人工智能全域變革圖景展望（2023）

來源：時間：2023-12-08 13:05:54 作者：

　　近日，畢馬威聯(lián)合中關村產(chǎn)業(yè)研究院通過行業(yè)調(diào)研和專家訪談，結合深入研究共同發(fā)布《人工智能全域變革圖景展望：躍遷點來臨（2023）》。

　　全球人工智能產(chǎn)業(yè)洞察

　　報告指出，全球人工智能企業(yè)數(shù)量由爆發(fā)式轉(zhuǎn)入穩(wěn)步增長區(qū)間。截止2023年6月底，全球人工智能企業(yè)共計3.6萬家。人工智能企業(yè)數(shù)量逐年增長，2016年-2019年全球人工智能爆發(fā)式增長，每年新增注冊企業(yè)數(shù)量超3000家，尤其是2017年新增注冊企業(yè)數(shù)量達到頂峰（3714家）。2019年開始，人工智能新增注冊企業(yè)數(shù)量有所下降，2022年當年新增企業(yè)數(shù)量與2013年基本持平。

　　美國人工智能企業(yè)數(shù)量位居全球首位，中國緊隨其后，英國位居全球第三。美國人工智能企業(yè)約1.3萬家，在全球占比達到33.6%，中國占比為16.0%，英國為6.6%，以上三個國家的人工智能企業(yè)數(shù)量合計占到全球的56.2%。

　　截止2023年6月底，全球人工智能領域獨角獸總數(shù)達291家，分布在20個國家。來自美國的獨角獸企業(yè)有131家，占全球總數(shù)的45%：來自中國的獨角獸企業(yè)有108家，占全球總數(shù)的37%。

　　人工智能發(fā)展十大趨勢

　　大模型爆發(fā)以來，人工智能技術發(fā)日新月異，創(chuàng)新成果紛紛涌現(xiàn)，報告立足全球及中國的人工智能產(chǎn)業(yè)現(xiàn)狀，結合市場觀察提出人工智能產(chǎn)業(yè)未來發(fā)展的十大趨勢。

　　趨勢一

　　多模態(tài)預訓練大模型是人工智能產(chǎn)業(yè)的標配

　　在算法方面，預訓練大模型發(fā)展起源于自然語言處理（NLP）領域，當前已進入“百模大戰(zhàn)”階段，預計隨著大模型創(chuàng)新從單模態(tài)轉(zhuǎn)向多模態(tài)，多模態(tài)預訓練大模型將逐漸成為人工智能產(chǎn)業(yè)的標配。目前，國內(nèi)大模型雖在市場影響力方面稍遜色于GPT系列模型、PaLM-E等，但在中文語料訓練、中國文化理解方面具備本土優(yōu)勢。

　　此外，國內(nèi)制造業(yè)等實體產(chǎn)業(yè)為大模型提供了豐富的訓練數(shù)據(jù)和應用場景。未來，在大模型面向產(chǎn)業(yè)賦能方面，中國大模型極有可能后發(fā)先至，也會是國內(nèi)大模型競爭的關鍵因素之一。

　　趨勢二

　　高質(zhì)量數(shù)據(jù)愈發(fā)稀缺將倒逼數(shù)據(jù)智能飛躍

　　數(shù)據(jù)方面，大模型的訓練需要大量的高質(zhì)量數(shù)據(jù)，但是目前在數(shù)據(jù)質(zhì)量方面還存在一定的問題，包括數(shù)據(jù)噪聲、數(shù)據(jù)缺失、數(shù)據(jù)不平衡等問題。這會影響大模型的訓練效果和準確性。

　　根據(jù)一項來自Epoch Al Research團隊的研究，高質(zhì)量的語言數(shù)據(jù)存量將在2026年耗盡，低質(zhì)量的語言數(shù)據(jù)和圖像數(shù)據(jù)的存量則分別在2030年至2050年、2030年至2060年枯竭。

　　這意味著，如果沒有新增數(shù)據(jù)源或是數(shù)據(jù)利用效率未能顯著提升，那么2030年以后，AI大模型的發(fā)展速度將明顯放緩。

　　趨勢三

　　智能算力無處不在的計算新范式加速實現(xiàn)

　　算力方面，新硬件、新架構競相涌現(xiàn)，現(xiàn)有芯片、操作系統(tǒng)、應用軟件等都可能被推翻重來，預計有望實現(xiàn)“萬物皆數(shù)據(jù)”“無數(shù)不計算”“無算不智能”，即智能算力將無處不在，呈現(xiàn)“多元異構、軟硬件協(xié)同、綠色集約、云邊端一體化”四大特征。

　　趨勢四

　　人工智能生成內(nèi)容應用向全場景滲透

　　在AIGC（Artificial Intelligence Generated Content，人工智能生成內(nèi)容）應用方面，其發(fā)展源頭在數(shù)字內(nèi)容創(chuàng)作領域，從單模態(tài)內(nèi)容到多模態(tài)數(shù)字化內(nèi)容創(chuàng)建已初顯雛形，預計未來會進一步提高人類創(chuàng)造內(nèi)容的效率，豐富數(shù)字內(nèi)容生態(tài)，開啟人機協(xié)同創(chuàng)作時代，各種需要創(chuàng)意和新內(nèi)容的場景，都可能被AIGC重新定義，AIGC向全場景滲透指日可待。

　　趨勢五

　　人工智能驅(qū)動科學研究從單點突破加速邁向平臺化

　　AI4S（AI for Science，人工智能驅(qū)動的科學研究）應用方面，有望從單點突破加速邁向平臺化。在“單點突破”階段，AI4S發(fā)展由科研學者主導，數(shù)據(jù)、模型、算法及方法論的原創(chuàng)性是市場關注重點，AI4S在特定任務或場景中的“單點應用”初步證明了對應解決方案的落地價值。

　　趨勢六

　　具身智能、腦機接口等開啟通用人工智能應用探索

　　AGI（General Artificial Intelligence，通用人工智能）應用方面，其技術原理強調(diào)兩大特性：一是需要基于先進算法實現(xiàn)智能處理和決策，包括深度學習、強化學習、進化計算等；二是需要具備和人類大腦相似的認知架構，包括感知、記憶、分析、思考、決策、創(chuàng)造等模塊。

　　趨勢七

　　人工智能安全治理趨嚴、趨緊、趨難

　　人工智能安全治理呈現(xiàn)出趨嚴、趨緊、趨難三大特征，主要包括“黑箱”困境等技術安全挑戰(zhàn)，虛假信息、偏見歧視乃至意識滲透等應用安全挑戰(zhàn)，數(shù)據(jù)泄漏、篡改和真實性難驗證等數(shù)據(jù)安全隱患，此背景下，中美歐三國作為人工智能發(fā)展的領軍國和地區(qū)正積極開展相關立法，呈現(xiàn)出政策法規(guī)先行、監(jiān)管趨嚴等特征。

　　趨勢八

　　可解釋AI、倫理安全、隱私保護等催生技術創(chuàng)新機遇

　　人工智能在發(fā)展過程中面臨的技術倫理與社會倫理風險表明，人工智能安全、可信的發(fā)展之路任重道遠，在解決AI風險的過程中催生出可解釋AI、聯(lián)邦學習等技術創(chuàng)新機遇。其中，聯(lián)邦學習正成為新型的“技術基礎設施”，有望成為下一代人工智能協(xié)同算法，隱私計算和協(xié)作網(wǎng)絡的基礎，使數(shù)據(jù)在合法合規(guī)、安全高效的基礎上，實現(xiàn)數(shù)據(jù)價值流動。

　　趨勢九

　　開源創(chuàng)新將是AGI生態(tài)建設的基石

　　開源的自由度越高，越有利于吸引更多開發(fā)者參與到生態(tài)建設中。AGI強調(diào)人工智能的通用性，意味著其生態(tài)需滿足大量細分場景和長尾需求，這種情況下，生態(tài)系統(tǒng)越是繁榮開放，越能窮盡可能地覆蓋所有專用化、場景化乃至碎片化的需求，保證AGI生態(tài)的豐富性和完整性。

　　進一步地，開發(fā)者越多，意味著底層模型和上層應用等的迭代速度也會越快。但是，開源也存在一定風險，對于產(chǎn)業(yè)生態(tài)中的主體企業(yè)來說，選擇開源某種程度上就意味著公開商業(yè)機密，不利于其構建競爭壁壘。此外，開源模式還可能會引發(fā)專利侵權風險，對開源的知識產(chǎn)權管理規(guī)則和流程規(guī)范建立提出了挑戰(zhàn)。

　　趨勢十

　　多型即服務(MaaS)將是AGI生態(tài)構建的核心

　　商業(yè)模式關乎整體生態(tài)能否實現(xiàn)從價值創(chuàng)造到價值實現(xiàn)的完整閉環(huán)，目前AGI生態(tài)的商業(yè)模式主要以AIGC相關的商業(yè)模式為代表，主要體現(xiàn)為MaaS（Model as a Service，模型即服務）模式。該模式核心價值可歸納為：降低算法需求側的開發(fā)技術和使用成本門檻，使AI模型和應用成為簡單易用、觸手可得的工具。

　　具體內(nèi)容如下