2024Al技术发展洞察报告.docx

2024Al技术洞察报告从围棋高手AlphaG。到万能助理ChatGPT,Al（人工智能）产业在不断发展和突破。现在，Al不仅能快速理解和生成人类的语言，还可以在内容创作、软件开发、教育办公等多种场景中发挥关键作用。工业革命时代的机械与流水线提升了“体力劳动”的效率，而今Al大模型提高了"脑力劳动”的效率,带来新轮席卷各行业的“A1+”技术革命。人类从书本，实践中不断提升自我，Al也在利用海量数据与外界反馈，不断地进化和迭代。如今,AI大模型已经基本学习了人类所有的书籍与科学知识，对于细分领域的专业问题也能快速理解和掌握。畅想未来，AI将成为高度自主和智能的“机器大脑”,在工业制Jit、自动驾驶、科技研发甚至太空探索中,创造巨大的经济价值。Al大模型不仅重塑了生产力，还将赋予人类“超能力每个人的时间与精力是有限的，而Al大模型可以扩展人的能力半径。戴上具备AI能力的可穿戴设备，每个人都可以掌握新的语言和科学知识，提升记忆力和效率。使用Al手机和电脑，每个人都可以进行艺术设计、开发程序，或者制作电影和小游戏。在不久的将来，在漫画、应用、电影、游戏等各种领域，内容创作的数量可能井喷，创造出类似抖音的UGC超级平台。与此同时，全球科技企业正在构建超大规模的Al算力集群，让“智力“资源像水电一样流向千行百业。随着Al大模型的进化与发展，芯片、存储、通信互联等算力产业链都将持续升级。而在美国制裁的背景下，国产AI芯片和生态系统将迎来史无前例的机会，带动设计、制造和先进封装全产业链的加速成长。我们认为，AI+革命已经到来。当下的AI一定不够完美，从研究成果到商业应用的转化也是一条漫长而艰险的道路。市场的质疑在当下看似都很有道理。但是，科技产业的发展永远是非线性的，我们往往容易高估一项新技术的短期影响，却又低估它五年、十年带来的巨变。Al的发展也一定不是一蹴而就的，它将经历多个浪潮，多次革命和多次至暗时刻，带来不断出现的新的投资机会。我们期待着它的蝶变。CONTENTS一、综述011.1 AI+产业的十大预测021.2 Al的寒武纪大爆发021.3 AI产业链：模型层是大脑算力层是粮草,应用层是执行单位04二、模型层：大模型向多模态与AlAgent进化052.1 大模型是什么？模型是如何发展至今的？062.2 下一代大模型的进化方向07UI大模型进化方向1：多模态，感知理解升级+拓展人机交互形式一07222大模型进化方向2：AlAgent,像人一样规划、反思、使用工具的Al程序0823大模型的竞争格局09Ui海外大模型：马拉松淘汰赛，公有模型走向寡头格局092.12中国大模型:与海外约I年代基，持续追赶海外进程09三、应用层（软件）：生产力场景实现降本增效，泛娱乐场景提升交互体验113.1 Al商业价值的载体：生产力应用与泛娱乐应用123.2 生产力场景：Ze现降本增效123.3 泛娱乐场景：AI提升交互体验13Ul游戏内容：AlNPC让游戏情节具有更多的可能性，为用户创造新奇的体验143.3.2游戏形态：AIUGC实现游戏制作去厂商化，有望出现游戏平台的“抖音时刻”14H3不止于游戏，各类数字创作领域都可能诞生新的超级平台1617四、应用层（硬件）：软件推动硬件创新下一代智能终端渐行渐近4.1 Al终端：端侧AI部署有利于降低边际推理成本184.2 PC/手机为当下最佳Al端恻载体184.3 MR:解放双手,下一代智耗终端的雏形?19U.lMR在2024横空出世194.12Al和3D建模将提升内容生产次率20U3MR带动消簧电子投资机遇214.4 AI赋能感知和决策,加速智能汽车技术升级211.1 .1智能汽车产业发展的奇点即将到来224.12 中国汽车产业链是智能化浪潮中最具备竞争力的产业链234.13 中国汽车产业链在智能化浪潮中酝酿巨大投资机会244.5 Al的突破是机器人进化的里程碑24U.1智能机渊人的落地节奏25上迨降本路径不仅仅依靠规模效应，更有赖于中国供应链的参与26五、算力层：推理需求爆发在即，国产替代加速前行285.1 算力投资：AI应用爆发的必要条件和先行指标295.2 全球算力：推理需求驱动算力投资快速成长305.2.1 算力需求：AI成为全球算力投资增长的核心驱动30512供应链：Ai重塑价值分配，算力芯片为核心，通讯/存储部件配套升级3153国产替代：需求旺盛但成熟供给不足，外部制裁迎国产历史机遇335.3.1供需缺口：国内算力需求已达到全球第二，但上游核心芯片对外依赖严重33M2产业追赶：围绕算力芯片，设计-制造-封装全产业链加速成长.34六、附录36Q）训练侧算力需求匡算37（2）推理侧算力需求匡算381.1 Al+产业的十大预测 AI将带来一场席卷各行各业的技术革命 海外模型将走向寡头格局，国内存在约一年代差 Al将重塑交互体验，有望孵化出新一代超级平台 Al赋能感知与决策，加速智能驾驶奇点到来"算力需求将从训练转向推理，从云端转向边端大模型正在向多模态和AIAgent方向进化Al将明显提升脑力劳动效率，推动生产力革命Al应用将百花齐放，驱动新一轮硬件创新周期的到来Al重塑机器人大脑，产业链迎来新机遇海外算力禁售推动国产芯片和先进封装迎历史性机遇1.2 AI的寒武纪大爆发AK人工智能）是指能够让机器变得和人一样聪明的技术、方法和工程。Al学科1950年就已经诞生，我们一直在让机器学会看图、下围棋等专业技能，但直到2022年末ChatGPT3.5的发布，才真正点燃了AI在全民普及的热情，仅仅2个月时间，用户数就增长过亿。为什么此次Al会出现爆发？本质在于本轮Al不再是狭窄专用领域的人工智能，机器终于变成了一个通才，成为通用人工智能，即可以像人一样在一切领域里无差别地学习和与人类交互。Al开始介入了人们生产、生活的方方面面。图:Al的发展历程AI将是一场席卷各行各业的技术革命。我们认为只有提升社会生产效率的技术创新才能称之为技术革命。例如1860年的工业革命，它通过机械化大生产代替手工劳作，大幅降低了体力劳动的成本，在短短不到200年间缔造的财富就超越了过去3000年农业社会的总和。1950年后又出现了信息技术革命，它大幅降低了计算成本，改变了信息传播和分发的方式，孕育出巨型互联网公司，社会财富又达到了空前的高度。而今Al的革命则降低了脑力劳动的成本，使人类从简单的数字工作中解放出来，我们期待它带来新的市场机会和财富变革。图：从工业革命到Al革命，每一轮生产力提升都推动了社会财富指数级增长1C 100015001600 1700 18201870I <)00 1913 194019531968 197819881998 2008 2018一世界GDP($billion)14000012000010000080000600004000020000Source:我们当前处在AI革命的第二浪。过去一年Al已经经过一波热炒，市场认为当前Al所有的能力都已被充分挖掘，缺乏新的亮点。但AI的发展是多层次、多浪潮的。按照基础大模型的能力去划分，我修觑在处在人工智能的第二个阶段，后面还有多廨、AIAgent到混合现实，再到具身智能等种种的突破可以期待。面对AT这样席卷各行各业的重大革命，我们不应该过度关注短期，而忽视了产业长期的进展和应用潜力。图:AI产业周期将呈现多浪潮特征,下一轮浪潮将由多模态+AIAgent驱动1.3 Al产业链：模型层是大脑，算力层是粮草，应用层是执行单位Al产业邮体可以概括为三个层次，模型层、算力层、应用层。模型层好比Al的大脑；算力层好比Al的粮草和营养补给：应用层则是Al的执行机构。我们判断在2024年，国内模型层将成为大宗品，需要和应用场景相结合才能创造差异化。应用层AI将重塑生产效率和交互体验，其中软件和硬件将交替推动创新。而算力层将从训练逐步向推理过渡。国Al产业链概览应用层模型层基础大模型算力扩张加速模型进化与应用落地应用落地与商业化带动算力投资算力层匐工片大模型是Al最核心的大脑部分，它在人类辐的数据中学习知识与规律，不断进化和迭代，变得越来越“聪明”。长期看，大倒吸展够洞是人I三用智能（AGI）,它将具备高度自主性，像人一样自发地创造和完成一切任务。而短期看，下一代的大模型将向多模态与AlAgent进化。2.1大模型是什么？模型是如何发展至今的？大语言模型的核心任务是根据提示词和已有文本，不断预测下一个“合理”的字符为什么预测下一个合理字符的能力代表智能呢？假设我们让大语言模型阅读一本侦探小说，让模型预测”犯人是谁“，如果模型可以准确生成犯人的身份，就代表模型理解了案件中的全部信息并作出了正确的推理。大模型底层是深度学习网络，可以像海绵一样吸收知识，并对知识进行无损压缩。GPT-3在预训练阶段吸收了45TB的人类数据，包括网页、代码、科学与书籍等。大模型发展至今经历了从量变到质变的过程。QRfe大鲤的能用朗i三“规横颊，睇数据量、算力、参数酶h大鲤的IW跌纲条螭低，懈能力持续提升。质变：当模型体量足够大时，模型会出飕似人类“开悟”般的涌现能力，经过思维链提示后（一步步思考），模型推理能力随模型规模扩大显著提升。图：大模型的量变（规模法则月质变（涌现能力）规模法则（SCaIingLaw）7 6 5 4 3lsl 压缩损失率423.93.63.33.0.6.8Q 2 45.4.4.3.NO-1177ComputePF-days, non-embeddingDataset SizetokensParametersnon-embedding算力数据参数资1凝Kaplan,Jared,etal,*Scalinglawsforneurallanguagemodels*,Wei1Jason,etal.*Emergentabilitiesoflargelanguagemodels*,06涌现能力(EmergentbiIity)Math word problems102, 1022 1023 10245 O 5 0 5 02 2 1 1>0s00<102 S%)Aoe-lnuo<O C 1O 1 1 (6uB 一。 pro0s-60-)山。山 Mode1scale(trainingFLOPs)模型规模(训练算力)2. 2下一代大模型的进化方向2.1.1 大模型进化方向1:多模态,感知理解升级+拓展人机交互形式多模态指文字、图片、音频、视频等多种蝴趟；多模态大模型不仅可以像ML样第厮，理解视觉、音频等信息背后糠律，完成复杂的帆还可以生成图片、视频、音频3D等多模态内容。多模态大模型将带来哪些改变？提高泛娱乐、商业等场景内容创作效率感知交互升级带动终端硬件革新拓展落地场景 提升Al渗透率多模态大模型的图像、视频、 3D生成能力可以广泛应用于 影视、音乐、游戏等泛娱乐场 景的内容创作，同时加速广