人工智能全域变革图景展望：跃迁点来临（2023）（附下载）
今天分享的是【人工智能全域变革图景展望：跃迁点来临（2023）】 报告出品方：毕马威
人工智能产业发展十大趋势
大模型爆发以来，人工智能技术发展日新月异，创新成果纷纷涌现，基于对国内外主流科技公司最新布局、科研论文最新热点等的梳理，结合产学研各界专家研讨意见，本章从技术变革、应用创新、安全治理、生态协同四大维度总结出人工智能产业发展十大趋势，希望为有志于投身人工智能领域的企业和个人提供有益参考。
01多模态预训练大模型将是人工智能产业的标配
多模态预训练大模型主要包括三层含义：首先，“大模型”也称基础模型（FoundationModels），指基于大规模数据训练的模型，具备应用领域广泛的特点；其次，“预训练”强调大模型训练发生在模型微调 （ finetuning）之前，大模型在预训练阶段能够集中学习到尽可能泛化的通用特征，在微调阶段则需结合较小规模、特定任务的数据集进行调整，从而达到广泛适用各类任务场景的效果；最后，“多模态”指用于训练大模型的数据来源和形式具有多样性，例如，人类通过视觉、听觉、嗅觉等多种感官获取信息，继而通过声音、文字、图像等多种载体进行沟通表达，就是多模态的输入和输出。
02 高质量数据愈发稀缺将倒逼数据智能飞跃
围绕AI大模型的商业化竞争不断加剧，作为模型训练“原料”的数据（尤其是高质量数据 ） ，正迎来短缺危机。根据一项来自Epoch Al Research团队的研究14，高质量的语言数据存量将在2026年耗尽，低质量的语言数据和图像数据的存量则分别在2030年至2050年、2030年至2060年枯竭。这意味着，如果没有新增数据源或是数据利用效率未能显著提升，那么2030年以后，AI大模型的发展速度将明显放缓。
03 智能算力无处不在的计算新范式加速实现
算力是大模型训练的“燃料”，以高效且成本较低的方式为人工智能发展注入源源不断的核心动力，已逐渐成为产业界共识。深度学习出现之前，用于AI训练的算力增长大约每20个月翻一番，基本符合摩尔定律；深度学习出现之后，用于AI训练的算力大约每6个月翻一番；2012年后，全球头部AI模型训练算力需求更是加速到每3-4个月翻一番，即平均每年算力增长幅度达到惊人的10倍；目前大模型发展如火如荼，训练算力需求有望扩张到原来的10-100倍，算力需求的指数级增长曲线将更加陡峭15。然而，这也意味着发展AI需要巨大的算力成本投入。以构建GPT-3为例，OpenAI数据显示16，满足GPT-3算力需求至少要上万颗英伟达GPU A100，一次模型训练总算力消耗约3,640PF-days（即每秒一千万亿次计算，运行3,640天），成本超过1,200万美元，这还不包括模型推理成本和模型后续升级所需的训练成本。
04 人工智能生成内容（AIGC）应用向全场景渗透
AIGC(Artificial Intelligence GeneratedContent，人工智能生成内容)即利用各类机器学习算法，从数据要素中学习，使机器能自动生成全新的文本、图像、音频、视频等多媒体内容，是继专业生产内容(PGC)、用户生产内容(UGC)之后的新一代内容创作方式（图 23)。现阶段大模型最主要的应用方向就是AIGC，主要包括AI写作、AI编程、AI绘画、AI视频生成等。
05 人工智能驱动科学研究（AI for Science）从单点突破加速迈向平台化
AI4S（AI for Science，人工智能驱动的科学研究）是利用AI的技术和方法，去学习、模拟、预测和优化自然界和人类社会的各种现象和规律，从而推动科研创新。AI4S可显著降低前沿科技研究中的智力成本并提升研究效率，主要应用领域包括生命科学、气象预测、数学、分子动力学等，有望成为和经验范式、理论范式、计算范式、数据驱动范式互相促进的第五大范式。
06 具身智能、脑机接口等开启通用人工智能（AGI）应用探索
一般来说，学术界将人工智能的发展阶段分为专用人工智能、通用人工智能和超人工智能。专用人工智能指机器具备表象性的智能特征，包括像人一样思考、感知环境以及像人一样行动，是机器学习的时代，典型案例如第一个战胜围棋世界冠军的人工智能机器人AlphaGo。通用人工智能（AGI，ArtificialGeneral Intelligence）指与意识、感性、知识、自觉等人类特征相连结，能够执行人类智力行为的机器智能。超人工智能指的是在科学创造力，智慧和社交能力等多方面都比人类大脑聪明很多的智能。目前，人工智能逐步向通用人工智能发展。
07 人工智能安全治理趋严、趋紧、趋难
深度神经网络大模型的预训练以及在大规模人机交互过程中强化学习必将带来人工智能以认知发展为导向的“自我进化”，如何确保这种自我性特征对人类社会有益而无害，是目前需要面对的巨大挑战。
08 可解释AI、伦理安全、隐私保护等催生技术创新机遇
对模型透明性和可解释性的要求推动可解释AI向纵深发展。随着机器学习模型在各个领域的广泛应用，人们对于模型的可信度和可解释性的要求也越来越高。2021年，联合国发布《人工智能伦理问题建议书》，“透明性与可解释性”成为其提出的十大AI原则之一22。透明性与可解释性是对AI系统的基本要求，是实现其他伦理价值的必要前提。
09 开源创新将是AGI生态建设的基石
开源，即开放源代码。代码开源后，开发者可以公开获取版权限制范围内的模型源代码，并进行修改甚至重新开发。与之相反，闭源意味着只有源代码所有者（通常是软件开发商）掌握修改代码的权力。
10 模型即服务（MaaS）将是AGI生态构建的核心
商业模式关乎整体生态能否实现从价值创造到价值实现的完整闭环，目前AGI生态的商业模式主要以AIGC相关的商业模式为代表，主要包括MaaS（Model as a Service，模型即服务)，即大模型厂商将预训练模型开源，形成可调度、可管理、标准化API，按照API调用量来收费、按照产出内容收费、软件订阅收费、或按照模型租赁收费等形式。
免责声明：以上报告均系本平台通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如涉侵权，请联系删除 ；资料为推荐阅读，仅供参考学习，如对内容存疑，请与原撰写/发布机构联系