2024年12月10日,甲子光年智庫院長宋濤于「萬千流變 一如既往——2024甲子引力年終盛典」上發布《萬千流變,一如既往:2024人工智能產業30條判斷》。12月10日,中國科技產業智庫「甲子光年」在北京中關村國家自主創新示范區展示交易中心舉辦「萬千流變 一如既往——2024甲子引力年終盛典」。甲子光年智庫院長宋濤重磅發布主題報告《萬千流變,一如既往:2024人工智能產業30條判斷》。以下為報告詳細內容。關注公眾號「甲子光年」,后臺回復“2024甲子引力年終盛典”,獲得報告高清版完整PDF。或者點擊文末“閱讀原文”,進入甲子光年官網下載。1.歷史回望:七十載沉浮,AI終臨戰略拐點1.1 從甲子光年的愿景說起:探索科技與人類文明的關系?甲子光年從2017年底成立至今,每一年都會舉辦科技產業盛典,我們一路走來,在七年的時間里見證了中國科技產業從2017-2018年的“少數人的路”,到2019年科技全球競爭下的“縱身一躍,科技突圍”,再到2020年的“命運與共,大道不孤”。在這個時間段中,中國科技產業,尤其是在數字技術能力方面,還處于“看得到新技術”和“看得懂新技術”的階段。2021年,我們看到大量中國科技公司開始“行至水深處”,數字時代全面開啟,用得上新技術成為千行百業走向數字化轉型的重要目標。2022年,中國科技公司已經進入到“心有所護,不畏遠行”的階段,從“用得上新技術”向“用得好新技術”轉型。這一年的年底,ChatGPT的發布,引爆了新一輪人工智能的浪潮。2023年,我們看到科技公司開始邁入到從數字原生向數智原生轉型的階段,我們看到形形的科技從業者們,以星星之火匯聚在新一輪人工智能浪潮之下,看到了微觀重塑宏觀的“致追風趕月的你”。甲子光年過去七年的科技主題,見證了中國數字時代的發展脈絡,從看得到新技術,到看得懂,再到用得上、用得好新技術的階段。如今我們已經邁入構建中國式新技術范式的新征程。回望甲子光年成立的初衷和這七年走過的路,我們可以看到一條圍繞技術能力提升與生長之路。過去,我們更多聚焦在技術能力之上,但如今已經到了探索中國式技術范式的時刻,需要尋找技術能力賦能應用的新范式。1.2 諾貝爾獎的頒發,意味著AI成為全球角逐的核心領域2024年的諾貝爾物理學獎授予給了美國科學家約翰·霍普菲爾德和加拿大科學家杰弗里·辛頓,表彰他們“通過人工神經網絡實現機器學習的基礎性發現和發明”。AI技術獲得諾貝爾物理學獎,標志著AI技術作為一股不可忽視的力量,正在推動科學研究的范式轉變,成為解決長期存在的復雜科學問題的重要工具。AI技術開始全方位影響人類科學技術的進步,并通過推動科技進步加速,進一步推動社會、經濟的發展。諾貝爾獎的頒發,意味著AI成為全球科技角逐的核心領域。如同甲子光年過去七的發展歷程一樣,開始向著聚焦數智原生的方向轉變,已經到了構建中國式人工智能技術發展與應用新范式的階段。1.3 回望:反映到人工智能領域,其發展歷程會拉長到70年的周期既然如今競爭的核心收斂到了人工智能領域,那我們有必要重新梳理一下人工智能的發展歷程。人工智能概念自1956年被提出,其發展到現在已經接近70年,70年的發展歷程已經歷了四個階段:第一個階段的AI是以邏輯推理為主,AI能力以聚焦決策和認知為主;第二個階段的AI則是以概率統計的建模、學習和計算為主,AI能力開始聚焦感知、認知和決策;第三個階段的AI聚焦學習環節,注重大模型的建設,AI能力覆蓋學習和執行;第四個階段則聚焦執行與社會協作環節,開始注重人機交互協作,注重人類對人工智能的反饋訓練,當下正處于此階段。經過近七十年的發展,人工智能的核心能力一直在提升,到如今已經成為覆蓋感知、認知、決策、學習、執行、社會協作能力,未來還會向符合人類情感、倫理與道德觀念的智能機器邁進。發展到現在,人工智能的技術能力已經到了一個拐點,即從技術能力驅動向需求應用驅動轉型的關鍵時期。1.4 歷程:生成式AI加速人工智能產業向規模應用演進生成式AI技術浪潮的開啟,進一步加速推動人工智能產業從技術能力向規模應用演進轉變。在七十年的發展歷程中,前六十年都是圍繞著決策式AI技術發展。最近十年周期里生成式AI技術開始快速發展,尤其是從Transformer技術提出之后,整個人工智能的技術發展方向開始從決策式AI向生成式AI傾斜。ChatGPT的爆火出圈,引起了生成式AI的技術浪潮。2023年里,大家討論比較多的還是技術能力,但從2024年開始業內探討核心從技術能力轉向了需求應用。1.5 拐點:人工智能的發展已到戰略拐點結合甲子光年發展歷程所梳理的技術能力水平,以及技術發展周期性的特點,甲子光年智庫將技術能力的發展水平分成了五個階段。第一階段醞釀期:屬于前期的技術研發階段。看得到新技術,注重技術能力的孵化與提高;第二階段構造范式:屬于看得懂新技術。新產品、新產業的性增長和迅速創新,除了注重技術能力的提高之外,還需要注重產品能力的提高;第三階段成長期:屬于用得上新技術新產品。新產業、新技術體系接連出現并持續更新,技術能力和商業變現同樣重要;第四階段產業化:屬于用得好新技術。創新和市場潛力的全面擴張,新技術帶來產業范式的顛覆式創新;第五階段成熟期:屬于中國式新技術。新產品和新產業接近成熟,已經構建的技術體系。隨著技術能力的提升,技術進化引發經濟進化,從舊范式抵達新范式。如今人工智能的發展已經處于從第三階段向第四階段過渡的時期。人工智能的能力成長歷程已經足夠長,到了尋找需求的戰略拐點。能力驅動 or 需求驅動?這是當下每一家人工智能企業都需要回答的課題。關注公眾號「甲子光年」,后臺回復“2024甲子引力年終盛典”,獲得報告高清版完整PDF。或者點擊文末“閱讀原文”,進入甲子光年官網下載。2.現狀洞察:能力驅動or需求驅動,AI企業的戰略抉擇2.1 【大廠】OpenAI,正處于從能力驅動向需求驅動轉變的拐點OpenAI從成立開始,一直在堅持技術信仰路線,以技術能力的提升作為公司發展的核心驅動力。在2023年之前,OpenAI一直堅持的是底層大模型的能力研發,不斷完善自然語言大模型、多模態大模型的通用能力。但這一戰略在2024年開始出現了拐點,嘗試向需求轉變,推出了GPT-store,構建以OpenAI為生態主的AI生態體系,開始探索如何向商業化目標轉型。或許,也正是這一戰略抉擇的轉變,導致了OpenAI在2024年的管理層巨變。可以說,2024年是OpenAI從能力驅動向需求驅動轉變的拐點之年。2.1 【大廠】英偉達,連續三次推動從能力向需求的戰略轉型接下來,我們來看一下這輪人工智能浪潮之中的另一個弄潮兒,英偉達。甲子光年智庫梳理了英偉達過去六年的收入結構分布數據,以及這六年里英偉達的核心客戶和主要售賣產品分布情況。從英偉達的收入結構變化可以清晰地看出,英偉達在過去六年的時間里連續三次根據客戶的需求情況進行了業務調整。第一次,從2019年到2020年,英偉達的核心客戶開始從以PC端為主的游戲市場,向著個人PC和數據中心并重的游戲與區塊鏈市場轉型。最具代表性的是核心客戶從戴爾、惠普變為了亞馬遜、Vmware。這一階段,PC端的收入貢獻開始出現下降趨勢。第二次,從2021年到2022年上半年,英偉達的核心客戶開始從區塊鏈市場向元宇宙市場轉變。其收入結構之中,數據中心的收入占比已經超過了40%,個人PC端收入的占比開始大幅度下降。核心客戶從亞馬遜、Vmware變為了亞馬遜、Meta、微軟等。第三次,從2022年下半年到如今的2024年。英偉達的核心客戶從元宇宙全面轉向了人工智能領域,服務對象也從數據中心全面轉向到了智算中心。其收入結構之中,數據中心從2022年占比39.4%提高到了2024年的78%,實現了核心產品結構的重塑。核心客戶也全面轉向了微軟、亞馬遜、Meta等AI大廠為主。三次能力向需求的拐點時機,英偉達都把握住了。我想,這正是英偉達能登頂全球市值最高企業的根本原因。其發展的底層邏輯,就是準確把握好從能力驅動向需求驅動轉變的拐點,及時調整自身業務戰略,滿足市場核心需求,從而實現企業發展的蝶變。2.1 【大廠】AI能力提升推動大廠生態業務增長,亟需尋找AI需求拐點我們再來看看全球的AI大廠怎么做、怎么賺錢的。以ChatGPT的發布時間為節點,甲子光年智庫將微軟、谷歌、Meta的凈利潤水平曲線做了一個劃分。從這個數據圖中可以比較清晰地看出來,這幾個大廠在ChatGPT發布之前凈利潤都是處于下行周期的,在這個節點之后全都進入了凈利潤增長的上行周期,而且一直持續到今天。右側是甲子光年智庫對比分析的三個大廠在2023年和2024年前三季度的收入結構對比。從中可以看出,Meta和谷歌的收入仍然是以廣告業務為主,2024年前三季度微軟的收入結構中智能云的提升幅度較大。從這幾個數據可以看出,這輪人工智能浪潮下的全球頭部大廠,借助AI能力的提升來推動其核心生態業務的增長,但其本身的AI業務并沒有成為其核心的收入來源。大廠重裝投入AI后,利潤開始出現拐點,但利潤的貢獻是在核心生態業務,AI本身不掙錢。這些大廠也亟需尋找AI需求的商業化拐點。2.2 【獨角獸】六小虎進入從能力→需求轉變的戰略分水嶺分析完了大廠,我們再來看一下本輪AI浪潮之中涌現出的創業明星企業。有六家AI創業公司在業內被稱為六小虎,他們分別是百川智能、階躍星辰、零一萬物、月之暗面、智譜AI和MiniMax。甲子光年智庫基于對六小虎的跟蹤研究,梳理出了六小虎的業務布局圖。通過這張業務布局圖的對比,我們可以清晰地看出來,如今六小虎也都在面臨戰略抉擇的分水嶺。過去接近兩年的時間中,六小虎在基礎大模型和中間層的能力建設方面已經基本完成,接下來六小虎面臨的共同抉擇就是選擇如何從能力驅動向需求驅動轉型,如何找到自身業務的商業化閉環。2C or 2B,是到了該抉擇之時!六小虎的企業之中,有的選擇向下探一層,積極布局AIInfra,有的則全面押注C端超級應用,還有的已經全面轉向了B端的賦能,更有的選擇押注中間層的平臺搭建。不同的人工智能創業企業,選擇的拐點方向不同。相同的是,大家都在選擇拐點。2.3 【初創企業-機構】AI Infra是投資機構寵兒,AI應用則是大廠的寵兒再來看看投資機構對初創企業的關注變化情況。甲子光年智庫發現投資機構之中分出了兩股勢力,一股是風投機構為主,其投資方向以底層的AIInfra為主,2023年投資數量占比高達83%,到了2024年有所下降,但也仍有69%。頭部大廠這兩年里也在頻頻投資AI領域,其主要投資方向則跟風投機構完全相反,他們主投方向則是應用層的創業公司為主,近兩年里應用層的投資企業數量占比為53%。不過投資機構和頭部大廠的投資策略也在進行微調,機構開始逐漸增加應用層和中間層的投資布局,大廠則開始關注AIInfra。從投資機構的投資偏好來看,也能感覺到現在AI領域的市場割裂之感。到底是要投能力驅動為主的AI創業公司,還是要投需求驅動為主的AI創業公司?從數據看來,投資機構也面臨著一個戰略抉擇。2.4 【C端產品】全球頭部AI企業,紛紛布局C端產品領域甲子光年智庫基于時間軸梳理出了2024年全球頭部AI企業在C端產品方面的發布時間表,以及其C端產品的收費模式分布。從中可以看出,從2024年5月份開始,全球AI企業紛紛密集推出各自C端產品。在統計的27個C端產品之中,44%是免費模式,41%是選擇會員訂閱制。現階段頭部AI企業推出C端產品,仍然還在商業模式的探索階段,探索盈利模式,探索對傳統互聯網產品的顛覆范式。2.4 【C端產品】城頭變幻大王旗!2024年AI超級應用在哪里?之所以說如今AI企業還在探索C端AI產品的模式,是因為2024年的AI超級應用的頭把交椅處于不斷變動之中。甲子光年智庫統計匯總了2024年各月國內AI產品訪問量的前三名產品,發現前三名的AI產品是處于不斷變動狀態的。可以用一句話來形容,那就是城頭變幻大王旗。每一個月的前三名產品都是不一樣的。這也為我們帶來了一個疑問,2024年AI超級應用在哪里?2.4 【C端產品】商業化潛力較大的光年象限中,C端應用場景仍然較少甲子光年智庫曾對C端用戶不同場景的AI產品做過調研分析,基于NPS值和滿意度繪制了這張甲子星空坐標系,以對生成式AI在C端應用場景的商業潛力進行評估。光年象限之內的場景,滿意度高且用戶愿意推薦,適合側重商業化落地的產品場景。光年象限的場景主要有3D交互內容生成、網站創建、機器人、直播帶貨、數字孿生和音樂生成。星團象限之內的場景,滿意度不高但用戶推薦意愿很高,說明產品具有較高的工作效率提升,同時在產品體驗方面還需要進一步提升。星團象限的場景主要有翻譯、科研學術、海報設計、文本摘要、語音識別、辦公、編程與代碼自動生成、配合機器人等。星辰象限之內的場景,滿意度高但推薦意愿低,說明產品體驗好,對傳統產品有了顯著的范式顛覆,但對提升工作效率方面有待進一步加強。可惜星辰象限之內,尚無此類場景出現,比較接近此象限的是藥物研發、搜索引擎、語音合成、文案創作等場景,但還需要有代表性產品來推動。星云象限之內的場景最多,也是最需要探索的場景。從現階段的場景分布來看,處于光年象限之內的場景較少,大部分場景仍然處于用戶既不滿意又不推薦的狀態。說明C端適合商業化落地的場景仍然較少,需要從供需兩端進行深度的挖掘與探索。2.4 【B端需求】B端用戶需求多元且不明朗,2B or 2C需要明確抉擇我們再來看看B端用戶情況。根據麥肯錫的調研數據顯示,企業至少在1種業務流程中采用AI功能的比例達到72%,相比2023年的55%有了顯著提高。使用生成式AI的比例也從2023年33%提高到了2024年的65%。雖然2024年企業使用比例顯著提升,但從使用場景分布來看仍較分散,主要在市場營銷、產品/服務和IT等部門或場景下使用占比較高。從2024年熱門使用場景來看,使用最高的內容支持場景,使用比例也不過才16%,處于第二位的個性化營銷則只有15%,再往后的產品設計更是只有10%。由此可見,B端用戶需求多元且不明朗,不同職能部門使用AI的意愿差異較大,應用場景都較分散。未來AI企業如何有效探索B端企業的應用場景,找到真正的商業化閉環,將成為AI企業面臨的必解課題。2.5 人工智能正徘徊在十字路口2023年建構能力,2024年尋找需求。人工智能已經完成了從飆能力,到找需求的轉變。能力驅動:技術研發為主,實現能力的突破;需求驅動:商業應用為主,實現需求的商業化閉環。2024年,無論是大廠,還是六小虎,亦或AI初創企業,都面臨著發展戰略的抉擇。首先,是需要選擇繼續堅持能力驅動,還是尋找適合向需求驅動轉變的拐點。如果需要尋找需求驅動的拐點,那么就需要探索驗證C端的超級應用在哪里?B端的落地場景在哪里?向左,還是向右。此時此刻,所有的人工智能企業都需要做出一個抉擇。如何尋找能力驅動和需求驅動的拐點時機,也將成為每個企業的必做題。人工智能正徘徊在十字路口。2.6 萬千流變,一如既往?商業的本質法門很簡單,就是“真需求”,技術的本質價值是為生產力服務。科技企業的本質就是抓住真需求,構建先進生產力,或對傳統生產力的短板進行迭代、優化、重構,直至新的生產范式成為主流。在如今這個萬千流變的時刻,每一個人工智能企業都需要確定自己的核心拐點,找準從能力驅動向需求驅動轉變的時機節點。讓自己的“真能力”鎖定用戶的“真需求”,然后縱身一躍,堅持走下去。這也是為何,今年甲子引力年終盛典的主題定位“萬千流變,一如既往”。我們希望,在人工智能面臨戰略分水嶺的時刻,每一個企業都能夠準確找到自己合適的戰略拐點,然后一如既往地追風趕月下去。關注公眾號「甲子光年」,后臺回復“2024甲子引力年終盛典”,獲得報告高清版完整PDF。或者點擊文末“閱讀原文”,進入甲子光年官網下載。3.存真之路,縱身一躍的節點在何處3.1 AI改變未來世界科技產業的評估模型2023年4月,甲子光年智庫提出了評估智能新世代的評估指標:“信能比”,反映單位能源所能駕馭的信息量。經過1年時間的持續調研與迭代,甲子光年智庫在信能比的基礎之上進一步完善了評估體系,在2024年5月提出了全新的評估模型,在信息與能源之外新增一個維度:。能源、信息和是現代社會和自然界中三個基本而相互關聯的概念——科技的進步,就是三者之間轉化能力加強的反映。【能源與:用生產率度量】在傳統工業時代,是能源向行為的轉化。【能源與信息:用信能比度量】現代信息技術非常依賴能源。在這個轉化過程中,AI影響世界的進程處于L1-L2階段。【信息與(也可以理解為物理世界的):用信產率度量】信息指導行為。在這個轉化過程中,AI向物理世界的滲透能力不斷提高,這就是L3。隨著AI對物理世界映射能力的不斷優化,將會在實踐中構建一條AI影響世界發展的動態平衡線。正構建AI與人類共生的雙生文明,這就是L4。這個基本框架可以讓我們來分析此刻AI及其影響、機會和可持續性。3.2 AI改變未來世界科技產業的發展進程基于這個評估模型,甲子光年智庫提出了AI改變未來世界科技產業發展進程的四個階段:L1-AI生產時代:AI意味著第二生產力,關鍵是降本增效,推動數字化轉型,本質是效率、成本問題。該階段人類為主, AI為輔, AI對物理世界的映射能力低。AI引發各產業的生產力變革,迎來“工業”,大幅提升生產效率。L2-AI原生時代:AI意味著第二語言,新的交互形式與內容載體。該階段AI為主,人類為輔, AI對物理世界的映射能力低。AI滲透率將無限逼近直到超越人類在數字世界的生產活動行為邊界。L3-AI創生時代:AI意味著人類之外的第二主體,推動端上智能、軟硬結合、世界模型落地。該階段人類為主,AI為輔,AI對物理世界的映射能力高,逐漸滲透逼近人在物理世界的生產活動行為邊界。L4-AI文明時代:AI意味著第二文明體系。該階段AI為主,人類為輔, AI對物理世界的映射能力高,人類文明進入“雙生時代”。3.3 開疆拓土 VS 深耕專研:縱身一躍的節點在何處基于甲子光年智庫對四個發展階段的判斷,以及AI能力發展的五個層級的拆分,我們可以探尋到一些縱身一躍的合適節點。AI生產時代:以蘋果為例,在手機產業化后進行創新,然后向需求驅動轉型。蘋果、比亞迪這類企業屬于是模式創新,在原有技術產業化基礎上創新后,開始轉向需求驅動為主。他們代表的就是AI生產時代,合適拐點在第四階段,即產業化階段。AI原生時代:以BAT為例,均是在互聯網成長期發展壯大,是在技術成長期轉向需求驅動。這類企業屬于跟隨戰略,技術成長期范式得到驗證之后開始轉向需求驅動為主。因此,AI原生時代的合適拐點在第三階段,即成長期階段。AI創生時代:英偉達,技術早期就開始轉向需求驅動,GPU產品先后為了滿足游戲、區塊鏈、AI等需求。它采取的是創新戰略,在培育范式期開始轉向需求驅動為主。因此,AI創生時代的合適拐點在第二階段,即構造范式階段。AI文明時代:以OpenAI為例,是在堅持技術信仰路線之下看到AI大模型成熟之后,才在近期想要申請轉為盈利組織,開始準備轉向需求驅動。這類企業是屬于能力驅動,技術理想主義,是在技術完全成熟后,才開始轉向需求驅動為主。因此,AI創生時代的合適拐點是在第五階段,即成熟期階段。是開疆拓土,還是深耕專研,縱身一躍的節點需要AI企業結合自身賽道所屬的發展進程,去評估確定適合自身的轉型戰略,從而去尋找合適的戰略拐點。3.4 產業鏈不同環節的人工智能企業縱身一躍的節點為了幫助科技從業者厘清“不得不”的現實與“真命題”的選擇,明確自己尋找戰略拐點的節點時機,甲子光年智庫從人工智能產業鏈不同環節、不同發展路徑和不同賽道為業內做一些判斷。希望能夠為AI企業尋找自己的戰略節點提供一些參考。首先,我們來看看AI產業鏈中不同環節的企業:醞釀期:算力層中的AI芯片、傳感器等相關企業就需要積極擁抱需求驅動,像英偉達那樣不斷根據客戶的實際需求調整產品、技術、戰略方向;構造范式:適合布局應用層的企業向需求驅動轉變;成長期:適合人工智能的中間層企業從能力驅動向需求驅動轉變;產業化:適合人工智能的平臺層和算力層中的數字基礎設施企業積極探尋從能力驅動向需求驅動轉型;成熟期:適合人工智能的模型層企業積極探尋從能力驅動向需求驅動轉型。3.5 不同發展路徑的人工智能企業的戰略節點甲子光年在追蹤頭部科技企業發展的進程之中,基于評估模型提煉出了四條核心發展路徑,并在今年8月份的甲子引力X大會上提出了甲子曲線模型。不同發展路徑下的企業,發展模式往往存在較大差異,其成長周期曲線也呈現出不同的特點。企業在面對未來發展時,不要盲目跟進任何一條曲線,要根據自身特點選擇最適合的發展路徑。路徑1:能源 → 【L0】,是屬于傳統工業化的發展路徑,以生產率提升為主,并不適合人工智能企業選擇。路徑2:能源 → 信息【L1-L2】,對應的發展階段是AI生產時代和AI原生時代,是屬于企業數字化的發展路徑,可能會走出起伏較大的波動曲線,契合風險資本推動的“大浪淘沙”機制。能源和信息共同作用向行為轉化,衡量其生產力的關鍵維度變為信能比。前期以能力驅動為主,適合在能力的第三階段成長期尋找向需求驅動轉型的時機。路徑3:信息 → 【L3】,對應的發展階段是AI創生時代,是屬于智能化的發展路徑,未來可能會走出指數級增長曲線,適用于在創新領域具有顛覆性技術或商業模式的企業,衡量其生產力的關鍵維度變為信產率。前期以能力驅動為主,適合在產業化的初期尋找向需求驅動轉型的時機。路徑4:能源 →信息→ 【L1-L3】,是未來產業發展路徑,對應發展階段覆蓋了AI生產時代、AI原生時代和AI創生時代,屬于新型工業化的發展路徑,企業增長曲線適合穩健產業支撐的45°平衡律曲線模式。前期應堅持以能力驅動為主,適合在成熟期尋找向需求驅動轉型的時機。3.6 人工智能各細分賽道不層環節的節點判斷針對人工智能各個細分賽道,甲子光年智庫也基于研究洞察給出了不同環節的合適拐點建議。后面,會對這30個賽道一個個給出判斷。關注公眾號「甲子光年」,后臺回復“2024甲子引力年終盛典”,獲得報告高清版完整PDF。或者點擊文末“閱讀原文”,進入甲子光年官網下載。4.甲子判斷:人工智能領域的30條判斷4.1AI生產時代【L1】【判斷1】算力邁向超萬卡時代算力一直是支撐人工智能產業發展的基礎,大模型訓練所需的算力規模指數級增長,對算力基礎設施提出了更高的要求。如今,企業訓練通用大模型的入門門檻已經提高到了“萬卡集群”的級別。2019年,谷歌的Bert模型只需要8張卡訓練7天即可完成,而去年的GPT-4的參數已經接近了萬億規模,其訓練使用了2.5萬張卡持續了100天的時間。即使是以開源著稱的Llama-3也用了2.4萬張卡訓練了97天才跑了出來。未來大模型的訓練則需要更高規模的“萬卡集群”提供支撐,如今頭部大廠和各大運營商都在積極建設萬卡集群。因此,我們看到“千卡”時代正在快速邁向“萬卡”乃至“超萬卡”時代,這是一個不可逆的演進趨勢。隨著超萬卡時代的到來,算力集群化與高規格硬件需求將推動算力集群向“四高”領域方向發展:高集群化、高顯存、高帶寬和高散熱。【判斷2】算力已從基礎設施走向公共服務,將開啟算力即服務時代受益于“新基建”、“東數西算”等發展機遇,以及爆發式增長的算力需求,我國算力中心建設規模不斷擴大。據中國信通院統計,我國在用機架數量近三年復合增長率約 30%。截至 2023年,算力中心機架規模穩步增長,全國在用算力中心機架總規模超過810萬標準機架,算力總規模達230EFLOPS,位居全球第二。算力基礎設施建設取得顯著成效。“東數西算”工程建設也已經取得成果,算力一體化網絡基本建設完成。算力網絡建設的完善,將推動算力市場逐漸從“基建”轉向“服務”,重點在于實現各節點之間的互聯互通和算力統籌調度,實現需求與供給間的精準對接。讓算力像水、電一樣成為隨取隨用的公共基礎資源。【判斷3】光芯片:光互連成為加速GPU算力集群新選擇算力集群化趨勢明顯的當下,超萬卡集群的發展對高帶寬需求日益增加。今年6月,英特爾展現了首款全集成光計算互聯(OCI)芯片,能支持64個通道,在每個通道上進行32Gbps的數據傳輸。更關鍵的是它的傳輸距離最遠可達100米,有望滿足 AI 基礎設施對更高帶寬、更低功耗和更長傳輸距離日益增長的需求。其中的核心就是硅光模塊,與傳統光電子相比,硅光具備集成度高、成本低、功耗低等顯著優勢。根據測算,硅光模塊的光源成本相比較傳統分立式方案能夠大幅降低10-20%的成本。隨著光芯片和光互連技術的不斷進步,光子計算逐漸具備可行性和高效性,成為加速GPU算力集群的“新選擇”。光芯片和光互連不僅解決了電子互連的瓶頸問題,還能在保證性能的同時降低能耗,尤其適合大規模分布式計算任務。它們成為了加速GPU算力集群的新選擇,能夠有效提升集群的計算效率,推動大規模計算任務的進一步發展。【判斷4】AI終端推動端側算力需求增加,端側NPU成為新熱點2024年可以稱為AI終端的爆發元年。根據IDC的數據預測,AI PC的發貨量將達到2100萬臺,AI手機的發貨量將達到1.9億部。除了AI手機、AI PC之外,各類智能家居設備、可穿戴智能裝備等都在嘗試集成AI功能。AI終端出貨量和用戶實際需求的增加,進一步推動端側算力需求的激增。傳統的CPU+GPU的終端算力架構,已經無法滿足生成式AI需求的增長,這些設備需要更高的算力來支持復雜的AI任務。NPU作為專為AI設計的處理器,具有大量的計算單元和高帶寬的存儲架構,能夠顯著提升AI計算能力并降低功耗。CPU+GPU+NPU異構方案,將會成為適配端側運行AI算力需求的全新架構。“周易”NPU是安謀科技針對深度學習而自研的人工智能處理器,包括完整的硬件IP和Compass軟件平臺,目前已迭代了Z系列和X系列等多款產品。其中,Z系列主要面向AIoT市場,為物聯網設備提供AI算力支持;X系列則主要面向車載、邊緣計算等高算力場景,大幅提升計算效率。面對算力需求的爆發性增長,即將推出的新一代“周易”NPU將在承襲前代產品強算力、易部署、高度可編程等優勢的基礎上,更在通用計算上實現了全面升級。該NPU現已適配Llama、Stable Diffusion、通義千問等主流大模型,助力高性能AI計算。【判斷5】預訓練大模型從百模大戰走向寡頭壟斷2023年,在ChatGPT掀起大模型熱潮后,中國企業打響了“百模大戰”,各類玩家爭相涌入,其中不乏優秀的競爭者。根據甲子光年智庫的統計數據顯示,僅去年8月發布的大模型就達到了43個,是這場大戰的頂峰。但是到了2024年特別是下半年,每月發行的大模型不足十位。今年業內討論更多的不再是大模型,而是具體的應用場景和應用產品。從過去平均每月發行數量超過20個大模型,到如今平均每月不足5個大模型,愿意繼續布局并持續投入高成本訓練及調試大模型的企業開始逐漸減少。Grand View Capital北美合伙人Richard Xu日前發文指出,海外還在做預訓練的基礎模型公司也只剩5家:OpenAI,xAI,Meta,Google,Anthropic。在經歷了大模型的百花齊放之后,基礎大模型領域將會進入行業調整期,未來真正能夠堅持做預訓練基礎大模型的公司會逐漸減少,最終進入寡頭壟斷的競爭格局之中。【判斷6】算法變革元年,尋找非Transformer架構的算法最優解人工智能的核心三要素,算力、算法與數據。在算法層面,本輪AI浪潮之中,Transformer架構憑一己之力撐起了整個AI變革的全部江山。但隨著模型規模的擴展和需要處理的序列不斷變長,Transformer的局限性也逐漸凸顯,比如其自注意力機制的計算量會隨著上下文長度的增加呈平方級增長,對算力和數據的依賴導致其面臨發展瓶頸。為了克服這些缺陷,也為了探索更多的生成式AI技術架構,甲子光年智庫觀察到有大量的研究者們正在積極探索非Transformer架構的新算法。讓我們欣喜的是,2024年有一些新架構模型在能力測試方面已經有了突出的表現。一種新的開源Mamba模型——Falcon Mamba 7B,能夠比當前的 Transformer 模型適應更大的序列,同時理論上能夠適應無限的上下文長度。另一種新架構模型LFM(Liquid Foundation Model),超越了同等規模的Transformer模型,如Llama 3.2。它用的是一種液態神經網絡(LNN),從第一性原理出發而構建,其計算單元植根于動態系統理論、信號處理和數值線性代數。其小巧便攜的特性使得它能夠直接部署在手機上進行文檔和書籍等分析。因此,甲子光年智庫判斷,2025年將會是算法變革的元年。未來最適合人類使用的大模型,可能會是非Transformer架構的算法模型。我們亟需尋找非Transformer架構的算法最優解。【判斷7】o1:推動AI“深思熟慮”地“歸納世界”今年9月,OpenAI推出了他們最新的大模型o1。o1模型在作出回答之前會像人類一樣“深思熟慮”,用時約10-20秒,產生一個長內部思路鏈,能夠嘗試不同的策略并識別自身的錯誤。思維鏈是一種幫助AI模型進行推理的技術。它通過讓模型在回答復雜問題時,逐步解釋每一步的推理過程,而不是直接給出答案。因此模型在回答問題時就像是人類在解題時那樣,先思考每一步的邏輯,再逐步推導出最終的結果。思維鏈讓o1模型在物理、化學和生物學等領域具有挑戰性的基準任務上的表現與博士生類似。在國際數學奧林匹克中,GPT-4o 只正確解決了 13% 的問題,而o1模型解決了83%。對于復雜的推理任務來說,這是一個重大進步,代表著人工智能能力的新水平。據OpenAI的聯合創始人之一格雷格·布羅克曼介紹,OpenAI的模型原先進行的是系統一型思維(快速、直觀的決策),而思維鏈技術則啟動了系統二型思維(慎重、分析性的思考)。系統一型思維適合快速應對,而系統二型思維則通過“思維鏈”技術,讓模型能夠逐步推理解決問題。o1大模型的成功,進一步驗證了強化學習訓練模型的技術路線。思維鏈的使用,讓大模型學會三思而后行,推動AI開始“深思熟慮”地“歸納世界”。【判斷8】單元大模型,推動AI終端走向群體智能2024年,越來越多的AI企業開始將目光聚焦在小語言模型,開始關注AI算法模型的實際應用與落地。大模型、小模型的性能已經不再因為自身訓練數據的大小體量而出現顯著的代差。如今小語言模型在生產制造等不同場景的應用已經越來越受到重視。AI處理的重心也不再依賴云端智能算力,而是開始向端側轉移,這催生了設備單元大模型的新需求。通過預訓練與微調、知識蒸餾、數據集增強優化等措施,單元大模型在特定任務上的表現可能甚至會優于預訓練大模型。單元大模型可以廣泛適配不同的AI終端,將各類AI終端連接起來,形成群體智能。舉個例子,RockAI在大模型領域以“群體智能”的理念構建通用人工智能技術,以自研國內首個非Transformer架構、非Attention機制的Yan架構通用大模型為基礎,致力于打造群體智能單元大模型,推動群體智能的變革,實現AI普惠。【判斷9】數據標注將成高質量中文數據集建設的重要手段互聯網高質量數據集已經瀕臨用盡,且全球通用的50億大模型數據集中,中文語料僅占1.3%。一些主流數據集如Common Crawl、BooksCorpus、WiKipedia、ROOT等都以英文為主,最流行的Common Crawl中的中文語料也只占4.8%。近期,一家來自中科院深圳先研院、中科院自動化所等機構、高校的團隊從中文互聯網的各大平臺直接收集數據,比如知乎、豆瓣、百科、小紅書等,經過一系列嚴格的清洗和人工審核,打造成高質量、多樣化的中文指令微調數據集COIG-CQIA。用該數據集訓練零一萬物Yi系列開源大模型后,其測評得分都有大幅度的提升。因此,通過數據標注手段,將各種中文互聯網數據源進行清洗和人工標注,將成為構建中文指令數據集的一種有效途徑,可以快速彌補中文數據集缺乏的困境,可能會成為建設高質量中文數據集的重要手段。【判斷10】數據空間,讓數據流通起來的新起點無論是數據標注,還是高質量中文數據集的建設,都需要讓這些數據流通使用起來。今年4月,數據局在全國共7個省份進行了國家級數據標注基地試點。在發展本地數據標注產業的同時,也通過數據要素創新中心等機制保障數據流通的安全性與規范性。基于區塊鏈、隱私計算等新興技術,數據標注成果被嵌入到可信的數據空間中,在全國范圍內形成可追溯、可信任的數據流。可信數據空間,已經成為支撐構建全國一體化數據市場的重要載體,是讓數據流通起來的新起點。【判斷11】Agent重構軟件形態,多智能體協同推動業務智能化場景落地今年Agent是人工智能領域的寵兒,根據調研數據顯示,1%的企業已經實現常態化應用AI Agent,15%的企業已將AI Agent成熟運用于某一具體業務流程,84%已在進行試點或正在制定計劃。這說明,越來越多的企業開始考慮以Agent為主要抓手,推動企業數智化轉型升級。另外,企業應用Agent已經開始邁入多智能協同的階段,不同業務場景、不同應用方向之間,開始相互串聯融合,以多智能體協同的方式重塑傳統的IT軟件形態,推動企業進入AI助理時代。舉個例子,神州數碼自研的AI原生賦能平臺“神州問學”,除了能以Agent能力,重塑數據分析流程,實現與私域知識和業務相結合,還能為企業打造算力-模型-數據-應用的全鏈條AI Agent應用平臺,助推企業級數智化進程。【判斷12】AI Infra ,算力供需矛盾催生出的新興賽道最近一兩個月,AIInfra的概念比較火。本質原因還是來自于國內算力資源分布的不均衡導致的。根據甲子光年智庫的統計數據顯示,國內的算力資源存在明顯的“貧富差距”現象。總共約有十多萬張 A100 和 H100在使用,但配有萬卡集群的只有頭部三四個玩家,超過50%的算力資源集中在頭部大廠,而剩下一部分則分散在三五百家不同的中小型企業、園區及金融機構中。算力供需的矛盾,導致算力分散化,大量算力未集中用于大模型訓練,不僅造成了算力資源閑置,也限制了算力資源能力的發揮。算力與應用中間,需要一個中間商來提供服務賦能,AIInfra正是一座橋梁,一端連接硬件,另外一端連接上層應用,把這兩端連接起來,讓大模型更好地運行在芯片上。AI Infra對于算力生產者一方,可以幫算力中心把超大規模的集群給利用起來。從商業角度上來講,能夠提升算力中心的市場競爭力;從社會角度來講,相當于提升算力資產的整體利用率,減少資產閑置現象。對于算力消費者,也就是AI應用側,AI Infra則通過高性能的大模型推理引擎,可以在同樣的硬件平臺上把硬件運行得更快,縮短模型的運行時間。既改善了用戶的體驗,也減少了AI消耗的算力成本。2024年已有多家AI Infra企業獲得了融資,其中就包括零一萬物、無問芯穹等一眾明星企業。AI Infra有望成為本輪探索應用場景浪潮下催生的第一個重要新興賽道。【判斷13】AI SaaS的新十年,企業智能化管理從AI合同開始企業數字化轉型經歷了漫長的發展演進,從最早的流程信息化到業務數據化,再到產業的數字化,如今已經到了邁向智能化的階段。企業數智化建設,既需要“降本增效”,也需要“創新”,需要實現數字化基礎能力、組織管理、生產運營、產業協同的整體能力體系建設。大多數企業在進行數智化轉型升級的過程之中,都會面臨無處下手的困境。企業需要尋找一個通用的場景作為切入口,實現覆蓋業務流、數據流、資金流的三流合一,以小切口進入,逐步構建完整的數智化能力體系,從而推動企業整體實現轉型升級。合同管理就是這樣一個小切口大應用的場景,舉個例子:e簽寶是國內領先的電子簽名服務商,始終堅持SaaS +AI 的戰略方向,2024年,e簽寶率先發布了行業內首個自主研發的合同大模型,不僅在多個關鍵指標超過主流通用模型,還全面覆蓋了從合同風險評估、審批流程優化到最終簽署及后續管理等各個環節,為企業提供了好用、安全、全鏈路的合同智能化SaaS。未來將是AISaaS的新十年,企業智能化管理可以考慮從AI合同切入,推動企業整體轉型升級。4.2 AI原生時代【L2】【判斷14】C端市場已經開啟流量爭奪戰首先我們來看C端產品。在C端市場,一場圍繞新用戶的流量爭奪戰已經打響。根據AppGrowing的數據顯示,在2024年的第三季度里,Kimi、豆包都花費了較高額度進行流量推廣。根據百度指數的C端產品搜索熱度來看,如今豆包和Kimi已經成為C端產品中的第一梯隊,遠遠超過了其他C端產品的熱度指數。但隨著更多大廠先后開始落子布局C端產品市場,未來的流量爭奪戰將會進入一種白熱化階段。C端產品有可能會重蹈互聯網產品的老路,開啟流量為王的時代。【判斷15】價格戰背后是商業變現的焦慮與C端產品的流量爭奪戰相對應,2024年各大人工智能企業紛紛大幅降低了自身的服務價格。自OpenAI在今年1月發布的GPT-3.5 Turbo降低了50%的輸入價格,谷歌發布Gemini 1.5 Flash將輸入價格定位0.35美元/百萬tokens,游戲的性質就已開始發生變化。國內的大模型廠商也紛紛開啟了降價模式。根據Gartner的統計數據顯示,國內主流大廠的降價幅度最低是35%,最高則達到了100%。先是流量爭奪,后是價格戰。這背后反應的是人工智能企業面臨的困境,即如何找到商業化的閉環,如何實現從能力驅動向需求驅動的跨越。價格戰的背后,本質是商業變現的焦慮。【判斷16】GPTs倒下了,AI Store的故事還在繼續我們再來看 AIStore。作為AI產品的發布平臺,每一家大廠都在悄悄布局自己的AI Store應用平臺。該領域的先驅者OpenAI,其GPTs在發布兩個月之后就已經倒下。據Similarweb網站數據顯示,在2023年11月初奧爾特曼官宣GPTStore后,其平均每月訪問量為4280萬次。而到2024年1月9日正式發布前,這一數字降至約 640 萬次,訪問量流失了將近40%。GPTs雖然倒下了,但全球的AI大廠卻在積極地擁抱AI Store,蘋果、微軟、字節、百度、騰訊、阿里云、360等國內外的AI大廠也都先后推出了AI Store產品來打造應用生態。AI Store的故事的還在繼續。【判斷17】AI搜索有望成為下一個真正的AI超級應用說了這么多的AI產品,那么真正的超級應用在哪里呢?甲子光年智庫也觀察到了幾個有潛力的方向,在此跟大家分享。首先,就是AI搜索。根據甲子光年智庫的調查數據顯示,如今用戶對當下AI搜索引擎的標準滿意度是67.8,也就是處于不滿意狀態。NPS凈推薦值則是-6.1,處于不愿意推薦的狀態。這說明當下的用戶對AI搜索產品是不滿意且不推薦的狀態。當下AI搜索引擎的功能尚無法滿足實際需求,對工作賦能方面未達預期,故而不愿推薦。這與用戶反饋的AI搜索引擎生成內容準確率僅為54.2%有關系。但與此相對應的是,SimilarWeb數據顯示,十大主流AI搜索產品web端周訪問量是處于快速提升狀態的,從第18周的400萬量級,已經突破到了第45周的千萬量級。這說明用戶對AI搜索的需求是十分旺盛的。但現有的AI搜索產品仍然不足以滿足用戶的實際需求與期望。AI搜索,有望成為下一個真正的AI超級應用。【判斷18】AI代碼讓產品開發進入自然語言交互時代根據調研數據顯示,開發者認為編寫代碼是開發工作中最耗時的任務。因此,AI代碼生成工具一直是各大廠積極布局的應用場景之一。按照代碼生成的比例分布可以把AI代碼生成劃分為5個階段,如今正處于從L2研發助理向L3智能體組合過渡的階段,標志著編程能力從單點支持走向多智能體協作的深度演進,即將實現80%以上的代碼生成。未來,AI代碼生成有望實現自然語言交互方式的代碼編程,將復雜的開發流程簡化為清晰的階段性操作。通過提示詞交互的方式,開發者可以澄清需求,將模糊描述轉化為可執行目標,隨后制定計劃,生成代碼,反復交互測試迭代,最后通過調試與運行完成最終生成的產品。AI代碼生成工具有望重塑產品開發范式,讓產品開發進入自然語言交互時代。【判斷19】視頻生成從短視頻走向長視頻,從生活場景走向專業場景AIGC視頻生成技術在不同形態的視頻內容領域的應用進程各不相同。概括而言,長視頻領域AIGC視頻生成技術仍然處于L1階段。由于現階段AIGC視頻生成技術的局限性,導致一些具有高度專業性的領域僅僅將AIGC作為生產工具,比如為電影、劇集等提供素材來源,尚無法帶來顛覆性重塑,但會壓縮原有產業鏈。而對于新聞這類需要高度準確性的內容,暫時只能滿足情景復現等少量場景。短視頻領域則首先面臨AIGC視頻生成技術的顛覆,將會進入L2即AI原生時代。短視頻產業鏈在未來將不復存在,AI原生的短視頻模式和平臺有望隨之誕生。但隨著視頻生成技術的不斷完善,我們欣喜地看到首部AI電影、首部AI長劇、首部AI動畫等先后問世,在人機共創模式下實現了制作成本的大幅度下降。AIGC視頻生成技術的應用,正在從短視頻領域向長視頻領域滲透,從普通的生活記錄短片場景向著影視等專業內容制作場景滲透。【判斷20】AI體驗營銷,重塑營銷理論與流程,推動營銷管理思想變革在企業的應用場景之中,營銷場景是生成式AI應用最為頻繁的場景。過往,市場營銷學更多聚焦基于理性購買行為的研究,因此產生了傳統的營銷4P、4C、4R等理論。在進入體驗經濟時代之后,則產生了符合誘導消費者沖動性購買行為的營銷理論,即體驗營銷理論。隨著數字技術、AI技術的廣泛應用得到升級,消費者的行為也發生了本質變化,過去的體驗營銷理論也已經無法指導智能新世代的營銷策略制定。因此,甲子光年智庫在2024年提出了AI體驗營銷的理論,希望打造智能新世代的營銷理論體系,以AI體驗營銷重塑營銷數字化的全鏈路。AI體驗營銷正在革新傳統的營銷全流程,它通過賦能策略洞察,精準捕捉用戶需求;采用創新的內容生產技術,構建富有創意的互動方式;運用智能化廣告投放,實現個性化的廣告定制;推動多渠道整合,創造無縫的用戶體驗,并實現實時的客戶互動,提供持續的個性化服務。這種全方位的重塑不僅極大地提升了客戶體驗,還增強了品牌與消費者之間的深層聯系,為企業在競爭激烈的市場中提供了強大的競爭優勢。甲子光年智庫認為,生成式AI對營銷管理的重塑是全面的,從底層的基礎營銷理論到營銷策略的制定,再到營銷推廣的流程和范式都進行全面的重塑,將會推動營銷管理思想的變革和范式更新。4.3 AI創生時代【L3】【判斷21】AIforScience:AI改變科技,科技改變生活AI對科研的賦能一直AI技術的重要應用方向。今年的諾貝爾物理學和化學獎都頒發給了AI領域的科學家,這標志著AI與基礎科學深入融合時代的到來。根據調研機構Precedence Research的數據顯示,2022年全球生命科學人工智能市場規模價值15億美元,到2032年將達到約91.7億美元,2023年至2032年的年復合增長率為19.90%。AI for Science將極大加速和擴展科學研究的效率和能力邊界,重塑科研范式。甲子光年智庫認為,未來AI對人類的影響,有可能會通過改變科學技術的研究范式,來實現對實體經濟的生產范式的重塑,進而實現滿足人類的需求,最終達到改變人類生活的目的。因此,未來AI推動社會發展的循環邏輯,可能是AI改變科技,科技改變生活。【判斷22】AI改變醫療范式,從“被動治療”走向“主動健康”醫療是當下AI應用的另一個重要領域。傳統醫療理念和AI時代的需求并沒有偏離,醫療最終的追求就是治愈疾病。隨著文明和技術的進步,在治愈過程中,人文關懷、精神訴求、就醫體驗不斷被提出。但這些不是最終目標,疾病治愈的目標從未改變。AI技術對傳統醫療范式的改變,是擴大了醫療服務的流程和范圍,將過去比較注重診中環節,擴大為診前、診中、診后并重的狀態。從“以治病為中心”轉向“以健康為中心”,從“被動醫療”到“主動健康”,實現精準治療、個性化診療和康復;全人群、全方位、全生命周期的醫療健康服務,讓人民群眾少生病、不生病。【判斷23】具身智能的未來在工廠不管是OpenAI投資的人形機器人公司1X,還是英偉達的黃仁勛直言AI下一個浪潮將是具身智能,都帶動了這個概念的火爆。在甲子光年智庫看來,當下具身智能的核心應用場景仍然是在制造業,在智能工廠之中。根據Markets and Markets預測,制造業人工智能的市場規模將從2023年的32億美元增至2028年的208億美元,年復合增長率達到45.6%。中國工業機器人安裝量一枝獨秀,2023年安裝量高達27.6萬臺,占全球安裝總量的51%,未來還會保持一個較高增速。具身智能可以使得數據決策層—生產計劃層—數據監測層—現場管控層—設備層打通,重構智能工廠的數據與生產業務流程。打通智能工廠的縱向管理體系,實現管理決策、數據采集與生產執行的完美融合。因此,甲子光年智庫認為,具身智能的未來在工廠。【判斷24】手機+智能體,AI手機的新形態端側計算能力提升使得AI模型從云端逐步轉移到設備端,實現了更強的本地處理能力。這推動AI手機成為今年的熱門AI終端產品之一。根據Canalys的調查,消費者對AI手機的傾向直屬比例超過25%,93%的消費者對AI手機有傾向性。AI手機的出貨量占手機整體出貨量的占比會從2023年的5%,快速提高到2027年的47%。AI手機有望成為重塑手機市場格局的核心角色。各大手機廠商在2024年都積極推出自身的AI手機產品,但除了從硬件領域集成NPU芯片之外,更多的動作是集中在軟件層面。手機與智能體的結合,成為各大廠商探索AI手機的重要發展路線。未來的手機操作系統,有可能會走向智能體化。【判斷25】AI新物種,AI PC將成用戶的個人AI助理AI PC作為AI新物種,一經提出就迅速成為AI終端中的熱門產品之一。根據科納仕的調研數據顯示,AI PC作為AI新物種,其用戶接受度在快速提升,未來三年AI PC將成為大眾化產品。面向B端的AI PC需求也會快速增長,到2027年,面向B端的AI PC占比將達到59%。AI PC高效能和定制化的工作流程,以及來自各種專業領域的需求,如金融分析、設計創作、醫療研究,都抓住了B端客戶的核心需求。聯想在業內率先定義了AI PC,強調其具備五大特性:內嵌個人大模型與自然交互的個人智能體、內嵌個人知識庫、本地異構AI算力(CPU/GPU/NPU)、開放的AI應用生態、保障個人隱私及數據安全。這是聯想在中國引領家用電腦、互聯電腦兩次代際升級之后,第三次引領PC代際升級。AI PC將成用戶的個人AI助理,開啟從PC到“CP”的新紀元。此外,聯想還研發了天禧個人智能體系統(天禧AS),從AI PC擴展到多種AI終端,推動設備間智能協同工作,為用戶提供全場景、無縫聯接的AI體驗。【判斷26】XR:開啟AI元宇宙的核心載體人類傳遞信息的內容載體形態一直在不斷演變。從過去的線下交互,到網絡時代的線上,再到AI創生時代的實時與沉浸交互。與交互形式相伴隨的則是內容的承載形態和平臺。從最早的文字,到文字+圖片,再加視頻,如今在AI創生時代,則變為可交互、可編輯、可定制的視頻語言。內容形態和交互的變遷,帶來的則是內容承載平臺的變遷,過去是由互聯網、視頻平臺等承載。未來的內容承載平臺,應是AI元宇宙。進入AI創生時代,AIGC加速了元宇宙世界的內容構建,開啟內容形態的AI元宇宙時代。AI元宇宙是一個完整的生態體系,需覆蓋數字世界和物理世界。XR,則是數字與物理世界的連接器,是AI元宇宙生態體系的核心中間層。蔚領時代是專業的實時云渲染解決方案供應商。將目標瞄準未來的虛擬世界,蔚領時代判斷下一個互聯網時代的本質將是“可視化升級”,而XR則是通往下個時代的的重要入口。蔚領時代在2024年9月發布全球首部基于Vision Pro進行制作的,全虛擬劇情向的交互式視聽作品《春草傳·青與白》,以突破性的全息云串流技術,探索了未來沉浸感、交互性的體驗方式。未來蔚領時代會以《春草傳》為模板,將所有技術能力整合于一套云端開發者OS,開源工具、引擎和方,以平臺標準化能力幫助開發者實現算力解放,以想象力為支點,創造定義下個時代的內容。【判斷27】端到端自動駕駛漸行漸近端到端自動駕駛技術的發展遵循著漸進的路徑。目前,BEV+OCC+Transformer已經實現了感知模塊的端到端架構,決策模塊也在逐步從依賴手寫規則向基于深度學習的模式轉變,最終目標是實現模塊化聯合或單一模型的端到端自動駕駛。業內專家對端到端技術路線持有信心。根據辰韜資本的調研數據,79%的專家預測端到端自動駕駛會在5年內落地,46%的專家則認為端到端自動駕駛可能會為行業帶來新的巨頭,這將是一個巨大的發展機遇。甲子光年智庫觀察到很多汽車主機廠也在積極布局端到端自動駕駛領域,研發推進多模態智駕大模型的落地與實踐應用。端到端駕駛從感知走向決策,底層算法的不斷創新和完善,以及車載芯片的持續迭代升級,預示著汽車領域的顛覆性改革已然箭在弦上。大卓智駕多模態智駕大模型是一種集視覺、聽覺、文本等多模態信息于一體的大模型技術,把它用到智能駕駛上,它就能像人類一樣“看”懂并理解各種復雜路況,并做出合理的應對,也能“聽”懂人類自然語言指令,并通過強大的通識能力和推理能力來準確執行指令。有了智駕大模型的加持,AI司機將變成真正聰明的老司機,具備強大的理解能力和執行能力,為智駕體驗帶來質的變化。4.4 AI文明時代【L4】【判斷28】AI交互重塑人機協作分工模式人機協作分工模式,一直是當前人類利用科學技術提高生產力的根本模式。當前的人機協作,主要角色還是兩個,即人與機器。人在協作之中負責感知、決策處理和指令輸出,機器負責處理和輸出。早期的人機協作交互主要是以圖形為主。從2016年之后,人機協作的方式開始出現變化,出現了人與AI的交互,代表性技術就是XR、AI和元宇宙,這時人機交互仍然是以人和機器為主,但交互形態變為了在線實時交互。隨著生成式AI的到來,人機協作方式進入到了自然語言交互的階段,開始出現了AI與機器的交互協作方式,未來隨著工業大模型和智能體的廣泛應用,可能會推動交互方式進入到AI與AI交互協作的模式。在未來十年,有可能會進入AI機器與AI機器的交互,人機交互的協作模式,徹底從人與機器交互變為了人、AI、機器三者的交互協作分工模式。未來,我們可能會進入AI主導的人機協作分工新范式之中。【判斷29】AI主語化,人類主導權在逐步讓渡人機交互協作行為的變遷會導致社會角色和分工的改變,從而影響到信息傳遞的載體形態。在視頻生成技術日益普及和發展的背景下,視頻形態變得更加可交互、可編輯和可定制,這種變化使得信息傳遞的形態更加多樣化和靈活化。隨著信息傳遞內容形態的變化,人類的認知和觀念也會隨之發生改變。具有相同認知觀念的人群可能會因為共享相似的視頻內容和信息,逐步形成新的文化圈層。AI的主語化,將預示著人類社會與文明的全面重塑。這一過程將引發人類行為、角色與分工、語言形態、認知觀念全面變遷。這場變革不僅改變了人類的社交模式,推動數字科研的發展,加速了世界模型的構建,為人類社會進入一個新的時代鋪平了道路。但同時,AI主語化也意味著人類的主導權在逐步讓渡。?????????【判斷30】人擇世界,決定AI文明的發展上限波普爾的世界三元組描述世界的三個基本要素:物理世界、心靈世界和符號世界。若人類文明的演進,進入到人類文明與AI共建共生的“雙生文明時代”,符號世界和物理世界將被AI大幅度理解和重塑,心靈世界成為人類最后的堅守。AI主導的是符號世界,AI通過符號世界改變物理世界的方式是世界模型,改變心靈世界的方式是無限的創意和想象。人類主導的是心靈世界,人類通過心靈世界理解物理世界的方式是眼耳鼻舌身意,改變符號世界的方式是創造了AI。未來,符號世界和物理世界將被AI大幅度理解和重塑,心靈世界將成為人類最后的堅守。AI主導的符號世界,會讓信息呈現式的內容增長曲線,表現為I曲線的無限性。但在無限的信息之下,真實有用的,去重去水去偽后的信息,才是真正具有價值的知識。知識增長的曲線將會是一個有限曲線,即R曲線。R有限的知識曲線之中,可以被人類理解吸收的知識會為有限,即H人類知識曲線,也被稱為“人擇世界”。不管信息多么式的無限增長,人類可以理解并吸收的知識,成為決定了AI文明發展的上限。人擇世界,應該成為決定AI文明發展的方向。在這一前提之下,我們方才能夠去思考,通往AGI的路線如何去走。在這一前提之下,我們方才能夠去思考,AI文明時代下AI與人的關系、AI與經濟的博弈、AI與ESG的關系。關注公眾號「甲子光年」,后臺回復“2024甲子引力年終盛典”,獲得報告高清版完整PDF。或者點擊文末“閱讀原文”,進入甲子光年官網下載。致謝END.
? 版權聲明
文章版權歸作者所有,未經允許請勿轉載。
暫無評論...