自去年 ChatGPT 火爆以来，人工智能（AI）大模型迅速成为科技领域的热门话题。

然而，就像 5G 通信一样，技术跑在应用前边，让多数人觉得 AI 似乎也是 " 雷声大雨点小 "。

很多人对于人工智能的认知只停留在手机语音助手、拍照一键消除路人的阶段。实际上，人工智能大模型的潜力远远不止于此。

9 月 19-21 日，2024 云栖大会在杭州西湖区云栖小镇举行，20 日，云栖通道如约开放，为广大 AI 产业从业者、创业者以及大模型开发者提供了一个交流平台。

与以往参加的很多技术交流会议不同，这次的云栖通道上的演讲没有飞溅的行业黑话，也没有讳莫如深的技术秘闻，反倒是格外地深入浅出，既有最新人工智能行业动态、开创性新产品的展示，也有行业大佬分享的深度思考，算是近年来少有的令人越听越兴奋的行业会议。

活动展示了许多令人惊叹的应用落地场景，充分展示了通义千问开源大模型对于 AI 各领域的赋能。

今天，我就与大家分享三个给我个人触动最多的人工智能应用场景，并附上一些我自己的思考，希望能够抛砖引玉，大家也可以把你们自己的看法写在评论区，一起讨论。

私有数据打通垂直领域：精准学 AI 助力教育创新

教育内卷始终是父母们无法回避的话题，孩子们面临着巨大的学习压力。教科书的难度不断增加，往往难以通过学校的课上时间完全掌握，因此，许多孩子在学校的学习时间之外，还需要参加家教或课外班来提高成绩。

这些传统的解决方案存在着诸多问题，如费用高昂、效果难以保证等。

作为两个学龄儿童的父亲，这真的是我每天都在面对的问题，因此精准学的 "AI 家教 " 概念一出场就抓住了我的眼球。

过去所有的学习工具，包括尺子、橡皮、词典、电子书、学习机，都是自学型产品，而类似被授课、被指导、被答疑等被动学习的场景，过去是没有技术手段能做到的，必须要真人来完成。

精准学 AI 科学家张宁在云栖通道活动中展示了他们的超拟人一对一 AI 老师，这位 AI 老师不仅能像 GPT 一样讲解题目，更重要的是，它能够像一对一私人老师那样，有规划、有体系地对孩子进行学习辅导，并根据孩子的学习情况实时调整教学内容。

这给当下的教育难题提供了一个全新的思路——与其卷家长、卷老师、卷教培，不如卷 AI，这何尝不是 " 科技平权 " 理念的完美展示呢？

那么，为什么没人使用 ChatGPT 或者通义千问 API 来做这样的事？因为互联网上缺少类似教育、法律等垂直领域的数据和素材。这些素材大多处于行业垄断私有的状态，形成了垂直行业的数据壁垒。

例如精准学的知识图谱，就是来自其 2018 年成立的时候，超过 200 位老师做的数据标注，积累了大量关于教师和学生一对一授课过程的数据，而这些数据对于训练出适配教育场景的模型至关重要。

作为全球唯一中文领域开源，拥有从 0.5B 到 7B 所有尺寸基础模型的公司，通义毫无疑问是合作的最佳选择。

精准学的超拟人一对一 AI 老师是在通义千问的基础大模型上，利用私有数据训练出的教育垂直大模型——心流大模型。

通义千问为精准学的 AI 老师提供了强大的技术支持。通过在通义千问的基础上进行定制和调优，还为 AI 老师的语音识别与语音合成技术提供了优化，使得 AI 老师与学生的交互更加自然流畅。

与传统的教育方式相比，精准学的 AI 老师优势明显。

它能够为学生提供个性化的学习辅导，根据每个学生的学习特点和需求制定专属的学习计划，提高学习效率。

同时，AI 老师永不疲倦，不需要休息，可以随时随地为学生服务，不受时间和空间的限制，为学生提供更加便捷的学习体验。

不难想象，未来 AI 老师可能会成为很多学生的 " 标配 "，让老师和家长得到 " 解放 "。

自然语言交互重塑汽车智舱：斑马智行打造元神 AI

汽车智能化的步伐一日千里，座舱中的人机交互正在变得越来越 " 懂你 "。

目前，汽车智舱中最常用的交互方式是 Touch（触屏）和命令式语音，但这些方式存在着诸多问题。

毫无疑问，Touch 在行驶过程中非常危险，因为驾驶员很难在同时操作触摸屏和关注道路情况；而命令式语音则被许多人调侃为 " 人工智障 "，因为它往往无法准确理解用户意图，导致交互体验不佳。

只要开过近几年新推出的新能源智能汽车，你肯定知道我在说什么。

相比较过去传统汽车，现在开车时新增的交互包括驾驶模式更改、动能回收档位调节、辅助驾驶开关等等，很多功能都需要车机安装应用，然后藏在车机触控屏中的 N 级菜单下。

当然不是说如今手机、电脑的交互就不存在问题，只是涉及到人身安全的驾驶座舱，交互上的任何一点弊端都被无限放大了。

斑马智行联合通义发布的全新智能座舱 AI 技术品牌——元神 AI，就是要解决这些问题。

元神 AI 的核心建构是 "1 + 3" 技术体系，以 AliOS 和广泛的芯片生态为基础设施底座。

其中，"1" 是自然交流，旨在实现人与车交互如同人与人交流一样自然。"3" 包含感知场景（Echo AI）、组织服务（Eco AI）和认知成长（Evo AI），通过自然语言人机交互方式，取代传统的 Touch 和命令式语音交互。

这种交互方式大大降低了用户的学习成本，使用户能够更加自然、便捷地与汽车进行沟通。

例如，你可以通过简单的语言指令来控制汽车的各种功能，而无需在触摸屏上寻找复杂的菜单选项。此外，自然语言交互还能够更好地理解用户的意图，提供更加个性化的服务。

与阿里的通义大模型合作，斑马智行能够充分利用通义大模型的强大语言理解和生成能力，为元神 AI 提供更加智能的交互体验。

为什么自然语言交互如此重要？斑马智行也给出了答案。

斑马智行在汽车软件操作系统和 AI 领域深耕了十多年，已经服务了 30 多家车厂，累计量产出货 700 余万辆车。截至今年本月之前，又新增量产出货 80 余万辆，目前累计的斑马月活跃车辆数达到 370 万。

斑马智行首席产品官蔡明在演讲中分享了几组数据，移动互联网里的应用总数有 200 多万， DAU（日活）100 万以上的应用也有 600 多个。但实际上每辆车上平均安装大概也只有十几款。

并且，在应用的使用频率上，车上跟全端相比只有 1/3 到 1/5，而且对于全端的数据影响非常小。

这说明传统的 Touch+ 命令式语音的使用是有问题的，用户不愿意在这样的交互方式下使用应用，所谓的智能座舱，也就无从谈起了。

这不禁引发我更多的思考，那些你我日常根本离不开的应用和功能，因为交互问题，却让我们因此避退三舍，不愿意在汽车上使用他们。那么，如果我们手机、PC 端的应用和功能，也能更换成为学习成本更低、操作更无感的自然语言交互，我们的日常生活又会发生哪些变化？

斑马智行志正在此。蔡明表示未来目标是 AI IN ALL，用一整个服务 Agent 来替代 AI 的生态，让每个用户都变成钢铁侠，拥有自己的 " 贾维斯 "。

为机器注入灵魂：基于通义大模型的人形机器人

工业革命两百多年来，我们制造了许多机器，但这些机器还需要人脑来操控。

虽然我们已经能够制造惟妙惟肖的人型机器人，它们在关节灵活度、力量强度等方面可能比真人强大，但却没有自我思考大脑，无法像人类一样灵活地理解和响应各种指令，比如就连婴幼儿都会的站立行走，现在的机器人都实现得很勉强，以至于现在的机器人还需要固定起来，防止它们自己摔坏，就像是一具没有灵魂的躯壳。

人工智能，可能正是机器人所缺少的那个灵魂。

在云栖通道活动现场，个人开发者、知名技术博主张子豪展示了基于通义大模型的人形机器人。

这些机器人能够听懂复杂指令，完成唱跳 RAP、搬运货物、踢足球等复杂动作，展现出了强大的智能和灵活性。

这一切听起来很简单，事实上也一点也不容易。

听懂复杂指令涉及到前文提到过的自然语言识别，而将语言转换为动作，进一步转换为每个伺服电机、每个机械关节能够识别的电信号，中间需要复杂的 " 翻译 " 工作。

过去，要让机器人看起来有多智能，就需要多少的人工。强如 1999 年的索尼，也无法让电子狗 Aibo 看起来不那么 " 智障 "。

但在人工智能时代，B 站 UP 主也能轻松手搓 " 有灵魂 " 的机器人。

张子豪的人形机器人是基于幻尔 TonyPi 人形机器人，通过开源 AI 推理框架 OpenVINO，在笔记本电脑上本地部署端侧 AI 开源大模型通义千问 Qwen2 - 7B – Instruct 就能让机器人 " 聪明 " 起来。

张子豪在本地端侧设备上写好了提示词，给机器人规定了 23 种原子动作函数，让智能体能够自主选择接下来要调用哪些函数，根据人类的指令，把人类说的人话翻译成机器才能听懂的机话—— JSON，这个 JSON 里面既有要执行的动作列表，也有 AI 要说的话。

其中动作列表的参数是由大模型生成，所以它具备非常强的通用泛化性，能够让机器人真正理解海量的先验知识。

张子豪表示，对于自己的 TonyPi 机器人来说，使用本地部署开源大模型有八个理由，包括不需要联网、不用担心花钱买 Token、不用担心隐私外泄等，让机器人设计和操作更加自主可控。

总而言之，本次云栖大会上，通义千问开源大模型在各个领域的应用展示了其强大的赋能能力。

它不仅为教育带来了创新的解决方案，减轻了家长和老师的负担，为学生提供了更加个性化的学习体验；还重塑了汽车智舱的交互方式，提高了驾驶的安全性和便捷性；更为机器人注入了灵魂，使其具备了更强的智能和灵活性。

相信在未来，通义千问开源大模型将继续发挥其优势，推动 AI 技术的落地应用，为我们的生活带来更多的便利和创新。