畢馬威發布最新報告，解讀AI產業發展十大趨勢

畢馬威最近聯合中關村產業研究院共同發布《人工智能全域變革圖景展望：躍遷點來臨（2023）》，提出人工智能產業未來發展的十大趨勢，并深度剖析各個趨勢的發展情況與核心驅動力，以期能為 AI 產業界帶來有益參考，錨定機遇，化解挑戰。

趨勢一：多模態預訓練大模型是人工智能產業的標配

在算法方面，預訓練大模型發展起源于自然語言處理（NLP）領域，當前已進入 " 百模大戰 " 階段，預計隨著大模型創新從單模態轉向多模態，多模態預訓練大模型將逐漸成為人工智能產業的標配。目前，國內大模型雖在市場影響力方面稍遜色于 GPT 系列模型、PaLM-E 等，但在中文語料訓練、中國文化理解方面具備本土優勢。此外，國內制造業等實體產業為大模型提供了豐富的訓練數據和應用場景。未來，在大模型面向產業賦能方面，中國大模型極有可能后發先至，也會是國內大模型競爭的關鍵因素之一。

趨勢二：高質量數據愈發稀缺將倒逼數據智能飛躍

數據方面，大模型的訓練需要大量的高質量數據，但是目前在數據質量方面還存在一定的問題，包括數據噪聲、數據缺失、數據不平衡等問題。這會影響大模型的訓練效果和準確性。根據一項來自 Epoch Al Research 團隊的研究，高質量的語言數據存量將在 2026 年耗盡，低質量的語言數據和圖像數據的存量則分別在 2030 年至 2050 年、2030 年至 2060 年枯竭。這意味著，如果沒有新增數據源或是數據利用效率未能顯著提升，那么 2030 年以后，AI 大模型的發展速度將明顯放緩。

預計大模型領域不斷迸發的高質量數據需求，將倒逼數據在大規模、多模態、高質量三大維度上的全面提升，數據智能相關技術有望迎來跨越式發展。未來，基于云原生容器化環境，支持流、批數據處理的 " 湖倉一體 " 架構將成為新一代數據平臺的底座，助力數據質量提升。

趨勢三：智能算力無處不在的計算新范式加速實現

算力方面，新硬件、新架構競相涌現，現有芯片、操作系統、應用軟件等都可能被推翻重來，預計有望實現 " 萬物皆數據 "" 無數不計算 "" 無算不智能 "，即智能算力將無處不在，呈現 " 多元異構、軟硬件協同、綠色集約、云邊端一體化 " 四大特征。

趨勢四：人工智能生成內容應用向全場景滲透

在 AIGC（人工智能生成內容）應用方面，其發展源頭在數字內容創作領域，從單模態內容到多模態數字化內容創建已初顯雛形，預計未來會進一步提高人類創造內容的效率，豐富數字內容生態，開啟人機協同創作時代，各種需要創意和新內容的場景，都可能被 AIGC 重新定義，AIGC 向全場景滲透指日可待。

具體到場景來看，AIGC 目前集中在創造性工作場景中，包括廣告營銷、游戲創作、藝術設計等。一方面，創意屬于稀缺資源，AIGC 的創造性對激發靈感、輔助創作、驗證創意等大有助益；另一方面，互聯網大規模普及使得 " 一切皆可線上 "，數字內容消費需求持續旺盛，AIGC 能更低成本、更高效率地生產內容，經濟性愈發凸顯。不過，AIGC 在內容準確性、細節把控度、風格個性化等方面仍有較大優化空間，AIGC 潛力能否充分釋放取決于和業務需求能否有效結合

趨勢五：人工智能驅動科學研究從單點突破加速邁向平臺化

AI4S（人工智能驅動的科學研究）應用方面，有望從單點突破加速邁向平臺化。在 " 單點突破 " 階段，AI4S 發展由科研學者主導，數據、模型、算法及方法論的原創性是市場關注重點，AI4S 在特定任務或場景中的 " 單點應用 " 初步證明了對應解決方案的落地價值。" 平臺化 " 發展則意味著，需要將這些已被證明的價值能力沉淀為平臺化工具，提升對下游的通用性價值，與此同時，產業界對于 AI4S 的工程化需求也逐漸增加，工程師和科研學者將共同主導 AI4S 下一階段的發展。

趨勢六：具身智能、腦機接口等開啟通用人工智能應用探索

AGI（通用人工智能）應用方面，其技術原理強調兩大特性：一是需要基于先進算法實現智能處理和決策，包括深度學習、強化學習、進化計算等；二是需要具備和人類大腦相似的認知架構，包括感知、記憶、分析、思考、決策、創造等模塊。參照 AGI 技術原理來看，ChatGPT 在感知尤其是實時感知能力等方面，仍需進一步優化，而具身智能、腦機接口等技術的發展恰恰能帶來有效助力。

但是，具身智能和腦機接口技術均處在早期技術孵化階段，存在核心技術不成熟、研發成本較高、場景化應用難度高、監管制度缺位等突出問題，距離實現商業化應用還有較長一段距離。一些研究機構和企業已經開始探索具身智能、腦機接口如何與 ChatGPT 相結合，有望催生一批更符合 AGI 特征的應用。

趨勢七：人工智能安全治理趨嚴、趨緊、趨難

人工智能安全治理呈現出趨嚴、趨緊、趨難三大特征，主要包括 " 黑箱 " 困境等技術安全挑戰，虛假信息、偏見歧視乃至意識滲透等應用安全挑戰，數據泄漏、篡改和真實性難驗證等數據安全隱患，此背景下，中美歐三國作為人工智能發展的領軍國和地區正積極開展相關立法，呈現出政策法規先行、監管趨嚴等特征。

趨勢八：可解釋 AI、倫理安全、隱私保護等催生技術創新機遇

人工智能在發展過程中面臨的技術倫理與社會倫理風險表明，人工智能安全、可信的發展之路任重道遠，在解決 AI 風險的過程中催生出可解釋 AI、聯邦學習等技術創新機遇。其中，聯邦學習正成為新型的 " 技術基礎設施 "，有望成為下一代人工智能協同算法，隱私計算和協作網絡的基礎，使數據在合法合規、安全高效的基礎上，實現數據價值流動。

此外，通過 " 為機器立心 "，逐步實現人機價值觀對齊，即要求 AI 系統的目標要和人類的價值觀與利益相對齊或保持一致也是 AI 倫理價值的重要發展方向。

趨勢九：開源創新將是 AGI 生態建設的基石

開源的自由度越高，越有利于吸引更多開發者參與到生態建設中。AGI 強調人工智能的通用性，意味著其生態需滿足大量細分場景和長尾需求，這種情況下，生態系統越是繁榮開放，越能窮盡可能地覆蓋所有專用化、場景化乃至碎片化的需求，保證 AGI 生態的豐富性和完整性。

中國長期強調構建開源創新體系，預計隨著鼓勵人工智能技術創新生態和開源社區的相關政策不斷出臺，企業等主體積極參與建設，開源創新有望成為中國 AGI 生態的重要基石之一，推動中國在前沿理論創新方面取得重大突破，從 " 跟跑 " 走向 " 領跑 "。

趨勢十：模型即服務（MaaS）將是 AGI 生態構建的核心

商業模式關乎整體生態能否實現從價值創造到價值實現的完整閉環，目前 AGI 生態的商業模式主要以 AIGC 相關的商業模式為代表，主要體現為 MaaS（模型即服務 ) 模式。該模式核心價值可歸納為：降低算法需求側的開發技術和使用成本門檻，使 AI 模型和應用成為簡單易用、觸手可得的工具。由此，需求側用戶可以專注自身業務邏輯和使用體驗，而不必關注底層技術細節，有利于解決 AI" 能用 " 但 " 不好用 " 的這一關鍵落地瓶頸。而在供給側，有望形成 " 通用大模型 + 領域大模型 + 行業大模型 + 企業 / 個人小模型 " 這一基礎業態，推動 AI 落地千行百業，最終實現 AGI。

作者：唐瑋婕

文：唐瑋婕 圖：資料圖片 編輯：商慧 責任編輯：戎兵

轉載此文請注明出處。