来，就像人为什么有愈合能力。这个不讲了因为时间关系。
第一是身体协同，一个是神经系统协同发育，通过演化和发育得到三个个体，游得越长越好，但我们没有告诉它怎么去游，我们人没有去定义，身体没有定义，通过最早单一一个细胞慢慢发育出来的，最后形成三个不同的个体。三个个体有什么不一样，首先是身体的长度不一样，有一些随机因素，第二是游动的行为也不完全一样，第一个和第二个是波动性的游动，第三个是蠕动性的游动。这些身体的长度也好流动的方式也好我们都没有事先把模型定义好，不像大模型事先定义多少个神经元多少结构，都是初始化的基因调控，让它不断发育，告诉它你游得越远越好。这个行为很简单。
当然我们可以在更高层面上，大家不知道有没有听说过脉冲神经网络，生物的大脑人的大脑信号触点并不是连续的，现在大模型都是连续性，生物信号处理是基于脉冲的，有一类神经系统的研究是脉冲神经网络。脉冲神经网络结构我们前面讲了，人脑结构不断在调整，我们也试图用基因调控来调控脉冲网络结构，来不同实现不同任务，这里是一些简单例子。
生物的发育过程其实是一个很好的我们称为自主过程，带生长过程当中没有一个细胞控制领导别的细胞，但通过细胞之间局部的相互作用来形成了一个生长的过程，那我们很好的自身可预测的可控的自主过程。
这是一个生物的发育过程简单例子，生物发育过程虽然是完全自主的，但中间会出现一些阶层，有不同的结构会控制后面的发育过程。切掉一块放到另外一个地方。我们根据这个形成两层的基因调控，最后用两层基因调控实现对平机器的自组织，形成一个形状，就形成一个包围的结构，这是一个很简单的例子，我们有很多更复杂的例子今天没时间来讨论。
另外我们也可以不要定义这个基因调控，而是通过生物当中对单元基因调控来进行演化，形成一个复杂的基因调控，例子不详细讲了。比如说这个例子，我为了跟踪新目标，当看到障碍物的时候就能够自主的改变它的形状，但仍然保持对目标的跟踪和包围。
我今天就讲这些，我们探索从模拟自然界的演化和发育过程，当然还有个学习过程，来探索能不能在计算机里面进行开发，有一定通用的智能行为的个体。大脑通过长时间的演化形成，我们很难用人来定义一个系统有这样的自主学习能力。第二，神经元神经系统跟形态以及环境的相互作用是非常重要的，我们不能把大脑拖开来放到一个单独的环境里，具身智能是个正确的方向。
我们正在研究演化和发育神经系统，1.0我们刚刚建立了一个实验室，希望模拟一个自然环境一样的有山有水的有植物的环境，让不同的机型在里面演化发育，看里面能出现什么东西。
我今天就讲这些，谢谢大家。
主持人：各位来宾，请允许我荣幸的告诉大家，就在刚才京东方科技集团执行副总裁王锡平总来到了我们会议现场，请大家用热烈的掌声欢迎锡平总有请。
下面有请阿里云计算通义模型业务总经理徐栋，他将带来主题演讲： “大模型技术创新与业务实践” ，掌声欢迎！
徐栋：大家上午好，特别荣幸得到姜博士的邀请给大家作一个简要的报告和交流。我来自阿里大模团队，刚才听到从生物演化和制造角度讲了很多，+AI的方向，我今天讲讲互联网和ID角度怎么看大模型或者AI的变化。
刚才金教授讲到生物演化，我家里有个小宝宝，一岁多，我刚才对照着金教授的演化路径观察了一下我们家小宝宝的变化，特别像大模型的变化。
我们过去做得更多一点，过去技术发展变化特别多，如果局限到IT技术角度来看的话我们可以思考一下，今天一个技术的发展一定离不开应用的带动，其实过去IT领域发展和变化主要体现在移动互联网相互促进过程中，当然有没有可能下一个接力棒交到AI，交到了生成式AI的方向，AI技术又可能是一个场景。
我们先回顾一下过去，过去移动互联网发生过很多关键场景上的变化，第一个场景大家在座很多年轻的朋友应该有印象，2013年之后手机游戏成为被证明的商业模式，推动了整个云计算的发展，是个根本性的里程碑，因为手机游戏不一定成功，一旦成功运动数从5万到500万，这个过程中需要云计算给予充分的弹性，我们计算资源弹性跟手游的发展有密不可分的关系，这就是场景跟技术相互塑造的过程。
再往后发现移动电商，当时还有OTO，会出现很多峰值，这时候出现对数据库的并发和高可用的技术需要，所以这是一个驱动的关键点。再往后我们看到很多短视频直播，大家经常会用到一些短视频的工具，会看一些视频，这个领域大大推动了整个对象存储和CDN，等等。强调怎样低延时做交互，海量数据怎么低成本存储，并且得到更高的可靠性。再往后我们看到在线教育的发展，也是基于前面几个技术的迭代，成本的下降而产生的下降。
这里给我们很多启示，可能在AI下一代场景也好和技术变化当中会有一些借鉴意义，我觉得有两点，第一点，每个技术的变化会创造一些新的体验，而这个体验带来新的流量，新的流量可以嫁接不同的商业模式，AI有没有可能基于这个技术创造一些新的体验，我们今天看到一些，今天是BOE大会，大量的智能终端，因为有屏幕有麦克风有摄像头有扬声器，对人机交互的方式可能会因为AI或者大模型带来很多改变，商业逻辑会有变化，我们也特别期待这种场景的发生。
第二，我们也观察到技术如果真的要被普适应用的话成本必须要高度可控，刚才跟大家介绍过手机游戏云，计算成本大概在2%-5%，如果游戏公司收入100元云计算投入是2-5元。对未来如果要让AI成为非常普适的技术，成本控制和收入比例也是非常重要的，再往下人工智能技术在互联网或者IT领域应用会是什么样子。我不从学术角度讲什么是AI了，我相信大家非常普遍的用到了AI。阿里巴巴最早在2013年把音变成文本，也做翻译，因为当时有出海的需求。
AI分为两个阶段，一个是训练一个是推理，训练就是从数据中寻找规律，比如说今天大家学英文有两种办法，一种靠背单词和语法，还有读5000篇英文文章就有语感了，大体中从数据学习规律的过程。推理表现为精度，基于数据学到的规律能不能在这个领域足够高，或者人类偏好打分足够高，或者超过人类。现在这四个场景或多或少已经超过人类了，或者跟人类有些地方要接近，有些地方完全非常可靠的相信AI能够替代人类。比如人脸识别、指纹识别，这是非常典型的技术，精度已经非常高了。
ChatGPT出来以后大家对AI产生非常大的热情，包括投融资和各个大厂加大这方面的投入，原因很简单，虽然刚刚看到的几个场景精度很高，但泛化性还是有很多挑战，只能做单一任务，无法像现在大模型通过prm（音）对下一个任务做一些调整。还有一些场景可能是泛化性还OK，比如像一些智能客服、个人助理，个人助理最典型的像小爱等等，但有的时候不愿意太爱用智能客服，因为精度还没有办法变得特别高。这张图是个示意图，纵轴代表更高的人类偏好，或者是精度，如果用大模型领域理解的话有个比较好的公开评测，叫MMU。
今天大模型挺有意思的，保证在一定精度和泛化性找到一个平衡，我们也非常荣幸能够看到机器依次学会人类的语言，过去都是人类学机器的语言。我们自己有个模型叫TALKS（音），比较有影响力的模型。我们大概学习了15G的talks，可以理解为一个talks在中文语境下约等于2个汉字，相当于15亿或者35万亿的汉字，粗略估计。如果一本书30万字相当于大模型学了一本书的内容，基于知识的压缩理解人类语言相互的关系，而很多知识里带来逻辑的母板，带来逻辑推理上的能力提升，为什么我想解释一下什么叫既学会人的语言，其实就是因为基于这么多数据掌握了规律，理解了人类的语义，可以做越来越多的事情。
再往下看大模型今天的变化依然非常快，我们期待了一些爆炸性的应用还没有出现，但今天很多场景开始进入工程化阶段，大家开始强调怎么做到更低的成本、更高的推理速度地、更好的并发，说明开始被用起来了。
这里有两个趋势跟大家快速分享一下，第一个大语言模型的能力今后会进一步提升，不管增加数据还是加大参数，模型都会得到更好的精度或者人类的偏好。过去模型精度55-70分之间，在2023年或者是2022年，今天感觉到模型越来越多，达到85分左右，如果模型精度接近机器翻译，或者超过语音转录，我们相信我们会更愿意用大模型模型，如果到了95分，这是一个维度。
还有一个维度，今天我们讲的所有大语言模型，更多讲的是文本进文本出的架构，但是在面向未来，大家知道人接受信息不是一个坐在面前打字或者只看书的模式，今天站在台上看到这么多同事，这么多在座的嘉宾，有很多视觉信号和神经信号。如果今天视觉信号跟云信号进入调模型，让模型看懂听懂，在原有精度的量变维度上增加了一个维度，我们一般叫多模态，我们今天跟机器交互的模式是多维度。
最近刚发了一个开源模型，可以看一下，我们可以跟图片做对话，可以对图片里面很多语义理解。大家有空可以玩一下图片对图片的理解，你可以在原来文本基础上更好的跟机器做交互，不仅能识别，而且具备一些理解的能力。最下面是我们两个模型，这两个模型目前在国际上都得到比较好的水平。如果我们仍一个TDS文件，或者PPT文件，会得到一个比较好的看见切看得懂的效果。跟大家分享一下我们今天看到大模型从单一的文本到了一个不同模态。
刚刚讲的都是偏向于大语言模型，如果从娱乐角度来看大家都很关心视频的生成，或者说视觉信号得到更多的编辑。我们自己对这件事情的理解，如果一个生成式大模型控制力越强，商业价值就越大，所以我们花了很多力气研究对于人物识别的编辑能力和控制能力。这里有三张照片，左边是我们同事的照片，只要一张静态照片就可以了，可以看到这里有两个视频，可以做到有效替换，目前精度还不错，但有进一步提升的需要。这是基于一张照片跟视频做融合的能力，还是挺有意思的。
大家可以看到这张照片背后有很多复杂的信息，所以要做分割，能够抠出来。通过不同的支持放到视频里面去。右边，也是同样一张照片，基于骨骼可以生成不同的姿态。模型可以驱动她，但很难做到侧面或者旋转，这是目前模型在突破的方向，对不同的姿势和形态做更多的控制力。说起来比较简单，有大量对人脸的控制，对手的控制，对一些看不见地方的姿势控制。
因为时间原因不单独看了，放的过程中跟大家简单讲讲，刚刚讲了娱乐角度，生产力角度自动化成为LLM发展的重要价值。最大一个程序就是写代码，今天30%的代码已经可以通过机器来去做，比如说代码解读、代码注释，包括特定业务的代码补全，未来有可能每个工程师都会配一个AI的代码程序员，来帮助他做这件事。
刚才讲的更多是产品+AI，这里更多企业+大模型，或者企业+AI。更多强调降本增效，怎样提高运营的效率，可能也会跟制造业有一点点关联，更多面向企业内部流程。我们总结一下有三个主要的要素，一个企业需要智库的方式被汇集起来，今天在大模型时代特别特别重要。第二，大模型目前还有一些场景比较明确，可以用可以做的，比如一些问答Chat Bot，加了知识库就可以检索，做流程增强。还有ChatBI，可以取数字，也包括一些信息抽取，大家可以简单理解为达标，过去一些小的模型做的事情大模型都可以做了。另外还有一些内容生成，不管是图片生成还是文本生成，不多赘述。整合完之后就嵌入到一个企业不同的流程，不管营销类销售类还是运营类的。包括法务、财务，自己公司内部也在尝试用大模型辅助做财报的撰写。大家知道一个复杂的集团公司每次写财报都非常非常复杂，怎样把事情做得更加准确、高效，是我们努力的方向。
这两个场景回到刚才的现象图里面当时认为不太靠谱的，在小模型时代客服跟个人助理的场景。目前客服也好、个人助理也好，非常好的在大模型时代得到一个体现，今天所有的手机厂商都在不遗余力的推自己助理类的工具，因为用户的留存越来越长，用户有的时候想检索一个信息可能更愿意问小爱等等不同个人助理的能力。
最后，简单作个广告，其实通义模型是阿里巴巴的团队，也是我们的一个品牌，其实我们在2017年开始当时成立了达摩院，更多面向研究的方向，今天通义绝大部分人才也是原来达摩院AI板块的人才集合，从小模型到大模型，都有，2019年有个平台，Pai，非常重要，把模型训练跟推理的基础设施对未来的模型训练起到很好的帮助。第二个时间段上我们有做一个模型，叫M6，M6大模型，在北京跟唐杰老师跟北京市政府有学术上的研究，这个模型很大，十亿万亿参数，但是是ME架构的模型，当时做这个模型已经帮助我们积累很多预训练的经验，怎么在万亿参数下做收敛，也包括怎么做多模态，这个模型是多模态的模型。这是当年我们在做的第二阶段事情。第三阶段是2023年和2024年，ChatGPT4比较好的破圈了，我们从学术、研究、基础科学角度转化更加商业化的角度，算是把一个技术变成产品，再把一个产品变成商品，目前在国内国外做很多工作，也包括做很多开源工作，大家感兴趣可以看一下我们的报告，右边有列出来。
最后是我们自己很深的体感，大模型变化太快了，过去移动互联网变化速度还没有大模型来得快，云集大家都知道，最早都是移动互联网公司来用，央国企一些机构还比较晚接受。今天我们发现大模型不仅是互联网公司、大量的央国企，尝试用大模型解决各种各样的不同的问题，我们相信未来随着领域的拓展，因为大模型学会了人的语言，相信未来创造更多的商业价值，期待跟大家有更多包括跟BOE一起有更多的探讨跟合作，谢谢大家。
主持人：接下来，有请京东方高级副总裁、联席首席技术官姜幸群博士，他的演讲主题是 “智能时代“AI+”引领屏之物联新质发展”，掌声有请！
姜幸群：大家好，很高兴在这里跟大家作一个人工智能主题的分享，我跟大家分享一下我们现在的宏观环境。
大家都知道，我们这两年实际上全球范围内整个经济环境非常挑战的，从GPT的数据和消费者的数据都能够看到。半导体显示行业里面，中国大陆出货量占全球70%左右，这里面有70%是电视的出货占比。2021年经过巅峰之后，2022年和2023年进入产业低谷，2022年是最严峻的，2023年持续相对比较低迷的状态。最近这段时间今年看到有一些回暖的迹象，但还不太明确。OLED市场方面保持相对成长的势态，在随着对手机业务渗透之后我们看到中尺寸OLED渗透率在逐步提升，进入比较快的发展阶段。下游终端市场大家可以看到，成熟的主流的消费电子产品，手机、笔记本这一类进入到相对成长比较缓慢的阶段，我们在新兴的细分市场，包括车载、AR甚至未来的机器人，这些行业表现出了相对快速增长的势头，这是我们现在所处大的经济环境，大家看到我们京东方的业务布局和这么多的业务赛道规划，以及我们众多产品的创新，大家如果理解了这个背景，就能够感受到京东方做物联网转型我们的战略意图。
我们谈到人工智能在最近一年半左右的时间里，人工智能行业里面屡次出现了现象级的技术重大突破，再一次革新了人们对于人工智能的认知，那在本次人工智能技术突破过程当中，我们观察到这一次人工智能技术的突破会给生产力和生产方式带来深刻的影响甚至是变革。其实大家都已经看到，我们现在人工智能已经在各个行业里面广泛的和行业渗透融合，AI的技术在各个行业里面发挥它新的作用，解决行业里面的问题。从市场来看无论是全球范围还是中国市场，人工智能市场未来一段时间都表现了比较强劲的增长势头。物联网终端设备未来一段时间是会普遍的AI化，同时像机器人这样的新兴市场，在人工智能技术的加持之下，未来会表现出非常强劲的发展势头。
从2022年12月份，ChatGPT推出到现在短短一年半左右的时间，我们看到在这个领域里面从源头技术的突破到整个产业链积极的响应，以及我们的下游各个企业向社会推出产品和服务，这个周期非常之短，只有在一年半左右的时间，所以我把它称之为技术源头带来蝴蝶效应，在各个领域里面有相当罕见的。所以未来在人工智能时代要想在这个领域里面有所作为的企业必须得有非常敏捷的技术理解和掌握的能力，要有精准的市场的理解突破的能力。
谈谈人工智能对BOE的影响，我们概括起来这个影响会有三个方面，直接的影响就是对我们BOE产品和服务的影响。大家都知道，我们BOE推出很多市场化的智能软硬件产品和服务，这些产品和服务未来会深度的受到人工智能的影响。
第二是京东方的制造体系，我们拥有将近20条庞大的生产制造产线，规模体量全球第一。生产制造这个体系未来会被继续的数字化和智能化。因为我们的体量这么大，所以在这个地方由于生产力的提升，给我们带来的质量提升、效率提升、成本下降会有巨大的杠杆效应，这块也是我们需要充分重视的。
第三是企业运营，企业数字化在过去几年里面一直是一个热点课题，企业数字化方兴未艾，但人工智能已经到来，未来企业运营管理、业务流程的处理、各个维度的经营管理它的方式方法未来会受到人工智能的深度影响。
基于以上考虑，京东方对于人工智能我们在今年4月份的时候，集团发布了人工智能+战略，基于我们对技术的理解和业务的思考和规划，我们把人工智能+的战略核心能力聚焦在制造、产品和运营三个维度。
接下来我给大家简要分享一下这三个维度上我们的基本规划和我们近期要突破的一些关键任务。
第一个维度，在产品方面，京东方的业务里面我们众多的业务赛道底层业务模式实际上有三种，器件、整机和协同，器件层面上未来一段时间着重要解决的就是如何利用人工智能技术去提升我们器件产品的画质，降低功耗，提升传感的集成程度。在整机方面未来一段时间我们的重要任务是如何能够抢抓这一波AI的换值潮（音）。在产品创新方面，我们要把我们聚焦点放在智能终端的AI化，快速的掌握AI芯片的应用能力，同时高度关注智慧终端多模态交互的能力，这是在我们整机业务里面AI战略的重中之重。在系统层面，主要就是我们非常丰富的行业AI应用，包括内容的应用。这些是系统级的产品和服务里面我们的聚焦点。着眼未来，除了解决短期的问题以外，对于各个模式的产品我们都有一些中长期的规划。我在这里不展开赘述。
第二个维度，是我们制造维度，我们短期核心要解决的问题是我们核心制造单元如何能够进一步的智能化，具体表现是要提高生产效率，提高产品的良率，降低我们生产制造的成本。在这里我们规划了一组关键的应用，未来几年时间里面我们逐步的突破。中长期来看，我们除了对于核心制造单元的智能化以外，还要着眼布局全链路的智能化。要关注未来更高阶的人工智能技术对生产制造的影响。
第三个方面，AI+运营，人工智能技术对企业运营管理至关重要，我们未来一段时间要从我们企业运营管理的几个核心职能聚焦去突破，市场、计划、供应、财务，但不只这些。我们横向要形成一个经营管理的智能体，让京东方的经营管理在面对半导体显示行业巨大市场波动的时候，整个生产制造和经营管理体系能够有更好的敏锐度，有更好的弹性，更快反应速度，以及更好的经济回报。
基于以上AI+战略规划及我们从今年开始，我们集团调集了相关资源，加大了研发投入，我们现在在AI+战略指引下，各个维度的这些工作实际上蓬勃在开展，处于非常活跃的状态，目前来看有15条产线在应用AI的技术，有超过30个产品线已经推出AI的产品，或者正在研发AI产品的过程当中，我们的职能部门当中有七个部门非常活跃的运用人工智能的工具和手段来提升自己的工作效率，包括我们在AI方面的普惠。总体来看我们AI+战略的指导下我们京东方在AI上非常活跃和积极的往前在推动，也取得了初步的成果，预见我们在未来几年AI+战略的成果会更加的丰富。
要支撑我们AI+的战略地支撑我们目标的达成，我们成果的实现，我们整个创新体系是非常关键的，多年前京东方已经开始布局我们人工智能领域这些技术的体系，我们京东方构建了ALOT的创新体系，端边网、云数智，不仅仅是人工智能，七八年前就开始做了布局，现在为止基本构建了一个技术上相对比较完善，能力非常突出的技术体系。
我们在AI+战略强化之下，AIGC新技术推出来以后，京东方也在思考我们对新技术怎么应用它，怎么掌握它，大模型对京东方来讲价值和意义在什么地方，我们一度在研讨大模型对我们京东方业务应用可能性，我们讨论很多大模型的概念。其中有一类大模型是我们要高度重视的，显示工业大模型，京东方30年半导体显示产业工业的积累，这些知识、经验、能耗等等，如何用人工智能技术汇集起来，形成一个在本领域里面高度智能化的智能体，来指导和赋能我们未来业务当中半导体显示进一步的发展。所以显示工业大模型是我们从去年开始着力构建的一个重要的技术平台，我们基础性的底座大模型只能在基础层面上给我们提供一定的支持，再往上这些工作需要BOE的团队自己完成。
AI创新力方面，我们经过多年的耕耘和积累，目前为止京东方AI团队已经有了相当的技术积累，能力的提升。大家其实可以看到，我们获得过非常多的AI算法全球冠军，我们在专利方面的积累在中国企业里面排前十的水平，制造型的企业里面我们应该排第一。包括行业标准，包括我们研发资源的储备，应该说都表现出了我们是非常具有实力具有基础的企业研发团队，我们相信有这样的研发实力作为支撑，我们能够更好的助力我们AI+战略的落地。
最后跟大家分享我们在AI+战略过程当中，尽管我们BOE有着非常清晰的AI+战略规划，我们也有很好的技术能力和团队，未来AI+业务开展过程当中除了京东方自己的团队以外，需要广泛的和学术界、工业界、产业界上下游伙伴一起来合作，京东方AI+战略里面我们自己的团队会去主导我们的架构、关键的技术，还有我们的数据安全、业务逻辑等等，生态合作伙伴可以在这基础之上和我们一起在不同的应用领域。不同的应用场景，发挥自己的特长和京东方的一起一起形成优势上的互补，来共建京东方的AI+的战略。
我们罗列了一部分我们在未来一段时间我们非常愿意和学界产业界合作伙伴一起探讨的合作方向。
以上是我今天分享的主要内容，我今天主要的职责是开个场，接下来还有几位同事给大家更加详细的分享我们在制造产品领域里面我们的进展和一些创新的成果。
主持人：下面有请，京东方 AI + 应用中心负责人 唐大闰博士，他的演讲主题是 “BOE AI + 制造创新实践” 为主题的演讲，掌声有请！
唐大闰：各位领导、嘉宾，上午好！感谢姜幸群模式精彩的演讲，刚刚姜博士给我们介绍了AI+战略的整体规划，这里由我很自豪的向各位介绍京东方AI+制造的创新实践。
首先整体介绍一下AI+制造，然后用两大应用系统给大家介绍一下我们取得的初步成果，然后引出我们背后的技术支撑体系以及未来展望。
首先介绍一下京东方的制造，特点就是大，京东方的半导体显示出货量达到全球第一的水平，意味着AI技术有着广阔的应用场景，同时AI技术的价值贡献也一定是非常广大的。京东方在全国布局有18条显示产线，两个研发中心，3个测试中心，形成了一纵一横这样的布局。刚刚大家在外面的展台应该已经看到了京东方的产品，有如下特点，首先京东方的产品种类非常繁多，工艺非常复杂，其中有成熟的工艺也有很多前沿的技术。
第二是产品种类非常多，从TV、3D、车载、穿戴、VR等等，品类多种多样，能耗也是多种多样，几乎覆盖了所有的显示场景。因此，面临着有着这样大的制造基础，京东方也面临着重要的挑战。首先就是在国际上的竞争，京东方站在了半导体显示制造甚至是国际竞争的前列，同时由于面临非常激烈的竞争，大家都在追求积极的变革与革新，以及产业会在不断的升级。在这个过程中AI技术就是这个升级过程中重要的一环以及重要的助力。基于这样的背景我们AI+制造应该如何做如何去思考。
接下来就向大家介绍一下我们对AI+制造的思考，我们综合了京东方的商业模式以及生产过程，我们把AI+制造从市场计划到生产、销售、运营分成了六个步骤，特点就是精密、复杂、多变。在每个步骤里面都有非常多的AI技术可以找到自己的应用场景，这些场景我们归根到底总结成了三高一低的特点，追求更高的产能、更高的良率、更高的效率还有更低的成本。未来AI+制造一定本着用更低的成本情况下提升更高的产能，达成更高的良率，达到更好的效率。由于这个过程非常复杂，有当前的聚焦也有未来的布局。当前聚焦在什么地方呢？聚焦在产线的痛点与瓶颈的地方，包括如何实现更高的产能，如何达成更高的良率。服务生产，创造价值。在这个过程中要求AI团队与生产一线的同事深入合作，AI团队要深入的学习生产知识，一线团队也要迎接AI的变化。
接下来针对我们当前聚焦的场景，如何更快的生产出更多的产品以及如何达成更高的品质，给大家介绍两个应用系统。
第一个关键业用是AI的排产系统，首先京东方的工厂产线与客户的关系是多对多的关系，会存在三方面的特点，第一方面是市场需求、生产需求以及客户订单是频繁变化的，会导致我们设备过载，还有设备会空置，并且不同工厂和不同客户数据格式也存在纷杂的关系。第二个问题，工厂生产的产品物料关系多种多样，不同产品涉及到非常多的物料，物料之间有非常的复杂关系，就存在着非常复杂的约束规则。第三个特点，一个工厂同时会生产多种产品，多种产品同时生产，还有频繁的切换，工艺流程会导致我们一定要及时的应对一场，否则在切换产品的时候很多工艺流程导致很多产能的浪费。因此我们AI排产系统给出了如下解决方案。
首先是统一数据，将各个工厂各个产线的数据尽可能的统一，然后我们要跨工厂的规划生产方案，统筹复杂的业务目标。同时，当需求发生变化的时候，我们要及时的启动启发式的重排，避免像以往人工排产一样造成严重的时间浪费。
最终我们的排产系统可以实现这样的价值提升，首先当需求发生变化的时候我们排产效率可以由原先的2-3天实现30分钟，实现自动化排产。由于物料存在复杂的替换关系，我们自动的实现复杂物料的替代，保证物料在仓库中100%的防止呆滞，降低成本。第三是提供设备的利用率，让设备的利用率提高10%，目前这套系统在2023年落地了京东方的工厂，并且在2024年落地到LCD工厂。
第二个问题，我们如何生产出更好的产品，首先京东方的产品多种多样，快速迭代，其次客户的期望非常的高，不能容忍良率的发生，但良率的检测却非常依赖员工的经验。第三是生产工艺越来越复杂，人工分析是非常难的话题了。我们也推出一个AI良率管理系统，我们将数据的处理效率提升了96%，我们同时从工艺、过程、环境、设备等等方面综合做了良率的分析，可以将准确率提升到90%。第三，从全工艺流程多维度分析良率，将良效提升2倍。
介绍完应用系统给大家讲一下背后的支撑体系，我们有人工智能平台、大数据平台两大平台，有几百项技术点，针对上述的两个应用系统，我们建立了3个技术级支撑两大应用，可以实现工厂级的排产效率提升50倍，以及100多倍的不良分析与判级。在半年时间内覆盖LCD全部供应段，将良率预警时效提升6倍。为什么要自研这样的平台与技术，因为技术是不断演变的，有了自研的平台才能紧跟技术的趋势，实现产线产能的AI赋能。这是最新的技术趋势，这样的平台上产生了显示工业大模型这样一个成果，目前显示工业大模型在以往三大难题上有了非常好的解决方案。
首先是如何快速的在更换产品的时候改进良率。我们可以使得单模型对产品的识别能力据以往提升100倍，人工效率提升10倍，在产品频繁更换的时候我们可以立刻的发现，及时的发现异常，提升良率。产能提升针对大模型数据生成能力可以让以往识别问题的数据量降低20倍，将重要的算法上限时间提升12倍。第三个痛点，产线的经验留存，人员流失的时候经验也随之丢失，显示工业大模型可以将知识非常好的沉淀甚至梳理，京东方自研的显示工业大模型在大专、大学、专业知识题库中显示专业知识可以做到88%的准确率，比Open AI GPT SO（音）高26%，未来显示工业大模型在质量、生产、研发设计方面都有着非常广阔的应用场景与拓展。
AI+制造的未来，说完当前聚焦的问题，其实我们还有非常多要向未来拓展的问题，包括如何辅助产品设计，如何更好的帮助生产计划以及做市场预测，甚至是智慧的仓储。由于AI+制造只有短短半年时间，我们未来会在其它领域做更好的成果，希望在来年的时候向大家汇报AI+制造更广阔的应用。
京东方的AI+制造，打造新质生产力，谢谢各位的聆听！
主持人：下面，有请亚马逊云科技制造行业资深解决方案专家赵鹏程，他将带来主题演讲：“亚马逊云科技生成式 AI 助力制造业数字化转型” ，掌声有请！
赵鹏程：谢谢大家，我叫赵鹏程，我在亚马逊负责整个制造业解决方案，今天很荣幸能够由京东方提供这个机会跟大家分享一下亚马逊云科技在中国怎样利用生成式AI助力整个制造行业进行数字化转型。
首先，我们来看制造业，过去几年不是那么一片的欣欣向荣，还是有一些挑战的，当然也有一些机会，包括海外的逐渐布局，包括我们看到人工智能企业人工智能专项投入越来越大，4000亿和3000+规模。同时在环保可持续等方面也有一些趋势苗头，或者逐渐各种标准各种专项激励都会出来。
在介绍我们真正生成式AI怎样助力制造业基础之上，先看一下亚马逊或者亚马逊云科技，拥有非常完善的全球数据中心布局，当然这里面不仅是数据中心，还有边缘站点、本地一些互动点，可以看到我们在全国全世界任何地方如果有哪些业务可以借助亚马逊云科技把您的业务轻松扩展到世界各个地方，所以我们很多在中国的出海企业都会把我们作为它首选的云供应商。
除此之外，亚马逊云科技连续第13年Gartener评为云解决方案或者云技术架构这个领域的领导者。这这基础上我们也是世界上根据咨询公司的报告，我们也是世界上目前故障率最低的一朵云，甚至比起我们第二个友商减少一半的故障率。
在中国，其实环境上跟国际上还是有点不一样，所以我们叫中国的运营模式跟我们本土的合作伙伴，一个是西云数据，一个是云环新网。通过这两个合作伙伴为中国客户提供服务。
亚马逊大家说会不会受到一些地缘政治影响，或者会不会因为中国的特殊政治环境或者地域环境减少投资，实际上并没有这样的苗头出来，2013年正式开始启动有限预览，一直到这么多年持续的投资，这是个连续投资的过程，表达出了亚马逊在中国坚定不移持续运营的理念，过去一年超过500项服务或者功能落地到中国，有的时候听到一些客户说是不是有些服务中国没有，因为这些服务逐渐从一个区域扩展到全球，中国是计划中的一员而已，不会说因为这个比较特殊优先一点全世界的架构和中国的架构都是一模一样的，如果您今天在中国用了我们的云，到了国际上管理运营模式是一样的，同理也是一样，如果在国际上用在中国很容易嵌进来的。有一些可信运营和等保，所有在中国运营的云数据中心资质我们是完全具备的。
接下来进入到生成式AI领域，跟在座各位探讨一下生成式AI到底怎样制造用处，怎样赋能制造业。先看这张图，生成式AI刚刚讲的所有行业都值得用AI颠覆一遍，生成式AI更加是这个情况。报告上来看生成式AI针对各个行业各种工种潜在的经济影响价值达到了7.9万亿美元，能够替代或者从事的工种在实际工作当中能够产生的经济价值，大概是这么多。
实际上我们今天发现，今天我碰到一个好模型生成式AI首先是大模型，模型好很关键，有了模型之后想把整个生成式AI从真正的基础模型变到应用还有很长的路要走，模型只是中间一小块，从定义模型到模型的适配和调整，大家不要认为一个模型可以做很多事情，我们发现在一个任务中选不同的模型好处不一样，有的时候甚至要把很多模型叠加起来用。还有评估效果、模型推理、模型应用。最复杂的是模型构建好了流程怎么用起来，我们这方面有很多的考量。
中国模型受一些影响，我们推出中国的生成式AI合作伙伴计划，包括中国领先的一些模型，包括供应链提供商、端到端应用提供商，我们都开展了这个机会。今天大家在亚马逊云科技的AI服务里面一键就可以开启这些应用，应用或者技术模型能够在云上运行，所以说不会因为一些禁用的模型没有办法用到GPT这些模型。
说回来，怎么样选哪些场景更加适合制造业，或者说我应该从哪些场景着手。制造业流程非常长，从一开始的研发设计或者从刚刚提到的（英）阶段，从我的概念规划阶段，到最后的服务，或者过程中的支持，制作流程非常非常长，如果我们今天抛开工厂，或者不只看工厂的话，我们发现整个流程当中有非常多的点可以靠生成式AI替代的，或者去赋能的。
今天聚焦三个点，一、二、三，一是在产品设计阶段，通过一些图的生成，通过一些模型的训练，加速产品营销和产品设计过程中的效果。第二是知识管理，老成畅谈，刚提到我要把知识留下来，老员工离职，老师傅离职之后把知识留下来，还是新员工入职之后尽快掌握需要的维修技能、使用技能，都是在知识管理这个领域。包括售后，如果产品卖出去了，电话打过来，今天怎么快速解决。第三，生产数据分析、销售数据分析、供应链分析、库存分析、数据分析领域，大概是三个领域，后面我分别用这个领域解决什么问题以及案例给大家阐述这个领域我们做了什么。
首先是产品营销图，这是一个非常老生常谈的问题，因为有了生成式AI尤其生成式AI生图之后，大家会在考虑我今天是不是有机会把一些精细化的设计工作交给AI去做，不好意思，比如我把一个角去变成圆角，那我今天设计一个尺寸，把螺丝加长两公分，这个东西AI暂时还做不到，或者没有办法在生图的过程中体现出来，这个过程当中更多做的在产品概念设计图、辅助概念创意，以及营销图怎么快速生成营销创意文案，文案和图结合的领域去做。刚才提到我们在大模型领域也会有多模态的概念，既能识别字也能识别图。现在在生成领域之后多加一个步骤，今天我的图做出来之后把这些图利用多模态进行标签管理，之前有个图有个车有个平板有个屏幕，或者沙滩，有了多模态之后可以用多模态识别氛围，人与人人与物，搜索的时候更加便利，这是第一个场景，比较有机会落地的。
实际上在去年跟海尔创新设计中心有了大模型在创新设计或者在工业设计领域的应用。可以看到海尔利用大的平台，可以做到文生图，用于电视和洗衣机上小的图表，把一个产品图变成直接使用的营销图，配上文案。这是海尔的例子，可以看到提升效果非常明显。概念设计提速83%，数字营销提升85%，但因为流程很长，我们讲设计流程提升11百，这是我们跟海尔的一个例子。
第二点，我们讲知识库，也是一个非常有意思的话题，今天我们讲整个知识获取、处理再生成的流程，不是很难了，大家都会做。我们非常关注怎样做得好、做得准，在这个领域当中找准场景，我们在这个领域当中做了几个案例，售后客服的，有工厂的内部维修知识库的，有工厂的ITHR知识库的，其实都是同样的例子。这个领域我们做了几件事。
今天分享的案例主要在西门子，我们跟西门子做了一个IT HR的案例，做这样一个场景当中不容易的点，一开始大家觉得我今天挑了一个好模型任务就完成了一大半了，确实是，但也不是了。举个非常简单的例子，今天我的模型怎样防止它不乱回答，因为我有不同国家的员工，怎样让员工使用的时候查到有权限的纹板，返回的过程怎样保证文档之间有相互关联，如果文档中有图怎么处理。做完之后我们还面对另外的问题，全部都用大模型，用什么技术架构和成本做起来，所以我们就做了另外一个点，从一开始大模型怎么用得好，到项目的二期三期目标变成怎样尽可能少用大模型达到跟大模型一样的效果。所以说这个东西就是一个逐渐演化的过程，一开始什么东西都用大模型做，后来大模型越来越少，达到类似大模型的效果，这是整体过程中优化的点，这是我们跟西门子去年年底今年年初做的一个例子。
第三个例子，我们针对数据分析，有一些非常有意思的点，会有几个问题，在制造业当中尤其明显，首先制造业系统非常多，不管我们之前讲的X95模型还是变革之后有什么4.0模型，这种模型讲的核心核心点数据是关键，但关键数据要融合。数据平台其实是一个很关键的问题，但现在很多企业说数据平台建起来了，那数据平台怎么用又变成一个问题了，我的一线操作员工一线操作工今天很多问题不是靠监控发现的，或者很多问题不是靠坐在监控室里发现，得先去看，但一线员工是不是真的有能力去发现这些KPI，可能不是，因为传统意义上工业现场看到的这些表格都是定死的，也没有人说我看几个生产指标，我今天想突发奇想做件什么东西，很难。所以很多创新尤其在数据方面的创新都是由一线老师发现的，一层一层沉淀，变成核心关注的核心指标。这是第一点。第二，今天想问一些问题，比如我的某个场景一号和二号线产能不一样，到底区别在哪里，工艺参数和配置是不是有区别，不知道。还有今天我想看一个报表，公司流程相对比较慢，我今天看一个销售报表和库存报表，希望做到天级，业务的敏捷性也会受到很大的影响，我们就做了这么一个东西，简单来说我们和德比软件合作，它是OTO公司，为什么讲这个，所有票务的上游，或者提供一些酒店住宿，它有非常多的数据和实时分析报表需求，它的需求会远超制造业。
今天提这个点的意思是我们在这个领域实际上找了一些比较有代表性的，分析类别更多。过程当中我们采用各种各样的方案去提高它的准确率，所以我们得到一些效果。这个场景背后主要是生成SQL，但我们通过很多方式，比如传统RJ的方式，通过思维链的方式，我们通过一些打好评打差评的方式逐渐把一次性生成查询语句的准确率准确率提高90%，相当于今天的一线员工不太具有IT知识的员工只要知道问题怎么问，把问题问出来了我们就能够把查询的语句生成出来。很多人有自己想象中的或者我认为这个数据可能真实但需要验证的暂时验证不了，今天定制化需求50%可以靠这样一个平台去完成的，同时他们说我业务开发的效率在这个过程中也提升了50%，这是我们的第三个例子。有一个很核心的点，不是说把生成式AI用得多好，真正体现生成式AI的普惠性，不管之前的能力是什么样，是一个一线的操作工、经理，不管知不知道知识，通过应用包装和数据集成，能够很好的把我今天期望的数据获取到，通过数据引导我的工作引导我的洞察，这是一个很重要的点，不仅仅是单纯的我聊天。
以上就是我分享的所有点，谢谢大家。
主持人：有请京东方人工智能技术中心负责人 刘玉宇博士，他的演讲主题是 “AI + 显示，智慧屏产品新体验” ，掌声有请！
刘玉宇：尊敬的各位嘉宾、领导，早上好。我是刘玉宇，来自京东方人工智能技术中心。今天我分享的主题是AI+显示给我们带来什么不一样的体验。姜博士刚才说到，AI+显示我们尝试让显示发生一些变化，什么样的变化呢？
京东方秉持屏之物联战略，其中最重要的一环就是怎么让屏衍生出更多的形态，从TV、显示器、手机、pPAD，再到商显到低功耗，我们的屏幕产生了越来越多的方式和显示的形态，这个过程中我们随着不同的形态尝试着让屏能集成更多的功能，在集成更多功能的过程中随着AI的浪潮，我们发现集成AI能力对显示屏的改造是非常巨大的。最终我们希望集成更多的功能能让我们的显示屏植入更多的场景，而通过集成AI的能力，我们可以让显示变得更友好、更智慧和更方便。
在这里我通过介绍两个显示产品与AI的结合，来向大家展示AI对显示的改变，
第一是千家万户常见的一块屏，电视机。传统电视机通过摇控器遥控，而且在我们家庭中屏幕尺寸随着家庭生活改善屏幕尺寸越来越大。同时屏幕上目前来讲作为一个显示的终端存在，很难与我们人和环境的互动交互，如果加入AI带来什么改变，京东方给了一些解决的方案。
首先是功耗的控制，重点推荐一款通过用AI，在左边的视频里面左右两边显示屏把功耗降低了20%，左边我们通过集成AI的能力，我们让降低功耗的显示屏拥有和和不降低功耗显示屏几乎相同的画质，这个功能目前已经集成在了京东方显示屏的芯片中，将来会大量的在市场上投放。通过屏幕控制和分区控光控制进降低显示功耗。
第二是我们如何让屏感知，通过在显示屏终端中集成UWB模块，实现活体人存感知。根据人员位置调整屏显，比如人走熄屏，比如人的距离设置不同的画质和感应。同时我们还在屏的内部集成光感，就像手机一样随着环境光的改变和屏的亮度，屏的色调都会随之改变，看起来更加舒适。我们在TV上用摇控器尝试翻找一个功能菜单的痛苦，通过在显示器上集成数字人，我们用语音方便与电视进行交互和控制。
第三，我们对交互的改变，在这过程中，刚才提到的UWB模块还有一个功能，可以改变我们摇控器，传统按摇控器上的按键来操纵，现代摇控器的指向向鼠标一样精准的定位多我们显示屏上的定位点，于是像操作PC一样操作我们的TV。刚才提到我们的一语直达，还可以在TV上集成文生图的能力，随着模型优化技术的进步，还有芯片技术的进步，我们有可能在TV上通过语音生成各种汇报，各种各样的视频图片，从而让电视机更方便的服务于我们家庭的每一个成员。
分享一个新型的显示终端，3D，我们看看AI和3D结合会发生什么变化，首先传统3D有个非常大的痛点，看3D电影时像我戴眼镜的人再加一副3D眼镜是非常麻烦的，同时3D内容的制作成本高，制作流程复杂，呈现形式也比较单一，通过把AI植入3D，能够有效的解决这些痛点。
首先用AI可以让3D抛弃掉眼睛，用更加自然和舒适的方式欣赏3D的内容。这里面不论是什么样裸眼3D形式，核心在于让我们左右眼在空间中看到不同的成像。一个核心是如何精确定位我们人的眼睛和屏幕的相对位置，通过京东方开发的眼追技术，一个摄像头准确的定位人脸，还可以定位头部的姿态，可以改变我们在显示屏空间投放光速的位置，比较好的感受到3D。同时我们的3D内容如果全部靠3D摄像头制作非常困难，AI技术尤其大模型技术的发展，现在从一副二维图片上通过深度学习的手段恢复3D内容，这里面是我们对猎豹的恢复，非常细的胡须都可以恢复出来，从而保障3D画质的质量。第三步是把刚才说的一副图片加上深度，变成人在左右眼看到的不同图像，我们开发了高效的交织手段，能够把这个图像快速的重新组织、拼装，最终形成裸眼3D效果。目前，我们在初屏的深度和初屏的合成效率方面达到业界的头部水平。
第二，基于刚才3D的这些技术，我们构建了一系列三维平台，帮助我们客户快速的生成三维内容。同时我们也支持三维编辑，大家可以在生成的三维内容上直接在深度图上去编辑，从而就像我们有的时候做内容捏脸，捏3D，这样生成的内容可以快速的改变，最后我们也构建了3D播放器，能够让我们在各个设备上快速的集成3D播放的能力。
随着大模型技术的发展，基于内容文本生成内容的方式也日渐得到了重视，3D场景中也有非常广泛的应用空间，我们经常遇到一个客户，希望把商品能够用3D的形式投放到商业的宣传广告中，这个时候过往经常需要找到一些特殊的制造工作去制作，现在我们可以用AI的手段快速生成。同时，我们3D的产品形态也日渐扩展，出现了3D相框等等形态。我们在显示器以及商显也有非常多的发展，因为时间关系不再赘述。
最后简要描述一下技术平台，AI对我们显示的支持主要包括器件显示技术平台以及系统显示技术平台，这里不再详细展开，未来我们AI将会随着显示形态的不断拓展以及显示再交互多模态等等方面的能力需求，我们会不断发展我们的能力，希望通过AI加持让显示拥有更加卓越的体验。
以上是我的分享，谢谢。
主持人：各位来宾，今天我们十分荣幸的邀请到京东方科技集团董事长陈炎顺先生。请让我们最热烈的掌声欢迎董事长的到来。
陈炎顺：十分感谢董事长在百忙之中来到我们会议的现场，我想这代表了京东方集团对AI+战略的重视和鼓励。那么接下来，就请董事长为我们AI+论坛致辞，最热烈的掌声欢迎董事长！
陈炎顺：非常抱歉，各位专家，我本来想着从一开始就参加这个论坛，因为各个论坛比较多，今天上午我主要参加了三大技术策源地，一个是我们AI这一块，为什么，因为京东方是一家以技术创新为起点，以技术创新为立企之本的企业，企业要基业常青，技术创新必须放在首位。我在昨天演讲中也给大家讲过，京东方有一个理念，技术行不一定赢，技术不行铁定输。基于此，京东方从2003年开始，一直把尊重技术、持续创新作为京东方在产业发展方面的基石。
我跟大家开玩笑讲，有一个很尴尬的原因，创始人王东升董事长，包括我，我们都不是学技术的，我们进了这个行必须尊重技术，必须尊重技术创新，必须尊重技术人员，所以今天主要参与技术策源地。但AI大家知道，AI发展已经快速的融入到我们的生产、运营和产品的各个环节，我一定要过来跟大家说几句。
首先要感谢我们李院士、金院士，还要感谢各位人工智能专家领域的朋友们和各位机构、专业领袖代表。当下人工智能领域技术发展可以说突飞猛进来说，以模型、AIGC为代表的新一代人工智能技术正在成为第四次工业革命的主要驱动力。深刻的影响甚至变革现有的生产力和生产方式。我昨天也给大家讲过，在我看来所有的行业都值得去去用人工智能来重新定义，我记得在5年以前我也讲过，京东方向物联网转型向数字化转型的过程中，我们所有的领域都值得去用数字化重新来定义，今天我也跟大家讲我们所有的努力都用AI和人工智能来重新定义。
我在上周看了一篇文章，关于人工智能的发展进度，从点应用到面应用到系统的应用，它有一个很深的过程，现在这篇文章定义人工智能的发展从点应用到面应用的过程中，还没有到系统的应用，系统的应用对整个社会的构架、组织和管理理念都会发生天翻地覆的变化，很多变化是我们想象不到的。
所以讲，现在人工智能已经开始融入到各个领域了，对我们来讲，京东方从生产、运营到产品到运营管理这一块，其实都深深受到了人工智能的影响。人工智能能给我们工业制造、产品创新以及企业的运营管理带来核心的技术。对京东方构建未来战略新的增长技术创新是有非常大的好处。京东方一直非常重视人工智能的发展，今年的春节过后，在上班第一天的时间，我带着我们团队第一个去的是人工智能研究院。很多人讲京东方是半导体显示的，为什么在人工智能方面投入这么大的力量，我们现在人工智能总得研究人员超过500人，每年投入人工智能的研究经费在我们消费收入中将近0.5%，大概是8个亿左右，如果按照今年的销售1900亿是将近8个亿左右，我们销售要增长我们人工智能研究还会增长。
从今年到现在，京东方的高层从资金委员会讨论人工智能的应用不下于4次，我们也成立了人工智能+创新应用委员会，我来亲自担任创新应用委员会的主任，我们的姜博担当执行主任，我们每一个应用领域，包括AI+制造，包括AI+产品，AI+运营管理，每一个执行领域都要有相关的核心领导层参与。我们建立了一整套的人工智能研究，人工智能的应用，以及人工智能的产品，执行的一个体系。不说别的，为了让人工智能在企业的运行过程中提供有效的效率提升、服务提升、价值提升的过程。这一点我早有认识，我在五年前跟物联网研究院的院长，当时是王洪同志，我现在最头痛的是什么，最头痛的是产品良品率的问题，数字化的问题数字算法的问题来定位我们所有产品在整个产线工艺过程中的环境，把这个环境搞出来，那我效率就会提高很多。
我说从什么场景中感受到呢，两个数据，第一，现在ORED市场化非常快，投了2000多亿，我实话讲ORED一年赔60亿，面对相当大的困惑，核心的是什么，大家知道我们国内国产手机品牌发布基本上周期都在半年左右，产品发布到产品的上市销售，直线上升只有3个月的时间，3个月以后基本上是直线下滑，一个新的手机发布到退出市场有百万以上的量，很少超过千万的量，基本上是百万到400万之间，60-70%都是在上市前三个月。但我们的屏呢？良品率在上市前三个月的时候基本上只有50%的良率，要求最快的时候我们的良率只有50%，三个月以后良率提到80%，结果人家不要了，那我就换了。我们的产品从玻璃投入到最后产品出来，一共是28天的时间。如果你的良品率只有50%的话，各位，这个浪费不是一般的大，过去一条产线从投入到良品率稳定到85%、90%。大家知道每一条产线市场费是多少吗？最高的60亿，今年有很多人工智能算法经验，我还要花30亿用于试，过去一个月以后产品出来一批看看有什么问题，有问题马上对产业环境、周转过程整个过程各种数据进行分析，通过改进再往下走，一个月就没有了。
我一直在想，我们能不能做一个数字仿真产线呢，产品投入过程中我可以通过历史的数据来把我们整个产线各个环节各个工艺的数字模型把它确定下来，确定下来投入的良品率能不能一下上80%，各位，上80%一个点能解决3000万的收入，一个点一个月最多能解决3000万的收入。一条产线我拿30亿出来做爬坡，我还不如拿3个亿6个亿做人工智能研究，通过数字模型通过AI模拟，能够让我们的技术能力、产品能力和良品率一次性的提升，对我来说是显而易见的，你也别说通用大模型，作为一个生产企业，制造业企业，比较显示，我要解决的是用人工智能算法和数据来解决我企业生产运营和产品过程中的痛点和焦点。在今年4月份，我们专门成立了AI+应用委员会，成立了3个应用小组，AI+制造，AI+产品，AI+运营管理。
通过这些年的努力，京东方在这三个方面人工智能的应用取得了很多成绩，特别是在点应用，不想说我们取得的成绩很大。比如自动排产，通过人工智能这样一个大数据计算，我们可以把我们的智能排产时间从过去4个小时缩短到1个小时不到，很高的提高我们的生产效率。我们智能图像识别过程，也可以帮助我们在生产运行过程中良品率的自动检测和自动识别，生产和运营过程中有很多点的方面我们通过人工智能可以提高很多效率。
AI+制造正在解决和改善京东方在生产制造领域的瓶颈问题，让效率更优，成本更低，良率更高，持续保持京东方在半导体显示生产制造技术的先进性和行业的竞争力。我们的AI+产品也助力技术和产品创新路径的真伪。积极赋能我们显示产品整机和协同各类屏之物联的产品，真正做到集成功能、衍生形态、智能广场。今天大家也看到了我们这次所展出来的AI+制造、AI+显示，AI+运营，有很多成果，当然我们也有很多不足的点，因为各位都是专家，在人工智能研究方面有很深的功底，希望能够在这个方面给我们提供更多的建议，甚至我们有很多项目可以开放，帮助京东方一起来提升我们产业运营效率和产业价值。说到一点，为人工智能应用和人工智能最终走向普及做各位专家所做的贡献。
京东方在人工智能方面我们将一如既往的保持一个相对的投入，我刚才给各位专家讲了，京东方会在每年研究经费中拿出我们消费金额的0.5%来投入到人工智能。今年我们姜博士他们这个钱没有用完，给了他们6个亿多，只花了3亿多。未来在人工智能领域里面加大投入，因为确实太重要了。我们人工智能投入研究也不是一个封闭的，除了自身研究人员以外开放相对多的场景，开放相对多的数据，开放相对多的项目，形成一个开放型的研究平台，我们各位专家有兴趣的人一起来参与，追究是为了我们自身的目标。
各位专家，当下人工智能已经不仅仅是一项技术了，它更是我们行业和社会进步的引擎。京东方应该说这几年通过努力和发展，有优秀的人工智能研发团队，也有广阔的人工智能应用场景，我们非常演绎和行业的伙伴们开放京东方在人工智能领域的合作机会，也希望通过京东方的IPC这样一个共通、共融、共创、共享的交流平台，来将人工智能行业领域各路专家和学者和我们一起共同的共创，共同的计划，通过紧密合作来共同前行。
再次感谢各位专家和各位学者的支持和关注，谢谢大家。
主持人：我想有了集团领导的支持，有了行业伙伴的协助，接下来的时间里大家一定会并肩作战，一同前行，将AI的产品和技术延伸得更广更深，为集团为行业乃至为民族和社会创造更多更有价值的产品和技术，感谢董事长对的殷切期盼、鼓励，和对未来现实发展的指导。再次用掌声感谢董事长。
下面，有请联想集团显示器事业部产品总监张鹏，他的演讲主题是 “联想 ThinkVision 裸眼 3D 显示器，助力千行百业” ，掌声有请！
张鹏：各位来宾朋友们，大家好，非常感谢BOE给我这个机会在台上跟大家分享一下联想在显示器我们做的一些东西。ThinkVision其实是联想在商用显示器的品牌，主要服务于全球的商用各行各业的客户，我们在今年年初和BOE一起，我们用了BOE的产品和技术，一起深度开发，我们发布了裸眼3D显示器，也给各行各业客户提供了沉浸式的仿真体验。这款显示器是27英寸的4K分辨率，我们一定选用行业最好的合作伙伴，所以用了BOE，我们深度开发。我们是业界首款可以做到2D3D可切换的裸眼3D显示器。我们知道以往我们在AR/VR上有很多3D或虚拟仿真不便之处，前期跟很多很多客户看大家在设计应用的一些痛点，发现客户对开放空间的裸眼3D显示以及2D3D自由切换是一个很大的痛点，所以我们和BOE一起来做。除了提供2D3D裸眼显示之外，对显示屏本身规格也都是非常符合行业最高的标准，而且为专业的设计包括一些演示类的场景专门打造的。我们这款显示器的概念3D世界裸眼的即享，和BOE一起采用先进的技术，轻松采用无需佩戴眼镜和额外设备，同时我们能够实时的做人眼的眼球追踪，3D效果是一个非常自然非常真实非常细腻的效果。同时为了降低眩晕感我们探索在工程上和技术上看无闪烁，更加生动，而且不降低色彩的饱和度。
这个产品除了硬件之外，我们更多要看如何去做应用，所以其实联想研究院为这款显示器搭配的也做了3D Explorer软件，用它来承载我们在3D显示世界的生态系统。那这个产品其实我们是今年1月份随着产品一起来发布，同时我们也会随着客户的需求我们做了很多行业化的定制，我们也去做了很多迭代，所以在今年4月份的时候我们又把它做了一个终型版本的替代，它实现的效果就像图灵显示的一样，我们在以往一些设计师朋友们，无论是各行各业，无论是平面设计还是3D渲染，无论是医疗还是像BM建筑，有很多，我们设计完之后需要渲染，渲染完之后和真实的的东西有一定的差距，现在做的是双屏显示，一边是传统比较习惯的设计工具，同时在右边我们自己做了插件，适配很多3D设计软件，能够实时的渲出来一个3D的效果。我们跟客户做具体沟通和适配的时候有很多痛点，对素材、纹理、光影效果的追求，要求的是还原，要求的是真实，对设计模型1：1等比例放大的大小要求，都是在跟很多客户包括BOE一起通力合作，摸索出很多很多客户的痛点，也逐渐在我们产品上包括生态上把它应用。它能节省很多时间，包括能提供很多效率的提升，我们本身做IT设备，IT设备有一个很大的环节是设计师做出来产品之后我们轻易不敢开模具，因为模具很贵，我们在模具之前要很多很多的手法看实际的效果。那这个过程中在以往手把生成包括确认和评估等等是蛮耽误时间的，其实我们现在内生外化，跟我们自己的IT团队也已经开始用上了3D的裸眼显示器，他们反馈在这个环节上能够很大的帮助他们节省时间，提升效率，所见即所得，能够很快的去调，这样的话可以缩短我们在产品的预研到最终投模具到上课的时间。我们也提供了很多软件开发包，专门为开发者提供我们如何一起能够在这种硬件已经有一个新的形态出现之后，如何能够和更多的合作伙伴一起被最终的客户提供更多的一些不同的效果和一些新的生产工具。
其实2D3D多维的混合应用场景其实有很多场景的，比如教育培训，国内一些很优秀的合作伙伴开始在做教培方面的一些应用了，我们也在紧密合作，如何帮客户帮学生带来更好的3D效果，来提升一些教培教学效果和效率的提升，尤其是咱们国家现在在说，我们保持一个制造业大国，教育上有很大的教育思路转变，会有很多国家倾向在一些技校、职高等等专业技能或者高级蓝领上有很多投入，这里面教、学以及最终用，我们看到3D的一些建模或3D的教学有很大的体现性。
第二是刚才说的内容创作与设计，和2D一样的经验和技巧，以及所见即所得。同时和一些合作伙伴也看远程的协同、会议，2D3D的混合使用会不会有更好的会议场景提升，这里面有一点点不一样，中国人和很多西方国家大家在开会的时候尤其在视频会议的时候，大家是不太一样的，中国人普遍比较害羞，我看我身边的同事包括跟很多客户开会，摄像头一开，绝大多数中国人都会把摄像头关上，绝大多数西方人都会把摄像头打开，营造一个模拟面对面沟通的效果，能捕捉到对方的表情和眼神。我们有的时候在看，把摄像头打开效率也提升蛮高的，如果全关了你也不知道对方是不是在摸鱼。还有娱乐，我们显示器支持很多现有3D电影，或者是2D电影转成3D的，像《阿凡达》，家里看的效果还是非常非常不错的。同时我们在建筑行业很多客户做了深入沟通一起来做协同，规划阶段甚至施工阶段以及运营阶段，都能够帮客户提供很闭环的效率提升。
今天我们说AI，为什么讲AI，我们说到AIGC，现在AI生成一些视频，以往在3D包括在虚拟现实里面一个制约应用最终突破或者最终大范围推广的点在于内容，因为内容生成很贵，也很费时间，AI里面我们和研究院和合作伙伴看AIGC这个工具很大程度简化3D内容生成，有了内容有了显示可能就会有更多的无限想象的空间，来看我们在应用层面帮客户提升效率，帮客户解决它的问题。同时我们看到computing，算力越来越提升，无论AIGC还是云端算力还是GPU算力，算力提升很大，除了AIGC做图做视频之外，在3D显示器上面，我们也在做一些外设，来去做一些手势控制，包括一些人机交互的东西。有些合作伙伴上我们已经做出来了，做一些手势控制，他去做特定场景的展示和教学或者和应用展示在一起，这里面算力越来越提升，而且算力越来越分布，我们都有很多很多空间一起做一些不一样的东西。
今天非常荣幸能够跟大家一起来汇报和分享我们的内容，也希望联想把这一小步迈出去，希望在座各位同仁如果大家有更好的想法，包括更好的合作机会，欢迎来找到我们，我们一起如何做得更好。
谢谢大家。
主持人：有请京东方品牌战队负责人 杜子龙，他的演讲主题是 “AI + 创新，重塑未来办公体验” ，掌声有请！
杜子龙：尊敬的各位来宾，我是京东方品牌站队负责人杜子龙。很荣幸在这里跟大家交流分享。人工智能作为推动千行百业提升生产力的关键力量，正在与其独特的方式改变着我们的生活和工作。接下来我将通过技术落地的维度，跟大家分享《人工智能如何重塑未来会议体验》。
会议设备显示设备经历三次重大的变革，第一次发生在上世纪80年代，由于投影技术的发展，以及办公软件的普及，会议室中的显示设备完成了第一次变革，从此人与人之间的沟通正式进入了多媒体时代。第二次的变革是在2010年代，由于膜技术的发展，微软在行业里面率先发布了带触摸的一体机产品，从此会议设备正式进入了交互时代，人与人之间的交流变得更加立体。从2023年开始随着大模型技术的推出及快速发展，我们现在正在经历着第三次AI变革。未来，会议机将朝着智慧化的方向加速演进，成为会议场景的新质生产力。
京东方从2019年正式入局会议机行业，已经完成了三个版本的迭代，积累了宝贵的经验和口碑。随着AI团队不断壮大，随着技术的积淀不断积累，我们京东方势必会在第三次技术变革中大显身手。于是在行业里面首款搭载了端侧大模型技术的一体机C100诞生了。C100致力于通过为用户提升生产效率，优化使用体验，保护信息安全，为安全带来更聪明、更好用、更有价值的产品和服务。
接下来我将通过三组细分价值点为大家介绍C100如何做到这些价值的。目前平均拥有的智能设备数量是2.5个，由于操作系统及功能的区别，这些设备的操作不尽相同，但如果再给大家增加一个操作和功能，区别更大的一体机产品成本是非常高的。目前的一体机产品交互入口过多，导致操作效率低下，随着大模型技术演进，使得人机交互通过自然语言的方式成为了可能。C100在行业里面率先开发了一个AI笔，以前通过按键、触摸、遥控操作的功能，都可以通过自然语言来实现。未来，语音交互将是一个大的趋势，我们C100在行业里面率先的迈出了一步，目前支持到100多种的控制操作。极大的提升了交互效率。
在每场会议中，会议纪要的整理都是必要的工作，目前采用手工撰写或者录音转制来实现，手工撰写容易漏记，语音转制费时费力，对于基础的重复性工作是否可以采用技术来替代呢，由于AI技术的发展，我们在会议纪要这件事上取得了突破，我们通过C100可以用AI自动生成会议纪要并发送。技术进步往往会带来生产力以及生产方式的改变，AI会议纪要将极大提升会后的整理效率。在会议事中有一个高频次发生的功能，那就是会议材料的分享和传输，目前都是采用扫码的方式分享，有两大部分，第一是识别率的问题，距离较远或者有遮挡的情况识别是存在一定的问题。第二是传输效率业务流程过长，分享时需要发起者发起分享，还需要参会者拿起手机来接收，业务流程过长，效率低下。我们在C100上率先采用声波传输的技术，只要发起者发起分享，我们文件的链接就会通过声波传达到会议室的所有空间，每个人手机就会自动接收到信息，大大缩短了交互链路。随着软硬件技术的提升，我们不仅解决的识别率的问题，更缩短的业务流程，极大提升了传输效率。
视频会议是工作中必不可少的功能，大多数采用的是个人的电脑来召开的，用户通过信号线将电脑的声音、视频传输到一体机上，但是电脑上的摄像头、麦克风性能较差，无法满足摄像头中所有人的识英和摄像。C100一体机采用自研的无线传输方案，只需要通过一个投屏器用无线的方式把一体机的摄像头和麦克风链接到TC上，解决了摄像头的识音问题，并且我们无线投屏机免驱动的，即插即用，大大提升了会议效率。
一体机是一个重交互的产品，用户体验至关重要，我们在高频次发生的白板书写上做足了工夫，通过自研的AI笔记预测算法，将书写延迟缩短到了13毫秒，极大优于行业的25毫秒，对于白板书写追求的不仅是读写时延这个指标，而是无限接近于真实白板的书写体验。我们经过努力把擦除延迟优化到了14毫秒，大大优于了行业平均的45毫秒。同时我们创新开发了手擦功能，极大提升了交互效率。
随着软硬件技术的提升，一体机功能越来越丰富，对用户来说学习成本越来越高。我们在C100上创新开了AI问答服务，如果有对一体机操作的问题可以直接询问一体机，一体机将会通过文字、图片、视频的方式做出反馈，大大优化了学习的效率。
随着AI技术的进步，未来基于大模型的应用会越来越多，对于数据安全的要求也越来越高。我们充分的考虑了用户信息安全方面的需求，我们C100在行业里面率先采用了端侧大模型技术，数据不需要网络传输，更不需要在云上处理，大大的提升信息安全。同时对于一些保密性要求更高的场景，我们还提供了物理可拆除wifi模块的方案。物理隔绝信号，彻底隔断风险，所以说在信息安全这件事上京东方走在了行业前面，让用户更放心。
本次C100采用了京东方家族化的设计语言，三分区设计让产品显得更加干练，更富科技美感。同时我们采用了顶侧发声的喇叭，让降噪比提升了30%，让用户听得更清。
本次C100采用了朦胧亚克力的视觉体验，通过光线、透明等元素，让我们的画面显得层次感分明，更加立体。C100也是行业中首个采用组建化桌面的一体机产品，客户根据自己的需求灵活的定义，提升一体机的屏幕利用率，赋予了C100更多的可能。
以上通过三组价值点介绍了C100在提高生产效率、优化用户体验、保障信息安全方面做的一些工作。
接下来让我们通过一段视频全方位的感受C100的魅力。
（视频）
这就是更聪明、更好用、更具价值的C100一体机。C100产品现在已经量产，针对今天的会议我们筹备了活动了，今日下单立减3000元，如果有需要的同事可以扫码跟我们取得联系。
C100的发布是一体机进入AI时代的重要里程碑，也极大的提升了品牌产品矩阵的综合竞争力。未来我们将持续依托AI技术，从产品向为会议提供整体解决方案过渡，进而向为办公场景提供生产力解决方案发展。我们将持续发力AI，重塑会议办公体验。
未来京东方品牌产品将持续以AI构建核心竞争力，以科技创造价值，用心改变生活，谢谢。
主持人：尊敬的各位领导、各位来宾，2024 京东方 IPC 全球创新合作伙伴大会 AI + 论坛即将圆满落下帷幕。在此，要特别感谢所有演讲嘉宾，是你们的精彩呈现，为本次论坛带来了丰富的内容和前沿的视角。更要感谢各位领导和各位行业伙伴的到来，我们希望并坚信在接来的时光里，大家会并肩作战，一同前行，将AI的产品和技术延伸的更广、更深，为集团，为行业，乃至为民族和社会创造更多更高的价值！
再次感谢大家的热情参与，我们明年再会！
