时隔65年，中国工程院院士、清华大学教授金涌与“钱学森”相遇，当年金涌担任翻译，参与了苏联院士代表团访问中国科学院活动，“那是我第一次见到钱先生，既兴奋又紧张，能够担任钱先生的翻译是件非常荣幸的事，今天在大会现场，跨时空再次见面，我非常激动！”4月28日，金涌望着屏幕上的钱学森数字人说。2023年“钱学森”在中关村论坛畅聊元宇宙，提到自己在上个世纪就关注到的VR（虚拟现实），并将其起名为“灵境”，2024年“钱学森”再次出现在中关村论坛，用“事理看破胆气壮”激励当代科学家搞创新。

　　VR、元宇宙和互联网3.0的关系相辅相成，与现实生活越来越近。4月28日，互联网3.0:未来互联网产业发展论坛上的大师跨时空对话就是智能化、互联网3.0的意义。作为新一代互联网演进的重要方向，互联网3.0在新一代信息技术的推动下正加速发展，将对科技创新和产业发展以及社会经济形态带来变革性影响。围绕这一话题，国内外大咖在中关村论坛上分享真知灼见。

　　中国科学院院士、北京航空航天大学人工智能学院院长郑志明：

　　Web 3.0 赋能工业4.0，本质上要解决的是“端-网”融合问题

　　Web 3.0的一个重要想法，就是把互联网做成一个可信的平台，通过这个平台把过去传统的信息传递，转变成价值传递。而价值的互联、流转、交易，又涉及到安全可信。支撑Web 3.0底层的区块链、隐私计算可以很好地解决安全和信任问题。

　　工业4.0的三大主题是智能工厂、智能生产、智能物流，主张将数字化技术和智能技术集成到制造和工业的整个过程，其核心支撑技术就是工业互联网、大数据分析、人工智能等。追求的主要目标有三个，一是实现工业要素的互联，即使用物联网技术实现智能化制造、生产线的优化和生产效率提升；二是制造大数据分析，通过收集和分析制造数据，提供准确的预测和决策支持，优化生产计划等；三是柔性集成。这三方面的技术支撑与Web3.0的技术特点是吻合的。

　　Web3.0可以很好地赋能工业4.0，但赋能的前提和本质是要解决“端-网”融合问题，工业装备生产的端和网不仅缺一不可，还要协同发展。“端-网”融合首先要打造制造的强端。什么是强端？举个例子，我们都知道高档数控机床是工业母机。高端数控软件就是工业母机的大脑，就是一类制造的“强端”，也是各个国家都非常重视的领域。过去在数控技术方面，计算机辅助制造、计算机数控加工等是分开的。在智能制造时代，必须把CAD、CAM、CNC等典型的工业软件一体化，再用先进的网络连起来，这就是工业4.0的一个典范，这种一体化的好处是可以让精度、效率、可靠性、稳定性大幅提高。

　　2007年图灵奖得主、中国科学院外籍院士约瑟夫·希发基思：

　　人类的智能并不通用，人类和机器表现的技能有互补性

　　我们一定要对智能的概念达成一致。我想强调的是人类的智能并不是通用的，它是在特定环境中历史演变的结果，如果我们生活在另外一个星球上，也许我们会有不同类型的智能。如果人类的智能就是AI的基准，AI应该能够执行协调一系列表征人类技能的任务，这在现在是不可能的。

　　事实上，如今人类和机器展示出了不同类型的智能，这些技能有互补性，机器可以分析多维数据并产生知识，而人类在这方面并不擅长，人类只能处理有限参数情况下的分析，与机器相反，人类擅长符号推理，并具有抽象的部分。

　　人类的思维是稳健的，可以一贯的错误或正确，但是神经网络会产生一些不可预测的行为。人类的思维基于常识，可以很容易地检测到不一致性，但大语言模型可能会产生不一致的信息或假信息，人类要对它们的行为和后果负责，这是非常重要的，人类永远不可能把机器关进监狱。

　　AI就像其他任何技术一样是中立的，人类面临的挑战是怎样明智地使用AI技术，并通过规范其应用来防范风险。

　　清华大学人工智能研究院视觉智能研究中心邓志东：

　　生成式人工智能为互联网3.0的发展提供了无限可能

　　人工智能作为高效的内容生产工具，由它生产出来的内容是具有语义的、可解释的，还符合视听觉与物理学常识。GPT是一个大语言模型，目前其多模态的内容理解能力，多模态的内容生成能力，是因为可以用语义进行统一的表达，而且可以基于语义实现多模态的相互转换。如果用CAD生成元宇宙的全部3D图形，是不可想象的，现在有了生成式人工智能，人们就可以非常高效地生成图形，甚至是世界模型。

　　Sora是OpenAI自ChatGPT问世以后，又一个里程碑式的重大进展，它是真实物理世界的一个高质量模拟器。用几句简单的文本提示，就可以进行视频的生成。比如在Sora生成的视频中，人在吃汉堡时面包屑留在嘴唇上，这些在提示词里并没有细节描述，是Sora自动模拟了物理学的常识。因此，生成式人工智能中的语义、高效与具有常识，这三个特点为互联网3.0的发展提供了无限的可能。

　　如果说人工智能是生产力工具，互联网3.0是生产关系，那么生产关系可以反过来影响大语言模型的发展。

　　大模型的分布式训练，可以用互联网3.0中区块链的零知识证明（ZKP）实现联邦的、隐私的、分布式的预训练，还可以据此完成可信模型的分布式预训练与微调等，以期获得更好的安全性。可以进一步通过协作完成高质量隐私数据的清洗与审核。针对高端算力问题，也可以通过区块链来进行部分化解，比如用消费者已有但闲置的GPU计算资源，通过技术架构的设计，利用区块链技术，辅助构建针对多模态大型语言模型预训练的算力基础设施。

　　北京商报记者魏蔚

（文章来源：北京商报）