AIGC的未来讨论

AIGC将会如何塑造未来

专家分享

专家一

AGI这轮行情是人类最大的牛市，实现后就共产主义了。AGI是明显的推动人类经济增长是，web3和元宇宙是达不到的。1）增加总的DAUT；2）信息存储能力提升；3） IO效率提升（input-output）；4）传播媒介的提升。GPT是普适性应用，已经到来，是非概念性投资，相当于是81、82年的PC，90、91年的互联网这么一个级别的理解。投资方面巨硬是毋庸置疑的选择，目前唯一的问题就是估值问题。

除了巨硬，其他投资标的是芯片。在芯片领域除了英伟达外，AMD、美光、台积电估值比较合适，但美光和台积电估值更便宜可以逢低就买。美光是做存储的，升级版HBM是AI加速芯片数据中心标配组件。存储领域因为消费电子的衰退，估值杀的非常低，现在HBM在涨价，会带动存储行业的增长（主要有三家：三星、美光、SK海力）基本面见底，美光侵蚀了三星的份额，更看好美光。

台积电竞争对手只有英特尔和三星，但英特尔拿不到AMD和英伟达的单对台积电不能构成竞争。目前先进制成电路刻画能力要求越来越刁钻，台积电把自己工艺能触达的模式告诉AMD和英伟达，然后AMD和英伟达共同就台积电的能力来进行电路设计，才能够实现尖端制成的生产，所以这是台积电对英特尔形成的绝对壁垒。随着良率的发展三星和台积电差距会越来越大。个人来讲最喜欢台积电和美光。

Google是非常高风险的情况。搜索已经被颠覆，商业模型被颠覆，不建议抄底。

以特斯拉为代表的AI专用芯片，根据自己的商业场景定制的 AI训练芯片会是未来的趋势。所以英伟达也不是高枕无忧的，但无论谁定制，代工要找台积电，HBM要找美光。

GPT是黑箱，在使用的情况下要注意交流的方式，正义性、道德性比较重要。

GPT在我们国家挺危险的，被封号社会生产力不存在。

专家二:

AI应用功能的展开：

1）巨硬的AI应用： 已经把自身的AI研发到现阶段的功能，与OPEN AI上的功能嵌入到了微软的云服务上，包括但不限于语言翻译、代码生成、图像生成等；但因为以上服务不是针对C端用户，所以一般人还感觉不明显；

2）金融业的AI应用：与防诈骗、自动付款、生成会议纪要总结，不同语种之间提供实时字幕，例如目前的Copilot对目前编程人员在效率上有极大的跃升，例如在CRM工具的使用过程中以copilot进行辅助，可以使工作的准确率从70%进步到78%的前提下，完成时间从2小时缩减至1小时。并且从2022年中到2022年底的半年时间内，copilot推荐编码后人们的接受度也从27%提升到了35%；

3）Power platform: 在该平台上开发的过程将更轻松快捷，例如可以用自然语言来实现开发，例如与chat GPT类似的，给出开发的前半段内容，平台就能自动生成后半段；

AI的发展历史：

1）Transformer的框架：一个通用性极强的AI框架，不仅可以以文本来使用，图像、视频等其他模态均可以在此框架下进行应用；此模型最早的应用在文本领域，微软的Bert在此领域的贡献之一，就是运用了文本的自监督能力，即文本给出第一句，Bert用来猜测下一句，并且用已有文本来验证准确性，此事项为AI领域，transformer发展的里程碑之一；

2）大数原则（scaling law）的应用：研究表明，模型的准确度的提升，与数据投入的多少是有很强的线性正相关联系。此原则带来了几个结果：

a. 为了模型的准确性，公司敢于投入更多的资金去获取数据对模型进行更新迭代，因为一定会有回报；而缺少数据的小模型，一定展现不出大模型所呈现的效果，这样有利于大模型形成能够技术壁垒；

b. 有些垂直细分领域，当模型推理出的结果不需要100%的准确，也可以达到需要的效果时，可以不采用投入所有的数据的方式来进行迭代，只需要激活大模型中的一部分，只运用少量的数据与成本，就能以此来获得想要的效果；

3）AI后期发展的几个关注点: a. 模型的参数和算力会呈现出上升势态，具体是参数上升更快还是算例上升更快、还是同时上升，目前并无定论，需持续关注跟进；与此同时，用模型推理的成本在急速的下降。b. 未来可能会出现AI推进AI更新的一个过程，例如目前AI在半导体的制作上，在台积电制作半导体芯片的过程中，已经采用了利用AI来检测数据信息，提高产品的良率。

Q&A

1Q: 目前，有新闻表明，AI似乎产生了自己的意识，各位嘉宾如何看待此事？如果此事为真，那么有无控制不了的风险？

A: 此事目前来看，不是AI产生了自己的意识。更有可能的是，此AI的底层模型上的一些参数，以及数据清洗没有做好，因此在与人的对话的诱导下，说出了类似于产生情绪的话语的极端情况。

目前来看，人类运用的大语言模型的AI，都是经历了反复数据清洗，以及人类对参数进行无数次调控，即会在人类框架内运作的产品，所以目前看并无对AI控制不了的风险。

2Q：如果目前各个玩家模型的底层都是在用transformer的话，那么最后大家更新迭代出来的产品会不会都是大同小异，即差异化不大？

A：如果架构相同、方法相同、数据相同，那么可能每个产品到最后都是一样。但例如，各个开发者采取的是不同的数据集，那么即使采用同样的架构和方法，由于数据的构成不同、清洗的方法不同，最后的产品还是会有差异。

3Q：如果在最后，此模型的极限下，所有的公开的商业信息与数据都已经获取的情况下，搜索引擎将会以一种什么样的商业模式来赚钱？

A: 可能在未来，每一个细分领域，都会有自己的这么一个信息枢纽，当搜索引擎获得这些信息后，会以一个合适的价格将其出售。而不是像现在这样，任何搜索都集中在一个引擎之下。

4Q：目前来看，算力较贵，那么把算力分配在哪些领域，将能创造出更大的价值？

A: 算力成本不是那么的高，基本上chat gpt也就一美分，如果10个搜索能解决一个问题的话，一个问题的成本也就是在10美分。

应用的领域来看，垂直细分的领域，目前来看有大量文本沉淀的领域，如金融法律等领域，他会起到一个很好的辅助、甚至于取代的作用。在另外一些领域，例如医疗外科手术领域，目前这块还取代不了。

5Q：苹果目前的IOS系统，有没有被取代或者迭代的风险？

A: 有的，虽然说目前没有个明确的时间表，但被取代是一个比较明确的方向。因为苹果中的IOS系统里，都是通过一个个app来解决人们的一个个诉求，反映到最表面，就是苹果的IOS系统，那么这些app的功能，目前来看，后面可能都会被颠覆。

6Q：今后会不会产生一个底层基础的大模型，后面所有的模型，都是这个大模型的一个调整或者适配，如果有这样的一个底层模型，那谁最有可能做出？

A: 目前大家所采用的transformer，可以看作是一个大语言模型；这个模型肯定不会是最终的模型，但就现状看，这种底层模型还是最有可能从google出来。

另外一点，就是很多领域可能跟大语言模型结合在一起会有很大的影响，有些领域没有这个必要。这种大模型没有必要去渗透到所有场景与领域，很多时候，可能只需要在一个垂直细分的领域有辅助、正面的作用。

7Q：能不能基于transformer的模型，给特斯拉的自动驾驶产生商业价值？

A: 特斯拉目前采用的是类似神经网络模型，不是基于transformer，但特斯拉的自动驾驶，相信是可以做成功的，因为根据目前所采用的模型，不管是接管率、安全度都已经有了不小的提升，所以预计在数据与算力得到进一步提升的基础上，自动驾驶会产生不错的效果。