本文系基于公開資料撰寫，僅作為信息交流之用，不構成任何投資建議

我們的讀者用戶中，最大的年齡帶是36-45歲，占比超過1/3；此外45-60歲這個年齡帶，占比亦有25%�？梢哉f，和我們日常聚在一起的，基本是擁有一定閱歷的成年人。

即使如此，仍不得不說的是，包括我們在內，對當中大多數人而言，就當前世界所處的經濟周期，幾乎均是匱乏經驗甚至較為迷茫的。有人說，這個時候，應該去讀歷史，周期總是重復韻腳，答案都在其中。也有人說，這個時候，要走更遠的路，穿過更多的城鎮(zhèn)街道，走出國門看看多元的世界，開放的眼界將帶來破題的靈感與全新力場�？偠�言之，無論讀書還是走萬里路，核心在于：以一種更開放的心態(tài)，去感知歷史與現實的溫度，是我們處置未來預期，最務實的一種做法。當然，除了內求之外，我們還必要對對未來幾年一些確定性的時代主線保持足夠敏感，這對于投資尤其重要。這一點，就需要訴諸于產業(yè)深處的人群，聆聽并觀察他們的實踐。比如，在上周舉行的騰訊科技Hi Tech Day上，一些觀點，值得分享。

01算力是絕對意志

此次活動中，國資委科技強國智庫專家委員會主任、中國科學院教授廖奇為發(fā)表“中國芯賦能智能算力，助力數字經濟高質量發(fā)展”的主題演講，分享了目前國內解決算力瓶頸的最新實踐和進展。他的觀點非常鮮明：廣義的算力才決定了一個國家未來真正的競爭實力。這使我們不由得聯想起本月初英偉達創(chuàng)始人黃仁勛在新加坡的一個主旨演講，其中一個核心觀點亦與此趨同：（異構）算力已經成為主權國家們的絕對意志。作為觀點分享，我們不想過度引申其中的專業(yè)邏輯，因為最近一年中，我們對于AI的主要研究基本都是落腳在算力上。

時值年末，在我們的認知里，需要再次強調的是，不僅2023年如此，2024年仍將是算力大年。因為一個顯而易見的剛性邏輯在于：無論BAT，還是FAANG，這些互聯網時代巨頭，都是涌現于互聯網基礎設施蓬勃發(fā)展過程中；AI亦一樣，沒有以算力網為核心的AI基礎設施，AI時代的BAT只是海市蜃樓。廖奇教授的演講，給了大家很大的信心。據他介紹，中國已經有了自己的GPU設計生產能力，并進行了產業(yè)化的布局，其團隊“通過14納米常規(guī)的GPU工藝生產出的芯片，已經可以與NVIDIA的A100對標。作為一種低能耗、低成本、高集成的解決方案，該GPU跟NVIDIA同類芯片相比，邊緣計算甚至可以達到1/27的能耗比。”。

廖奇還表示，這一GPU芯片的第二代正在進一步研發(fā)，很快就會流片；除了硅基芯片以外，中科院目前還有幾個方向正在推進，包括仿生神經網絡芯片的設計。當然我們知道，2023年大放異彩的主要是英偉達的GPU，但最近谷歌方面主要用于推理的TPU（XPU）也表現出了初步的競爭力。有基于此，無論廖奇教授透露的信息是否是鼓舞人心也好，在XPU這條路上，我們務必需要一點樂觀，因為我們都知道，國內其實是有一個具有足夠潛力的梯隊在彼此競爭的。至于到流片與量產，能用5NM、7NM最好，用不了，14NM制程做第一代AI基礎設施大規(guī)模應用實質也未嘗不可。

02數字時代的“土改”

在數據維度，中國人民大學交叉科學研究院院長楊東教授，提出了一個頗具啟發(fā)性的觀點：數字時代的“土改”。楊東教授的演講主題是“從數據大國到數據強國：數據要素在經濟發(fā)展中的角色”，試圖從中厘清中國數據應用方面的諸多卡點。這個主題，乍聽起來，頗具官方話術的色彩。但實際上，此言絕對不虛。試問這么個問題：大模型為何沒有在中國最早出現的問題？

本質上還是過去一個時期，我們最多只是口頭講“數據是新一代生產資料”，卻沒有真正為此付諸實際動作，甚至心口不一，根本沒有在將數據作為生產資料這個問題形成基本共識——直到大模型出來，我們才發(fā)現，產業(yè)間流轉的數據都是割裂的，并沒有互聯互通。當不同維度的數據無法高效流通與集結，即使算力足夠，我們依然沒有足夠的用以計算的數量級真實、優(yōu)質數據語料。這是當前制約AI發(fā)展的最大癥結之一。有基于此，楊東教授提出了“數字時代的‘土改’”的觀點，認為解決數據壟斷、共享度低的問題，須要盡快建立基于三權的數據收益分配機制。

對于敏感度強的投資者而言，對于過去一個時期市場里數據要素這個題材，肯定深有感觸——題材新穎，有賺錢效應，但不懂主線邏輯。在我們看來，這個觀點，很大程度上厘清了市場關切的這個問題。有人會說，用楊教授的演講主旨遷就二級市場投資似乎顯得就很輕佻。但實際上，唯有服務于經濟發(fā)展的產業(yè)研究才是最有價值的。二級市場是產業(yè)經濟的最有效映射，具有強大的資源配置能力，因此我們格外期待“數據土改”能在2024年于市場與產業(yè)形成同頻共振。

03大模型是時代寵兒，但不是萬能靈藥

對于投資而言，逆向思維是一種最可寶貴的投研框架。因此，在這次活動中，有一個觀點值得大家共同思考：大模型是時代寵兒，但不是萬能靈藥。眾所周知，中國當前的比較優(yōu)勢是制造業(yè)。而當時當下，又是制造業(yè)轉型升級的關鍵窗口期，即從傳統(tǒng)制造走向先進制造，其中典型的標志物是新能源、創(chuàng)新藥與AI大模型。比較來看，新能源與創(chuàng)新藥本身即是創(chuàng)新載體，而AI大模型目前的應用趨勢還是在于嵌入到具體的載體中，賦能于效率，使汽車成為自動駕駛汽車、使辦公軟件成為辦公助手，使手動繪制圖片成為自動繪制圖片，也就是它的工具效應更強。

它的效率化實現，本質是通過指數級算力對數量級數據的計算。其中會有幻覺、謬誤，而這些問題極大可能無法根治。因此作為工程師助手，作用會顯著，但作為獨立的智能體，實質在相當一個時期內，作用可能未必比得上高度一致性的自動化生產工具。也就是說，它的啟發(fā)性與創(chuàng)造力是優(yōu)勢，而短時期內大規(guī)模應用于對一致性要求苛刻的生產制造，可能并不能對自動化設備形成替代（也可以說大材小用）。

因此它在制造業(yè)升級中，扮演怎樣的角色，是值得長考的。本次活動中，騰訊云智能制造首席專家邴金友即提出了類似思考：工業(yè)企業(yè)在接納大模型方面存在兩個問題，一是成本問題，數據散，模型訓練成本高；二是幻覺問題，工業(yè)里面要么是經濟產出，需要100%正確，大模型難以達成。不過產業(yè)界倒還是較為樂觀的，來自一線的中工互聯科技集團董事長智振介紹說，現在工業(yè)大模型已經能夠做到的專家系統(tǒng)100%無害化，90%以上的準確度，具有了初步落地的基礎。

但對于工業(yè)大模型的定義，其實大家還是較有歧義的——一則這些大模型究竟與大模型之前的AI自動化算法程序有多少區(qū)隔？二則因為主要還是被部署應用于客服，流程管理、人力資源、營銷、內容產出和設計等方面，距離制造業(yè)第一性價值還有多少距離？就這個問題，北京信息化和工業(yè)化融合服務聯盟理事長閆同柱的觀點更為務實：高端制造業(yè)積極擁抱是因為高端制造業(yè)本身對知識的要求比較密集，大模型起到的是優(yōu)化作用，有比較大的價值。

但傳統(tǒng)制造業(yè)來說，它的數據量不大，而大模型的門檻相對比較高，投入產出比并不那么明確�？偠�言之，就目前這個時點來說，對于大模型，特別是工業(yè)場景下大模型，我們還是有必要保持一定的審慎�？梢越杓傩拚妫�但切勿過度渲染，路漫漫其修遠。是為結語，騰訊科技Hi Tech Day這次活動中，主辦方所引用的一段話再合適不過：

深度學習之父辛頓曾說過，創(chuàng)造真正智能機器的旅程是漫長而富有挑戰(zhàn)性的，但這是一段值得走的旅程。同樣，應用智能機器的旅程也并非一朝一夕能夠走完，但擁抱新技術是我們超越現在和自己，邁向未來的值得走的旅程。路也許還模糊不清，但先行者走的多了，就有了路。

       原文標題 : 這3個關于AI的觀點，2024年市場要考