如何獲得AI時代的船票？

原創 乘風 丫丫港股圈

錯過時代的代價是什麼？

比較慘的可能是柯達這類，早已不見身影。

好一點的可能類似百度和微軟，它們都曾錯過移動物聯網的時代，但憑藉現金流良好，中間的日子也能將就著過。

微軟股價為此橫盤十幾年，差點被踢出科技巨頭討論範疇，好在新CEO納德拉力挽狂瀾，現在依舊巨頭。

而百度曾是國內BAT領頭，現在和其他兩個兄弟已經無法同日而語。阿裏力推手機淘寶完成轉型，騰訊則憑藉微信拿到了移動互聯網的船票。現在百度打算all in AI奪回落後的時光。

隨著AI時代的臨近，對眾多企業而言，這張AI時代船票應該如何獲得？

一、新的硬體形式

現在AI的參與思路大多是內置在原來的產品當中，提高運作效率。

基於現有的資源，將最容易改進的地方進行改進，是新技術出現時的初級階段。

而如果隨著AI更加智能，當前智能手機這個“身體”已經難以顯示出更加智能化的表現，勢必需要新的硬體形式來承接AI與過去時代的區別。智能手機的發展已經到了瓶頸好些年了，幾乎無法有令人眼前一亮的極具創新性的變化。

智能手機雖然已經很智能，但是還有很多局限性和不足。比如，智能手機的螢幕大小、電池續航、數據傳輸速度等都會影響用戶的體驗和效率。而且，智能手機的交互方式主要是觸摸屏和語音，還不能充分利用人類的其他感官和動作，比如視覺、聽覺、嗅覺、手勢等。未來的硬體形式應該更加多樣化、靈活化和智能化，能夠適應不同的場景和需求，提供更加自然、便捷和高效的人機交互方式。

就像智能機區別於過去諾基亞按鍵機，按鍵機區別於BB機，類似AR/VR、無人駕駛汽車、機器人、腦機介面等，是有機會在硬體體驗上，更充分展示AI的智能性，感受到AI未來已來的感覺，只是當下的體驗還是不佳。chatgpt的出現其實也推動了硬體向上發展，去接近產業拐點。

目前的半智能音箱也可以抓緊改造成真正的智能音箱，實現對家庭內部各類物聯網設備的複雜控制，強化家庭設備控制中心的地位，並理解你的習慣和喜好，化身成真正的代理管家。

AR/VR眼鏡可以提供沉浸式的視覺體驗，讓用戶在現實世界和數字世界之間自由切換，或許有機會成為手機在AI時代的硬體形式。市場是期待MR的，也期待元宇宙，只是需要一步一步來。

自動駕駛的實現十分複雜，AI有機會讓自動駕駛逐步落地。不僅省時省力高效，也會大幅度降低交通事故的發生概率。搭配汽車這樣巨大的硬體形式，未來也具有眾多變化的可能。

機器人屬於更高端更多技術集合的一個硬體成果，以實現自然的人機交互，並且可通過分析攝像頭的視覺輸入和高級語言命令完成複雜的綜合性工作。

二、底層基礎建設

數據、算力、演算法是AI時代的三要素，它們相互依賴、相互促進，共同推動了人工智慧的發展和應用。

可以圍繞這三點，切入它們的產業鏈，提供相應的解決方案。

1、數據端

在AI領域，數據是支撐決策和優化的基礎，是演算法發揮作用的前提。大數據技術可以對海量數據進行有效處理、分析和存儲，而人工智慧技術可以通過對數據進一步學習，實現各種智能化應用，如圖像識別、自然語言處理等。

數據的產業鏈主要包括資料庫設計、數據採集、數據清洗、數據標注與數據質檢服務等環節。

每個環節都有一些公司在做，隨著大數據重要性的提升，市場逐漸發展出一站式解決方案的數據平臺。它連接了數據的生產者和消費者，實現了數據的價值轉化和流通。

此外，一些本身一直就在生產數據的公司，或許未來可能是一份越來越值錢的資產。

高質量的數據是提高AI應用模型訓練速度與精度的必要準備之一，在AI時代將扮演重要角色。

2、算力端

AI對於算力的需求成倍增加，根據OpenAI 測算，目前算力的增速（翻 1 倍 /3-4 個月）遠超過摩爾定律（翻 1 倍 /18-24 個月）。

根據中國信通院《中國算力發展指數白皮書》測算，2021 年全球計算設備算力規模超過615EFLOPS（1 個 EFLOPS 代表 10^18FLOPS），同比增速高達 44%左右，而後續幾年則將迎來算力引爆時代。信通院報告預測，2030 年，全球算力規模有望達 56ZFLOPS，2022-2030 年複合增長率達 65%。

算力需求提升，意味著晶片、伺服器、雲廠商和運營商等各個環節的需求增長。

晶片產業鏈龐大，其中AI相關晶片主要包括CPU、GPU、FPGA、ASIC等類型。將晶片與其他硬體組件（如記憶體、硬碟等）組裝成伺服器，可提供相應的軟體支持和服務。而雲計算技術和5G通信技術的發展使得算力的分佈和調度更加靈活，有助於滿足各種場景下對高性能計算的需求。

3、演算法端

在AI領域，演算法是模型的基礎，用於實現數據分析、人工智慧模型訓練等功能。

如果沒有另闢蹊徑的路線，隨著以GPT-4為代表的大語言模型的出現，AI 開始具備文本生成、語言理解、知識問答、邏輯推理等能力，那麼大模型應該代表了AI目前演算法的演進方向。

如果說大模型以算力基礎設施為根基，以高質量數據為血肉，那麼演算法則為骨幹。

不同的演算法可以產生不同類型和性能的大模型，大模型是當下AI產業發展趨勢中最核心的一環，可以當做是某一演算法的結果。當前“百模大戰”，誰若贏得大模型之戰，後續AI很多相關的發展都可能在它的框架之下運作，類似於AI時代的系統，有的選擇走蘋果路線同一生態，有的選擇安卓路線完全開源。

底層基礎大模型目前也就一些大公司有能力參與，對於各互聯網巨頭的體量來說，更是不得不爭的領域。

大模型具有固定成本高，通用性強等特點，企業依託已經訓練好的大模型，向2B客戶提供包括 API 調用、模型訓練、模型微調、模型部署服務等各類服務。類似這樣MaaS模式，國內，阿裏，百度，商湯等都已經宣佈提供類似服務。之前做雲計算的大企業，未來可能從賣算力走向賣模型。

目前領先的OpenAI的盈利模式：開放付費 API 介面，提供多種模型。目前 OpenAI 提供 DALL·E、GPT3、Codex、Content filter 的 API 介面，用於執行圖像模型、語言模型，每種模型又細分為多種子模型型號，每種型號有不同的功能和價位。

此外，眾多企業現在也在爭相推出各行業模型，先把先發優勢的坑位給占了，再進行優化。

三、殺手級應用

一個好的新應用產品，是對過去的革命，它綜合了各種領先的思考，也是深刻挖掘當下用戶需求的結果。

AI幾乎可以賦能各行各業，自OpenAI發佈ChatGPT掀起AI浪潮以來，人工智慧已經催生出許多創新性領域以及傳統領域多個環節的變革。

類似chatgpt、midjourney就是其中殺手級應用的代表。不過現在僅是AI產業的發展初期，未來出現其他領域AI集大成的應用應該是理所應當的。

目前AI應用的落地節奏或與行業數位化程度成正比，一些數位化程度較高的領域率先迎來變革。

例如微軟內置AI聊天功能的New Bing搜索引擎在推出一個月後日活躍用戶已突破1億；AI融入office產品，大幅提升辦公效率；Salesforce加速整合ChatGPT模型能力，陸續推出GPT產品及AI Cloud雲服務，提升CRM 效率；Adobe將多項AI功能嵌入產品應用中，等等。

企業結合自身產品進行AI優化，一定程度上屬於新應用，但衝擊感可能又沒有那麼強烈。

不過也有一些公司快速抓住機遇，結合AI僅做了簡單的新應用，但實實在在地擊打用戶的需求，可能就爆火。

比如近期出圈的妙鴨相機，是一款基於 AI 人臉識別的相機類應用小程式，該應用通過用戶自行上傳 20 張人像照片製作數字分身，從而生成各類個人寫真、證件照片供用戶精修下載。妙鴨數字分身功能基於微調（fine tuning）後的 Stable Diffusion 開源繪畫模型。之前連鎖攝影機構為消費者提供全流程的妝造、拍攝以及後期修圖服務，通常定價在 100-500 元之間。而妙鴨相機限時優惠下只需要 9.9元能做到幾乎持平的效果，從而吸引海量用戶，大有取代照相館的勢頭。

這種方式更多在於創新的思路，快速落地，滿足市場新的期望和需求，門檻並沒有多高，需要多關注應用場景和效果。

市場依舊在等待下一個顛覆常規的應用。

四、結語

AI新硬體、AI基礎設施、AI殺手級軟體，三個領域裏只要做好一個，可以說就已經上船了。

目前來說，較為穩健的企業大多把重點放在基礎設施，畢竟新硬體並不容易，一般企業做不了，僅能參與產業鏈代工；殺手級軟體需要天才的創意和對市場的洞察，可遇不可求。唯有基礎設施可以扎實推進。

如果不想掉隊，在時代變化之際，企業需要保持警惕和敏感，並思考自己能做的機會。