2023下半場，人工智能（AI）有何發展趨勢？產業層面如何演化？哪些細分領域最為受益呢？

(資料圖片)

近日，澎湃新聞專訪了中信建投證券研究所所長兼國際業務部行政負責人武超，就相關問題作出分析解讀。

武超則是新財富白金分析師，2013年至2020年連續八屆新財富最佳分析師通信行業第一名，專注于5G、云計算、物聯網等領域研究。目前是中國證券業協會證券分析師、投資顧問與首席經濟學家委員會委員。

AI正處于通用人工智能曙光乍現的階段

對于目前人工智能的發展階段，武超則認為，正處于狹義人工智能相對成熟、通用人工智能（AGI）曙光乍現的階段。

“通用人工智能是指具有像人類一樣的思考能力，可以適應廣泛的領域并解決多種問題的機器智能，通用人工智能是人工智能研究的重要目標之一。”武超則說。

武超則解釋稱，狹義人工智能是指當下已取得顯著進展，但局限于特定領域的人工智能，如語音識別、機器視覺等。目前以GPT-4為代表的自然語言大模型，則被認為是通往通用人工智能的重要潛在路徑。

“進一步展望未來，腦機接口有望成為下一代人機交互方式。當前，腦機接口技術正在突破人類的生理界限。”武超則稱。

現階段，武超則認為，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用，從而構建豐富的生態系統。GPT-4自插件功能開放以來，目前已經接入超過500個插件。

“隨著大模型能力的不斷增強以及插件生態的不斷豐富，大模型有望成為新一代的人機交互方式以及流量入口。”武超則判斷。

大模型正朝多模態信息融合方向快速發展

而對于大模型接下來的發展，武超則表示，目前文本、語音、圖片等單模態人工智能模型已經相對成熟，大模型正在朝著多模態信息融合的方向快速發展。

“從CLIP的誕生再到GPT-4的圖像處理能力，圖文多模態技術已經取得了顯著的進步。大模型已不只滿足文字和圖像，也開始向著音頻、視頻等領域拓展。”武超則說。

武超則進一步指出，多模態模型能夠處理視覺信息、文本信息、聽覺信息等多元化數據，可以對不同表現形式的信息進行融合理解，進一步提升大模型的遷移學習能力，是人工智能全面理解真實世界的重要一步。

現階段來看，谷歌推出RoboCat大模型，英偉達推出Nvidia VIMA，武超則認為具身智能已經成為AI龍頭企業競相爭奪的高地。

“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。通用人工智能與機器人產業正處在快速發展、互相融合促進的戰略機遇期，作為兩大領域交叉的核心應用，具身智能有望在未來取得快速發展。”武超則判斷。

模型性能提升需建立在高質量數據之上

對于人工智能接下來的發展，武超則強調，深度學習的進步，勢必建立在以更大的模型處理海量數據基礎之上。

“GPT-1模型從1.17億參數上升至GPT-3的1750億參數，模型效果取得了顯著突破，同時還有能力的涌現。但是模型參數量的增大帶來算力需求的激增，模型架構和參數量提升帶來的收益正處于遞減狀態。”武超則說。

武超則進一步指出，相關研究顯示，高質量的語言數據將在2026年耗盡，低質量的語言數據和圖像數據將分別在2030-2050年、2030-2060年間枯竭。

“以數據為中心的人工智能更加專注于數據的價值，將進一步推動AI模型的性能突破。例如，斯坦福大學吳恩達教授便提出了二八定律，即‘80%的數據+20%的模型=更好的AI’。”武超則稱。

在武超則看來，以數據為中心的策略可以解決數據樣本不足、數據偏差等問題，高質量數據集成為推動模型性能進一步提升的關鍵要素，高質量的數據處理、數據標注服務以及完善的數據收集和評估體系的價值將進一步凸顯。

應用端或百花齊放

應用落地方面，武超則判斷，總的來說，數據壁壘將帶來企業端大模型百花齊放。

“通用大模型可以幫助用戶解決一般性問題，而當企業需要處理其特定行業的數據和任務時，往往需要針對其行業數據庫來對基本模型進行微調，垂直行業的特性和需求不盡相同，因此大模型的應用也呈現出多樣化的趨勢。”武超則說。

而在B端應用上，武超則表示，出于對模型的經濟性考量，未來將呈現階梯式、差異性需求。

“大模型在垂直領域的商業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量多少密切相關，需要不同參數規模的大模型組成多層次的產品組合，從而在不同場景下實現最佳的經濟性，進一步提升大模型的豐富度。”武超則判斷。

看好云計算和算力端未來發展

云計算方面，武超則表示，作為當前重要的AI算力提供方案，AI服務器市場獲得迅猛發展。根據相關數據，2022年全球AI服務器的出貨量占整體服務器比重約1%，隨著大模型訓練側和推理側的需求爆發，AI算力資源需求預計將呈指數增長。

“其中，IDC數據預計，未來5年中國智能算力規模的年復合增長率將達52.3%，全球價值萬億美元的數據中心存量市場將從通用計算逐步過渡向AI計算。”武超則指出。

武超則認為，云計算正從CPU為中心的同構計算架構向以CPU+GPU/NPU為中心的異構計算架構深度演進。

市場規模方面，武超則預計，大模型帶來的GPU存量空間將從2023年的277億美元上升至2025年的1121億美元，以GPU為代表的AI計算資源中短期將處于供不應求的狀態。

“此外，隨著專有領域的計算需求提升，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豐富性將不斷提升。”武超則說。

同時，武超則強調，隨著大模型小型化、場景化需求增加，同時出于對AI應用的經濟性、可靠性和安全性的考量，部分場景的推理將逐步從云側擴展向端側，并帶動端側算力需求的進一步提升。

AI監管仍需加強

在人工智能的快速發展中，武超則強調，加強AI監管與推動AI技術的進步同等重要。

“AI能力帶來應用的便利性，同時也可能引發數據隱私、算法偏見、AI倫理等一系列問題。”武超則指出，“從規范角度來看，各國政府也都已經開始采取行動，制定和執行各種AI政策和法規。”

武超則稱，從技術角度來看，可以通過可解釋AI等技術手段增強AI的可信度。可解釋AI使人工智能的決策過程透明化，增加輸出內容的可理解性和可信任度，對于構建用戶對AI系統的信任、提升系統的有效性、應對潛在的倫理問題都至關重要 。

（文章來源：澎湃新聞）

關鍵詞：