专栏

诺奖进入“AI时代”,人类何去何从?

“假设青蛙创造了人类,那么你认为现在谁会占据主动权,是人,还是青蛙?”

这是“AI教父”杰弗里·辛顿在2023北京智源大会上提出的问题。作为谷歌前任副总裁,他不惜辞去担任了十多年的职位,只为能够自由地讨论、提示“人工智能的危险”。

150bf0f54d9c490994251d2490b6424a~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=G56k99z%2FK8eMwl3sjNeHpw5aZRU%3D

只不过,一年过去,AI不仅没有走到他口中的“毁灭人类”那一步,反倒是给他带来了无数科学家梦寐以求的荣誉—诺贝尔物理学奖。而且不仅是物理学奖,诺贝尔化学奖也同样颁给了三位用 AI 研究蛋白质结构的科学家,震惊学界。

代表人类在物理学和化学领域的最高成就和最新成果的大奖,如今却颁给了AI。这不仅仅是对科学家的认可,显然也是对“AI辅助科学研究”这一应用趋势的肯定。

与此同时,10月9日,英伟达在华盛顿启动了为期三天的“AI峰会”。和以往不同,这次的发布会并不涉及新产品,而是更多地聚焦于AI在应用层面取得的成功。用英伟达企业平台副总裁鲍勃·佩特的话来说,“世界正处在AI应用的边缘。”

从诺奖对AI应用的鼓励,再到英伟达对AI应用的关注,我们可以从中得到怎样的启示?

接连震惊物理学界与化学界,AI的故事讲到哪一步了?

根据瑞典皇家科学院的解释,杰弗里·辛顿之所以能获得诺贝尔物理学奖,是为了表彰他在使用人工神经网络进行机器学习方面的奠基性贡献。他提出的机器学习技术被广泛运用于物理学界的数据分析、模型构建等领域。

与此同时,诺贝尔化学奖则有一半共同授予了谷歌旗下DeepMind公司AI科学家德米斯·哈萨比斯和约翰·江珀,以表彰他们研发出的“Alpha Fold2”模型在蛋白质结构预测方面的成就。

4cb56609e0be4b0c8ed9f2b205c35e6c~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=C9eVyhpR7ORikZq7RHHUhV%2Ff6f8%3D

不难看出,在这两个案例中,AI其实并没有单独获奖,它在学界也并不是孤立的,而是以交叉学科、跨界融合的方式应用在具体的科研领域

与之相似的是,在英伟达的AI峰会上,副总裁鲍勃·佩特也在强调AI在现实领域的应用:“从智能助理,到机器人工厂,再到天气预测,治疗癌症、探索外星,在英伟达的CUDA库中已经有超过4000个AI应用,帮助各行各业实现突破。预计人工智能将在所有利用该技术的行业里产生高达20万亿美元的影响。”

例如,美国国家癌症研究所正在使用英伟达的AI服务,用于医学图像分析、从大数据库提取信息,从而帮助药企和科研人员筛选新药分子,大大减少开发新药所需的时间。

事实上,不只是英伟达,此前,Meta曾经推出了首款AR眼镜,开始探索AI硬件,最近又推出了Meta AI聊天软件,开始“软硬一体”地探索AI应用。而马斯克更是将FSD视为特斯拉的核心卖点,声称自己推出的Robotaxi会重塑全球交通运输行业,“这将载入史册”。

由此可见,AI的发展的重心,已经从早期的算力层、模型层,开始全面转向最终的应用层;AI的技术的进步也将由“技术驱动”转向“应用驱动”。

为什么会产生这种转变?

回顾生成式AI的发展历程。在短短几年内,从算力芯片、服务器的进步,到算法和模型的优化,再到消费端应用的井喷,与AI有关的产业链生态几乎在瞬间形成。放在过去的工业和互联网革命时代,这一过程往往需要经历了几十年甚至上百年的积累,如今却大大加速,为什么?

资本的介入无疑是最大的动力,近年来,中国、美国、欧洲的科技巨头、投资机构几乎是在“争抢”着在投资AI。

9ad84754404f47a09c9576ddc8d6a793~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=FmuhQML%2B%2BPfiy8yYt25CCyQRn44%3D

以亚马逊、微软、Alphabet和Meta的季度资本支出情况为例,在今年的第二季度,四大巨头共花费500多亿美元投资AI。Meta首席执行官扎克伯格更是公开宣布,公司将在2024年底前购入60万颗GPU。马斯克也表示计划在明年夏季前采购30万颗GPU。

与此同时,中国的阿里、腾讯等互联网大厂也不甘示弱,将国内的几大AI初创公司悉数收入囊中。

e52e3770300a4c68acf681e37cf98ac6~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=SGN2lNHuLlNgeA8ePQdNI4uzYmQ%3D

图源:智东西

62f9c1346ba546a58de702bcc4f3c788~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=i0TPVG43DGRSqWW%2BWiPyGfqOaGI%3D

热钱的涌入,更是让AI初创公司估值水涨船高。从最近一轮的融资情况来看,Open AI的投后估值已经达到1570亿美元,仅次于字节跳动和埃隆·马斯克创办的Space X。

然而,这种投入在早期虽说是不计成本,但从长期来看,仍然是企业为了追求更高的营收和利润增长而进行的投资,是需要拿出回报的。而目前来看,除了英伟达、台积电等上游厂商赚得盆满钵满以外,几乎所有的大模型都在疯狂亏损。据Open AI预测,公司目前高达数十亿美元的年度亏损将持续扩大,预计在2026年将亏损140亿美元,2029年才能盈利。

从这个角度来看,无论是算力芯片公司(如英伟达),还是科技巨头(如Meta、tsla),都需要让AI在应用层面展现出真正的商业化能力、证明自己,才能吸引更多的人和钱参与进来,将AI的故事讲下去。因此才会出现这种在发展重心上的转变。

AI产业革命将如何演进下去?

事实上,宏碁集团创办人施振荣曾经提出过一个“微笑曲线”理论,用来解释当下大部分AI公司盈利难的问题再合适不过。

在他看来,制造业中,研发和营销等高附加值环节位于曲线两端,往往能够获取较高的利润,而中间的生产制造环节所获得的利润则相对较低。

098bf5b9eec2433ea91613de92cb49a0~tplv-obj.image?lk3s=ef143cfe&traceid=202410111221330A2029ADF3BC5F6A8E80&x-expires=2147483647&x-signature=6I4u3vUC%2BjG00S1YL9aZG6OywEI%3D

类比到AI,AI产业链也同样包括三个主要环节:GPU制造/云计算、大模型开发、AI应用。

其中,底层服务商通过销售算力芯片硬件和提供云服务器业务,赚取丰厚的利润。而AI应用层企业则处在最靠近市场和变现的位置,将AI融入到自动驾驶、医疗诊断、智能家居等各种场景,凭借AI打造产品力,也能获得不错的溢价。

相比之下 ,只做大模型的AI公司,既要受到上游基础设施的制约,后有AI应用厂家落地的卡位,且研发成本高、技术门槛高,迭代竞争激烈,从而导致这一环节出现利润低、变现慢的窘境。以自动驾驶技术为例,英伟达通过提供高性能GPU,占据产业链的高地;特斯拉、Waymo等,通过自动驾驶应用的开发,同样创造了巨大的商业价值。但一直默默“奉献”的底层大模型,却获利甚微,还面临着高成本和激烈竞争的巨大压力。

在过去,GPU厂商(如英伟达、AMD)、大模型厂商(如Open AI),应用端厂商(如苹果、微软、特斯拉),他们在自己的行业内各自为战,展开竞争。如今,他们开始尝试“抱团”,对产业链进行垂直整合:产业链上游的英伟达参与到了中游的大模型公司Open AI的融资,产业链下游的微软、苹果更是与Open AI深度绑定。中国的华为、阿里、腾讯、蔚小理等企业从芯片制造,到大模型训练,再到实际应用,也开始逐步对AI进行产业链层面的垂直整合。

事实上,移动互联网时代的苹果,新能源车时代的比亚迪,都曾通过这种一体化战略大大加强自己在行业内竞争力。这种成功的经验或许同样能够为AI时代的企业们带来启示:“谁能够率先将芯片、算力、数据、模型、应用这五点统一,谁就能够在这场科技革命浪潮中最先摘到‘低垂的果实’。”

来源:美股研究社


本文经授权后发布,本文观点不代表立场
直播带货,到底需不需要网红?
« 上一篇 11-10
遭遇血泪差评,曾因赶客卷入命案纷争,上海首尔丽格之“不可说”
下一篇 » 11-10

相关内容

双十一“小镇青年”消费调研报告:拼多多成网购首选平台,品牌商品消费升级明显
全网发布患者隐私的郑州星帜美歌,因医疗管理不善再度被罚!
市值虚高,片仔癀毛利率下滑背后暗藏危机
三元股份:瘦身就能快跑?