2023年初以来，伴随着OpenAI掀起的数轮颠覆性变革浪潮，AI再次走到资本与市场的风口浪尖。
　　而经历了一年的跌宕起伏后，在2023年年底回望过去一年AI领域发生的变化，不难发现各行各业均面临着如何融合应用智能技术的关键之问，巨大应用潜力背后是新硬件、新算法、新数据的全面涌现。与此同时，ChatGPT被看作是推动数字经济时代生产力范式变革的标志性产品，有望作为新的底层通用技术，点燃第四次科技革命。一言以蔽之，人类社会正处在“跃迁”的关键时点。
　　从全球范围内来看，人工智能企业数量经历了由爆发式增长转入稳步增长的阶段变化。从2017年开始，全球当年新增注册AI企业数量逐年下降，已从2017年的3,714家下降到2022年的1,106家。
　　结合各国对比情况来看，截至2023年6月底，全球人工智能企业共计3.6万家，中美英企业数量名列前茅。美国人工智能企业数量约1.3万家，在全球占比达到33.6%，中国占比为16.0%，英国为6.6%，美中英的人工智能企业数量合计占到全球的56.2%。具体到人工智能独角兽企业情况来看，截至2023年6月底，全球人工智能领域独角兽总数达291家，美国和中国平分秋色，分别占到131家和108家。
　　近期，毕马威中国科技、传媒及电信行业主管合伙人陈俭德及毕马威中国科技、传媒及电信行业审计主管合伙人卢鹍鹏两位专家与21世纪经济报道记者进行了对话，围绕当前海内外人工智能竞争现状、产业生态、企业格局等进行了交流。
　　在采访中，毕马威中国科技、传媒及电信行业主管合伙人陈俭德对21世纪经济报道记者指出，大模型赛道具有技术门槛高、资金投入多、商业模式尚不成熟的特点，尤其是在国内智能算力较为短缺的现状下，各家大模型在持续投入人力、算力、资金并实现商业化落地方面，可能会面临较大挑战。“预计未来一段时间内，中国人工智能大模型发展将从拼速度、拼数量转向拼应用、拼质量，各类大模型及相关应用，将在性能差异、易用性、应用广泛性等方面接受市场化检验，实现初步出清。”
　　以下为采访实录，略有删节：
　　《21世纪》：经历一年的热潮，当前中国人工智能大模型处于怎样的竞争态势？根据毕马威中国联合中关村产业研究院发布《人工智能全域变革图景展望：跃迁点来临（2023）》中显示人工智能创业热度逐渐减弱，为何会出现这种情况？创业公司是否还有机会？
　　陈俭德：近一年来，中国产学研各界积极推动推出自有大模型，从模型数量和参数规模来看，公开资料显示，截至2023年5月，中国10亿参数规模以上的大模型数量为79个，而到了2023年10月，这一数字达到了254家，并且已陆续有两批大模型通过备案，可以面向公众开放服务，大有“百模大战”之势。
　　但值得注意的是，大模型赛道具有技术门槛高、资金投入多、商业模式尚不成熟的特点，尤其是在国内智能算力较为短缺的现状下，各家大模型在持续投入人力、算力、资金并实现商业化落地方面，可能会面临较大挑战。此外，也不排除存在“套壳”“蹭热度”等追风、投机行为。预计未来一段时间内，中国人工智能大模型发展将从拼速度、拼数量转向拼应用、拼质量，各类大模型及相关应用，将在性能差异、易用性、应用广泛性等方面接受市场化检验，实现初步出清。
　　无论在全球范围内还是在中国，每年新增注册AI企业数量都从爆发式增长转为了稳步增长，峰值出现在2017年左右，这体现出人工智能发展进入相对冷静成熟的阶段。人工智能领域创新创业的上一轮热度主要受到深度学习、机器视觉等技术进一步成熟驱动，加之移动互联网的普及为相关AI应用提供了落地基础，国内方面更有“大众创业、万众创新”的助推。在全球宏观经济承压前行的大背景下，近年来人工智能领域创业热度有所减弱，不过结合ChatGPT掀起的新一轮热度来看，AIGC等通用人工智能应用渗透率有望进一步提升，市场前景较为广阔，创业型科技公司仍有机会切入智能内容生成、AI原生应用开发等相关赛道。
　　《21世纪》：当前中国人工智能行业一级市场的投融资情况如何？
　　卢鹍鹏：规模增速方面步伐放缓。中国人工智能行业投融资活动在经历2014年-2017年快速增长，至2017年达到峰值后出现回落，2022年中国人工智能行业投融资数量和金额均呈现下滑态势。但从相对规模来看，2022年中国人工智能企业融资规模的全球占比仅次于美国，达到12%。此外，在2022年全球AI领域融资金额Top10案例中，中国企业占据两席。
　　投资阶段方面后移特征明显。中国AI领域的投资已逐渐从天使轮等早期投资阶段向C轮、D轮等晚期投资阶段，以天使轮投资占比为例，已由2013年的36%下降至2022年的11%。
　　细分投资领域方面出现走势分化。结合2012-2023年10月的数据来看，算力、数据平台、自然语言处理、计算机视觉与图像四个细分领域风险投资增速明显加快，机器学习、深度学习等领域风险投资则趋缓。此外，在“AI+应用领域”方面，生活服务、智慧医疗、智能制造、智能汽车、物流仓储投资事件较多，占人工智能全部投资事件的75%以上。
　　《21世纪》：在场景落地方面，哪些场景实现了大模型的率先落地？背后有什么原因？
　　陈俭德：目前大模型在C端落地以应用类产品免费开放为主，在B端、G端则以论证性质的试点应用为主，落地路径和商业模式跑通仍需时日。由于大模型具备智能涌现、学习能力和泛化能力强等特点，有望重塑生产消费的基本形态，以AIGC、AI4S、AGI为代表的应用场景中都有望出现大量范式转换机会，其中，AIGC类应用目前最为成熟。
　　具体到场景来看，AIGC目前集中在创造性工作场景中，包括广告营销、游戏创作、艺术设计等。一方面，创意属于稀缺资源，AIGC的创造性对激发灵感、辅助创作、验证创意等大有助益；另一方面，互联网大规模普及使得“一切皆可线上”，数字内容消费需求持续旺盛，AIGC能更低成本、更高效率地生产内容，经济性愈发凸显，长期来看，AIGC实现全场景渗透的需要以机器创造能力的低成本复制为前提。
　　此外，近来产业界对于行业大模型的推进较快，已覆盖金融、医疗、媒体、军事、法律、咨询、财会等行业，相关场景包括智能客服、业务流程优化、专业知识问答、规范化内容生成等，总体而言数据基础设施较好、人机交互需求较多、创意密集型等场景的应用潜力较大。此外，国内除了大型科技厂商在大力推动大模型生态化合作，积极探索落地场景外，央国企也有较强意愿自上而下推进大模型应用，主要集中在智慧城市和智慧政务领域。
　　《21世纪》：怎样看中国人工智能产业在产学研联动方面的发展？
　　卢鹍鹏：中国坚持将科技创新放在创新驱动发展的核心位置，持续推动产学研深度融合，实现研究、开发、生产一体化。人工智能具有学科交叉、知识结构复杂、应用广泛、与其他前沿技术融合程度深等特点，在实现创新成果转化，加速产业化发展方面更加离不开产学研多方共建，高效互融，应当不断强化“人才链”“资金链”“服务链”三链联动。
　　首先，人工智能技术理论在不断的加速迭代，但我国顶尖人才稀缺、人才市场上供需差距较大。人工智能人才链包括从基础研究到应用开发再到产业落地的一系列环节的人才，需要政府、教育机构、企业等各方共同参与，构建完善的人才培养和评价体系。
　　其次，人工智能产品从研发投入到上市运营需耗费大量资金，为推动产业的持续发展，需防范资本退潮风险，考虑政府对产业中，尤其是中小微企业倾斜资金扶持力度，或与国央企共建产业引导基金，共同推动创业与创新进程。
　　最后，共性技术服务平台是人工智能产业发展的关键，可提供算力中心、数据资源、算法库等基础支持，降低企业研发成本，加速技术创新。
　　《21世纪》：.当前AI行业对哪些领域形成了伦理上的挑战？毕马威中国如何看这些伦理挑战？哪些行业有被替代的风险？
　　陈俭德：从技术安全看，人工智能技术的复杂性和不透明性造成了“黑箱”困境。随着算力的提升，海量数据被收集利用，机器学习逐渐普及，人工智能高速迭代，在不依赖人工调整的情况下，能够自我学习和更新，不过，人工智能的设计者很难说明人工智能的决策过程和结果，造成了其结果的“不可解释”。
　　从应用层面看，随着大模型与 AIGC 的快速融合发展，生成的内容能够达到“以假乱真” 的效果，人人都能轻松实现“换脸”“变声”，人工智能在应用层的风险也相应增加，所带来的虚假信息、偏见歧视乃至意识渗透等问题无法避免，对个人、机构乃至国家安全都存在较大的风险。
　　从数据安全看，海量数据是人工智能发展的基石，在采集、使用和分析这些数据的过程中，存在数据泄漏、篡改和真实性难验证等安全隐患。随着AIGC技术的发展，数据安全问题的解决则更加趋难。用户在与大模型交互的过程中输入的提示词可能被用于迭代训练，并通过交互被提供给其他使用者。随着AIGC向多模态发展，其文件格式更加丰富，未来数据泄露问题将难以通过传统的数据防泄漏（Data leakage prevention）方法解决。
　　在解决人工智能发展带来的伦理问题的过程中，有望催生出可解释AI、联邦学习等技术创新机遇。进一步来讲，如果AI和人类的价值观不能对齐，可能会出现AI的行为不符合人类意图、在多种设定目标冲突时做出错误取舍、伤害人类的利益以及脱离控制等，因此，AI对齐是走向通用人机协作的第一步。
　　随着人工智能技术的发展及应用的泛在化，越来越多的工作将被机器取代，失业人群增加，这将对社会公平提出挑战。根据牛津大学和耶鲁大学的一项调研，研究人员预计未来AI将在多个领域赶超人类，例如，卡车驾驶（2027年），零售业（2031年），畅销书写作（2049年），外科医生工作（2053年） 。
（文章来源：21世纪经济报道）