2023年,以ChatGPT為代表的通用人工智慧模型掀起了全球人工智慧產業的新一輪發展浪潮,中國人工智慧大模型市場正呈現出數百個“模型”競相變化的快速增長態勢,預計2023年市場規模將達到21億美元, 同比增長110%。2024年,AI模式將進入賦能千行百業的關鍵時期,孕育未來產業的新模式、新業態。
人工智慧行業將保持快速增長態勢
2023年,我國人工智慧核心產業規模達到5000億元,企業數量突破4400家,其中人工智慧大模型市場規模達到21億美元,同比增長110%。 展望2024年,人工智慧產業將保持快速增長和發展態勢,逐步進入垂直行業和前沿領域深度賦能的新階段,大力推進新型工業化建設和經濟發展高質量發展。
人工智慧產業的規模正在快速增長。 目前,全球人工智慧產業正處於快速發展期。 IDC資料顯示,2022年全球AI IT投資總額為1288億美元,2023年全球AI IT總投資有望達到1540億美元,同比增長196%。展望2024年,人工智慧產業發展將成為全球經濟復甦的風向標。 據沙利文諮詢**預測,2024年全球人工智慧市場規模將達到6158億美元,中國規模將超過7993億元。 在人工智慧的主要細分領域中,大型模型作為前沿熱點,增長速度最快。 據鈦**國際智庫報告,預計2024年全球人工智慧大模型市場規模將超過280億美元,中國大模型市場規模將達到216億元,繼續保持兩位數的增長速度。 人工智慧領域投融資數量和金額將再創新高,發展態勢將持續向好。
排行榜的揭曉,為通用人工智慧的發展開闢了新的方向。 2023年,未來產業創新任務揭幕穩步推進,共涵蓋元宇宙、人形機械人、腦機介面、通用人工智慧四大重點賽道的52個揭幕主題。 展望2024年,通用人工智慧各項任務的揭幕單位將進一步推動產業化程序從基礎研究、技術創新、產品開發到應用落地,通用人工智慧等前沿領域的融合創新有望發揮關鍵作用,培育和催生未來產業新模式、新業態, 高水平賦能新型工業化,加快培育新品質生產力。
人工智慧專業人員的培訓體系不斷完善。 2023年,全球主要國家紛紛將人工智慧技術人才培養作為提公升國家競爭力的重點舉措,國內高校圍繞核心技術和頂尖人才加強部署,通用人工智慧人才培養新機制建設步伐明顯加快。 展望2024年,我國人工智慧人才培養體系將進一步完善。 在交叉學科融合中,人工智慧基礎課程以梯度的方式融入其他專業的傳統課程體系中,推動人工智慧在產學研生態中深度賦能的關鍵是從不同學科的角度探索融合應用。 同時,進一步加強人工智慧倫理和法制教育,培養具有敏銳社會責任感的人工智慧專業人才,是推動我國人工智慧產業創新和社會發展的重要保障。
大模型深度賦能垂直行業和前沿領域的趨勢越來越突出。 2023年,國產大型車型將呈現一段時間的爆發式增長,僅2023年1-7月,就共發布64款大型車型。 據不完全統計,截至2023年11月,國產大款188款,其中普通大款27款,已備案大款20餘款,大部分已向全社會開放。 基於對2200家AI骨幹企業關係資料的定量分析,中國AI已廣泛賦能智慧金融、智慧醫療、智慧型製造、智慧能源等19個應用領域。 展望2024年,大型車型將逐步擴大,賦能自動駕駛和具身機械人,AI為科學持續賦能科研,推動科學領域創新,提公升科研效率,推動科學家在探索“無人區”領域、解決重大難題等方面取得新的突破和成果。
最大的挑戰是進入該行業的壁壘越來越高
目前,我國人工智慧產業發展仍面臨行業准入門檻高、監管體系不完善、重點行業應用率低、大模型無序競爭等壓力和挑戰。
算力需求高+高成本投入“提高了行業進入門檻。 一方面,要讓AI模型“變大”,需要克服算力挑戰和理論侷限性,而讓模型變大並不是簡單地增加神經網路的深度和堆疊人工神經元就能實現的。 基於CNNs、RNNs等人工神經元的模型需要採用序列結構,模型訓練過程需要按順序執行,無法充分利用所有計算資源。 隨著模型引數數量的增加,訓練時間呈指數級增加,收斂性變得更加不可控,使得找到全域性最優解變得更加困難。 另一方面,大型AI模型的訓練成本包括GPU等計算晶元的成本、伺服器成本、標準機櫃成本、訓練期間的功耗成本、人力投入成本等。
在適當監管和促進發展之間取得平衡具有挑戰性。 人工智慧產業目前正處於快速增長期,其技術演進和經濟社會影響存在諸多不確定性。 一方面,人工智慧具有強大的創新力,有望發展成為經濟增長的新引擎,大大提公升社會福祉。 另一方面,人工智慧帶來的倫理、安全、負外部性等問題也頻頻引起社會關注。 以何種力量、以何種方式、在什麼時間合理監管人工智慧,是監管者需要關注的難題。
人工智慧在重點行業的應用率較低。 一方面,人工智慧在我國大部分傳統產業的應用仍處於小規模試點階段,人工智慧應用在頂級製造企業的滲透率遠遠落後於歐美。 另一方面,在關鍵應用領域,大型模型缺乏典型應用案例。 目前,大型模型在工業領域的初步探索性應用主要集中在設計輔助、質量改進、裝置維護等方面,目前還沒有可複製的工業大型模型的廣泛實施或形成。
由於大型模型數量過多,存在無序競爭的風險。 一方面,訓練集的同質化導致大型模型的同質化。 目前,國內很多大型模型的訓練集都是普遍公開的英文訓練集,同質化現象較為突出。 另一方面,超高的培訓成本和開發技術的門檻使得中小企業難以投資此類專案。 高質量的培訓語料庫和大規模人工標註的成本決定了只有大型機構或龍頭企業才有能力開發相應的大型模型,而成長型企業的盲目跟進會導致大量的投資失敗和泡沫過多。
打造人工智慧產業合作生態
針對上述問題,課題組建議降低算力使用門檻,優化算力體系建設,加快賦能千行百業構建產業合作生態,推動監管方式創新,提高應對挑戰能力,合理規範無序競爭,促進大模式健康發展。
降低算力使用門檻,優化算力體系建設。 一是加強分布式計算、量化、記憶體優化、運算元融合等關鍵核心技術的研究和應用,減少大模型推理的延遲,提高吞吐量,降低算力需求。 二是發布算力優惠券實施方案,支援大模型應用。 為企業提供算力券補貼支援,著力幫助企業降低智慧型算力使用成本,全力支援製造業等重點領域企業開展人工智慧產業大模型的探索與落地。 三是建議分步推進智慧型算力中心建設,先追求算力普及,降本提利用率,再逐步擴大容量。
加速賦能千行百業,打造產業合作生態圈。 一是引導人工智慧企業與行業龍頭開展有針對性的合作。 行業企業基於真實的業務場景、資料和行業的真實需求,開發核心演算法和預訓練模型,共同開發大型應用模型。 二是搭建人工智慧企業與行業企業對接平台。 搭建人工智慧企業與製造業、醫療、農業等行業企業對接平台,幫助雙方實現技術、模型、資料、場景等資源對接,孵化行業應用模型。 三是依託工業網際網絡平台,打造人工智慧企業與產業企業的大規模模式合作生態。 通過工業網際網絡平台,實現兩者的快速對接,提供人工智慧元素的線上交易服務,保障演算法、模型和資料的安全性,建立針對不同行業的標準化大模型開發環境。
推動監管手段創新,提高應對挑戰的能力。 一是密切跟蹤人工智慧技術的發展趨勢,及時了解最新進展,判斷社會影響。 二是鼓勵相關治理方法和技術同步創新,推動人工智慧文字分類器和生成式人工智慧檢測方法的創新。 三是提高監管人才的技術素養。 四是建立多方合作的治理格局。 有關主管部門要加強與人工智慧領域科研院所和企業的交流與合作。
合理規範無序競爭,促進大模型健康發展。 一是探索建立超過一定尺度引數的大模型訓練歸檔機制,引導減少同構大模型的無序競爭。 二是探索建立大型模型安全可靠性評價標準,提出具體的技術標準和評價標準,確保各類大型模型在各種應用場景下都能穩定可靠執行。 三是對大模型的應用場景進行分類管理,明確不同型別大模型的使用範圍和侷限性,避免應用不當帶來的負面影響。
作者丨賽迪智庫人工智慧產業態勢分析研究組主編丨徐恆美 編輯丨瑪麗亞 製片人丨連曉東.