2024年神经信息处理系统会议(NeurIPS)在温哥华落幕。此次会议一票难求。今秋两项诺贝尔奖都与人工智能相关，人工智能的热度有增无减。世界各地越来越多的私人和国家机构正投入大量资金开展人工智能研究。

事实是，在此次会议上很少见到欧洲公司的身影，这里找不到欧洲传统行业的人工智能研究实验室。我们欧洲人尤其应该仔细聆听加拿大的这场讨论，因为我们目前正经历着不亚于人工智能产业化的进程，而欧洲近年来主要是在扩大人工智能技术的规模。人工智能也遵循一定的技术史规律，技术变革通常分为三个阶段：基础研究、规模化和工业应用或者说“产品化”。

蒸汽机或化肥生产工艺哈伯法的发展就是上述三个阶段的例子，而且二者都对我们的社会产生了深远的影响。从先进人工智能的发展中也能看到类似的模式。大语言模型从基础研究到规模化就是一个很好的例子。

2017年提出的Transformer模型架构主导了升级阶段，也就是第二个阶段。人工智能界对Transformer架构情有独钟，但它是很原始的。该架构虽然性能不错，却是以海量数据和极高的算力为代价的。这意味着什么？Transformer架构的工作方式是，它会先阅读一本书中的每个字，当你向它提问时，它会再次搜索整本书来寻找答案。

最近，状态空间模型和递归神经网络等其他人工智能架构也获得了升级。例如，长短时记忆网络(LSTM)已经升级为新的xLSTM架构。与Transformer相比，这些替代方案更具优势，例如它们更高效。这些替代性架构，如我们欧洲的xLSTM，能像人类一样阅读一本书，记住故事情节，识别其中的联系，并能根据人工记忆回答问题。xLSTM不仅仅是一个语言模型，这一点常常被误解。在此次大会上，我们展示了“7B语言模型”，从而证明我们也有能力建立大语言模型。我们认为，xLSTM-7B模型在速度和能效方面树立了新的标杆。美国公司对此也很感兴趣。

从语言到产业——这是如何实现的？它与序列有关。一个句子包含多个单词，这构成了一个序列。我们利用的也是这一点。例如，xLSTM架构也可以对工业时间序列数据作出预测，并有望在机器人技术或图像分析(这在医疗技术中尤为重要)方面发挥巨大潜力。

我们现在正进入第三阶段，即人工智能的产业化阶段。在这一阶段，我们会将人工智能模型全面投入到机器人、生物技术或工业流程的实际应用中。这需要的不仅仅是规模化，也不是更多的一成不变。

随着人工智能模型产业化的推进，我们预计会出现许多特定领域限制——幸运的是，随之而来的将是方法的日益多样化，这将使我们能够进一步开发我们的模型，使其个性化，催生新的想法并提供附加值。工业流程困难重重，所以需要人才。因此该领域专家和人工智能研究人员需要合作。例如，他们需要讨论制造业中的运行安全和人工智能，讨论可用性、稳健性、安全性、用户体验和人类经验，讨论“绝不改变正在运行的流程”以及数据推断和能源问题。

欧洲可以做到这一点。因为在欧洲，在蒂宾根、慕尼黑、赫尔辛基、阿姆斯特丹、苏黎世和林茨等地都开展了卓越的研究。然而，我们欧洲人并不总能成功地将这些卓越成果转化为产品，并利用其开拓新的市场。我认为工业人工智能是我们欧洲大陆的一个机遇。但老实说，我们已经谈论这个问题好几年了。我们还要讨论多久？我们现在就必须开始——大规模地着手去做。

但企业正在犹豫并回避投资。当美国的太空探索技术公司能够实现火箭着陆时，我们感到惊讶，并不得不问自己：哪些创新来自欧洲？

最后一个在泛欧洲取得巨大成功的是空中客车公司。众所周知，那是三十多年前的事了。我们做了很多很好的研究，包括在许多学院和大学的研究。这是一个很大的优点。

但我们也必须承认：我们依赖世界其他地区的人工智能发展。尽管有欧洲的替代方案，我们目前仍在推行所谓的“单一来源战略”，这件事不可能顺利进行。（瞭新社）