×

甲子 光年 世代 实录 判断

【全文实录】张一甲:2023智能新世代,1个锚点与40个判断|甲子光年

jnlyseo998998 jnlyseo998998 发表于2023-04-27 04:15:03 浏览37 评论0

抢沙发发表评论

4月25日,由中国科技产业智库「甲子光年」主办、上海市信息服务业行业协会支持的「共赴山海·2023甲子引力X智能新世代」峰会在上海召开。甲子光年创始人兼CEO张一甲发布了甲子光年智库趋势报告《「奇点已来,共赴山海」2023智能新世代——1个锚点与40个判别式》,总结了科技发展的三大定律,并在业界率先提出了“信能比”概念,推出了“甲子光年星空坐标系”,以及基于坐标系所推导出的40个科技产业新风向判别式。以下为报告详细内容。

《「奇点已来,共赴山海」2023智能新世代——1个锚点与40个判别式》现场演讲视频

关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

欢迎大家来到甲子引力,我今天的分享将分为六个片段。

01回顾复盘:过去一年,中国科技产业的“得”与“失”

第一个片段,复盘一下中国科技产业在过去一年的“得”与“失”。

1.1 世界进入技术爆发的新一轮寒武纪时代

屏幕上是过去一年我们经历的高频词,里面有喜有忧、纷纷扰扰,但可以明确洞悉出:这个世界正在进入技术爆发的新一轮寒武纪时代。自2022年底ChatGPT发布之后,人工智能新一轮浪潮汹涌而来,科技行业的“时间感”突然加快。最近很多老朋友打招呼,都是“嗨,好久不见,恍如隔世”。

1.2 前沿科技进展视角下的世界与中国

我们先把视角从人工智能放大到整个前沿科技,看一看世界发生了什么。中国科学院2022年评选出“世界十大科技进展”和“中国十大科技进展”,我们发现了一个有意思的现象:

“世界十大科技进展”主要集中在生命科学、航天、数字技术的突破上,而“中国十大科技进展”主要聚焦于新能源、航天等领域。前十大进展不能代表整体统计分布,但依然能够看出我们的相对强项和短板,以及过去一年的得与失。

展开全文

1.3 过去一年的“得”:新能源

首先,我们当之无愧的“得”是新能源。过去一年,中国在新能源领域横向对比其他产业可谓一枝独秀。

新能源汽车:销售量快速上升,预计2025年年销量将超过千万。现在中国已成为全球最大的新能源汽车生产与消费市场,未来大概率会持续引领全球新能源汽车的发展。最近的上海车展,人气最旺的是新能源车的展位,比如比亚迪的“仰望”。大量消费者已经完成了认知的转变。

新能源充电桩:2022年中国车桩比已经降低到2.7:1,现在大家买新能源车越来越不需要担心充电桩问题。

氢能产业:根据《氢能产业发展中长期规划(2021-2035)》,2025年中国氢能产业市场规模将达到1000亿元,2030年将超过3000亿元。

虚拟电厂:去年是储能商业化应用元年。其中,虚拟电厂的市场规模在快速扩张,2025年将超过1300亿元。

1.4 过去一年的“失”:人工智能

相较于中国新能源的突飞猛进,人工智能行业就不那么乐观。最近AI行业从表象来看很活跃,但长期以来,行业其实是在负重前行。去年年底ChatGPT发布后,中国人工智能行业从业者的第一波情绪,是在兴奋中夹杂着很多不甘和沮丧:为什么ChatGPT没有诞生于中国?

从论文看:

从全球每年被引用量排前100的论文的国家分布来看,美国全球领先,中国不到美国一半;

2020-2022年,从全球每年被引用数量前100篇论文的机构分布(企业、高校、院所等)情况来看,前10位均为美国企业或机构,前15名里中国只有清华大学在列,排第11。

从人才看:

从人才来源国(注:按本科毕业所在国计算)看,全球顶尖Top0.5%的AI人才来源国,美国占35%,中国占10%;从顶尖AI人才的工作地点看,美国占65%,中国占比几乎是0%——以上对比说明:在中国大学本科毕业的AI人才数量其实并不算少,但他们大学毕业之后去哪了?中国顶尖AI人才的流失是比较严重的。美国AI人才的来源里,超过四分之一来自中国,中国是AI人才的输出国。

此时此刻国内AI公司对国际AI人才的吸引力是不够的,中国AI企业的人才93.5%都来自中国内生市场。

今天的巅峰论坛本原本王小川答应来,但他临时决定飞美国,王慧文也在飞美国,大家去干嘛?抢人是个核心动作。顶级研究不足和人才流失问题已经成为制约中国人工智能产业发展的短板。

1.5 2023年春,向上生长的希望

虽然有得有失,但2023年的春天可谓万象更新。从宏观数据看,高科技投资非常强劲;从经济发展主线看,人工智能经济成为今年春天最强看点,业界动态几乎以小时为单位更新;从出海看,核心产业正在重启出海之路。过去三年很多出海企业被迫按下急刹车,今年重新启动出海时已经脱胎换骨,一边升级、一边出海……综合以上种种,今年的春天是布满向上生长欲望的春天。

今天的主题是奇点已来,共赴山海。为什么是奇点?又是怎样的山海?我将在今天的大报告中逐渐展开。

关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

02思维重塑:科技产业亟待思维重塑与方法论构建

在进入具体分析之前,我想首先表达, 中国科技产业亟待一场思维重塑与方法论构建。

2.1 范式重建的第一步是思维重塑

这一波AI浪潮的降临,给很多人带来了认知层面的刷新——当它真正降临的时候,我们才惶然发现它原来并没有那么复杂,只是被极为不同的思维方式和坚强理念推动着来到我们面前。当它降临,第一个冲击是思维的重塑。

这幅PPT的背景来自科幻电影《降临》,给我个人带来了非常大的启发,刷新了我对因果论和时间序列的认知。正如影片所讲:

We're so bounded by time, by its order. But now I am not so sure I believe in beginnings and endings.

我们一直束缚于时间的限制之中,但是我现在已经不能分清什么是开始,什么是结尾了。

We're so bounded by time, by its order. But now I am not so sure I believe in beginnings and endings.

我们一直束缚于时间的限制之中,但是我现在已经不能分清什么是开始,什么是结尾了。

第一层思维重塑,是因果思维的重塑。

ChatGPT之所以能到达今天的高度,是OpenAI坚持信仰的结果。一直以来,OpenAI都坚定地把LLM(大语言模型)看做通往AGI的必由之路。他们是先有目标,而后有了上下求索的通往目标之路。

过去七八年,他们大部分时间是在冷板凳上坐着,并且在持续不断地投入,直至过去几个月才真正站在了全世界的聚光灯下——这颇有“以凡人之身躯领悟天之意志”的决绝感。

在我看来,真正深刻的长期信仰一定不是凭空产生的,信仰是需要对问题有深刻认知才会产生。OpenAI看似疯狂,却不是无脑all-in。唯有相信AGI一定会发生的人,才做得出AGI,如果一开始不相信,不可能支撑这样大的投入、抵抗很多诱惑。长期信仰的背后一定是深刻的理性。

2.3 技术驱动VS需求驱动选择大航海 与 新大陆,还是选择填海造陆

第二层思维重塑,是对投入与回报关系的重新理解。

假设我们想在海洋上得到一片陆地,有两种做法:

第一种是大航海,寻找新大陆。技术驱动,选择探索一个可能存在的未知新大陆。大航海要做好可能全军覆没的准备,但当临界点到来之后,可收获的商业价值天花板会非常高,参考图中阴影部分的面积。

第二种是填海造陆。需求驱动,循序渐进,填多少海,就造多少陆,其商业价值也会随着投入的增加而稳态增长,参考图中阴影部分的面积。

这与美元基金和人民币基金的两种思维方式很像,分别对应着技术驱动的理想主义和需求驱动的实用主义。两者没有高低之分,但我想表达的是,两种都应该有。

2.4 商业价值VS商业模式先有商业价值而后有商业模式

第三层思维重塑,是对商业价值和商业模式关系的重新理解。

商业价值是用来积累的,商业模式是用来试错的。商业价值是商业模式的基础,商业模式是兑现商业价值的行径集合,商业模式围绕商业价值波动,但不会偏离,类似于经济学所讲的“价格围绕价值而波动”。伟大的公司往往是先有商业价值而后有商业模式,而不是相反。过去几年,我没有看过哪家先有模式后有价值的企业能够成功。

对于技术突破而言,模式永远是结果而非本因。在本该求因的阶段求果,可能就抓错了主要矛盾,错失了战略机遇。这其中典型的就是特斯拉和爱迪生的区别。特斯拉和爱迪生都是电力革命的奠基性人物,但前者更关注价值,后者更关注模式,一个技术是狂人,一个是科技商人。

2.5方法论驱动VS技术驱动缺失方法论的工具是无本之木,方法论先行才能让工具平滑落地

第四层思维重塑,是对方法论与技术关系的重新理解。

我曾与一位创业者沟通,他吐槽中国SaaS行业的困境:“SaaS很难有落地的土壤,因为我们缺乏先行的科学方法论。”

西方百年前就已经有了泰勒的科学管理原理,后来又有德鲁克的管理学,一代又一代理论体系不断出现。而技术工具实质上是方法论落地封装的载体。如果没有方法论,只有工具和技术,后者就会变成无本之木。

方法论是工具落地前的铺垫,工具是方法论传承的载体。工具的本质,是将口耳相传的认知与工艺沉淀封装,而后成百上千倍地放大一个人的能力。从这个角度看,甲子光年智库就是在做方法论的,是通过“软实力”去赋能技术“硬实力”从业者。

2.6 理论洁癖VS暴力美学AI技术路线的大力出奇迹长期信仰来自深刻理性

第五层思维重塑,是对理论洁癖和暴力美学的关系理解。

人工智能一直存在路线之争。核心两大学派就是逻辑驱动的“理论洁癖”派和黑箱模式的“暴力美学”派。

暴力美学在最初被认为是“野路子”,是一部分人眼中离经叛道的“邋遢学科”。而到了今天,很多人开始赞叹这就是通往通用人工智能之路的最优解——这种思维转变的过程,其实是一场企业家精神对科学界的反哺。

大模型的暴力美学摆脱了数理逻辑的束缚,吸纳了生物学思想,它是进化论和“道法自然”的产物——从这个角度看,我们无疑正在经历一场关键的科学革命,它驱动科学界一场集体的范式迁移,这是由底层哲学观的变化牵引的。

2.7 有意瞄准VS无意击发不坐冷板凳的人也不会有聚光灯

最后一层思维重塑,是“有意瞄准,无意击发”。

这八个字被用来形容狙击手。当我们打猎时,需要像狙击手一样专注,朝对的方向心无旁骛地卧着、瞄准。狙击手并不知道兔子什么时候出来,但是当兔子出来的一瞬间,开枪射击将是本能反应。这个过程当中,有人说白白等了几个小时,但如果不等这几个小时,猎物出来的时候与你就没有关系了。今天很多站在聚光灯下的大模型创业者,倒回去几年都在冷板凳上默默前行。但不坐那些年的冷板凳,或许也担不起今天的聚光灯。

科技领域永远需要“鲶鱼”。ChatGPT与其说是一个热点,更应该被定位为拐点。所以,我不管这个高温天气能够持续多久,我都愿意为其添一把火。技术理想主义者们“不为彼岸只为海”,是因为这片海本身就包含了很多的惊喜。

关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

03核心锚点:三大定律与“信能比”

接下来我们进入第三部分,我们会给出一些原创概念。

3.1 设问在众多科技发展分支中,寻找基本定律与核心锚点

每次甲子引力都会提出几十条科技产业判断,我们一直在思考,在众多科技产业分支中,存不存在基本的定律或者核心锚点?千行百业不同赛道风口背后的根目录和图谱是什么?各个机会风口、变量、需求之间的内生关系是什么?我们希望抓住基本定律与核心锚点,而不是去拼凑出来几十个判断。

因此,我们将开始一场回归本质的推演,厘清科技发展的基本定律。

3.2 厘清科技发展的三大基本定律

定律1:科技的发展轨迹存在“不可逆性”

定律1:科技的发展轨迹存在“不可逆性”。

科技是一个不断演变的世界,有人说:如果我不喜欢一种技术,我们应该抵制它。但科技的发展轨迹存在某种“不可逆性”,这来自科技进步的内生特征:技术是因人而生的,而人性诉求古来不变。人永远要更快、更强、更便宜、更便捷、更安全、更好、更美、更多……技术受需求的“自然选择”,更顺应人性的技术就更能得到市场,所以,技术一定会往满足人类需求的方向演进,这和生物进化非常类似。

言下之意是,如果一个技术本身更加符合人的需求,你不可能人为阻止它的涌现。你不做,我不做,全世界一定有人会做,而它一旦做出来,就一定会获得市场,从而归入科技发展的下一个轨道节点。所以,科技向好发展、迈向先进的趋势是不可逆的。

定律2:能源与信息是人类科技进步的两把标尺

定律2:能源与信息是人类科技进步的两把标尺。

纵观文明演进史,四大工业革命的主题:工业革命、电力革命、信息革命、智能革命。前两个关于能源,后两个关于信息。驾驭信息、转化能源是人类文明前行的两大引擎,能源和信息是衡量人类科技进步的两把标尺,陪伴着我们从原始时代走到农业时代、工业时代、信息时代、数智时代。两个文明的竞争,比的就是哪个文明更擅长使用能源和信息。

信息和能源不是独立的,二者相互依存,相辅相成。

信息之于能源:

信息化尤其数字化推动了新一代能源的应用发展;

更好的信息系统意味着更好的组织能力,更好的组织能力驱动能源开发利用效率的最大化。比如《三体》里“秦始皇”的人列计算机,其本质就是利用极强的信息调度效率,计算并预测太阳运行规律的目的。

能源之于信息:

没有能源供给,信息技术就是无本之木。最典型的就是大模型,没有电和算力,就不会有智能。

定律3:技术进步的本质是推动信息与能源的转化,以生产工具改变物理世界,继而满足人的需求

定律3:技术进步的本质是推动信息与能源转化,以生产工具改变物理世界,继而满足人的需求。

从钻木取火的能源获取,到结绳记事的信息传递,从砍柴生火的生物能使用,到文字的信息承载与传输,从煤炭燃烧的蒸汽时代,到无线电的远距离信息传递,从石油天然气的化石能源,到互联网的信息交互……如DNA双螺旋般,信息与能源相互交叉、相互推动、彼此转化,共同螺旋上演推动文明发展的戏码。

不同的能源阶段经历了不同的转化形态,不同的信息阶段也有不同的传递载体,二者叠加在一起,构成了每个时代的主流生产工具,它们作用于世界,在迭代中满足一代又一代人不断进阶的需求。

3.3 三大定律推演出技术进步的谱系

基于三大定律,我们可以推演出技术进步的谱系。技术进步谱系主要分为信息和能源两大根目录,接着,信息可以发展出三个谱系:一是数字基础设施;二是数据要素;三是人工智能。能源可以发展出两个谱系:一是用物理方法转化能源,对应新材料、新能源;二是用生命过程转化能源,对应生命科技。

3.4 时代奇点能源与信息的交叉,迎来的是时代的奇点

能源与信息是人类科技进步的两把标尺,而这两把标尺可能都在我们这一代人身上走向奇点。谈信息,我们见证了通用人工智能的诞生,谈能源,我们正处于新能源浪潮,未来还可能见证可控核聚变,也就是人造太阳。根据甲子光年智库测算,持续到本世纪中叶时,新能源和数据智能对经济发展的贡献比例均超过80%。

因此,今天我们第一次把“奇点”这个词放进我们的会议主题,因为数智化与新能源的结合才是推动时代发展的奇点。在不远的未来,社会将进入信息无限繁荣和能源无限供给的时代,而这一切都有可能发生在我们一代人身上。

奇点已来,共赴山海,这八个字的大会主题也是对这种心情的表达。说到这里,不得不感慨一句:有生之年,何其有幸。

3.5 人类文明进步水平的基本公式

接下来,我们列出了一个人类文明进步水平的基本公式:

人类文明进步水平 正比于 人类社会的信息驾驭水平=信能比X能源利用水平

推导1人类文明发展水平正比于人类社会信息驾驭水平

首先,人类文明发展水平,正比于人类社会信息驾驭水平。

为什么信息直接对应文明水平?毫不夸张地讲,没有对信息的驾驭,人就不能称之为人。

智人在与其他人种竞争中胜出的根本原因在于,智人率先在语言和信息交流上实现突破,建立了新的思维和沟通方式,形成了一种超凡的“信息认知”和“信息驾驭”能力。回顾历次信息技术里程碑节点,人类不仅创造了信息,也被信息所改变。

推导2人类社会信息驾驭水平=单位能量所能转化的信息使用能力X能源利用水平

其次,信息驾驭水平不是凭空产生的,需要能源供给和能源转化作为支撑。

信息驾驭水平=单位能源所能转化的信息使用能力X能源利用水平。

目前,虽然有了新能源,但能源利用水平并不是指数级的飞跃,而是缓步提升。在这种情况下,能否快速提升“单位能源所能转化的信息使用能力”就变得非常关键。这个表述大家可能似曾相识,投射到一个微观领域,就是大家耳熟能详的摩尔定律——摩尔定律指集成电路上可以容纳的晶体管数目在大约每经过18个月到24个月便会增加一倍,这个翻倍对应的就是单位能耗传输处理存储信息的效率。

推导3能源利用水平=能源总供给X能源利用效率

能源利用水平=能源总供给X能源利用效率。能源总供给量越高,能源利用效率越高,能源利用水平也将越高。

推导4提高信息驾驭水平的方法

以上推导可以看出,提高信息驾驭水平的关键所在是能否提高单位能源所能转化的信息使用能力。这个比例,就是信息量与能量之比,代表单位时间内产生或使用的信息量除以单位时间内所消耗的能源量。

为了更精准地分析文明进步的标尺,我们定义了一个全新的概念,作为我们的锚点——【信能比】。

3.6【信能比】定义

定义:信能比,反映单位能源所能驾驭的信息量。信能比通过单位时间内产生/传输/使用/存储的信息量除以单位时间内所消耗的能源量计算得出,反映单位能源所能调用的信息量水平的高低。

计算示例:以第一代PC机为例,CPU每秒运算500万次,32位处理器每次处理4字节,则每小时处理信息量为10.06GB;其每小时耗电量约70瓦,因此其信能比=10.06/0.07=143.7GB/KW

信能比可以体现数据智能技术的先进性和能源效率的高效性:它能够反映整个社会数字化、智能化水平的高低;它能体现能源体系的可持续发展能力;它能反映生产力的高低和生产效率的提升;它能体现社会经济发展的先进性、创新性、可持续性。

3.7 以信能比为锚点,揭示了两条未来路径

基于信能比判别式,可以得出未来的两条发展路径:

路径1:假如短期能量利用水平没有质变,就要不断提高单位能量所能调用的信息量,这就要求数字技术必须不断发展。

路径2:假如迎来真正的能源革命,逼近无限能源时代,信息驾驭水平的重要性就会下降,因为在能源无限的情况下,单位能源所能支撑的信息量其实已经不影响大局。

因此,未来的看点取决于能源革命何时到来,能源革命之前,社会发展是路径1,能源革命之后,社会发展是路径2。

3.8 信能比反映社会总体技术先进水平

信能比反映了社会总体技术先进水平。

甲子光年智库核算了开启信息技术革命的第一台计算机ENIAC、作为互联网时代基础性产品的第一台PC、开启移动互联网的iPhone4和开启智能新世代的GPT-4的信能比,可以发现信能比与社会总体技术先进性正相关。

3.9信能比反映生产力跃迁节点

信能比的测算还可以体现生产力跃迁的节点,或者说可以让我们更直观的判断“iPhone时刻”何时到来。

甲子光年智库测算出了世界第一台通用电子计算机埃尼阿克(ENIAC)、第一代PC、智能手机代表性产品iPhone4,以及各AI大模型等代表性产品的信能比。我们发现了一个有意思的现象:

第一代PC的信能比是超过100,推动社会生产力出现信息领域的一次飞跃;

第一代智能手机iPhone4的信能比超过300,推动社会生产力发生第二次飞跃;

GPT-3信能比超过100,推动AI生产力出现第一次飞跃;

GPT-4信能比超过300,推动AI生产力发生二次飞跃;

简言之,当信能比大于100时,会出现一次生产力的飞跃,当信能比大于300时,会出现第二次生产力的飞跃。

GPT的出现,让我们快速完成了两次AI大模型时代的生产力飞跃,让AI产业进入了“人工智能的iPhone时刻”——信能比给了这个时刻更量化的注解。

需要说明的是,因AI大模型尚处于行业起步阶段,目前我们的测算是基于训练过程所消耗能源与处理信息量进行对比核算,而不是基于使用场景,甲子光年团队会在后续报告里持续展开对信能比的测算和探讨。

3.10 信能比反映AI大模型水平高低

同理,信能比也可以作为衡量AI大模型技术发展水平高低的评判标准。

GPT-1、GPT-2、BERT-Large、Megatron-Turing、新版BERT等信能比没有超过100,明显低于GPT-3,尚未完成AI领域的生产力跃迁,ChatGPT作为GPT-3的升级改进版,其信能比水平明显有提高,但信能比尚未超过300,还没达到实现生产力第二次跃迁的水平。GPT-4的出现首次代表AI领域实现技术跨越,其信能比也首次突破生产力第二次跃迁线。

3.11 信能比 反映 数字化水平与能耗的相对关系

甲子光年智库进一步测算了企业数字化水平四个阶段的信能比,以及不同行业的信能比,可以就此分析企业的数字化水平、行业能耗与信能比的关系。当然,信能比是我们提出的全新概念,今天的测算可能还会存在一定程度的粗糙性,后期甲子光年智库团队会对信能比持续开展研究与细化,会在后续推出的一系列报告中去测算不同的时代、不同的模型下的不同的产品。

关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

04新坐标:智能新世代,科技产业新坐标

接下来进入第四部分,甲子光年智库将推出2023年全新坐标系。

4.1 关键维度信能比与赋能空间是判断新风向的关键维度

每一年,甲子光年都会推出贴合行业的模型,今年也不例外。三大定律的关键词是信息、能源、人的需求,信息和能源可以形成第一个维度:信能比,人的需求可以形成第二个关键维度,赋能空间。

4.2 关键维度:2023, 甲子光年 将以信能比和赋能空间重塑科技产业坐标系

今年,基于两个关键维度——信能比和赋能空间,甲子光年智库将重塑科技产业坐标系,这两个维度的结合,可以测量科技产业的宏观趋势走向,中观产业链变量,微观企业/产品评价。

信能比,体现先进性:

体现数据智能技术先进性和能源效率的高效性;

体现整个社会的数字化、智能化水平的高低;

体现现有能源体系可以支撑的可持续发展能力。

赋能空间,体现普适性:

体现是否能以满足企业数字建设需求为目的,具有较高落地应用能力和发展空间;

体现是否有助于赋能社会责任、重塑思维认知和推动经济发展。

4.3 2023 甲子光年 时代坐标系:信能比&赋能空间

以赋能空间为X轴、信能比为Y轴,甲子光年将厂商/行业划分为四个象限:

第一象限:企业在赋能空间和信能比方面都较为突出,技术实力较强,市场接受度高,大规模应用落地,已经获得市场的认可,属于领导者定位;

第二象限:企业具有较高技术水平和创新能力,但还尚未形成广泛的应用落地,属于挑战者定位;

第三象限:企业是多为新成立且具有较高原创性和潜力空间的企业,属于新势力;

第四象限:企业具有较广的应用面,已经建立稳定的商业模式,并在某些行业或场景具有竞争力,属于先行者或者隐形冠军定位。

4.4 2023时代坐标系:甲子光年星空坐标系

我们将2023年的时代坐标系命名为“甲子光年星空坐标系”。

这个命名的含义是:无限的星空包含了无限的故事,万物星辰,宇宙洪荒,都是在不断演进中的,它们会经历萌芽、爆发、扩大,衰退。每一个星球,每一片星系,每一朵星云,每一个星辰的背后,都有着新陈代谢的故事。因此,我们用光年象限、星辰象限、星云象限和星团象限来命名甲子光年星空坐标系的4种新物种。

甲子光年星空坐标系:

第一象限命名光年象限。光年是天文学上的一种距离单位,象征了领先,光年象限代表领头羊,引领者的角色定位。

第二象限命名星辰象限。星辰就是指星星,一般指恒星,也指会发光的天体。星辰代表成长中,具有先进性/创新性定位,具有高成长性,星星之火可以燎原。

第三象限命名星云象限。星云代表孕育中,星云是稀薄的气体或尘埃构成的天体之一,代表孕育中的新星体,象征新势力。

第四象限命名星团象限。星团代表已有成熟代表:星团是指恒星数目超过10颗,并且相互之间存在物理联系(引力作用)的星群,代表先行者/深度耕耘者定位,已经有一些代表企业取得一定成绩。

4.5 甲子光年 星空坐标系 象限解读

甲子光年星空坐标系象限解读:

第一象限:光年象限

赋能水平高,信能比高,代表数智化水平高;

说明企业既具有技术先进性/创新性,对生产效率提升显著,又具有较高的应用普及性和可落地能力,可以满足各行业数字建设需求,有助于推动社会发展;

此象限企业处于行业领导地位;

命名光年象限,代表厂商在业内的领导者定位;

第二象限:星辰象限

赋能水平低,信能比高,数智化技术先进;

说明企业具有技术先进性/创新性,对生产效率提升显著。注重科技水平的先进性和创新性,能够有效提升生产效率,可基于先进技术开发显著提升生产效率的新型生产工具;

此象限企业处于挑战者地位,未来大规模应用后可进入光年象限;

命名星辰象限,代表厂商在业内的先进性/创新性定位;

第三象限:星云象限

赋能水平低,信能比水平低;

说明企业技术/产品处于原创阶段,但其在生产效率提升能力和大规模商业化应用能力方面都具有很高的潜力和前景,具有较高的可成长型和无限的空间;

此象限企业处于新晋进入者地位,未来潜力空间较大,缺乏的只是时间;

命名星云象限,代表厂商在业内的新势力定位;

第四象限:星团象限

赋能水平高,但信能比低;

说明企业拥有的技术/产品具有较高落地应用能力,已经实现大规模商业化应用,可以满足各行业数字建设需求,有助于赋能社会责任,有助于推动经济发展;

此象限企业处于行业先行者和隐形冠军地位;

命名星团象限,代表厂商属于业内的先行者/深度耕耘者定位。

4.6 甲子光年星空坐标系细数未来如何发生

基于甲子光年星空坐标系,信能比与赋能空间两个关键维度的交互碰撞,将会为科技产业寻找生产力进化新方向提供了指引和评估方法,从而细数未来如何发生。

从信能比的维度而言,提高信能比即可提高生产力,可从提高信息量和降低能耗两个路径推演:

提高信息量的主要手段:提高数智化水平,对应数据智能相关的技术水平及其应用领域。

降低能耗的主要手段:提高能源利用效率或推动能源革命,实现清洁能源的无限供给,对应新能源相关关键技术及其应用领域。

从赋能空间的维度而言,主要聚焦如何满足各行各业企业不同阶段的发展需求、承担社会责任和推动经济转型发展等方面。

信能比和赋能空间的融合发展方向是星空坐标系所推崇的新方向,信能比越高,赋能空间越大的光年象限就是代表了生产力进化的新技术、新赛道、新方向。反映到不同行业,则可以分析推导出哪些行业数字化水平、生产效率高,哪些行业效率低,亟需提高信能比以进一步实现降本增效。

4.7 甲子光年星空坐标系为技术赋能行业寻找落点

通过星空坐标系对行业分析,可以寻找行业数字化转型不足和能源利用效率偏低的方面,为数字化技术和新能源技术赋能行业寻找结合点。

通过利用星空坐标系对当下中国各大主要行业进行分析会发现:

各行各业在信能比方面普遍处于较低水平。信能比大于30的行业只有四个。

在赋能空间来看,仍有大量行业数字化赋能亟需提高数字化转型的认知能力和普及推动力度,推动行业结构化转型,实现降本增效和产业升级。

4.8 甲子光年星空坐标系锁定生产力进化的每一个关键战场

基于甲子光年星空坐标系,还可以锁定出生产力进化的每一个关键战场,今天的40个判断也由此推演而出。关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

0540个判断:40个科技产业新风向判别式

这40个新方向可以分为:智能化、数字化、能源效率和赋能水平四个方面,形成40个判别式。

5.1 智能化

科技产业的第一大方向,也是当下最强主线:智能化。

【判断1】智能新世代信能比大于300,是判断新老AI的分水岭

到底什么是智能新世代?如何判断一个AI是智能的新势力还是旧势力?信能比是一个很好的准绳。

在数字时代之前,社会发展的主要推动者以硬件产品为主,其信能比大于100的产品代表是第一代PC电脑,其开启了互联网时代,信能比大于300时的产品代表是苹果iPhone4手机。当下,人工智能大模型的产品在GPT3时首次突破100,2023年发布的GPT-4信能比首次突破300,可以说其开启了人工智能领域的iPhone时刻。因此,甲子光年将信能比大于300作为是否进入智能新世代的判断标准。信能比大于300,意味着社会生产力在AI领域发生了第二次跃迁,意味着新老AI的分水岭,意味着智能新世代的开启。

【判断2】AI以能力穿越范式纷争,以进化抵达通用奇点

人工智能概念从1956年被提出,到现在已经接近70年。AI范式的发展呈现“分久必合,合久必分”的状态,此时此刻正在收敛,从大数据+小算力+专用范式发展到了现在的大数据+大算力+通用范式的阶段。随着AI能力不断进化,具有自主的感知、认知、决策、学习、执行、社会协作能力,符合人类情感、伦理与道德观念的智能机器逐步浮现。

为什么会形成范式收敛?ChatGPT不是靠别的,靠的就是强,是能力。ChatGPT背后大模型能力过强,导致理论纷争显得苍白;ChatGPT的综合能力驱动着人工智能穿越了范式的纷争,抵达了了通用奇点。

因此,AI的近期突围之路非常单刀直入:以能力穿越范式纷争,以进化抵达通用奇点。

【判断3】AGI不是下一个技术,是下一个时代;不是即将到来,是已经到来

“AGI已经到来”说法在当下似乎有点冒险,因为更理性和保守的说法是:我们已经看到了通用人工智能到来的曙光。然而,当下AGI并没有统一的定义,我们不能说一个婴儿学会低声啼哭,说出第一句“妈妈”的时候就不是通用人工智能,我们为什么一定要让一个婴儿长到18岁之后,才宣布他为人呢?所以,甲子光年的判断是通用人工智能,不是即将到来,而是已经到来。

北美时间4月20日,OpenAI联合创始人Greg Brockman在“2023TED”大会分享了多个GPT-4未发布的新功能和插件,例如跨业务流程、平台、系统的端到端超级自动化功能、事实核查与反馈能力、更方便的人机交互、人机共同协作,在专业领域为人类提供有效全面的信息支撑等——在这些场景中,人工智能是你我的工具,是你我的榜样,是你我的伙伴,也是你我的同事。而且,它还在持续进化。

【判断4】语言语言是智能新世代的文明基础,当机器掌握语言,通用人工智能时代就到来了

判断4关于语言。我是名理科生,但是对语言很痴迷,我很早就开始关注沃尔夫假说/语言相对论。我逐渐发现,语言代表着认知,对语言的好奇本质是对人脑的好奇。

我之前写过一篇文章说:“语言不仅仅是思维的反映,语言是思维的实现方式。

语言,不是说你想清楚了再说出来,而是你只有掌握语言,才能想得清楚。

所以这个道理就很简单:当一个人工智能掌握了语言,我们可认为TA是“想清楚”了,是“理解”了。如果我们理解了语言和认知的关系,我们就可以知道为什么ChatGPT不是以多模态开启AGI,而是单靠对话就开启了AGI。

所以,语言是智能新世代的文明基础,当机器掌握语言,通用人工智能时代就到来了。

【判断5】进化比你聪明我们已经到了理解大脑的边缘

我曾经在2019年采访过全球人工智能十大科学家之一、美国“四院院士”特伦斯先生。那个时候对于大部分人来讲,AGI还是遥遥无期的奢望,但特伦斯当时就坚定地告诉我,他相信AGI,即使亲身经过两次AI寒冬期,他的信心也从未动摇。

物理加生物科学的背景,让他深刻地认识到一个道理——“进化比你聪明”。

他坚定不移地相信:“任何人工智能的难题都可以被解决。唯一能证明这一论断成立的是一个事实:自然界通过进化已经解决了这些难题。”

特伦斯先生有句话很打动我:“我对神经网络的信仰是基于我的直觉,即如果大自然解决了这些问题,我们也应该能够从大自然中学习到同样的解决方法。而我不得不耐心等待的这25年,与自然界的数亿年相比,它仅仅只是一个瞬间。”

一个光明的智能未来,应始于人类对大脑的模拟,进一步,对自然的模拟。

人类智能的进化经历了数百万年,人工智能的发展只有60多年。从更高意义上说,AGI正在帮助我们解开这个星球上最为复杂的奥秘——人类智能的本质。

前阵子对话李志飞,他告诉我“人类第一次像上帝一样造了一个人工大脑,我特别想去做实验,真正理解那些能力到底是怎么‘涌现’的。”这代表了很多人对这一波人工智能心潮澎湃的精神内核。

【判断6】通用大模型大模型的核心不仅是“大”,有四个基本维度

一个自然的问题是: 模型一定是越大越好吗?如果数据量足够大、算力足够充沛,是否AI的效果会无限上扬?

面对这个问题,业界多方的答案是Yes and No。持Yes观点的人认为,现在的“大”并不足够大。持No观点的人认为,大模型虽好,但其性能有一个上限,这是规模法则。

如何评价大模型呢? 对于大模型,早期可以接受无限的能源投入,但是到了拐点后,我们需要去考虑大模型信能比。因此,甲子光年智库认为,大模型评测的关键维度有四个: 信能比、基础参数量、评测效果、产品用户体验。

【判断7】建模时代人人争相定义智能新世代“基本原理”

AGI至今没有统一定义。一个值得好奇的问题是: 大模型是否是热力学理论到来前夕的蒸汽机?

此刻的新一代人工智能,引发了世界级的头脑的碰撞,大家争的不仅仅是技术,也是理念。大家纷纷对AI新世代的底层原理进行建模,仿佛在一个外星文明上建立or发掘基本物理定律,人人争相定义智能新世代的基本原理。

我们似乎进入到了一个建模的时代,就是人人争相定义智能新时代的基本原理:

特伦斯·谢诺夫斯基(Terrence J. Sejnowski)的观点是“模拟进化”;

杨立昆Yann LeCun提出了 “世界模型”;

OpenAI CEO Sam Altman提出 “万物摩尔定律”;

陆奇先生提出 “三位一体结构演化的模式”;

我们提出 “三大定律”与“信能比”。

当下已经进入了“全民建模”的时代。

【判断8】行业大模型越是知识密集领域,越适合大模型

语言是知识的载体,越是知识密集领域,越适合大模型,也是大模型能够最先规模化商业落地的应用场景。

【判断9】AI全新技术栈中间层中小专用模型向下对接大模型能力,向上支撑个性化服务

人类进入人工智能时代,IT技术栈发生了根本性的变化。过去基本分为三层:芯片层,操作系统层和应用层。现在可以分为四层:芯片层、框架层、模型层和应用层。

甲子光年智库认为当下的技术全栈仍然不能满足ChatGPT推动下的新一代人工智能浪潮,未来的AI技术全栈将呈现新的技术架构体系。在算法层方面,基础大模型将形成寡头模式。大模型的商业模式是MaaS(Model as a Service):某家公司/某主体/某联合体开发出一个大型语言模型,然后开放API供他人使用。未来,一些专业领域的公司,需要使用其专有数据来构建定制模型,以满足针对专用领域场景的需求。

因此,甲子光年智库认为在基础模型和具体AI应用研发之间会形成中间层: 出现一批专门负责调整大型模型以适应具体应用需求的初创企业,AIGC中间层是中小专用模型,其向下对接大模型能力,向上提供个性化服务。

甲子光年在业界第一个提出了中间层概念。什么叫中间层?中间层是向下对接大模型能力,向上提供个性化服务的过渡的一层。在过去两个月一些人工智能领域的创业者对中间层的说法表了认可。我们看到“中间层”开始成为一种共识,我们认为这是 AI 全新技术栈的一个切入点。

【判断10】投资价值算力层和中间层企业具有潜力

最近一段时间,微软、百度、阿里等众多人工智能厂商的产品和宣发节奏在逐步推进。

中国的人工智能产业发展不仅需要百度这样的勇于竞争者,同时也需要底层芯片制造的突破和能源结构的优化与提效。只有芯片突破了算力才能上来,只有能源效率提升了,才能支撑更高效的算力使用。

没有芯片和能源,这一切都只能赋能少数人,无法赋能社会,所以归根结底,这一轮的竞争还是要落到芯片与能源上。AI芯片作为算力层的核心环节,将决定人工智能技术发展的下层基础,是算力层的基石。

AI芯片主要分为CPU、GPU、FPGA和ASIC四类,CPU是AI计算的基础,GPU、FPGA、ASIC作为加速芯片协助CPU进行大规模计算,是目前最常用的三类AI芯片的技术架构。根据所在服务器在网络中的位置,AI芯片又可以分为云端AI芯片,边缘及终端AI芯片。根据实践中的目标不同,AI芯片可大致分为两类:1)训练AI芯片:指用于构建神经网络等模型;2)推理AI芯片:利用模型进行推理预测。

边缘层计算能力的提升推动云-边-端的协同,使得更多行业的人工智能应用场景(智慧交通、自动驾驶汽车;虚拟现实与游戏;智慧城市;智慧家庭;虚拟网络;安防监控)得以实现,推动AI芯片行业的发展。

云端芯片侧重训练,边缘+终端层芯片侧重推理,这两类芯片均具有较高成长空间。

此外,我认为未来SaaS都将值得被GPT重做一遍,因为此前的交互模式并不友好。有了GPT之后,我们肯定会更加期待人与机器交互的所有界面能有多智能,就有多智能。所以整个云计算的体系当中,我们的故事才刚刚开始。

【判断11】费用问题AI产业的“微笑曲线”,资金不等于市场份额

基于甲子光年智库对AI智能新世代的技术架构划分,我们测算了不同层级介入的投入成本,并基于此画了一个微笑曲线。

微笑曲线的横轴是投入成本,纵轴是商业回放,通过这个微笑曲线就可以看出来你大概要准备多少钱才能去入场。平台层、应用层、中间层的投入成本不高,但预训练大模型是一个百亿俱乐部。

所以从这个角度来讲,大家可以根据自己的口袋深浅来看待投入机会和商业回报。当钱不够,你可能会面临一个选择困难症——人与卡的选择。有人开玩笑和我说,现在每位AI企业的CEO都面临一个选择,有几十万预算时,是选择去招个人,还是去买张卡(算力)?

值得一提的是,在AI领域投入产出比并不像其他领域一样成正比,例如在互联网领域,钱能直接转化成市场份额——今天的钱你可以买楼,你可以买卡,你可以买人,但它都不直接变成市场份额,也不一定有那么多网络效应。

【判断12】人才画像智能新世代,大院大所背景优势显著

ChatGPT引领的人工智能浪潮之下,市场对AI人才的需求出现爆发式增长。

从现有人才供需情况来看,需求岗位以算法工程师、自然语言处理、算法研究员等算法与编程技术人才为主;但供给人才则更多聚焦在产品经理、用户运营、策略产品经理等产品运营人才为主。这就导致人才供需结构失衡,算法人才供不应求。

现阶段,国内AI领域领头人才还是遵循着大院大所的模式,右侧可以看到此刻AI的一些代表人物对应的高校谱系,清华系非常显眼。

【判断13】竞争格局大厂标配,但不是非大厂不可

从竞争格局来看,大模型的供给并不少。大厂基本是人手一个。从已经公开发布大模型产品的厂商来看,市场主流大模型仍以互联网时代的大厂为主,百度、阿里、腾讯、华为等均有布局。

甲子光年在2020年趋势判断中曾提出,互联网大厂雨打风吹去,光环效应在下降。但ChatGPT的出现,为互联网大厂提供了最佳的第二曲线,其过去积累的数字化技术、“基因”和数据,再加上其雄厚的资金实力,为互联网大厂抓住智能新世代的机会实现业务转型与升级提供了机会。

但是,不是大厂但敢于砸钱的,也大有人在。虽然当下市场主流大模型以大厂和高校为主,但不代表大模型只能大厂去做,大厂适合布局的环节应聚焦在高投入、大算力需求、大数据量级、通用能力好的环节,因此适合布局在算力层、算法层的基础层和平台层的模型生产和训练等环节。

初创企业适合入局的环节应聚焦在投入少、算力需求不高、中低数据量级、垂直/专业场景等环节,适合布局在中间层、应用层和平台层的数据平台环节适合。

因此,对于大模型来说,大厂是标配,但不是非大厂不可。甚至我觉得这个行业现在谈竞争格局为时过早,因为这个市场足够大。

【判断14】产品力时代呼唤超级产品经理,决胜先发优势和数据迭代

在全民debug时代(用户全面参与产品迭代优化的时代),智能新世代的产品观在变化,超级产品越来越成为决定成败的关键。

DeepMind和OpenAI虽然初始基因类似,技术都很强,但DeepMind更像是“AI特种兵”,把单个任务做得很好,产品研发过程聚焦在内部,过程相对封闭,特点是“打一枪换一个地方”;OpenAI最先找到了产品驱动的、scalable的、更加Open的玩法,产品迭代升级过程中会有大量用户参与、并会参考用户反馈意见。所以决胜之战可能是你大模型上的“超级产品”是什么。

甲子光年智库认为,智能新世代的超级产品需要具备五大特征:产品驱动、极简、话题性、拟人性和全民性。

‍产品驱动:要围绕产品为中心打磨产品,训练模型;

极简:交互界面极其简单,用户打开界面输入问题就能得到答案,极简化增大了出圈的可能性;

话题性:有话题性,容易通过社交媒体传播,容易引起社会全员关注;

拟人性:会像人一样和你互动,让大众感觉产品“要像个人”;

全民性:产品具有广泛的应用场景,可以对每个人的工作和生活带来影响,具有全民影响作用,通过全民参与迭代,帮助实现产品优化。

5.2 数字化

当下科技产业的第二大方向是:数字化。

【判断15】数字化进入全新时代从用一切+智能,到以智能做一切

中国企业的数智化水平一直在持续进阶,先后经历流程信息化、业务数据化、产业数字化、数据智能化……

流程信息化:满足部门内需求,以提高部门工作效率为目的;

业务数据化:满足企业级需求,进行业务流程再造与优化;

产业数字化:满足产业级需求,实现产业上下游数字化打通;

今天来看,这些阶段都有一些陈旧了。此时此刻,少量数字化水平较高的企业,已经开始尝试用生成式AI进行作业模式的重塑,甲子光年智库团队已经全员使用ChatGPT,要先成为一个智能新世代的物种,调用各式各样的百花齐放的工具,从传统的玩法走向数字化的下一个阶段——智能新世代。

ChatGPT等新一代生产工具,让数据智能力成为新一轮工业革命的“电力”。我们过去很少说“重来一遍”,但今天,我们认为 过去的传统SaaS产品很可能要被重新改写一遍。

企业数智化的本质绝不仅仅是“降本增效”,而是“创新”——是运营管理的智能化创新,是对传统业务模式的革命性颠覆,是对未来商业生态的重新定义。

【判断16】数据生态产业重心转移,中游数据处理环节成重点

数据本身的生态正在转移。

在ChatGPT出现之前,数据生态主要目光都聚焦在数据应用环节。

在ChatGPT发布之后,由于其训练过程非常依赖数据标注、合成数据,其生产内容也面临数据鉴真和数据溯源需求,故而推动数据生态的产业重心发生转移——数据处理环节越来越受到重视。

2023年年初成立了国家数据局,实现了数据监管职能的机构整合,因此,未来数据生态产业的重心会形成全新的格局。

【判断17】合成数据预训练大模型的加速剂

随之而来,合成数据会成为预训练大模型的加速剂。

过去,大数据技术发展已经历了数据采集、数据存储、数据分析与可视化、数据融合与决策四个阶段,随着ChatGPT的兴起, 大数据发展将进入第五个阶段:数据合成阶段。

人工智能与机器学习领域的专家吴恩达认为:未来技术落地的重点将会转向数据,形成以“数据为中心的人工智能”, 但过去几年研究人员还是主要聚焦在模型、训练算法、或者算力改进方面,对数据本身的关注相对较少。

数据是智能算法的源头。“人工智能合成数据(Synthetic Data for AI)”入选2022年麻省理工科技评论(MIT Technology Review)评选出的“全球十大突破性技术”。如果说以深度学习为代表的智能算法是人工智能技术应用和发展的“引擎”,那么数据就是用于驱动“引擎”的“燃料”。

合成数据有很多新的特点比真实数据更好,合成数据可以用于人工智能模型的训练,且具有获取成本低、质量高、避免侵犯隐私等优点,有望解决目前模型训练中数据缺乏这一瓶颈问题。从这个角度来讲,人工智能合成数据是一个非常值得期待的技术性突破。

【判断18】数据标注从少数人的路变成必走之路

数据标注是AI行业的老生常谈,但今天有着不同的意味。

制作于公元前196年的罗塞塔石碑(Rosetta Stone),刻有古埃及国王托勒密五世登基的诏书。石碑上用几种不同文字刻了同样的内容,让考古学家得以找到读懂古埃及的密码。在AI领域,数据标注就是这样一块“罗塞塔石碑”。

数据标注即通过分类、画框、标注、注释等,对图片、语音、文本、视频等数据进行处理,标记对象的特征,以作为机器学习基础素材的过程。常见数据标注方法有六类,分别是命名实体识别、情感分析、文本分类、问答匹配、摘要生成、意图识别。

数据标注对大模型的准确率至关重要。当AI行业全面进入大模型时代,数据标注就将从少数人的路变成必走之路。

【判断19】数据资产化与交易由数据资产走向数据资本,实现商业价值向商业模式的转化

2020年中央明确了数据成为继土地、劳动力、资本和技术之外的第五大生产要素,同时提出加快数据要素市场化流通,培育发展数据交易平台。

数据要想实现交易、变现,首先要完成数据资产化。数字资产交易是十四五数字经济规划中为数不多的“从0到1”的领域,让数据流通起来,实现数据价值的变现是十四五重要任务,具备较大的市场容量与空间。现在,国内数字交易所数量已达46家。进一步的趋势是,由数据资产走向数据资本,实现商业价值向商业模式的转化。

【判断20】营销数智化是智能新世代的核心抓手离钱近、见效快、易评估

在全新的数智化的场景和环节中,企业生产经营中的哪个环节可作为切入点呢?营销,理由很简单,离钱近、见效快、易评估。

在企业数字化转型中,最先提出需求的是业务部门、IT部门,但最后进行买单的往往是市场部门。一方面线索转化和ROI的提升是最容易衡量的成果,另一方面也体现企业不仅需要降本增效,更需要数字化带来确定性的增长。

因此,营销数智化是新的智能时代核心的抓手和切入点。

【判断21】数字人开启人人都有数字分身的时代,让人类不必成为第一主语

AIGC技术的成熟与应用,对传统内容的生成模式带来了颠覆与重塑—— 用户由Web2.0时代的内容生产者,变为了Web3.0时代的二次内容的加工者和创意者。

未来社会,人人都会有一个数字分身,开启硅基生物的时代。我相信人类不必可以选择成为第一主语,但不再必须当第一主语。

比如过去的甲子引力我可能会自己开场主持自己演讲,角色很分裂,但今天有了乙小姐之后,我就可以专心做一件事。当我们把物理上的自己解放出来,我们的时空感会完全打破。

【判断22】元宇宙AIGC加速元宇宙世界的内容构建,推动新时代的文艺复兴

是时候为元宇宙做一个正名了。

网络流传着一张图:metaverse沉沦,ChatGPT受追捧,我不认同。云网边端芯链AI元宇宙应该是共生共荣的。他们遵循“木桶原理”。

过去制约元宇宙发展的瓶颈之一就是虚拟内容制作的效率,尤其是数字人的生产制作效率,而AIGC技术的成熟恰恰提供了最佳生产工具,这将有助于加速构建以数字人为切入口的元宇宙内容生态。

AIGC是由AI自动化生成的内容。互联网时代,内容生产方式几经变化。

在Web1.0时代,由PGC(Professionally Generated Content)专业生产的内容占据话语权,比如电视、媒体行业生产的文字和视频;

Web2.0时代,用户可以自由读写,因此,UGC(User Generated Content)成为主流;

当时代走向Web3.0,生成式AI相关技术的飞速发展,让AI写作、AI问答、AI自动编程、AI绘画、AI视频生成和AI语音合成等新型内容创作方式开始普世。

AIGC的繁荣发展对传统内容生成模式进行了颠覆与重塑,解放内容生产者,让其有更多精力进行二次深加工和创意加工,推动人类社会的生产关系发生根本性变革。

进一步,推动新时代的文艺复兴。

【判断23】数据要素监管与共享让数据可用不可见,数据托管者成数据流通的中心

随着本轮人工智能浪潮的发酵,大模型训练所需的数据语料的重要性越来越突出,未来大模型训练数据的合规性将是数据要素监管的重要课题。

大模型的合规安全如何保证?这是一场全新的、未知的挑战。

为促进大模型训练数据的合规使用和高质量输出,需要加强对大模型训练数据的源头管控,特别是在国家层面对大模型训练数据进行规范,而数据托管机制恰好可以成为大模型训练数据监管的有力抓手。

数据协同模式正在由一次交易向多次安全应用演进。“数据交易”的很多形态将变成“数据调用”。这让数据托管机制变得有的放矢。

利用数据托管机制,构建大模型训练数据监管体系——可以引入数据托管机构,将数据的存储、使用、管理职责相分离,由专业的数据托管机构承担数据存储,监督数据处理者的数据使用和服务,并收取和分配数据权益。

因此,这个判断是:让数据可用不可见,数据托管者成数据流通的中心。

5.3 能源效率

当下科技产业的第三大方向是:能源效率。

【判断24】虚拟电厂电力市场化的开路先锋

甲子光年之前写过关于虚拟电厂的文章。虚拟电厂是虚拟化的发电厂,本身不具备实体发电厂的物理属性,但其可通过自身的集控平台系统,将分散在不同地区的分散式能源发电装置、独立储能项目以及各类可控负载(如电动车等)整合集成,对外呈现为一个可稳定进行电力输出的“电厂”形态。

目前,我国电力市场主体将从单一化向多元化转变,电力输送将从传统的“发、输、配、用”向新型的“源、网、荷、储”转变。

当碳达峰、碳中和目标确立后,分布式能源和分布式储能的加入,让原有的电力系统变得更加复杂。与此同时,新能源装机比例及用户侧间歇性负荷的进一步增长,对电力系统灵活调节能力提出了越来越高的要求,传统“源随荷动”的运行模式亟须向“源荷互动”转变。在此背景下,虚拟电厂可助力发电、用电两端的电力市场化,成为助力电力市场化的开路先锋。

【判断25】新材料受需求牵引, 新一代材料驱动能源结构转型

新能源的发展离不开新材料。

发展新材料是成为制造业强国的关键之一,是摆脱关键材料与技术瓶颈的重要途径,也是为寻找经济发展新动力的突破口。

新能源是新材料巨大的牵引力。当前,新材料需求紧迫,在需求推动下,整个行业发展迅速,而且其需求源于高景气+高技术壁垒的产业领域,如半导体、新能源、碳纤维、光刻胶、新能源车等。

比如,新能源汽车等下游市场需求的放量增长,对电池的能量密度与量产价格提出了高要求,而若想满足不断精进的市场需求,需要电池厂商和上游原材料厂商在材料体系和电池结构等方面做出针对性革新。

新材料技术的突破对电池的能量密度提升与量产价格下降都带来了革新,对新能源汽车、风力发电、光伏发电、储能等新能源领域均带来技术飞跃,因此,新一代材料将成为驱动国家能源结构层面提升绿色能源占比的重要手段。

【判断26】 新一代动力电池新一代材料助推半固态电池 和钠离子电池 优先落地

进一步,新一代材料是电池从液态电池过渡到固态电池的关键。

甲子光年认为现阶段动力电池能量密度、安全性能、电池重量和体积等还受材料的制约和限制。

新一代动力电池技术发展方向以提升比能为主线,电池材料持续渐进式迭代,将助力动力电池向“高能量密度”与“高性价比”方向发展——高能量密度意味着技术层面的突破,而高性价比意味着更快的商业化进度,以更低成本、更大规模生产制造。

【判断27】氢燃料电池高温PEM燃料电池革新重型运输行业

随着双碳目标的确定,氢能产业在实现碳中和路径中发挥至关重要的作用。

按照《氢能产业发展中长期规划(2021-2035年)》规划,到2025年氢燃料电池车辆保有量约10万辆,到2035年突破100万辆。因此,氢燃料电池汽车领域将率先实现产业化应用与运行,氢燃料电池客车、物流车、重卡等细分赛道,将在2030年实现与纯电动车型相当的全生命周期经济性。

【判断28】东数西算降低能源获取成本和算力获取成本

OpenAI创始人奥特曼提出了万物摩尔定律:未来在AI时代,社会成本主要有两大构成:AI的获取成本和能源的获取成本。这两大成本会急剧降低,当它们趋近于0的时候,社会中的商业化就不再是一个难题,因为“商业化”这个概念可能会产生根本性改变,或者消失。

看到这个概念,我联想到了东数西算。东数西算工程既解决了数据资源与算力资源分布不均衡问题,又实现了降低能源获取成本和算力获取成本的目的。

实现“东数西算”,需要由上而下进行全国一体化布局,构建包括高速主干网络、数据中心、云计算、大数据等一体化算力网络体系。

目前已经规划建设8大算力枢纽,10大国家数据中心集群。

数据中心的建设与应用会带来极大能耗,庞大数据的存储与计算、AI模型的训练和数据中心制冷都会消耗大量电力,电费占到数据中心运维成本的七成左右。

在西部建设的算力枢纽和数据中心集群区位优势明显——土地资源丰富,气候环境适宜,清洁能源富集,“东数西算”工程一方面可以提供更低成本的算力,另一方面可以帮助实现算力的绿色化。

破除时空错位,非常有魄力的壮举。

【判断29】碳中和数智化与能源变革的碰撞让碳中和融入生产生活的方方面面

碳中和的数智化实践场景主要有生产、生活、能源互联网三大场景。

碳中和的数智化实践场景主要生产场景和生活场景两个闭环,生产场景包括工业生产、物流、电网、园区、能储等多个行业,生活场景包括住宅、交通、办公、医疗、教育等多个生活场景。在这两个闭环之间,有基于电气化的“碳中和”数智化的能源互联体系相互链接。从而构建出了生产(B端)及生活(C端)的完整碳中和数智化实践场景体系。

随着碳中和战略的实施,能源变革与数字化技术发展的融合,让智慧零碳成为实现碳中和目标的路径选择之一,以碳中和为核心搭建云基础设施作为中枢,利用大数据、云计算、AIoT、区块链等技术,围绕碳资产管理、碳交易、碳抵消、碳金融等碳管理业务,为政府、园区、个人提供全流程数字化的碳管理服务,助力实现碳中和战略目标。

数智化与能源变革的碰撞,推动碳中和融入生产生活的方方面面。

5.4 赋能水平

当下科技产业的第四大方向是:赋能水平。

【判断30】农业数字化让乡村振兴插上数据与智能两大翅膀

当我们谈及供应链,并非单一链条,而是一个高度复杂的系统。其最上层,就是原材料的生产。

其中农业,是一个典型的原材料生产场景,且生产模式几乎千年不变。

去年6月,我去了趟陕西铜川。在乡村田野上,我感受到一种强烈的反差,即便是人没到达的地方,也有了数智化的供应链,田里立着的小标牌、采集设备,以及按照农业供应链各个数字化环节所设计的对应节点设备标语。

当我们谈赋能水平,第一个要谈的就是农业。农业数字化链条长、场景多、范围广,但是参与农业数字化厂商少,亟需创建农业数字化服务发展新模式,让科技真正普惠。智能新世代,一个产业都不应该落下。

农业的数字化既然起点低,路径就可以更直奔主题。刚和陆秘书长交流,他说了一个很好的观点,“三级一起跳”——农业的工业化、信息化、数字化,三级一起跳。

【判断31】工业元宇宙助力工业企业虚实融合,重塑全链路协同作业模式

工业元宇宙讲已经成为赋能制造企业实现数字化转型的重要路径。

从最初的数据孪生,到数字孪生体,再到工业互联网,工业领域的数字化转型已经走过了三个阶段,而工业元宇宙则是第四个阶段。

工业元宇宙的出现实现生产范式的转变及优化——由虚拟向现实部署,由单点向全链路协同。

数据孪生阶段,数字化范围仅仅满足单个设备的数字化;

数字孪生体阶段,则将数字化范围扩展到多个设备;

工业互联网阶段,数字化范围进一步扩大覆盖完整的产线;

工业元宇宙阶段,在工业互联网基础之上,增加了对虚拟现实、区块链等技术的使用,实现整体产线的现实与虚拟的映射,实现完整工业场景的虚拟化映射与交互管理。

因此,可以说,工业元宇宙助力工业企业走向虚实融合,重塑全链路协同作业生产模式。

【判断32】建筑数字化 ‍由CAD迈入BIM+时代

由于建筑工程项目参与主体众多、流程复杂,业务细项多,业务细项多、项目周期长、项目周期长,其数字化转型需要确定一个核心作为切入点。

BIM技术属建筑信息化领域革命性技术,拉开建筑信息化第二次革命,其强调三维、整体性、协同性,是CAD发展到一定阶段后的必然趋势。

工具层面:CAD如Word,BIM如Excel;

方法层面:CAD是我为您造我认为的衣服,BIM是我根据您的身体做衣服;

结果层面:CAD是设计师干活更快了,BIM是业主变成最明白的那个人了;

如今,随着BIM大规模运用于工程实施中,政策大力支持BIM发展,BIM应用软件越来越多,围绕“BIM+”的深度应用越来越多。

【判断33】金融数字化数字人民币,中国特色 元宇宙 的虚拟交易系统

数字金融交易体系是元宇宙不可或缺的环节,是虚实交融的桥梁与货币。

而数字金融的交易体系一定是围绕数字人民币展开,这是中国市场的一个基本国情。

因此,建立中国特色的元宇宙的虚拟交易系统是大势所趋。我们期待国家层面建立中国特色的元宇宙虚拟交易系统,以打通虚拟世界和现实世界,从金融交易层面真正赋能元宇宙映照现实。

【判断34】智慧城市空间智能平台联结两仪世界,构建 元宇宙 下的数字孪生城市

目前很多区域政府均在积极探索布局元宇宙,元宇宙是虚实共生的两仪世界,将可作为数字经济底座联结城市发展的现实与虚拟两个维度,从而搭建元宇宙时代的新型智慧城市。

甲子光年智库认为,新型智慧城市需要在虚实之间构建一个过渡层,向下对接现实世界,向上对接虚拟世界,甲子光年智库将这个过渡层称之为空间智能平台。

空间智能平台将成为XR/AR元宇宙时代最核心的资产,其定位为空间感知、理解和重构技术平台,以“3D地图+空间计算+视觉识别”为核心技术,向下对接专属于空间智能基础设施的空间云,再向下则对接现实世界的物理层。向上可以提供各类智慧城市专用场景的开发工具和内容创作平台,逐步建立智慧城市不同应用场景的数字化解决方案,构建虚拟世界的数字化生态体系。

新型的智慧城市需要空间智能概念支撑去构建元宇宙下的数字孪生城市。空间智能平台联结两仪世界,推进数字孪生城市建设、构筑数字城市空间运营服务能力,成为链接用户和内容的终极方式,其将构筑新型虚实相融的社会形态和治理体系,成为20年后人类的生活方式。

【判断35】智能制造能效管理和云上智能融合发展,共促制造业转型升级

当我们谈智能制造,两个核心关键词是能效管理和云上智能,这两个关键词共同促进了制造业的转型升级,也和我们今天提出的“信能比”呼应。

能效管理:能源变革。

作为生产方式的重要绿色变革,成为制造业升级的首要内容。现阶段,数智化技术从制造管理及能效管理完成生产制造环节的资源协调,开始悄然赋能生产环节的节能减排。

云上智能:信息变革。

未来AI+云的“云上智能”服务模型将会成为赋能制造业数字化转型的新选择。PaaS平台作为云计算技术架构的中间层,可以有机融合上下,实现云与AI的融合赋能。

云和智能的关系:过去云是个工具,现在云是个起点。从一切上云,到云上一切。

【判断36】 生产物流 ‍离散制造生产物流数字化从“治堵疏通”开始

生产物流:离散制造生产物流数字化从“治堵疏通”开始——生产物流管理的重点在于实现整个作业过程的高效、可靠、不堵塞。

即保证及时供料、零件、部件加工质量的基础上,准确控制零部件的生产进度,缩短生命周期,既要减少在制品积压,又要保证生产的成套性。

由于流程制造的生产物流具有非常突出的连续性,因此实现生产物流连续性的平衡是物流管理的关键。这导致制造业的生产理念正在发生深刻的改变,基于“端到端”的理念,从客户端需求出发,到满足客户端的需求去,这种生产模式已经从概念进化到落地理念。

企业内部的生产物流,依靠现有的方式和装备很难契合调整后的生产理念,“智”动化机器人在部分离散制造企业已实现大规模部署与应用,通过智能化设备,物料“流转”过程与生产系统紧密协作、智能化作业程度高、生产过程更顺畅,本质上解决了物理要素和生产要素的连接,实现端到端。真正实现了离散制造各单元的配套物料或半成品的“转运”过程高效、顺畅,用数字化手段实现了生产物流重新规划与“治堵疏通”。

【判断37】技术出海出海范式进入数字技术出海时代

今天最开始讲了产业升级的姿态:重振旗鼓,然后出口。

全球贸易的发展已经经历了三个阶段,如今世界贸易发展进入数字贸易的新阶段,新一代数字技术推动全球贸易数字化转型,塑造出全球性数据流动和服务贸易的网络。未来,数字贸易将成为进一步推动全球贸易增长的关键。

数字贸易时代更注重数字化技术对进出口业务的赋能与增效,并鼓励数字技术出海。

与贸易发展相对应,中国在出海模式方面也已经演进到了数字化出海时代,数字出海是下一个出海风口。

在市场需求变化,内外需下行的推动下,再加上国家出台政策鼓励中国企业走向海外,中国品牌开始加快走出国门的步伐,但过去本土产业出海模式以选择通过跨境电商模式为主,已无法满足中国企业出海的新需求,数字化出海时代亟需新的出海范式。

【判断38】 信创2.0从政策驱动走向需求驱动

从外部环境来看,信息技术应用可控自主是维护国家信息安全,不被卡脖子的必由之路,早在1996年开始《瓦森纳协定》就已经开始限制高新技术出口中国,棱镜门等信息安全事件的爆发,开始推动全球各国加强信息领域基础设施、基础软件的建设和安全。

随着中美贸易战逐步升级到科技战,信息技术应用创新理念逐步深入人心,高端技术自主可控的必要性也日益凸显。

从政策关注的信创领域来看,底层硬件、软件、数字基础设施等领域均是关注重点,这说明信创的发展已经不再仅仅关注单一领域,开始走向全面开花阶段。

经过数年的发展,中国的信创走到了全新的时代,从政策驱动走向了需求驱动的阶段,走向市场化和大规模企业应用阶段。服务对象也不再仅仅是政务市场、金融市场等少数市场,而是受千行百业的需求驱动,成为更加广泛需求基本盘,为各行业数字化转型提供自主可控可信的数字化技术与解决方案,更注重行业解决方案、应用软件和工业软件的全方面需求满足。

2020年是信创发展元年,经过三年全面推广,信创覆盖领域越来越广,从党政领域,向电力、交通、医疗、教育等行业全面推进,从小范围试点走向全面推广——在产业界看来,信创不仅是国产替代,而是同样需要不断提高创新能力。

因此,甲子光年判断信创2.0的时代已经到来,进入需求驱动的发展新阶段。

【判断39】人工智能伦理人与机器人伦理的百年之争将在五年之内见分晓

甲子光年智库认为,制约人工智能技术发展的两个关键要素是能源和安全伦理,能源决定了信能比的高低,直接制约了人工智能技术能否大规模推广普及的问题,而人工智能的伦理安全则是整个社会对人工智能技术大规模使用后所担忧的核心问题。

3月22日,生命未来研究所(Future of Life)向全社会发布了一封《暂停大型人工智能研究》的公开信,呼吁所有人工智能实验室立即暂停比GPT-4更强大的人工智能系统的训练,暂停时间至少为6个月,这个公开信迅速获得了马斯克等1000多名企业家、学者、技术人员的联名。

人与机器的伦理之争已经百年了,过去的很多担忧带有着一些纸上谈兵的意味,但今天,AI伦理已经成为一个极其现实的问题,也是变成了全民必答的问题。由于GPT和人工智能的进展太快了,伦理的诉求被技术的发展推着走,随着人工智能技术的不断发展和大规模应用,越来越受到社会的关注和讨论,在训练数据的处理标准体系、预训练数据的合规与监管、AI伦理安全的立法规范等方面,需要走在AI技术的前边。

我们有理由认为人和人工智能的伦理之争5年之内必见分晓:人工智能到底应该用什么样的伦理来去监管、约束和治理,一定会有非常清晰的流程。我们谁都不会拿我们下一代的生活方式开玩笑。

【判断40】文明的脚步, 不会止于智能新世代

人类文明的脚步不会止于智能新世代。如前所述,我们一直期待的两大看点是信息革命和能源革命。智能新世代推动我们到达了信息革命的新阶段,却不是故事的终局。

能源革命是接下来一个未知的节点。当我们心中所期待的可控核聚变、人造太阳等成为现实的时候,人类文明的发展也将进入新的篇章。

关注公众号「甲子光年」,后台回复“2023智能新世代”,获得高清版完整PDF。或点击文末“阅读全文”,进入甲子光年官网下载。

06未来已来:我们以什么姿势拥抱它?

未来已来,我们应该以什么姿势拥抱它?

2019年的甲子引力大会演讲最后,我在屏幕上打出了一句话,“不为求不得而流泪,为山河岁月流泪”。这句话在当时的心情,是面对贸易封锁卡脖子的一种态度表达,很多技术从业者面临的考验不仅仅是先进与否,还是大国重器的责任。而今天,这种心情也很适合用来形容今天的智能新世代,只是带有着更加主动的色彩。

过去3年多发生了太多的故事,但今天,我很确信我们一定是迎来了一个更好的时代,因为我们已经看到了未来。正如今天分享的定律1,科技发展本身具有不可逆性,它终将由你我的需求共同牵引、共同筛选。所以,这是最好的时代,不会止于少数人的狂欢,终将会成为我们每个人的共同时代。

甲子光年期待继续与你一起,共赴山海。

END.