通用人工智能（AGI）是一个门槛极高的领域，有极大的商业空间和生态需求，目前各个大模型团队都在争取“入场券”，行业竞争无比激烈。“就目前AGI的布局来看，创新的高地在企业端，高校的地位非常有限。未来，实现从跟跑到领跑，高校必须主动出击，发挥大学应有的价值。”昨天，在上海交通大学人工智能未来科技对话会上，中国科学院院士鄂维南的发言引发不少与会者共鸣。

高校若要引领下一代AGI的发展，需要解决哪些瓶颈？发力点在哪里？又该如何更好地输出AI人才与技术？

展望下一代AGI，数据库技术很关键

在鄂维南看来，百万卡规模的算力资源、多模态的数据资源、AI数据库能力，以及新模型框架、算法和工程能力，都是发展下一代AGI所需的基础。而当前，不少人对发展AGI仍存在认知误区，尤其是对高质量数据的重要性认识不足。“现在，很多企业和高校都将主要力量投放到对大模型的研究上。实际上，相比大模型，如何建立高效的数据处理系统，才是更紧迫的任务。”

鄂维南举例说，很多人其实已经意识到高性能芯片的重要性。“但有一点可能出乎意料：从技术角度而言，芯片的性能指标容易刻画，反而是数据的质量难以刻画。”无论是做科研，还是医疗行业或金融行业，各行各业都离不开数据分析和处理。可以说，数据库技术才是发展下一代AGI的关键之一。

具体来说，数据的搜集、清洗、评估、抽取和其他预处理，都离不开强大的AI数据库。“只有建立强大的数据库，才能在大模型训练和维护过程中，及时做到‘缺什么补什么’。”鄂维南介绍，目前，国内外已有企业开始关注AI数据库，并开启新一轮竞速。比如，国际上首个AI数据库MyScale，其开发公司正是墨奇科技，而企业的创始人、CEO邰骋以及CTO汤林鹏，都是上海交通大学的毕业生。“这也是目前我心目中综合性能最好、功能最强的AI数据库。”鄂维南介绍，MyScale能够同时支持海量向量和结构化数据，包括字符串、JSON、空间、时序等多种数据类型的高效存储和查询，其数据密度、查询效率是国内外其他系统的4至10倍。

智力+算力，校企携手共同破圈

会上，有专家谈到，发展通用人工智能有两大要素，一是智力资源，二是算力资源。前者主要集中在高校，后者集中在企业。目前，我国发展AGI的主要困境在于：两种资源没有很好地对接起来。“虽然有些团队通过发挥其工程能力和算力资源，占据了一定的先发优势，但从长远角度看，这是不可持续的，因为行业的门槛在不断提高。”鄂维南强调，高校想要占据下一轮AI高地，必须加强有组织科研，同时，要携手企业做好资源整合与对接。

“根据《自然》杂志的一篇研究文章，如今，科学突破性创新速度在变慢。”清华大学惠妍讲席教授周伯文补充道，科学研究中信息茧房的形成、茧房内信息过载以及茧房间壁垒太高都是背后原因。因此，不仅科研的组织方式需要改进，科研工作者也必须与时俱进，主动破圈。

对此，上海交通大学校长、中国科学院院士丁奎岭同样深有感触。根据学校的调研，上海交大目前已有超过20%的教师和科研人员，即将近750人，在从事和人工智能相关的研究工作。

谈及昨天新成立的上海交大人工智能学院，丁奎岭介绍，学院未来将通过大力汇聚人才、紧密链接人才开展有组织科研，提升“参数量”；通过直面真问题、服务真场景，积极响应学科、行业、社会经济发展需求，提升“数据量”；通过汇聚八方资源，做好算力支撑，提升“计算量”。