人工智能三大推動力：技術是源動力，應用是牽引力，安全是信任力
1）趨勢一 統一未來：多模态模型加速文本、圖像和視訊融合
✓ 多模态模型：多模态模型能夠處理視覺資訊、文本資訊、聽覺資訊等多元化資料，可以對不同表現形式的資訊進行融合了解，進一步提升大模型的遷移學習能力，是人工智能全面了解真實世界的重要一步。
✓ 發展情況：文本、語音、圖檔等單模态人工智能模型已經相對成熟，大模型正在朝着多模态資訊融合的方向快速發展。從CLIP的誕生再到GPT-4的圖像處理能力，圖文多模态技術已經取得了顯著的進步。大模型不止滿足文字和圖像，開始向着音頻、視訊等領域拓展。
✓ 未來展望：未來模型将面對更加複雜多樣化的互動場景，更加注重各種形式的資訊融合，多模态技術将在智能家居、智慧城市、醫療診斷、自動駕駛等方面打開全新的應用空間。
多模态模型疊代曆程
2）趨勢二 逾越虛拟邊界：具身智能成為AI發展新形态
✓ 具身智能：具身智能是可以和實體世界進行感覺互動，并具有自主決策和行動能力的人工智能系統。具身智能中的智能體能夠以主人公的視角感受實體世界，通過與環境産生互動并結合自我學習，進而産生對于客觀世界的了解和改造能力。
✓ 發展情況：斯坦福大學教授李飛飛将具身智能列為計算機視覺未來的關鍵發展方向，并将其稱之為人工智能研究的“北極星”。現階段來看，谷歌推出RoboCat大模型，英偉達推出Nvidia VIMA，具身智能已經成為AI龍頭企業競相争奪的高地。
✓ 未來展望：通用人工智能與機器人産業正處在快速發展、互相融合促進的戰略機遇期，作為兩大領域交叉的核心應用，具身智能有望在未來取得快速發展。具身智能将促使智能體具備自主規劃、決策、行動、執行等能力，實作人工智能的能力進階。
人工智能能力進階
3）趨勢三 大模型智慧火花：走向通用人工智能的途徑愈發明晰，腦機接口創造新的互動方式
✓ 通用人工智能（AGI）是指具有像人類一樣的思考能力，可以适應廣泛的領域并解決多種問題的機器智能，AGI是人工智能研究的重要目标之一。狹義人工智能是指當下已取得顯著進展但局限特定領域的人工智能，如語音識别、機器視覺等。我們正處于狹義人工智能相對成熟、通用人工智能曙光乍現的階段，目前以GPT-4為代表的自然語言大模型被認為是通往通用人工智能的重要潛在路徑，OpenAICEO薩姆·奧特曼(Sam Altman) 表示，AGI時代可能很快就會到來，未來十年内行業可能會擁有超強的AI系統。
✓ 人類與人工智能之間的溝通方式也在不斷更新，腦機接口有望成為下一代人機互動方式。目前，腦機接口技術正在突破人類的生理界限，不僅為殘障人士提供了前所未有的可能性，而且有望成為下一代的人機互動方式。
4）趨勢四 資料的力量：海量資料帶來模型能力湧現，高品質資料提升模型性能
✓ 深度學習的進步建立在以更大的模型處理海量資料基礎之上。GPT-1模型從1.17億參數上升至GPT-3的1750億參數，模型效果取得了顯著突破，同時還有能力的湧現。但是模型參數量的增大帶來算力需求的激增，模型架構和參數量提升帶來的收益正處于遞減狀态。
✓ 阿伯丁大學、麻省理工大學等研究機構的一項研究顯示，高品質的語言資料将在2026年耗盡，低品質的語言資料和圖像資料将分别在2030 -2050年、2030 -2060年間枯竭。
✓ 以資料為中心的人工智能更加專注于資料的價值，進一步推動AI模型的性能突破。斯坦福大學吳恩達教授提出二八定律：80%的資料+20%的模型=更好的AI。以資料為中心的政策可以解決資料樣本不足、資料偏差等問題，高品質資料內建為推動模型性能進一步提升的關鍵要素，高品質的資料處理、資料标注服務以及完善的資料收集和評估體系的價值将進一步凸顯。
5）趨勢五 資料中心的AI變革：智算中心成為關鍵基礎設施
✓ 雲計算是目前重要的AI算力提供方案，AI伺服器市場獲得迅猛發展。根據TrendForce資料，2022年全球AI伺服器的出貨量占整體伺服器比重約1%，随着大模型訓練側和推理側的需求爆發，AI算力資源需求預計将呈指數增長。根據IDC資料，預計未來5年中國智能算力規模的年複合增長率将達52.3%，全球價值萬億美金的資料中心存量市場将從通用計算逐漸過渡向AI計算。
✓ 雲計算正從CPU為中心的同構計算架構向以CPU+GPU/NPU為中心的異構計算架構深度演進。預計，大模型帶來的GPU存量空間将從2023年的277億美金上升至2025年的1121億美金，以GPU為代表的AI計算資源中短期将處于供不應求的狀态。
✓ 随着專有領域的計算需求提升，AI晶片追求更高的性能和更低的功耗，晶片的多樣性和生态豐富性将不斷提升。部分頭部網際網路廠商将着力推進AI晶片的自主研發，如谷歌着力打造專注深度學習的TPU，同時不斷豐富其AI生态布局。
6）趨勢六 大模型C端角色：個人智能助理與新一代的流量入口
✓ 大語言模型将成為個人智能助理。大模型目前具備接入網際網路、進行記憶體管理等能力，通過目标任務自動拆分、計劃制定、計劃實施等方式，能夠自主完成使用者的需求，成為每個人的智能助理，如制定旅行計劃并進一步預定飯店和餐飲。
✓ 大模型正在成為新一代的流量入口。GPT-4正在逐漸開放插件功能，通過底層模型連接配接第三方應用，進而建構豐富的生态系統。GPT-4自插件功能開放以來，目前已經接入超過500個插件（其中包括教育、金融等場景）。随着大模型能力的不斷增強以及插件生态的不斷豐富，大模型有望成為新一代的人機互動方式以及流量入口，2023年5月OpenAI官網通路量為18.6億次，是全球第19名次的網際網路通路IP。
GPT-4建構豐富的應用生态
7）趨勢七 大模型B端應用：專業資料與成本驅動行業模型百花齊放，打開廣闊應用空間
✓ 資料壁壘帶來企業端大模型百花齊放。通用大模型可以幫助使用者解決一般性問題，而當企業需要處理其特定行業的資料和任務時，往往需要針對其行業資料庫來對基本模型進行微調，垂直行業的特性和需求不盡相同，是以大模型的應用也呈現出多樣化的趨勢。
✓ B端應用出于對模型的經濟性考量，未來将呈現階梯式、差異性需求。大模型在垂直領域的商業化落地對模型的運作成本更為敏感，模型的推理成本與模型的參數量多少密切相關，需要不同參數規模的大模型組成多層次的産品組合，進而在不同場景下實作最佳的經濟性，進一步提升大模型的豐富度。
B端大模型多層級結構
8）趨勢八 大模型輕量化：降低應用成本、帶動端側算力發展
✓ 随着大模型小型化、場景化需求增加，同時出于對AI應用的經濟性、可靠性和安全性考量，部分場景的推理将逐漸從雲側擴充向端側，帶動端側算力需求的進一步提升。
✓ 目前多個大模型都已推出“小型化”和“場景化”版本。5月23日谷歌釋出的PaLM-2大模型，其中最輕量版本“壁虎”可在移動端運作，運作速度快且支援離線操作，其他多個大模型也都有其對應的小參數版本。
✓ 大模型端側應用布局不斷加速。端側算力正在快速發展過程中，高通通過量化、編譯和硬體加速進行優化，使Stable Diffusion能在搭載第二代骁龍8移動平台的手機上運作。高通在微軟Build2023開發者大會上展示了最新的端側AI能力以及在下一代Windows 11上開發生成式AI的工具，并表示未來幾個月大語言模型有望在端側運作。
9）趨勢九 大模型的深遠影響：重構勞動力市場、改寫科研範式
✓ 大語言模型對勞動力市場結構的影響深遠而複雜。據OpenAI聯合賓夕法尼亞大學的研究報告預測，約80%的美國勞動力可能有至少10%的工作受到大語言模型的影響。
✓ 大語言模型的應用帶來勞動力市場結構的調整和變化。短期而言，大語言模型可能替代部分低技能或重複性工作；中期來看，大語言模型也将創造新的人工智能相關就業機會；長期來看，大語言模型的應用将會深度改變各行業的工作模式和商業模式，讓企業的組織架構更加扁平化和小型化。過程中需要個人和企業去積極适應，發展人類獨有的創新、協作和社交等能力，與人工智能共同進化。
✓ AI與前沿科學的結合展現出了巨大潛力，可顯著降低前沿科技研究中的智力成本并提升研究效率。生命科學、氣象預測、數學、分子動力學等前沿科學均得到了人工智能的廣泛助力，AI for Science将帶來科研範式的變革和新的産業形态。
10）趨勢十 AI治理與技術的平衡：AI可解釋性亟待增強，監管緊迫性日益凸顯
✓ 在人工智能的快速發展中，加強AI監管與推動AI技術的進步同等重要。AI能力帶來應用的便利性，同時也可能引發資料隐私、算法偏見、AI倫理等一系列問題。
✓ 從技術角度來看，可以通過可解釋AI等技術手段增強AI的可信度。可解釋AI使人工智能的決策過程透明化，增加輸出内容的可了解性和可信任度，對于建構使用者對AI系統的信任、提升系統的有效性、應對潛在的倫理問題都至關重要。
✓ 從規範角度來看，各國政府也都已經開始采取行動，制定和執行各種AI政策和法規。4月份，大陸網信辦出台《生成式人工智能服務管理辦法（征求意見稿）》，明确了生成式人工智能的定義，從明确條件要求、劃定責任主體、形成問題處理機制、明晰法律責任幾個方面為行業劃定底線。
人工智能相關法案
PS近期裝備制造大航海的部分成果
1、裝備制造業有三個孤島需要突破
2、PHM在軍工、裝備行業市場和應用分析—工業茶館7期3、裝備制造業數字化轉型需要關注的12個方向—工業茶館8期
4、裝備制造業數字化轉型動機和規劃思路分析—工業茶館9期
5、雙良集團：從傳統智造到數智服務躍遷—數字化轉型故事第3篇
6、對話ChatGPT | 關于裝備制造業數字化轉型的破局之路，我們談了這些
7、裝備制造數字化轉型方向（一）：打造WBS-PMRP兩級一體化的計劃協同平台，探索項目型制造數字化最優解
8、裝備制造數字化轉型方向（二）：訂單按期傳遞率低？高效生産的數字化處方來了
9、裝備制造數字化轉型方向（三）：貫通設計、工藝資料，實作設計、制造、管理一體化
10、裝備制造數字化轉型方向（四）：全局優化保齊套，科學裝配穩傳遞11、裝備制造行業定義、國民經濟行業分類及轉型有術大航海中行業分類12、對話ChatGPT | 關于裝備制造業數字化轉型的破局之路，我們談了這些13、中國MES服務雲圖—裝備行業梳理第1期