人工智能丨研究報告
能夠制造并使用工具成為人類進化史上一道顯著的分水嶺，而當下如何更好的使用AI工具已然成為人類在產業應用、生產生活與學習工作中的熱門議題。隨著大模型、生成式AI技術的到來，其強大的數據處理、學習泛化與內容生成能力，高質效加速了各行各業人工智能技術的賦能進程，為AI可賦能的場景領域、扮演角色提供更多創新性與可能性。人工智能應用正加速擴散，滲透到辦公、設計、傳媒、法律、游戲、教育、汽車等多領域。對此，艾瑞人工智能研究團隊延續既往5年對人工智能行業的市場研究，聚焦人工智能產業發展進程、發展征程、發展旅程的各個發展階段，集中探討中國人工智能產業的發展環境、市場動態、產業機會、發展監管等核心要點，為市場提供有公信力、受到廣泛認可的數據與觀點。
人工智能產業進入高速發展期，創造多個技術、市場、監管里程碑在人工智能發展歷程中，2023年必將被載入史冊。相比前代AI，具備高可用性、高擬人化的預訓練大模型跨越技術奇點，國內外技術公司、高校、研究院的語言、圖像、視頻、音頻大模型在2023年以極快的速度相繼推出和迭代，基于預訓練大模型的應用在全球范圍內產生了爆炸式的影響，從社會群眾到AI從業者，對人工智能技術能夠帶來的生產生活變革，都實現了顛覆性的再認識。艾瑞通過技術本身、應用變體、算力支持、政策監管和國際局勢五個維度，對2023年AI世界的發展進行全面梳理和俯瞰。
2028年中國人工智能產業規模將超8000億元，五年復合增長率達到30.6%根據艾瑞咨詢研究院測算，2023年中國人工智能產業規模已達到2137億元，大模型帶來的底層技術革新將為中國人工智能產業的規模增長帶來更多存量擴張與增量空間。2028年，中國人工智能產業規模將達到8110億元。對比原本大模型未出現涌現能力的人工智能產業規模值，艾瑞測算，大模型帶來的產業加成比例在2028年或達到32.9%，在語言語音模態規模加成最為顯著。未來大語言模型、語音大模型的產品門檻與應用成本將逐步降低，帶來更多API能力調用與產品解決方案的AI能力融入發展，尤其在2024年以后，更多AI產品逐步變現、AI能力下放至邊緣側與端側之后的影響將更為明顯；原本以圖像識別為主的計算機視覺市場增長變緩，受政策及政府預算影響，泛安防類的業務增長更多被醫療、工業等CV產品取代，且圖像生成市場將在未來3-5年迎來更多商業變現機會，進一步填充計算機視覺模態的市場空間驅力。
規范引導、基礎夯實和產業扶持三管齊下，促進AI全方位深化發展自2019年以來，我國人工智能相關政策始終緊隨技術和產業發展步伐，歷經廣泛試點、建設框架、產業化發展、場景化落地四個階段，切實推動人工智能從一項新興技術走向規范應用。2023年，生成式AI為人工智能領域帶來重大突破與新的希望，而圍繞生成式AI的政策布局也迅速鋪開，從數據和算力基礎夯實，到快速對生成式AI規范化引導，再到產業扶持，形成一套強有力的組合拳。
AI產業開啟新一輪融資周期，新概念下原有賽道穩步跟進從2017-2022年，隨著人工智能產業成熟度不斷提升，融資逐步向中后期過渡，而在AIGC概念火爆的2023年，種子輪與天使輪融資重返主力位，在這其中，近40%的投資事件指向2023年新成立的AIGC公司，這表明AIGC正在引領AI產業新一輪融資周期。與此同時，原有AI各技術賽道也依然保持活力，機器學習使用最廣，存在感最為明顯，計算機視覺、NLP依然緊隨其后。值得注意的是，AIGC相關融資占2023年AI產業全部融資事件的28%，并且在除機器人外的各個賽道均有滲透，成為年度AI融資的最大關鍵詞。
資本搶注“有背景”的AIGC團隊，構建新格局時代，企業資源決定成敗2023年中以前，許多投資人對AIGC持觀望態度，但仍有不少資本勢力躬身入局。從全年戰績來看，2023年資本締造了5家中國AIGC獨角獸和一家準獨角獸，其中4家為2023年新開項目，“AIGC速度”充分證明這一輪AI技術爆發對傳統AI賽道投資邏輯的改變。一方面，資本對AI所能提供的商業價值普遍產生新的認識，另一方面，從具體公司來看，資本明顯看好名人創業+大模型團隊的配置。筑造優秀大模型技術企業需要算力資源、數據資源及生態資源的多方加持，方能從技術研究走向商業生態的長久閉環。未來AIGC應用創業公司將成為未來賽道健康成長的關鍵支柱。
港股將為AI公司開放更大窗口，長期盈利能力證明是過審關鍵2023年，共有18家AI公司進入IPO階段，而其中12家選擇港股上市，除了全球化募資的野心外，更大原因在于港股對高新技術企業上市的財務指標要求表現出明顯的寬松傾向，預計未來會有更多AI公司選擇沖刺港股。與此同時，AI公司上市過程仍舊相對反復曲折，許多公司多次重復交表，而進入問詢階段后，企業面臨對長期盈利目標與戰略更加嚴格細致的拷問。
大模型基座催化AI工業化生產，Decoder only路徑引領生成式AI產業變革
突破語言理解能力、文本處理長度、知識增強等技術，緩解LLM幻覺問題
AI初具對世界的三維理解與創造能力，Sora模型為全球帶來更多想象2024年2月，OpenAI發布Sora模型，在全球范圍內引起劇烈反響。Sora是一個以視頻生成為核心的空間模型。它的出現，標志了DiT（Diffusion
Transformer）架構的融合成功，且在視覺領域同樣可以出現涌現能力，未來持續迭代有望進一步提升視覺模型的生成效果，可喻為視覺生成領域的“GPT 3”時代。此外，隨著模型計算規模逐漸增大，模型在物理世界的關鍵特征、數字和內容的標注理解下，成功建立相應的物理特征與數字關聯，具備模擬現實世界中人類、動物和環境，甚至事件生成的能力。因此未來Sora模型不僅可以在影視、醫療、教育等領域提供生產力角色，還能基于對世界空間的認知理解，服務于空間模擬、視頻計算、數字孿生等深層需求，成為一款更具通用能力的世界模型。
大模型以泛化推理能力見長，小模型以高成熟度、性價比優勢仍存市場“ChatGPT爆火后，NLP技術不存在了”，這類說法在2023年討論的如火如荼。而艾瑞與人工智能產學研廠商深度交流后認為，NLP小模型仍在被廣泛應用，為供給側廠商完成意圖識別、檢索匹配等任務。NLP技術不存在更多是從前瞻性學術角度來看，而從產業應用角度，大小模型結合仍是人工智能產業的當下核心應用落點。隨著智算規模擴張、大模型能力提升及應用成本降低之后，大模型的確會對小模型的更多應用場景展開替代趨勢，尤其是在大模型擅長的歸納推理、內容生成等語言語音應用場景。
從產業發展視角，當前大模型明顯的痛點一是適配場景有待發掘，二是落地成本偏高。現實世界當中的數據往往是散亂且混合多模態類型，尤其對于自動駕駛、安防等人工智能產業的主戰場，多模態模型相比單一模態，其適用場景將有數倍增長。另一方面，從落地成本出發，大模型剪枝雖然能夠有效縮減參數，但也面臨應用效果的折扣。MOE架構通過專家模型之間的合作和調用，在降低模型應用成本的同時，還能提升應用效果，將成為未來大模型技術拓展的重要方向。
AI及自動化技術有序應用在中國企業的IT網絡流程與業務職能部門全球的自動化及人工智能浪潮正以前所未有的速度推進，深刻重塑著各行各業的運作方式。AI技術在數據分析、機器學習、自然語言處理等方面取得了顯著進步，不僅極大地提高了生產效率和服務質量，還顯著推動了新產業的誕生和舊產業的轉型升級。根據IBM發布的《2023年全球AI采用指數》數據，中國已將AI及自動化技術運用在IT、網絡流程、業務流程等業務領域，并將AI技術廣泛服務于IT開發、人員運營、銷售市場、客戶服務等部門人員。
生成式AI的產品價值在于其強大的內容生成能力，能夠為用戶提供高度個性化的內容生產，滿足企業內外服務的多樣化需求。根據IBM發布的《2023年全球AI采用指數》數據，以工業、通信、金融為代表的行業企業是擁抱生成式AI產品的領域先行者，且相較于原本對標“降本增效”的AI產品，生成式AI產品的首要目標更多在于“提升產品服務價值”，尤其是AI高績效企業表現更為明顯。
中國AI企業正積極抓住應用探索機會，獲取新技術浪潮變現的先發優勢根據IBM發布的《2023年全球AI采用指數》的數據顯示，2023年，有高達85%的中國企業表示在過去的一段時間里加快了對AI的投入應用，63%的中國企業表示正在積極應用生成式AI，34%的中國企業正在積極探索生成式AI。全球范圍內，中國展示出了對AI應用的超前積極姿態，不僅關注投入AI技術的前沿動態，更致力于AI落地探索的實際應用，以獲取新技術浪潮下的新一輪競爭性優勢。
決策式AI與生成式AI的共同賦能，生成式AI加速內容產業的滲透進程人工智能技術正與人類經濟生產活動的主要環節達成緊密結合，提供生產辦公效率提升、運營管理優化、服務體驗增強等效果實現。而隨著大模型、生成式AI技術的到來，其強大的數據處理、學習泛化與內容生成能力，高質效加速了各行各業人工智能技術的賦能進程，為AI可賦能的場景領域、扮演角色提供更多創新性與可能性。在對原本計算機視覺產品、對話式AI產品、決策智能產品完成能力優化外，衍生出更多文本生成、代碼生成、圖像生成等產品功能，由技術底層實現內容生產效率的飛越，并有望進一步變革人機交互方式，以對話形式降低人機交互門檻，高維度優化用戶交互體驗。
智能算力產業規模高速增長，上層模型應用需求帶動AI基礎數據服務市場根據艾瑞咨詢研究院測算，2023年中國智能算力市場規模已達到5097億元。在大模型訓推需求影響下，2023年中國智算市場規模相較于2022年完成大比例躍升，一方面AI芯片的單卡算力呈倍數增加，另一方面，以訓練場景為主的服務器載卡數量從原來的2-4卡逐步升級到4-8卡的普遍配置。隨著中國各地智算產業的投入建設、大模型在邊緣側及端側的算力釋放，2028年，中國智能算力市場規模或將達到3.4萬億元，五年復合增長率達到46.3%。2023年的中國AI基礎數據服務市場規模為37億元，由上層大模型應用帶來的數據需求正改變著AI基礎數據服務的工作結構。以傳統NLP任務為主的分詞、詞性標注等工作被慢慢取代，且數據服務廠商更加擁抱融合大模型范式的全流程、自動化工作流，將業務重心開拓到大模型訓練數據集、RLHF微調、提示詞生產、偏見數據庫、評測服務等采集生產工作中去，2028年中國AI基礎數據服務市場規模將達到117億元，五年復合增長率達到26.1%。
中國人工智能產業發展呈現“倒三角”特征，數據層的規模質量、算力層的規模性能制約著模型層及應用層的飛速發展。2023年3月，中共中央、國務院印發的《黨和國家機構改革方案》對外公布，組建國家數據局。2023年10月25日，國家數據局掛牌成立。國家從政策監管角度積極引導數據要素市場建設，鼓勵開展數據確權授權，構建數據流通體系，旨在為大模型訓推提供高質量數據市場資源。另外，Sora模型的橫空出現點爆產學研界對于視頻生成的研究熱情，而對圖像、視頻、多模態模型的訓推將指數級加大對AI算力的底層需求。國家及地方政府鼓勵并積極開展智算設施建設，同時以“算力券”等形式降低企業的訓練成本、提高算力對接效率，更多支持中小企業購買算力服務。
AI賦能下，數據生產能力將逐步提升，數據標準及生態將逐步建立根據IDC預測，到2025年中國有望成為全球最大的數據圈。從國內AI基礎數據供需角度，當前大模型的迅速發展大大提升了對AI訓練數據質量、數量和生產效率的要求，傳統以人工標注為主的數據生產從成本和效率上都難以滿足需要。一方面，AI訓練數據生產正在向AI數據標注、全流程自動化方向演進，同時在部分仍需人工標注的場景，配備的人員素質也有了明顯提升。另一方面，AI數據的供需問題也使得AI數據合規方面的問題更加突出，我國正在通過行業協會、研究院的力量，推動AI數據標準建立，鼓勵開源數據集發展。
算力是集信息計算力、網絡運載力、數據存儲力于一體的新型生產力，作為新型信息基礎設施的重要組成部分，算力基礎設施發展呈現多元泛在、智能敏捷、安全可靠、綠色低碳等特征。在IDC時代，以CPU為主的計算任務場景相對單一或者標準化。而在智算中心時代，以GPU并行計算及AI加速卡為主的異構計算任務變得更加多元多樣，面向安防園區、自動駕駛、互聯網推薦、人機交互等不同下游場景提供智算資源及訓推服務應用。所以艾瑞認為，中國智算中心的發展建設，不僅僅要注重硬件性能、網絡帶寬、算力規模等硬實力特征，更是要注重與智算中心的硬件設施能力融合，結合產業需求及地域業務，以低成本、高效能、定制適配的軟件平臺完成客戶場景需求的軟實力發展。
AI仍非無所不能，AI原生應用重塑人類生產生活的質變節點尚未到來生成式AI產品的出現，讓人工智能這一關鍵詞重回人類關注焦點。基于擴散模型的AI電商設計圖、基于大語言模型的對話式AI解決方案等熱門B端產品率先出圈變現，C端應用也涌現了一批AI搜索對話、圖像生成等APP產品。2023年7月，妙鴨相機小程序橫空出世，成為AIGC時代下的第一個C端爆款。人們沉浸于生成式AI技術帶來的巨大改變，同時也對時代技術的飛速發展產生FOMO情緒，恐懼因新技術的誕生而失去現有平臺產品或錯失機會。然而與第一輪計算機視覺帶動的人工智能浪潮類似的是，AI的技術躍升并未達到無所不能的地步，需在用戶預期上做合理規劃引導，填補由于市場宣傳與落地應用帶來的認知差距。互聯網時代下，誕生以阿里為代表電商廠商、以騰訊為代表的通訊廠商；長短視頻時代下，誕生以愛優騰為代表的長視頻廠商、以抖音快手為代表的短視頻廠商；社區經濟時代下，誕生以小紅書為代表的平臺廠商。人工智能時代下，以AI驅動的原生生態尚未出現，AI原生應用帶來的B端生產重構，及C端的流量洗牌值得期待。
五年之內AGI成為現實？未可望未可及，量化AGI的實現過程提高預見性產學研界對AGI的討論熱度持續不減，但艾瑞認為，技術奇點到來的一刻具備不可預見性，當下關于AGI的時點預測更多是思考大于實際。然而AI的確在朝著范圍愈發廣泛的普遍性發展，且欲實現接近并超越人類的普遍性，其演進節點是對全人類世界運行邏輯的挑戰更新，對全球勞動力結構、產業經濟發展、道德倫理制度、社會規則運行，以及技術經濟優勢帶來的的地緣政治以及國際軍事都將帶來底層邏輯的巨大變數。需量化人工智能的通用性與自主性，理解并定位AGI的演進道路節點，提升AGI實現過程的可預見性及社會穩健性。另外，隨著AI能力的通用化提升，具身智能實現了成本更低廉、能力更泛化的產品形態，國內外企業也紛紛加大人形機器人等產品投入，尋路實體社會的“AGI”世界。
人工智能伴生于信息技術時代，經過數十年的研究積累及經驗沉淀，已逐步跨越科學與應用之間的技術鴻溝，迎來新一輪的紅利爆發與創新機遇。21世紀以來，全球技術創新進入空前活躍期，生成式AI技術的到來被譽為“最具革命性”的技術進步，未來產業發展是搶占全球創新高地、重構全球創新版圖、重塑全球經濟結構的關鍵節點。
2023年行業大模型進入爆發期，醫療、金融及科研教育為集中落地領域2017年起，國內互聯網巨頭廠商相繼投身預訓練大模型的產品研發，百度、華為等產業基因強的巨頭廠商已在2022年左右發布過行業大模型矩陣，探索金融、制造、能源、媒體等場景落地。2022年末，ChatGPT掀起生成式AI浪潮，預訓練大模型再度成為AI產業焦點。2023年，“大模型熱”愈演愈烈。其中，國內互聯網廠商持續更新迭代技術底座及模型能力，更多高校與大模型創企加入。2023年5月起，行業大模型發布數量顯著增加，互聯網巨頭達成進一步行業分化及產業伙伴合作，同樣受益于開源生態的建設，更多垂類廠商結合開源模型研發契合自身業務的行業大模型產品。根據艾瑞不完全統計，截止2023年底，中國行業大模型的個數占比已經超過8成。以醫療與金融為首要落地領域，分別占比達到21.9%與12.8%。
40+家大模型持“證”上崗，監管與需求對大模型廠商提出更高要求2023年8月15日，《生成式人工智能服務管理暫行辦法》 正式施行，國家對大模型上線監管采取“備案制”，確保內容安全和意識形態準確性。之前大模型產品多采用邀請注冊制，僅開放給企業伙伴或有限名額使用。通過“備案制”的企業則可以正式面向公眾開放注冊、提供服務。相較于“審核制”，“備案制”監管為生成式人工智能技術的產業發展提供良好培育環境，以動態角度應對管理技術發展的不確定性。2023年8月31日，第一批AI大模型企業獲批。截止2024年1月，中國已獲備案審批大模型40余家，其中通用和垂直大模型的占比分別為55.8%與44.2%。
場景產品側作為預訓練大模型及生成式AI技術的核心落點，B端與C端的市場發展成為產業界關注的焦點。從B端場景出發，大模型與企業業務離不開經營數據，需逐步滲透打磨，打通業務邏輯實現更多場景的落地應用閉環，呈延續性曲線融合賦能。因此To B企業需打造足夠垂類企業合作基礎或良好產業合作生態滿足前期場景探索；從C端場景出發，大模型落地應用需從供給側滿足硬件設備條件及大模型能力適配，在軟硬件生態成熟后涌現階梯式能量爆發，C端企業需準備足夠資金儲備及短期變現方式以應對前期的發展沉寂期。
B端帶動云資源及產品方案售賣，C端以免費為底提供會員訂閱與資源購買大模型可以更好帶動云資源（MaaS模式）及行業產品方案的售賣，在B端產品方案融合更多大模型技術，以API調用、SaaS產品及定制方案等方式加速企業智能化賦能。目前C端產品主要以工具定位為主，頁面廣告、流量變現（如占領用戶更多流量及使用時長實現引流花費）等方式尚未進入當下產品，前者主要原因為發展初期以獲取語料及用戶行為角度為首要，頁面廣告會影響用戶體驗與心智占領，后者主要原因在生成式AI產品在軟硬件生態能力尚未達到。
AI與新基建相輔相成，形成正向循環，共促智慧物聯產業擴展與升級多智體系統是指由多個智能體構成的系統，智能單體具備感知、存、算、通信能力，智能體之間通過協作交互AI相關信息，實現智能在網絡內的流動，從而提升各節點及網絡平臺的智能水平，是未來物聯網發展的目標。大模型在各層融合應用對原有云、邊、端的算力及調度、通信、感知能力都提出了全新的要求，物聯網的智能進化也為大模型落地鋪開更廣闊的場景與空間。
國產AI芯片積極進行生態適配，邊緣大模型與端側AI應用態勢趨顯2023年，中國AI芯片市場規模約為620億元。近年來，國央企加大算力基礎設施建設，由更多人工智能產業服務商作為生態伙伴參與共建，強化需求牽引與行業賦能，2028年中國AI芯片市場規模將達到3931億元，五年復合增長率達到44.7%。在中美關系越發緊張的時代背景下，中國AI芯片廠商堅守自主可控道路，期望早日擺脫對國外廠商以英偉達為代表的高性能卡依賴。以百度昆侖、華為昇騰、中科海光等廠商為代表的芯片產品陸續完成軟件生態移植，進入規模化應用階段。伴隨自動駕駛、智慧醫療、智能家居、工業互聯網等場景，AI算法與算力調度將從云端逐步下放到邊緣側和端側。預計2028年云端、邊緣側、端側AI芯片的比例將分別達到48.6%、27.5%與23.9%，面對大量、復雜任務如何進行與云端的無縫高效的分工配合，是當前邊端模型需要解決的關鍵問題。
當前，大模型正在從算力統管和場景優化兩個維度在邊緣側進行落地嘗試。在算力統管方面，大模型能夠部分替代和接管原有云端計算中心的算力調度權限與能力，大大減少云—端傳輸所帶來的時間損耗，對邊緣側算力使用效率帶來改進。同時，大模型可取代原有邊緣側用于預測、決策、判別、生成等多類任務的小模型，提升場景泛化能力和使用效果，改善ROI。
駕駛全局優化和落地成本改善，端到端正成為領先自動駕駛的技術標桿
終端模型需與云端模型協同提供服務，存、算、網同步升級當前階段，大模型已經率先在手機和汽車座艙中得到初步應用，其帶來的計算存儲需求也在催化終端硬件和網絡性能迭代。同時，在大模型裁剪技術以及終端算力制約下，端側部署大模型參數量小，功能相對有限，部分時刻借助云端大模型能力可以為用戶提供更豐富的場景體驗。未來隨著場景復雜化和用戶、設備協同等需求，對端側和云端模型能力及算力需求也將同步提升。
AI重塑操作系統是釋放大模型潛力的關鍵，硬件廠商更有機會建立完整生態從用戶感知視角，多模態的人機交互將解放用戶雙手，AI終端將從存儲—應用—交互一體的娛樂/工具機，逐漸演化為用戶隨身攜帶的智能BOX。作為智能算力和應用的載體，終端應用的范圍和能力也將得到極大拓展。從技術棧層面，操作系統作為全機能力調度的核心將發揮更顯著的主體性作用，硬件廠商將以AI操作系統為核心重塑自身生態，原有軟件廠商的用戶數據與流量入口優勢或將被削弱。
公眾接受度與容忍度考驗AI技術進一步成熟、全流程可控、可監管社會層面，人工智能技術值得關注的主要風險在于對用戶心智、用戶隱私及安全倫理問題的潛在影響。首先，人工智能訓練需要大量互聯網公開數據，包括圖片、文字、音頻等，可能包含大量私人數據，存在較高的泄露風險。其次，生成式AI可以用于創建虛假的圖像、視頻或聲音，結合大數據分析，可以個性化地分發新聞，對目標受眾的心理和行為產生影響，這可能導致人們被欺騙、誤導，甚至被利用危害人的生命健康。
新技術內生缺陷下，企業推廣囿于數據安全、可信等問題在企業端，AI技術的內生性缺陷對企業應用的影響更為明顯，包含人工智能框架、數據、算法、模型任一環節都能給系統帶來脆弱性。傳統神經網絡模型大多面臨可解釋性不足的問題，而同為神經網絡結構的大語言模型作為近年AI領域重大突破，在可信、可解釋性和生成內容安全性方面并未得到明顯改善，甚至因其應用場景的擴大使得這一矛盾更加突出。根據IBM報告顯示，全球范圍內絕大部分公司對AI持積極態度，且從2023年3月至今，這種積極性還在持續發酵。但從不同AI成熟度企業關注問題可以看出，企業AI應用當中，數據安全、技術可信和工具迭代等各方面問題依然突出。處于觀望或AI應用初級階段的企業，致力于通過AI統管和AI技能補足，解決AI應用當中必將面臨的數據和系統安全問題，實現AI初步可用可落地。同時，這些公司在AI應用過程中也十分需要公司內部頂層設計與政府、行業標準的支持。而少部分已經成熟應用AI并取得較好降本增效成果的企業則已經進入新階段，其面臨的主要難題在于對企業內外部AI模型和工具進行升級。
從技術、法規與標準層面，堅持AI產業發展安全與效率并重基于上述對人工智能發展風險的探討，未來人工智能的發展需要在技術、行業標準規范和法律監管三個層面持續完善和引導。在技術研究方面，必須加強研究，提高算法的準確性和透明度，以防止偏見和不公平情況出現。在行業標準方面，需建立統一的規范和倫理準則，確保人工智能應用符合道德和社會價值。在法律監管方面，則需制定和修改相關法律法規，保護個人隱私，防止濫用和侵犯權利。
來源：艾瑞咨詢
【免責聲明：本文版權歸原作者所有。為尊重版權，我們盡量標注文章來源，若不愿被轉載或涉及侵權，請及時通過在線客服和郵箱聯系，郵箱地址：wutongtai@wttai.com，我們將第一時間予以刪除】
