导读:乘着深度学习的“东风”,AI再一次迎来了新一轮的发展机遇。然而近期,AI投资下降,商业化进程受阻的消息频出。这是否意味着,已经历经两次低谷期的AI,将会再一次遇冷?
近日,智源研究院战略研究中心对本轮人工智能的发展历程进行了分析研究,并做主题报告。报告认为,当前AI商业化受阻的主要原因在于企业选择的应用场景较为集中,以及回款速度慢,投资大环境遇冷等。报告同时分析了大模型、AI for Science等值得关注的新兴热点,并分析了未来AI技术的商业化趋势。本文对报告内容进行了整理,以飨读者。
作者:倪贤豪、殷靖东、靳虹博
整理:戴一鸣
01
背景:AI商业化再次受阻,重蹈旧日覆辙,还是迎来新曙光?
由于技术和商业化因素,人工智能的发展经历了三次上升和两次低谷期。本轮AI的大发展从2012年AlexNet在ImageNet上击败所有视觉传统方法开始,至今已有十年的时间。
以国内的AI公司为例,主要头部AI公司已经进入上市或启动上市的进程之中,AI赛道的融资额也在2021年达到了巅峰。但步入2022年,二级市场AI公司的市值,以及一级市场AI公司的融资额下降明显。
AI公司商业化受阻已是不争的事实,受挫原因主要在于:场景过于同质化造成天花板较低。很多AI公司的业务方向集中于安防、交通、金融等方向。这些方向的共同特点是,政府及其相关单位是其中多数项目的主要甲方。近年来,通过参与雪亮工程、平安城市等项目建设,厂商已经将前述赛道基础场景下的资金基本消化。随着行业数字化智能化步入深水区,进一步的需求对于乙方的工程交付、产品能力要求不断加深。这决定了参与其中的AI公司的营收增速趋于放缓。加之始终高企的研发投入和长回款周期,以及传统硬件头部厂商如“海大宇”在AI侧的持续升级,头部AI公司盈利不佳,进而在资本市场遇冷也是意料之中。
02
新的突破点:可能成为拐点的新技术新应用
有哪些机会将成为AI行业可能的发展拐点?在这里我们尝试举出几个案例。
1. 新技术:大模型
当前环境下,大模型有机会成为拐点技术。从两方面我们可以看到迹象。在科研方面,小模型模式下,AI的性能提升已接近瓶颈。但大模型为这一问题带来解决方案。如下图,在数据集不断增大的情况下,若同时将模型规模放大,带来的精度提升可以达到10.5个百分点。相应地,单方面对于模型规模或数据集的扩容并没有这样好的效果。
而在工业界,大模型也有望带来研发模式的转变。以APP工厂模式为例,很多互联网公司采用的是这样的开发模式:频繁推出APP的方式,做出满足需求的最小可行品(MVP),再投入到不同的赛道去做测试。
在之前的APP工厂模式下,如果涉及到AI算法,通常采用的是小模型的方式。假如有n个模型的需求,就需要做n次的数据处理、模型设计、参数调优,其他部分则采用中台模式,接入工程库池,加上少量的定制开发,最后输出APP。而在大模型的研发模式下,如能够采用较好的数据集进行预训练,再以目标赛道的小数据微调,可以达到人力和开发成本的降低。
优劣势对比而论,小模型APP工厂,其研发的产品复用性较低,场景和模型之间的具有强绑定关系。而在大模型APP模式下,场景与模型的互动性较高,模型+微调这样的流水线模式可以得到较好的复用。当然