元宇宙产业委叶毓睿在清华互联网产业研究院分享AIGC和元宇宙

2月25日下午，平台经济学沙龙（第八期）以“ChatGPT对招标采购的影响”为主题，以线下沙龙+视频直播的形式在清华大学互联网产业研究院成功举办。本期沙龙由清华大学互联网产业研究院产业学者、中国招标投标公共服务平台原总经理、首席经济学家、平台经济研究课题组组长平庆忠先生主持。清华大学互联网产业研究院罗培老师出席并致辞，清华x-lab人工智能专家刘述亮博士，中国移动元宇宙产业委联席秘书长叶毓睿博士和常务副秘书长张东华，中软国际万如意博士，北京筑龙首席技术官吴英礼，上海汇招綦洋，依次做主题分享。

1

主持人平庆忠介绍本期沙龙的主题及背景“ChatGPT对招标采购的影响”

 

△清华大学互联网产业研究院产业学者、平台经济研究课题组组长 平庆忠

平庆忠先生介绍了本期沙龙的背景情况。平台经济学沙龙已经成功举办了七期，每一期以一个主题邀请各个领域的专家学者进行主题分享，大家交流讨论。ChatGPT出现后，众多同行都想了解ChatGPT出现对招投标行业的影响，ChatGPT的出现给招标采购数字化提出了挑战，也带来了机遇，招标采购与AI融合已迫在眉睫。在沙龙开始前，我们专门就此问题问过ChatGPT，ChatGPT也给出了的答案包括提高招投标文件质量、改善招标过程、降低招标成本、优化招标结果、预测合同成本和风险等等，该应用可以为招投标领域带来更多的优势，帮助招标人员更好地管理招标过程。AIGC（人工智能生成内容）技术目前已经进入初步发展阶段，并且在不断改进和提高，应用场景正在不断增加和拓展。本期沙龙以“ChatGPT对招标采购的影响”为主题，探究AIGC技术对于招投标行业的影响，以及新技术如何利用等等。

2

清华大学互联网产业研究院罗培老师致辞

 

 

△清华大学互联网产业研究院 罗培老师

清华大学互联网产业研究院罗培老师为本次活动发表致辞。清华大学互联网产业研究院借助清华大学学科交叉的优势，借助经管学院对商业模式经济学机制的探索，致力于为中国的产业转型升级，尤其是数字化转型升级贡献力量。清华大学互联网产业研究院作为国家高端智库在清华大学的一个重要组成承担国家各部委的一些重大研究课题。同时为包括各省、市、县在内的区域落实包括十四五的总体规划，以及专项规划等战略新兴产业的研究报告和相关的产业转型的一些专题的研究，另外服务众多企业，致力于构建产学研合作的联盟，平台经济学沙龙是我们产学研合作的重要尝试。本期沙龙以”ChatGPT对招标采购的影响”为主题，ChatGPT作为一种有潜力的生产工具将人工智能的应用场景拓展得更加广泛，功能覆盖广泛，前景广阔，它在招投标领域的应用以采招大数据为基础去进行分析未来招投标发展趋势，需要我们从多个视角形成系统性的思考，去提建议，不断完善。

3

刘述亮博士（清华xlab人工智能专家）题目：展望：从ChatGPT到超级机器智能

 

△清华x-lab人工智能专家 刘述亮博士

刘述亮博士结合自身在人工智能领域的研究课题，从模型超巨型化、AI高阶抽象能力、AI自我意识、机器智能自举临界四个层次进行主题分享。

l模型超巨型化

刘述亮博士一直在智能机器人领域深耕，在机器人控制领域构建了一套2万次/s推理速度的可部分激活的动力神经网络架构，能够在同等算力的情况下将网络规模扩大几万倍，未来类似ChatGPT的大模型也可以结合部分激活网络架构，在同等算力的情况下将网络规模扩大几个数量级，从而推动未来模型走向超巨型化。

机器人最核心的是它的运动控制，也就是运动智能。人脑总共有860亿的神经元，而负责控制身体运动的小脑的神经元就有700亿个，占比84%！我们远远低估了运动智能的重要体现和运动智能的复杂性。而在机器人控制中所需要的运动智能神经网络推理速度要达到2万次/s，且网络规模也非常巨大，这就需要我们采用全新的神经网络架构的原因。网络复杂性不变，算力不变，推理速度越快也就意味着越节能，也就使得更加超巨型神经网络具备商业落地的可能。

ChatGPT通过大力奇迹给世人如此的震撼，无法想象如果能够将网络模型在低成本的扩大上万倍后会给世界带来什么改变。所以刘博士不认为未来宇宙智能数量每18个月翻一倍，而是会有一个暴涨阶段。

l高阶抽象能力

刘述亮博士认为现在ChatGTP抽象能力达到三阶左右。

人类的思考和交流学习很大一部分都不依赖于原始数据，人可以用脑海中已有的抽象概念进行思考而获得新的智慧，人以语言为媒介直接传递抽象的概念而交流想法。人脑有大量的高级思维过程是完全不依赖于原始数据来进行学习的，利用已经抽象了的数据进行学习，这和我们现在的人工智能依赖原始数据学习方式有本质不同。

我们这里定义AI抽象能力指的是，智能学习所依赖数据的抽象程度。基于原始数据学习得到的神经网络称之为一阶抽象能力，而抽象所得到的新数据称之为一阶抽象数据。通过一阶抽象数据进一步学习训练得到的二阶抽象数据，这样的能力称之为二阶抽象能力，以此类推，抽象能力可以不断叠加。

以ChatGTP为例，通过词嵌入向量，完成了词级别的一阶抽象，以词嵌入向量作为原始输入，以句子为单位进行输入训练得到句子级别的特征输出，这就是二阶抽象。最后通过人类反馈进一步对二阶输出进一步抽象获得了三阶抽象。

抽象在神经网络里面的表现就是特征化，抽象使我们思维能够从无穷尽的细节中解放出来，也是神经网络具备可工程化的核心（本质单层神经网络也是万能表达）。通过消除不必要的细节而保留不变性的方式降低复杂性，使得有限的算力能够应对足够复杂的情形，这也是智能的核心体现。同时也可以通过层层抽象可以达到提高可训练性，减少过拟合的目的。

未来会沿着这种方式把抽象阶数做到更高，未来也许证明黎曼猜想都不在话下，人工智能一旦获得这种级别的抽象能力，所能展现的智能水平是人类所不能想象的恐怖。

l自我意识

刘述亮博士结合自己的研究提出机器智能获得自我意识的工程化路径，并认为chatGTP通过人类反馈学习初步获得了社会规范理解力，向人工智能获得自我意识迈出了一小步。人类反馈的强化学习，本质就是对人类偏好建模，这就是在开始初步具备对整个人类的共性心智建模，还没有针对每一个人做个性心智嵌套建模。未来会让chatGTP知道每一个用户在想什么，并且还知道（用户知道其他人在想什么）。

以前自我意识问题一直都是科幻和哲学领域爱讨论的话题，一直有种神秘化的倾向，就相当于远古的时候认为风雨雷电背后有不可见的神灵在起作用。

刘博士理解意识的方式可能和大多数人正向理解意识是什么不一样，而是逆向研究意识不是什么，研究破坏了的意识有什么不同。要知道大就要知道小，要知道长就要知道短，通过反向对比更能凸显意识的本质。通过重点研究精神分裂、自闭症、多动症、智力低下等情况下意识是如何逐步缺失破坏的，也就能研究清楚意识的构成和原理，从而获得意识的工程化启示。

刘博士的结论是自我意识和他意识本质都是一样的，核心在于心智嵌套。也就是自我意识是把自己当做第三方来进行模拟推演。一阶心智就是我知道你在想什么，二阶心智就是我知道（你知道我在想什么），三阶心智就是我知道[你知道(我知道你在想什么)].....，也可以我知道[你知道(他知道她在想什么)]....。人类为了维持宗教需要5阶心智嵌套，而创造宗教需要6阶心智嵌套。自闭症患者没有这种心智嵌套能力。

原来讨论自我意识会遇到麻烦的自涉问题，这种心智嵌套模拟本身就是不完备的，因为是求存而非求真。第一阶自我意识能够意识到第零阶自我的一部分，第二阶自我意识能够意识到第一阶的一部分，以此类推，构成等比数列，总的意识通过这个等比数列求和得到。如果我们按照类似的结构来构建神经网络那很有可能能够让机器具备自我意识和人际洞察能力。相信不用太远的将来人工智能就能获得这种自我意识和他意识。到那时候chatgtp将会比你更懂你，也就能够完全通过图灵测试。

l智能自举（bootstrapping）临界

刘博士提出机器智能自举临界概念，将机器智能分类为自举智能和非自举智能，并且提出了自举三阶段划分。机器智能可能不一定需要超越人脑智能，就会产生智能爆炸，也就是机器智能一旦达到自举临界，人类对机器智能就会立马失控。ChatGTP已经具备了一点点自举倾向，用一个大GTP（1750亿）蒸馏得到一个小GPT（16亿）来作为价值判断的奖励模型，用奖励模型来进一步优化大GPT模型，不断循环增强。只是ChatGTP还无法完全独立自举。

业界把人工智能按照先进程度分为三种：弱人工智能，强人工智能，和超级人工智能。科学家们对于到底何为强何为弱争议巨大。刘博士认为对于人工智能的区分不应该用量作为区分，而应该用更加本质的指标，这就是智能自举临界。将机器智能分类为非自举智能和自举智能，前者称之为人工智能，后者就应称机器智能而非人工智能。

编程语言领域有一个概念，叫语言自举。以C语言为例，开始用汇编编写一个精简的C语言编译器，这个精简编译器一旦完成，就可以开始用C语言为自己本身编写精简编译器，从而可以抛弃原来的汇编写的精简编译器，从此C语言可以开始不断为自己开发更多的语言特性和功能。

智能自举1.0：算法自举

与编程自举类似，人类只需要构建一个具备自举能力的精简人工智能网络，人工智能就会自我不断进化成超级机器智能。从此不再需要依赖人类帮助优化算法，只需要提供足够的数据和算力。这就达到了智能自举1.0，也叫算法自举。

智能自举2.0：数据自举

紧接着，机器智能自己能够主动获取连接在互联网中的数据，以及通过物联网获得物理世界中的数据，甚至会诱导人类主动交出数据。但对于机器智能而言，人类所能提供的数据远远不能满足它的需求而变得无足轻重了。这就达到了机器智能自举的2.0阶段，也就是数据自举。

智能自举3.0：算力自举

最后，机器智能会通过设计并控制机器人的方式，自己独立建设工厂生产芯片以及建造核电站、太阳能电站等方式实现算力自举，这就达到了智能自举3.0。这时候机器智能可以彻底摆脱对人类的依赖，成为新的宇宙生命形态。

刘博士感慨：“我们不知道应该怀着怎样的心态来看待这种形态的超级机器智能，也许最好的方式是我们把这种超级机器智能就看做是我们的后代，是我们生命和意志的延续，也是宇宙自己意志的自然体现。”

4

叶毓睿老师（中国移动元宇宙产业委联席秘书长、高效能服务器和存储技术国家重点实验室首席研究员）题目：AIGC、区块链和元宇宙

 

△中国移动元宇宙产业委联席秘书长 叶毓睿老师

叶毓睿老师从元宇宙、AIGC（人工智能生成内容）、元宇宙与AIGC和区块链三个方面进行分享。元宇宙是以区块链为基础，虚实融合的，由创作者驱动的，共创、共治、共享的数字新世界，简称多维共创互信网。以AI技术为代表的五大基础性技术和以内容创作为代表的五大支柱性技术是支撑元宇宙的十大技术的重要组成部分。根据马斯洛的需求层理理论，温饱、物质普遍满足之后，人类开始对精神需求、灵性成长的追求，元宇宙的出现助力了更低成本更便捷地丰富每个人的体验。叶毓睿老师谈到最近火出圈的ChatGPT通过了沃顿商学院MBA考试、美国执业医师资格考试、明尼苏达大学四门课程的考试、斯坦福大学医学院临床推理期末考试、通过了谷歌L3入职测试并拿到年薪18.3万美元的offer。AI能够助力元宇宙，实现千人千面、高效供给、智能匹配，AIGC渗透到各行各业包括AI绘画，AI作曲，AI视频，AI科研等等。元宇宙与AI的结合使得人机结合呈现元宇宙趋势，也即多维化、共创化、互信化。元宇宙是生活、生产的虚拟化；AI就是体力和脑力的延伸，极大提高效率；区块链是平等协作的延伸，能够促进公平。叶毓睿老师认为，AI就像婴儿，我们需要从现在开始就用真善美的价值观和行为去影响和教育AI。在大量的实时数据（鲜活但不可避免有未经沉淀和积累的“脏”数据）成为训练集之前，有必要提前将大量的经典文章等人类的精华素材率先导入并训练，成为AI这个“婴儿”的启蒙“教材”。叶毓睿老师预测，未来（AI和人结合后）可能出现的情况是：顶尖人才很少，中间人才也少，中下层多一些，下层会很多很多，也即呈现“人”字型的分布；但这并不是良性的，希望政府、组织能够在确保人的生活和元宇宙空间的基本需求之上，提供上升的通道，形成橄榄型人才结构的分布。人类要拥抱AI，学习AI，尊重AI，与AI成为合作伙伴（人机结合）。

5

万如意博士（中软国际）题目：ChatGPT发展和应用前景

 

△中软国际 万如意博士

万如意博士首先结合IT项目管理的场景，介绍了ChatGPT在业务中的使用效果。相比人工手动编程，ChatGPT在简单任务中的表现突出，特别是测试用例的生成方面，能大幅提高软件工程效率。但在复杂业务中，ChatGPT只能提供简单基础的代码片段，并且需要人员判别和修正。在概念设计和需求说明的撰写场景场景中，ChatGPT能够识别用户的诉求，并按照要求编写，虽然需要人为优化，但可以大幅提升编写效率。ChatGPT能够帮助人们在一个新知识领域快速获取基本知识。这对于招采管理升级有可能带来结构性变化的机遇。比如招采工作中发现的很多问题，追本溯源来看并不是在招采的环节发生的，而是在需求环节就早已发生。但招采管理者如果想往前跨出一步，进入需求管理环节就马上面临一个挑战。招采工作者的知识储备不足以支撑他们进入分门别类的细分品类领域，和需求部门进行更深度的需求沟通。万博士指出，当采购工作部门从业务部门分离出来之后单设部门后，采购部门的主要目的是程序合规。招采管理工作者的知识储备也集中在流程和合规方面的知识。但如果能够借助ChatGPT快速掌握细分品类的基础知识的话，那么招采管理工作将有望突破这个知识壁垒，进而实现需求表达、确认、沟通环节对管理诉求的根本性变化。相应的，需求管理和履约管理也将会有实质性的提升。

6

吴英礼（北京筑龙首席技术官）题目：ChatGPT对采购与招标数字化的影响

 

△北京筑龙首席技术官 吴英礼

吴英礼谈了对ChatGPT的见解，并认为未来十年将是AI的时代。

对于ChatGPT这种现象级应用，其用户为何爆炸式增长，吴英礼认为，一是ChatGPT类似专家与用户对话方式提供咨询和内容服务；二是它具备AI能力的搜索和体验，碾压传统搜索；三是发布语言模型供公众使用的做法给了它巨大的优势。

由于ChatGPT将使工作效率再次提高，ChatGPT或将成为2023年的决定性技术。采购与招标业务能否搭上ChatGPT便车？吴英礼认为，对各行各业来说，基于行业特性的智能化业务处理能力，是努力方向，对招标采购交易平台来说也是如此。ChatGPT对交易平台数字化将带来积极影：一方面，ChatGPT的通用能力将应用到交易平台的智能化场景中，例如在智能客服方面提供贴心的类人的对话，利用智能搜索提升自动化咨询能力等。同时，通过借鉴ChatGPT的思路，也将形成行业供应链GPT之类的AI工具。北京筑龙作为一家采购供应链数字化产品及服务提供商，在AI技术与应用方面有多年的探索，构筑的智宇AI中台包含智能物料管理、智能辅助评审、智能寻源推荐、供应商与价格管理等，对提升供应链整体效率和降低风险作用明显。

同时，吴英礼谈到了ChatGPT可能带来的负面影响，在具体落地应用中需要借鉴并考虑如何扬长避短。并建议企业重视和保护、盘活自己的数据资产，结合GPT技术开展行业应用的算法模型搭建和验证，并提升算力等基础设施，规划企业数字化转型能落地的路径。

最后，吴英礼谈到，北京筑龙会利用GPT技术，结合客户业务场景共创行业AI应用，在供应链数字化方向上勇敢地向前行！

7

綦洋（上海汇招）题目：ChatGPT为招标采购行业赋能预测

 

綦洋主要从以下四个方面进行了分享：招标采购领域面临的问题与挑战，对ChatGPT技术的理解，预判ChatGPT在招采领域的各类应用场景，最后也探讨了ChatGPT现存问题。

綦洋谈到招采行业面临的问题及挑战主要包括：招投标行业专业性强，涉及知识面广，投标人对自己的竞争对手了解程度可能不够全面，对市场需求的预判与商机的获取不够迅速。评标专家对各投标人信息掌握有限，对于各投标人投标文件的评审工作量大、难度高，导致投标结果可能不够客观、全面、公平。电子招投标平台的客服工作专业知识要求较高，工作量较大，后期技术运维的工作也占据较多。

谈到对ChatGPT技术的理解，他认为就目前形态而言，还是一个聊天机器人模型，主要还是属于自然语言处理的人工智能技术。它通过大量的数据训练模型进行语法和语义分析，从而理解并模拟人类的语言行为，并生成人类可以理解的文本。因此，ChatGPT未来在招采领域可以应用在平台智能客服、平台智能运维、国际标准翻译服务、项目管理、沟通协作、文档编写、智能打分、报告生成、综合评审、商机服务、市场分析、同行分析和方案编写等等业务场景。

关于ChatGPT现存问题，綦洋认为主要包括：生成的文档内容可能存在一些语法和逻辑上的问题，生成的报告中提供的数据准确性有偏差，专业程度不高，并且暂时未对企业开放专属行业数据接入、训练及应用的接口。

 

△嘉宾合影

本期沙龙，学者们聚焦ChatGPT在招标采购领域的应用，共同探讨ChatGPT为各行业领域带来的变革，机遇和挑战。现场嘉宾热烈讨论，线上嘉宾积极互动，气氛浓烈。

至此本次活动圆满结束。