智算的作用不言而喻。数据已经成为我们现代社会生产和生活的关键因素和新的动能。
要回答这两个问题，我们有必要再深入理解智算的智力本质。对于智力，中华字典中给出这样的定 义，即智力是“认识、理解客观事物并运用知识，经验等解决问题的能力”。从这个定义中可以得 出，智力表现在两个阶段： 1、解译、编码阶段（Encode Stage）：对从环境中收集到的信息进行解读并理解内在的含义或意图， 即将输入的信息数据编码成意图； 2、译解、解码阶段（Decode Stage）：将理解的含义或意图以另一种解释形式表达出来，表现的方式 可以是生成新的内容、做出推理判断、执行连贯的活动等，进而对环境做出有效的管控，即将意图解 码为另一种形式。
前面的定义是适用于人的智力的描述，同样也与当前最为领先的机器学习模型—“转换器” （Transformers）模型相一致。简单地说，机器学习就是关于通过训练让计算机从数据中学习到知识并 能够做出预测和决策。我们的古人就相信数据具有神奇的力量。例如，毕达哥斯的“万物皆数”说； 祖冲之的“迟疾之率，非出神怪，有形可检，有数可推”的话。这些都表达可以从数据中学习到知 识、智慧并能够做出推断的有关机器学习的思想萌芽。到了当代，伴随着计算机的出现，人们就尝试 让计算机具备人的智能，并形成了一门新的人工智能学科。智算的智力本质就是随着人工智能、机器 学习等技术的不断发展，使机器具备智力，即能够让计算机通过对数据的计算，达到认识、理解客观 事物并运用已学到知识经验等解决实际问题。
为了方便进一步理解，可以将智算的智力形成过程与人的智力成长过程作个类比【见图16】。首先， 他们都有一个物理实体作为智力的承载体，人有个智慧的大脑，里面有中枢神经系统，而智算需要一 个算力底座，主要由智能芯片、存储器和网络设备构成；大脑神经网络是人类智慧的基础算法模型， 而神经网络算法模型则是智算的基础算法模型；人和智算的智力都是通过对数据进行处理计算而得到 的；智算通过监督学习和非监督学习生成预训练智慧模型，而人通过12年基础教育变成通识人才；智 算的基础通用模型经过对行业数据再学习训练(微调)而形成行业模型，我们通常称其为行业的“千模 百态”，体现了智算智力的专业化，而人类通过大学专业教育与实践，变成行业专业化人才。由此可 见，人的智力发展与智算智力的发展过程，相似性是比较高的。
智算的作用不言而喻。数据已经成为我们现代社会生产和生活的关键因素和新的动能。事实是，对于 个人来说，我们大家正在将更多的时间花费在生成数据或消费数据上面。我们不满足于简单地对数据 进行分析处理，而是深层次投喂数据来训练智算的智能，使之成为能够足够了解自己的个性化智能助 手，以提高自己制作数据水平和精准消费数据的能力，更进一步，能够做到人机密切协同，到达人机 共生的境界。
对于组织机构而言，将智算的重要性放到组织的战略制高点都不言过。组织掌握和应用智算智能的能 力的高低将决定其核心竞争能力的高低，更有甚者，这可能决定组织的存亡。因此，组织应优先将企 业定位成智算优先型企业，而不是仅仅只是数据驱动型企业。组织对智算技术的实施和利用方式将 放大组织的治理、文化、能力、人员技能及流程与技术成熟度等方面的优点、缺点以及正面与负面影 响。智算正在改变组织的生产方式。我们正在经历由数字化生产方式向智能化生产方式转变。这两种 生产方式具体描述如下： • 数字化生产方式：人+自动化，以“预先定制策略”的方式，让机器自动地从事生产； • 智能化生产方式：人+智算+自动化，以“自适应学习”的方式，让机器自主地从事生产。 用智算架起人与自动化之间的桥梁。“预先定制策略”不能够很好地适应当今剧烈动态变化的环境。 组织需要利用智算的“自适应学习”的能力来加强组织的创新应变技能，通过智算的大规模实施将人 员解放出来，使员工更加专注于创新及不断探求有竞争力的体验。
面对机器拥有了智慧，我们应该如何去做？首先，我们需要明确智算在组织中的位置；其次、我们还 需要了解智算的引入会对企业当前的商业运作体系造成什么样的改变。学术界认为，组织就是一个开 放系统，它从外部实体接受输入，通过内部主要的五大功能（包含市场、生产、交付、控制和支撑 等）进行对资源加工，转化为有价值的产品和服务，并输出到外部实体。智算在组织中的终极定位是 企业将智算作为组织运作体系的核心部件，由它接受外部的输入，自主调动各类资源，自动化加工成 产品和服务，能做出恰当的决策，并将产品和服务交付给外部实体。这意味着企业运作体系最终转型 为智算原生运作体系。在智算原生运作体系中，原有的五大功能仍然存在，并保持同智算 各部件的密切联系与协作。
通常，企业智算由两大部分构成，即智算智能训练部分和智算智能应用部分，其中智算智能训练部分 包含数据、训练与模型三个子部件；智算智能应用部分包括推理、决策和执行三个子部件。各子部件 描述如下： • 数据：为了能够使训练的智算智能具备较高的等级、安全、可靠并值得信赖，需要全面地采集组织 内外的数据并对数据加以整理，去除隐私、偏见并脱敏，对数据进行标注，使数据成为组织的重要 资产并进行全程治理与管理，确保数据资产被安全地使用。 • 训练：训练主要有预训练、微调、提示词精调等。预训练是指选择好算法模型，在大规模无标注的 数据进行自我监督学习，通过回归建模任务来训练出通用智能模型。微调是指在预训练后的模型的 基础上，针对特定领域任务进行调优，即在特定领域的有标注的数据上进一步训练，调整模型参数 以适应特定任务的要求。提示词精调是指对训练后模型的参数进行固定，通过在输入数据上增加训 练的提示词来优化输出结果。
型：是指那些规模较大、参数量众多的深度神经网络模型，用于理解和生成特定内容，在领域内 有着广泛的应用，因其强大的理解和生成能力，能够处理各种复杂的任务。模型以按学习训练的程 度可以分为算法模型、基础模型、领域模型和应用模型。组织需要对模型进行运营、维护和管理。 • 推理：是指利用训练好的模型，接受各类输入，执行各种推理任务（包括常识推理、数学推理、逻 辑推理、因果推理、视觉推理、听觉推理、多模态推理、代理推理等），达到对输入的归纳、综 合、推导、演绎、解释、预测并可以给出优选选项或可信的内容与结论。 • 决策：是指将推理运用于动态环境中，能够不断学习、规划并做出决策。 • 执行：是指在决策的基础上，能够按决测分解的相关任务集，调动资源执行指定的任务并能够依据 任务的反馈做出恰当的修正。
从智算的组织定位，以及各部件功能与内外部件连接及关系，我们可以看出组织业务运作同智算智慧 共同成长，形成共生关系。这种共生关系表现为：组织通过智算不断探索客观对象，并加强同它们的 联系；通过建模不断构建新的应用或重构已有应用，以不断创造和优化服务与产品；通过智算对决策 加以计算，提升决策的科学性，即对任何决策都能做到“心中有数”。这揭示企业的智算 生存哲学，即“任何对象可连接、任何应用可建模、任何决策可计算。”
智算改变了组织的生产方式。智算的生产方式表现为： • 连接：所有的生产要素都可以连接起来，使信息与感知无死角； • 计算：所有的思考决策都可以基于对可信数据和知识进行科学计算而得出的，具备安全、可靠和值 得信懒；建模：产品/服务即应用，一切的解决方案和行动归属于应用，一切应用都可以通过建模而智能生 成，应用可以控制对象的行动并向决策做出反馈。通过建模构筑行动优势，使能智算提升业务运作 效率和员工生产力。
智算与大模型人才白皮书.pdf
