2023算力發展有望加速國產化替代

• 黃江 2023年11月29日 來源：東方財富 1119 72
• 繁體

近期，工信部等六部門印發《算力基礎設施高質量發展行動計劃》，旨在推動關鍵行業應用，助力形成產業正循環。在新的外部再平衡條件下，國產算力半導體產業鏈迎來更廣闊的發展機遇，半導體制造鏈條自主化的產業安全地位凸顯。

今年以來，人工智能快速發展，科技巨頭掀起“百模大戰”。數據顯示，截至今年10月底，國內已經發布了238個AI大模型。

不少機構認為，受AI應用加速迭代等諸多因素影響，算力需求持續增長，或將開啟中長期的漲價潮。而算力板塊帶來的業績拉動將逐季體現，AI算力的國產化也將實現提速。

算力發展有望加速國產化替代

從全球范圍來看，一個新的計算時代已經開始。全球各地的公司正在從通用計算向加速計算和生成式AI轉型。

近期，工信部等六部門印發《算力基礎設施高質量發展行動計劃》，旨在推動關鍵行業應用，助力形成產業正循環。在新的外部再平衡條件下，國產算力半導體產業鏈迎來更廣闊的發展機遇，半導體制造鏈條自主化的產業安全地位凸顯。

眾多機構認為，隨著AI應用的不斷快速發展，AI算力的國產化也將提速。綜合成本、性價比、技術迭代和產品支持等一系列因素，相較于國外的算力芯片，未來國內廠商進一步擁抱國產算力芯片是大概率事件。

據悉，目前國產廠商正在加速AI芯片的升級迭代，并已經在運營商、互聯網、金融、能源等多個應用領域實現商業化落地。

2025年全球人工智能投資2000億美元

預計到2025年，美國的人工智能投資可能達到1000億美元，而全球對人工智能的投資可能達到2000億美元，這一增長可能會提振整體經濟。

這種人工智能投資的激增歸因于生成式人工智能的巨大經濟潛力。生成式人工智能是人工智能的一個分支，專注于基于大型語言模型創建新內容，一個例子是ChatGPT。

自美國人工智能公司OpenAI在2022年11月推出聊天機器人ChatGPT，在全球范圍內點燃AI熱潮，截至2023年7月，全球已發布數百個大模型，僅我國年內就發布80多個，各大廠基本已躬身入局。

即便是百度、阿里、華為、微軟、Google 、Meta這樣走在AI技術前沿的公司，都在這場“終極玩家”廝殺賽中面臨難以回答的問題——“投資巨大，如何盈利?”

颶風刮了大半年，幾天前，微軟、Google 、Meta 相繼發布Q2財報，并宣布接下來將繼續加大對人工智能的投入以穩固優勢地位，但此前上百億美金的投資并未帶來及時的回報。此前憑借ChatGPT股價大漲的微軟，財報會后股價連續2日收跌。資本隱隱有躁動跡象。

事實上，多位投資人認為，當前圍繞AI大模型的首輪競爭與投資已然結束，接下來的競爭輪次中，只有解決商業化落地，才能緩解投融資難。第二第三梯隊是本輪未上車資方的出手方向。

從2023年上半年的人工智能相關的融資事件的輪次分布來看，天使輪、A輪以及戰略融資事件數量位居前列，分別擁有59、57以及38起，共計154起。

當前大多數投資人“出手難”的關鍵，在于怎么找到適合自己的應用場景去落地，實現商業化，而大多數公司目前可能連過河的石子還沒摸到。

一個可供參考的信息是，OpenAI成立的前15個月，都沒有一個明確的研究目標。2016年5月，時任谷歌首席AI研究員參觀OpenAI，對其工作方式曾相當困惑。

根據中研普華研究院《2023-2027年中國人工智能行業全景調研與發展戰略研究咨詢報告》顯示：

預訓練大模型技術使得 AI 的通用能力往前邁了一大步。幾十億、上百億參數的模型不僅能夠迅速處理海量信息，還能理解人類自然語言的輸入、進行復雜的邏輯推理，并掌握了優秀的內容生成能力。AI 正在從特定任務的解決方案轉向具有更廣泛應用性的解決方案，或者說，有望大規模地創造價值。

一場關于生產力的革命已在醞釀之中。全球管理咨詢公司麥肯錫在最近的報告《生成式人工智能的經濟潛力：下一波生產力浪潮》中指出，生成式 AI 每年可能為全球經濟增加 2.6 萬億到 4.4 萬億美元的價值。

在幾天前的亞馬遜云科技紐約峰會中，「生成式 AI」同樣是全場提及頻率最高的關鍵詞。

「如今，大模型可以在大量無標注數據中進行預訓練，實現開箱即用，以處理各種通用性問題。此外，只需相對少量的標注數據進行微調，它們就能用于特定領域的應用。」亞馬遜云科技數據庫、數據分析和機器學習全球副總裁 Swami Sivasubramanian 表示，「通過微調輕松定制預訓練模型的能力，絕對是游戲規則的改變。」

半年來，大模型之戰如火如荼。當 OpenAI 和谷歌你追我趕，迅速崛起的「開源」力量也不容小覷。可以預見的是，在未來的大模型競爭格局中，「沒有一個模型可以統治一切」。

在 ChatGPT 發布兩個月后，Anthropic 公司就迅速開發出了「最強競品」 Claude，又在 7 月初完成了 Claude 2 的升級。被稱為是「AI 社區內最強大的開源大模型」的 LLaMa，在不久前也升級為 LLaMa 2，不斷抬高開源大模型的能力上限。

正像一些業內人士所說，任何一家閉源的大模型提供商都沒有護城河。不管是 LLaMa 還是 Claude，開源大模型都顯示出了迭代速度更快、可定制性更強、更具私密性的優勢。

而這些開源大模型的力量，正在越來越多地匯聚于亞馬遜云科技的服務之中。

今年 4 月，亞馬遜云科技發布了全托管基礎模型服務「Amazon Bedrock」，以「關鍵基礎設施提供商」的角色加入了大模型之戰。

在今天，即使生成式 AI 模型的功能已經如此強大，它們仍然無法代替人類「執行」一部分關鍵的、個性化的任務。

比如一位顧客想咨詢換貨，電商平臺的 AI 客服當然可以迅速地告知顧客想要的款式、尺碼、顏色是否還有庫存，但無法完成接下來的訂單更新或交易管理的操作。

這恰恰是「生成式 AI」轉化為「生產力」過程中非常關鍵的一步。

問題并非不能解決：模型通常可以附加 API、插件、數據庫以擴展功能，為用戶自動完成某些特定的任務。比如 ChatGPT 此前就推出了插件機制，還為開發者提供了開放平臺，允許更多用戶根據自己的需求、想法和專業能力進行擴展。

生成式 AI 時代的搜索技術變革

在解決大模型落地挑戰的火熱討論中，「向量搜索」和「向量數據庫」的概念開始被越來越多的人熟知。這是檢索技術層面在生成式 AI 時代正在發生的變革。

首先，伴隨數據規模的增長，關鍵詞檢索已經不能滿足需求，向量檢索可作對傳統搜索技術的補充。通過將數據表示為向量，模型可以快速分析和理解大量信息，準確地識別和匹配相似的項目。

其次，經過預訓練的大模型固然能力出眾，但也存在一些不足，比如缺乏領域知識、缺乏長期記憶、缺乏事實一致性的問題。而在數據規模不斷增長、算力日益珍貴的現狀下，向量數據庫可作為大模型的「超級大腦」，打一份小抄，相對較低的成本補充動態知識，滿足用戶不斷增長的需求。

《2023-2027年中國人工智能行業全景調研與發展戰略研究咨詢報告》由中研普華研究院撰寫，本報告對該行業的供需狀況、發展現狀、行業發展變化等進行了分析，重點分析了行業的發展現狀、如何面對行業的發展挑戰、行業的發展建議、行業競爭力，以及行業的投資分析和趨勢預測等等。報告還綜合了行業的整體發展動態，對行業在產品方面提供了參考建議和具體解決辦法。

• 相關深度報告REPORTS

  

  2023-2027年中國人工智能行業全景調研與發展戰略研究咨詢報告

  產業介紹人工智能覆蓋的產業相對較廣，主要包括基礎層、技術層和應用層，涵蓋多個不同的技術及應用場景。當前中國人工智能領域產業格局尚未成熟，上中下游具有較大的發展空間。目前，人工智能行...

  查看詳情

延伸閱讀

推薦閱讀

猜您喜歡