人工智能行業(yè)發(fā)展驅動因素 多個行業(yè)希望利用AI實現(xiàn)數(shù)字化轉型

• 李芬珍子 2023年9月8日 來源：中研網(wǎng) 272 10
• 繁體

人工智能行業(yè)發(fā)展驅動因素

一、多個行業(yè)希望利用AI實現(xiàn)數(shù)字化轉型

企業(yè)成長催化劑：非AI技術公司發(fā)展到一定規(guī)模時，往往想要探索如何利用AI實現(xiàn)升級。但仍然有許多中國傳統(tǒng)公司在先進技術利用方面落后于美國。擁有數(shù)據(jù)和經(jīng)濟實力的公司更希望聘用AI專家，利用AI技術發(fā)現(xiàn)商業(yè)發(fā)展機會或者節(jié)省大量成本。

多行業(yè)應用：預計需要AI技術的公司非常多，包括金融、電信、農(nóng)業(yè)傳統(tǒng)行業(yè)中的國有企業(yè)。其他領域(如教育行業(yè))也可能從AI技術中獲得巨大收益。

將AI提升到戰(zhàn)略層次：中國的科技巨頭正在展開AI“軍備競賽”。如，百度正在開發(fā)自動駕駛系統(tǒng)，擁有1300多名專家在內的AI團隊;阿里云的機器學習平臺PAI為企業(yè)數(shù)據(jù)分析提供AI服務;騰訊建立了250名科學家和工程師組成的專門團隊，并投資了中國的一家健康領域AI創(chuàng)業(yè)公司碳云智能(iCarbon X)。

經(jīng)濟增長：根據(jù)麥肯錫公司調查，中國在過去十年中從人口紅利中獲得巨大收益，但該優(yōu)勢隨著人口老齡化將不復存在。但是，AI等自動化技術將為中國經(jīng)濟注入能量，根據(jù)技術利用速度，AI技術可能為中國GDP貢獻0.8到1.4個百分點。

二、大量人工智能高端人才

應用研究：中國學者積極務實地投入AI研究，致力于發(fā)現(xiàn)AI應用新領域。

經(jīng)驗和專業(yè)：經(jīng)驗豐富的頂級AI人才在中國的數(shù)量較少。LinkedIn上25萬名AI專家中，約一半具有十年經(jīng)驗的專家在美國，在中國的占比不到25%。中國應該培養(yǎng)更多AI領域的專家，同時企業(yè)領導和中層管理者也需要學習技術，培養(yǎng)自己理解和應用數(shù)據(jù)的能力。不過，中國擁有大量高端工程人才，這對AI應用的發(fā)展非常重要。

人才成本和遷移：中國公司如百度，從美國聘用頂尖AI專家。在特朗普推行的移民政策的影響下，中國公司遇到了從硅谷招攬更多AI人才的良機。美國約1/4的高科技公司由移民創(chuàng)立。AI行業(yè)的部分從業(yè)者工資非常高，很多專家離開大公司，進行AI領域創(chuàng)業(yè)。

AI專門化：應用層次上，中國的算法發(fā)展與其他國家不分伯仲;尤其是，中國的AI科學家大多致力于計算機視覺、語音識別等專門領域。但是，中國在基礎研究方面仍然落后于其他國家。

三、移動互聯(lián)網(wǎng)市場前景廣闊

數(shù)據(jù)洪流：中國互聯(lián)網(wǎng)用戶眾多，海量用戶數(shù)據(jù)為中國技術公司提供了大量原材料。

基于APP的AI應用：一旦AI應用做好準備，百度、支付寶、微信、搜狗輸入法等APP將在服務中應用AI技術。

進入壁壘：盡管與谷歌、Facebook等國外公司相比，中國互聯(lián)網(wǎng)公司的限制少得多，但中國科技公司仍然需要面對市場進入壁壘。

四、高性能計算技術

硬件技術：中國科技公司繼續(xù)在該領域取得突破，如深圳建造了支持AI硬件技術的生態(tài)系統(tǒng)。

快速發(fā)展的HPC技術：HPC技術快速發(fā)展。

芯片制造能力：中國增加對芯片制造方面的重視程度，允諾投入1500億美元用十年時間提高中國的芯片制造能力。

全球價值鏈：中國需要確保AI行業(yè)建立在集成全球技術的開放系統(tǒng)上。

五、政府政策支持

政府政策和計劃：中國政府從2014年開始通過政策性支持促進AI領域的發(fā)展。

研發(fā)投資：中國AI領域的成功部分源于政府對高校科研的投資。中國發(fā)展研究委員會(NDRC)建立了深度學習研究應用國家工程實驗室。

中國市場進入壁壘：中國對外國企業(yè)設置市場進入壁壘;中國開放政府數(shù)據(jù)集對國內企業(yè)創(chuàng)新起到促進作用，但是數(shù)據(jù)不對外開放?？鐕鴶?shù)據(jù)流動的限制不利于國際協(xié)作。不過，中國的AI政策對實驗和解決方案更加寬松。

推動集成電路產(chǎn)業(yè)的發(fā)展：中國政府采取多種措施推動集成電路產(chǎn)業(yè)的發(fā)展。

六、人工智能再獲重大突破

(一)人工智能邁向“煉大模型”階段

2021年是超大規(guī)模預訓練模型的爆發(fā)之年。2020年，GPT-3橫空出世，這個具有1750億參數(shù)規(guī)模的預訓練模型所表現(xiàn)出來的零樣本與小樣本學習能力刷新了人們的認知，也引爆了2021年AI大模型研究的熱潮。谷歌、微軟、英偉達、智源人工智能研究院、阿里、百度、浪潮等國內外科技巨頭和機構紛紛展開大模型研究和探索。

(二)超大規(guī)模預訓練模型的“軍備競賽”

2021年1月，Google推出的Switch Transformer模型以高達1.6萬億的參數(shù)量打破了GPT-3作為最大AI模型的統(tǒng)治地位，成為史上首個萬億級語言模型。國內研究機構也不甘示弱。2021年6月，北京智源人工智能研究院發(fā)布了超大規(guī)模智能模型“悟道2.0”，達到1.75萬億參數(shù)，超過SwitchTransformer成為全球最大的預訓練模型。

值得一提的是，2021年國產(chǎn)化大模型研發(fā)工作進展飛速，華為、浪潮、阿里、百度等都發(fā)布了自研的大模型。

浪潮人工智能研究院首席研究員吳韶華向InfoQ表示，現(xiàn)在業(yè)界提高模型參數(shù)量有兩種技術路線，產(chǎn)生兩種不同的模型結構，一種是單體模型，一種是混合模型。如浪潮的源大模型，華為的盤古大模型、百度的文心大模型、英偉達聯(lián)合微軟發(fā)布的自然語言生成模型MT-NLG等走的都是單體模型路線;而智源的悟道模型、阿里M6等走的是混合模型路線。

(三)預訓練模型技術新進展

相關人士認為，預訓練模型取得的重要技術進展有：

(1)知識表示和學習機理進一步創(chuàng)新突破

隨著對預訓練模型的深入理解，預訓練模型的知識學習和表征的機理逐步明確，人們得以更加順利地往模型里注入需要其學習的知識，在這些知識的加持下，對復雜任務的應對能力得到了大幅提升。

(2)對比學習、自監(jiān)督和知識增強

以對比學習為中心，多種增強方法為工具的方式能進一步提升預訓練模型的語義理解和表征能力，增強方法的深入讓模型自監(jiān)督成為可能，讓對比學習對樣本，尤其是正樣本的依賴降低，數(shù)據(jù)依賴的降低勢必讓模型對少樣本甚至無樣本任務的適應性提升，模型能更好地完成這類型的任務，這將讓預訓練模型落地的成本再降低一個層次。

(四)降低AI規(guī)?；涞氐拈T檻

預訓練大模型降低了AI應用的門檻，解決了AI應用的兩個難題：數(shù)據(jù)和行業(yè)知識。它既不需要大量的標注數(shù)據(jù)，又保障了基礎底座。在預訓練模型的業(yè)務定制優(yōu)化和應用方面，從第一個預訓練語言模型BERT發(fā)布至今，已在多個熱門任務下得到應用，逐步從一種“潮流”變成前沿技術的“基本操作”，如預訓練模型已成為機器翻譯領域的基礎關鍵性技術。此外，預訓練模型也成為大系統(tǒng)中的一部分，發(fā)揮著其語義理解的優(yōu)勢。

無論是業(yè)界還是科研，對預訓練模型的使用方式逐漸靈活，能從預訓練模型中拆解出適合任務的部分并組裝到自己的實際任務模型中。

時至今日，對預訓練大模型的性能優(yōu)化仍未終止，在學界，仍有大量的研究在預訓練模型的落地能力上努力，壓縮、剪枝、蒸餾的工作仍起到重要作用。不止于算法本身，編譯、引擎、硬件等方面的優(yōu)化也在大步邁進。

《2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告》由中研普華人工智能芯片行業(yè)分析專家領銜撰寫，主要分析了人工智能芯片行業(yè)的市場規(guī)模、發(fā)展現(xiàn)狀與投資前景，同時對人工智能芯片行業(yè)的未來發(fā)展做出科學的趨勢預測和專業(yè)的人工智能芯片行業(yè)數(shù)據(jù)分析，幫助客戶評估人工智能芯片行業(yè)投資價值。

• 相關深度報告REPORTS

  

  2022-2027年中國人工智能芯片行業(yè)發(fā)展分析及投資風險預測報告

  人工智能芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務仍由CPU負責）。業(yè)界關于AI芯片的定義仍然缺乏一套嚴格和公認的標準。比較寬泛的看A...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡