作为第四次工业革命的核心，人工智能已经成为全球新一轮科技革命和产业变革的核心驱动力。在人工智能计算大会（AICC ）上，清华大学智能科学讲席教授、美国艺术与科学院院士张亚勤带来了《智能计算新趋势》主题演讲，分享了在信息、物理和生物智能融合的新时代下，AI计算面临的新挑战及突破传统范式的新趋势。同时，张亚勤教授分享了人工智能在生命科学、绿色计算及自动驾驶领域最前沿的应用成果，探讨人工智能的技术如何真正赋能各产业，推动社会的进步。
以下是张亚勤教授演讲原文（有删减）：
大家好，特别高兴参加人工智能计算大会，我今天分享的是有关于产业发展的新趋势，包括人工智能在生命科学、双碳趋势下的绿色计算、自动驾驶等领域中扮演的一些角色。
AI计算趋势
在过去30年中，如果说有一件事是最重要的，那无疑是“数字化”，在80年代、90年代我们所做的是把内容和企业数字化。从当时的语音、图像、视频、文本，后来到企业ERP、CRM，包括云计算，其实是数字化的1.0和2.0阶段。
现在，我们进入了新一轮的数字化3.0，这包括两个世界的数字化。
■ 一是物理世界数字化，我们的路、车、交通灯，家庭、车间车床工厂，甚至整个城市都在数字化。
■ 二是生物世界，即我们的生命世界也在数字化，我们的大脑、身体器官、DNA基因、蛋白质等正在走向数字化，同时各种新的生物电子芯片、脑机接口技术也在不断发展。
麻省理工学院多媒体实验室主任Nicholas Negroponte写的《数字化生存》，谈的就是数字化1.0，他认为这是从原子到信息再到比特的变革过程。至于数字3.0阶段，我认为是从比特回到原子、分子的过程，可以说是原子、分子和比特的双方映射。
第三次数字化和第一轮、第二轮有完全不同的一些特点。一方面是指数级的数据，比如在无人车领域，每天一辆车产生的数据量是5T；在基因测序领域，每一次测序产生的数据是3T，蛋白质三维结构的数据10300，所以数据在海量地增长。另一方面，这些数据主要不是给人而是给机器做决策的，是机器到机器的环节。
人工智能经过了很多发展阶段，最早是更多依靠知识的符号逻辑推理，但知识并不完备，所以造成了AI的第一个冬天。而现在，更多是数据驱动的深度学习；未来，我认为是知识和数据的融合，包括关于大脑的知识，以及大量的现实世界数据，同时也包括第一性原理方程式，比如薛定谔方程、分子动力学方程等等
深度学习可以说是这十年来的主流，从RNN、LSTM、CNN，到现在的GAN和Transformer，其经历了丰富的发展阶段，当下的方向是预训练、多模态、大模型。其中有不少挑战，包括因果性、可解释性、透明性，但也有新的解决方案。
如果觉得《人工智能已经成为全球新一轮科技革命和产业变革的核心驱动力》对你有帮助，请点赞、收藏，并留下你的观点哦！
