image-xxgf.png

如果说 2022 年被称为生成式人工智能之年，扩散模型应用 取得突破，ChatGPT 出世，一系列开创性的研究论文发表， 2023 年则把大模型推向了一个高峰，GPT-4 的发布，标志着 生成式人工智能，进入了面朝通用人工智能创新应用的阶段。 应用、研究、监管，合力开辟着生成式人工智能的发展之路。

创新应用

生成式人工智能的生态包括了基础设施层、模型层与应用层， 创新在每一个层面发起，竞争也在科技巨头、行业龙头和初 创公司之间展开。 在整个生态中，受益于以参数规模为代表的大模型不断扩张， 算力目前是最稀缺的资源，也处于最容易获利的要津。算力 是大模型成本结构中最大的一块，GPU 的性能，决定了这个 新兴行业的步调。但是，GPU 性能提升的速度，已经落后于 大模型训练和推理需求的增长。

面对这一革命性的技术，不论是主动还是被动，企业都被卷 入其中。不管是技术的守成者、创新者还是采纳者，业务模 式都将发生变化，进而影响企业的发展。 当前，生成式 AI 尚处于技术发展的早期阶段，基础架构和核 心技术并不成熟；科技巨头忙于研发大模型，尚未顾及深度 切入具体的应用场景。但巨头何时添加相似的功能（feature） 始终是悬在初创企业头上的达摩克利斯之剑，而大模型能力 边界的扩张也可能在未来挤占初创企业的发展空间，可以说， 这是初创企业的蓝海，但也有发展道路上的暗礁。

在中国，目前从模型出发的公司受到看好，通用大模型和垂 直大模型的创业如火如荼，而自建模型的应用也在努力构建 着自己的壁垒，同样，科技巨头正在利用自身算力优势来构 建大模型。我们有理由相信，在众多模型层和科技大厂的合 力下，模型层的整体能力将进一步完善，在未来为应用层企 业提供可靠的支撑。

前沿研究

生成式人工智能领域的一个突出特征，是研究与创新过程的 密切结合，许多在企业内部实现，迅速推出用例和产品。这种研究与创业的一体化，初创企业和风险资本起到了重要的 作用，而美国科技巨头和主要人工智能企业的研究投入与人 才，包括一些底层技术的研究，这些年来已经超过了大学等 研究机构。

GPT-4 迸发出通用人工智能的“火花”，需要研究和解决的 问题反而更多了，如信心校准，长期记忆，持续学习，个性化， 规划和概念跨越，透明度，认知谬误和非理性，等等。而过 去半年最重要的研究方向，是破解和理解大模型神秘而又令 人兴奋的智能“涌现”。大模型既需要超越对下一个词的预 测能力，也需要一个更丰富、更复杂的“慢思考”深层机制， 来监督“快思考”预测下一个词的机制。

大模型不仅用来生成文章和图片，而且可以用来当成智能代 理，帮助管理和执行更复杂的任务。开源模型实现了低成本、 小型化、专业化的训练，与闭源的基础模型竞争互补，共同 推动了生成式人工智能技术的应用，也加快了模型向边缘侧 和移动端部署。生成式人工智能大模型日益向多模态发展， 具身智能也成为一个重要研究方向，帮助生成式人工智能更 好地理解和处理现实世界的复杂性和多样性。

大模型更安全、 让智能更可信，成为新兴的研究热点。生成式人工智能对于 就业和经济的广泛影响，正在吸引经济学、社会学、心理学 等不同领域的研究兴趣。但仍然需求实证性的研究。

监管 | 安全 | 政策 | 人才

生成式人工智能加快了中国、欧盟和美国的监管和立法的进 程。欧盟努力在今年底让《人工智能法案》生效，为全球人 工智能立法定下基调。中国也预计将于明年提出综合性的智 能立法。而美国重点在于建立风险控制技术标准。 中国对通用人工智能表现出很大热情与期待。

地方政府中北京、上海、深圳是第一梯队，均提出了较具雄心的人工智能 科研、创新与产业目标。中国研究人员发布的论文在数量上 已经超过了美国，但在金字塔顶端，无论是研究还是创业， 美国仍然占据明显的优势 。 科技部要求人工智能企业，应该接受科技伦理审查；审查主体 应该设立科技伦理（审查）委员会。

美国人工智能企业较早开 始设立负责任与可信人工智能部门，从去年到今年以来经过一 些调整，反映出在生成式人工智能发生变革之际，企业正在寻 求用更好的技术和方案，来安全和负责地部署新技术。

十大前瞻

基于上述研究，报告对未来一至三年的大语言模型、多模态 模型和商业竞争态势，做出了十点前瞻。

本文来源于启明创投 × 未尽研究报告，如有侵权请联系删除

推荐阅读