AI赋能可持续，大模型创造“不可估量的价值”

大家好，感谢邀请，今天来为大家分享一下AI赋能可持续，大模型创造“不可估量的价值”的问题，以及和的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

本次大会上，阿里云统易旗舰型号Qwen-Max再次升级，性能接近GPT-4o。阿里云还宣布，将以AI为中心，全面重构底层硬件、计算、存储、网络、数据库、大数据，打造AI时代最强的AI基础设施。

阿里云全力投入人工智能的背后，是其坚信生成式人工智能具有“逐步渗透数字世界、接管数字世界、改变物理世界”的巨大潜力。

目前，物理、化学、生物等多个学科的大模型能力已接近博士水平。另一方面，大模型不仅具有持续可用性，还具有记忆和泛化方面的举一反三的能力，概括复杂知识和数据的能力，以及音频和视频的多模态能力。

这使得大模型能够在一定程度上帮助人类解决各种问题。目前，阿里云正在与各方合作，将AI落地到各个行业场景。其中一个重要内容就是让大模型向善智能化，赋能可持续发展和教育科研，为国计民生寻求更好的解决方案。多么幸运啊。

在经济社会领域，自然资源部信息中心与阿里云联合开发的后土大模型正在赋能自然资源数字化治理；在天文研究领域，基于统一的星语3.0天文大模型已接入望远镜群，助力天文发现；在教育领域，高等教育机构正在利用人工智能技术加速教育改革、促进教育公平……

正在加速渗透到各行各业的人工智能，正在许多人看不到的地方产生深远的影响和难以估量的价值。

“猴头”丈量土地

据了解，在自然资源部信息中心（以下简称“信息中心”）与阿里云的密切合作下，自然资源行业大模型取得的初步进展包括：

构建自然资源产业大模型总体技术路线；开展自然资源行业知识收集整理，收集自然资源基础知识、政策法规、标准规范等7类文献70万余份；组织自然资源产业大模型技术研发重点。

在富模态知识文档解析处理技术研发中，文本OCR（光学字符识别）、段落、表格、图片、公式等识别准确率超过90%。

在Qwen系列通用大模型+RAG（检索增强生成）和微调的基础上，将自然资源领域的专业知识注入到大模型中，共同打造自然资源行业的大模型智能代理。

信息中心副主任、工程师吴洪涛在云栖大会上介绍，后土大模型以中国古代神话中的神“后土”命名，其职责是自然资源管理和国土空间治理。

目前，大型土壤模型已初步应用于土地变更调查工作中。这项工作对于全面、及时、准确了解我国土地利用状况，保护耕地，节约集约用地，保护生态环境和国家粮食安全具有重要意义。

土地变更调查主要分为调查取证核实两个阶段。在调查阶段，研究人员需要亲自到调查现场进行实地考察；在核查阶段，工作人员需要识别海量卫星图像、测绘数据以及现场图片和视频，核对土地利用类别。

问题是，我国每天都会新增大量新的国土资源调查图片和视频，难以全部完成人工核查。为减轻调查人员的工作量，提高调查核实的准确性，去年，自然资源部信息中心与阿里云合作，共同打造了基于统一原型的后土自然资源产业大模型。

以农用地变化调查场景为例。在进行实地勘察时，研究人员可以利用基于后土大模型开发的人工智能工具对目标地块进行拍摄。大模型可以准确识别农用地面积、土地类型等信息，协助工作人员工作，避免拍多、拍错、漏拍。

在验证阶段，大模型将根据现有的实地照片识别土地类型和属性，并自动输出验证结论，协助工作人员提高验证精度和效率。

以人为本的大模式正在将人们从繁琐、重复的工作中解放出来。据悉，未来大土壤模型还将应用于耕地、园地、林地、草地、商业用地等其他土地类型调查，助力自然资源可持续发展。

吴洪涛还提到，过去一年来，信息中心也一直在探索大尺度土壤模型在空间规划与利用控制、资源保护、地质灾害防治等场景中的应用，“两地双向抢攻”。大模型和应用场景的基础。” ，将“全面支持自然资源数字治理能力提升，回答自然资源数字治理过程中的必答问题”。

仰望天空的大型模型

在测量地球的同时，大型AI模型也在注视着天空。

今年4月，中国科学院国家天文台人工智能工作组发布了新一代天文大模型星象3.0，这是大模型在天文观测领域的首次应用。

StarTalk 3.0基于阿里云统一钱文开源模式构建。已成功接入国家天文台兴隆观测站望远镜阵列“迷你四天”。它可以独立控制望远镜进行观测，分析观测结果，智能提供下一步观测建议。

天文望远镜是人类探索宇宙的“相机”。与单台望远镜相比，大型望远镜阵列可以更有效地整合高性能望远镜资源，成本更低，观测效率更高。然而，随着望远镜数量的不断增加，如何控制大型望远镜阵列已成为当今天文学界面临的共同挑战。

过去，天文观测主要依靠观测助手和科研人员的合作。科研人员常常需要根据观测地点的气象条件修改观测计划，在观测室等待数据返回并实时分析数据，然后根据结果修改观测计划。重要观测目标的每个环节都需要人工参与，效率低且难以同时控制多台望远镜。

星语言3.0试图解决这个问题。星语3.0依托阿里云统一钱文基础模型和百联平台，基于超过30万专家的修正数据完成训练，在天体物理、物理学等专业能力方面表现突出。

观测星星时，星语3.0会首先查询某颗星星的坐标信息，反馈给观测者；确认后，星语3.0将根据观察者输入的计划自动进行观察；单次曝光完成后，大模型会对数据进行恢复和处理，根据结果判断目标源的观测值，并推荐下一步的观测计划。

与过去相比，星语3.0独立完成了天文观测中一些原本需要体力劳动的任务，提高了天文观测的效率，让研究人员重新回归天文研究。

除了辅助天文观测，国家天文台还与阿里云合作开发了全球首个太阳垂直Sora模型，可用于探测耀斑，以及磁场、演化实时分割等相关研究， ETC。

另一方面，天文领域也需要大模型处理海量数据的能力。中国科学院国家天文台研究员罗阿里介绍，天文观测数据量增长非常迅速。现在每天都会产生数十TB 的数据。未来10年，天文领域的数据总量将从PB级增长到EB级。为了更好地挖掘这些天文数据，国家天文台于2016年与阿里云签署了战略合作协议。

罗阿里透露，在没有大数据、机器学习等方法之前，天文学领域每年大概有1000多个全球新成果。有了这些新的工具、数据和方法，每年的新成果都成倍增加。

未来，星语大模型将接入国家天文台大型望远镜阵列寺天（迷你寺天是寺天的一部分）。这是中国天文学家针对时域天文学提出的一项国家重大天文基础设施项目。该项目预计到2030年，米级望远镜的数量将达到72个，每晚产生约140TB的处理数据，使其成为世界上最高效的巡天项目。

AI的“无差别教学”

2500多年前，思想家、教育家孔子就提出了“有教无类”、“因材施教”的理想教育理念。前者谈的是普及教育，后者则希望进一步实现个性化教育。大模型的出现正在逐步推动这种理想的教育成为现实。

当前，我国城乡、地区间教育资源分布不平衡，教育质量存在较大差异。如何应用先进技术，促进优质教育资源共建共享，是促进教育公平的重要任务。

高等教育出版社（以下简称“高等教育出版社”）社长刘超在云栖大会上提到，高等教育出版社过去在教育公平1.0的实践是通过信息技术赋能教育资源的普及，实现优质的教育资源。共享。

据了解，高等教育出版社建成了全球最大的在线开放课程平台iCourse、最大的职业教育数字化教学资源共享平台、智慧职教在线教学服务平台等教育资源平台。高等教育社各类教学平台超过1亿用户可以通过网线直接连接名校名师课堂，共享优质资源。

进入新时代，刘超认为，人才培养正在从注重知识向注重能力培养转变，人们自主学习、个性化学习、终身学习的现实需求日益强烈。自然语言模型可以实现对话式学习，在教育领域具有无限潜力和广阔前景。他坚信，教育公平2.0一定是人工智能赋能的教育公平。

基于这个想法，高等教育学会正在建设基于阿里云统一钱文等大型模型的人工智能基地。其中，高等教育出版社拥有70年来积累的4500TB优质教育语料，包括优质教材、丰富的多模态资源、练习题库等。阿里云统一大模型的表现处于国内大型车型前列。

此前，高等教育出版社、阿里云、浙江大学等联合发布了基于统一钱文7B（70亿参数）模型训练的“知海-三乐”教育垂直大模型，并应用于101工程的核心14所大学课程《人工智能引论》教学课堂。据悉，该模式可以为相关课程提供智能化、个性化的学习，服务于人才培养。

在刘超看来，理想的大教育模式需要融合四个特点：多个正确答案、分布式输出、情感提供和资源推荐。

其中，分布式输出被称为苏格拉底启发式教学。刘超表示，浙江大学吴飞教授团队今年在苏格拉底式教学智能的研发方面做了大量工作。让AI把一个复杂的问题分解成几个相关的简单问题，分布式地问给学生。只有这样，才能激发学生真正掌握学习的逻辑和推理过程。

即使同年级，不同的学生往往学习进度不同，对知识点的掌握程度也不同。然而，具有记忆和泛化能力的大型模型可以做到“千人千面”，弘扬个性。化学学习的实现，使教育真正做到“有教无类”。

无法估量的价值

不仅在上述领域，阿里云一直坚持开源大模型。作为千行百业应用发展的基础，人工智能应用已形成一片“热带雨林”。

截至2024年9月中旬，统一千文开源模型下载量已突破4000万，Qwen系列衍生模型总数已超过5万个，成为仅次于Llama的世界级模型群体。

在2024云栖大会上，阿里云CTO周敬仁近日发布了统一钱文新一代开源模型Qwen2.5。旗舰型号Qwen2.5-72B性能超越Llama 405B，再次坐上全球最大开源型号的宝座。

基于成为“AI时代最开放的云”的愿景，阿里云希望用AI技术赋能社会可持续发展。正如阿里云副总裁、中国可持续发展研究会理事刘祥文所言，人工智能与云计算的结合，从数字世界进入物理世界，将为整个社会带来不可估量的价值。