核心观点:

1、前沿技术发展的趋势表明,这种改变正在路上。也许在今年 的四季度或者明年的上半年,各种有趣的应用会越来越多。

2、AI 下一步最关键的也要迈出这一步。现在算力成本太贵,很 多人开玩笑说比人脑力还贵。什么时候Al 的易用性和产业化成本 能够像当年的流量价格一样迅速下降,才能成就大的应用。

3、从今年到明年的发展重点,就是让模型拥有更强大的逻辑推 理能力和决策能力,关键是预测。

4、在1到2年内,开始有部分金融的生成式应用成熟。3到4 年后,会有规模化的应用。

内容分享:

一年半时间大模型已走过三阶段

去年我们看到整个市场的关注点还是在算力上。在过去的一年中, 不管是在海外像英伟达这样的公司,还是国内像华为这样的算力 公司,都有很好的表现。但是今年我们更多地聚焦在应用方面。 去年年底,我们建投证券也发布了一个大的AI报告。核心观点是 2024 年将是 AI 应用的大年。 可能大

家会觉得现在好多应用并没有那么快地在我们的手机上出现。不 管是最近苹果发布的AI 手机,还是前面的联想 AIPC,大家还没 有实实在在地感受到像移动互联网时代 AI 带来的颠覆式创新和

改变。但我想说的是,前沿技术发展的趋势表明,这种改变正在 路上。也许在今年的四季度或者明年的上半年,各种有趣的应用 会越来越多。

接下来我将分享我们主要看好应用的原因和逻辑,以及哪些领域 有较大的应用机会和空间。

首先回到模型本身。从2022年年底 OpenAl发布 ChatGPT, 到 今天刚好一年半的时间,我们看到人工智能大模型像一个小baby, 迅速成长。更值得关注的是它成长的速度,或者说学习的速度, 进化的速度,超过了我们的预期。

尽管今天全球最先进的GPT-4 和各种模型还存在许多不完美之 处,但简单总结一下,从2022年底到今天一年半的时间,大模 型已经走过了三个大的阶段。

第一个阶段是让机器像人一样会语言,我们所谓的自然语言大模 型。这里面表现比较好的场景已经非常多了,像中信银行和证券 的同事都有介绍。实际上从去年下半年开始,围绕大模型最核心 的关键字是助理,或者我们叫个人助理。本质上它从能说会道的 自然语言模型开始,走向可以驾驭更多工具,组织并拆解相对复 杂的任务。这个时候,人工智能更像一个助理的角色。

今年我们看到 OpenAl 和苹果的合作之后,Siri 有了很好的升级。 但现在在终端上,更多的是用 AI简单操控系统,比如帮助调节手 机、打开应用等。下一步的深度融合,应该是将手机内部的各种 应用贯穿起来,将相对复杂的任务拆解。这是第二阶段,现在主 流的模型和应用都处在这一阶段。

第三阶段是我个人认为从今年到明年的发展重点,就是让模型拥 有更强大的逻辑推理能力和决策能力。关键是预测,通过对过去 的总结归纳推理,对未来产生比人更好的精准预测。 这个阶段在金融场景中,比如研究员和分析师对未来宏观经济的 预测,或银行的信贷风控预测,机器可能会表现出更好的能力。 现在我们看到,在医疗领域,过去在人机决策中以人为主导。下 一个临界点可能是先问问机器的观点,再由人去挑战机器的观点。 这是一个非常大的临界点。

尽管 AI 行业如此重要,但在短短一年半的时间里,已经走过了三 个完全不同的阶段。未来的迭代还会很长,我只画了四阶段,去 年海外的模型在第二段,国产在第一段。今年我们看,海外应该 在第二段、第三段,国产的模型主要在第一段、第二段。所以这 是我们对整个行业未来的一个展望。

AI 下一步最关键要迈出这步

我们比较看好应用,最核心的逻辑是 GPT-40 模型发布后,短期 大家可能有点失望,觉得没有颠覆式的改变。但与行业专家交流 后,我们看到最大的创新在于易用性和产业化能力的提升。 GPT-40 比 GPT-4 turbo 的推理速度提升了2倍,但价格下降了 一半。

当一个新技术能够产业化的前提是成本要大幅下降。当它支撑数 以万计的用户在平台上长期产业化时

速率和可靠性都有很大的提升。这是GPT-40 的最大进步。

想起当年运营商,2013年之后,3G、4G非常成熟,但短视频 行业直到2016、2017年才爆发。原因不是网速不够快,也不是 手机不够好,而是流量太贵。那时候大家买500兆的套餐,一个 月到处找 Wi-Fi。现在大家买50G的套餐,到处用手机给其他终 端使用网络。

AI 下一步最关键的也要迈出这一步。现在算力成本太贵,很多人 开玩笑说比人脑力还贵。什么时候 AI的易用性和产业化成本能够 像当年的流量价格一样迅速下降,才能成就大的应用。去年全球 产业正在做这件事情,这是我们接下来能够起来的一个非常重要 的因素。

另一个原因是从去年的 OpenAl 发布的视频模型,以及主流短视 频行业,包括音乐行业的多模态模型进入到快速发展阶段。这也 会给应用场景带来更多的化学反应。还有一个非常重要的因素是 开源模型能力的迅速提升。

我们早就判断,在移动互联网时代有两个大的 OS,一个是苹果 的iOS,一个是谷歌的安卓,一个开源一个闭源。未来大模型也 是一样的,有人会选择做 close Al,也有人会选择做开源大模型。 今年不管是海外的 X还是 Llama 3,还是国内的百川、智谱等模 型,开源模型能力迅速提升,对应用有很强的促进作用。

从 2023 年3月 GPT-4 发布,到去年 7月 Meta 的 Llama 2 发 布。从时间轴上看,在海外密集的应用出来的时间是半年以后。 像游戏、To C的通用社交、To B的办公,以及视频、金融、教 育等,都出现了许多有意思的应用。

我想强调一下,这些应用不一定是终极的应用,可能只火了三个 月。但回顾2012年移动互联网刚起来的时候,很多有趣的小应 用各自火三五个月。但整体的访问量在大幅上升,这样应用才有 可能真正起来。这也是我们做的一些国产模型评测。 整体来看,我觉得能力逼近 GPT-4。当然对国产模型,下一步最 重要的还是成本下降。今年我们看到,不管是华为的昇腾,还是 国产其他算力的能力,都在迅速提升。核心是成本。

1-2年会有部分金融生成式应用成熟

大家都想问一个问题,如果模型都差不多,应用的好坏取决于什 么?我想数据和底层的海量积累的场景和经验,是未来应用好坏 的关键。这与传统行业场景的积累有很大关系。

在金融行业,整体来看,金融在AI 场景赋能过程中,还是一个对 风控、牌照、数据安全、隐私保护要求比较高的场景。我们预计 现在是处于探索和试点的应用期。在1到2年内,开始有部分金 融的生成式应用成熟。3到4年后,会有规模化的应用。

看好应用四大方向

在B端应用中,我们看好游戏和矿藏勘探。举个例子,勘测铜矿 的数据和效率相比传统方式大幅提升。海外有一家公司 Kobold, 做了4亿美元的融资,投资方包括国内外头部互联网公司,主要 进行地质考察,在To B领域已经比较成熟。延伸可以想到,油 气勘探等领域是类似的。

在医疗领域,巨头如谷歌、英伟达、国内的商汤,都在围绕健康 管理,特别是老龄化社会后的长期大数据积累,对未来养老的个 性化服务跟踪有很好的表现。在新药研发速度的提升方面,也有 很大的潜力。AI加工业领域,也有很多同事会发布相关成果。 在海外,代码编译其实是过去一年半AI 大模型最主要的实践场景。 在工业场景中,过去最大的矛盾是懂传统行业的人不懂代码,懂 代码的人不懂传统行业。AI 可能会很好地解决这个问题,就是 Al+科研。

最后总结一下今天的观点。一年半的时间,大模型还是一个小 baby,但它的进化和学习速度需要关注。接下来应用肯定是重中 之重。移动互联网时代, 资本开支投

一块钱,应用有7到10块钱的产出,这个产业才能真正称之为 产业。但今天 AI投入一块钱,连0.7的产出都没有。

我们怎么实现十倍以上的应用跨越,是未来的关键。在To B 端, 因为数据质量和中国在这方面的产业纵深和场景积累优势,可能 会成为弊端。

在应用的路径上,我个人觉得可能我们跟海外还不会不太一样, to b 端可能是一个发展的重点。具体比较看好的几个方向是Al+ 制造、Al+医疗、科研和地质勘探。