人工智能会给社会带来什么一文看懂AI的变革
人类科技迅猛发展的时代，人工智能以精准的算法和高效率的工作能力，在人类的生活与工作中起到愈加重要的作用，现在无论是手机、电脑等电子产品乃至于大型机器都涉及人工智能，为了让大家更好地了解人工智能，所以这次跟大家聊一聊人工智能的事儿~
目录引言到底什么是人工智能人工智能也分强弱人工智能的发展趋势AI带来的威胁论人工智能的瓶颈AI到底改变了什么AI取代人类工作？新工作衍生的猜想迎接AI的浪潮引言人与AI大战：2017年5月23日至27日在中国乌镇围棋峰会上，世界级围棋选手柯洁与谷歌旗下的AlphaGo（一款围棋人工智能程序），进行人机对战，三番棋全败。
[[284306]]
柯洁与AI对弈
程序与AI大战：同年12月7日AlphaZero（AlphaGo最新版）在国际象棋上击败了Stockfish8程序。
Stockfish8是2016年的全球计算机国际象棋冠军，运用的是几百年来累积的人类国际象棋经验，再加上几十年的计算机象棋经验，每秒计算7000万次走法。相较之下，AlphaZero每秒只计算8万次走法，而且写程序的时候完全没教他任何国际象棋规则，它连基本的起手下法都不会！AlphaGo完全是运用最新的机器学习原理，不断和“自己”下棋，就这样自学了国际象棋。
[[284307]]
在AlphaZero与Stockfish8的100场比赛中，AlphaGo赢28场、平局72场，未尝一败。最重要的是，AlphaZero完全没向任何人类学习任何东西，许多获胜走法和策略对人类来说完全是打破常规的，可以说是创意十足，在一定情况下甚至出现“丢车保帅”用弃子当做陷阱的场面屡屡出现，让Stockfish防不胜防。
要知道，AlphaZero用的是类似人类思维来思考问题，而Stockfish运用的是人类过去的经验。也就是AlphaZero用精密的算法加上类似人类的思维方式完胜了运用以往经验和精密算法的Stockfish。
就单从智力游戏领域来说，近几年，人工智能已经在该领域“所向披靡”了，从完胜人类到完胜普通程序，我们不得不去思考，人工智能在未来对我们人类而言究竟会改变什么会带来什么，它会影响什么？
在探究这一问题之前，我们先要了解，尽人皆知的“人工智能”到底是什么。
到底什么是人工智能人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能在计算机领域内，得到了愈加广泛的重视。并在机器人，经济政治决策，控制系统，仿真系统中得到应用。
美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”即人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。
目前人工智能已经涉及到计算机科学、心理学、哲学和语言学等学科。可以说几乎是自然科学和社会科学的所有学科，其范围已远远超出了计算机科学的范畴。所以它将带来的影响也是巨大的。
人工智能也分强弱“弱人工智”能与“强人工智能”两词是约翰·罗杰斯·希尔勒于1980年提针对计算机和其它信息处理机器创造的提出的。
弱人工智能：弱人工智能是擅长于单个方面的人工智能。比如：能战胜象棋世界冠军的Alpha，智能手机中的语音助手，淘宝的智能导购和客服，无人驾驶汽车。它们仅仅只能在各自的领域做好相应的事情。
这时你可能会想：“机器人难道不算是强人工智能吗？”其实不然，目前出现在公众视野中的机器人都还属于弱人工智能，比如：会弹奏乐器的机器人，美国宇航局的全地形六腿地外探测机器人等。它们在接收到信息后，对信息进行转换和处理然后遵循人们编写的程序指令，自动执行并完成一系列的动作。
苹果的智能语音助手“siri”
强人工智能:人类级别的人工智能。强人工智能是指在各方面都能和人类比肩的人工智能，人类能干的脑力活它都能干。创造强人工智能比创造弱人工智能难得多，我们现在还做不到。LindaGottfredson教授把智能定义为“一种宽泛的心理能力，能够进行思考、计划、解决问题、抽象思维、理解复杂理念、快速学习和从经验中学习等操作。”强人工智能在进行这些操作时应该和人类一样得心应手。
它是具有真正推理和解决问题能力的智能机器，并且这样的机器将被认为是有知觉，有自我意识的。可以独立思考，并能找出问题的最佳解决方法，有和普通生物一样的各种本能，比如生存和安全需求。从某种程度上可以看作是一种新的文明。
随着科技的发展，其实人们也重视到强人工智能的发展会对未来有多大的影响和改变，也有许多相关的文章与文献从不同的角度展现了不同的影响力。
好莱坞的很多科幻片也与人工智能相关：
[[284308]]
电影《超能查派》
超人工智能：这是最近年才出现的一个新名词。牛津哲学家，知名人工智能思想家NickBostrom把超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能各方面都比人类强。（对此我不会进行太多赘诉，因为它会涉及到许多未知的情况，我不敢妄下结论）
人工智能的发展趋势在过去不到两百年时间里，我们世界大变样，人类使用几千年的交通工具，被汽车、飞机等各种交通工具取代，飞鸽传书被电话取代，等等。这种科技大爆炸，纵观历史，也是史无前例，如果按数学函数来表达科技进步速度的话，指数函数再适合不过了，而我们目前正处于正处于这个指数函数的拐点（目前还处于一个无法突破的瓶颈），在未来将会迅速增长。这是结合历史与现实所总结出来的结果。
未来学家的预测
如果有看过电影《回到未来》的朋友，应该还记得这样一个场景：生活在1985年的主角回到了1955年。在1955年，他被电视刚出现时的新颖、便宜的物价而震惊。
试想一下，如果这个事情发生在2019年，一个21世纪出生的人，回到1985年，会是怎样的场景？没有智能手机、没有无人机、没有万维网，会比从1985年回到1955年的主角看到更大的区别。这就是“加速回报定律”——1985到2019的平均发展速度要比1955到1985快很多，因为1985要比1955更发达，起点更高，所以变化会更大。简单说来就是：随着时间的推移，科技的进步会越来越大，发展速度会越来越快。
所以有人预测，人工智能的发展速度可能是这样：
再夸张点，可能是这样：
AI带来的威胁论
看到上面，你是不是开始担心了？心想：“人工智能这么快就会发展到超人工智能？那人类岂不是就有灾难了！”
不止你一个人，许多名人大咖也在担心。就比如霍金老师
大家都知道，霍金在生前经常会去预言一些事情，尽管他只是物理科学家。在2017年的一场会议中，霍金这样说道：“在我的一生中，我见证了社会深刻的变化。其中最深刻的，同时也是对人类影响与日俱增的变化，是人工智能的崛起。简单来说，我认为强大的人工智能的崛起，要么是人类历史上最好的事，要么是最糟的。我不得不说，是好是坏我们仍不确定。但我们应该竭尽所能，确保其未来发展对我们和我们的环境有利。我们别无选择。我认为人工智能的发展，本身是一种存在着问题的趋势，而这些问题必须在现在和将来得到解决。”
然而，我要告诉你的是，这种人工智能威胁论在真正的人工智能研究业内并不被认可，甚至被不少科学家嗤之以鼻。
前段时间扎克伯格在一次采访中被问到：“如何二人工智能威胁论的相关问题”
他这样说道：“这些担忧毫无依据，简直就是发神经。人类制造机器就是为了让机器在某些方面强于人类，但是机器在某些方面超越人类不意味着机器有能力学习其他方面的能力，或者将不同的信息联系起来而做超越人类的事情，而这一点非常重要”
[[284312]]
接下来又被问道“科幻小说里那种（机器超越人类）的事情真的有可能发生么？”
扎克伯格解释道：“我们现在担忧人工智能的安全性，就如同两百年前担心要是以后有飞机，飞机坠毁怎么办一样。如果我们总是过度担心安全性，我们就不可能造出飞机。不管怎么样，我们要先造出飞机，再担心飞机的安全”
的确，许多媒体、非专业领域的大咖都对人工智能过度解读了。来自百度首席科学家，人工智能领域的权威、斯坦福大学人工智能实验室主吴恩达也对此进行过发声：“人工智能毁灭人类论就是“炒作”，在那些长期从事人工智能研究的专业人士看来，这项技术远远不值得担忧”
[[284313]]
人工智能的瓶颈
我们现在处于还是弱人工智能阶段。如果把AI当作人类来看的话，可能现在的AI智商就跟人类两岁小孩的智商差不多。
我用通俗易懂的方式给大家讲一讲，目前人工智能的瓶颈到底是什么：
引用计算机科学家DonaldKnuth的说法，“人工智能已经在几乎所有需要思考的领域超过了人类，但是在那些人类和其它动物不需要思考就能完成的事情上，还差得很远。”
在计算机眼里，那些对我们来说很简单的事情，其实是很复杂的。比如：当你用手拿一件东西的时候，你的肩膀、手肘等，瞬间就进行了一组复杂的物理运作，这一切还会用到眼睛、大脑神经（不是学生物的，所以表述可能不准确），使得你的手能都在三维空间中进行运动。
看着下面这个图的时候，你当然能看出来下面这是一个由两种颜色的小长方形组成的一个大长方形，目前的人工智能技术也可以识别。
[[284314]]
好了，你和人工智能打了个平手。那么我们再看看下面这张图，它可能就不认识了
[[284315]]
这是因为AI理解不到更高深的东西，它没有人的神经网络，或者说人类的神经网络太复杂了，以目前的科学水平，我们自己都没能搞明白神经网络，更不要说机器了。
AI到底改变了什么掐指一算，人工智能已经火了好几年了。投资者的疯狂涌入，一大批公司涌入。大到BAT互联网巨头，小到新成立的AI公司。行业的竞争之激烈，据2018年9月的统计数据，全球共有人工智能企业5159家，中国以1122家(不含港澳台)位居第二；北京则以445家的总数，成为全球人工智能企业最多的城市。
然而，每年倒闭的公司也是不计其数，下图是一部分名单：
这些公司明明是要制造AI的啊，怎么都倒在了AI的路上？虽然原因很多，但主要原因还是：他们根本不知道自己要做什么，因为AI并没有创造工作，只是更新了工具。我用例子来说明：
在务农方面：人类的生产工具从锄头发展到了牛，再发展到机械。工具变得越来越自动化，但不管怎么变，人类对农作物的需求没变。在货币方面：人类的交易工具从交换商品发展到了纸币，再发展到移动支付（微信支付、支付宝等）。工具变得越来越方便，但商品的交换需求没变。在出行方面：人类的交通工具从徒步发展到了马，再发展到汽车。工具变得越来越高效，但人类出行的需求没变。所以，工作是根据人们需求的改变而改变的，需求不变，工作不变。但工作所需要的工具会随着时代而更新。
AI取代人类的工作？三十年前，计算机是一个新兴行业，在当时没人会想到计算机只是更新了所有行业的工作效率。更多的人是在害怕自己的工作被计算机取代。的确，计算机是取代了一部分人的工作，但并不是计算机取代了人类，而是利用计算机的人类取代了没有计算机辅助的人类。
如今人们对人工智能的担忧与30年前对计算机取代工作的担忧一样——不是人工智能取代人类，而是利用人工智能的人类在取代没有利用人工智能的人类。
还有一个惊人的事实：45年前，自从美国引进自动提款机(atm机）后，美国银行的柜台从业人数，增加了将近一倍，从25万人增加到近50万人，其中10万人是2000年以后增加的。这不得不让我们去思考，为什么自动化服务到现在还没有让他们失业？过去200年来，那些伟大的发明不都是为了让机械取代人工劳力吗？让机器的精密性取代人工的不确定性吗？
[[284316]]
事实上atm机的出现代替了三分之二的银行柜台人员，同期内，银行建立的分行增长了近百分之四十。结果就是，分行越多，柜台人员越多，但这些银行职员做的工作与之前有点不同，随着他们常规业务的减少，他们变得不太像服务人员，反而更像是推销人员，甚至需要哦与客户培养感情，推销他们的新产品，像是信用卡、贷款、投资型产品。这就说明自动化带来的不仅仅是失业，还有新的甚至更重要更难的工作。
新工作的衍生的猜想哈弗经济学家克雷姆所著《O型经济理论》中指出，一项新工作的诞生，是由一系列互相连接的步骤所组成的链，必须环环相扣才能完成任务，一旦有任何环节出现问题，该任务、产品或服务就会失败。也就是说，每项工作都有其意义和重要性，一旦它消失了也将会衍生出更重要或者是难度更高的工作。而人工智能能给我们带来什么新机遇呢？我们可以大胆来猜测下：
医疗：由于人工智能特别重要的两种非人类能力“连接性”和“可更新性”，在医疗方面，它可以代替普通的药房，从看病到开药，人工智能都可以在网络数据库查找、调用这种病的解决方法，方便、快捷，还不容易“误诊”。别忘了，医生的工作远不止开药这么简单，就拿手术来说，手术是一个非常精细的操作过程，人工智能还远远达不到，甚至永远达不到。
[[284317]]
艺术：其实以现在的科技水平，我们就已经能让机器创作艺术了。但通过AI实现的图片、音乐等艺术形式都需要人工操作。到时候谁来对AI生成的内容进行审核？当然要靠艺术家。将来AI公司研发出的艺术生成软件，卖给谁？当然还是艺术家。所以，AI绝不会取代艺术家，而是会成为提高艺术家创作效率的工具。
[[284318]]
用AI创作歌曲——TED演讲《人工智能为你配乐》
信息检索：在这个信息大爆炸的时代，每天都有无数的信息在发布，如果你想去找到一条你迫切想知道的信息，那么你可能会花上很多时间。而人工智能的搜索引擎就可以帮你的大忙了！！！不同于普通的搜索引擎，人工智能可以帮你检测出你最需要了解到的关键信息。
就比如今日头条搜索，在今日头条上面搜索任何你想知道的资讯信息，它都能如你所愿，去其糟粕，取其精华
使用方法：可以直接用今日头条app上方的搜索框输入你想了解的信息即可。看完本文马上去试一试，你可以体验到真正的人工智能哦~在未来，人类应该会和人工智能创造出一种新的工作模式——由人工智能衍生出来的工作来维持人类的工作需求。举例来说，无人机取代飞行员，有些工作确实消失了，但同时在远程控制、数据分析和网络安全等方面也创造出了许多新的工作机会。美国军方每派出一架无人机飞越叙利亚，就需要有30人在幕后操作；至于收集完数据的后续分析至少还需要几十人，而这几十人的空缺就是新工作。
尽管衍生出来的新工作很多，但也总有一部分人会失业，那么我们要怎么去避免失业，保持自身的竞争力呢？
迎接AI浪潮在高速发展的今天，需求和工具都在不停的变化和更新，想要保持自身价值，只有适应当代工作模式，半生学习变为终生学习。其实写这篇文章我主要想告诉大家，在不管是在未来还是现在，一切的竞争力都建立在学习能力之上，如果没有高效的学习能力，我们的工作终究还是会被代替，而且不是人工智能，更有可能是人类。我们作为新时代的接力者必须掌握一定的技能，思考如何更好的将人工智能与自己的专业、行业结合，而不是一位地想去转专业、转行。做好迎接“第四次工业革命”的准备，至少在人工智能的浪潮翻滚过来时，我们还能顶住风浪，站起来。
不要认为自己完全不擅长学习！计算机是模拟机器，可人类却是天生的学习机器，学习能力是融入我们血液之中的。
最后引用《今日简史》中的一句话来做结尾：
信息技术和生物技术在21世纪会给人类带来的挑战，会比蒸汽机、铁路和电力在上个时代带来的挑战大得多。由于现代文明的破坏力过于惊人，人类实在禁不起更多的测试失败、世界大战。所以，我们只能比面对前三次工业革命时做的更好。
今天的人工智能可以为我们做些什么盘点你不知道的黑科技
提起人工智能，大家可能会想到钢铁侠里面的智能管家贾维斯。只要是你的需要，你的智能管家都能在你的指令下快速帮你办好一切。其实相对来说，现在的AI人工智能距离真正意义上的“智能”还有很长的一段路要走。可以说，近些年来，人类在人工智能方面走的路，才是刚刚启程而已。
[[325388]]
我们今天看到的设备，像亚马逊的Alexa，苹果的siri，谷歌的home和更贴近我们生活的小米智能。这些机器人听起来很智能，但是，距离真正意义上的人工智能还差的远。然而，确确实实的是这些机器人正在改变我们的生活，使我们的生活正向智能化发展。那么今天人工智能为我们做些什么呢？
智能交通
智能交通不仅仅是我们熟悉的电子违章抓拍系统这些，更有智能驾驶机器人驾驶的自动汽车。像谷歌的waymo，就是一款能自动行驶的汽车，它通过监督学习来使它向前开，能自动识别行人和汽车并规避风险。可以说是一款汽车智能黑科技了。
[[325389]]
医疗保健
Arteries是一款新型的人工智能医疗机器人，创造它的科学家使用上万张已经知道结果的CT和病理图片来训练它，这使得arteries能给出和医生相同的诊断结果。这样的一个机器人能够给治疗医生提出意见，更好地诊断脑和肺里的癌症等等。并能够对病人进行实时监控，当病人生理状态不平稳时，能立即反馈给医生。
[[325390]]
农业AI
在人工智能快速发展下的今天，农业也发生了巨大的改变。蓝河科技的see&spray机器通过使用人工智能学习来自各个不同农场的杂草图片，建立数据库，能快速分辨杂草和庄稼，具体到这个机器人能智能检测哪一块植物是杂草并去除，哪一块是庄稼并提出养护意见。还能结合监测设备，实时监测并智能提供意见和执行。
[[325391]]
不管是医疗智能诊断还是农业智能监测，都仅仅只是开始。学习的能力使得人工智能逐渐变得更加“聪明”。专家们认为，一场意义深远的技术变革正在进行中。
262页人工智能深度报告：AI 20，十年之后我们还能做什么
2）非常规性的脑力活动较难被算法替代。相较白领工作，新药开发等科研工作需要更高层次的认知和创造力，并且工作内容多变，难以被算法替代，受到生成式AI的影响较白领更小；
3）常规性的体力劳动容易被自动化技术替代。在零售、制造等行业中，虽然涉及的语言相关工作不多，受生成式AI的影响不大，但工作中有较多重复且任务标准化程度高的内容，容易被机器人等自动化技术所替代；
4）非常规性的体力劳动受影响较小。建筑、餐饮旅游及交运、采矿等行业虽然也包含较多的体力劳动，但难以被自动化的长尾场景较多，目前看来，受到生成式AI和机器人技术的影响都较小。
AI2.0是下一代通用技术平台
我们认为以ChatGPT为代表的大语言模型的出现，使人工智能技术的发展进入了2.0时代。AI大模型已经具备1)通用性强，2）固定成本高但边际成本递减等平台性技术的显著特征，有望成为继PC，移动互联网，云计算，电动车之后，下一个支撑科技创新的通用技术平台。
如下图所示，每一代通用技术平台的出现，都会伴随几家平台性公司的出现。这具体包括，1）主机时代的IBM，2）PC时代的微软和Intel（Wintel），3）智能手机时代的苹果和谷歌，4）云计算时代的亚马逊和英伟达，5)智能电动车时代的特斯拉和宁德时代。当我们进入AI大模型时代，我们认为，以微软为代表的大模型厂商和以英伟达为代表的算力提供方有望受益于AI2.0的崛起，实现平台扩张。
过去，计算机视觉等AI模型需要针对每个特定任务进行数据采集、模型训练等一系列工作，且训练出来的模型无法用到其他场景，这导致边际成本难以降低、难以大规模落地等问题。大模型的出现改变了AI模型的训练和使用的范式。在大模型的新范式下，首先训练出具备跨领域知识的基础模型（FoundationModel），然后通过微调等方式适配和执行下游各领域的任务，能够降低模型落地的边际成本。大模型的新范式带来了成本结构变迁：大模型出现之前的AI1.0时代，模型训练成本和模型数量等比例增加，边际成本较高；AI2.0时代，训练基础模型的固定成本高，但微调以适应下游应用的成本极低，预训练模型+微调的新范式边际成本低，具有明显的平台效应，为AI公司探索新商业模式提供机会。
展望AI大模型时代，我们认为：
1)算力基础设施率先受益：AI大模型推动算力需求快速增长，基础设施的业绩成长确定性最高，主要产业链环节包括计算芯片、服务器、数据中心等；
2)交互终端次之，当前智能手机是大模型应用的主要载体。未来看好大模型能力提升推动AR/VR，无人驾驶车，机器人等成为下一代硬件载体的潜力。
3)大模型平台是当下产业发展趋势中最核心的一环，看好MaaS成为AI大模型时代新的商业模式，关注各国对AI大模型企业监管政策对行业发展的影响；
4)AI2.0最大的投资机会在应用。看好大模型在搜索，电商零售，办公，金融、医药等行业率先落地。
算力需求增长利好芯片送水人
算力需求增长会率先利好算力芯片，光模块，服务器产业链等送水人。根据OpenAI测算，目前算力的增速（翻1倍/3-4个月）远超过摩尔定律（翻1倍/18-24个月），未来AI应用的逐步丰富，将推动推理芯片等相关市场保持强劲增长。我们预计2025年左右当生成式AI应用大规模落地后，数据中心用推理及训练芯片市场约900亿美元，带动先进代工、先进封装、光模块、服务器在内相关产业链。
算力芯片：全球900亿美金市场，训练英伟达一家独大，推理百花齐放。我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。我们预计全球有约30家科技巨头和300家AI大模型初创企业在进行算力相关投资。到2025年，这对应大约每年300亿美金训练芯片和600亿美金的推理芯片市场。其中，英伟达凭借CUDA软件框架构建的强大行业壁垒，在训练芯片市场一家独大，推理芯片方面，海外客户除了采用英伟达、AMD等的通用GPU以外，也会采用TPU等ASIC以提高性价比。国内客户出于供应链安全考虑，逐步提升国产芯片的适用占比。海思，寒武纪，燧原等企业都有较好发展。
服务器/PCB/先进封装：AI服务器增速超传统服务器，高算力需求带动先进封装需求。从GPU到AI工厂，我们认为AI计算会为整个服务器产业链带来增长。相较于全球传统服务器需求持续低迷，根据IDC预测AI服务器21-26年复合增速有望达到17%。我们看到从单颗GPU芯片H100，通过NVLINKSwitch形成一颗巨型GPU，然后通过QuantumInfiniBand技术，搭建有上百张GPU的DGX服务器，最后把多台DGX联通形成一台AI超级计算机，整个系统的搭建过程会带动包括服务器整机、PCB、光纤光缆、电源在内的整个服务器产业链的性能升级。在先进封装领域，产业从2.5D封装正走向3D封装，根据Prismark预测ABF载板作为先进封装关键材料有望在21-26年实现复合增速11.5%，而相关测试设备有望长期受益于Chiplet和国产替代趋势。
光模块：AI大模型推动800G光模块迎放量元年。以ChatGPT为代表的AI大模型，对数据中心内外的数据流量都提出了新要求，将带来光模块行业“量”和“质”的双重提升。以ChatGPT为代表的AI大模型训练中，由于需要海量数据及跨机器协作，产生了大量的数据中心内部通信需求，无阻塞的胖树结构成为当下最主流的AI训练网络架构，带来两方面主要变化：1）量方面，AI网络架构带来数据中心内部交换机、服务器数量的增加，光模块作为数据中心内外部连接的核心部件，用量将明显提升；2）质方面，AI对于高速率、大带宽的网络需求将推动光模块向800G加速升级，根据Lightcounting预测，2023将成为800G光模块放量元年，2028年800G出货量有望达998万只，对应2023-2028年复合增长率为72%。在此产业趋势下，我们认为能够提供高速光模块的龙头企业以及上游光器件、光芯片厂商有望迎发展机遇。
谁会成为2.0时代的硬件载体？
展望未来，我们认为大语言模型会大幅提高硬件产品的“思考”能力，机器人技术的发展会提高硬件产品的“行动”能力。一个同时拥有（1）超强感知能力，（2）通用人工智能（AGI），和(3)灵活的行动能力的硬件产品，可能就是现在大家畅想中的人形机器人。虽然很难预判什么时候这个产品能够实现，但在最终实现人形机器人的过程中，我们相信会催熟ARVR，无人驾驶车等很多新的硬件形态，带动产业发展。
世界最后需要几家大模型公司？
我们认为是否拥有大模型将成为科技巨头科技平台企业的重要分水岭。目前AI行业呈现出“百模大战”的格局，我们认为未来基础大模型可能呈现国内外各有数个赢家的寡头竞争格局。类比云计算领域，国外有AWS（亚马逊）、Azure（微软）和GCP（谷歌）三巨头，国内有BAT和华为，前期基础设施的巨大投入造成了云计算的寡头市场格局。与云计算类似，基础大模型需要耗费大量算力和数据标注成本，并且随着规模的增加，其训练费用将指数级增长。在高壁垒和地缘政治等原因下，未来基础大模型可能在国内外各自形成寡头竞争格局。
AI大模型是一个资本密集，人才密集和数据密集的产业，如何形成“数据-模型-应用”的飞轮，是大模型企业成功的关键。具体而言，大模型的诞生以算力基础设施为根基，以算法为骨干，以高质量数据为血肉；大模型结合具体应用场景的落地产生应用；用户使用应用的过程中产生数据，数据又得以反哺模型。由此，从大模型的训练到应用落地产生闭环，我们认为“数据-模型-应用”的飞轮能否运转是大模型企业可持续发展和迭代的关键。
MaaS可能成为AI大模型时代新的商业模式。过去云计算架构主要分为IaaS、PaaS、SaaS三层，经过多年发展，出现了像微软，MongoDB，Adobe等一批代表性企业。未来，我们认为，MaaS(ModelasaService）可能成为AI大模型时代一种新的商业模式。如上所述，大模型具有固定成本高，通用性强等特点，MaaS企业依托已经训练好的大模型，向2B客户提供包括API调用、模型训练、模型微调、模型部署服务等各类服务，数据，算法，算力将是MaaS企业的主要竞争壁垒。目前，国内，阿里，百度，商汤等都已经宣布提供类似服务。
监管政策是规范AI大模型健康发展的基础，关注国内政策落地进展。大模型由于涉及到大量个人和企业数据，生成内容中存在虚假信息等风险，是当前全球各国监管关注的重点。23年6月，欧洲议会在全球率先通过《人工智能法案》，对AI模型提出了版权披露、保障隐私与非歧视等基本权利、风险分级监管等要求。23年4月，国家网信办发布发布《生成式人工智能服务管理办法（征求意见稿）》，明确要求，符合大模型生成的内容需要符合"社会主义核心价值观"，并要求人工智能企业在提供服务前，向国家网信部门申报安全评估；并按照《互联网信息服务算法推荐管理规定》履行算法备案和变更，注销备案等手续。关注监管政策落地对行业发展的影响。
如何把握大模型应用的机会
长期来看AI2.0最大的机会在应用。根据科大讯飞董事长刘庆峰的观点，通用人工智能应当具备文本生成、语言理解，知识问答、逻辑推理、数学、代码、多模态等七大维度的能力。通过对AI在搜索、电商零售、办公、金融法律、影视游戏，医药、教育、汽车等行业应用前景的分析，我们认为，AI应用的落地节奏或与行业数字化程度成正比，我们看到AI大模型在互联网（搜索+广告营销）、办公、金融等领域率先迎来“iPhone时刻”。其中最值得关注的应用包括：1）知识对话在电商、金融、医疗等行业替代传统客服；2）文本和图像生成在办公、广告营销、金融、影视游戏等领域成为下一代生产力工具；3）多模态能力拓宽人类探讨世界的范围，特别是在新药开发上的应用前景。
AI+搜索：输入输出模态多样化，有望集成全新商业模式，打开行业天花板。传统的搜索行为往往需要经历长时间的判断过程和多轮的互动，而AI技术的加入，将从底层结构上改变搜索形态，以GPT为代表的大模型加持赋能搜索行业：1）创造性内容生产与输出，AI大模型可以利用大量实时文本数据学习语言的规律，并根据用户指示创造性地完成特定需求下各种类型的文本输出，如故事、诗歌、摘要、代码等。2）拓展搜索的多模态能力，利用AI技术处理视频、图片、语音等多种形式的信息，使搜索不再受限于信息的形态。AI+搜索的诞生便吸引了全球的注意力，内置AI聊天功能的NewBing搜索引擎在推出一个月后日活跃用户已突破1亿，自NewBing推出以来，聊天功能使用次数累计超过4500万次。根据Industrygrowthinsight，2021年全球搜索市场规模为109.0亿美元，预计2023年达到123.6亿美元。同时AI+搜索也催生出未来新的商业模式，例如微软目前内部正在探讨在生成回复的引用链接中放置订阅制和弹出式广告的可行性，有望进一步打开新的市场空间。
AI+电商零售：定制化内容生成；个性化营销推广。目前广告/营销行业存在单位推广成本高、转化率低的痛点，AI能赋能行业生产力的提升，主要体现在：1)创新广告形式，提升信息传递效率，形成强流量、高互动，提高广告营收；2)提高营销内容生产效率、推进个性化营销；3)有望推动营销服务商商业模式革新、毛利率提升。通过以上赋能，行业增长空间有望提升，盈利能力。目前海内外AI+广告/营销应用百花齐放，例如，国外Adspert利用AI将广告全自动化，优化亚马逊广告竞价投放，增加销售额，提升投产比；国内腾讯广告大模型赋能广告制作环节，同时助力提升广告主15%GMV。
AI+办公：生产力的又一次跃升；重塑内容生产、沟通、协作模式。生成式AI当前在办公领域的应用主要包括改善生产力、沟通、协作工具等应用方向。以Microsoft365Copilot为例，Copilot通过把GPT-4提供的内容生成功能，与存储在Graph数据库中的企业数据，以及Word、Powerpoint、Excel、Outlook、Teams等办公工具相结合，提供包括内容创作、数据分析、辅助决策等一系列新功能。生成式AI将传统的点式交互升级为自然语言的交互方式，能够实现更灵活的功能调度，进一步降低办公场景的沟通协作成本，提升工作效率。此外，生成式AI能够挖掘办公场景中的数据价值，提供知识管理等功能，进一步提升产品的价值空间。
AI+金融：广泛应用于银行、保险、资管、投顾等环节，助力金融机构降本增效。我们认为垂直行业的高价值量数据对于AI大模型的训练和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望成为AI大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。过去，理解式大模型主要用于信息识别与挖掘，例如风险识别、客户识别等等。生成式AI的主要落地场景包括应用于各金融子行业的智能客服以及内容生成，例如投研领域的研报生成、投顾领域的投资建议生成、保险/资管领域的合同模板生成等等。
AI+游戏：AIGC带来玩法体验端的创新升级，以及生产营销端的降本提效。1)玩法体验端:目前看AIGC有望在NPC智能交互及玩法设计创新方面加速应用，AINPC的不断成熟将改变游戏玩家与角色的交互方式，进一步提升游戏沉浸感；同时，AIGC带来的UGC等玩法创新也有望带来全新的游戏类型，进一步提升游戏内容的丰富度及自由度。2)生产营销端:以ChatGPT等大语言模型为基础的文本类Al生成工具、StableDiffusion及Midiourney等Al图像生成工具、Gen2等Al视频生成工具等已在游戏行业各环节有所应用，同时英伟达、微软、EpicGames、Unity等基于原有产品或服务纷纷推出AIGC功能。随工具化AIGC产品和服务快速迭代，行业“卖铲人”将加速AIGC对行业赋能，带来进一步的降本提效空间。
AI+教育：虚拟个性化辅导教学，提升教学质量同时降本增效。传统教育具有人工成本高、内容同质化以及资源分配不均匀的弊病。基于多模态模型在文本、图像等领域取得重大突破，生成式AI技术有望协助构建智慧教育新生态。近期国内外多家公司发布AI+教育产品，例如多邻国在“Max订阅方案”中推出两项基于ChatGPT-4设计的教辅功能、网易有道发布AI口语老师以及科大讯飞发布“1+N”星火认知大模型等。随着大模型的迭代升级，我们看好生成式AI应用于个性化辅导、AI虚拟教师等领域，助力打造全新的低成本、个性化自适应教育模式，推动优质教育资源的规模化应用。同时建议关注AI+教育带来的智慧校园、智能终端等硬件设备，以及相关IT基础设施、云服务等软件设施的投资机会。
AI+医疗：拓宽人类对自然界的认知半径，探索科学边界。医疗健康领域是人工智能率先落地的行业之一，也已经催生了Nuance、IBMWatson等一批全球知名企业。随着基于大模型的生成式AI的出现，我们看到AI+医疗有望迎来一波新的发展机遇。我们看好生成式AI：1）应用于实时病例生成、医疗影响分析等领域，从而发挥提高问诊效率、降低数据分析的人工成本等作用；2）赋能药物发现源头创新，探索自动根据功能需求设计/优化蛋白质、给定抗原等目标蛋白生成抗体等，加速药物发现流程。
AI+汽车：降低数据搜集、处理成本，优化驾驶体验，高级别智能驾驶落地可期。无人驾驶看上去很美，但一直很难落地。无人驾驶是最早被提出的人工智能应用场景之一，谷歌、苹果、特斯拉、百度等海内外科技巨头从2016开始就积极布局，但直到现在仍很难实现大规模商用落地。我们认为，1）多维度数据的获取和标注成本高，2）对小概率事件的决策准确度和人类还存在较大差距，3）事故时法律权责归属不明确，是制约其发展的部分原因。我们认为，1）以ChatGPT和SAM为代表的AI大模型的引入，自动标注、虚拟仿真等技术的引入大幅降低模型中数据的采集和处理成本；2）感知、预测、执行全流程算法迭代，体验能力的提升有助于从行业整体层面加速高级别智能驾驶的量产落地。看好AI大模型赋能之下，降低数据标注成本，提升感知预测执行全流程能力。
2023年十大机会
长期来看，我们认为全球科技行业的发展会沿着元宇宙，人类永生、和星际文明三个维度演进。其中，1）追求永生是推动人类进步的动力之一，未来脑机接口、纳米机器人等前沿科技有望继续延长人类寿命；2）元宇宙是互联网的下一站，也是人类数字化迁移的下一步；3）移民火星的意义在于为人类文明留下“备份”，随着航天技术突破，星际旅行与火星移民终将实现。
AI大模型企业是如何炼成的
我们认为AI大模型是一个资本密集、人才密集和数据密集的产业，如何形成“数据-模型-应用”的飞轮，是大模型企业成功的关键。我们看到海外企业中，微软&OpenAI、谷歌已经逐步形成AI大模型的飞轮。当前，国内百度、阿里、商汤、华为等积极加入，行业呈现“百模大战”的竞争格局，能否形成飞轮是最后能否胜出的关键。
海外大模型：微软&OpenAI、谷歌、英伟达、Meta、AWS
微软&OpenAI领先，谷歌追赶，Meta防御性开源，英伟达转型算力云服务微软和OpenAI是目前大模型技术水平、产品化落地最为前沿的领军者，其对颠覆式创新的持续投入是当前领先的深层原因。谷歌技术储备丰厚，自有业务生态广阔并且是AI落地的潜在场景，但管理上未形成合力，目前正在产品化、生态化加速追赶。英伟达是AI芯片领军者，CUDA框架构筑了其它芯片公司难以逾越的护城河，目前正在从硬件向算力云服务、MaaS等商业模式转型。Meta在产品化上进展缓慢，选择模型开源的防御性策略，以应对OpenAI、谷歌等竞争对手的强势闭源模型。AWS作为领先的云服务厂商，超算技术布局领先，但是在AI大模型竞争上的应对稍显迟缓。
OpenAI：全球领先的AI初创企业
发展历程：从非营利开端到向营利性全面转型OpenAI是美国一家人工智能研究实验室，由非营利组织OpenAI和其营利组织子公司OpenAILP所组成，公司致力于构建安全的通用人工智能（AGI）以造福人类。
非营利开端：硅谷领军人物云集，创建非营利组织以促进AI发展。非营利性的AI项目OpenAI于2015年宣布正式启动，由许多硅谷领军人物共同创建，例如硅谷创业孵化器YCombinatorCEO的SamAltman、GoogleBrain的IlyaSutskever、时任互联网支付处理平台StripeCTO的GregBrockman以及特斯拉的CEOElonMusk等，许多创始人都曾是被誉为“深度学习教父”GeoffreyHinton教授的学生。公司把生成式预训练模型（GenerativePre-trainedTransformer，GPT）确定为主要研究方向，先后推出并开源预训练NLP模型GPT-1，以及采用迁移学习技术、能实现多个NLP任务的GPT-2。
向营利性转型：与微软深度绑定，推出掀起生成式AI浪潮的ChatGPT。2018年，由于ElonMusk担任CEO的Tesla等公司也在开发AI技术，存在利益冲突和人才争夺等矛盾，ElonMusk辞去OpenAI董事会席位。为支撑大模型训练的高算力和资金需求，同年，有限营利公司OpenAILP成立。2019年，OpenAILP接受微软10亿美元投资，与其达成独家合作伙伴关系。在强大算力和充足资金的助力下，OpenAI沿着GPT路线持续发力，2020年推出拥有小样本泛化能力的GPT-3，2022年推出加入指示学习（InstructionLearning）和人类反馈的强化学习（ReinforcementLearningfromHumanFeedback，RLHF）的InstructGPT，并于2022年发布产品化的ChatGPT，掀起了一股席卷全球的生成式AI浪潮。
全面转型：加快商业化步伐，构建生态圈。2023年1月，微软宣布与OpenAI的长期合作伙伴关系进入第三阶段，将继续向OpenAI投资数十亿美元，并加速产品与技术的整合。2023年3月，OpenAI发布工程化的多模态GPT-4，并与各个领域的软件开展合作；同月，OpenAI发布ChatGPTPlugins（ChatGPT插件集），将GPT大模型能力与面向用户的第三方应用程序互联，应用空间想象力广阔。
AI赋能百业：产业变革的奇点
自OpenAI发布ChatGPT掀起AI浪潮以来，国内外科技巨头陆续在AI大模型领域加快布局，人工智能也因此催生出许多创新性领域以及传统领域多个环节的变革，有望实现下游应用百花齐放。其中，企业服务领域，AI赋能办公行业生产力、沟通和协作工具，持续带动生产效率及沟通协作效率提升；汽车领域，AI模型的引入增强了智能驾驶在感知、预测和决策方面的能力，加速无人驾驶的应用与落地；工业领域，AI加码助力工业研发、生产、管理及服务等全环节，极大解放生产力，加速工业智能化水平；金融领域，AI在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。我们认为，伴随技术和各大模型的升级迭代，AI将赋能百业，催生出更多环节的创新型变革。
AI+企业服务：赋能生产力/沟通/协作工具
数字化时代，办公行业生产力、沟通、协作工具不断演进，持续带动生产效率及沟通协作效率提升。以Microsoft365Copilot为例，Copilot通过把GPT-4提供的内容生成功能，与存储在Graph数据库中的企业数据，以及Word、Powerpoint、Excel、Outlook、Teams等办公工具相结合，提供包括内容（包括文字、图片）创作、数据分析、辅助决策等一系列新功能，功能丰富度上，远超notion.ai等现有的基于AI的办公软件。
AI+工业：ChatGPT引领AI赋能工业，工业智能化水平或将加速提升
ChatGPT引领AI大模型突破，随着AI技术和工业领域深度融合，工业AI应用或将迎来高速发展窗口。随着2023年3月OpenAI正式发布大型自然语言处理模型ChatGPT-4，同月微软将其旗下Azure云服务Azure、Microsoft365办公软件、Bing搜索引擎、PowerPlatform低代码开发平台等产品与ChatGPT深度融合，生成式AI在文本、代码、视频等一系列应用领域的前景逐渐明晰。
AI大模型+工业所形成的核心产品、方案与服务，是AI赋能工业的主要载体。其中主要包括四个方面，按层级关系可分为基础软硬件、智能工业装备、自动化与边缘系统、平台/工业软件与方案。其中，基础软硬件是指各类芯片/计算模块、AI框架、工业相机等相对通用的软硬件产品；智能工业装备是指融合智能算法的机器人、AGV（自动导向机器人）、机床等工业生产制造设备；自动化与边缘系统是指融合了智能算法的工业控制系统；平台/工业软件与方案则是指各类具有AI能力的工业互联网平台及其衍生解决方案和应用服务。以上应用通过识别类应用、数据建模优化类应用及知识推理决策类应用三种模式被广泛用于工业研发、生产、管理及服务等全环节。
AI大模型赋能创成式设计，生成式AI未来或可为CAD软件提供大量可供选择的模型。创成式设计是一种利用AI技术根据一系列系统设计来自主创建优化设计的3DCAD功能。其特点在于能在设计师给定的约束条件和目标下，借助AI的能力来快速生成满足要求的目标模型，供设计师从中选择合适的模型进行进一步的设计优化，从而提升设计效率，降低设计成本。从目前来看，生成式AI在严谨理性的数学和逻辑领域的能力相对文字领域仍然比较有限，但未来随着以GPT为代表的通用大模型逐渐成熟，工业设计数据库不断丰富，CAD有望一方面借助生成式AI对设计进行参数优化，另一方面借助大量的设计模块数据库生成推荐的设计草图。
AI+金融：坐拥数据富矿，有望成为AI大模型率先落地的垂直领域之一2023年3月以来，多家金融机构、金融服务机构发布其AI大模型：彭博发布支持金融领域的自然语言处理（NLP）任务的BloombergGPT，中国农业银行推出类ChatGPT的大模型应用ChatABC，中国工商银行发布了基于昇腾AI的金融行业通用模型。我们认为垂直行业的高价值量数据对于AI大模型的训练和垂直领域应用至关重要，金融行业数字化程度领先，拥有数据富矿，有望成为AI大模型率先落地的垂直领域之一。应用端，我们看到生成式和理解式大模型在银行、保险、资管、投研、投顾等多个细分领域正在落地或拥有潜在落地场景，帮助金融机构降本增效。
生成式大模型应用于银行领域则可提高客户服务质量，智能客服既能与用户进行多轮对话，还能提出具体可行的解决方案。比如，中国农业银行近期推出的AI大模型ChatABC1.0，拥有在金融领域的知识理解能力、内容生成能力以及安全问答能力，当前已通过平台问答助手、工单自动化回复助手等形式面向内部员工试用。
AIforScience：人工智能助力科学探索的新范式
AIforScience是指以机器学习、深度学习等人工智能技术分析处理多维度、多模态、多场景下的模拟和真实数据，解决复杂推演计算问题，加快基础科学和应用科学的发现、验证、应用，打造下一代科学范式。如下图所示，AIforScience主要包括：（1）蛋白质结构分析等生物制药,（2）新材料研发，（3）核聚变等前沿物理，（4）气候预测等地球模拟和天文探索，（5）飞机引擎，汽车动力结构，建筑等工业设计领域。
报告原文目录如下
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
本报告共计：262页。受篇幅限制,仅列举部分内容。
精选报告来源公众：【幻影视界】,回复关键字“202306”，获取完整PDF电子版返回搜狐，查看更多
人工智能给我们带来了什么
我相信，机器永远无法胜过人类，因为它没有人类的情感，思考和想法是多变的思维，也不会获得人类那样的智慧和经验。但我们必须重视人工智能，考虑如何应用人工智能，它能够为我们带来什么，让人工智能更好地服务人类。
但是我们应该如何适应新的时代，时代更替时，不适应是必然的反应。但就在大多数人都怨声载道的时候，有些人却悄悄地走上了人生的捷径。现在也一样，时代的交替会改变社会的价值取向。这时能否脱颖而出，主要看你是否具有新时代需求的价值，而不是看你是否符合旧时代的上升规则。
现在也一样，时代的交替会改变社会的价值取向。这时能否脱颖而出，主要看你是否具有新时代需求的价值，而不是看你是否符合旧时代的上升规则。
所以我认为，要符合新时代的价值。以下三种能力是你需要认真考虑的：
1.指挥AI做事的能力
既然AI把“打下手”的事情都做了，那就不要跟它比效率，直接学会使用它。如同当年自动化代替了普通工人，却另外需要高级技师来控制这些机器。
指挥好AI的关键不在于操作，因为AI交互的过程一定是被简化的，本身没有门道。而是如何吃透AI的工作能力，熟知市场上各类AI特性，清晰的区分什么是AI能做的，什么当前做不了的。
所以，以后每个最懂AI的人，最会挖掘AI价值来服务生产和管理的人，会非常吃香。
2.用AI自我强化的能力
能让AI帮企业节省时间和精力，也同样能让AI帮自己分担工作量。实现工作效率和技能的双向提升。
如果你是个文字工作者，你可以让AI助理按你的要求把全网的素材都整理好，并且按照你之前的行为喜好把素材分优先级，把优先级最高的内容给你。当一个文字工作者节省了取材的工作，工作量至少减半！
在以后，一个人就像一家公司，我们用到最多的能力是管理和运营能力。AI就是我们的员工，我们给它分工，它帮我们挣钱。
3.在AI发展中找机会的能力
目前AI还处在发展期，还未成型，没形成统一的标准。它到底会带来怎样的商业机会，谁都无法下定论。但你要持续关注它，否则一不留神可能就错过最适合你的机会。
正如当年的互联网，最初从技术上看就只是传递信息。所以早期互联网做的都是新闻门户（新浪、搜狐），单纯的充当纸媒的作用。
但继续发展出现了博客，相对精英的人开始发表观点；很快老百姓也想表达，就出现了论坛；交流完了想见面，就出现了社交网络；网上的人足够多了，开始做起了生意，有了电商和支付；最后移动互联的普及，靠手机把所有人都连到网上，互联网终于无所不能。
互联网就是这么一步一步，从官方到精英，再到老百姓。想想06年做淘宝发家的，和这几年当网红发家的，都是草根。但太多人对互联网过早的下了定义，认为和自己无关。等到身边有人获利，再去关注已经晚了。
所以，不论现在你与AI的距离如何，都请长期关注它的发展。每一次技术革命，最终都是对大众生活的升级。那就肯定有属于大众自己的机会，你经常关注AI发展，就能最早的GET到这个时机。
全世界的聪明人都在做三件事：
1、赶趋势
2、找平台
3、抓机遇
有贵人为你指路！当机会来临时，如果非要全部弄懂，全部搞清楚了，把自己当成教授，当成专家来研究，等你全部弄清楚了才出手的，机会早就成了别人的故事。智慧的人总是善于把握时机！已经进入大数据时代，人工智能浪潮已来：
阿里上市后，投一万赚26.6亿
腾讯上市后，投一万赚1.44亿
百度上市后，投一万赚1780万
格力上市后，投一万赚1651万
茅台上市后，投一万赚1095万
聚商圈上市，投一万赚500万
东阿上市后，投一万赚416万
海尔上市后，投一万赚367万
五粮液上市，投一万赚234万
六个核桃上市，投1万赚600万
小米上市一万赚3百多万
拼多多上市，一股赚了866倍
人工智能大时代，接下来会更疯狂，你准备好了吗？你还在等什么呢？
3.5万元让你站在人工智能的风口上！小白人——餐桌智媒体，一款基于大数据、人工智能、物联网等新技术的智媒体终端设备，开辟了一种实现信息与用户需求智能匹配、人机交互的媒体新形态。小白人拥有广告投放、游戏交互、智能餐饮三大核心功能，为餐饮商打造智能餐饮，为消费者丰富用餐体验，为广告主高效转化产品，为合伙人实现躺着赚钱！返回搜狐，查看更多
边缘人工智能(Edge AI)能为我们做些什么
本文来源TheEuropeanSting和世界经济论坛，作者：KayFirth-Butterfield
人工智能(AI)是一种分散式计算，它允许设备在与用户交互的最近点做出以数据为主导的决策。这种技术的好处包括改善隐私和节省成本，但数据通常在处理后被丢弃。即将到来的进步，包括5G技术和成本更低的处理芯片，将使边缘人工智能对某些应用越来越有用——从智能家居设备到医疗技术。想象一下，您希望您的新智能恒温器能够快速调高温度，以便在异常寒冷的一天下班回家后，您的房子会变得温暖。您从智能手机连接并要求它采取行动。您不会知道，但该操作可能需要几秒钟，因为它将您的请求发送到云并接收返回的指令。
现在再想象一下，你乘坐的自动驾驶汽车突然感觉到一条狗跑到了你面前的道路上。汽车需要在几毫秒内做出反应才能避免灾难。这种反应需要边缘人工智能(AI)——这种技术可以在与用户互动的最近点做出决定，在这种情况下，汽车的传感器至关重要。这就是瞬间决定的定义。
动态数据借助当今的物联网(IoT)，数据始终处于动态之中。它从遗留系统流向云，一直流向边缘设备，并超越组织的系统流向合作伙伴和客户。答案需要实时传递，因此当可以通过边缘设备处理数据时，使用集中式计算能力并不总是有效的。当自动驾驶汽车只有几毫秒钟的反应时间时，它没有时间等待云端做出决定。
无论设备位于何处，都可以将大量数据输入到边缘的AI算法中，而且好处很多。动态数据可以将重要的患者信息传递给医生，缩短游乐园的排队时间，提醒电力公司注意潜在的停电情况，并使自动驾驶汽车及时做出反应以防止悲剧发生。
边缘AI允许设备在设备级别自行做出这些决定。它不一定必须连接到互联网来处理数据。考虑一款可以监控您的睡眠模式的手表，但它不是将数据推送到云端进行存储和处理，而是将数据记录在手表本身上进行处理。
支持边缘的人工智能设备还包括视频游戏、智能扬声器、无人机和机器人。安全摄像头也可以启用边缘功能——工厂车间的摄像头在制造过程中寻找产品缺陷，可以快速识别哪些产品需要立即拉出。当速度可以挽救生命时，边缘AI还可用于分析紧急医疗护理的图像。处理能力越接近，响应时间越快。
尽管边缘技术不会取代云，但仅属于您的用户数据（例如您的睡眠模式或游戏数据）可以在支持边缘的设备中进行处理。这种数据的去中心化解决了隐私问题，这是物联网市场的一个重要问题。边缘AI可以在不损害隐私的情况下提供便利。而且，在某些情况下，它可能更便宜——一家公司目前正在开发声控家用电器，例如洗衣机和洗碗机，使用每个售价几美元的微型微处理器。
“当谈到我家里那些的小玩意儿，我其实更希望它们不那么智能”——克莱夫·汤普森，《连线》例如，咖啡机的语音识别AI只需要识别大约200个单词，所有单词都与煮咖啡的任务有关。想一想，《连线》记者克莱夫·汤普森说：“我不需要讲坏笑话或实现自我意识的电灯开关。他们只需要识别“开”和“关”，也许还有“暗”。当谈到与我共享房子的小工具时，我实际上更希望它们不那么智能。”
除了更快、更便宜的处理之外，边缘人工智能不需要不断扩展的互联网。随着物联网的快速发展，现在有大量数据在边缘被感知和产生——Statista估计到2025年这个数字将达到近80Z字节。
这是如此的巨大，以至于使用当今互联网的带宽将所有这些数据从边缘设备传输到云服务器进行存储和处理在技术上是不可行的。即使带宽可用，也需要有足够的数据中心资源来处理所有数据。更少的带宽需求转化为成本节约。大约10%的企业生成数据是在传统的集中式数据中心或云之外创建和处理的。Gartner预测，到2025年，这一数字将达到75%。
平衡风险和回报物联网世界中最令人烦恼的问题之一是，大量买不起设备或生活在没有本地网络的农村地区的人可能无法参与对我们日常生活的改造。网络容量有限的历史可能会成为恶性循环。边缘网络构建起来并不简单，而且可能很昂贵。发展中国家通过需要更新的边缘设备处理数据的能力可能会进一步落后。因此，边缘计算的增长是结构性不平等可能增加的另一种方式，特别是因为它与改变生活的人工智能和物联网设备的可访问性有关。
边缘人工智能的另一个风险是，数据在处理后可能会被丢弃——就其“在边缘”的本质而言，这意味着它可能无法进入云端进行存储。可以指示设备丢弃信息以节省成本。虽然中央处理和存储肯定有缺点，但优点是数据在需要时就在那里。
人工智能、机器学习、技术
世界经济论坛如何确保人工智能的发展使所有利益相关者受益？人工智能(AI)正在影响社会的方方面面——家庭、企业、学校甚至公共场所。但随着技术的快速发展，需要多方利益相关者合作来优化问责制、透明度、隐私和公正性。世界经济论坛塑造技术治理未来的平台：人工智能和机器学习正在汇集不同的观点，以推动创新和建立信任。能够充分利用人工智能的工作领域之一是人力资源——包括招聘、留住人才、培训、福利和员工满意度。该论坛创建了一个以人为本的人力资源人工智能工具包，以促进组织、工人和社会对人工智能的积极和合乎道德的以人为本的使用。今天的儿童和年轻人成长在一个日益数字化的时代，技术渗透到他们生活的方方面面。从机器人玩具和社交媒体到教室和家庭，人工智能是生活的一部分。通过为儿童制定人工智能标准，论坛正在与一系列利益相关者合作，制定可行的指导方针，以在人工智能时代教育、赋权和保护儿童和青少年。人工智能的潜在危险也可能影响更广泛的社会。为了降低风险，论坛将全球人工智能行动联盟中的100多家公司、政府、民间社会组织和学术机构聚集在一起，以加速采用负责任的人工智能，以符合全球公共利益。更多详情：https://www.weforum.org/videos/how-are-the-forum-and-partners-shaping-the-future-of-artificial-intelligence-and-machine-learning
人工智能是商业最重要的技术之一。为确保C-Suite高管了解其可能性和风险，论坛创建了EmpoweringAILeadership:AIC-SuiteToolkit，提供实用工具帮助他们理解AI对其角色的影响，并就AI战略、项目和实施做出明智的决策.塑造人工智能融入公共部门采购流程的方式将有助于确定可在整个私营部门应用的最佳实践。论坛制定了一套旨在鼓励广泛采用的建议，这些建议将随着一系列试验的见解而发展。如果只有你和你的自动驾驶汽车在空旷的道路上行驶，那么大量的数据可能看起来并不重要，但请再仔细想想。从这条空旷道路的数据中可以了解到很多信息，包括路况信息，以及车辆和其他类似车辆在这些条件下的行为。最后，当涉及到边缘计算时，必须仔细审查一个清晰的业务案例，以确保网络的成本与所创造的价值相平衡。尽管如此，尽管存在不平等或数据丢失，而且随着5G技术的进步和成本更低的处理芯片，很容易看到“在边缘”会如何留在这里——无论是你的自动驾驶汽车还是你的咖啡机，让你为通勤做好准备。
蜜度索骥：以跨模态检索技术助力“企宣”向上生长复盘MWC上海：5G毫米波全球产业链基本成熟三大运营商分享国内探索实践对话新华三李立：精耕务实，以开放融合共赢数智时代坤恒顺维黄永刚：不断突破高端市场，以“工匠精神”驱动技术创新中国联通发布5G+量子融合创新两项成果全栈产品+融合方案：浪潮网络引领“文化专网”建设新路径MWC上海观察：在NB-IoT芯片市场拔得头筹的芯翼信息，正瞄准Cat.1新赛道信通院王志勤：PUE稳步下降，算效逐步提升，绿色算力发展成效将显现中兴通讯李晓彤：5G-A将推动5G产业“二次腾飞”信通院栗蔚：构建算力服务时延圈标准体系，推动算力便捷普惠泛在浪潮中标中国移动算力服务网关原型系统研发项目集采免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。