文章來源：智谷趨勢

作者：朝陽

圖片來源：由無界AI生成

2023年是科技大年。

在全球復蘇滯緩、加息衝擊、戰爭陰雲等政經桎梏下，科技撬開一道縫隙，帶來無窮變量。

ChatGPT與AI大模型、新能源汽車、大飛機、可控核聚變、星艦、芯片戰爭、室溫超導技術、基因編輯……是2023年火出圈的科技話題。

但2023年的大環境卻是“降本增效”，於是——

·全球科技公司在大規模裁員、調整業務；

·創業公司出現倒閉潮，新增獨角獸企業數量下降85%；

·融資變得更貴，資本出手更加審慎；

2023年，也是分化加劇的一年。

·蘋果、微軟、谷歌、亞馬遜、英偉達、Meta和特斯拉7家公司撐起美股漲幅

·AI等新技術紅利仍將由大企業佔有，典型代表如微軟，已顯出“贏家通吃”的跡象

·各國紛紛推出產業政策，加強了科技競賽和貿易壁壘

·長期來看，AI與自動化將取代人口紅利，改變全球化的進程

如果只選一個關鍵詞總結2023年，我會選AI。

大眾層面，OpenAI帶來的衝擊，比當初下圍棋的AlphaGo強烈太多。

聊天機器人、AI作畫、製作視頻、編程等能力，是大眾能直觀感受，並迅速延伸個人能力的邊界。

同時，這也引發了“人類被AI取代”的擔憂。OpenAI論文指出80%的工作和收入被AI影響。AI替代的裁員潮，已引發監管和罷工的反應。

行業層面，幾乎所有大型科技公司都加入了大模型的研發。截至10月，國內已出現238個AI大模型。5月時這個数字還是78。

AI不是第一次引發熱潮，大模型也並非新事物。但這次AI真正通用化、普及，是雲計算、大數據、網絡等新一代基礎設施的成熟，也是数字化向智能化的演進。

這一切，註定2024年也是一個科技大年。

1、GPT-5發布，閉源模型仍會繼續領先

年初，谷歌將發布Gemini Ultra；

OpenAI發布GPT-4.5甚至GPT-5，更加接近通用人工智能。

那些還在努力對齊GPT-4的競爭對手，又將被拉開一個身位。

大公司更加青睞閉源模型，在技術和資金方面投入也會更大，將會保持對開源模型的領先。

與此同時，目前GPT、Gemini等大模型，主流使用的是Transformer架構，這是2017年穀歌發表的技術。

而像斯坦福大學、麻省理工等高校機構已在研發新一代的AI架構，對Transformer形成挑戰。

中國的路，還有很長。

2、行業關注重點從大模型到AI應用，AIGC、AI+、智能助手等湧現成熟商業模式

大模型的高技術門檻和算力門檻，註定了研發通用大模型是少數科技巨頭的遊戲。

目前，大模型的推理成本仍然很高，落地AI的最大阻礙，除了技術成熟度之外，就是投資回報率的問題。即便在科技巨頭內部，也僅覆蓋了最有價值的產品業務。

今年，行業重點將是AI的落地問題，專註行業模型、AI應用的產品化和商業化。

例如，自動駕駛，預計2024年會迎來爆髮式進步。特斯拉的Dojo超算和FSD加速落地。國內推廣高級別自動駕駛。

由AI生成的視頻和電影，在2024年也會形成完整的生產和商業模式。

其他如金融、教育、醫療等，也都是AI首先大規模落地的熱門領域。

3、終端設備AI化，加速AI能力普及

2024年，你會為使用AI而購買新機嗎？

2023年，華為、榮耀、小米、vivo、OPPO已嘗試推出大模型手機；

谷歌Pixel手機已搭載Nano級Gemini；

三星預計在2024年初發布Galaxy S24，引入生成式AI；

蘋果已公布多個AI大模型和技術成果，預計iOS 18會體現更多AI能力。；

微軟明年發布Windows 12，也將結合AI大模型（甚至GPT-5）；

高通、英偉達、聯發科等芯片廠商，已推出適配AI算力的產品和平台；

同時，初創企業Humane的AI Pin（智能別針）也將於明年3月交付，這類想“替代手機”的全新智能穿戴設備也將湧現。

手機、電腦等智能設備的大廠，都在加速AI化。他們在系統層面，嵌入端側AI能力；在硬件端，研發更新芯片技術，解決算力和存儲問題。

這會催生一次AI換機潮，帶領消費电子市場走出低谷。也會成為很多人實際感受AI能力的渠道。

4、AI公司出現倒閉潮，剩者為王

我們總是高估未來兩年的變化，而低估未來十年的變革。

這一輪AI熱，催生了上百家研發大模型的企業，以及更多基於開源模型，去做應用研發的創業公司。

其中存在巨大的泡沫。2023年已有AI企業，甚至明星獨角獸在降低估值、裁員，甚至消失。

給與AI企業燒錢發展的周期將大幅縮短。到明年，AI公司將接受市場考驗，沒有成熟落地場景、商業模式的企業將迅速出清。

雖然新的AI創業公司仍將湧現，但資源和市場會迅速向少數巨頭集中。

掌握成熟行業場景，積累垂直數據的企業，將有更高的壁壘。

5、AI大模型的算力饑渴，激化芯片戰

AI大模型的算力需求，每年增長近10倍，遠超GPU算力增速和數據中心的建設速度。

目前的數據中心，是以CPU為主導的，而AI算力更依賴GPU，以及各類NPU、TPU和AI專用芯片。

美國2023年修改芯片管制，對高端AI芯片的管控升級，“閹割版”GPU也被納入管制，限制了國內AI算力擴張速度；

同時，英偉達垄斷GPU市場，並推出雲服務進行競爭；谷歌、亞馬遜、微軟、OpenAI、華為、阿里等科技大廠也都下場，加速研發AI芯片。

6、數據安全、合規和版權問題，恐成AI監管的首個爆點。

踩在2023年的尾巴，紐約時報將微軟、OpenAI告上法庭，要求銷毀所有包含其數據的大模型和訓練集，索賠數十億美金。

目前AI大模型使用的數據，多是從互聯網上免費爬蟲抓取。除了ChatGPT之外，包括Midjourney、Runway、Pika也是全網抓取圖像和視頻進行學習。

這些數據和作品的原作者，是否有權拒絕被使用？是否能獲得收益？

AI新技術亟需法律和監管跟進，在2024年圍繞數據隱私、版權問題的訴訟將首先到來。

7、AI大模型引發的碳中和、綠色問題將更加突顯。

大模型動輒千億萬億的參數規模，對算力要求極高。

並且隨着AI需求擴大，算力需求還會指數型增加，可能成為最大耗電、碳排放的源頭。

例如，國際能源署估計，數據中心的用電量佔全球電力消耗的1.5%至2%，相當於英國的用電量。預計2030年，將佔到4%。

為了服務器液冷，微軟一年用掉17億加侖(約64億升)的水，相當於2500個奧運會泳池；谷歌用掉56億加侖(約212億升)，8500個游泳池。

大型科技公司基本都有2030碳中和的承諾，想要AI不被拖垮，他們已在研究小模型、端側模型，提升算力效率；通過採購綠電、自研芯片、自建綠色數據中心等方式解決。

微軟已經在琢磨，建核電站給AI大模型供能。

2023年只是元年，一個開始。

2024年，能用AI規模化提供服務、知識的企業和個體將湧現；超出常識、基於AI的產品和新模式會出現；AI跨學科之後，也會推動更多創新湧現。

分化和差距，還會以更驚人的速度拉開。