蘋果在全球開發(fā)者大會（WWDC）上公布其一系列人工智能更新的影響，蘋果股價已連續(xù)三天上漲。截至6月13日美股收盤，蘋果公司市值達到3.29萬億，成功超越微軟再次成為全球最大市值公司。值得一提的是，在WWDC上蘋果宣布與OpenAI達成合作，將在Siri當中提供ChatGPT接口，用戶將可以通過Siri直接使用GPT-4o，而且免費、無需注冊。
對于近期的基于大語言模型的新一代人工智能技術，我們采訪了聯(lián)想控股助理總裁、資產(chǎn)管理部董事總經(jīng)理紀朝峰。他在過去10年間一直負責聯(lián)想控股財務投資工作，目前管理約300億元人民幣的自有資產(chǎn)，而聯(lián)想控股體系基金平臺的管理規(guī)模已經(jīng)超過了3,300億元人民幣，累計投資了超過200家人工智能相關的企業(yè)，形成了獨有的科技生態(tài)。
紀朝峰認為，“Open AI推出的GPT-4o是大模型進行商業(yè)化的重要探索，預示著AGI應用距離第二階段已經(jīng)不遠了。相比之前的模型只能讀文看圖和遲滯感明顯的語音交互，如今GPT-4o可以實現(xiàn)實時多模態(tài)的自然交互。這意味著已經(jīng)逐漸具備實時能看懂、能插嘴說、能思考響應，還能有各種小情緒自然交互的能力，未來隨著模型進一步優(yōu)化，人工智能真正成為智能。”
同時蘋果股價大漲也印證了他之前的判斷：未來AI將在以手機為代表的端側硬件和碎片場景下的應用結合率先引爆，應用場景、用戶基數(shù)等會被幾何級放大，未來涉及的改變不只是幾億用戶，而是幾十億用戶。
這一波AI浪潮的進展將遠超前幾次的總和
其實從1956年人工智能概念被提出之后，AI技術的發(fā)展和應用已經(jīng)過多次高潮和低谷。但不可否認的是，隨著歷次底層算法的改進，人工智能也開始從初期的非常簡單的應用落地，逐步到更復雜、更多樣化的場景應用，并且每次技術進步，相較于上一代應用取得的進展都是指數(shù)級別的。
具體來看，1956年達特茅斯會議后人工智能在數(shù)學領域特別是在機器定理證明方面取得了進展；第二波AI發(fā)展高潮里，人工智能在圖像識別、語音識別和自然語言處理等領域均取得了突破。在從2015年到2020年第三波浪潮中，深度學習算法在人工智能應用方面取得了跨越性的突破，標志性事件是2015年DeepMind開發(fā)的AlphaGo擊敗了世界頂級圍棋大師。此后深度學習技術在圖像目標數(shù)據(jù)智能識別研究領域取得了突破性進展，引發(fā)了計算機視覺領域的革命性變革，并加速了在自動駕駛、工業(yè)場景落地。
紀朝峰看來，“上一代AI專注于解決特定領域的問題，性能和準確性依賴于特定場景訓練數(shù)據(jù)的數(shù)量和質量，缺乏推理和創(chuàng)造性思維能力，更多還是基于規(guī)則和數(shù)據(jù)驅動進行決策。在處理復雜問題、創(chuàng)新和靈活性要求較高的任務時會表現(xiàn)出局限性。更適合在特定場景下的小模型，一旦切換場景，需要進行重新優(yōu)化，導致上一代人工智能很難實現(xiàn)泛化，無法形成具有結構性優(yōu)勢的解決方案，使得商業(yè)化進入瓶頸期。”
與前三次AI浪潮不同，本輪的基礎大模型是建立在Transformer架構上，其獨特的注意力機制模擬了人類的感知方式和注意力行為，使得模型能夠專注于輸入數(shù)據(jù)中的關鍵部分，解決了上一波深度學習模型中長距離信息依賴關系的問題。隨著對Transformer架構大模型對自然語言處理的巨大進步，并逐步遷移到計算機視覺、音頻處理等其他領域，為不同領域提供了可共用的平臺，使得以往分散的模型走向統(tǒng)一。這一變化不但簡化模型設計的復雜性，同時提高了模型的通用性和可拓展性。
具體表現(xiàn)上來看，從文生文、文生圖到文生視頻，這些都是初期的簡單應用。隨著行業(yè)垂直模型的成熟和具身機器人技術的進步，大模型不斷解鎖新能力，解決上一代AI尚未攻克的復雜場景，大面積取代體力勞動，并逐步提高智力勞動的效率。一個人加上具有很強泛化能力的AGI助手，就可以完成過去需要多人協(xié)作的復雜任務，這可能會成為未來世界的常態(tài)。紀朝峰判斷，這波AI浪潮帶來應用上的進展將遠超前三次浪潮的總和。生產(chǎn)力的快速提升會顯著改變生產(chǎn)關系，很多行業(yè)的商業(yè)模式將會受到?jīng)_擊，但同時也孕育著巨大的商業(yè)機會。
大模型融資速度仍落后于商業(yè)落地
從2023年初，大模型展現(xiàn)出強大的多輪對話和文生圖能力后，讓大家產(chǎn)生對AI時代的驚鴻一瞥，從此成為創(chuàng)投圈最炙手可熱的風口。
從融資上來看，近一年多時間OpenAI估值已近千億美元，國內(nèi)做基座大模型的6家頭部公司估值也超過100億人民幣。如果按照他們產(chǎn)生的收入來看，都是100倍以上PS，甚至還有幾家壓根沒有收入。從這個角度來看，當前各家大模型公司的估值確實高得出奇。
紀朝峰分析，“高估值反映出投資人認可AI大模型技術仍在快速發(fā)展和迭代中，具有巨大的發(fā)展?jié)摿妥兏锬芰?。市場對這些公司的估值是基于對其長期增長潛力的樂觀預期。”但值得注意的是，國內(nèi)還有二三十家做通用底座大模型的公司卻沒有得到資本這樣的認可，他們有的根本融不到錢，有的也就幾億元人民幣的估值，這也反映出高估值只是給到技術實力領先的頭部大模型公司。
從應用落地上看，過去一年多的時間里，大模型應用率先落地的行業(yè)中并沒有給用戶帶來太多驚艷的提升。紀朝峰認為：“當前無論是在C端商業(yè)模式尚不明朗，還是B端缺乏令人眼前一亮的應用，主要還是因為當前AGI的應用仍處于第一階段，即當前的應用還是把大模型在多輪對話、超長文本理解、文生圖、文生視頻等方面的突破與原有業(yè)務進行單點結合，只是邊際性提升效率，并未創(chuàng)造出新的場景。我預期AGI發(fā)展很快會進入第二階段，會帶動AI技術對接多業(yè)務環(huán)節(jié)產(chǎn)生應用，甚至出現(xiàn)高度融合，AI在某些業(yè)務環(huán)節(jié)中推動業(yè)務發(fā)展的階段，可以按照人類的目標性要求獨立完成工作，替代人類完成高復雜度的任務，這些場景都是上一代人工智能技術尚未解決的深水區(qū)。隨之而來的企業(yè)成本結構的巨大改變，將徹底改變很多行業(yè)的游戲規(guī)則。目前，在我們看到的一些項目里，已經(jīng)出現(xiàn)了用大模型去替換非標準化人工服務的商業(yè)模式，比如保險、法律訴訟、診療等場景。”
任何快速發(fā)展的行業(yè)都存在泡沫風險，AI領域也不例外，關鍵要看后續(xù)AI大模型的技術迭代和商業(yè)化落地是否能夠支持其高估值。如果市場對AI大模型公司的預期過于樂觀，而實際商業(yè)化的進展無法支撐高估值，那么泡沫會很快破滅。
對此紀朝峰十分樂觀，“從OpenAI、Google和Meta等公司大模型的技術發(fā)展，以及國內(nèi)公司緊跟的態(tài)勢來看，AI大模型技術仍在不斷創(chuàng)新，給行業(yè)帶來新的機會。從商業(yè)化落地的速度和產(chǎn)生的經(jīng)濟效益來看，的確慢于大模型技術的發(fā)展和估值的提升，但這樣的情況將隨著大模型技術持續(xù)迭代，多模態(tài)大模型和各個垂直場景大模型的發(fā)展得到解決，領先企業(yè)的高估值將會得到支撐。”