智能時(shí)代的三要素：

數(shù)據(jù)、算法和算力

史愛武中華讀書報(bào)2021-09-22

近幾年，人工智能技術(shù)和應(yīng)用飛速發(fā)展，在我們生活和工作中都得到大量的普及應(yīng)用，歸功于推動(dòng)人工智能發(fā)展的三大要素：數(shù)據(jù)、算法和算力。這三個(gè)要素缺一不可，相互促進(jìn)、相互支撐，是智能技術(shù)創(chuàng)造價(jià)值和取得成功的必備條件。

數(shù) 據(jù)

在人類發(fā)明史上，很多發(fā)明都是從模仿動(dòng)物開始的，比如，模仿鳥類來實(shí)現(xiàn)人類的飛行夢(mèng)想。歷史上記載有各種關(guān)于模仿鳥類飛行的故事，當(dāng)然，結(jié)果是可想而知的，肯定都以失敗告終。我們把使用這種方法論的人統(tǒng)稱為“飛鳥派”。

從此，學(xué)術(shù)界開始意識(shí)到，讓計(jì)算機(jī)獲得智能的鑰匙其實(shí)是大數(shù)據(jù)。

數(shù)據(jù)對(duì)于人工智能，就如食材對(duì)于美味菜肴，人工智能的智能都蘊(yùn)含在大數(shù)據(jù)中。因?yàn)槿斯ぶ悄艿母怯?xùn)練，就如同人類如果要獲取一定的技能，必須經(jīng)過不斷地訓(xùn)練才能獲得，而且有“熟能生巧、巧能生仙”之說。

人工智能也是如此。只有經(jīng)過大量的訓(xùn)練，才能總結(jié)出規(guī)律，應(yīng)用到新的樣本上。如果現(xiàn)實(shí)中出現(xiàn)了訓(xùn)練集中從未有過的場(chǎng)景，人工智能則會(huì)基本處于瞎猜狀態(tài)，正確率可想而知。對(duì)于人工智能而言，大量的數(shù)據(jù)太重要了，而且需要覆蓋各種可能的場(chǎng)景，這樣才能得到一個(gè)表現(xiàn)得更智能的模型。

當(dāng)前的時(shí)代，無時(shí)無刻不在產(chǎn)生大數(shù)據(jù)。人手一部的手機(jī)、無處不在的攝像頭和傳感器等設(shè)備都在產(chǎn)生和積累著數(shù)據(jù)，這些數(shù)據(jù)形式多樣化，大部分都是非結(jié)構(gòu)化數(shù)據(jù)。

這些大數(shù)據(jù)需要進(jìn)行大量的預(yù)處理過程（特征化、標(biāo)量化、向量化），處理后的數(shù)據(jù)才能為人工智能算法所用。

算 法

幸運(yùn)的是，科學(xué)家從嬰兒身上得到了啟發(fā)。沒有人教過嬰兒怎么“看”，都是孩子自己從真實(shí)世界自學(xué)的。如果把孩子的眼睛當(dāng)作是一臺(tái)生物照相機(jī)的話，那這臺(tái)相機(jī)平均每200毫秒就拍一張照——這是眼球轉(zhuǎn)動(dòng)一次的平均時(shí)間。到孩子3歲的時(shí)候，這臺(tái)生物相機(jī)已經(jīng)拍攝過上億張真實(shí)世界照片。

這給科學(xué)家很好的啟發(fā)：能不能給計(jì)算機(jī)看非常非常多貓的圖片，讓計(jì)算機(jī)自己抽象出貓的特征，自己去理解什么是貓。

當(dāng)前，機(jī)器學(xué)習(xí)算法是主流算法，是一類從數(shù)據(jù)分析中獲得規(guī)律，并利用規(guī)律對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)的算法。機(jī)器學(xué)習(xí)算法主要分為傳統(tǒng)的機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法，神經(jīng)網(wǎng)絡(luò)算法快速發(fā)展，其中最熱門的分支當(dāng)屬深度學(xué)習(xí)，近年來深度學(xué)習(xí)的發(fā)展達(dá)到了高潮。

算法對(duì)于人工智能，就是廚師（烹飪的方法）與美味菜肴的關(guān)系。算法是實(shí)現(xiàn)人工智能的根本途徑，是挖掘數(shù)據(jù)智能的有效方法。

算 力

展開全文

算力也就是計(jì)算能力，算力對(duì)于人工智能，如同廚房的煤氣/電力/柴火對(duì)于美味佳肴一樣。有了大數(shù)據(jù)和算法之后，需要進(jìn)行訓(xùn)練，不斷地訓(xùn)練，算力為人工智能提供了基本的計(jì)算能力的支撐，本質(zhì)是一種基礎(chǔ)設(shè)施的支撐。

AI中有一個(gè)術(shù)語(yǔ)叫Epoch，一個(gè)Epoch就是所有訓(xùn)練樣本在神經(jīng)網(wǎng)絡(luò)中都進(jìn)行一次正向傳播和一次反向傳播，再通俗一點(diǎn)，一個(gè)Epoch就是將所有訓(xùn)練樣本訓(xùn)練一次的過程。

只把訓(xùn)練集從頭到尾訓(xùn)練一遍神經(jīng)網(wǎng)絡(luò)是學(xué)不好的，而是要將完整的數(shù)據(jù)集在同樣的神經(jīng)網(wǎng)絡(luò)中傳遞多次，把訓(xùn)練集翻過來、調(diào)過去訓(xùn)練多少輪。就像和小孩講一個(gè)道理，一遍肯定學(xué)不會(huì)，必須一遍一遍反復(fù)地教，一遍就會(huì)那就是神童了。

有了大數(shù)據(jù)和先進(jìn)的算法，還得有處理大數(shù)據(jù)和執(zhí)行先進(jìn)算法的計(jì)算能力。每個(gè)智能系統(tǒng)背后都有一套強(qiáng)大的硬件或者軟件計(jì)算系統(tǒng)。

超級(jí)計(jì)算機(jī)是一個(gè)國(guó)家科技發(fā)展水平和綜合國(guó)力的反映。沒有超級(jí)計(jì)算機(jī)，天氣預(yù)報(bào)不可能預(yù)報(bào)15天，中國(guó)的大飛機(jī)研制不可能進(jìn)展如此之快。另外，核武器的爆炸模擬、地震預(yù)警、抗擊新冠肺炎藥物研發(fā)等領(lǐng)域也離不開超級(jí)計(jì)算機(jī)。

目前世界運(yùn)算速度排第三位的超級(jí)計(jì)算機(jī)是中國(guó)的神威太湖之光，峰值性能達(dá)每秒12.5億億次，運(yùn)算速度相當(dāng)于普通家用電腦的200萬倍，神威太湖之光一分鐘的運(yùn)算量需要全球72億人用計(jì)算器不間斷運(yùn)算32年。

人工智能的發(fā)展對(duì)算力提出了更高的要求。除了訓(xùn)練，人工智能算法實(shí)際需要運(yùn)行在硬件上，也需要推理，這些都需要算力的支撐。然而，能提供超強(qiáng)計(jì)算能力的超級(jí)計(jì)算機(jī)，價(jià)格也是超級(jí)昂貴，不是一般人都能使用得到的。

目前的人工智能算力主要是由專有的AI硬件芯片，以及提供超級(jí)計(jì)算能力的公有云計(jì)算服務(wù)來提供。其中GPU領(lǐng)先其他芯片，在人工智能領(lǐng)域中用得最廣泛，GPU有更高的并行度、更高的單機(jī)計(jì)算峰值、更高的計(jì)算效率。

一般來說，GPU浮點(diǎn)計(jì)算的能力是CPU的10倍左右。另外，深度學(xué)習(xí)加速框架通過在GPU之上進(jìn)行優(yōu)化，再次提升了GPU的計(jì)算性能，有利于加速神經(jīng)網(wǎng)絡(luò)的計(jì)算。

云計(jì)算是計(jì)算能力的放大器。云計(jì)算是一種基于互聯(lián)網(wǎng)的分布式超級(jí)計(jì)算模式。在遠(yuǎn)程的數(shù)據(jù)中心里，成千上萬臺(tái)服務(wù)器等計(jì)算設(shè)備連接起來組成一個(gè)云，協(xié)同計(jì)算。云中的單個(gè)計(jì)算機(jī)性能可能非常一般，甚至就是普通電腦，但是很多一般加在一起的計(jì)算能力卻不容小覷。

將GPU和FPGA的計(jì)算能力部署在云端對(duì)外提供云服務(wù)意味著優(yōu)勢(shì)的進(jìn)一步放大。云計(jì)算甚至可以讓你體驗(yàn)每秒10萬億次的運(yùn)算速度，計(jì)算能力堪比超級(jí)計(jì)算機(jī)。俗話說得好，三個(gè)臭皮匠頂個(gè)諸葛亮、聚沙成塔、集腋成裘。

當(dāng)前，隨著人工智能算法模型的復(fù)雜度和精度愈來愈高，互聯(lián)網(wǎng)和物聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)呈幾何倍數(shù)增長(zhǎng)，在數(shù)據(jù)規(guī)模和算法模型的雙層疊加下，人工智能對(duì)算力的需求越來越大。

毫無疑問，人工智能走向深度學(xué)習(xí)，計(jì)算力已成為評(píng)價(jià)人工智能研究成本的重要指標(biāo)?？梢哉f，計(jì)算力即是生產(chǎn)力。

從智能時(shí)代的三個(gè)要素來看，我們也可以進(jìn)一步解析出云計(jì)算、大數(shù)據(jù)和人工智能之間的關(guān)系。為了簡(jiǎn)化和幫助理解，以炒菜這個(gè)應(yīng)用場(chǎng)景為例來說明它們之間的關(guān)系：

大數(shù)據(jù)相當(dāng)于炒菜需要的食材，也就是生產(chǎn)原料。云計(jì)算等算力就相當(dāng)于炒菜需要的煤氣/電力/柴火，人工智能算法就相當(dāng)于烹飪的方法，算法和算力也就是產(chǎn)生動(dòng)力的生產(chǎn)引擎。有了生產(chǎn)原料和生產(chǎn)引擎，就可以在不同的應(yīng)用場(chǎng)景下生產(chǎn)出我們所需要的不同東西。

2006年Hinton教授等人提出了深度學(xué)習(xí)算法,實(shí)現(xiàn)了人工智能算法理論的創(chuàng)新突破；隨著移動(dòng)互聯(lián)網(wǎng)的生活化普及,促進(jìn)了AI發(fā)展的“大數(shù)據(jù)”產(chǎn)生；大數(shù)據(jù)和深度學(xué)習(xí)等算法的雙劍合璧,再配合摩爾定律下的算力快速提升——大數(shù)據(jù)、算力、算法作為輸入，從技術(shù)角度推動(dòng)了人工智能的發(fā)展。只有在實(shí)際的場(chǎng)景中進(jìn)行輸出，才能體現(xiàn)出人工智能的實(shí)際價(jià)值。

人工智能的常見應(yīng)用場(chǎng)景包括：自動(dòng)駕駛、虛擬助理、金融服務(wù)、醫(yī)療和診斷、設(shè)計(jì)和藝術(shù)創(chuàng)作、合同訴訟等法律實(shí)務(wù)、社交陪伴、服務(wù)業(yè)和工業(yè)。應(yīng)用場(chǎng)景的不同決定了人工智能的應(yīng)用落地和效果。同樣是物流分揀中心，規(guī)模不同、信息化基礎(chǔ)不同、企業(yè)數(shù)據(jù)不同、人員素質(zhì)不同，對(duì)人工智能的要求和所發(fā)揮的效益也自然不同了。

人工智能發(fā)展到如今還是一個(gè)被大數(shù)據(jù)喂養(yǎng)起來的小怪獸，而且在深度學(xué)習(xí)算法沒有明顯突破的情況下，人工智能實(shí)現(xiàn)自我學(xué)習(xí)能力看起來還遙遙無期。因此，AI對(duì)人類的替代性以及威脅，還遠(yuǎn)沒有達(dá)到讓人類擔(dān)憂的地步，當(dāng)前大家探討最多的還是人工智能在各個(gè)領(lǐng)域的應(yīng)用。

（作者史愛武系中國(guó)電子學(xué)會(huì)云計(jì)算專家委員會(huì)委員，中國(guó)通信學(xué)會(huì)云計(jì)算專家委員會(huì)委員，教育部戰(zhàn)略研究中心云計(jì)算首席科學(xué)家，武漢紡織大學(xué)云計(jì)算與大數(shù)據(jù)研究中心主任）

數(shù)據(jù)、算法和算力，5G時(shí)代智能風(fēng)控要關(guān)注什么？

世界上唯一不變的就是變化本身，這句話在套用在風(fēng)控身上非常適用。風(fēng)控跟業(yè)務(wù)是緊密聯(lián)系在一起的，而業(yè)務(wù)是不斷變化的，這就決定了風(fēng)控模式要主動(dòng)去適應(yīng)和追趕業(yè)務(wù)模式的變化。就像4G來臨之前人們很難預(yù)測(cè)到會(huì)有短視頻、直播等應(yīng)用的出現(xiàn)，隨著5G的大范圍商用，在可預(yù)見的幾年內(nèi)，一些全新的業(yè)態(tài)將會(huì)出現(xiàn)，甚至一些業(yè)態(tài)將會(huì)超越當(dāng)下人們的思維框架，風(fēng)控體系業(yè)務(wù)模式、業(yè)務(wù)場(chǎng)景的發(fā)展將變得難以預(yù)測(cè)。我們嘗試著從過去的經(jīng)驗(yàn)來談?wù)?G時(shí)代可能會(huì)給風(fēng)控帶來的挑戰(zhàn)。如果將現(xiàn)有的風(fēng)控體系簡(jiǎn)化成一個(gè)抽象的公式，大概是這樣的。

數(shù)據(jù) + 算法 + 算力 = 決策

狹義地講，有更多的數(shù)據(jù)、更適應(yīng)的算法、更強(qiáng)大的算力，就能做出更精準(zhǔn)的風(fēng)控決策。當(dāng)然在實(shí)際應(yīng)用層面，情況要復(fù)雜得多，往往需要多個(gè)機(jī)構(gòu)和系統(tǒng)進(jìn)行跨維度、成體系的綜合協(xié)同。比如通過可信數(shù)據(jù)體系的建設(shè)，緩解算力的負(fù)擔(dān)，并提升用戶體驗(yàn)；通過聯(lián)邦學(xué)習(xí)等前沿算法的研發(fā)，解決部分?jǐn)?shù)據(jù)獲取的敏感和隱私問題；通過建立一套正反饋的決策流程，幫助算法和模型自動(dòng)化迭代提升等。隨著5G時(shí)代的到來，信息的獲取和傳遞的速度會(huì)更加迅猛，相應(yīng)的風(fēng)險(xiǎn)的傳遞和感染也將進(jìn)入前所未有的不確定期。在數(shù)據(jù)、算法、算力三個(gè)維度，5G都會(huì)給傳統(tǒng)的風(fēng)控體系帶來新的挑戰(zhàn)。

一

數(shù)據(jù)——數(shù)據(jù)濫用和隱私保護(hù)問題嚴(yán)峻

1.新型數(shù)據(jù)的處理

5G時(shí)代全世界的數(shù)據(jù)量會(huì)產(chǎn)生指數(shù)級(jí)增長(zhǎng)，而且這些數(shù)據(jù)大部分將會(huì)在新的物聯(lián)網(wǎng)場(chǎng)景下誕生，比如智能設(shè)備、智能制造、智能家居、智慧金融、智慧交通、智慧城市等領(lǐng)域，如何更好發(fā)揮這些替代數(shù)據(jù)的價(jià)值之外，數(shù)據(jù)濫用和隱私保護(hù)的問題會(huì)成為各界更為關(guān)注的議題。

2.可信的端環(huán)境

回顧互聯(lián)網(wǎng)和計(jì)算機(jī)的發(fā)展歷史，可以發(fā)現(xiàn)一條清晰的脈絡(luò)，即計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)能力不斷拆分為更細(xì)的粒度，比如從大型主機(jī)、小型機(jī)、pc服務(wù)器、虛擬機(jī)、容器和微服務(wù)，再到現(xiàn)在的serverless。

5G時(shí)代這條規(guī)律依然適用，未來瘦客戶端+云計(jì)算的組合模式可能性是比較大的。在瘦客戶端的環(huán)境下如何解決端的安全，現(xiàn)有的風(fēng)控體系如何跟5G原生的安全機(jī)制相結(jié)合等問題會(huì)顯得異常重要。

二

算法——算法自動(dòng)化奇點(diǎn)來臨

性能考驗(yàn)是算法首當(dāng)其沖的挑戰(zhàn)，更深層次來講，算法本身的安全問題其實(shí)更值得警惕。風(fēng)控決策很多時(shí)候就依賴于幾個(gè)核心模型并行得到的結(jié)果，換言之 模型能力就是風(fēng)控能力，算法安全就是線上服務(wù)安全。攻擊者當(dāng)然也深諳此道，近年來一些針對(duì)AI模型的特定攻擊方式頻繁發(fā)生，例如：數(shù)據(jù)污染、投毒、藥餌、模型惡意代碼、模型竊取、模型逃逸、拒絕服務(wù)等等。

在5G時(shí)代，將會(huì)催生出更多算法，當(dāng)下機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的無監(jiān)督訓(xùn)練算法可能是邁出了算法自動(dòng)化的一小步， 在5G高并發(fā)、低延遲、實(shí)時(shí)決策的基礎(chǔ)上，我們大膽預(yù)測(cè)算法自動(dòng)化的奇點(diǎn)將會(huì)來臨，越來越多的業(yè)務(wù)需要算法自動(dòng)化處理。如何避免算法的錯(cuò)誤，以及可能帶來公平與公正，誰(shuí)來決策和監(jiān)督等等問題，人們將會(huì)陷入一個(gè)空前激烈的輿論和技術(shù)攻防戰(zhàn)中。

三

算力——尋求邊緣和中心的協(xié)調(diào)

一套完整的風(fēng)控系統(tǒng)會(huì)用到包括規(guī)則計(jì)算、流計(jì)算、圖計(jì)算、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等在內(nèi)的多種計(jì)算方式。根據(jù)麥特卡夫定律，當(dāng)網(wǎng)絡(luò)節(jié)點(diǎn)越多，價(jià)值就越大，同時(shí)節(jié)點(diǎn)之間的連接數(shù)量會(huì)成幾何倍數(shù)上升， 5G時(shí)代算力的瓶頸將是一大挑戰(zhàn)，有人提出通過邊緣計(jì)算解決這一問題，但對(duì)于風(fēng)控體系來說可能集中式的系統(tǒng)更有優(yōu)勢(shì)，可以充分發(fā)揮“風(fēng)控大腦”的作用。

我們能否尋求到效率和性能的平衡點(diǎn)？

現(xiàn)在關(guān)于5G可能給智能風(fēng)控體系帶來的挑戰(zhàn)，很多思考、判斷還是比較淺顯和主觀，甚至一些觀點(diǎn)在未來有可能被證明是錯(cuò)誤的。盡管我們還不能馬上拿出完善的解決方案，但至少先預(yù)判風(fēng)險(xiǎn)從何處而來，才能更好的未雨綢繆?，F(xiàn)在我們能確定的是，5G肯定能催生出新的生態(tài)、新的技術(shù)架構(gòu)、新的商業(yè)模式，雖然很難對(duì)這個(gè)“新”準(zhǔn)確定義，但是我們已經(jīng)聽到由遠(yuǎn)及近的腳步聲，隨著時(shí)間的推進(jìn)，下一代風(fēng)控系統(tǒng)會(huì)逐漸明朗，同盾作為行業(yè)的領(lǐng)軍企業(yè)，正在多方布局，以積極的姿態(tài)迎接新的產(chǎn)業(yè)革命。

【作者：丁楊 同盾科技產(chǎn)品總監(jiān)】

日前，中國(guó)信息通信研究院發(fā)布《人工智能白皮書（2022 年）》，報(bào)告提出：算法、算力和數(shù)據(jù)被認(rèn)為是人工智能發(fā)展的三駕馬車，也是推動(dòng)人工智能發(fā)展的重要基礎(chǔ)。

一、在算法層面，新算法不斷涌現(xiàn)，超大規(guī)模預(yù)訓(xùn)練模型等成為近兩年最受關(guān)注的熱點(diǎn)之一

1、預(yù)訓(xùn)練模型參數(shù)數(shù)量、訓(xùn)練數(shù)據(jù)規(guī)模按照 300 倍/年的趨勢(shì)增長(zhǎng)，跨模態(tài)預(yù)訓(xùn)練大模型日益普遍，已經(jīng)從早期只學(xué)習(xí)文本數(shù)據(jù)，到聯(lián)合學(xué)習(xí)文本和圖像，再到如今可以處理文本、圖像、語(yǔ)音三種模態(tài)數(shù)據(jù)，未來使用更多種圖像編碼、更多種語(yǔ)言、以及更多類型數(shù)據(jù)的預(yù)訓(xùn)練模型將會(huì)涌現(xiàn)。

2、輕量化深度學(xué)習(xí)技術(shù)不斷探索，計(jì)算效率顯著提升。復(fù)雜的深度學(xué)習(xí)模型往往需要消耗大量的存儲(chǔ)空間和計(jì)算資源，難以在端、邊等資源受限情形下應(yīng)用，具備低內(nèi)存和低計(jì)算量?jī)?yōu)勢(shì)的技術(shù)成為業(yè)界需求。

3、“生成式人工智能”技術(shù)不斷成熟，未來聽、說、讀、寫等能力將有機(jī)結(jié)合起來。目前，“生成式人工智能”技術(shù)被廣泛應(yīng)用于智能寫作、代碼生成、有聲閱讀、新聞播報(bào)、語(yǔ)音導(dǎo)航、影像修復(fù)等領(lǐng)域，通過機(jī)器自動(dòng)合成文本、語(yǔ)音、圖像、視頻等正在推動(dòng)互聯(lián)網(wǎng)數(shù)字內(nèi)容生產(chǎn)的變革。

4、知識(shí)計(jì)算成為推動(dòng)人工智能從感知智能向認(rèn)知智能轉(zhuǎn)變的重要探索。目前，圍繞著知識(shí)獲取、知識(shí)建模、知識(shí)管理、知識(shí)應(yīng)用等過程，已經(jīng)形成了涵蓋知識(shí)圖譜、知識(shí)庫(kù)、圖計(jì)算 等技術(shù)，覆蓋知識(shí)表示、知識(shí)計(jì)算、知識(shí)推理與決策能力的體系，

二、在基礎(chǔ)算力層面，單點(diǎn)算力持續(xù)提升，算力定制化、多元化成為重要發(fā)展趨勢(shì)；計(jì)算技術(shù)圍繞數(shù)據(jù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)交互三大能力要素演進(jìn)升級(jí)，類腦芯片、量子計(jì)算等方向持續(xù)探索 。

三、在數(shù)據(jù)層面，以深度學(xué)習(xí)為代表的人工智能技術(shù)需要大量的標(biāo)注數(shù)據(jù)，這也催生了專門的技術(shù)乃至服務(wù)，隨著面向問題的不斷具體化和深入，數(shù)據(jù)服務(wù)走向精細(xì)化和定制化；此外，隨著知識(shí)在人工智能的重要性被廣泛提及，對(duì)知識(shí)集的構(gòu)建和利用不斷增多。

AI的三大基石:數(shù)據(jù)、算力和算法

近年來，人工智能（AI）發(fā)展迅速并日益受到重視，日前中國(guó)信息通信研究院發(fā)布的《全球人工智能戰(zhàn)略與政策觀察（2020）》報(bào)告指出，截至2020年12月底，全球已有39個(gè)國(guó)家和地區(qū)制定了AI的戰(zhàn)略政策、產(chǎn)業(yè)規(guī)劃文件。AI三大核心要素是數(shù)據(jù)、算力和算法。

圖片由“小i機(jī)器人”公司提供

數(shù)據(jù)是AI算法的“飼料”

算法是AI的背后“推手”

AI算法是數(shù)據(jù)驅(qū)動(dòng)型算法，是AI的推動(dòng)力量。主流的算法主要分為傳統(tǒng)的機(jī)器學(xué)習(xí)算法和神經(jīng)網(wǎng)絡(luò)算法，目前神經(jīng)網(wǎng)絡(luò)算法因?yàn)樯疃葘W(xué)習(xí)的快速發(fā)展而達(dá)到了高潮。南京大學(xué)計(jì)算機(jī)系主任、人工智能學(xué)院院長(zhǎng)周志華教授認(rèn)為，今天“AI熱潮”的出現(xiàn)主要由于機(jī)器學(xué)習(xí)，尤其是機(jī)器學(xué)習(xí)中的深度學(xué)習(xí)技術(shù)取得了巨大進(jìn)展，并在大數(shù)據(jù)和大算力的支持下發(fā)揮了巨大的威力。當(dāng)前最具代表性的深度學(xué)習(xí)算法模型有深度神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱DNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱RNN）、卷積神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱CNN）。DNN和RNN就是深度學(xué)習(xí)的基礎(chǔ)。DNN內(nèi)部的神經(jīng)網(wǎng)絡(luò)層可以分為三類，輸入層、隱藏層和輸出層。一般來說第一層是輸入層，最后一層是輸出層，而中間的層數(shù)都是隱藏層。DNN可以理解為有很多隱藏層的神經(jīng)網(wǎng)絡(luò)，是非常龐大的系統(tǒng)，訓(xùn)練出來需要很多數(shù)據(jù)、很強(qiáng)的算力進(jìn)行支撐。

算力是基礎(chǔ)設(shè)施

AI算法模型對(duì)于算力的巨大需求，推動(dòng)了今天芯片業(yè)的發(fā)展。據(jù)OpenAI測(cè)算，2012年開始，全球AI訓(xùn)練所用的計(jì)算量呈現(xiàn)指數(shù)增長(zhǎng)，平均每3.43個(gè)月便會(huì)翻一倍，目前計(jì)算量已擴(kuò)大30萬倍，遠(yuǎn)超算力增長(zhǎng)速度。在AI技術(shù)當(dāng)中，算力是算法和數(shù)據(jù)的基礎(chǔ)設(shè)施，支撐著算法和數(shù)據(jù)，進(jìn)而影響著AI的發(fā)展，算力的大小代表著對(duì)數(shù)據(jù)處理能力的強(qiáng)弱。算力源于芯片，通過基礎(chǔ)軟件的有效組織，最終釋放到終端應(yīng)用上，作為算力的關(guān)鍵基礎(chǔ)，芯片的性能決定著AI產(chǎn)業(yè)的發(fā)展。

算法、算力、數(shù)據(jù)作為AI核心三要素，相互影響，相互支撐，在不同行業(yè)中形成了不一樣的產(chǎn)業(yè)形態(tài)。隨著算法的創(chuàng)新、算力的增強(qiáng)、數(shù)據(jù)資源的累積，傳統(tǒng)基礎(chǔ)設(shè)施將借此東風(fēng)實(shí)現(xiàn)智能化升級(jí)，并有望推動(dòng)經(jīng)濟(jì)發(fā)展全要素的智能化革新。讓人類社會(huì)從信息化進(jìn)入智能化。

加快補(bǔ)齊AI芯片短板

從技術(shù)架構(gòu)來看，AI芯片可以分為通用性芯片、半定制化芯片、全定制化芯片和類腦芯片（特點(diǎn)是功耗低、響應(yīng)速度快）。AI本質(zhì)上是使用人工神經(jīng)網(wǎng)絡(luò)對(duì)人腦進(jìn)行的模擬，替代人們大腦中的生物神經(jīng)網(wǎng)絡(luò)。由于每個(gè)任務(wù)對(duì)芯片的要求不同，所以可以使用不同的AI芯片進(jìn)行訓(xùn)練和推理。

在過去二十年中，處理器性能以每年大約55%的速度提升，內(nèi)存性能的提升速度每年只有10%左右，存儲(chǔ)速度嚴(yán)重滯后于處理器的計(jì)算速度。隨著AI技術(shù)的發(fā)展，所需數(shù)據(jù)量變得越來越大，計(jì)算量越來越多，“內(nèi)存墻”（內(nèi)存性能嚴(yán)重限制CPU性能發(fā)揮的現(xiàn)象）的問題越來越嚴(yán)重。因此，存算一體（將部分或全部的計(jì)算移到存儲(chǔ)中，計(jì)算單元和存儲(chǔ)單元集成在同一個(gè)芯片，在存儲(chǔ)單元內(nèi)完成運(yùn)算），有望成為解決芯片性能瓶頸及提升效能比的有效技術(shù)手段。

目前，核心算力中芯片通用的GPU占主導(dǎo)地位。IDC的研究指出，2020年，中國(guó)的GPU服務(wù)器占據(jù)95%左右的市場(chǎng)份額，是數(shù)據(jù)中心AI加速方案的首選。但I(xiàn)DC也做出預(yù)測(cè)，到2024年，其他類型加速芯片的市場(chǎng)份額將快速發(fā)展，AI芯片市場(chǎng)呈現(xiàn)多元化發(fā)展趨勢(shì)。近年來，我國(guó)AI雖然取得了不少的突破和進(jìn)展，比如“小i機(jī)器人”公司主導(dǎo)了全球第一個(gè)AI情感計(jì)算的國(guó)際標(biāo)準(zhǔn)，并在國(guó)際上具備一定的競(jìng)爭(zhēng)力，但AI芯片對(duì)外依賴較大，并缺乏AI框架技術(shù)支撐。

未來人們對(duì)科技的依賴會(huì)與日俱增，AI也將會(huì)成為大國(guó)競(jìng)爭(zhēng)的焦點(diǎn)。為擺脫我國(guó)AI的短板，有專家表示AI芯片方面我國(guó)可以借鑒開源軟件的成功經(jīng)驗(yàn)，降低創(chuàng)新門檻，提高企業(yè)自主能力，發(fā)展國(guó)產(chǎn)開源芯片；算法框架方面則可通過開源形成廣泛的應(yīng)用生態(tài)，廣泛支持不同類型的AI芯片、硬件設(shè)備、應(yīng)用等。（ 來源：科普時(shí)報(bào)）

周智勇：智慧城市建設(shè)進(jìn)入數(shù)據(jù)、算法和算力融合推進(jìn)的新階段，構(gòu)建算法和算力能力的公共資源平臺(tái)將成為的新制高點(diǎn)！構(gòu)建智慧城市數(shù)字孿生體其實(shí)不是終極目標(biāo)，最終目標(biāo)是通過數(shù)據(jù)、算法和算力的跨場(chǎng)景融合應(yīng)用為城市創(chuàng)造管理價(jià)值、社會(huì)價(jià)值以及企業(yè)價(jià)值。

目前，業(yè)內(nèi)存在的難題是數(shù)據(jù)源源不斷，但是，算法和算力資源卻跟不上。

人工智能面臨著四大挑戰(zhàn)。分別是算力供應(yīng)嚴(yán)重不平衡，稀缺而且昂貴；比如很多傳統(tǒng)行業(yè)對(duì)部署的場(chǎng)景要求高，環(huán)境惡劣多變；云邊的數(shù)據(jù)無法協(xié)同和互通；專業(yè)技術(shù)要求門檻高，專業(yè)人才短缺。

http://www.ocn.com.cn/shangye/201909/xkijh10140647.shtml

人工智能面臨著四大挑戰(zhàn)。分別是算力供應(yīng)嚴(yán)重不平衡，稀缺而且昂貴；比如很多傳統(tǒng)行業(yè)對(duì)部署的場(chǎng)景要求高，環(huán)境惡劣多變；云邊的數(shù)據(jù)無法協(xié)同和互通；專業(yè)技術(shù)要求門檻高，專業(yè)人才短缺。

http://www.ocn.com.cn/shangye/201909/xkijh10140647.shtml

數(shù)據(jù)在不斷升遷，算力增加是必然的，往后更需要大算力芯片。而大算力的芯片除了感知之外，還可以在邊緣側(cè)提取特征和空間分析;到了中心側(cè)，能夠完成二維、三維、四維數(shù)據(jù)的分析。

http://news.yesky.com/hotnews/422/457385422.shtml

數(shù)據(jù)在不斷升遷，算力增加是必然的，往后更需要大算力芯片。而大算力的芯片除了感知之外，還可以在邊緣側(cè)提取特征和空間分析;到了中心側(cè)，能夠完成二維、三維、四維數(shù)據(jù)的分析。

http://news.yesky.com/hotnews/422/457385422.shtml

算法孵化器的目的是通過把整個(gè)算法產(chǎn)生過程工具化、標(biāo)準(zhǔn)化來降低一個(gè)單一算法的一次性產(chǎn)生成本，并為客戶提供快速應(yīng)用的能力。

http://www.sohu.com/a/290381283_115503

算法孵化器的目的是通過把整個(gè)算法產(chǎn)生過程工具化、標(biāo)準(zhǔn)化來降低一個(gè)單一算法的一次性產(chǎn)生成本，并為客戶提供快速應(yīng)用的能力。

http://www.sohu.com/a/290381283_115503

從算力、算法、數(shù)據(jù)和應(yīng)用看AIGC

01、核心觀點(diǎn)

AIGC未來已來，超預(yù)期持續(xù)出現(xiàn)。從2018到2023年，四代GPT模型高速進(jìn)步，從簡(jiǎn)單的問答、閱讀理解、文本總結(jié)，到在眾多測(cè)試 中獲得“人類級(jí)別表現(xiàn)”評(píng)級(jí)，AI迭代進(jìn)化的速度越來越快?？梢灶A(yù)期，AI達(dá)到人類智能水平、乃至超 越人類智能水平的時(shí)代會(huì)以超預(yù)期的形態(tài)和速度出現(xiàn)。

數(shù)據(jù)、算力、算法為AIGC核心要素，海內(nèi)外廠商各占鰲頭。數(shù)據(jù)，通過算力，最后產(chǎn)生了算法或者應(yīng)用。數(shù)據(jù)作為新興生產(chǎn)要素，數(shù)據(jù)的擁有者、加工者是產(chǎn) 業(yè)發(fā)展的基礎(chǔ)。算力作為基礎(chǔ)設(shè)施，是AIGC資本開支的主要受益者，核心參與者英偉達(dá)、AMD競(jìng)爭(zhēng)優(yōu) 勢(shì)顯著。AIGC的技術(shù)壁壘主要體現(xiàn)在算法上，當(dāng)前通用型AI由GPT領(lǐng)跑，而在細(xì)分領(lǐng)域上，行業(yè)內(nèi)的主 要參與者包括谷歌、Meta、Anthropic、Hugging Face和百度等公司。隨著細(xì)分龍頭競(jìng)相研發(fā)創(chuàng)新算 法和優(yōu)化現(xiàn)有技術(shù)、以及模型迭代下對(duì)數(shù)據(jù)、算力的需求高速膨脹，AIGC行業(yè)技術(shù)壁壘將不斷提高，現(xiàn) 有優(yōu)秀參與者護(hù)城河極深。

AIGC市場(chǎng)潛力巨大，應(yīng)用領(lǐng)域迎來生產(chǎn)力解放。全球AI軟件市場(chǎng)規(guī)模將在2025年達(dá)到1260億美元，2021年到2025 年年復(fù)合增長(zhǎng)率為41.02%。一級(jí)市場(chǎng)的火熱也反映了AIGC發(fā)展的確定性趨勢(shì)。在大模型的快速迭代推 動(dòng)下，搜索引擎、辦公軟件、汽車、媒體、AI繪畫設(shè)計(jì)、AI廣告營(yíng)銷、智能工作助理等應(yīng)用率先落地的 行業(yè)將具備較強(qiáng)商業(yè)化機(jī)會(huì)。

02、生成式AI：ChatGPT引燃市場(chǎng)，數(shù)字經(jīng)濟(jì)未來已至

生成式AI：自然語(yǔ)言處理演變十余年，迎來變現(xiàn)階段

AIGC(AI Generated Content)即生成式AI，多領(lǐng)域應(yīng)用逐漸成熟。AIGC涉及無監(jiān)督和半監(jiān)督學(xué)習(xí)算 法，截至目前其發(fā)展歷程主要分為三個(gè)階段：統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法階段（2010年前）：首先對(duì)數(shù)據(jù)進(jìn)行手工標(biāo)注，然后構(gòu)建其重要特征，最后構(gòu)建概率 模型并進(jìn)行參數(shù)優(yōu)化，從而將概率最大的輸出作為結(jié)果；基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型（2010年-2017年）：深度學(xué)習(xí)算法被引入，本質(zhì)上是通過大量數(shù)據(jù)訓(xùn)練 神經(jīng)網(wǎng)絡(luò)，主要表現(xiàn)形式為：CNN（卷積神經(jīng)網(wǎng)絡(luò)）、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò)）等。相比統(tǒng)計(jì)學(xué)習(xí)方法， 省去了復(fù)雜且手工的特征構(gòu)建；基于Transformer結(jié)構(gòu)的預(yù)訓(xùn)練模型（2017年至今）：利用大量無標(biāo)注數(shù)據(jù)進(jìn)行自監(jiān)督學(xué)習(xí)，然后再使 用少量的標(biāo)注數(shù)據(jù)對(duì)下游任務(wù)進(jìn)行微調(diào)（即遷移學(xué)習(xí)）。

生成式AI：GPT模型迭代四大版本，進(jìn)化速度不斷提升

OpenAI創(chuàng)立于2015年12月，發(fā)布ChatGPT引燃AI行業(yè)熱度。GPT系列是OpenAI打造的自然語(yǔ)言處 理模型，采用以Transformer結(jié)構(gòu)為核心的模型，其最大特點(diǎn)是使用了大量的未標(biāo)注的語(yǔ)料進(jìn)行無監(jiān)督的 預(yù)訓(xùn)練，然后在各種有監(jiān)督的任務(wù)上進(jìn)行微調(diào)。OpenAI于2022年11月先后推出了GPT-3.5和ChatGPT，GPT-3.5使用了更新的語(yǔ)料進(jìn)行預(yù)訓(xùn)練，而 ChatGPT是基于GPT-3.5的對(duì)話機(jī)器人，能夠根據(jù)用戶的輸入生成流暢、有邏輯的回答，以及完成撰寫論 文報(bào)告、翻譯文字、編寫代碼等文本生成任務(wù)，并且能根據(jù)聊天的上下文進(jìn)行互動(dòng)。

生成式AI：AI產(chǎn)品全面開花，生產(chǎn)力將達(dá)新高度

GPT模型穩(wěn)定進(jìn)步，AI已是成熟生產(chǎn)工具。從GPT-1到最新發(fā)布的GPT-4模型，其應(yīng)用已經(jīng)不僅局限 于問答、閱讀理解等文本處理，雖然目前GPT-4在現(xiàn)實(shí)場(chǎng)景中的能力可能不如人類，但在各種專業(yè)和學(xué)術(shù) 考試上表現(xiàn)出明顯超越人類水平的能力，GPT-4在模擬律師考試中，分?jǐn)?shù)排在前10%；相比之下，GPT3.5的得分則在倒數(shù)10%附近。隨著算力、算法、數(shù)據(jù)量的演進(jìn)，行業(yè)內(nèi)不斷出現(xiàn)高質(zhì)量的AI產(chǎn)品，微軟New Bing、AI繪畫、智能 駕駛等等，體現(xiàn)出AI未來在多個(gè)領(lǐng)域的應(yīng)用潛力。ChatGPT版Office、百度“文心一言”兩大產(chǎn)品正式推 出，或?qū)I的生產(chǎn)力推向新的高度。

生成式AI：AI進(jìn)化加速，數(shù)字經(jīng)濟(jì)未來已至

AI行業(yè)星辰大海，數(shù)字經(jīng)濟(jì)未來已至。從2018到2023年，四代GPT模型高速進(jìn)步，從簡(jiǎn)單的問答、 閱讀理解、文本總結(jié)，到在眾多測(cè)試中獲得“人類級(jí)別表現(xiàn)”評(píng)級(jí)，此外近期AI衍生產(chǎn)品的層出不窮，顯 現(xiàn)出背后AI行業(yè)的星辰大海。2020年，馬斯克預(yù)言五年內(nèi)人工智能將比人類更聰明，當(dāng)前AI迭代進(jìn)化的速度越來越快，雖然GPT 還未通過圖靈測(cè)試，距離真正的“智能”還有距離，但我們認(rèn)為，AI達(dá)到人類水平、乃至超越人類的時(shí)代 即將到來。

生成式AI：算力、算法、數(shù)據(jù)三位一體

數(shù)據(jù)，通過算力，最后產(chǎn)生了算法或者應(yīng)用。AIGC是人工智能、大數(shù)據(jù)、云計(jì)算、5G等多個(gè)技術(shù)領(lǐng) 域的整合，是一種跨領(lǐng)域的合作發(fā)展模式。在AIGC行業(yè)中，算力、算法、數(shù)據(jù)是三個(gè)核心概念，它們共同 構(gòu)成了這個(gè)領(lǐng)域的基礎(chǔ)設(shè)施。未來隨著技術(shù)的進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，這三個(gè)概念將繼續(xù)發(fā)揮重要作 用，推動(dòng)整個(gè)行業(yè)的創(chuàng)新和發(fā)展。

03、數(shù)據(jù)：大模型訓(xùn)練的基礎(chǔ)資源

數(shù)據(jù)：大模型訓(xùn)練的基礎(chǔ)資源，需求不斷擴(kuò)大

數(shù)據(jù)是訓(xùn)練大模型的基礎(chǔ)資源，以GPT系列模型為例，對(duì)比三代模型間使用的數(shù)據(jù)集，訓(xùn)練所需的 數(shù)據(jù)集在質(zhì)量和數(shù)量方面均不斷提升。隨著人工智能模型迭代發(fā)展，高質(zhì)量數(shù)據(jù)集的需求將進(jìn)一步增長(zhǎng)。從自然數(shù)據(jù)源簡(jiǎn)單收集取得的原料數(shù)據(jù)并不能直接用于有監(jiān)督的深度學(xué)習(xí)算法訓(xùn)練，必須經(jīng)過專 業(yè)化的采集、加工，形成相應(yīng)的工程化訓(xùn)練數(shù)據(jù)集后才能供深度學(xué)習(xí)算法等訓(xùn)練使用。目前，帶有監(jiān)督學(xué)習(xí)的算法對(duì)于訓(xùn)練數(shù)據(jù)的需求遠(yuǎn)大于現(xiàn)有的標(biāo)注效率和投入預(yù)算，基礎(chǔ)數(shù)據(jù)服 務(wù)將持續(xù)釋放其對(duì)于算法模型的基礎(chǔ)支撐價(jià)值。

04、算力：大模型發(fā)展帶來高算力需求

算力：算力需求不斷攀升，GPU行業(yè)市場(chǎng)巨大

AIGC模型硬件以GPGPU為主，GPU市場(chǎng)規(guī)模有望在2030年超過4000億美元。GPU在并行計(jì)算方 面具有性能優(yōu)勢(shì)，在AI領(lǐng)域分化成兩條分支：一條是傳統(tǒng)意義的GPU，專門用于圖形圖像處理用途；另一 條是GPGPU，作為運(yùn)算協(xié)處理器，增加了專用指令來滿足不同領(lǐng)域的計(jì)算需求。使用GPGPU在云端進(jìn)行 模型訓(xùn)練算法能夠顯著縮短海量訓(xùn)練數(shù)據(jù)的訓(xùn)練時(shí)長(zhǎng)，減少能源消耗，從而降低人工智能的應(yīng)用成本，目 前全球人工智能相關(guān)處理器解決方案仍以GPGPU為主。根據(jù)VerifiedMarketResearch報(bào)告，2021年全球GPU芯片市場(chǎng)規(guī)模已經(jīng)達(dá)到了334.7億美元，并預(yù) 計(jì)到2030年將達(dá)到4,773.7億美元，CAGR高達(dá)33.3%。GPU市場(chǎng)保持著高速增長(zhǎng)態(tài)勢(shì)，其在人工智能領(lǐng)域 中仍然是不可或缺的計(jì)算資源之一。

算力：英偉達(dá)芯片龍頭市場(chǎng)地位穩(wěn)固

英偉達(dá)：高算力芯片龍頭，AI芯片市場(chǎng)地位領(lǐng)先。人工智能平臺(tái)需要巨大的數(shù)據(jù)處理能力，英偉達(dá)的 A100顯卡適合于支持ChatGPT、Bard等工具的機(jī)器學(xué)習(xí)模型，這款芯片能夠同時(shí)執(zhí)行眾多簡(jiǎn)單的計(jì)算，而 這對(duì)于訓(xùn)練和使用神經(jīng)網(wǎng)絡(luò)模型很重要，使得A100顯卡成為目前主流AI芯片。長(zhǎng)期展望，AI芯片市場(chǎng)快速增長(zhǎng)將帶動(dòng)英偉達(dá)營(yíng)收快速增長(zhǎng)，根據(jù)中商產(chǎn)業(yè)研究院數(shù)據(jù)顯示，預(yù)計(jì)全 球AI芯片市場(chǎng)規(guī)模有望從2020年的約175億美元提升到2025年的726億美元，年復(fù)合增長(zhǎng)率32.9%。根據(jù)花 旗集團(tuán)預(yù)估，ChatGPT 的使用可能會(huì)在 12 個(gè)月內(nèi)為英偉達(dá)帶來 30 億至 110 億美元的銷售額。

算力：AMD封裝理念Chiplet領(lǐng)先，推出高性能APU

AMD：高算力芯片代表企業(yè)，即將推出世界首款集成數(shù)據(jù)中心CPU和GPU的APU產(chǎn)品。在2023年的 CES上，AMD預(yù)覽了AI推理加速器AMD Alveo V70，主打高能效，峰值A(chǔ)I算力可達(dá)到400TOPS，TDP僅 75W。AMD稱這是最強(qiáng)AI算力的75W TDP級(jí)產(chǎn)品。AMD還預(yù)覽了其首款集成數(shù)據(jù)中心CPU和GPU的APU產(chǎn)品AMD Instinct MI300。該款產(chǎn)品采用了 Chiplet封裝理念。Chiplet策略是一項(xiàng)重要的硬件創(chuàng)新，擺脫了單芯片微縮的限制，同時(shí)能夠優(yōu)化設(shè)備的性 能、功耗和性價(jià)比。MI300加速器專為領(lǐng)先的高性能計(jì)算（HPC）和AI性能而設(shè)計(jì)，借助3D封裝技術(shù)將 CPU和加速計(jì)算單元集成在一起，總共有1460億個(gè)晶體管。

算力：英偉達(dá)、AMD壟斷全球，國(guó)產(chǎn)芯片奮起直追

全球GPU市場(chǎng)中英偉達(dá)和AMD占據(jù)96%份額，國(guó)內(nèi)GPU主要研發(fā)企業(yè)為海光信息、寒武紀(jì)等。根據(jù) Wccftech，2022Q3獨(dú)立GPU市場(chǎng)中英偉達(dá)和AMD分別占據(jù)88%、8%市場(chǎng)份額。根據(jù)海光信息招股書公 布技術(shù)指標(biāo)數(shù)據(jù)，當(dāng)前國(guó)內(nèi)高端GPU相比國(guó)際巨頭在顯存頻率、帶寬等參數(shù)上還有一定差距，但在典型應(yīng) 用場(chǎng)景下，深算一號(hào)已基本能夠達(dá)到國(guó)際上同類型高端產(chǎn)品的水平。在國(guó)際市場(chǎng)上，英偉達(dá)和AMD在高性能計(jì)算和人工智能領(lǐng)域具有豐富的產(chǎn)品線和完善的生態(tài)系統(tǒng)， 疊加長(zhǎng)期積累的技術(shù)優(yōu)勢(shì)和市場(chǎng)地位，預(yù)計(jì)仍將長(zhǎng)期維持AI算力芯片領(lǐng)域的龍頭地位。

算力：國(guó)產(chǎn)芯片發(fā)展迅速，填補(bǔ)AI市場(chǎng)空缺

高端芯片進(jìn)口受限，國(guó)產(chǎn)芯片需求加速擴(kuò)大。在NVIDIA、AMD高端產(chǎn)品被限制向中國(guó)出售的情況下， 國(guó)產(chǎn)大模型算力需求將快速推動(dòng)國(guó)產(chǎn)芯片市場(chǎng)增長(zhǎng)，當(dāng)前國(guó)產(chǎn)GPGPU芯片的研發(fā)和生產(chǎn)已經(jīng)取得了一定的 進(jìn)展，海光、炬芯、寒武紀(jì)等企業(yè)均擁有具備自主知識(shí)產(chǎn)權(quán)的GPU芯片，為國(guó)內(nèi)高性能計(jì)算和人工智能領(lǐng) 域的發(fā)展提供了重要支持。根據(jù)前瞻產(chǎn)業(yè)研究院，國(guó)產(chǎn)人工智能芯片自2020年來呈爆發(fā)式增長(zhǎng)，2023年市場(chǎng)空間預(yù)計(jì)將超過 1,300億元，2020-2023年CAGR為95.86%?？傮w而言，在國(guó)際關(guān)系緊張、芯片進(jìn)口受限的前提下國(guó)產(chǎn)人 工智能芯片市場(chǎng)未來的發(fā)展前景廣闊，隨著國(guó)內(nèi)廠商加大研發(fā)投入和技術(shù)創(chuàng)新力度，進(jìn)一步提升產(chǎn)品性能， 看好其在國(guó)內(nèi)乃至國(guó)際市場(chǎng)中獲得更多的份額和競(jìng)爭(zhēng)優(yōu)勢(shì)。

05、算法：大模型算法助力AIGC突破

算法：微軟Azure超算為GPT提供保障

Azure算力支持，數(shù)億投入始現(xiàn)回報(bào)。GPT系列是OpenAI打造的自然語(yǔ)言處理模型，基于文本 預(yù)訓(xùn)練的GPT-1，GPT-2，GPT-3三代模型都采用以Transformer結(jié)構(gòu)為核心的模型。微軟在2019年向OpenAI投資10億美元，并為OpenAI建造了一臺(tái)由數(shù)萬個(gè)A100 GPU組成的大 型AI超級(jí)計(jì)算機(jī)，成本或超過數(shù)億美元。GPT模型正是由這臺(tái)超級(jí)計(jì)算機(jī)提供支持，OpenAI試圖訓(xùn) 練更多需要學(xué)習(xí)海量數(shù)據(jù)、擁有超大參數(shù)規(guī)模的AI模型，需要長(zhǎng)期訪問強(qiáng)大的云計(jì)算服務(wù)，GPT-3的 參數(shù)量達(dá)到了1,750億，微軟構(gòu)建了一個(gè)可在非常大的范圍內(nèi)運(yùn)行且可靠的系統(tǒng)架構(gòu)，這使得 ChatGPT成為可能。

算法：ChatGPT引入最新模型GPT-4具備識(shí)圖能力

算法：GPT-4模型回答準(zhǔn)確性顯著提高

相較GPT-3.5，回答準(zhǔn)確性顯著提高。根據(jù)OpenAI公布數(shù)據(jù)顯示，GPT-4在專業(yè)和學(xué)術(shù)方面表現(xiàn)優(yōu) 異，在諸多標(biāo)準(zhǔn)化考試中均取得了優(yōu)秀的分?jǐn)?shù)。比如其能通過模擬律師考試，且分?jǐn)?shù)在應(yīng)試者的前10% 左 右，相比之下，GPT-3.5的得分在倒數(shù) 10% 左右。GPT-4在GRE（Graduate Record Examination）數(shù) 學(xué)考試中取得應(yīng)試者前20%左右成績(jī)，而GPT-3.5僅能排在應(yīng)試者后25%。GPT-4在大部分語(yǔ)言上的準(zhǔn)確性均超過了GPT-3.5在英語(yǔ)上的表現(xiàn)。OpenAI使用 Azure Translate 將 MMLU 基準(zhǔn) —— 一套涵蓋 57 個(gè)主題的 14000 個(gè)多項(xiàng)選擇題 —— 翻譯成多種語(yǔ)言。在測(cè)試的 26 種 語(yǔ)言的 24 種中，GPT-4 優(yōu)于 GPT-3.5 和其他大語(yǔ)言模型（Chinchilla、PaLM）的英語(yǔ)語(yǔ)言性能。

算法：最大視覺語(yǔ)言模型PaLM-E，可操控機(jī)器人

谷歌：發(fā)布目前最大視覺語(yǔ)言模型PaLM-E，有望率先落地智能機(jī)器人相關(guān)產(chǎn)品。PaLM-E是一種多 模態(tài)視覺語(yǔ)言模型（VLM），具有 5620 億個(gè)參數(shù)，是全球已知的最大視覺語(yǔ)言模型。根據(jù)谷歌公布的演示視頻顯示，只需要給 PalM-E 下達(dá)一條高級(jí)命令，比如“把抽屜里的薯片拿給 我”，它就可以給一個(gè)帶機(jī)械臂的移動(dòng)機(jī)器人平臺(tái)（由谷歌機(jī)器人開發(fā)）生成行動(dòng)計(jì)劃，然后自行執(zhí)行。PaLM-E 通過分析來自機(jī)器人攝像頭的數(shù)據(jù)來實(shí)現(xiàn)這一點(diǎn)，整個(gè)過程不需要對(duì)場(chǎng)景表示進(jìn)行預(yù)處理。并且，PaLM-E表現(xiàn)出了“正遷移”，又稱助長(zhǎng)式遷移，它能把一項(xiàng)任務(wù)中學(xué)到的知識(shí)和技能遷移至另一項(xiàng) 任務(wù)，而且與單任務(wù)機(jī)器人模型相比具有“明顯更高的性能水平”。

算法：針對(duì)研究群體的模型“LLaMA”，目標(biāo)明確

Meta：“LLaMA”致力于輔助學(xué)術(shù)研究人員完成研究工作。LLaMA （Large Language Model Meta AI）模型參數(shù)相對(duì)少，意味著運(yùn)行模型算力要求較低，但基準(zhǔn)測(cè)試表現(xiàn)優(yōu)秀。同ChatGPT、New Bing不同，LLaMA是一個(gè)開源的“研究工具”，旨在完成在文本生成、問題回答、書面材料總結(jié)，以及自 動(dòng)證明數(shù)學(xué)定理、預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)等工作幫助研究人員推進(jìn)研究工作。根據(jù)Meta發(fā)布的信息，LLaMA包含4個(gè)基礎(chǔ)模型，參數(shù)分別為70億、130億、330億和650億。其中， LLaMA 65B 和 LLaMA 33B在1.4萬億個(gè)tokens上訓(xùn)練，而最小的模型LLaMA 7B也經(jīng)過了1萬億個(gè)tokens 的訓(xùn)練。在大多數(shù)基準(zhǔn)測(cè)試中，參數(shù)小的多的LLaMA-13B的性能優(yōu)于GPT3.5的前身GPT3-175B，而 LLaMA-65B更可與業(yè)內(nèi)最佳的Chinchilla-70B和PaLM-540B競(jìng)爭(zhēng)。

算法：對(duì)人工智能的安全性監(jiān)督日益重要

Anthropic：聚焦“安全”的人工智能，或?qū)⒊蔀锳I安全領(lǐng)域?qū)＜?。隨著大語(yǔ)言模型的發(fā)展，AI在很 多任務(wù)上的能力將會(huì)超過人類，這將讓人類無法監(jiān)督模型。為了確保 AI 在超過人類能力后仍保持安全性， 需要開發(fā)一種可擴(kuò)展的模型監(jiān)督技術(shù)。CAI（ Constitutional AI ）技術(shù)即是這種模型監(jiān)督技術(shù)，原理是人類可以指定一套行為規(guī)范或原則， 而不需要手工為每個(gè)有害輸出打標(biāo)簽，模型根據(jù)這套行為規(guī)范和準(zhǔn)則選擇最佳結(jié)果。Anthropic所開發(fā)的 聊天機(jī)器人Claude，在對(duì)話安全領(lǐng)域上做得更為突出，更擅長(zhǎng)拒絕有害詞或有害的引導(dǎo)，與人類價(jià)值觀更 加相符。并且CAI技術(shù)有望對(duì)未來所有人工智能模型實(shí)施有效安全性監(jiān)督。

算法：構(gòu)建AI開發(fā)平臺(tái)，加速AI模型迭代更新

Hugging Face：與亞馬遜旗下云計(jì)算部門AWS擴(kuò)大合作，將在AWS上構(gòu)建下一個(gè)版本語(yǔ)言模型。近日，AWS宣布與美國(guó)明星AI創(chuàng)企Hugging Face擴(kuò)大合作，以加速構(gòu)建生成式AI應(yīng)用的大型語(yǔ)言模型和 大型視覺模型的訓(xùn)練、微調(diào)和部署。Hugging Face是OpenAI的主要競(jìng)爭(zhēng)對(duì)手之一，其主要業(yè)務(wù)包括生產(chǎn) AI產(chǎn)品和托管其他公司開發(fā)的產(chǎn)品，已發(fā)展成AI開發(fā)者共享開源代碼和模型的在線中心之一。據(jù)AWS數(shù)據(jù)庫(kù)、分析和機(jī)器學(xué)習(xí)副總裁Swami Sivasubramanian透露，Hugging Face將在AWS上 構(gòu)建其語(yǔ)言模型的下一個(gè)版本BLOOM。該開源AI模型在規(guī)模和范圍上將與OpenAI用于研發(fā)ChatGPT的大 型語(yǔ)言模型競(jìng)爭(zhēng)，將運(yùn)行在AWS自研AI訓(xùn)練芯片Trainium上。

算法：國(guó)產(chǎn)大模型奮力追趕，行業(yè)布局廣泛

百度：國(guó)內(nèi)首個(gè)類GPT產(chǎn)品，有望在外部壓力驅(qū)動(dòng)下快速推動(dòng)國(guó)內(nèi)應(yīng)用結(jié)合落地?！拔男囊谎浴北M管模 型能力水平上與ChatGPT等有一定差距，但在下游應(yīng)用逐步對(duì)接后，有望依靠合作伙伴的高質(zhì)量數(shù)據(jù)集快速 提升模型能力。由于國(guó)內(nèi)無法使用ChatGPT的API接口，且出于數(shù)據(jù)安全等角度考慮，勢(shì)必需要國(guó)產(chǎn)大模型， 百度“文心一言”作為國(guó)產(chǎn)大模型的先行者，在國(guó)內(nèi)政策扶持和產(chǎn)業(yè)鏈協(xié)同發(fā)展的背景下，將進(jìn)一步加速國(guó) 內(nèi)AI技術(shù)進(jìn)步和產(chǎn)業(yè)化進(jìn)程，填補(bǔ)市場(chǎng)空缺。根據(jù)百度文心大模型的布局全景，“文心一言”有望通過飛槳開源開放平臺(tái)、百度智能云等賦能到工業(yè) 、能源、金融、通信、媒體、教育等各行各業(yè)，通過接入合作伙伴的方式，進(jìn)一步獲取高質(zhì)量數(shù)據(jù)集以強(qiáng)化 模型訓(xùn)練調(diào)整，快速提升模型性能。

06、產(chǎn)業(yè)應(yīng)用：各領(lǐng)域應(yīng)用加速落地，商業(yè)化前景廣闊

產(chǎn)業(yè)應(yīng)用：AIGC市場(chǎng)潛力巨大，落地領(lǐng)域迎來生產(chǎn)力解放

AIGC市場(chǎng)潛力巨大，即將實(shí)現(xiàn)多領(lǐng)域應(yīng)用。根據(jù)Tractica的預(yù)測(cè)數(shù)據(jù)顯示，全球AI軟件市場(chǎng)規(guī)模將在 2025年達(dá)到1260億美元，2021年到2025年年復(fù)合增長(zhǎng)率為41.02%。在大模型的快速迭代推動(dòng)下，AIGC 市場(chǎng)預(yù)計(jì)將保持高速增長(zhǎng)，市場(chǎng)潛力巨大。生成式AI領(lǐng)域在一級(jí)市場(chǎng)同樣受到青睞，全球早期資金調(diào)研機(jī)構(gòu) CB Insights最新報(bào)告顯示，2022年有110筆創(chuàng)投交易和ChatGPT概念有關(guān)，投資資金超過26億美元。我們預(yù)計(jì)搜索引擎、辦公軟件、汽車、媒體、AI繪畫設(shè)計(jì)、AI廣告營(yíng)銷等應(yīng)用率先落地的行業(yè)將具備 較強(qiáng)商業(yè)化機(jī)會(huì)，AI服務(wù)將極大解放生產(chǎn)力，帶來行業(yè)新模式。

【搜索引擎】微軟（MSFT.O）：高質(zhì)量廣告更加符合用戶需求

搜索引擎的主要代表為微軟Bing。根據(jù)用戶搜索內(nèi)容，必應(yīng)將生成相應(yīng)問題答案的方案，比如當(dāng)用戶 輸入“計(jì)劃一次為期五天的墨西哥之旅”的命令時(shí)，除了返回一些網(wǎng)址鏈接供你參考之外，跟使用 ChatGPT 一樣，必應(yīng)對(duì)話框會(huì)直接給你寫出一個(gè)方案，用戶可以直接復(fù)制這個(gè)答案，不滿意的話也可以要 求它再生成一個(gè)另外的方案，而必應(yīng)可能會(huì)在回復(fù)中給出與搜索內(nèi)容相關(guān)的廣告。由于生成式搜索下回復(fù)將 對(duì)用戶具有更高的匹配度，因此廣告也將更符合用戶需求。

【辦公軟件】微軟（MSFT.O）：AI助手解放生產(chǎn)力，辦公模式迎來變革

【汽車】Mobileye（MBLY.O）：自動(dòng)駕駛或達(dá)新高度

【媒體】Buzzfeed（BZFD.O）：率先落地AI，互動(dòng)更加個(gè)性化

根據(jù)CBS消息，美國(guó)知名媒體BuzzFeed宣布與OpenAI合作，將從“Quizzes”欄目入手，引入生成式 AI進(jìn)行內(nèi)容創(chuàng)作。該欄目主要由一系列有趣的問題測(cè)試組成，比如包括“測(cè)測(cè)你是迪士尼里的哪位公主”， “你最像復(fù)仇者聯(lián)盟里的哪位超級(jí)英雄”之類等，根據(jù)用戶回答生成個(gè)人報(bào)告。ChatGPT接入到Buzzfeed后，將被用于為每位客戶生成個(gè)性報(bào)告的編寫過程中，AI的自動(dòng)化生產(chǎn)內(nèi)容 將為這一工作縮減不必要的人工勞動(dòng)，從而降低內(nèi)容生產(chǎn)的成本，有望迎來人力成本的解放。根據(jù)Buzzfeed 同創(chuàng)辦人兼執(zhí)行長(zhǎng)Jonah Peretti表示，AI將會(huì)被應(yīng)用在建立測(cè)驗(yàn)、集思廣益，并協(xié)助為閱聽眾提供客制化內(nèi) 容，幫助媒體作者提高效率。

【設(shè)計(jì)繪畫】Stability AI：AI高效繪圖，改變行業(yè)工作模式

目前該行業(yè)領(lǐng)域暫無對(duì)應(yīng)上市公司，主要公司之一為Stability AI。Stability AI是一家元宇宙及數(shù)字媒 體工具開發(fā)商，構(gòu)建了可制作數(shù)字藝術(shù)的AI繪畫平臺(tái)“Stable Diffusion”，該工具是一種根據(jù)描述生成圖片 的AI技術(shù)模型。只需輸入簡(jiǎn)單的文字描述，其就能在幾秒鐘內(nèi)自動(dòng)生成一幅真實(shí)的畫作。AI技術(shù)的發(fā)展讓人們的想象逐 漸成為現(xiàn)實(shí)。無論是需要一個(gè)角色立繪，還是設(shè)計(jì)場(chǎng)景背景，均可以通過AI繪圖工具迅速完成。該類AI繪圖 應(yīng)用有望為設(shè)計(jì)繪畫行業(yè)帶來效率的極大提升，釋放大量人工勞動(dòng)力，人類所扮演得角色將更傾向于提出意 見，而不是親自做圖。

【游戲】Scenario、網(wǎng)易（9999.HK）：生成游戲素材，增強(qiáng)交互體驗(yàn)

游戲資產(chǎn)生成：Scenario 允許創(chuàng)建由游戲開發(fā)人員或游戲藝術(shù)家訓(xùn)練的自定義生成器，以僅匹配他們 自己圖像的風(fēng)格。在用戶上傳了一組定義給定游戲或項(xiàng)目的角色、物品、環(huán)境或其他資產(chǎn)的視覺效果后， Scenario平臺(tái)可以根據(jù)用戶上傳數(shù)據(jù)快速生成相應(yīng)游戲資產(chǎn)，大大降低了游戲開發(fā)成本。增強(qiáng)交互體驗(yàn)：近期網(wǎng)易旗下手游《逆水寒》官方宣布，實(shí)裝國(guó)內(nèi)首個(gè)游戲內(nèi)類GPT技術(shù)，采用了大量 來自網(wǎng)易伏羲人工智能實(shí)驗(yàn)室以及網(wǎng)易雷火事業(yè)群的 AI 技術(shù)。從官方公布演示視頻來看，《逆水寒》手游已 經(jīng)能讓智能 NPC 和玩家自由生成對(duì)話，同時(shí)也能基于對(duì)話內(nèi)容做出合適的邏輯行為反饋，包括聲音和形體動(dòng) 作。生成式AI在游戲中的應(yīng)用可以大大增強(qiáng)玩家劇情代入感，大幅提高游戲交互體驗(yàn)，提升玩家對(duì)游戲的探 索欲望。

【廣告營(yíng)銷】Jasper AI：快速創(chuàng)建各類廣告內(nèi)容，降低營(yíng)銷成本

Jasper AI是一個(gè)AI文本生成工具，用戶可以通過其自動(dòng)創(chuàng)建博客文章、社交媒體文章、廣告、電子書 、登陸頁(yè)面副本、故事、小說等等。一旦用戶給出一些輸入文本（關(guān)于需要生成的內(nèi)、標(biāo)題、相關(guān)關(guān)鍵詞等 的簡(jiǎn)介），它就會(huì)生成對(duì)應(yīng)的原創(chuàng)內(nèi)容。其深耕廣告營(yíng)銷領(lǐng)域，有望成為垂直領(lǐng)域行業(yè)龍頭，主要具備以下 三個(gè)優(yōu)勢(shì)：

精細(xì)的營(yíng)銷模板：用戶可以根據(jù)想要生成的內(nèi)容形式，選擇更加符合需求的模板，平臺(tái)提供50個(gè)簡(jiǎn)短的文 案模板，可幫助用戶為各種日常任務(wù)創(chuàng)建文案，其中包括用于為電子郵件、網(wǎng)站、博客、廣告、電子商 務(wù)、社交媒體、視頻等編寫內(nèi)容的 AI 模板。產(chǎn)品交互體驗(yàn)優(yōu)秀：該平臺(tái)工具交互界面清晰易上手，產(chǎn)品符合用戶使用邏輯，且會(huì)根據(jù)用戶反饋頻繁更 新優(yōu)化。優(yōu)秀的配套培訓(xùn)體系：Jasper AI提供名為 "Jasper BootCamp" 的培訓(xùn)，幫助新用戶快速了解該軟件的工 作原理，并且獲得營(yíng)銷基本知識(shí)。

.

《南方治理評(píng)論》稿約

《南方治理評(píng)論》始創(chuàng)于2013年，CNKI來源集刊。廣州大學(xué)南方治理研究院主辦、社會(huì)科學(xué)文獻(xiàn)出版社出版的連續(xù)性學(xué)術(shù)輯刊?！赌戏街卫碓u(píng)論》秉持“培育公共精神，直面轉(zhuǎn)型中國(guó)，詮釋社會(huì)熱點(diǎn)，擴(kuò)展學(xué)術(shù)深度，貼近重大需求，服務(wù)國(guó)家治理”，追求“本土化、專業(yè)化、個(gè)性化、國(guó)際化”，崇尚原創(chuàng)研究、微觀研究和深度研究的學(xué)術(shù)精神，試圖在中國(guó)繁雜的地方語(yǔ)境下運(yùn)用本土話語(yǔ)體系著力解讀地方性知識(shí)和日常性邏輯。主要設(shè)置有“學(xué)術(shù)一線”、“數(shù)字治理”、“健康治理”、“災(zāi)害治理”、“南國(guó)講堂”、“伶仃書評(píng)”、“回歸訪談”等欄目。

通訊地址：廣州市大學(xué)城外環(huán)西路230號(hào)文逸樓512室

投稿郵箱：gdgzpar@163.com

投稿網(wǎng)站：http://iedol.ssap.cm.cn/(選擇“社會(huì)政法”)

投稿體例：https://pan.wps.cn/l/srr2hdj

《南方治理評(píng)論》第8輯

《南方治理評(píng)論》第7輯

《廣州公共管理評(píng)論》第6輯

《廣州公共管理評(píng)論》第5輯

《廣州公共管理評(píng)論》第4輯

《廣州公共管理評(píng)論》第3輯

《廣州公共管理評(píng)論》第2輯

《廣州公共管理評(píng)論》第1輯

當(dāng)前瀏覽器不支持播放音樂或語(yǔ)音，請(qǐng)?jiān)谖⑿呕蚱渌麨g覽器中播放 癡情冢 音樂： 賈青;徐溢 - 新天龍八部 電視原聲帶

廣州大學(xué)南方治理研究院