
3月20日,特斯拉CEO马斯克在中国发展高层论坛2021年会,通过视频连线的形式发表演讲。
22年前,放弃物理学博士学位的他,作为Paypal联合创始人,将支付功能颠覆式的放到互联网上,至今都影响着你我的生活。
18年前,他创立SpaceX,颠覆式的将国家级“烧钱”项目——火箭发射成功商业化,让人类迈向火星的步伐又加快了速度。
17年前,他成为特斯拉汽车合伙创始人,颠覆式的将纯电动汽车推广到全球各地,加速世界向可持续能源的转变。
今天,他带来了“下一个颠覆式创新”。与马斯克一起展开探讨的,是曾取得“诺贝尔奖级别”成就的中国科学院院士、南方科技大学校长薛其坤,两位就下一阶段的颠覆性创新技术领域进行了深入探讨。

颠覆式出行方式改善未来城市交通
在谈及缓解城市拥堵问题时,马斯克提到自动驾驶将会很快实现,并大大改变交通的面貌。 在自动驾驶方面,马斯克此前曾表示,随着不断的软件推送更新,特斯拉终将会实现L5级自动驾驶。如今,在Autopilot自动辅助驾驶的参与下,特斯拉能将行车安全提升近10倍。
根据特斯拉2020年第三季度车辆安全报告显示,在有Autopilot自动辅助驾驶参与下的驾驶过程中,平均每459万英里(约合738万公里)的行驶里程才会出现一起交通事故。未来,随着带有自动驾驶技术车辆的大量普及,城市交通拥堵将面临一次颠覆性的改变。
马斯克还提到,3D隧道在缓解城市拥堵方面会起到非常重要的作用。他表示,不久前,拉斯维加斯展示了一个3D隧道项目的落地,证明了这一设想的可行性。
愿用最高等级的措施保护用户数据安全
安全始终是未来技术和产业发展的重点,尤其是在人工智能技术快速发展的今天显得尤为重要。薛其坤院士的建议是要给机器人设置红线,人类应该设置监督机器人警察。对此,马斯克表示认同,他认为凡是可能影响到人类安全的技术都需要被妥善监管,飞机、药品、汽车都已经在相关监管之下。
他说人工智能是目前最重要的挑战,“之前没有什么比人类更聪明”。马斯克将人工智能比作人类,认为二者之间有非常多的共同点,但人类处理事情的“带宽”运转速度有限,所以人工智能会强大很多。而对于人工智能安全而言,监管是合理且必要的,一定程度上我们对人工智能的管理与共生也是很重要的。
马斯克直言:“特斯拉是不会将收集到的数据用于间谍活动的,因为这样会让特斯拉的发展受到严重的影响。”特斯拉愿意使用最高等级的保密措施,希望和大家共创互信的未来。
“之前美国曾提及要禁用TikTok,幸好最终并没有真正落实,这其实是完全没必要的担心。”马斯克坦言道,中美间的共识其实远比人们看到的要多,双方应该在互信基础上,协同发展,共同繁荣。
谈将考虑创办特斯拉企业大学
谈及人才与教育问题,马斯克称,目前制造业中工业机器人很容易买到,但能给机器人编程的人才却很稀缺。同时,他也很认同薛其坤院士关于特斯拉办企业大学的建议,并表示未来或许也将尝试企业大学的形式,把教育和产业发展结合起来。
事实上,特斯拉已经开始与全球各国大学展开合作,研究电池技术、材料等领域。在培养专业型、复合型人才方面,特斯拉与上海电力大学联手创立员工岗位专项技能提升培训课程,同时在积极寻求与国内各大学合作。
关于高等教育体系如何为下一代年轻人做好准备,实现颠覆性技术,马斯克说,物理学的教育很有必要,并且需要让学生更好地参与进来。
当回答“如何提高学习物理学的兴趣”的相关问题时,马斯克表示,其实物理一点儿都不无聊,需要以包含更多情感、通过有“温度”的教学来向大家展示物理的精彩。同时,在学习物理的同时,马斯克认为经济学也是不可忽视的重要部分,因为提供技术解决方案的同时也要兼顾经济效益。
跨星际旅行将成为可能
马斯克表示,人工智能、数字医药的应用都是颠覆性的创新技术,将会改变人们未来的生活。
他还强调了跨星际旅行将成为可能。马斯克说道:“亘久以来,这是第一次出现生命可以走出地球的机会,我们也可以去探索其他的星球,而脑机接口技术则可以确保人类意识的传递和延续”。
薛其坤院士对马斯克登陆火星的探索表示赞赏,同时他也在关注地球能源的可持续发展。他认为,特斯拉这样的电动车企业为能源的可持续发展提供了一种可靠的解决方案,而随着太阳能光电效应和可持续循环利用技术的成熟,未来氢能也将作为可持续能源,应用前景广阔。
不论是企业家还是科学家,都对创新精神有一种执念。商业领域和科学领域里,卓越的成就都一定源自于颠覆式的创新想法、技术革新与商业模式,也必然会定义一个全新的行业或领域。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。