2023下半場(chǎng)，人工智能（AI）有何發(fā)展趨勢(shì)？產(chǎn)業(yè)層面如何演化？哪些細(xì)分領(lǐng)域最為受益呢？

近日，澎湃新聞專訪了中信建投證券研究所所長(zhǎng)兼國(guó)際業(yè)務(wù)部行政負(fù)責(zé)人武超，就相關(guān)問題作出分析解讀。

(資料圖)

武超則是新財(cái)富白金分析師，2013年至2020年連續(xù)八屆新財(cái)富最佳分析師通信行業(yè)第一名，專注于5G、云計(jì)算、物聯(lián)網(wǎng)等領(lǐng)域研究。目前是中國(guó)證券業(yè)協(xié)會(huì)證券分析師、投資顧問與首席經(jīng)濟(jì)學(xué)家委員會(huì)委員。

AI正處于通用人工智能曙光乍現(xiàn)的階段

對(duì)于目前人工智能的發(fā)展階段，武超則認(rèn)為，正處于狹義人工智能相對(duì)成熟、通用人工智能（AGI）曙光乍現(xiàn)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(yīng)廣泛的領(lǐng)域并解決多種問題的機(jī)器智能，通用人工智能是人工智能研究的重要目標(biāo)之一。”武超則說。

武超則解釋稱，狹義人工智能是指當(dāng)下已取得顯著進(jìn)展，但局限于特定領(lǐng)域的人工智能，如語(yǔ)音識(shí)別、機(jī)器視覺等。目前以GPT-4為代表的自然語(yǔ)言大模型，則被認(rèn)為是通往通用人工智能的重要潛在路徑。

“進(jìn)一步展望未來，腦機(jī)接口有望成為下一代人機(jī)交互方式。當(dāng)前，腦機(jī)接口技術(shù)正在突破人類的生理界限。”武超則稱。

現(xiàn)階段，武超則認(rèn)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(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(gè)插件。

“隨著大模型能力的不斷增強(qiáng)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(jī)交互方式以及流量入口。”武超則判斷。

大模型正朝多模態(tài)信息融合方向快速發(fā)展

而對(duì)于大模型接下來的發(fā)展，武超則表示，目前文本、語(yǔ)音、圖片等單模態(tài)人工智能模型已經(jīng)相對(duì)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(jìn)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(lǐng)域拓展。”武超則說。

武超則進(jìn)一步指出，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(duì)不同表現(xiàn)形式的信息進(jìn)行融合理解，進(jìn)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(shí)世界的重要一步。

現(xiàn)階段來看，谷歌推出RoboCat大模型，英偉達(dá)推出Nvidia VIMA，武超則認(rèn)為具身智能已經(jīng)成為AI龍頭企業(yè)競(jìng)相爭(zhēng)奪的高地。

“具身智能是可以和物理世界進(jìn)行感知交互，并具有自主決策和行動(dòng)能力的人工智能系統(tǒng)。通用人工智能與機(jī)器人產(chǎn)業(yè)正處在快速發(fā)展、互相融合促進(jìn)的戰(zhàn)略機(jī)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。”武超則判斷。

模型性能提升需建立在高質(zhì)量數(shù)據(jù)之上

對(duì)于人工智能接下來的發(fā)展，武超則強(qiáng)調(diào)，深度學(xué)習(xí)的進(jìn)步，勢(shì)必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(shí)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)。”武超則說。

武超則進(jìn)一步指出，相關(guān)研究顯示，高質(zhì)量的語(yǔ)言數(shù)據(jù)將在2026年耗盡，低質(zhì)量的語(yǔ)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(jià)值，將進(jìn)一步推動(dòng)AI模型的性能突破。例如，斯坦福大學(xué)吳恩達(dá)教授便提出了二八定律，即‘80%的數(shù)據(jù)+20%的模型=更好的AI’。”武超則稱。

在武超則看來，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(dòng)模型性能進(jìn)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(biāo)注服務(wù)以及完善的數(shù)據(jù)收集和評(píng)估體系的價(jià)值將進(jìn)一步凸顯。

應(yīng)用端或百花齊放

應(yīng)用落地方面，武超則判斷，總的來說，數(shù)據(jù)壁壘將帶來企業(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(shí)，往往需要針對(duì)其行業(yè)數(shù)據(jù)庫(kù)來對(duì)基本模型進(jìn)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(shì)。”武超則說。

而在B端應(yīng)用上，武超則表示，出于對(duì)模型的經(jīng)濟(jì)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(duì)模型的運(yùn)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(chǎng)景下實(shí)現(xiàn)最佳的經(jīng)濟(jì)性，進(jìn)一步提升大模型的豐富度。”武超則判斷。

看好云計(jì)算和算力端未來發(fā)展

云計(jì)算方面，武超則表示，作為當(dāng)前重要的AI算力提供方案，AI服務(wù)器市場(chǎng)獲得迅猛發(fā)展。根據(jù)相關(guān)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(jì)將呈指數(shù)增長(zhǎng)。

“其中，IDC數(shù)據(jù)預(yù)計(jì)，未來5年中國(guó)智能算力規(guī)模的年復(fù)合增長(zhǎng)率將達(dá)52.3%，全球價(jià)值萬(wàn)億美元的數(shù)據(jù)中心存量市場(chǎng)將從通用計(jì)算逐步過渡向AI計(jì)算。”武超則指出。

武超則認(rèn)為，云計(jì)算正從CPU為中心的同構(gòu)計(jì)算架構(gòu)向以CPU+GPU/NPU為中心的異構(gòu)計(jì)算架構(gòu)深度演進(jìn)。

市場(chǎng)規(guī)模方面，武超則預(yù)計(jì)，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(jì)算資源中短期將處于供不應(yīng)求的狀態(tài)。

“此外，隨著專有領(lǐng)域的計(jì)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。”武超則說。

同時(shí)，武超則強(qiáng)調(diào)，隨著大模型小型化、場(chǎng)景化需求增加，同時(shí)出于對(duì)AI應(yīng)用的經(jīng)濟(jì)性、可靠性和安全性的考量，部分場(chǎng)景的推理將逐步從云側(cè)擴(kuò)展向端側(cè)，并帶動(dòng)端側(cè)算力需求的進(jìn)一步提升。

AI監(jiān)管仍需加強(qiáng)

在人工智能的快速發(fā)展中，武超則強(qiáng)調(diào)，加強(qiáng)AI監(jiān)管與推動(dòng)AI技術(shù)的進(jìn)步同等重要。

“AI能力帶來應(yīng)用的便利性，同時(shí)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。”武超則指出，“從規(guī)范角度來看，各國(guó)政府也都已經(jīng)開始采取行動(dòng)，制定和執(zhí)行各種AI政策和法規(guī)。”

武超則稱，從技術(shù)角度來看，可以通過可解釋AI等技術(shù)手段增強(qiáng)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(nèi)容的可理解性和可信任度，對(duì)于構(gòu)建用戶對(duì)AI系統(tǒng)的信任、提升系統(tǒng)的有效性、應(yīng)對(duì)潛在的倫理問題都至關(guān)重要 。

（文章來源：澎湃新聞）