本月，美国科技股\"大众七巨子\"大众等人工智能巨子股价遭遇显著颠簸。这不仅反响了美国经济数据的疲软和公司古迹的不振，更引发了市场对人工智能领域投入与产出失落衡，乃至\"大众AI泡沫\"大众的担忧。这一事宜再次将我们的目光聚焦于AI行业。在AI行业的发展中，我们应如何理解其环球格局？面对我国AI行业所遭遇的困境，我们又该如何应对？
人工智能的环球格局：创新、风险与未来的赛跑
人工智能：跨领域改造的催化剂
自2022年底ChatGPT引发天生式人工智能的热潮，到2024年初Sora模型以文生视频技能令天下瞩目，人工智能正成为推动多领域改造的催化剂。AI技能不仅在软件代码、文本、语音、高保真图像和交互式视频的创作上取得打破，更在金融、制造业等关键领域显著提升了生产效率和决策质量。此外，AI在材料学和生物学等前沿学科中也展现了其变革潜力。
2023年11月，谷歌DeepMind的GNoME工具在晶体构造预测方面取得重大进展，成功预测出220万种晶体构造，个中38万种构造稳定，为材料科学领域发展带来新的机遇。2024年5月，DeepMind与Isomorphic Labs互助，在《Nature》揭橥的论文中展示了AlphaFold 3模型，通过预测蛋白质的三维构造，为药物创造开辟了新路径。
麦肯锡的环球人工智能调查显示，组织对人工智能的利用率从过去六年的55%旁边跃升至2024年的72%，个中65%的受访者表示其组织常常利用天生式AI，这一比例险些是2023年的两倍[1]。研究预测，天生式AI将为环球经济贡献高达4.4万亿美元，提升AI对经济的总体影响15%至40%[2]。到2030年，AI有望为环球经济贡献约13万亿美元[3]，进一步彰显其作为跨领域改造催化剂的地位。
AI的双刃剑：机遇与风险并存
只管人工智能的发展为各行各业带来了前所未有的机遇，但它也伴随着不容忽略的风险。数据隐私透露、算法偏见、知识产权侵权，以及AI输出的不准确性等问题，正逐渐成为行业发展的隐忧。随着海量数据的网络与运用，隐私和知识产权的风险进步神速。同时，AI算法中潜在的偏见可能导致不公道的决策结果。此外，天生式AI作为一种基于概率模型的技能，实在质决定了它可能存在偏差或放大演习数据中的偏差，这不仅影响输出的准确性，还可能引发难以预见的安全问题。
最新的麦肯锡环球人工智能调查显示，63%和52%的受访者分别将不准确性和知识产权侵权视为利用天生式AI的紧张风险，这两项风险在受访者中的关注度位列前二。更令人关注的是，44%的受访者承认其组织至少遭遇了一种由天生式AI引起的负面后果，个中近四分之一的受访者直接管到了不准确性问题的影响[4]。
AI大模型之争：同质化与产能过剩的隐忧
自从ChatGPT引领天生式AI的潮流，科技巨子如谷歌、微软、华为、百度等纷纭推出自家的AI大模型，环球范围内掀起了一场“百模大战”。斯坦福大学以人为本人工智能研究所（Stanford HAI）的《2024年人工智能指数报告》指出，2023年天生式AI在所有AI干系投资中占比超过四分之一，初创企业的投资额飙升至252亿美元，是2022年投资额的近9倍，更是2019年投资额的约30倍[5]。
然而，这些大模型在功能和性能上趋于同质化，紧张集中在自然措辞处理、图像识别、语音助手等领域。在市场竞争的激烈竞赛中，各大模型厂商不得不采纳贬价策略以争夺市场份额。这一系列征象揭示了一个现实：随着大量成本涌入大模型的开拓，市场正逐步走向饱和。特殊是在技能进步未能及时转化为市场需求的情形下，某些细分市场可能面临产能过剩的严厉寻衅。
我国AI行业发展面临的紧张困境
中国人工智能发展水平在环球排名中稳居次席，近年来在人才培养、科研产出、家当发展等方面取得显著进展[6]。然而，这一造诣之下，行业发展仍面临核心技能研发、产学研结合、监管体系构建等关键寻衅，亟需深化打破以形成持久竞争力。
核心技能打破的瓶颈：算力与模型创新的差距
我国人工智能领域虽取得长足进步，但在核心根本技能的打破上仍显不敷，尤其在模型创新与算力资源方面与顶尖水平存在差距。Stanford HAI的《2024年人工智能指数报告》显示，2023年，美国以61个著名AI模型和109个根本模型的产出，表明了其在AI模型领域的领导地位，而中国，只管以15个著名模型和20个根本模型的数量分别位居第三、第二，但与美国的差距不容忽略[7]。
在AI芯片这一核心技能上，我国面临对外依赖性强和自主创新能力不敷的寻衅。美国英伟达公司生产的GPU主导着大模型演习市场，而国产GPU与之性能差距显著。加之美国对中国履行的严格出口牵制，我国AI算力的发展遭遇制约，这不仅影响了现有技能的提升，也可能在未来拉大与美国的技能差距。
产学研用结合的短板：技能转化效率的困境
在我国人工智能的发达发展中，产学研用结合的不敷作为一个明显的短板，制约了技能转化的效率。企业凭借丰富的算力、数据和资源，在AI前沿研究中霸占主导，却每每忽略了与高校的互助，未能充分利用学术界的创新潜力，导致技能从实验室到市场的转化过程中涌现断层，成果落地遭遇重重障碍。
一方面，中国在AI研究产出方面成绩斐然，专利和论文数量环球领先。2022年的已授权专利占比高达61.1%[8]，过去十年间天生式AI的专利申请数量约为美国的六倍[9]，2017—2022年间揭橥的AI论文占环球的25%[10]。然而，另一方面，与美国的AI家当发展比较，中国在产学研用结合及技能运用方面存在明显差距。在中国科学技能信息研究所联合北京大学共同研制的《2023环球人工智能创新指数报告》中，美国的总分74.71远超中国的52.69分[11]，这一比较不仅凸显了技能转化的急迫需求，也指明了提升产学研用结合效率的主要性。
法律体系的构建：AI监管的系统化与前瞻性寻衅
目前，我国已有《互联网信息做事深度合成管理规定》、《天生式人工智能做事管理暂行办法》、《科技伦理审查办法（试行）》等一系列部门规章的出台，它们为人工智能的特定领域供应了初步的规范框架。
然而，这些法规尚未形成一个全面、系统性的法律体系，无法全面覆盖人工智能快速发展带来的数据隐私陵犯、算法歧视、知识产权争议等繁芜法律问题。当前的法律空缺和监管不敷，凸显了对AI领域系统化、前瞻性法律规范的急迫需求。
打破困境：中国AI行业的发展计策
面对人工智能行业的寻衅，中国需采纳多维对策，以实现超过式发展。
深耕根本，引发创新活力
我国应聚焦核心根本技能，强化企业创新主体地位。通过设立国家专项基金，履行财政税收优惠政策，勉励企业在高端芯片等关键领域增加研发投入。同时，构建企业主导的产学研用创新联合体，整合各方资源，造就技能与运用并重的复合型人才。在国家AI创新运用先导区，营造创新氛围，吸引环球人才，促进技能与家当链的深度领悟。
发挥上风，拓展运用处景
利用我国的丰富的数据资源、弘大的工业体系以及广阔的市场需求等上风，加速AI技能在关键根本举动步伐领域的运用落地。选择家当链完全的企业，联合软件企业和用户，打造标杆场景。鼓励企业深度领悟AI与业务流程，定制大模型，推动生产力变革。政府和国企应开放更多运用处景，推动AI的垂直化和家当化落地。
完善法律，确保风险管控
随着AI技能的快速发展，必须关注数据隐私透露、算法偏见、知识产权侵权，以及AI输出的不准确性等潜在风险。我国应加快人工智能法律体系培植，明确监管范围，确保技能安全可控。积极参与环球AI管理，构建多方参与的安全管理格局。同时，鼓励企业与网络安全专家互助，进行产品安全测试，确保AI产品的安全性和可靠性。
（本文仅代表作者个人不雅观点）
[1] 麦肯锡，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]
[2] 麦肯锡，《The economic potential of generative AI: The next productivity frontier》，https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier [2023/06/14]
[3] 麦肯锡，《Notes from the AI frontier: Modeling the impact of AI on the world economy》，https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling-the-impact-of-ai-on-the-world-economy [2018/09/04]
[4] 麦肯锡，《The state of AI in early 2024: Gen AI adoption spikes and starts to generate value》，https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai [2024/05/30]
[5] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]
[6] 中国科学技能信息研究所，北京大学，《2023环球人工智能创新指数报告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]
[7] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]
[8] 斯坦福大学以人为本人工智能研究所，《2024年人工智能指数报告》，https://aiindex.stanford.edu/report/ [2024/04]
[9] 天下知识产权组织，《Patent Landscape Report - Generative Artificial Intelligence (GenAI)》，https://www.wipo.int/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html [2024/07/03]
[10] 乔治城大学ETO数据剖析平台，《The state of global AI research》，https://eto.tech/blog/state-of-global-ai-research/ [2024/05/02]
[11] 中国科学技能信息研究所，北京大学，《2023环球人工智能创新指数报告》，https://baijiahao.baidu.com/s?id=1803697379636661037&wfr=baike，[2024/07/04]