AI的发展离不开三个关键要素：算法、算力和数据。

点击+号关注本账号，可获得更多精彩内容。

AI的发展离不开三个关键要素：算法、算力和数据。当然，还有更为基础的电力（能源）作为支撑和硬通货，此外还需基础设施、应用场景。

算法作为AI的“智慧大脑”和“灵魂”，将无序信息转化为可执行的逻辑判断，从复杂数据中提取有价值的信息，并做出精准的预测或决策。它以数学逻辑与概率统计为语言，构建机器学习、深度神经网络、强化学习等方法。从图像识别中的卷积神经网络、自然语言处理中的Transformer大模型架构、到图像视频生成的扩散模型，算法的每一次迭代都在突破人类认知的边界，让机器学会“思考”与“创造”。

算力如同AI的“超级心脏”和“引擎”，通过GPU、TPU芯片及分布式计算架构与云计算平台，支撑着参数规模达千亿甚至万亿的神经网络模型进行训练与实时推理。

数据则是滋养AI的“数字土壤”、“养料”和“燃料”，从社交媒体的海量文本到物联网设备的实时传感，结构化与非结构化数据的指数级增长，为算法提供了认知世界的丰富素材。其质量、规模（体量）、和多样性直接决定了AI系统的认知广度和决策深度，以避免偏见和局限。海量数据的获取、清洗和标注是人工智能开发过程中不可或缺的重要环节。自动驾驶系统需要在暴雨夜间的乡间小路与城市拥堵路况中采集海量数据，就像奶茶店需要椰果、珍珠等多元配料才能满足不同口味需求。当前AI发展正面临数据的双重挑战：既要处理互联网时代积累的庞杂存量数据，又要构建即时反馈的新生数据闭环，这种“历史经验”与“实时感知”的融合，恰似厨师既要精选陈年窖藏也要采摘时令鲜蔬，才能烹饪出适应时代味觉的AI佳肴。

这三个要素相互依存、相互促进，共同构成了人工智能发展的基石。算法的创新需要匹配相应的计算资源和数据才能发挥最大效用；算力的提升又为加速数据价值挖掘、处理更大规模的数据和更复杂的算法模型提供了可能；高质量的数据不仅能够提升现有算法的表现，还能催生新的算法研究方向。在现实场景中，算法需要融合多模态数据，算力集群需满足低延迟高吞吐的计算需求，数据闭环则通过真实场景反馈不断修正模型偏差。此外，我们还要兼顾数据合规治理、算法可解释性提升、与绿色算力基础设施建设等诸多因素。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）