清華大學電子系主任汪玉：AI賦能未來?——探索關于人工智能算力思考和發展

來源：亞杰商會前言Introduction20歲正青春，共赴新成長。11月17日，亞杰商會第二十屆年度峰會在北京舉行，活動匯聚了來自全國各地的商業領袖、投資大咖、科技專家及創業新星，共同開啟了一場創業智慧的盛宴。清華大學電子系主任汪玉教授出席了本次大會，分享了以《AI算力思考和發展》為主題的演講。汪玉清華大學電子系主任汪玉教授的演講聚焦于人工智能領域的算力發展與應用。他首先回顧了從電子計算機到多核CPU的技術演進，隨后分享了自己在人工智能（AI）加速器領域的科研與創業經歷，強調了算力、數據和算法對AI發展的重要性。最后，汪教授展望了未來AI與機器人的融合，強調應加強與物理世界的交互，實現人與機器的智能混合。（本文根據汪玉教授現場發言內容整理而來，文章配圖來源汪玉教授PPT中）以下為演講全文↓01AI算力的歷史演進與核心挑戰viewpoint●The historical evolution and core challenges of AI computing power首先，我要感謝文老師（上一期演講的專家 ——文繼榮，點擊此處可查看精彩內容），他已經涵蓋了許多我原計劃要講的內容。我們很有默契地都選擇了《Thinking， Fast and Slow》這本書作為參考，我個人對它也是情有獨鐘。丹尼爾·卡尼曼《Thinking， Fast and Slow》諾貝爾經濟學獎得主丹尼爾·卡尼曼——《Thinking， Fast and Slow》，圖源百度百科書中提出兩個思維系統：一是快速直覺反應，二是慢速理性分析。人類智能包括：第一類系統（直覺/感知）是“大腦快速、自動、直觀的方法”；第二類系統（推理/認知）是“思維的慢速，理性占據主導地位的分析模式”。下面進入正片～（一）從通用計算到專用加速—— 硬件人的y=f(x)視角接下來，我要翻到第二頁，這一頁與文老師（文繼榮）的內容有些相似。因此，我曾一度考慮是否還有必要繼續講述。大家看大屏幕，我也在討論y=f(x)這個話題，但我是從硬件工程師的視角來闡述的。在上世紀40、50年代，半導體技術的出現推動了計算機的發展。那時的“f”是如何實現的呢？它是通過最基本的加減乘除運算，以及數據的搬移和存儲等指令，來設計CPU，從而實現通用計算。這就是我們當時所說的“f”。作為硬件工程師，我們的任務就是在保持結構不變的前提下讓這個“f”的計算變得快一點，一方面改進CPU架構，另一方面優化半導體工藝，從微米級一路縮減到納米級，以提升每個操作的速度。最初，我們的目標是打造電腦，即用電來模擬大腦，實現“f”的快速計算。人工智能階段1：計算智能人工智能階段2：感知智能→人類智能系統I人工智能階段3：認知智能→人類智能系統II說到我的個人經歷，我畢業是在2007年，那時多核CPU已經出現。如果大家還記得的話，2005年就已經有了多核CPU。這意味著我們可以用更多的核來并行處理任務。在我畢業之際，楊華中教授作為我的導師，給了我一個寶貴的建議：若想在清華擔任教授職位，探索與導師不同的研究領域會是一條更有利的道路，因為清華電子系傾向于接納具有獨特研究視角的人才，避免在同一領域內過度重疊。如今，作為系主任，我也溫和地提醒各位，當考慮留下學生繼續深造或工作時，鼓勵他們開辟與自己略有差異的研究方向或許會更加有益，這樣不僅能促進學術的多元化發展，也能為每位學生提供更廣闊的成長空間。我之前是做EDA(ElectronicDesign Automation)的，即為集成電路設計提供設計工具。主要解決的是尺寸微縮時遇到的功耗和可靠性問題。（通過改進CPU架構和縮小工藝尺寸，提升計算速度。）雖然我是寫代碼出身的，但我對集成電路也有一定的了解。后來，為了尋求不同的發展道路，我去了微軟亞洲研究院（Microsoft Research Asia， MSRA），與繼榮（文繼榮）成為了院友。之后我又去了英特爾Intel，幫助微軟內部唯一一個做硬件的組進行硬件加速，用于搜索任務。我們用一塊卡就替代了幾十臺機器。當時我覺得這種方式很有前景，即用硬件來替代軟件的做法。后來，我參與了一系列加速器的研發，并將這一領域作為我回到清華大學后的學術研究方向即針對特定應用領域的架構設計（domains specific architecture design ）。大家現在最熟悉的GPU（Graphics Processing Unit）就是針對圖形圖像處理領域設計的特殊處理器。（專用加速器如GPU、DPU等應運而生，針對特定任務進行優化，顯著提升計算能效。）然而，每個加速器的市場規模都有限。在座的各位如果創業的話，就會知道市場規模的重要性。如果市場不夠大，就無法實現規?；l展。對于芯片行業來說更是如此，芯片是按個數來賣的。如果你一年能賣出一個億的手機，那么手機里所用的所有芯片都能上市，因為需求量足夠大。但如果你只是做一個壓縮算法的加速器，可能全世界的需求量相對較小，這樣的產品通常很難上市，只能作為科學研究項目。（二）神經網絡加速器的興起—— 1. AI加速器的轉折點CNN的興起?：AlexNet?：2012年，AlexNet在ImageNet圖像識別競賽中取得了突破性進展，標志著CNN在計算機視覺領域的興起?。?VGG、GoogleNet?：在2014年，VGG和GoogleNet等模型進一步推動了CNN的發展，提升了圖像識別的準確率?。CNN的興起為AI加速器提供了新機遇。?直到2011、2012年，我們見證了CNN和DNN的興起，神經網絡以一種全新的方式展現了統一世界的潛力。那時，深度學習的魅力在于，只要提供足夠的標注數據（x和y），就能擬合出復雜的函數f。這正是我們當初研發AI加速器，特別是在CNN和DNN領域時所遵循的邏輯。這樣的加速器能夠應用于語音識別、圖像處理等領域，這些領域以往難以用公式精確描述，或公式描述效率低下。而數據驅動的深度學習實現了一種“看圖即知結果”的高效能力。汪教授團隊開發了面向CNN和DNN的加速器，通過軟硬件協同優化，實現高效能計算。?韓松、姚頌、汪玉（右三）、單弈汪玉——聯合創始人：11年體系結構研究經驗，時任清華大學電子系長聘副教授，清華大學電子系黨委副書記，國家自然科學基金“優青”獲得者 ，ACM FPGA技術委員會亞太唯一成員，IEEE/ACM Senior Member。韓松——聯合創始人：全球最前沿深度學習壓縮與體系結構研究 ，MIT EECS助理教授，斯坦福大學博士，師從Bill Dally教授 ，Deep Compression技術提出者 ，ICLR 2016 最佳論文。姚頌——聯合創始人&CEO：清華大學電子系畢業，斯坦福大學電子系訪問學者，前清華大學電子系科協主席，MIT Tech Review 35歲以下35名創新者，福布斯亞洲30 Under 30。單羿——CTO：清華大學電子系博士，倫敦帝國理工聯合培養，IBM PhD Fellowship ，前百度IDL異構計算方向創始成員，前地平線機器人FPGA技術負責人。（以上為創業時期介紹，僅供參考，以實際為準）在2011、2012年左右，我開始著手這個項目，并組建了一支團隊，其中包括韓松、姚頌和單弈等人。由于當時人事制度尚未改革，我還不能指導博士生，直到2013年才開始帶碩士生，因此我主要依賴清華的本科生力量，而他們的表現確實非常出色。到了2015年9月，經過一段時間的努力，我們團隊中的本科生們終于完成了初步的研究成果，并隨后投稿學術論文。值得一提的是，就在15年年底，我獲得了清華的長聘副教授職位，這意味著在清華改制后，只要我遵守規定，就能長期留任。于是，在2015年12月，我們開始撰寫商業計劃書（BP），向外界介紹我們研發的面向CNN和DNN的通用加速器，對各行各業產生積極的推動影響。緊接著，在2016年2月，正如繼榮所提及的，AlphaGo的崛起讓我們的初創公司受益匪淺。由于AlphaGo對算力的巨大需求，我們的公司估值因此翻倍。這一再次證明了算力研究的重要性及其潛力。這是我們的第二個重要發展階段。（二）神經網絡加速器的興起—— 2.深鑒科技的成功創辦與并購深鑒科技的成功創辦與并購，推動了FPGA深度學習加速器的產業化，為全球AI芯片市場帶來了創新力量。?到了2018年，我們決定將公司出售給賽靈思。在此之前，市場上已有寒武紀、地平線和深鑒三家知名公司，而我們作為其中的第三家，估值相對穩健，達到了34億美金。當時，周邊房價飛漲，而我們的“房價”（即公司估值）卻保持穩定。最終，我們被賽靈思收購，現在成為了其AMD部門的一部分。出售公司后，我回到了學校，學生們紛紛詢問我們接下來在學校的研究方向。大家討論出，AI芯片領域已經競爭激烈，我們需要找到新的突破口。恰好，我的好朋友唐杰正在研究知識圖譜（Knowledge Graph），我萌生了將深度學習與知識圖譜相結合的想法。我認為，稀疏加速器正是處理這種稀疏數據結構的理想選擇，因此我們將深度學習與知識圖譜進行了融合嘗試。然而，在實踐過程中，我們發現這一方向并不如預期般順利。盡管如此，我們一直沒有放棄對這個方向的探索，并持續關注著相關領域的進展。我們每年都在努力理解圖中各個對象之間的關系，并嘗試實現推理功能。直到大模型或人工智能2.0的出現，我們又看到了新的機遇，于是決定再次踏上創業之路。02AI算力的核心要素與未來趨勢viewpoint● The core elements and future trends of AI computing power（一）人工智能核心三要素：—— 1.算法、數據、算力AI算力的提升離不開算法、數據和算力三者的協同發展。算法是智能的源泉，數據是訓練的基礎，算力則是實現算法和數據處理的關鍵。關于人工智能的發展歷程，大家或許已耳熟能詳，但我想從算力的視角來重新梳理一番。首先，算法的創新是推動人工智能進步的關鍵因素，它解決了線性和非線性等復雜問題。然而，早期由于計算能力的限制，即使有了反傳等算法理論，也難以通過大量標注數據來有效訓練神經網絡。因此，算力不足成為了制約算法發展的瓶頸，一度導致人工神經網絡被SVM等傳統方法所超越。隨著技術的演進，算法和算力都迎來了質的飛躍。算法的不斷優化和計算能力的顯著提升，使得人工智能得以持續進步。同時，數據作為另一大基石，其重要性日益凸顯?；ヂ摼W和移動互聯網的普及，以及各行各業的數字化轉型，為人工智能提供了海量的數據資源，進一步推動了其發展。在算法、數據和算力這三大要素中，我個人更偏向于算力方向。在清華大學的電子系，我們與人工智能學院、計算機系等多個部門緊密合作，共同探索人工智能的廣闊天地。然而，面對算法領域的激烈競爭，我們意識到需要尋找自己的特色。因此，我們決定從算力和數據兩個角度入手。在算力方面，我們致力于提升能量效率，通過技術創新實現計算性能的指數級提升。同時，我們也關注數據的應用價值，特別是在醫療和機器人領域。我們希望利用人工智能技術延長人類壽命，提高生活質量，并探索未來機器人服務社會的可能性。當前，芯片領域的競爭異常激烈，尤其是人工智能算力芯片方面。面對技術和制程限制等挑戰，國家也在積極尋求解決方案。我們深知算力對于人工智能發展的重要性，因此將繼續深耕這一領域，為垂類應用提供強大的算力支持?；仡櫸业难芯繗v程，早在2007年（Scaling Down逐漸放緩）我就轉向了加速器方向的研究。當時我就意識到，傳統的線性發展方式難以實現計算性能的指數級飛躍。因此一直在探索新的技術路徑。我們的團隊在提升能量效率方面取得了顯著成果，將硬件能效由<1GOPS/W(CPU)提升至100TOPS/W，每瓦能耗能夠支持更多的運算次數。這一成就不僅體現了我們在工程領域的實力，也為我們后續的發展奠定了堅實基礎。最后，我想分享一張當時的照片，那是我們團隊在2015、2016年時的合影。那時我們年輕而充滿，共同奮斗在人工智能的前沿領域。后來公司被收購，我們還向清華大學捐贈了一筆資金，以感謝母校對我們的支持和培養。從知識成果轉化到作價入股，再到公司出售并回饋母校，我們完成了一個完美的閉環。（二）面向未來通用人工智能：—— 1.存算一體類腦計算范式傳統馮·諾依曼架構中的數據搬運成為AI算法處理性能及能效提升的瓶頸。存算一體架構通過減少數據搬運，提高計算能效，成為未來AI芯片的重要發展方向。?汪教授團隊在存算一體領域取得了顯著成果，通過軟硬件協同優化，實現了高效能計算。未來存算一體技術將進一步成熟，為AI算力帶來性變化。?在當前這個階段，大模型時代的基礎設施建設似乎有些被過度炒作的意味，但實則也反映出了中美之間在技術發展上的差距。面向大模型基礎設施，我們團隊專注于軟件編譯、調度與部署這一關鍵環節。關于2.0的細節不得不提的是，這一領域對能耗和算力的需求極為龐大。（見圖中數據）我曾向我的學生們詢問，當前的技術與上一代相比是否有本質上的變化。他們坦言，其實并沒有，因為核心仍然是神經網絡，只是規模上有了顯著的擴大。變化主要集中在神經網絡的結構和神經元之間的連接上，也就是權重的調整。這意味著，我們只需對數據結構和數據表進行相應調整，其余部分則基本保持不變。既然原理未變，我們便可以在此基礎上進行再次開發。在深入探索后，我們發現，除了算法本身能帶來萬倍的性能提升外，通過優化基礎軟件和芯片設計，我們還有機會實現成本的大幅降低，降幅甚至可能達到千倍之多。這一發現讓我們更加堅信，我們所從事的這項工作不僅具有技術價值，更蘊含著巨大的商業價值。（二）面向未來通用人工智能：—— 2.算力供需矛盾與工藝實現向國產基礎設施的無感遷移，降低大模型應用的門檻和成本。AI算法算力需求激增，硬件系統能耗開銷大，導致算力供不應求。?所以我們看到基本上邏輯小于10納米的芯片大多在省生產，這確實是一個令人擔憂的問題。因此，我們熱切期盼中國大陸自主的制造能力能夠崛起。中國的發展速度之快令人矚目，各地都在積極建設發展數據中心、算力中心。然而，能否充分利用好這些資源，目前看來仍有待提升。盡管報告指出產業生態日益完善，但顯然還有進一步完善的空間。為了應對當前的挑戰，我們應該加強自主研發，努力突破先進工藝的。同時，通過軟硬件的協同優化，我們可以提升計算能效，降低能耗開銷，從而更有效地利用資源。對于正在創業的我們來說，硬件、能源、人力和時間成本都是不小的負擔。因此，我認為在算力方面，如果我們能在某一層次上實現統一，以工具的形式提供物美價廉的算力資源給創業者使用，那將是一個非常好的選擇。03面向未來的AI算力應用與展望viewpoint●Future oriented AI computing power applications and prospects01下一代人工智能是什么？AI系統的未來趨勢，將從信息處理向物理世界交互發展，實現感控一體化。這意味著AI系統不僅能夠理解環境，還能做出決策并控制執行機構，完成復雜任務。智能機器人、自動駕駛等領域將成為感控一體化系統的重要應用場景。未來這些系統將更加智能、自主，為人類帶來更多便利。02算力基礎設施的優化目標與統一策略優化算力基礎設施，讓大家都有算力可用，支撐研究和工業的發展。通過軟硬件協同設計、算法優化等手段，提升算力能效比和靈活性。同時，推動算力資源的統一管理和調度，降低使用門檻和成本。?對于每種芯片而言，它們都各自擁有一套獨特的生態系統。我們不禁思考，是否能夠在這一領域構建一個類似于操作系統的中間層，使得用戶在使用時能夠“繞開”CUDA，僅通過簡單的接口就能調用各式各樣的芯片和模型。這正是我們致力于實現的目標，旨在為用戶提供一個更加便捷、高效的芯片使用和模型調用環境。因此，我們創立了一家名為“無問芯穹”的企業，專注于將各類芯片與模型實現無縫連接。企業名稱中的“無”取自“無線電”“問”與“穹”則靈感來源于我們的校歌，經過深思熟慮后，我們決定采用這個富有深意的名字。03全球首次實現異構千卡混合訓練在國家大力建設算力中心的背景下，為了全面支持國產芯片，我們面臨著如何高效整合并利用國內外不同芯片資源的挑戰。我們不僅關注國產芯片的應用，也致力于讓每一塊芯片，無論國產還是進口，都能充分發揮其價值。例如，無問芯穹大模型訓練引擎助力摩爾線程性能調優并完成模型實訓，我們投入了大量精力，調優后MTT 4000千卡集群實訓精度對齊NVIDIA，實現了從模型訓練初期到完成的全程應用，而不僅僅是進行微調。這意味著我們能夠從頭開始訓練一個模型，并成功完成模型的實訓工作。體驗無穹Infini-AI異構云平臺此外，我們還提供了一個云平臺的二維碼，方便用戶更便捷地接入和使用我們的服務。04數據基礎設施構建的重要性和方向數據是AI發展的基石。構建完善的數據基礎設施，將為AI模型的訓練和應用提供有力支撐。加強數據采集、存儲、處理和分析能力，推動數據資源的共享和開放。同時，注重數據安全和隱私保護，確保數據的合法合規使用。04結論與展望viewpoint● Conclusion and Prospect面向下一代智能構建算力、數據基礎設施：目標1: 優化算力基礎設施，讓大家都有算力可用，支撐研究和工業的發展；目標2: 建立數據基礎設施及配套硬件，支撐具身智能發展。對于未來，我堅信我們必將涉足機器人領域。作為電子系的系主任，我深感將芯片與軟件同物理世界緊密結合的重要性，這也是我們與計算機領域同仁有所區分的關鍵所在。具體而言，我們的目標在于承擔“小腦”的工作，即執行層面，同時探索如何在芯片內部實現“大腦”的復雜功能。展望未來，我們將見證一個由多樣智能體——包括人類與機器——共同協作的未來。我堅信，這樣的未來必然建立在數據與公式的雙重基礎之上。并非要否定控制論過往的成就，但我認為，真正的挑戰在于如何在這個新的時代背景下，將控制論與新興技術相結合，共同推動智能體混合協作的未來向前發展。謝謝！閱讀報告全文，請訪問歐米伽研究所的“未來知識庫”https://wx.zsxq.com/group/454854145828未來知識庫是“歐米伽未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。截止到11月25日 ”未來知識庫”精選的100部前沿科技趨勢報告Air Street Capital《2024 年人工智能現狀報告》未來今日研究所：2024 技術趨勢報告 – 廣義計算篇科睿唯安中國科學院 2024 研究前沿熱度指數報告文本到圖像合成：十年回顧《以人為中心的大型語言模型（LLM）研究綜述》經合組織 2024 年數字經濟展望報告加強連通性創新與信任第二版波士頓咨詢 2024 全球經濟體 AI 成熟度矩陣報告理解世界還是預測未來？世界模型的綜合綜述Google Cloud CSA2024 AI 與安全狀況調研報告英國制造商組織 MakeUK2024 英國工業戰略愿景報告從概念到實施花旗銀行 CitiGPS2024 自然環境可持續發展新前沿研究報告國際原子能機構 2024 聚變關鍵要素報告 – 聚變能發展的共同愿景國際可再生能源署 IRENA2024 年全球氣候行動報告Cell: 物理學和化學 、人工智能知識領域的融合智次方 2025 中國 5G 產業全景圖譜報告未來今日研究所：2024 技術趨勢報告 – 移動性，機器人與無人機篇Deepmind：AI 加速科學創新發現的黃金時代報告PitchBookNVCA2024 年第三季度全球風險投資監測報告德科 2024 年未來全球勞動力報告高工咨詢 2024 年協作機器人產業發展藍皮書國際能源署 IEA2024 年全球能源效率報告基因慧基因行業藍皮書 2024 – 2025普華永道 PwC2024 全球經濟犯罪調查英國報告 – 智對風險直面挑戰中國互聯網協會 2024 面向未來網絡的數字孿生城市場景應用白皮書中移智庫 2024 先進感知新技術及新應用白皮書智次方研究院 2025 中國 AIoT 產業全景圖譜報告未來今日研究所：2024 技術趨勢報告 – 人工智能篇國際電聯：邁向衡量數字經濟的通用框架的路線圖聯合國糧食與農業組織：2024 年世界糧食安全和營養狀況大語言模型綜述李飛飛等，AI 智能體：探索多模式交互的前景綜述哈爾濱工業大學 – ChatGPT 調研報告2024《美國核部署戰略報告》最新文件清華大學：AIGC 發展研究 3.0 發布版 b 版OpenAI：2024 年 OpenAI o1 大模型技術報告Verizon2024 年世界支付安全報告皇家學會哲學學報 從復雜系統角度評估人工智能風險復旦大學 大模型 AI 代理的興起和潛力：綜述經合組織 OECD2024 年氣候行動監測報告Wevolver2024 年邊緣人工智能現狀報告 – 探索各行業邊緣 AI 應用動態2024 全球人形機器人產品數據庫報告 – 人形機器人洞察研究 BTIResearch《全球金融穩定報告》 把舵定航 不確定性、人工智能與金融穩定瑞士洛桑聯邦理工學院 《人工智能中的 – 創造力：進展與挑戰》《你所需要知道的理 – 論：人工智能、人類認知與決策》牛津大學最新 53 頁報告世界經濟論壇 新興技術時代的網絡彈性導航：應對復雜挑戰的協作解決方案 2024ADL 理特咨詢 2024 汽車出行未來展望報告2024 中國硬科技創新發展白皮書 – 開辟未來產業新賽道科學時代的大語言模型中的人工智能Gartner2025 年重要戰略技術趨勢報告CBInsights2024 年第三季度全球人工智能投融資狀況報告TrendHunter2025 年全球趨勢報告 – 全行業頂級創新和變革趨勢前瞻天津大學 2024 大模型輕量化技術研究報告歐洲海洋局 2024 導航未來報告將海洋置于更廣泛的地球系統中第六版美國安全與新興技術中心 2024 AI 生成代碼的網絡安全風險研究報告國際原子能機構 2024 年世界聚變展望報告復旦大學 2024 大語言模型的能力邊界與發展思考報告安盛 AXA2024 年氣候與生物多樣性報告氣候過渡計劃路線圖YouGov2024 美國公眾對人工智能 AI 的態度調研報告麥肯錫中國報告：《中國與世界》完整版麥肯錫全球研究所 2024 下一代競技場報告 – 重塑全球經濟的 18 個新興行業領域Project Sid，一個旨在模擬多智能體交互以研究 AI 文明的項目德國研究與創新專家委員會 德國研究創新與科技成果報告2024 年歐洲關鍵產業的科技重塑研究報告智能體專題報告之二 – 智能體時代來臨具身智能有望成為最佳載體ActivateConsulting 2025 年頂級技術和媒體發展趨勢報告蘭德 全球災難風險評估斯坦福李飛飛 《AI agent 綜述》Agent AI 開啟多模態交互新紀元中國聯通研究院 2024 中國生成式人工智能應用與實踐展望白皮書中文版普華永道 2024 第五次工業研究報告邁向彈性可持續和以人為本的未來大成 Dentsons2024 年全球智慧城市與互聯社區智庫年度報告TechUK2024 量子技術挑戰與機遇并存構筑量子韌性的策略與實踐研究報告Emakina 將塑造 2024 年的技術趨勢報告圖靈獎得主 Yann LeCun《機器如何才能達到人類智能水平？》——Yann LeCun， 附 Slides 及視頻華為：2024 鴻蒙生態應用開發白皮書 V3.0（最新版）CASA：2023 第三代半導體產業發展報告大型視覺語言模型中幻覺現象的綜述IEA PVPS：2024 光伏應用趨勢報告（英文版）ABI Research：82 個將會或不會在 2024 年發生的技術趨勢白皮書《美國反無人機系統未來趨勢報告（2024 – 2029 年）》《軍事自主系統：未來之路》美空間智能如何？牛津大學博士論文《深度具身智能體的空間推理與規劃》2024 低空經濟場景白皮書 v1.0戰略與國際研究中心（CSIS）人類地月空間探索的總體狀況研究報告（2024）Artificial Intelligence Review：人工智能與物理學相遇的綜述麥肯錫：全球難題，應對能源轉型的現實問題歐米伽理論，智能科學視野下的萬物理論新探索（研究論文）Gartner 2025 年主要戰略技術趨勢研究報告2024 人工智能國外大模型使用手冊 + 中文大模型使用手冊詳解光刻巨人 ASML 成功之奧妙 – 241015CB Insights：未來變革者：2025 年九大科技趨勢研究報告國際電信聯盟 2023 – 2024 年聯合國人工智能 AI 活動報告《人工智能能力的人類系統集成測試和評估》最新 51 頁，美國防部首席數字和人工智能辦公室（CDAO）2024 瑞典皇家科學院諾貝爾化學獎官方成果介紹報告MHP 2024 全球工業 4.0 晴雨表白皮書世界經濟論壇白皮書《AI 價值洞察：引導人工智能實現人類共同目標》瑞典皇家科學院諾貝爾物理學獎科學背景報告資料AI 智能體的崛起：整合人工智能、區塊鏈技術與量子計算 (研究報告，書）OpenAI o1 評估：AGI 的機遇和挑戰（280 頁）世界知識產權組織：2024 年全球創新指數美國白宮：國家近地天體防御策略與行動計劃上下滑動查看更多