AGI趋势下的云原生数据计算系统 演讲人：徐阳 拓数派：大模型数据计算系统先行者 l 拓数派（ OpenPie）是立足于国内的基础数据计 算领域高科技创新机构； l 拥有强大的数据库内核研发团队、数据科学家团 队和数字化转型团队； l 国内虚拟数仓和eMPP技术提出者，不断在数据 计算引擎方向进行创新，全面拥抱AI技术趋势。 企业介绍 云原生数据计算系统 围绕数据组织云原生计算系统， 围绕数据组织云原生计算系统， 重构数据存储和计算，一份存 储，多引擎数据计算，全面升 级大数据系统至大模型时代。 02 中国AGI发展趋势 中国AGI市场融资非常活跃， AGI顶级人才非常欠缺，整 个市场将长期保持快速增 长态势。 01 AIGC全生命周期管理 基于PieCloudML，为企业构 建统一的MaaS框架和AIGC开 发框架，对模型和AI Agent进 行高效管理。 03 践，从基础的数据底座到 AIGC应用全场景覆盖。 04 中国AGI发展趋势 中国AGI市场融资非常活跃，AGI顶级人才非常欠缺，整 个市场将长期保持快速增长态势。 01 中国AGI发展趋势 l InfoQ研究中心预计，2030年中国AGI应用市场规模将达到4543.6亿元人民币。 l 2024-2027中国AGI应用市场将经历过速启动期;每年市场增速都将超过100%，2028年起，市场将进入快速成长期，年市场增速保

本⽂还试图回答另⼀个外界普遍关⼼的问题：⼀家新创⽴的
AGI
公司如何超越
OpenAI？杨植麟的答案 是
tech
vision，⼀号位要能做出技术判断，同时还能拍板执⾏。⼀个具体的例⼦是，⽉之暗⾯希望⽐
OpenAI
更关⼼⽤⼾，原因是杨植麟判断⽤⼾数据的
scale
up
的效果最终会超越
base
model
⾃⾝。
杨植麟对于⽤
transformer
这个概率模型的思想基础⾛向
AGI
也很有信⼼，⽤他的话说“如果你有
10
说“如果你有
10
亿的
context
length，今天看到的问题都不是问题”。
AGI：AI
本质就是⼀堆
scaling
law

海外独⻆兽：我们把
LLM
的训练⽐作登⽉，⽉之暗⾯的名字也和登⽉相关。你怎么看现在创业公司 的
LLM
训练，在
GPU
和算⼒资源有限的条件下，还能实现登⽉吗？
杨植麟：“登⽉”有⼏个不同的⽣产要素，算⼒肯定是⼀个核⼼，但还有其他的。 ，tech
space
越⼤，技术、产品、商业层⾯ 能实现的差异化就越⼤。如果技术已经收敛了，那⼤家只能去追赶，就是同质化内卷。 然后我其实⽐较乐观，因为现在仍有巨⼤的
tech
space。AGI
技术可以分为三层：
第⼀层是
scaling
law
结合
next-token-prediction。这个基础对所有⼈都是⼀样的，追赶过程逐渐收 敛。在这个路径上，
OpenAI
现在做得

从解决现实问题的AI，走向解决科学问题的科学型AI 大模型AI 智能体AI 物理AI 科学AI 10政企、创业者必读 面对全球大模型产业之争，要打赢「三大战役」 AGI之战 应用场景之战 大模型安全之战 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国 运之争 • 不发展是最大的不安全， 发挥举国体制优势，打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 赢未雨绸缪之战 • 大模型是能力而非产品， 结合场景才能发挥价值 • 中国拥有最完整的产业链、 最全的工业门类、最丰富 的场景 • 发挥场景优势，加速传统 产业数转智改，打赢弯道 超车之战 AGI是全球少数玩家的游戏，政府、企业、创业者更多创新的机会在应用之路 11政企、创业者必读 把大模型拉下神坛！ 走入千家万户、百行千业，才能掀起新工业革命 • 当年IBM做出超级电脑，并没有带来工业 千家万户、百行千业，才能掀起新一轮 工业革命 12政企、创业者必读 DeepSeek出现之前 我们对大模型发展趋势的十大预判 13政企、创业者必读 14 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立政企、创业者必读

Contents 1 AI 大模型基础 4 1.1 AIGC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 AGI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 大模型 . . . . . . . . . . 大模型，AIGC 和 AGI 关系。 Figure 1: AI 大模型，AIGC 和 AGI 关系 4 1.2 AGI AGI（Artificial General Intelligence，人工通用智能）是一种理论上的人工智能， 它可以理解、学习和应用知识跨越各种不同领域，功能上等同于人类智能。 与专用人工智能（AI）不同，AGI 能够执行任何智力任务，具备自我意识和 自适应学习能力。AGI 的研发目

human many hours… …Deep research marks a significant step toward our broader goal of developing AGI, which we have long envisioned as capable of producing novel scientific research. - OpenAI Deep Work92 Next Frontier For AI = Artificial General Intelligence93 Artificial General Intelligence, or AGI, refers to systems capable of performing the full range of human intellectual tasks – reasoning, planning across domains. Unlike current AI models, which excel within specific (albeit broad) boundaries, AGI would be able to operate fully flexibly across disciplines and solve unfamiliar problems without retraining

大模型撞上“算力墙”，超级应用的探寻之路 文/傅聪 近日，大模型教父 Sam Altman 在 Reddit 上的评论透露出 GPT-5 难产的隐忧，直言有限 的算力约束让 OpenAI 面临迭代优先级的艰难抉择，在通往 AGI 的道路上一路高歌猛进的领头 羊似乎撞上了“算力墙”。 除此之外，能耗、资金，难以根除的幻觉，有限的知识更新速率、有限的上下文宽度、高昂 的运营成本等等，都让外界对大模型的发展忧心忡忡。面对棘手的困境与难题，大模型的未来， 种符号，将不同模态的信号统一地表达，并在脑中构 建了某种受限于当前科技水平的统一模型，这是人类 意识、社会沟通的前提。 从这个角度理解，多模态大模型很可能是通向真 34 / 111 正 AGI 的必经之路。将多模态信号统一对齐，是智能体与这个世界“无障碍”交互的前提，换 个新潮的词汇，就是我们期待的“具身智能”。谁不想拥有一台自己专属的“Javis”呢？而多 模态大模型的突破，也同样依赖前文所述的算力和数据上的沉淀。 就像今天的基层程序员，需要人表达清楚需求才能做好，复杂系统的架构设计和问题解 决也还是要靠人。 专业模型是通向 AGI 的必经之路。Anthropic CEO 预测，未来 5 年专业模型将达到人类顶 尖专家水平，将人类科研进展加速 10 倍，15 年后人类寿命有望达到 150 岁。但 AGI 能否实现， 最大的不确定性在于技术和资金。 技术方面，一些头部大模型公司已经发现 Transformer

undergone rapid development, offering a glimpse into the dawn of Artificial General Intelligence (AGI). In general, the intelligence of an LLM tends to improve as the number of parameters increases, allowing the paper. DeepSeek believes that innovation, novelty, and curiosity are essential in the path to AGI. 28 B. DeepSeek-V2-Lite: A 16B Model Equipped with MLA and DeepSeekMoE B.1. Model Description Architectures

= x == y Z == (S y) = False (S x) == Z = False x /= y = not (x == y) 23 I t i s h ar d t o i m agi n e m an y c as e s w h e r e t h e /= m e t h od w i l l b e an y t h i n g ot h e r t h an t h e h av ai l ab l e , or r e t u r n Nothing i f on e or b ot h ar e n ot ( “f ai l f as t ”) . M an agi n g t h e Nothing c as e s i s ac h i e v e d b y t h e >>= op e r at or , h i d d e n b y t h e do i n g d e p e n d e n t t y p e s , t h e t y p e i t s e l f ge t s n o r m a l i s ed . S o i m agi n e w e w an t t o p r ov e t h e f ol l ow i n g t h e or e m ab ou t t h e r e d u c t i on b e h

= x == y Z == (S y) = False (S x) == Z = False x /= y = not (x == y) 23 I t i s h ar d t o i m agi n e m an y c as e s w h e r e t h e /= m e t h od w i l l b e an y t h i n g ot h e r t h an t h e h av ai l ab l e , or r e t u r n Nothing i f on e or b ot h ar e n ot ( “f ai l f as t ”) . M an agi n g t h e Nothing c as e s i s ac h i e v e d b y t h e >>= op e r at or , h i d d e n b y t h e do i n g d e p e n d e n t t y p e s , t h e t y p e i t s e l f ge t s n o r m a l i s ed . S o i m agi n e w e w an t t o p r ov e t h e f ol l ow i n g t h e or e m ab ou t t h e r e d u c t i on b e h

t o ad d m or e u s e r s . Not i c e t h at u s e r l i s t p age w i l l au t om at i c al l y p agi n at e t h e u s e r e n t r i e s i f t h e r e ar e t oo m an y t o b e d i s p l ay e d i n on e u m n s . An d l i k e t h e u s e r l i s t p age , t h e ad m i n p age al s o p e r f or m s p agi n at i on w h e n t h e r e ar e t oo m an y u s e r e n t r i e s t o b e d i s p l ay e d i n on c r e at e s op h i s t i c at e d Yi i ap p l i c at i on s w i t h ou t w r i t i n g an d m an agi n g c om p l e x c on fi gu r at i on s . O f c ou r s e , Yi i c an s t i l l b e c u s t om i z e