论坛回顾 | 康勇：人工智能与算力发展趋势
观点回顾
嘉宾介绍
康勇
毕马威中国首席经济学家
康勇，现任毕马威中国首席经济学家，他在宏观经济、政策分析、公司战略、跨境投资与并购等领域具有超过二十年的研究经验。他在大消费、数字经济、金融科技、绿色发展等领域也进行了深入研究并发表多篇报告，分析未来宏观环境对企业的影响。康勇经常受邀为企业高管讲解经济和行业趋势，帮助企业更好的把握日趋复杂的市场环境，为他们提供有价值的建议和决策支持。
在加入毕马威之前，康勇曾任全球最大的工程和矿山机械制造商—美国卡特彼勒公司的亚太首席经济学家，负责该地区的宏观经济分析和行业预测，为公司的生产和投资提供前瞻性的宏观洞察。康勇还担任过美国伊顿公司资深经济学家、知名智库美国兰德公司国际经济学家以及三星经济研究院中国首席战略研究员。
康勇毕业于北京大学国际经济系，获美国宾夕法尼亚大学沃顿（Wharton）商学院经济政策学博士。他经常在知名媒体上接受采访和发表文章，分享他的宏观见解。
演讲实录
一、通用技术的历史回顾
未来经济发展的核心议题之一是算力如何带动人工智能的发展。而人工智能要想再推动人类生产力的跨越式发展，需要发展成为一门通用技术（General Purpose Technologies）。
资料来源：公开资料，毕马威分析
图1 人类历史上通用技术引发的生产力跨越式发展
第一次工业革命主要以蒸汽动力作为通用技术。蒸汽动力的发展不光是蒸汽机本身的技术进步，更关键的是蒸汽动力作为通用技术发展对整个行业带来的深层次变化。举例来说，蒸汽机的出现带动了纺织、采矿、运输（汽车、火车）等各个行业的发展。
第二次工业革命主要以电力作为通用技术。电本身就是一个很重要的科学发现，但是使电真正产生作用的是它对其他行业的赋能。第二次工业革命后的电视、洗衣机、电报、计算机等工具的发明与运用，都离不开电的发现和发展，因此电也是标准意义上的通用技术。
第三次革命是信息产业革命，以ICT (Information Communication Technology）作为通用技术。信息产业革命今天的人们都很熟悉，其中的发明创造与现在的生活息息相关，其重要性与影响力已经无需多言。
我们的社会现在正处于第四次工业革命——或者叫做第四次科技革命的边缘，这一次科技革命的契机是人工智能的发现和发展。
二、人工智能的发展史
资料来源：公开资料，毕马威分析
图 2 人工智能发展经历的“三起两落”
人工智能的发展并非一帆风顺。自人工智能的概念在1956年的达特茅斯会议上第一次出现以来，它的发展经历了三起两落（图2）。
人工智能的第一次低谷出现在1970年代。在早期引人关注的人工智能热潮逐渐消退后，人们开始意识到人工智能技术的落地需要较多的时间，其现实效果在短期内难以体现。针对人工智能的投资热情和研究强度开始下降，在1970年代出现了第一次人工智能发展的寒冬。
人工智能的第二次低谷出现在1980年代。原本随着1980年代人工智能专家系统的发展，人工智能议题得到充分的研究讨论，其理论与技术也得到了不小的进步。但在1987年，随着美国股市面临危机，美国经济进入衰退，市场和资本对人工智能的投资大幅度下降，所以1987年出现了第二次人工智能发展的寒冬。
随着经济的恢复以及坚持深耕人工智能领域学者的持续投入，2000年之后人工智能的发展速度加快。尤其在2006年，加拿大多伦多大学的教授首次提出深度学习的算法，再次引发了大家对人工智能的高度关注。2016年举办的人工智能与人类的围棋大赛也引起了公众的热议。去年10月份ChatGPT的横空出世，在全球吸引了大量而广泛的关注者。
资料来源：World of engineering，毕马威分析
图 3 各类典型产品达到全球1亿用户所用时间（单位：年）
图3展示了历史上几次重要的科技发明普及到1亿用户所花的时间。最早的电话经过75年才在全球月度的用户达到1亿，后来手机用了16年实现这个目标，互联网用了7年，而ChatGPT实现用户超过1亿只用了两个月。这些数字直白地体现了大家对一项技术的关注程度。
三、算力的发展史
资料来源：毕马威分析
图 4 算力发展的四个阶段
我们知道人工智能最重要的内容之一是算力，万物皆数据、无数不可算、无算不智能。数据、算法和算力是数字经济与人工智能三个最核心的要素。
算力的发展历史非常有趣，这一过程符合中国人说的“天下大势分久必合、合久必分”的逻辑，算力的发展历史可以分为多个阶段。
第一个阶段是集中式的计算，例如最早的大型机。当时主要的操作系统是通过机器自己的终端调用核心的中央处理器的计算功能，是集中式计算的范式。随着个人计算机的发展，计算的范式就从集中向分散过渡。而进入2000年以后，随着移动互联网的发展，计算进入云计算阶段。云计算又是一个集中式的计算，由大的处理器来负责大部分计算的功能。
我认为未来会进入一个计算的新时代，它的新范式是一种更好的融合。计算领域常提到的几个词是“端、边、云、网、智”，端是智能终端，边是边缘计算，云是云计算，网是互联网，智是智能计算。下一阶段的计算范式是从中央计算到分布式计算的再次融合，这种融合是算力未来发展非常重要的内容。
四、算力产业与相关行业的发展状况
资料来源：毕马威分析
图 5 “普慧”——算力发展的两大特征
未来的算力可以被总结叫做“普慧”算力，但是这个“普慧”跟人们日常说的普惠金融不一样的，这里的慧指的是智慧。我认为未来算力的发展有两个核心，一个是普，就是普适，另外一个是慧，就是智慧。所谓的普就是人人可得、人人可用、人人适用，它的核心理念是算力建设就是未来的数字基础设施建设。过去的基建是公路、铁路，未来的基建就是新能源、算力、数据中心等等，这是新的数字经济的基础设施。慧是智慧，就是自学习、自进化、自适应。普与慧两者是相辅相成的，如果没有非常普适的基础设施支撑，算力就无从谈起；而如果没有智慧，算力的价值就很难发挥出来。所以算力的发展一定需要普与慧更好的结合。
为了进一步研究这样的体系，毕马威和联想行了一个研究。我们观察了很多行业，对这些行业里做了一个指标体系，沿着普和慧两个维度来打分。我们关注一些一级指标、二级指标，这些指标加总在一起就可以形成一个体系，通过这个体系就可以发现不同行业的特色。
资料来源：毕马威分析
图 6 行业“普慧”算力发展评估框架
资料来源：毕马威分析
图 7 “普慧”算力发展的行业象限图
图7的横轴数字代表未来几年一个行业在普这个维度上的投资增速，从左向右增加；纵轴数字代表未来几年一个行业在智慧这个维度上的投资增速，从下往上增加。
这里有四个象限，在第一象限里的行业是“普慧”双驱型行业，比如制造业和ICT。圆圈的大小代表了投资的规模，圆圈越大代表这个行业的投资规模越大。制造业和ICT两个行业是非常明显的普慧双驱型行业，既在普适的维度上投资增长很多，又会在智慧这个维度上投资增长很多。举个例子，大湾区在制造业方面有很好的基础，未来的智能制造一定有很长足的发展。很多企业在产品的检验等方面已经用了很多“普慧”算力的技术和手段，这对他们生产效率的提升带来了很大的帮助。
第四象限的行业在智慧维度发展更快一些。比如汽车行业。许多人认为汽车会是下一个智能的终端，就像现在人们使用的手机一样成为移动的智能平台。未来汽车的功能并不仅仅是出行，它会搭载很多智能集中。现在汽车发展的趋势是绿色化、智能化、网络化，这些都离不开智慧网络和智慧算力的发展。
第二象限的行业就是普适促进型行业，金融行业是一个很好的例子。毕马威每年对金融科技进行评比发现了一个现象：近年金融科技发展的一个重要趋势就是“金融归金融，科技归科技”。科技企业回归它的本源，更好地是在为金融企业去赋能并提供服务，帮助金融企业去更好地服务客户，所以金融和科技之间的分工更加明显。金融服务实体经济，离不开金融行业在普适这个维度上的发展。
第三象限的行业有教育和医疗，未来他们在普适和智慧两个维度都有很大的发展空间。如今中国高校的教育资源在算力的布局、投资上还有很大的发展空间。医疗行业也面临相似的问题，中国一部分城市的医疗资源分配是不平均的，这些方面有很大的投资和改进空间。
资料来源：中国信息通信研究院公开数据推算，毕马威分析
图 8 算力产业预估规模与算力产业链
算力产业覆盖了上中下游很多的产业，包括上游的基础软件、基础硬件、基础设施投资，中游的数据中心、云计算服务、网络服务商（联通、移动等等），还有IT外包、系统集成等。下游就是前述这些技术与服务在各个行业的应用。这是一个非常大的产业，初步计算算力产业核心规模有几万亿人民币，如果要是把其他的行业算到一起，它的规模应该在20万亿元以上。未来的科技升级、技术进步，可以对经济发展带来巨大的功能，算力产业就是一个非常好的抓手。算力产业本身是一个非常大的产业，也可以带动很多其他产业的发展，这是未来中国经济转型和发展非常重要的议题和领域。
五、算力未来发展的趋势和展望
刚才讲了算力发展的情况，那么未来发展的趋势和展望是什么呢？
资料来源：毕马威分析
图 9 算力发展的趋势
核心的一点是安全与发展要共同促进。不光是从算力产业来说，从中国宏观经济发展的角度来看，发展和安全是未来的重要主线。从安全角度来说，我们要讲究数据安全、算法安全和算力安全。数据安全领域已经有了很多国家层面的法律，比如《网络安全法》《数据安全法》《个人隐私保护法》等等。算法安全也非常重要。举例来说， 生成式人工智能（AIGC）写出来的东西是预测性的，它根据语言、文字出现的概率写出一篇文章，其本身缺乏解释性，同时也不可问责。因此产生了一个关于人工智能的笑话：AIGC发展很快，但是有些行业是它取代不了的，因为这些行业还得需要有人来问责，AI不能替人背锅，所以这些行业的人还是少不了。这固然只是个玩笑，但是其背后体现出来的可解释性和不可问责性，其实是未来人工智能发展需要非常关注的问题。
人工智能发展还隐含着很多深层次的问题。最近国外一些作家在抗议，不允许大模型训练的时候使用他们的作品。这些作家的担忧不能说没有道理，比如说一位作家写了篇文章，被AI公司用来作为训练人工智能模型的工具，那么到底这位作家的知识产权还能不能得到保护？比如人工智能模仿一个作家的风格写出的文章，有多少知识产权是归原作者的，多少是归算法的，这个问题极为复杂。在此基础上展开讨论，人工智能生成的文章受不受知识产权的保护，这一议题也是需要人们探讨和研究的。
同时算力安全也很重要，这涉及地缘政治、中美之间的竞争问题。美国去年通过芯片法案，投资527亿美元在半导体产业，欧洲也通过芯片法案在算力硬件投资超过400亿欧元，日本有7万亿日元对算力硬件的投资，中国在该领域也有自己的资本投资。所以算力安全不光是企业之间的竞争，而且关系到国家未来的发展以及国家的战略安全。
在发展方面有几个关键词，就是绿色化、场景化和市场化。在绿色化角度来讲，计算的本质其实就是能源和信息之间的转换，未来随着算力的发展，必然对能量的需求有一个激增，如果不能进行能量的转型，它的碳排放对未来的可持续发展会带来一定压力。所以绿色化和智能化的发展之间是相辅相成的。
同时场景化也非常重要，因为通用人工智能本身是一个大模型，AIGC也是大模型，未来它的落地一定需要产业化和跟场景化相结合。类似电力的发展，它很重要的一点是电是一个可被应用的通用技术。如果一个发电厂把电发出来了，不能应用到各行各业中，电的发展就得不到体现。所以未来的人工智能发展要沿着场景化作进一步的融合，实现大模型和小模型的结合。
最后是市场化，中国需要通过市场化的手段推动算力的发展。