文章来源：智谷趋势

作者：朝阳

图片来源：由无界AI生成

2023年是科技大年。

在全球复苏滞缓、加息冲击、战争阴云等政经桎梏下，科技撬开一道缝隙，带来无穷变量。

ChatGPT与AI大模型、新能源汽车、大飞机、可控核聚变、星舰、芯片战争、室温超导技术、基因编辑……是2023年火出圈的科技话题。

但2023年的大环境却是“降本增效”，于是——

·全球科技公司在大规模裁员、调整业务；

·创业公司出现倒闭潮，新增独角兽企业数量下降85%；

·融资变得更贵，资本出手更加审慎；

2023年，也是分化加剧的一年。

·苹果、微软、谷歌、亚马逊、英伟达、Meta和特斯拉7家公司撑起美股涨幅

·AI等新技术红利仍将由大企业占有，典型代表如微软，已显出“赢家通吃”的迹象

·各国纷纷推出产业政策，加强了科技竞赛和贸易壁垒

·长期来看，AI与自动化将取代人口红利，改变全球化的进程

如果只选一个关键词总结2023年，我会选AI。

大众层面，OpenAI带来的冲击，比当初下围棋的AlphaGo强烈太多。

聊天机器人、AI作画、制作视频、编程等能力，是大众能直观感受，并迅速延伸个人能力的边界。

同时，这也引发了“人类被AI取代”的担忧。OpenAI论文指出80%的工作和收入被AI影响。AI替代的裁员潮，已引发监管和罢工的反应。

行业层面，几乎所有大型科技公司都加入了大模型的研发。截至10月，国内已出现238个AI大模型。5月时这个数字还是78。

AI不是第一次引发热潮，大模型也并非新事物。但这次AI真正通用化、普及，是云计算、大数据、网络等新一代基础设施的成熟，也是数字化向智能化的演进。

这一切，注定2024年也是一个科技大年。

1、GPT-5发布，闭源模型仍会继续领先

年初，谷歌将发布Gemini Ultra；

OpenAI发布GPT-4.5甚至GPT-5，更加接近通用人工智能。

那些还在努力对齐GPT-4的竞争对手，又将被拉开一个身位。

大公司更加青睐闭源模型，在技术和资金方面投入也会更大，将会保持对开源模型的领先。

与此同时，目前GPT、Gemini等大模型，主流使用的是Transformer架构，这是2017年谷歌发表的技术。

而像斯坦福大学、麻省理工等高校机构已在研发新一代的AI架构，对Transformer形成挑战。

中国的路，还有很长。

2、行业关注重点从大模型到AI应用，AIGC、AI+、智能助手等涌现成熟商业模式

大模型的高技术门槛和算力门槛，注定了研发通用大模型是少数科技巨头的游戏。

目前，大模型的推理成本仍然很高，落地AI的最大阻碍，除了技术成熟度之外，就是投资回报率的问题。即便在科技巨头内部，也仅覆盖了最有价值的产品业务。

今年，行业重点将是AI的落地问题，专注行业模型、AI应用的产品化和商业化。

例如，自动驾驶，预计2024年会迎来爆发式进步。特斯拉的Dojo超算和FSD加速落地。国内推广高级别自动驾驶。

由AI生成的视频和电影，在2024年也会形成完整的生产和商业模式。

其他如金融、教育、医疗等，也都是AI首先大规模落地的热门领域。

3、终端设备AI化，加速AI能力普及

2024年，你会为使用AI而购买新机吗？

2023年，华为、荣耀、小米、vivo、OPPO已尝试推出大模型手机；

谷歌Pixel手机已搭载Nano级Gemini；

三星预计在2024年初发布Galaxy S24，引入生成式AI；

苹果已公布多个AI大模型和技术成果，预计iOS 18会体现更多AI能力。；

微软明年发布Windows 12，也将结合AI大模型（甚至GPT-5）；

高通、英伟达、联发科等芯片厂商，已推出适配AI算力的产品和平台；

同时，初创企业Humane的AI Pin（智能别针）也将于明年3月交付，这类想“替代手机”的全新智能穿戴设备也将涌现。

手机、电脑等智能设备的大厂，都在加速AI化。他们在系统层面，嵌入端侧AI能力；在硬件端，研发更新芯片技术，解决算力和存储问题。

这会催生一次AI换机潮，带领消费电子市场走出低谷。也会成为很多人实际感受AI能力的渠道。

4、AI公司出现倒闭潮，剩者为王

我们总是高估未来两年的变化，而低估未来十年的变革。

这一轮AI热，催生了上百家研发大模型的企业，以及更多基于开源模型，去做应用研发的创业公司。

其中存在巨大的泡沫。2023年已有AI企业，甚至明星独角兽在降低估值、裁员，甚至消失。

给与AI企业烧钱发展的周期将大幅缩短。到明年，AI公司将接受市场考验，没有成熟落地场景、商业模式的企业将迅速出清。

虽然新的AI创业公司仍将涌现，但资源和市场会迅速向少数巨头集中。

掌握成熟行业场景，积累垂直数据的企业，将有更高的壁垒。

5、AI大模型的算力饥渴，激化芯片战

AI大模型的算力需求，每年增长近10倍，远超GPU算力增速和数据中心的建设速度。

目前的数据中心，是以CPU为主导的，而AI算力更依赖GPU，以及各类NPU、TPU和AI专用芯片。

美国2023年修改芯片管制，对高端AI芯片的管控升级，“阉割版”GPU也被纳入管制，限制了国内AI算力扩张速度；

同时，英伟达垄断GPU市场，并推出云服务进行竞争；谷歌、亚马逊、微软、OpenAI、华为、阿里等科技大厂也都下场，加速研发AI芯片。

6、数据安全、合规和版权问题，恐成AI监管的首个爆点。

踩在2023年的尾巴，纽约时报将微软、OpenAI告上法庭，要求销毁所有包含其数据的大模型和训练集，索赔数十亿美金。

目前AI大模型使用的数据，多是从互联网上免费爬虫抓取。除了ChatGPT之外，包括Midjourney、Runway、Pika也是全网抓取图像和视频进行学习。

这些数据和作品的原作者，是否有权拒绝被使用？是否能获得收益？

AI新技术亟需法律和监管跟进，在2024年围绕数据隐私、版权问题的诉讼将首先到来。

7、AI大模型引发的碳中和、绿色问题将更加突显。

大模型动辄千亿万亿的参数规模，对算力要求极高。

并且随着AI需求扩大，算力需求还会指数型增加，可能成为最大耗电、碳排放的源头。

例如，国际能源署估计，数据中心的用电量占全球电力消耗的1.5%至2%，相当于英国的用电量。预计2030年，将占到4%。

为了服务器液冷，微软一年用掉17亿加仑(约64亿升)的水，相当于2500个奥运会泳池；谷歌用掉56亿加仑(约212亿升)，8500个游泳池。

大型科技公司基本都有2030碳中和的承诺，想要AI不被拖垮，他们已在研究小模型、端侧模型，提升算力效率；通过采购绿电、自研芯片、自建绿色数据中心等方式解决。

微软已经在琢磨，建核电站给AI大模型供能。

2023年只是元年，一个开始。

2024年，能用AI规模化提供服务、知识的企业和个体将涌现；超出常识、基于AI的产品和新模式会出现；AI跨学科之后，也会推动更多创新涌现。

分化和差距，还会以更惊人的速度拉开。