“AI文本生成圖像技術的興起及ChatGPT等模型的問世，都推動了生成式AI領域的熱情。同時，AI模型正在從單一模式轉向多模態，能夠理解和聯系不同模態的數據，實現文本到圖像、圖像到視頻、文本到音頻等多種轉換。”

以上這段對人工智能發展趨勢的描述，并非來自于某個專家，而是由百度大模型文心一言生成。

進入2024年的春天，大模型的熱度仍在延續。OpenAI公司發布文生視頻大模型Sora，只要輸入一些描述性的提示詞，就能生成一段長達60秒的視頻。Suno公司發布的Suno模型V3版本，可以根據喜好設定音樂風格、內容主題，幾秒鐘內生成2分鐘音樂。KimiChat大模型支持200萬字長文本輸入，更是掀起了大模型長文本競賽……

隨著大模型與更多實際應用場景相結合，人工智能在快速迭代演進的同時，也悄然滲透進生產生活的方方面面，逐漸成為不可或缺的一部分。

沒有人會懷疑我們正在經歷一次深刻的變革。但在熱切擁抱人工智能的時候，聽聽比爾·蓋茨的提醒也許不無裨益——“我們總是高估未來兩年的變化，低估未來十年的變革。”

一切才剛剛開始。找準賽道風口，踏上時代列車，在這個變革時刻，人工智能機遇與挑戰并存。

不止于文生視頻

人工智能能干什么？

過去一年，各行各業大模型層出不窮，人工智能以超出預期的速度進化，但絕大部分項目都集中在文本、圖片和視頻生成。這也形成了一個刻板印象，似乎人工智能擅長的只是寫詩作畫這些事。

事實上，人工智能變革真正指向的從來不是這些，而是在更多實體產業落地：改變生物醫藥、工業制造、金融科技、智慧礦山、科學研究等諸多領域的運行方式。

但是和所有新技術的擴散一樣，人工智能的演進也不可能是勻速進行的。起初，ChatGPT的應用引爆社會關注，然而人工智能技術要在更多產業應用，則須達到一個新的轉折點，而這通常需要匯集幾項不同的開發成果，而且要有能力把它們整合在一起，使得總體產品體驗比以前更具吸引力。

當然，人們有充分的理由相信，人工智能在許多應用場景上都正在接近一個飛躍點。

前不久，比爾·蓋茨投資的獨角獸公司KoBold宣布在贊比亞發現巨型銅礦儲量。要知道，KoBold公司從投資到找到礦僅僅用了一年多的時間，這樣的高效率在于使用人工智能技術處理鉆探數據來優化銅礦的勘探工作。傳統探礦依賴大量的野外作業、地球物理勘探和地質分析，需要幾年甚至更長時間。而人工智能不受運氣的影響，通過大數據分析和深度學習，可以準確找到隱藏在地下的珍貴礦脈。

在國內，人工智能也正在與制造、生物醫藥、能源、交通等行業深度融合。

卡奧斯COSMOPlat自主研發天智工業大模型，功能范圍覆蓋智能問答、控制代碼生成、數據庫查詢、輔助決策等；華為云盤古藥物分子大模型幫助醫藥公司開啟AI輔助藥物研發的新模式，大幅提升新藥研發效率；上海人工智能實驗室聯合多個機構發布人工智能氣象預報大模型“風烏”升級版，借助人工智能對中期天氣進行了10公里級的建模與預報……

以天智工業大模型為例，人工智能將工程師的工業經驗和工業知識轉化為可量化的數據和指標，通過機器人、小程序、App等形式進行使用，可在秒級之內形成對相關問題的反饋，實現了工業知識的普惠應用。

當然，所有的變化都不會一蹴而就，整個人工智能技術的演進、擴散將會在不同部門、不同行業發生連續的波浪式變革，這很可能是未來二三十年科技和社會變革的一個重要特征。

變革來臨，固然機不可失，但腳踏實地的人們也會發現，機會永遠都在。

大模型不是全部

大模型不是人工智能的全部。

不是“大廠”做出了ChatGPT這樣的現象級產品，其他人就可以躺平了。人工智能產業的機會無處不在，向上是應用，向下是底層基礎設施。

當下，中國人工智能企業陸續推出了超過300個大模型，投身其中的既有華為、百度、阿里、科大訊飛等科技巨頭，也有相當多的中小創業公司。在“百模大戰”的背后，是極高的研發成本和技術壁壘，一次訓練就能花光幾百萬美元，芯片更是“一片難求”。即便是領跑行業的OpenAI公司也沒有破解商業化困局，需要巨頭微軟頻頻“輸血”。

在擁擠的人工智能賽道上，似乎人人都不得不在通用大模型一條路上“卷”到底。但實際上人工智能產業是一片廣闊的藍海，只要選擇合適的產業分工角色，挖掘更多的辦公、教育、電商、醫療等細分場景，就能形成差異化的競爭優勢。百度創始人李彥宏的觀點具有代表性：“大家不要去卷模型了，卷應用吧，只有應用直接創造價值。”

手機是當前大模型落地的一大熱門領域。人工智能可以在手機拍照、視頻制作、智能搜索、文檔寫作等方面提供更好的體驗， 銷量放緩的手機行業將“含AI量”作為發力點，放棄造車的蘋果公司將資源集中到生成式人工智能就是一個重要的信號，三星、小米、榮耀、OPPO都在著力布局人工智能。

另一大熱門領域是具身智能，即具有物理實體、能夠通過傳感器和執行器與環境進行實時互動、執行相應指令或進行決策的智能機器人。目前，在大模型訓練下的機器人已經能夠熟練完成抓取雞蛋、折疊襯衫、澆花等簡單工作，未來全能的家務機器人走進現實。

無論何種大模型，其計算和存儲能力都依賴于芯片、傳感器及算力基礎設施，并且離不開電力的支撐。與人工智能密切相關的硬件創新、新型能源等領域也有望迎來爆發期。

相關數據顯示，算力需求正以每年十倍以上的速度增長，需要更多的超大型數據中心來匹配人工智能應用場景。到2025年，人工智能業務在全球數據中心用電量中的占比將從2%增加到10%。

更深刻的變革正呼嘯而來

回溯歷史長河，每一次科技革命都對人類歷史進程產生巨大影響。當前，以人工智能為代表的新興技術正在重塑人類社會，傳統崗位替代、數據隱私安全、知識產權保護、人工智能倫理等一系列挑戰呼嘯而來。

很多人對人工智能的認知，或許仍停留在個體與行業的焦慮對抗。與其擔心人工智能，不如把人工智能當成能力倍增器。

在醫療領域，人工智能用于醫學影像診斷、個性化治療、病人監測等；在交通領域，自動駕駛可以提高交通效率，減少交通擁堵；在工業領域，人工智能驅動自動化生產、預測性維護、質量檢測等；在教育領域，人工智能可以開展個性化教學、在線學習等……人工智能在改變千行百業的同時，也在改變工作本身。

應當看到，現階段人工智能仍然處于發展初期，無法在每一個領域完全替代人的工作。在相當長一段時間內，人工智能所扮演的也只是輔助角色，讓人們的工作更有效率，讓產品生產周期大大縮短。

以AI制圖為例，繪圖表現力很大程度上取決于導入模型的精準度和操作者下指令的能力，AI制圖已經成為從業者的一項必備技能，相關培訓需求日益旺盛。人工智能還萌發了新職業，大模型是用海量的數據“投喂”出來的，對相關文本數據進行篩選、標注、糾錯的人工智能訓練師應運而生。

正如創新工場董事長李開復所說，“AI大模型是絕對不能錯過的歷史機遇。因為這將是有史以來最大的平臺革命，它的作用將比Windows、安卓要大10倍甚至更多，它會讓每個應用改寫，會重構人類的工作，會讓有創意的那些人的聰明才智被放大10倍或者更多。”

人工智能產業正在逼近新的臨界點，必須緊緊抓住產業發展的戰略機遇，努力在大變革中贏得未來。（青島日報/觀海新聞記者  周曉峰）

責任編輯：張慕鑫