全球人工智能报告：美国仍领先，AI公司投资份额53％（270亿美元）；中国第二，占比10％
今年是人工智能年。生成式人工智能的繁荣，动摇了全球最大科技公司之间的力量平衡，为跨行业创新开辟了新的可能性，并增加了监管压力。
仅2023年第一季度，全球人工智能领域的私营投资就达到180亿美元，远高于2022年第四季度的97亿美元。英国首相里希·苏纳克(RishiSunak)将英国视为人工智能监管的未来之家。欧洲加快了《欧盟人工智能法案》的谈判，这是有史以来第一部全面的人工智能法。中国计划在今年年底前起草人工智能相关法案。美国2022年人工智能研发预算较上年增加13%。
然而，尽管人工智能具有改变商业、政府和社会的巨大力量，但全球各国人工智能的发展状况经常引起争议。
本周Tortoisemedia发布了一份人工智能指数报告，该报告显示了当前各国目在全球人工智能竞赛中所处位置以及原因。它使用绝对和相对指标的组合（投资、创新、实施等），来衡量国家间的绝对人工智能能力（规模scale)）以及相对于其人口和经济规模（强度intensity）的人工智能能力。该指数首次呈现了哪些国家表现出色，哪些国家是当今最具活力的人工智能中心：
美国仍然是全球人工智能指数中无可争议的领先者，中国排行第二。今年，由于新加坡的崛起，英国自2019年以来首次失去第三名。英国今年第四，紧随其后的是加拿大，排名第五。
美国得分为100分（满分100分），在实施、创新和投资这三个主要维度上均保持第一。尤其是在投资方面，美国在商业维度得分较高，表现尤其强劲。该指标衡量人工智能产业环境的发展水平，分析人工智能商业企业的数量、规模和资金情况。
中国得分为62分，与美国保持较大差距，在创新和投资方面均排名第二。中国发展维度上得分较高，衡量人工智能新技术的发展和进步的指标，包括对开源人工智能平台的贡献，或在国家层面申请的人工智能相关专利数量。全球AI初创企业的投资份额中，美国2022年占比达53%（270亿美元），中国份额为10%（53亿美元）。从研究论文主题领域和被引用的角度相较，尽管中国在原始产出指数中名列第一，但在前沿发展最重要的研究方面仍然是美国领先。
新加坡得分为50分，从第六位跃升至第三位。该国在大多数相关指标（例如每百万人中人工智能专业人员的数量）上得分很高。即使从绝对值来看，新加坡也通过明确的政府努力取得了巨大进步，这些努力用于促进人工智能在创新、研究和人力资本方面的发展。新加坡在人工智能方面的研发支出占GDP的比重是美国的18倍。
在人工智能强度维度中，新加坡、以色列和瑞士处于领先地位，这意味着这些国家在考虑相对于其人口和经济规模的人工智能能力时，表现最佳。
尽管尼日利亚是非洲最大的经济体和人口最多的国家，但指数报告中该国排名倒数第二，斯里兰卡跟随其后，肯尼亚倒数第一。这三个国家在所有维度上的得分都较低，尤其受到投资水平低和基础设施薄弱的影响。从基本电力、互联网接入到超级计算能力和深度数据库，需要可靠的基础设施，来维持不同人工智能解决方案的运行并提高采用率。
以下是报告中的主要数据与表现，enjoy：
自2019年全球人工智能指数首次推出以来，美国和中国一直保持第一和第二位。
当前美国在人工智能能力的大多数指标上均遥遥领先。这可能要归功于该行业的高素质人才、人工智能研究和创新的进步，以及流向人工智能初创公司的大量私营资金。
在投资方面，美国与中国的差距被进一步拉大。全球私营投资对美国人工智能初创企业的份额，从2020年的51%（225亿美元）增至2022年的53%（270亿美元），而中国的份额则从29%（123亿美元）大幅下降至仅10%（53亿美元）。
新加坡、以色列和瑞士在全球人工智能指数强度排名中名列前茅。与在人工智能发展规模方面领先的美国和中国不同，这些国家在相对于其人口和经济规模的人工智能能力方面，表现最好。
新加坡在人工智能强度和规模上的出色表现，证实了该国近期成为全球人工智能中心的雄心。新加坡在人工智能方面的研发支出占GDP的比重是美国的18倍，该国至少拥有270家活跃的人工智能初创公司（平均每百万人49家）。
在研究和发展维度上，新加坡已从2020年的第14位上升到2023年的第3位和第5位，特别是因为新加坡在过去五年中，对人工智能的人均贡献高于总体增长全球研究论文数量（从2017年每百万人212篇贡献增至2021年每百万人379篇）。
尽管印度在基础设施、投资、研究和发展方面得分相对较低，但目前在该指数中排名第14位。其表现主要归功于其在人才维度方面的实力，自2020年以来印度该维度一直保持第二名。
然而，尽管印度扩大了技术劳动力，但在人工智能创新方面仍落后于更先进的国家。在该指数报告中，印度在衡量人工智能原始活动的指标上表现良好，但在衡量更高水平人工智能专业知识的指标上表现较差。例如，印度对Github上所有人工智能存储库（任何有关人工智能开发的开源存储库，无论贡献者或用户的数量如何）的贡献数量排名第一，但对最重要、高影响力（奠定了人工智能开源生态系统基础的）图书馆贡献仅排名第五。
该报告指数表明，如果印度能够利用其人才进行更前沿的人工智能开发，它就有潜力成为全球人工智能中心。
英国在今年的排名中从第三位上升至第四位。考虑到英国得分基本保持不变，排位变化是新加坡强劲崛起引起的。事实上，英国在人工智能研究、人才和商业生态系统方面拥有整体优势。
英国在人工智能的对内投资方面表现强劲。2013年至2022年间，英国获得了129亿美元的人工智能投资，位居世界第三，人均排名第七——是法国人均投资的两倍多，是德国和中国的近三倍。
然而，与该地区类似规模的经济体相比，英国投资者较少参与本国人工智能公司的融资，尤其是自2020年以来。该指数报告显示，2017年至2022年间，排名前500的人工智能融资轮次中，有46%大部分或全部由英国国内投资者组成。在加拿大和德国，国内份额分别达到51%和57%，而在法国，这一比例为70%。从历史趋势来看，从2018年左右开始，该国国内投资逐渐下降。2016年，100轮最大融资中，68%大部分或全部来自国内投资者。到2022年，这一比例已降至38%。
生成式人工智能热潮
今年，生成式人工智能引起社会、市场、政府和企业的关注热潮。大型科技公司正在投入数十亿美元开发自己的生成式AI大语言模型，而政府则需要解决监管真空问题。
当前各个国家在生成型人工智能能力方面的状况，可以借助以下10个指标构建的迷你指数，衡量生成式人工智能已发表学术论文、专利和私营投资。美国在该指数中排行第一，其次是中国和英国。
就所有研究出版物的原始数量而言，中国处于领先地位。然而，从最重要的出版物来看，美国仍保持着显著优势。专业领域的表现也有所不同。中国关于生成对抗网络（一种稍旧的模型架构，通常用于图像生成）的论文被引用比美国论文多62%。而美国基于文本大语言模型的论文被引用比中国多39%。
因此，从研究论文主题领域和被引用的角度相较，尽管中国在原始产出指数中名列第一，但在前沿发展最重要的研究方面仍然是美国领先。
对于生成式人工智能专利，虽然中国和美国申请人提交的专利数量相似，但美国申请人持有的实际授权专利数量接近10倍，处于明显领先地位。尽管韩国申请人申请并获得的专利数量明显多于英国，但英国任何类型的人工智能专利中生成式人工智能专利的比例（3.4%）显著高于韩国（1.2%），这表明英国的人工智能专利占比更高（3.4%）。英国的重点是生成式人工智能，特别是在专利开发方面。
超过50%的生成式AI初创公司（309家公司中的167家）位于美国，并吸引了全球近70%的私营投资。英国和加拿大分别位居第二（20家公司）和第三（16家公司），但差距较大。
最后，尽管上述指数中评估中，一些国家在生成式人工智能方面表现遥遥领先，但人工智能领域是各国相互影响的复杂组合，我们要避免过度简单化地看待AI的发展。
*备注：上述全球人工智能指数利用了28个不同的数据源，包括政府报告、国际组织、智囊团和私营公司的公共数据库等，来衡量决定人工智能能力的国家生态系统。
其他阅读
特斯拉正成为领先的AI芯片公司
摘要：特斯拉渴望成为世界领先的人工智能公司之一。迄今为止，他们还没有部署最先进的自动驾驶系统，这项荣誉适用于Alphabet的Waymo。此外，特斯拉在生成式人工智能世界中也不见踪影。话虽如此，由于数据收集优势、专业计算、创新文化和领先的人工智能研究人员，特斯拉有可能在自动驾驶汽车和机器人领域实现跨越。
特斯拉渴望成为世界领先的人工智能公司之一。迄今为止，他们还没有部署最先进的自动驾驶系统，这项荣誉适用于Alphabet的Waymo。此外，特斯拉在生成式人工智能世界中也不见踪影。话虽如此，由于数据收集优势、专业计算、创新文化和领先的人工智能研究人员，特斯拉有可能在自动驾驶汽车和机器人领域实现跨越。
特斯拉目前在内部拥有非常少量的人工智能基础设施，只有约4000个NVIDIAV100和约16000个NVIDIAA100。与世界上其他大型科技公司相比，这是一个非常小的数字，因为像微软和Meta这样的公司拥有超过10万个GPU，而且他们希望在中短期内将这些数字翻一番。特斯拉薄弱的人工智能基础设施部分是由于其内部D1训练芯片的多次延迟。
现在情况正在迅速发生变化。
特斯拉计划1.5年内将其人工智能能力大幅提高了10倍以上。这部分是为了他们自己的能力，但也有很大一部分是为了马斯克新成立的人工智能公司X.AI。
今天，我们想深入了解特斯拉的人工智能能力，包括其拥有的H100和DojoD1数量，以及按季度增长情况，以及特斯拉因其模型架构、培训基础设施和边缘推理（包括HW4.0）而产生的独特需求。最后，我们想讨论X.AI在做什么，它是马斯克对OpenAI的竞争对手，从OpenAI挖走了许多著名的工程师。
D1训练芯片的故事是一个漫长而艰巨的故事。它面临着从硅设计到电力输送的问题，但现在特斯拉声称它已经做好了引人注目的准备，并开始批量生产。
特斯拉自2016年以来一直在为其汽车设计内部人工智能芯片，自2018年以来一直为数据中心应用设计。在D1芯片发布之前，semianalysis独家披露了他们使用的特殊封装技术。这种技术被称为InFOSoW。简单来说，可以把它想象成一个晶圆大小的扇形封装。这与Cerebras的整张晶圆大小的AI芯片原理类似，但优点是允许进行已知的良好模具测试。这是特斯拉架构中最独特、最有趣的方面，因为这款InFOSoW内置了25个芯片，没有直接连接存储器。
早在2021年，semianalysis还更详细地讨论了他们芯片架构的优点和缺点。自那以来，最有趣的方面是，由于片上存储器不够，特斯拉不得不制造另一个位于PCIe卡上的芯片来提供存储器连接。
特斯拉本应在2022年提升产量，但由于硅和系统问题，并未这么做。现在已经进入2023年年中，D1芯片终于在提高产量。该架构非常适合特斯拉独特的用例，但值得注意的是，它对内存带宽严重受限的LLM没有用处。
特斯拉的用例是独一无二的，因为它必须专注于图像网络。因此，它们的架构差别很大。过去，我们讨论了深度学习推荐网络和基于转换器的语言模型需要非常不同的架构。图像/视频识别网络还需要不同的计算、片上通信、片上存储器和片外存储器需求组合。
在训练过程中，这些卷积模型在GPU上的利用率非常低。随着英伟达的下一代对变压器，特别是稀疏MoE的进一步优化，特斯拉对其差异化、优化的卷积架构的投资应该会很好地发挥作用。这些图像网络必须符合特斯拉推理基础设施的限制。
特斯拉HW4.0，第二代FSD芯片
除了由台积电代工制造的D1训练芯片之外，但在特斯拉电动汽车内部运行人工智能推理的芯片被称为全自动驾驶（FSD）芯片。特斯拉汽车上的车型极其有限，因为特斯拉有一个非常顽固的信念，即他们不需要巨大性能就可以实现全自动驾驶。此外，特斯拉的成本限制比Waymo和Cruise严格得多，因为它们实际上出货量更大。与此同时，AlphabetWaymo和通用汽车Cruise正在使用全尺寸GPU，在开发和早期测试期间，它们的汽车成本高出10倍，并希望为自己的汽车制造更快（更昂贵）的SoC。
特斯拉第二代FSD芯片自2023年2月开始在汽车上发货，该芯片的设计与第一代芯片非常相似。第一代基于三星的14nm工艺，围绕三个四核集群构建，共有12个ArmCortex-A72核心在2.2GHz主频下运行。然而，在第二代设计中，特斯拉将CPU内核数量增加到了五个4核集群（20个），总共有20个Cortex-A72内核。
第二代FSD芯片最重要的部分是三个NPU核心。三个核心使用32MB的SRAM，每个用于存储模型权重和激活。每个周期，从SRAM向乘法累加单元（MAC）读取256字节的激活数据和128字节的权重数据。MAC的设计是一个网格，每个NPU核心都有一个96x96的网格，每个时钟周期总共有9216个MAC和18432个操作。每个芯片有三个NPU以2.2GHz的频率运行，总计算能力为每秒121.651万亿次运算（TOPS）。
第二代FSD具有256GB的NVMe存储和16GB的MicronGDDR6，14Gbps，位于128位内存总线上，提供224GB/s的带宽。后者是最值得注意的变化，因为带宽一代比一代增加了约3.3倍。FLOPS相对于带宽的增加表明HW3很难被充分利用。每个HW4.0有两个FSD芯片。
HW4.0板级性能的提高是以额外的功耗为代价的。与HW3.0相比，HW4.0级的空闲功耗大约是HW3.0主板的两倍。在高峰期，预计它也会更高。外部HW4.0外壳在10安培时显示为16伏，转换为160瓦的使用功率。
尽管HW4.0的性能有所提高，但特斯拉希望HW3.0也能实现FSD，可能是因为他们不想改造购买FSD的现有HW3.0用户。
信息娱乐系统采用AMDGPU/APU。与上一代有一个单独的子板相比，这也与FSD芯片在同一块板上。
HW4.0平台支持12个摄像头，其中一个用于冗余目的，因此有11个摄像头在使用中。在旧的设置中，前置摄像头集线器使用了三个分辨率较低的120万像素摄像头。新平台使用了两个分辨率更高的500万像素摄像头。
特斯拉目前不使用激光雷达传感器或其他类型的非摄像头方法。在过去，他们确实使用雷达，但在第三代中期就被取消了。这大大降低了汽车的制造成本，特斯拉对其进行了优化，该公司认为纯摄像头传感是自动驾驶汽车的一条可能路线。然而，他们也指出，如果有可行的雷达，他们将把它与摄像系统集成在一起。
在HW4.0平台中，有一个内部设计的雷达，名为Phoenix。Phoenix将雷达系统与摄像头系统相结合，旨在通过利用更多数据创造更安全的车辆。Phoenix雷达使用76-77GHz频谱，峰值有效各向同性辐射功率（EIPR）为4.16瓦，平均EIRP为177.4毫瓦。它是一种具有三种传感模式的非脉冲汽车雷达系统。雷达PCB包括用于传感器融合的XilinxZynqXA7Z020FPGA。
特斯拉AI车型差异化
特斯拉的目标是生产基础人工智能模型，为其自动驾驶机器人和汽车提供动力。两者都需要意识到周围的环境并在周围导航，因此相同类型的人工智能模型可以应用于两者。为未来的自主平台创建高效的模型需要大量的研究，更具体地说，需要大量的数据。此外，这些模型的推断必须以极低的功率和低的延迟来完成。由于硬件限制，这大大降低了特斯拉可以提供的最大车型尺寸。
在所有公司中，特斯拉拥有可用于训练其深度学习神经网络的最大数据集。路上的每辆车都使用传感器和图像来捕捉数据，并将其乘以路上的特斯拉电动汽车数量，得出一个庞大的数据集。特斯拉将其收集数据的部分称为“车队规模的自动标记”。每辆特斯拉电动汽车都会采集一段45-60秒的密集传感器数据日志，包括视频、惯性测量单元（IMU）数据、GPS、里程计等，并将其发送到特斯拉的培训服务器。
特斯拉的模型接受了分割、掩码、深度、点匹配和其他任务的训练。由于有数百万辆电动汽车在路上行驶，特斯拉拥有大量的数据源，这些数据源都有很好的标记和记录。这使得能够在该公司的设施中进行Dojo超级计算机的持续培训。
特斯拉对数据的信念与该公司已经建立的可用基础设施相矛盾。特斯拉只使用了他们收集的数据中的一小部分。特斯拉因其严格的推理限制而过度训练其模型，以在给定的模型尺寸内实现尽可能好的精度而闻名。
过度训练小型车型会导致全自动驾驶的性能停滞不前，并且无法使用收集到的所有数据。许多公司同样选择尽可能大规模地进行培训，但他们也在使用功能强大得多的汽车推理芯片。例如，英伟达计划在2025年为汽车客户提供2000多TeraFLOPS计算能力的DRIVEThor，这是特斯拉新HW4.0的15倍以上。此外，英伟达架构对其他型号更为灵活。
编辑：芯智讯-林子 编译自：semianalysis
水处理公司有哪些中国十大水处理公司排名榜分析
水处理公司有哪些
随着环保需求不断进步，我国水处理行业的发展也越来越迅速;目前我国水处理行业的重要企业主要有北控水务、首创环保、碧水源OriginWater、粤海水务、光大水务、创业环保、中节能国祯、深圳水务、中持CSD、HHO、北排等。
中国十大水处理公司排名榜分析
北控水务：北控水务是北控集团旗下专注于水资源循环利用和水生态环境保护事业的旗舰企业，集产业投资、设计、建设、运营、技术服务与资本运作为一体，水处理规模位居国内行业前列。北控水务服务领域遍布中国32个省市自治区以及国外8个国家，在全球拥有水厂共计1252座，总设计能力为3938.9万吨/日。
首创环保：首创股份创建于1999年，是北京首都创业集团旗下国有控股环保企业，是国内较早从事环保投资的上市公司。首创股份在全国23个省、自治区和直辖市的一百多个城市拥有项目，水处理能力达到2400万吨/日，服务总人口超过5000万，固废处理能力超过4万吨/日。
碧水源OriginWater：碧水源创办于2001年，是一家集膜材料研发、膜设备制造、膜工艺应用于一体的高科技环保企业。碧水源已形成市政污水和工业废水处理、自来水处理、海水淡化、民用净水等全业务链，建成数千项膜法水处理工程，占中国膜法水处理市场份额的70%以上，每天处理总规模超过2000万吨。
SUEZ苏伊士：始于1897年，隶属于法国苏伊士环能集团旗下，集水务运营、水务工程、固废资源管理于—体，享誉全球的臭氧和紫外线消毒技术提供商和设备制造商
中环水务：中环水务创建于2003年，由中国节能环保集团公司和上海实业控股共同出资设立，立足于环保、水务领域进行项目投资、工程建设、设备制造、运营服务、技术开发及咨询。中环水务公司在全国14个省市拥有全资及控股子公司31家，参股子公司1家，日处理规模约1500万吨/日。
粤海水务：粤海水务是粤海控股集团下属集原水供应、自来水经营、污水处理和水环境综合治理等多种水务业务于一体的大型综合水务运营商，截至2020年末，投资运营水务项目70余个，服务全国约7300万人口，水处理规模逾3500万吨/日，规模、收入和利润均位居国内同行前列。
光大水务：光大水务是以水环境综合治理业务为主业的环保集团，已实现原水保护、供水、市政污水处理、工业废水处理、中水回用、流域治理、污泥处理处置等全业务范围覆盖。截至2020年，光大水务投资并持有138个环保项目，设计日水处理总规模逾650万吨。
创业环保：以污水处理为主大型上市公司，国内环保领域的先行者及领先企业。创业环保水处理业务规模565万立方米/日，业务区域拓展到全国15个省市自治区，范围涵盖污水处理、自来水、再生水、污泥处理、危废处理、新能源供冷供热、环保技术产品和服务等领域。
中节能国祯：国祯环保创建于1997年，致力于水资源的综合利用和开发，服务区域遍及国内二十余个省市自治区直辖市。国祯环保为客户提供环保领域的项目投资、科技研发、设计建造、设备制造与集成及项目运营服务。国祯环保旗下运营管理市政污水处理厂数量超过150个，运营规模超过524万吨/日。
深圳水务：深圳水务成立于1981年，主要经营供排水业务、水务投资业务、水务产业链业务、污泥及废水处理业务和河流生态修复业务。深圳水务下辖水厂88座、水质净化厂41座，供水能力980.43万吨/日，污水处理能力397.04万吨/日。
以上就是有关于中国十大水处理公司排名榜的分析，如果还想了解更多行业企业排名的相关内容，敬请关注三个皮匠报告的行业知识栏目。
推荐阅读
我国著名的重工企业有哪些?2022十大重工企业排名介绍
硫化钠生产企业有哪些?2022硫化钠厂家排名榜介绍
商业地产龙头企业有哪些?2022商业地产排名前十企业介绍
本文标签水处理 水处理公司 污水处理 水处理十大品牌 水处理企业排名