【启明创投_未尽研究】技术精华：生成式AI（2023）_36页_11mb

生成式AI 2023年发展总结

核心内容

生成式人工智能在2023年进入了新的发展阶段，GPT-4的发布标志着其向通用人工智能（AGI）迈进。生成式AI的生态包括基础设施层、模型层与应用层，创新与竞争在各个层面展开。算力成为当前最稀缺的资源，决定着行业的发展速度。研究与创新紧密结合，初创企业与风险资本推动了技术的快速演进。与此同时，监管、安全和人才成为关键议题，中美欧正在加快立法进程，中国在论文数量上超过美国，但顶尖人才仍占优势。

主要观点

• 生态架构：生成式AI的生态由基础设施层、模型层和应用层构成，其中基础设施层提供算力支持，模型层研发大模型并提供服务，应用层专注于具体场景。
• 算力瓶颈：随着大模型参数和训练需求的增加，算力成为主要成本因素，GPU性能提升速度跟不上需求增长，导致训练成本高昂。
• 模型层竞争：大模型公司如OpenAI、Anthropic、Cohere等，以及中国本土的初创企业，正积极研发通用和垂直大模型，争夺市场主导权。
• 应用层创新：应用层公司利用大模型进行内容生成、智能助手、客服、营销等场景，但面临同质化竞争和用户粘性不足的挑战。
• 前沿研究：研究重点集中在模型的“慢思考”机制、智能涌现、多模态处理、具身智能等方向，OpenAI和谷歌在这些领域取得了重要进展。
• 开源与闭源竞争：开源模型虽有成本优势，但难以与闭源模型匹敌，且存在数据依赖问题。模仿闭源模型的尝试未能有效缩小能力差距。
• 监管与安全：生成式AI的快速发展促使各国加强监管，尤其是中国、欧盟和美国，同时企业开始设立AI伦理审查机制。
• 人才的重要性：顶尖AI人才在模型研发和创新中发挥核心作用，尤其在初创企业中，他们推动了技术的突破和应用的落地。

关键信息

1. 生成式AI的生态结构

• 基础设施层：提供算力和工具链，如GPU、智算中心、云服务等。
• 模型层：研发和提供大模型服务，包括通用大模型和垂直大模型。
• 应用层：开发基于大模型的具体应用场景，如生产力工具、客服系统、内容创作等。

2. 算力成本与效率

• 训练成本：训练GPT-3需要357年，而使用A100后降至32年，但实际成本仍高。
• 推理成本：使用GPT-3.5-turbo的推理成本为0.003美元/千tokens，毛利率约85%。
• 效率提升：算力使用效率随着软硬件优化而提升，目前训练效率约50%，推理效率约25%。

3. 企业运营模式的变化

• 守成者：传统业务受冲击，转型缓慢，利润可能下滑。
• 创新者：积极拥抱AI，提升产品功能和用户体验，实现服务溢价。
• 采纳者：内部流程中引入AI，降低人力成本，提升效率。

4. 市场格局与趋势

• 独角兽企业：全球生成式AI领域已出现至少13家独角兽企业。
• 中国发展：中国在大模型数量和应用层创新方面表现强劲，但顶尖人才仍以美国为主。
• 市场细分：语言类应用占27%，多模态应用占近1/3，大模型公司和工具链公司占比14%。
• 行业渗透：金融、法律、营销、客服等领域成为生成式AI的主要应用场景。

5. 前沿研究方向

• 智能涌现：大模型在参数和数据量增加后展现出更强的推理和任务解决能力。
• 多模态处理：多模态模型可以处理文本、图像、音频、视频等多种数据，提升AI与人类的交互能力。
• 具身智能：结合AI与机器人，实现更复杂的任务处理，如在Minecraft中终身学习的智能代理。
• 开源模型：Meta推出的LLaMA和谷歌的内部研究推动了开源模型的发展，但其性能仍不及闭源模型。

6. 安全与伦理

• 监管进程：中国和欧盟正在推进AI立法，美国则侧重于制定技术标准。
• 伦理审查：科技部要求AI企业接受伦理审查，企业也开始设立负责任AI部门。
• 数据问题：高质量数据可能在2026年被大模型耗尽，合成数据成为重要补充。

7. 未来展望

• 技术发展：模型能力将持续提升，多模态和具身智能成为重要研究方向。
• 商业化路径：多模态应用公司需要在生成内容和用户粘性方面下功夫，提升模型效果。
• 竞争壁垒：模型层公司具备更强的竞争壁垒，而应用层公司需在差异化和用户体验上寻求突破。
• 市场成熟度：生成式AI仍处于早期阶段，市场充满机遇与挑战，初创企业需警惕大厂的威胁。

十大前瞻

1. 大语言模型：继续扩展参数规模和应用场景，提升推理和任务解决能力。
2. 多模态模型：增强跨模态处理能力，实现更丰富的交互体验。
3. 具身智能：结合AI与机器人，实现更复杂的任务执行。
4. 开源与闭源平衡：开源模型技术将更加成熟，但闭源模型仍具优势。
5. 智能代理：AI代理将具备更强的自主决策和执行能力。
6. 行业应用深化：生成式AI将深入更多行业，如医疗、金融、法律等。
7. 算力成本下降：随着硬件迭代和软件优化，算力成本将持续下降。
8. 用户粘性提升：通过提供高质量内容，提升用户粘性和切换成本。
9. AI伦理与监管：各国将加强AI伦理审查和立法，推动负责任AI发展。
10. 市场格局演变：科技巨头与初创企业将形成更紧密的合作与竞争关系。