全文共计：3370字

预计阅读时间：9分钟

疆亘观察

算力的迭代和技术的进步，人工智能爆发式增长指日可待，也为投资带来了空前的机会。

摘要

人工智能可分为弱人工智能（Weak AI）、强人工智能（Strong AI）和超人工智能阶段（Super AI）三个阶段。尽管人工智能当下仍处于弱人工智能阶段，但随着Chatgpt和Sora的推出，人工智能应用有望加速落地，全产业中，底层的算力和算法，中层的基础大模型和场景模型，以及应用端的各个场景和细分行业，都将带来深刻的变革。

风险

AI发展不及预期；AI造成伦理问题。

正文

01

人工智能领域介绍

G A G E

人工智能发展历史

算法的迭代推动人工智的发展：几十年来，AI领域持续变革，1940-1980s符号AI占主导，1980年后，统计AI与神经AI齐头并进，二者竞争发展至今。

符号（Symbolic)AI:二十世纪80年代以前属于符号AI时代，开启了以知识建模算法和专家系统算法为代表AI早期阶段；

统计(Statistical)Al:1985年的贝叶斯网络和1995年的SVM是20世纪机器学习发展的两大标志，但近年来，逐渐成为非主流的研究方向；

神经(Neural)AI:经历了1980s-2012年神经网络、2012年后的深度学习两大阶段，深度神经网和模型大小正相关，伴随着模型参数量的增加，相对应深度神经网络的能力将大幅提升。Google Brain的Transformer和Open IA的GPT系列都属于深度学习领域的杰出代表作。

 

人工智能发展历史主要可以分为三个阶段，分别是弱人工智能（Weak AI）、强人工智能（Strong AI）和超人工智能阶段（Super AI）。弱人工智能阶段也被称为狭义人工智能或者应用人工智能，只能解决某个特定领域的问题，执行有限的预设功能。如智能音箱、引导机器人。强人工智能阶段指的是可以像人一样胜任任何智力性任务的智能机器，需同时具备思考能力、计划能力和学习能力，并能够利用自身能力达成目的，当前仍然处于理论探索阶段。理论上，人工智能一直不断发展下去，一定可以全面超越人类，由此产生的人工智能系统称为超人工智能。超人工智能的实现路径比强人工智能会更漫长。

目前人工智能处于弱人工智能向强人工智能发展阶段。2020年以前，人工智能处于弱人工智能发展阶段，只能解决某个特定领域问题，执行有限的预设功能。2020-2030年，人工智能有望进入强人工智能阶段。展望未来，人工智能极有可能达到超人工智能阶段。发展人工智能，对社会发展具备重要价值，人工智能将形成新的生产力，引领第四次工业革命并具有巨大的创新溢出效应。

 

人工智能产业链

根据中国人工智能系列白皮书释义，人工智能产业链可分为基础层，技术层，应用层三个层次，分别对应产业链的上游、中游和下游。其中，基础技术支撑由数据中心和运算平台构成，涉及数据传输、运算和存储等：AI技术是基于基础层提供的存储资源和大数据，通过机器人学习建立大模型，开发面向不同领域的应用技术，包含感知智能和认知智能两个阶段，感知智能如语音识别，图像识别、自然语言处理和生物识别等：认知智能如机器学习，预测类API和人工智能平台，AI应用(AI+或智能化)即用AI技术为千行百业赋能，实现不同场景的应用。

 

02

算力的需求

呈现指数级的增长

G A G E

根据《2023智能算力发展白皮书》显示，全球智能算力的总体情况呈现快速增长趋势。截至 2022 年底，全球算力总规模达到 650 EFLOPS，其中，通用算力规模为 498 EFLOPS，智能算力规模为 142 EFLOPS，超算算力规模为 10 EFLOPS。智能算力规模同比增加了 25.7％，占比达 21.9％。AI大模型预训练数据量呈现指数级增长，对算力的需求也同样呈现指数级的增长。GPT 模型最早的版本可追述到 2018 年，OpenAI 发布的 GPT-1 模型参数量为 1.17 亿，2019 年 2 月发布的GPT-2 参数量为 15 亿，而 2020 年 5 月的 GPT-3，参数量达到了 1750 亿，对应的预训练数据量也呈现指数级增长，从 5G 增长至 45TB，GPT-3 所需要的算力达到 3640PFlop/s-day。

 

爆发式增长的算力需求，为高端算力芯片带来空前的机会。值得注意的是，高端算力芯片进口受阻，国产算力芯片有望迎来发展机遇。GPU为目前应用最为广泛的智能算力芯片。智能算力主要算力来源为智能算力芯片，主要类型包括GPU/FPGA/AI 芯片等，其中 GPU 是应用最多的智能算力芯片，据华经产业研究院数据，2022 年底全球 GPU市场规模约为 448 亿美元、中国 GPU 市场规模约为 83.6 亿美元，其中在 2021 年中国 AI 芯片市场中，GPU 占比达 91.9%，预计到 2025 年 GPU 仍将占据 AI 市场的 80%以上份额。海外厂商仍占据 GPU 芯片主要市场。据华经产业研究院数据，2022 年全球 GPU 市场约 448 亿美元，主要由英伟达、AMD 和英特尔占据，其中英伟达作为 GPU 领域的绝对龙头，全球市占率约 88%，国产替代仍有较长的路要走。

 

03

大模型的发展

G A G E

大模型发展趋势从单模态到多模态和跨模态发展，大模型可将多模态数据融合处理更多融合人类脑神经机制，提升性能，实现智能决策、跨模态任务、运动控制、智能预测反馈。

除去压缩率的提升外，扩展模型的适用场景也成为了当下的重要共识，重点在图片的多模态模型料将成为 2024 年重点升级领域。当前大模型从文字向多模态的升级，是拓展使用场景与商业化前景的重要发展方向。从技术角度出发，当前的多模态模型在文字部分基本沿用了目前语言模型的预训练架构，而在图片部分会使用类似于 ViT 的 Patch Embedding 等方法将图片分割为小像素块再交给模型进行预训练。接下来，多模态模型会使用不同的方法将文字和图片的输入进行对齐。如 T5、CliP 的部分变体等模型会采用交叉注意力的技术使模型在理解一种模态内容时考虑到另一种模态的上下文，帮助模型在处理一个模态的同时，捕捉到与另一模态的直接关系，这也让多模态模型从真正意义上做到了同时理解文字与图片。目前包括谷歌 Gemini 模型在内，使用了多模态的数据，仍主要沿用 Transformer Decoder 的架构，采用 32K 的 Context Length 的思路进行训练。同时为了推理效率，Attention 部分选择了 Multi Query Attention。

我们判断以 Transformer 为底层的多模态模型料将会是 2024 年的重点方向，下一代多模态将会快速拓展目前大语言模型有限的应用场景，显著提高语言模型的泛化能力，并有望在成本方面展现出对传统专有模型的优势，从而推动如 AI Agent 等应用的落地。

 

预计2028年全球大模型市场规模将超过1000亿美元。根据大模型之家、钛媒体数据，预计2023年全球大模型市场规模达到210亿美元，同比增长94.4%。预计到2028年全球大模型市场规模将达到1095亿美元，2022~2028年复合增长率约为47.12%，根据IDC预测，全球生成式AI计算市场规模将从2022年的8.2亿美元增长至2026年的109.9亿美元，CAGR约为91.34%。预计至2028年我国大模型市场规模接近1200亿人民币。预计2023年中国大模型市场规模达到147亿人民币，同比增长110.0%。预计到2028年中国大模型市场规模将达到1179亿人民币，2022~2028年复合增长率约为60.11%，市场规模快速成长。多模态大模型带来AI全新应用场景，多模态内容市场规模有望快速成长。第一财经数据显示，预计至2025年，中国多模态内容市场规模将达到832.7亿美元，2018-2025年复合增长率达65.02%。多模态大模型内容将主要应用于商业定制、医疗、游戏、教育和影视领域。

 

04

人工智能应用场景

G A G E

随着百度、阿里、华为等我国科技巨头的入局以及 AI 技术的迭代发展， AIGC（生成式 AI）正在变革内容产业，ChatGPT 正与搜索、教育、金融等行业融合，加速 AI 商业落地。在 AIGC 场景下，AI 可以灵活运用于写作、编曲、 绘画和视频制作等创意领域。据 TBanic Date 估计，到 2025 年人工智能生成数据占比将达到10%。目前 AIGC 技术可以自动生成文字、图片、音频、视频，甚至 3D 模型和代码，在搜索引擎、艺术创作、影音游戏，以及金融、教育、医疗、 工业等领域的应用前景十分广阔。AIGC 能够以类似人类甚至优于人类的知识水平、制造能力承担信息挖掘、 素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求。长期来看，AIGC 在提高各行业内容创作效率的同时，更有可能孕育出更多的新业态、新模式。

 

05

总结

G A G E

人工智能近年来取得了空前的突破和发展。尽管人工智能当下仍处于弱人工智能阶段，但随着Chatgpt和Sora的推出，人工智能应用有望加速落地，全产业中，底层的算力和算法，中层的基础大模型和场景模型，以及应用端的各个场景和细分行业，都将带来深刻的变革。