人工智能三大推動力：技術(shù)是源動力，應(yīng)用是牽引力，安全是信任力

　　1)趨勢一 統(tǒng)一未來：多模態(tài)模型加速文本、圖像和視頻融合

　　多模態(tài)模型：多模態(tài)模型能夠處理視覺信息、文本信息、聽覺信息等多元化數(shù)據(jù)，可以對不同表現(xiàn)形式的信息進行融合理解，進一步提升大模型的遷移學(xué)習(xí)能力，是人工智能全面理解真實世界的重要一步。

　　發(fā)展情況：文本、語音、等單模態(tài)人工智能模型已經(jīng)相對成熟，大模型正在朝著多模態(tài)信息融合的方向快速發(fā)展。從CLIP的誕生再到GPT-4的圖像處理能力，圖文多模態(tài)技術(shù)已經(jīng)取得了顯著的進步。大模型不止?jié)M足文字和圖像，開始向著音頻、視頻等領(lǐng)域拓展。

　　未來展望：未來模型將面對更加復(fù)雜多樣化的交互場景，更加注重各種形式的信息融合，多模態(tài)技術(shù)將在智能家居、智慧城市、醫(yī)療診斷、自動駕駛等方面打開全新的應(yīng)用空間。

　　多模態(tài)模型迭代歷程

　　2)趨勢二 逾越虛擬邊界：具身智能成為AI發(fā)展新形態(tài)

　　具身智能：具身智能是可以和物理世界進行感知交互，并具有自主決策和行動能力的人工智能系統(tǒng)。具身智能中的智能體能夠以主人公的視角感受物理世界，通過與環(huán)境產(chǎn)生交互并結(jié)合自我學(xué)習(xí)，從而產(chǎn)生對于客觀世界的理解和改造能力。

　　發(fā)展情況：斯坦福大學(xué)教授李飛飛將具身智能列為計算機視覺未來的關(guān)鍵發(fā)展方向，并將其稱之為人工智能研究的“北極星”。現(xiàn)階段來看，谷歌推出RoboCat大模型，英偉達推出Nvidia VIMA，具身智能已經(jīng)成為AI龍頭企業(yè)競相爭奪的高地。

　　未來展望：通用人工智能與機器人產(chǎn)業(yè)正處在快速發(fā)展、互相融合促進的戰(zhàn)略機遇期，作為兩大領(lǐng)域交叉的核心應(yīng)用，具身智能有望在未來取得快速發(fā)展。具身智能將促使智能體具備自主規(guī)劃、決策、行動、執(zhí)行等能力，實現(xiàn)人工智能的能力進階。

　　人工智能能力進階

　　3)趨勢三 大模型智慧火花：走向通用人工智能的途徑愈發(fā)明晰，腦機接口創(chuàng)造新的交互方式

　　通用人工智能(AGI)是指具有像人類一樣的思考能力，可以適應(yīng)廣泛的領(lǐng)域并解決多種問題的機器智能，AGI是人工智能研究的重要目標之一。狹義人工智能是指當(dāng)下已取得顯著進展但局限特定領(lǐng)域的人工智能，如語音識別、機器視覺等。我們正處于狹義人工智能相對成熟、通用人工智能曙光乍現(xiàn)的階段，目前以GPT-4為代表的自然語言大模型被認為是通往通用人工智能的重要潛在路徑，OpenAICEO薩姆·奧特曼(Sam Altman) 表示，AGI時代可能很快就會到來，未來十年內(nèi)行業(yè)可能會擁有超強的AI系統(tǒng)。

　　人類與人工智能之間的溝通方式也在不斷升級，腦機接口有望成為下一代人機交互方式。當(dāng)前，腦機接口技術(shù)正在突破人類的生理界限，不僅為殘障人士提供了前所未有的可能性，而且有望成為下一代的人機交互方式。

　　4)趨勢四 數(shù)據(jù)的力量：海量數(shù)據(jù)帶來模型能力涌現(xiàn)，高質(zhì)量數(shù)據(jù)提升模型性能

　　深度學(xué)習(xí)的進步建立在以更大的模型處理海量數(shù)據(jù)基礎(chǔ)之上。GPT-1模型從1.17億參數(shù)上升至GPT-3的1750億參數(shù)，模型效果取得了顯著突破，同時還有能力的涌現(xiàn)。但是模型參數(shù)量的增大帶來算力需求的激增，模型架構(gòu)和參數(shù)量提升帶來的收益正處于遞減狀態(tài)。

　　阿伯丁大學(xué)、麻省理工大學(xué)等研究機構(gòu)的一項研究顯示，高質(zhì)量的語言數(shù)據(jù)將在2026年耗盡，低質(zhì)量的語言數(shù)據(jù)和圖像數(shù)據(jù)將分別在2030 -2050年、2030 -2060年間枯竭。

　　以數(shù)據(jù)為中心的人工智能更加專注于數(shù)據(jù)的價值，進一步推動AI模型的性能突破。斯坦福大學(xué)吳恩達教授提出二八定律：80%的數(shù)據(jù)+20%的模型=更好的AI。以數(shù)據(jù)為中心的策略可以解決數(shù)據(jù)樣本不足、數(shù)據(jù)偏差等問題，高質(zhì)量數(shù)據(jù)集成為推動模型性能進一步提升的關(guān)鍵要素，高質(zhì)量的數(shù)據(jù)處理、數(shù)據(jù)標注服務(wù)以及完善的數(shù)據(jù)收集和評估體系的價值將進一步凸顯。

　　5)趨勢五 數(shù)據(jù)中心的AI變革：智算中心成為關(guān)鍵基礎(chǔ)設(shè)施

　　云計算是當(dāng)前重要的AI算力提供方案，AI服務(wù)器市場獲得迅猛發(fā)展。根據(jù)TrendForce數(shù)據(jù)，2022年全球AI服務(wù)器的出貨量占整體服務(wù)器比重約1%，隨著大模型訓(xùn)練側(cè)和推理側(cè)的需求爆發(fā)，AI算力資源需求預(yù)計將呈指數(shù)增長。根據(jù)IDC數(shù)據(jù)，預(yù)計未來5年中國智能算力規(guī)模的年復(fù)合增長率將達52.3%，全球價值萬億美金的數(shù)據(jù)中心存量市場將從通用計算逐步過渡向AI計算。

　　云計算正從CPU為中心的同構(gòu)計算架構(gòu)向以CPU+GPU/NPU為中心的異構(gòu)計算架構(gòu)深度演進。預(yù)計，大模型帶來的GPU存量空間將從2023年的277億美金上升至2025年的1121億美金，以GPU為代表的AI計算資源中短期將處于供不應(yīng)求的狀態(tài)。

　　隨著專有領(lǐng)域的計算需求提升，AI芯片追求更高的性能和更低的功耗，芯片的多樣性和生態(tài)豐富性將不斷提升。部分頭部互聯(lián)網(wǎng)廠商將著力推進AI芯片的自主研發(fā)，如谷歌著力打造專注深度學(xué)習(xí)的TPU，同時不斷豐富其AI生態(tài)布局。

　　6)趨勢六 大模型C端角色：個人智能助理與新一代的流量入口

　　大語言模型將成為個人智能助理。大模型目前具備接入互聯(lián)網(wǎng)、進行內(nèi)存管理等能力，通過目標任務(wù)自動拆分、計劃制定、計劃實施等方式，能夠自主完成用戶的需求，成為每個人的智能助理，如制定旅行計劃并進一步預(yù)定賓館和餐飲。

　　大模型正在成為新一代的流量入口。GPT-4正在逐步開放插件功能，通過底層模型連接第三方應(yīng)用，從而構(gòu)建豐富的生態(tài)系統(tǒng)。GPT-4自插件功能開放以來，目前已經(jīng)接入超過500個插件(其中包括教育、金融等場景)。隨著大模型能力的不斷增強以及插件生態(tài)的不斷豐富，大模型有望成為新一代的人機交互方式以及流量入口，2023年5月OpenAI官網(wǎng)訪問量為18.6億次，是全球第19名次的互聯(lián)網(wǎng)訪問IP。

　　GPT-4構(gòu)建豐富的應(yīng)用生態(tài)

　　7)趨勢七 大模型B端應(yīng)用：專業(yè)數(shù)據(jù)與成本驅(qū)動行業(yè)模型百花齊放，打開廣闊應(yīng)用空間

　　數(shù)據(jù)壁壘帶來企業(yè)端大模型百花齊放。通用大模型可以幫助用戶解決一般性問題，而當(dāng)企業(yè)需要處理其特定行業(yè)的數(shù)據(jù)和任務(wù)時，往往需要針對其行業(yè)數(shù)據(jù)庫來對基本模型進行微調(diào)，垂直行業(yè)的特性和需求不盡相同，因此大模型的應(yīng)用也呈現(xiàn)出多樣化的趨勢。

　　B端應(yīng)用出于對模型的經(jīng)濟性考量，未來將呈現(xiàn)階梯式、差異性需求。大模型在垂直領(lǐng)域的商業(yè)化落地對模型的運行成本更為敏感，模型的推理成本與模型的參數(shù)量多少密切相關(guān)，需要不同參數(shù)規(guī)模的大模型組成多層次的產(chǎn)品組合，從而在不同場景下實現(xiàn)最佳的經(jīng)濟性，進一步提升大模型的豐富度。

　　B端大模型多層級結(jié)構(gòu)

　　8)趨勢八 大模型輕量化：降低應(yīng)用成本、帶動端側(cè)算力發(fā)展

　　隨著大模型小型化、場景化需求增加，同時出于對AI應(yīng)用的經(jīng)濟性、可靠性和安全性考量，部分場景的推理將逐步從云側(cè)擴展向端側(cè)，帶動端側(cè)算力需求的進一步提升。

　　目前多個大模型都已推出“小型化”和“場景化”版本。5月23日谷歌發(fā)布的PaLM-2大模型，其中最輕量版本“壁虎”可在移動端運行，運行速度快且支持離線操作，其他多個大模型也都有其對應(yīng)的小參數(shù)版本。

　　大模型端側(cè)應(yīng)用布局不斷加速。端側(cè)算力正在快速發(fā)展過程中，高通通過量化、編譯和硬件加速進行優(yōu)化，使Stable Diffusion能在搭載第二代驍龍8移動平臺的手機上運行。高通在微軟Build2023開發(fā)者大會上展示了最新的端側(cè)AI能力以及在下一代Windows 11上開發(fā)生成式AI的工具，并表示未來幾個月大語言模型有望在端側(cè)運行。

　　9)趨勢九 大模型的深遠影響：重構(gòu)勞動力市場、改寫科研范式

　　大語言模型對勞動力市場結(jié)構(gòu)的影響深遠而復(fù)雜。據(jù)OpenAI聯(lián)合賓夕法尼亞大學(xué)的研究報告預(yù)測，約80%的美國勞動力可能有至少10%的工作受到大語言模型的影響。

　　大語言模型的應(yīng)用帶來勞動力市場結(jié)構(gòu)的調(diào)整和變化。短期而言，大語言模型可能替代部分低技能或重復(fù)性工作;中期來看，大語言模型也將創(chuàng)造新的人工智能相關(guān)就業(yè)機會;長期來看，大語言模型的應(yīng)用將會深度改變各行業(yè)的工作模式和商業(yè)模式，讓企業(yè)的組織架構(gòu)更加扁平化和小型化。過程中需要個人和企業(yè)去積極適應(yīng)，發(fā)展人類獨有的創(chuàng)新、協(xié)作和社交等能力，與人工智能共同進化。

　　AI與前沿科學(xué)的結(jié)合展現(xiàn)出了巨大潛力，可顯著降低前沿科技研究中的智力成本并提升研究效率。生命科學(xué)、氣象預(yù)測、數(shù)學(xué)、分子動力學(xué)等前沿科學(xué)均得到了人工智能的廣泛助力，AI for Science將帶來科研范式的變革和新的產(chǎn)業(yè)形態(tài)。

　　10)趨勢十 AI治理與技術(shù)的平衡：AI可解釋性亟待增強，監(jiān)管緊迫性日益凸顯

　　在人工智能的快速發(fā)展中，加強AI監(jiān)管與推動AI技術(shù)的進步同等重要。AI能力帶來應(yīng)用的便利性，同時也可能引發(fā)數(shù)據(jù)隱私、算法偏見、AI倫理等一系列問題。

　　從技術(shù)角度來看，可以通過可解釋AI等技術(shù)手段增強AI的可信度?？山忉孉I使人工智能的決策過程透明化，增加輸出內(nèi)容的可理解性和可信任度，對于構(gòu)建用戶對AI系統(tǒng)的信任、提升系統(tǒng)的有效性、應(yīng)對潛在的倫理問題都至關(guān)重要。

　　從規(guī)范角度來看，各國政府也都已經(jīng)開始采取行動，制定和執(zhí)行各種AI政策和法規(guī)。4月份，我國網(wǎng)信辦出臺《生成式人工智能服務(wù)管理辦法(征求意見稿)》，明確了生成式人工智能的定義，從明確條件要求、劃定責(zé)任主體、形成問題處理機制、明晰法律責(zé)任幾個方面為行業(yè)劃定底線。

　　人工智能相關(guān)法案