ChatGPT引发新浪潮 数据揭示中国AI产业的现状与未来贾玲身材暴瘦都有腰线了！新路透穿小黑裙人群中抢眼，气质变优雅

 

近年来，随着大数据、云计算、5G等技术的进步，原本趋于沉寂的人工智能赛道迎来新的突破和机遇。2022年底，OpenAI发布ChatGPT，一款能够与人类自然对话的大模型，引发了全球对于人工智能、大模型以及AGI的热情。中国公司也不甘落后，百度、阿里巴巴、字节跳动等国内巨头纷纷加入大模型竞争，开启了近两个月的“大模型混战”。国内 AI 产业现状如何，“百模大战”下，人工智能行业会走向怎样的未来？

AI 2.0 时代已至

作为一门前沿交叉学科，人工智能的概念最早于1956年在美国达特茅斯会议上被提出。此后，AI产业经历了三次发展浪潮，第一次是1956-1970年，以机器学习和专家系统为代表;第二次是1980-1990年，以神经网络和知识工程为代表;第三次是2000年至今，以深度学习和大模型为代表。

2012年是AI产业第三次浪潮的起点。当年，AlexNet模型在ImageNet图像识别竞赛中取得了惊人的成绩，开启了卷积神经网络（CNN）在计算机视觉领域的广泛应用。2015年，微软和谷歌相继宣布其图像识别系统的错误率低于4%，首次超过了人类水平。

AI也在第三次浪潮中正式开启了商业化进程，催生了一批以语音识别技术，图像识别技术为起点的公司，前者的代表是科大讯飞，后者则是有着“计算机视觉四小龙”之称的商汤、云从、旷视、依图，它们共同构建了 AI 的 1.0 时代。

但是，AI 1.0时代也面临着一些挑战和局限性。例如：模型碎片化，AI 1.0时代的模型往往针对特定的任务或领域进行训练和优化，缺乏通用性和可迁移性。不同的模型之间难以协同和共享；AI泛化能力不足，AI 1.0时代的模型往往依赖于大量标注数据进行训练，难以处理复杂和多变的真实场景。当输入数据与训练数据存在差异或噪声时，模型的性能会急剧下降。

2017年，AI产业迎来第三次浪潮的转折点。Google Brain团队提出Transformer架构，奠定了大模型领域的主流算法基础。此后，大模型开始迅速流行起来。

2018年，谷歌团队的模型参数首次过亿，到了2023年，OpenAI 发布的 GPT-4模型参数已经达到了100万亿，模型参数呈现指数型增长。“预训练+微调”的大模型有效解决了1.0时代AI 通用性和泛化能力不足的问题。

AI 1.0 时代也随着 ChatGPT 的惊艳亮相而正式走向尾声，AI 2.0 时代已经到来。李开复在创业前夕称：“这将是比移动互联网大十倍的平台机会。”AI 2.0 的目标不仅是建立一个通用的大模型，而是可以针对特定的垂直场景，用更低的成本实现更高的效果和适用性，拓展更多的应用和领域。

中国AI产业现状：规模庞大，创新活跃，区域分布不均

近两个月来，国内多家知名互联网公司纷纷宣布加入大模型的竞争，其中包括百度、阿里巴巴、字节跳动等行业巨头。此外，涉足游戏、云计算、软件等领域的公司也不甘落后，纷纷推出相关的项目或产品，市场已经俨然进入了“大模型”混战的时代。

据天眼查数据，目前人工智能相关企业达267.4万余家，2023年一季度新增17万余家，同比增长6.8%。广东、江苏、北京是区域前三，占比分别为15.0%、8.4%、8.2%。53.6%的相关企业成立于1-5年内，成立于1年以内的相关企业占比27.7%。2023年1月至今，人工智能产业共发生143起融资事件，金额超800亿元。

AI赛道大热，各家所瞄准的方向却有所不同。目前，AI 行业的玩家主要分为三类：互联网科技巨头、细分赛道头部公司以及新兴创业团队。

为了与 ChatGPT 背后的 OpenAI 对标，互联网科技巨头和不少新兴创业团队纷纷选择打造自己的大模型。百度的文心一言、阿里的通义千问、商汤日日新 SenseNova 体系等，都是国内大模型的典型案例。以李开复、王慧文、王小川、周伯雄为代表的创业团队，也在招兵买马，欲打造中国版 OpenAI。

不少细分赛道的头部公司，则选择接入某一大模型，并在此基础上开发出更具适配性的应用。比如，金山办公的 WPS AI 就是由国内企业MiniMax提供的技术。

然而，要做好人工智能大模型并非易事，这不仅需要强大的算力和芯片，还需要海量的数据和专利，这些都是巨大的成本，给大模型训练带来了不小的挑战。

首先，大模型训练的门槛很高。据估计，GPT-3训练一次的成本约为140万美元，而一些更大的LLM模型，训练成本介于200万美元至1200万美元之间。训练大模型需要芯片、服务器、算力甚至电费等方方面面的支持。

其次，数据也日益成为了训练中不可忽视的成本。社交媒体 Reddit 就在近日宣布，它将开始向使用其应用程序接口（API）的公司收费，API 是访问 Reddit 数据的必要途径。Reddit拥有数十亿帖子和评论的社交媒体平台，这些数据对于训练人工智能聊天机器人等大型语言模型非常有价值。然而，Reddit 一直没有从这些数据中获得收益，而是免费提供给一些大型科技公司，比如 Google 和 OpenAI。

此外，人工标注的成本也不容忽视。目前，人工智能需要标注大量数据，这是大部分人工智能算法得以有效运行的关键环节。与数据标注有关的专利申请，自2023年1月以来，已有34项，均属于发明专利。

据天眼查知识产权不完全统计，人工智能相关的专利申请自2023年1月以来，已有1610余项，其中，发明专利占比超过7成。这些专利涉及了人工智能在各个领域和场景下的应用和优化。

未来的中国AI产业：从探索到实践

AI 2.0 的发展，不仅激发了大公司之间的竞争，也影响着普通人的工作和生活。作为 AI2.0 时代的重要组成部分，生成式人工智能（AIGC）已经能够生成各种类型的内容，满足传媒、电商、娱乐、影视等领域的需求。写作助手、AI绘画、对话机器人、数字人等，已经成为AIGC在消费互联网领域的爆款级应用。

此外，在自动驾驶、生命科学等领域，人工智能也在扮演着越来越重要的角色。华为云发布的盘古药物分子大模型是一款专门为药物研发的预训练大模型，学习了17亿个药物分子，可以生成和优化新分子，提升新药研发的效率。

不过，在政策层面，人工智能也在面临挑战。4月11日，国家互联网信息办公室就《生成式人工智能服务管理办法（征求意见稿）》公开征求意见。意见稿提出了对产品训练数据真实性、准确性、客观性和多样性的要求，同时表示，“利用生成式人工智能生成的内容应当真实准确，采取措施防止生成虚假信息”，为 AI 2.0 时代今后的发展提出了指导性意见。

需要明确的是，无论是在安全性还是应用场景上，大模型依然处于探索期。无论是处于领先地位的 OpenAI ，还是国内的众多公司，都还在摸着石头过河。可以确定的是，每一次新浪潮来临时，一定会出现新的场景和应用，而 AI 2.0 究竟会如何改变我们的现实世界，还没有人可以下定论。