12月21日上午，第38期“禹风大讲堂”在图书馆五楼报告厅如期举行。本期大讲堂邀请到国内知名互联网公司网易云音乐的执行董事兼副总裁李勇博士作题为“大模型与生成式AI”的学术报告。报告会由数据科学与应用学院徐勇院长主持。
李勇总裁是安徽财经大学1995级优秀校友，后相继于南京大学、清华大学等顶尖学府攻读博士与博士后，曾任腾讯公司资深技术专家、唯品会副总裁及高瓴资本运营总经理，是一位既精通IT技术又擅长企业管理和资本运营的高端复合型人才。
讲座伊始，李总从人工智能的起源谈起，回顾了图灵测试和达特茅斯会议对人工智能学科诞生的重要意义。他指出，人工智能的发展始终伴随着数据、算法和算力的协同演进，经历了以人工规则为主的早期阶段、以机器学习和深度学习为代表的模型阶段，并逐步迈入以生成式大模型为特征的新阶段。当前的大模型以海量参数、跨领域知识和强泛化能力为显著特征，正在成为推动人工智能应用范式变革的重要基础。
围绕“大模型是什么”这一核心问题，李总系统阐释了大模型的基本概念和技术特征。他结合GPT系列模型的发展历程，介绍了大模型在参数规模、训练数据和计算资源上的显著扩展，并从生成式AI与判别式AI的差异入手，说明生成式模型在内容生成、多模态理解和智能统一方面所展现出的潜力。在技术层面，他重点讲解了大模型的预训练、后训练及强化学习等关键环节，深入浅出地分析了模型如何通过“压缩即智能”的方式学习语言和知识结构，以及推理能力在模型性能提升中的重要作用。
在谈到前沿技术进展时，李总以DeepSeek等模型为例，介绍了近年来大模型在推理能力、训练成本和开放生态方面取得的突破。他指出，强化学习在后训练阶段的引入，使模型逐步具备“分步推理、自我反思和自我验证”的能力，但同时也带来了算力需求快速增长的问题。前沿人工智能模型训练计算量呈现指数级上升趋势，算力、能耗与成本压力日益凸显，成为制约大模型可持续发展的重要因素。
结合自身在互联网企业的实践经验，李总重点分享了生成式人工智能在推荐系统中的应用探索。他以网易云音乐为案例，介绍了生成式推荐模型如何借鉴大语言模型的思想，将用户行为序列视作“语境”，通过预测“下一首可能喜欢的歌曲”来实现更精准、更具探索性的内容推荐。相关实践表明，生成式推荐在用户活跃度、内容发现和兴趣拓展方面具有明显优势，但在低延时、高并发和异构算力调度等方面也面临新的技术挑战。
在分析大模型应用风险时，李总坦言，生成式AI在可靠性、可解释性和幻觉问题上仍存在先天局限，尤其在高精度、强责任约束的业务场景中，尚难以完全替代人工决策。他强调，应正视模型“不确定性”的客观存在，通过知识库约束、人工校验和运营兜底机制等方式，推动人工智能在可控、可信的前提下落地应用。
讲座最后，李总展望了人工智能未来的发展方向。他认为，具备推理能力的智能体、多模型融合以及引入确定性规则的混合模型，将成为人工智能迈向更高层次的重要路径。同时，随着人工智能深度融入经济社会运行，其价值衡量标准也将从单纯的算力指标转向以“Token成本”和应用效率为代表的经济学指标。
在互动交流环节，与会师生就大模型应用边界、算力成本、人工智能人才培养等问题与李总进行了深入探讨。讲座内容视野开阔、案例丰富，为师生系统理解生成式人工智能的发展逻辑与现实挑战提供了有益启示。讲座在热烈的掌声中圆满结束。（文/桑启悦 图/崔梦宇 审/陈士超）