作者：李東耳

來源：GPLP犀牛財經(jīng)（ID:gplpcn）

經(jīng)過多年發(fā)展，在全球范圍內(nèi)，AI已經(jīng)進入產(chǎn)業(yè)大時代。

比如，在即將召開的世界2021世界人工智能大會期間，關(guān)于AI發(fā)展的趨勢，各專家學者及行業(yè)企業(yè)代表將結(jié)合RPA+金融、零售、制造、教育等行業(yè)落地情況，展望人工智能行業(yè)應用融合發(fā)展未來。

也就是說，種種跡象表明，AI技術(shù)正在得到大規(guī)模商業(yè)應用。

回顧AI技術(shù)的發(fā)展歷史，7年前，人臉識別超越人眼準確率，突破工業(yè)紅線，人工智能從一個學術(shù)問題轉(zhuǎn)變?yōu)閳鼍暗膽脝栴}。7年后的今天，人工智能在多個行業(yè)規(guī)?；瘧茫瑺恳纬杀姸嗌舷掠魏蛻蒙鷳B(tài)，進一步轉(zhuǎn)變?yōu)楫a(chǎn)業(yè)問題，走向產(chǎn)業(yè)化發(fā)展階段。

因此，如何促進AI技術(shù)進一步產(chǎn)業(yè)化，以及提高AI產(chǎn)能的經(jīng)濟效益尤為重要。而在以往的AI產(chǎn)業(yè)發(fā)展中，雖然有大量的企業(yè)和個人投入其中，但仍有很多應用場景的智能化水平難以滿足實際需要，這些都成為阻礙AI企業(yè)經(jīng)營和產(chǎn)業(yè)發(fā)展的重要問題之一。

從國務院印發(fā)的《新一代人工智能發(fā)展規(guī)劃》中的戰(zhàn)略目標來看，到2020年，人工智能總體技術(shù)和應用與世界先進水平同步，人工智能產(chǎn)業(yè)成為新的重要經(jīng)濟增長點，人工智能技術(shù)應用成為改善民生的新途徑；

到2025年，人工智能基礎(chǔ)理論實現(xiàn)重大突破，部分技術(shù)與應用達到世界領(lǐng)先水平，人工智能成為我國產(chǎn)業(yè)升級和經(jīng)濟轉(zhuǎn)型的主要動力，智能社會建設取得積極進展；

到2030年，人工智能理論、技術(shù)與應用總體達到世界領(lǐng)先水平，成為世界主要人工智能創(chuàng)新中心。

這就要求人工智能自身的行業(yè)產(chǎn)值和它所帶動的其他行業(yè)的附加值，在2025年大約達到1:10的杠桿。也就是說人工智能每產(chǎn)生一萬元的產(chǎn)能，它實際上對它所服務的行業(yè)會帶來10萬元的經(jīng)濟效益。為了實現(xiàn)這一宏大目標，人工智能產(chǎn)業(yè)自身也必須作出大變革，打破以往的針對需求專項定制、精耕細作的研發(fā)和生產(chǎn)模式，實現(xiàn)全面升級。

全新AI產(chǎn)業(yè)經(jīng)濟時代下的五大巨變

AI在經(jīng)歷了初期“各自為戰(zhàn)”式的發(fā)展之后，已經(jīng)在部分領(lǐng)域取得了關(guān)鍵性的突破。而在AI技術(shù)不斷投入到商業(yè)化應用的過程中，人們發(fā)現(xiàn)以往的AI生產(chǎn)關(guān)系已經(jīng)難以滿足AI產(chǎn)業(yè)的發(fā)展，AI產(chǎn)業(yè)正向著新的方向發(fā)生轉(zhuǎn)變——比如，AI應用半徑越來越長、越來越多的長尾需求得到重視，由此導致大參數(shù)通用模型越來越成為AI產(chǎn)業(yè)發(fā)展的未來，算力模式也因此需要發(fā)生變化，同時產(chǎn)學研相結(jié)合的緊迫性也越來越突出。

在AI商業(yè)化方面，包括谷歌及微軟早就展開了研究。比如，谷歌繼成功研發(fā)了AlphaGo圍棋機器人后，正在向著通用人工智能的方向努力。微軟也在2019年向馬斯克的人工智能公司OpenAI投資10億美元，共同打造通用人工智能系統(tǒng)。

對此，很多AI行業(yè)大佬不約而同地觀點一致：AI正在進入下一個時間點，一個從技術(shù)創(chuàng)新周期轉(zhuǎn)入商業(yè)創(chuàng)新周期的時間點。

公開資料顯示，自從AI技術(shù)可商用以后，目前已經(jīng)在不少領(lǐng)域開始應用，不過，此前，這些應用往往都局限在單點突破方面，比如說在地鐵里或者飛機場刷臉通行，一般而言，這類應用場景的特點之一就是高頻，每天都會發(fā)生且流量相當巨大，投入產(chǎn)出比非常之高，然而對于那些應用頻率低或較為分散、多樣的應用場景，AI的存在感往往比較差一點。

隨著物聯(lián)網(wǎng)、智慧城市等概念的發(fā)展，在數(shù)字化背景下，這些長尾需求逐漸開始浮出水面，對人工智能的需求也越來越多——比如，在消防等公共安全領(lǐng)域，和共享單車停放等城市管理方面，人工智能雖然已經(jīng)開始得到應用，不過，這些應用只解決了城市智慧化升級閉環(huán)的一部分，依然存在大量場景需要人力去做管理。同時，這些需求分散而小眾，即便AI能夠幫助人們完成其中一個需求或一個環(huán)節(jié)，但也成本高昂，那么這些AI對于提高整體效率的作用就十分有限。

因此，這需要AI能夠盡可能地打通更多場景環(huán)節(jié)，而在深入各個業(yè)務鏈條、提高整體系統(tǒng)能力方面，人工智能，特別是其算法還有很大的提升空間，其中很重要的一點就體現(xiàn)在算法的生產(chǎn)關(guān)系層面。

伴隨整個AI產(chǎn)業(yè)上下游應用需求的爆發(fā)，讓AI應用半徑不斷增長的同時，也將單一AI技術(shù)已難以覆蓋全部應用需求的現(xiàn)狀及問題暴露出來——可以說由于AI技術(shù)無論是在技術(shù)層面還是成本層面的研發(fā)難度都很大，單一AI企業(yè)也難以同時對各種長尾需求進行研發(fā)，在這種背景下，這要求AI算法的生產(chǎn)關(guān)系必須發(fā)生改變，否則將難以滿足這些產(chǎn)業(yè)的需求。具體來講，這種變化就是由應用者根據(jù)自身需求自行進行算法的生產(chǎn)。

不過，在這個過程當中，如果由應用者自己開發(fā)，這就出現(xiàn)了另一個問題，那就是技術(shù)共識上的變化，也同時意味著單個企業(yè)需要不斷加大研發(fā)投入，這對很多中小公司來講有點難度——超大規(guī)模預訓練模式是當前AI研發(fā)的熱門，通過一個足夠大的通用模型去做小的模型盡管可以極大地降低研發(fā)成本，然而，在以往的AI研究活動中，人們更傾向于提升模型精度，對于大規(guī)模參數(shù)的通用模型，特別是超大規(guī)模與訓練模型，業(yè)界往往報以懷疑的態(tài)度，并提出過不少質(zhì)疑。如這種模型的建立需要大量數(shù)據(jù)和算法支持以及算力成本，單純一家企業(yè)是否有這樣的研發(fā)能力就被很多人質(zhì)疑。

GPT-3等模型的出現(xiàn)，打破了以往提升模型精度的主流思路，讓大家看到超大規(guī)模與訓練模型的可能性，扭轉(zhuǎn)了人們的看法。資料顯示，早在，2020年7月，OpenAI發(fā)布的具有1750億參數(shù)量的GPT-3模型具備著通用性以及零樣本泛化的能力，2021年1月，Google還發(fā)布了自然語言模型Switch Transformer，參數(shù)量更是達到萬億規(guī)模。一旦這種量級的模型進入到應用層面，那這就意味著算法將會變成一種公共基礎(chǔ)設施，其他企業(yè)不需要自己做這方面的投入就可以實現(xiàn)數(shù)字化轉(zhuǎn)型，從而帶動整個產(chǎn)業(yè)升級。

只是，面對參數(shù)量為億萬規(guī)模的產(chǎn)業(yè)，又一個阻礙AI技術(shù)發(fā)展的影響因素出現(xiàn)了，這就是“算力”——過去歷史說明，每年最新的網(wǎng)絡、最好的技術(shù)對于算力的需求，幾乎呈數(shù)量級地增長。其中，AI對算力的需求增長更是無窮無盡，如此，如果要實現(xiàn)產(chǎn)業(yè)升級，算力方面也需要同步跟進，否則很難實現(xiàn)產(chǎn)業(yè)的全面升級。

最后，除了技術(shù)共識、算力之外，作為人工智能水平衡量的一個重要指標，識別度與精確度如何提升也同樣浮出水面，畢竟傳統(tǒng)通用計算的計算模式不僅成本高，而且這種算力增長也已經(jīng)無法滿足當前AI發(fā)展對算力的需求，因此計算模式的調(diào)整也是當前AI產(chǎn)業(yè)的一個主要變化方向。

不同于傳統(tǒng)技術(shù)，人工智能是一個非常依賴產(chǎn)學研的領(lǐng)域，最主要的表現(xiàn)之一，就是人工智能的迭代速度非?？?，每年算法精度都會提升一個量級，各高校研究所幾個月的時間里就會有大量重磅論文發(fā)表，AI產(chǎn)業(yè)對人工智能的創(chuàng)新成果也是遠超各種傳統(tǒng)行業(yè)。

伴隨著這幾個變化的產(chǎn)生，這不僅讓AI產(chǎn)業(yè)分工發(fā)生了改變，更是讓以往孤立的AI研究，比如，企業(yè)、學校、研究機構(gòu)各自研究不同的AI方向愈加無法滿足產(chǎn)業(yè)發(fā)展的需求，??因此，伴隨著AI產(chǎn)業(yè)的發(fā)展，產(chǎn)學研結(jié)合就越來越重要——一方面，企業(yè)的研發(fā)生產(chǎn)需要學校、研究機構(gòu)的理論支持；另一方面，學校、研究機構(gòu)的科研機構(gòu)也需要根據(jù)行業(yè)發(fā)展情況作指導，最新研究成果也需要通過企業(yè)來檢驗，這就要求學術(shù)研究要能為產(chǎn)業(yè)技術(shù)創(chuàng)新起到前哨作用，產(chǎn)業(yè)界也需要為學術(shù)研究提供真正有價值的研究課題，彼此相互促進，形成一個產(chǎn)學研相結(jié)合的循環(huán)。因此，在產(chǎn)學研協(xié)同越來越重要的當下，企業(yè)、高校、研究機構(gòu)都需要一個大型的算法訓練和驗證的平臺作為中間地帶。

客觀而言，相比傳統(tǒng)技術(shù)，作為一個技術(shù)前沿的技術(shù)，人工智能技術(shù)的持續(xù)發(fā)展及更迭對產(chǎn)學研的訴求更強烈——它非常依賴于技術(shù)的突破，迭代速度也更快，只要算法精度提升一個量級就可以引發(fā)重磅論文及業(yè)內(nèi)關(guān)注。

因此，在AI走向大規(guī)模產(chǎn)業(yè)化的過程當中，算力、模型及技術(shù)共識等等五大行業(yè)關(guān)鍵要素密不可分，與此同時，學校、企業(yè)及研究機構(gòu)之間也同樣愈加緊密，三者需要緊密結(jié)合。

AI產(chǎn)業(yè)經(jīng)濟的繁榮取決于AI本身的生產(chǎn)效率提升

無論生產(chǎn)關(guān)系還是算法、算力，這都指向了一個方向，那就是AI產(chǎn)業(yè)經(jīng)濟的繁榮取決于AI自身生產(chǎn)效率的提升。只有AI本身的生產(chǎn)效率得到充分提升，不斷快速地滿足日益增長的AI應用與協(xié)作需求，AI產(chǎn)業(yè)才能夠持續(xù)繁榮發(fā)展。

而在AI生產(chǎn)效率提升過程當中，AI的技術(shù)價值尤為重要。

通常而言，AI的技術(shù)價值主要體現(xiàn)在兩方面：更大的訓練模型與更低的生產(chǎn)門檻。

更大的訓練模型讓開發(fā)者們可以在大參數(shù)模型上加上一些行業(yè)屬性后，就可以快速解決行業(yè)中的各類細小問題；與此同時，這些大參數(shù)模型開放后，就將升級為AI產(chǎn)業(yè)的公共基礎(chǔ)設施，為AI產(chǎn)業(yè)賦能的同時，為企業(yè)降本增效帶來經(jīng)濟收益。這就是其行業(yè)價值。

更低的生產(chǎn)門檻則令開發(fā)者們無需篩選高質(zhì)量訓練數(shù)據(jù)，降低開發(fā)難度的同時，在大模型、大算力下獲得理想結(jié)果，從而在降低AI生產(chǎn)要素的同時，讓更多的人成為開發(fā)者。

具體來說，伴隨著大規(guī)模、超大規(guī)模模型逐漸成為一個共享平臺，這就意味著，無論從AI軟硬件產(chǎn)業(yè)鏈到學府、研究機構(gòu)，都可以通過大裝置來加速實現(xiàn)從核心技術(shù)攻關(guān)到產(chǎn)業(yè)應用的突破，而在這個過程中，AI產(chǎn)業(yè)則會推動傳統(tǒng)產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型升級的速度，更高效地解決智慧城市的各種長尾需求。

除前面所說的GPT-3模型外，國內(nèi)在大參數(shù)模型上也已經(jīng)有了不少領(lǐng)先世界的突破。

比如，在2021年6月1日召開的2021北京智源大會上，北京智源人工智能研究院發(fā)布了新版超大規(guī)模智能模型悟道2.0，僅在參數(shù)水平上，悟道2.0就達到了1.75萬億，是GPT-3的10倍，比Google Switch Transformer預訓練模型的1.6萬億還要多，悟道2.0的問世卻僅比Switch Transformer晚了不足半年的時間。

國內(nèi)的AI頭部，商湯科技最近也提了一個很有意思的概念，叫AI大裝置。

其全名叫SenseCore商湯AI大裝置，目的是做一個生產(chǎn)超大型模型的基礎(chǔ)平臺。

據(jù)商湯介紹，SenseCore商湯AI大裝置主要通過算力層、平臺層、算法層，以基礎(chǔ)設施方式輸出模型，把AI能力輸出到企業(yè)服務、城市管理和個人生活等三大落地方向中：算力層，商湯科技已在上海臨港新片區(qū)投資建立了一個全新的AI算力中心（AIDC），計算峰值速度可達到3740 Petaflops，作為參考，OpenAI的千億參數(shù)模型GPT-3完整訓練一次，使用AIDC的算力理論上一天內(nèi)即可完成；

平臺層，SenseCore商湯AI大裝置可以實現(xiàn)不同場景的算法模型的底層抽象，以模塊化平臺套件打造通用型服務平臺。據(jù)悉，其融合了商湯自研的算法框架后已經(jīng)可以達到接近90%的并行處理效率，實現(xiàn)900倍計算提速；

算法層，SenseCore商湯AI大裝置據(jù)稱包括各種算法工具箱，其海量算法不僅包括以往較為重視的高頻應用場景算法，還包含了眾多長尾低頻場景的算法。

無論是在算力層、平臺層、算法層，商湯科技的AI大裝置都體現(xiàn)了全球AI產(chǎn)業(yè)的最新發(fā)展方向，也體現(xiàn)了商湯自己的一個目標——朝著規(guī)模化、低成本、通用化的AI算法方向發(fā)展，這就可以深度賦能中國AI產(chǎn)業(yè)，創(chuàng)造更多產(chǎn)業(yè)價值。

而伴隨著越來越多的企業(yè)與開發(fā)者融入或使用到SenseCore商湯AI大裝置，這讓圍繞SenseCore商湯AI大裝置形成的AI生態(tài)也將不斷形成產(chǎn)業(yè)生態(tài)。

至于以后AI產(chǎn)業(yè)究竟能夠在多大程度上推動傳統(tǒng)產(chǎn)業(yè)升級轉(zhuǎn)型發(fā)展，并且滿足城市管理各種長尾需求，GPLP犀牛財經(jīng)還將拭目以待。