人工智能行业报告：2023生成式AI报告（附下载）

原标题：人工智能行业报告：2023生成式AI报告（附下载）

今天分享的是人工智能系列深度研究报告：《人工智能行业报告：2023生成式AI报告》。（报告出品方：启明创投 × 未尽研究）

精选报告来源公众：人工智能学派

报告共计：38页

【报告内容摘要如下】

创新应用

生成式人工智能的生态包括了基础设施层、模型层与应用层，创新在每一个层面发起，竞争也在科技巨头、行业龙头和初创公司之间展开。

在整个生态中，受益于以参数规模为代表的大模型不断扩张，算力目前是最稀缺的资源，也处于最容易获利的要津。算力是大模型成本结构中最大的一块，GPU的性能，决定了这个新兴行业的步调。但是，GPU性能提升的速度，已经落后于大模型训练和推理需求的增长。

面对这一革命性的技术，不论是主动还是被动，企业都被卷入其中。不管是技术的守成者、创新者还是采纳者，业务模式都将发生变化，进而影响企业的发展。

当前，生成式AI尚处于技术发展的早期阶段，基础架构和核心技术并不成熟；科技巨头忙于研发大模型，尚未顾及深度切入具体的应用场景。但巨头何时添加相似的功能（feature）始终是悬在初创企业头上的达摩克利斯之剑，而大模型能力边界的扩张也可能在未来挤占初创企业的发展空间，可以说，这是初创企业的蓝海，但也有发展道路上的暗礁。

前沿研究

生成式人工智能领域的一个突出特征，是研究与创新过程的密切结合，许多在企业内部实现，迅速推出用例和产品。这种研究与创业的一体化，初创企业和风险资本起到了重要的作用，而美国科技巨头和主要人工智能企业的研究投入与人才，包括一些底层技术的研究，这些年来已经超过了大学等研究机构。

GPT-4迸发出通用人工智能的“火花”，需要研究和解决的问题反而更多了，如信心校准，长期记忆，持续学习，个性化，规划和概念跨越，透明度，认知谬误和非理性，等等。而过去半年最重要的研究方向，是破解和理解大模型神秘而又令人兴奋的智能“涌现”。大模型既需要超越对下一个词的预测能力，也需要一个更丰富、更复杂的“慢思考”深层机制，来监督“快思考”预测下一个词的机制。

【内容看点】

1. 行业变革
2. 前沿研究
3. 监管、安全与人才
4. 十大展望

（本“人工智能学派”已获上百家出品方授权。本文仅供参考，不代表我们的任何立场。如需使用相关信息，请参阅报告原文，内容版权归原撰写/出品方所有。）

报告共计：38页

受篇幅限制，仅列举部分内容。

海量精选报告来源公众号“人工智能学派