田丰：人工智能+的未来机遇——资产配置高峰论坛精华

国际科技财经移民娱乐民生时事体育

Bendi新闻

财经

产业经济

7月前

泽平宏观资产配置高峰论坛顺利召开。汇聚业界精英，百余位企业家共同探讨产业前沿趋势，把握资产配置的新机遇，看清未来的新趋势。

商汤科技智能产业研究院院长田丰先生，为大家带来了《人工智能+：中国“未来之路”》的主题演讲。

以下是为演讲精华整理：

1 AI影响“三个世界”：物理世界、精神世界、数字世界

研究数百年的科技发展史，可以发现世界上的科技创新中心每80-100年会有一次大迁移。所以大家可以看到，在未来10年间世界科技的中心会有一次新的迁移，中国是有机会争取到（世界科技创新中心）的。而且，中国曾经是世界科技的中心，有一本书叫做《公元1000年》，讲的是公元1000年，北宋是全球科技的中心。马克思说过，四大发明里的三大发明直接催生了资本主义、资产阶级，所以中国对世界有巨大的贡献。

人类正处于重大科技变革的前夜，无论是能源革命，还是人工智能、航空航天。曾经我们考虑人类发展空间时，还局限于地球，一旦我们突破了人工智能或者通用人工智能，下一步就是星辰大海，我们可以进入太空时代。因此，无论从能源或资源等方面讲，都有一个非常大的思维模式上的变化。

当前人工智能领域的竞争非常激烈，甚至成为全球最大的两个经济体的国家战略。为什么？全球两个经济最雄厚的国家把人工智能作为关键竞争的前沿阵地。我们引用《流浪地球2》中的一句话，“为了生存，人类曾付出巨大的努力和牺牲，赢得了进化的胜利，然而，进化的脚步却从未停止。”人工智能正在帮助我们去往新的行星级的文明进化。

为什么美国、中国都看重人工智能？因为人工智能同时影响“三个世界”。

第一个物理世界，物理世界给另外两个世界（精神世界、数字世界）提供生存的基础。

第二个精神世界，人类在人工智能出现以前，生活在通过研究物理世界，从而营造自己的精神世界。

第三个数字世界，数字世界中最重要的就是数据、算法和算力。如果没有人类，数字世界和知识世界是不是还会继续存在？哲学体系上认为是可以的。知识是怎么形成的？首先，人类通过自己在物理世界中的发现、观察形成的知识，然后知识会进行共享和进一步的分析和传播，这就是数字世界的价值。人工智能就是加速知识的分发效率和进一步推理的能力。

数字世界有两个发展方向，而且现在正在朝这两个方向发展。

第一个方向：越来越仿真、越来越逼真。如果大家喜欢玩游戏的话，游戏引擎出来的效果几乎是非常逼真的，不管是光线、材质、纹理等，甚至交互，所以现在人工智能是用很多游戏引擎做训练。

第二个方向：满足人类情感，满足精神世界的诉求。因此，会出现很多虚拟角色，跟大家做交互，那就是情感方面的作用。物理世界会给数字世界提供反馈，比如机器人倒一杯咖啡。人类精神世界也有反馈，例如电商推荐一个商品，下单就是一个正向反馈，没下单就是一个负向反馈。

不管是金融服务还是生产力，都是向着这两个方向发展。

数字世界对物理世界无限的逼近是什么？有一个高仿的数字世界叫“我的世界”，Sora做的最逼真的视频就是模仿“我的世界”，生成的视频和“我的世界”生成的视频几乎一样，因为它了解游戏引擎的关系和逻辑。后来，OpenAI收购了这家公司。从这个角度讲，当它能够拥有越来越多的、高质量的物理世界数据的时候，就能够营造出非常逼真数字世界。不管做数字孪生生产、做各方面的模拟，都有巨大价值增量。

2 “人工智能+”，”+“的到底是什么？

从刚才提到的"三个世界"来说，人工智能+：

第一，“+”的是生产力，通过机器人、AI去改造物理世界。

第二，“+”的是想象力，创造更多能引起人类情感共鸣精神的产品。

第三，数字世界“+”什么？实际上是学习力。大量的知识是存储在模型之中，是人类海量知识的压缩，不断的通过人类和AI共同完成人机共治的学习。

这带来了“人工智能+”的三种应用：

第一类叫AIGC类，我们说的Sora也好，PiKa、Midjourney或者商汤的秒画、辅助编程的代码小浣熊都是“+”学习力的工具。

第二类叫人机协同类，精神世界AI和人机之间的交互，其实类似于ChatGPT，类似于谷歌的Bard、大医等，通过人机对话提供服务。

第三类叫具身智能类，去改造物理世界，那就需要像Figure01，或者像特斯拉的擎天柱机器人，或者是上海的智元机器人等等，这一系列都是在改变物理世界。所以万变不离其宗，不管微粒还会出现什么样人工智能的应用，大家都可以从这三个世界的角度去做分析。

爱因斯坦说过一句话“想象力比知识更重要”，其实本质上来讲，人类的科研就是一种想象力的建设，它需要有大的猜想和假设才能够形成重大的科研突破。所以我们说，新质生产力分为三个部分。

第一个部分，基础科学和技术的突破期。比如说量子力学等，都是先有了基础技术科学的突破。

第二个部分，新一代基础设施的装置期。新一代基础设施是什么？现在可以看到智能计算中心，包括现在我们说的储能体系等等，就属于新一代基础设施的装置期，一般是10年左右。人工智能从这一波浪潮开始。商汤科技就是2014年成立的，到现在基本上是10年时间，基础设施已经有一个大发展了。

第三个部分，产业的普及期，我们不断的把基础设施成本降低，把产品推广到全民可用。ChatGPT其实就是这样，全球的人都可以用。商汤科技现在的大模型，个人可以免费使用，企业也可以做一些模型的升级。我们正在处于一个从基础设施的装置期向产业的普及期过渡的阶段，有重大的机会。

3 如何有效利用AI？如何有效跟AI进行分工？

如果按人类和AI做的工作比例上来说，现在AI更像是一个顾问（Pilot)，这是第一个阶段。AI给你出主意，你自己去实施AI的主意，所以像一个顾问。人类设立目标，AI提供一些建议和信息。

第二阶段叫AI助手(CoPilot)，人类会提一些思路，AI去执行，一半一半，大概是这个比例。AI可以帮你完成流程里面的初稿，比如说写一个新闻的初稿，一些媒体领域已经有合作了；或者帮你写一个程序，再做一些调整。

第三个阶段叫AutoPilot，人类只需要设定一个复杂任务的大目标，提供相应的资源，只需要监督结果。所有执行的过程都是AI智能体来帮你完成，AI全权分解这个任务，它也会去选择工具。所以大家可以看到这个地球上第一次出现了跟人类一样可以调用各种工具的物种，它可以选择一个数学的引擎，可以选择一个机器人它去完成复杂的任务。

全社会都在加速学习，学习怎么有效跟AI进行分工。大家如果看美国商务部去年发的政策就可以看出来，现在人机协作的模式远远没有到达完美，还在大量做探索，这也是新质生产力非常重要的一个领域。

我们接着去讲新质生产力，AI怎么用于营销？农夫山泉在春节有一个限量版的金龙瓶，怎样让消费者主动传播它的广告？用大模型方式画这个龙宝宝。有100多万人调用了商汤的秒画去设计广告营销图，画完后传到小红书、微博上做逆向营销，这就是：不需要你投钱，用户自己帮你做宣传。

还有创作数字角色、虚拟角色。数字生命的意义在于什么呢？我个人认为，在于使得人类文明得以延续。我们用语言大模型去做了一些人设大模型的设计，把《狂飙》里面的高启强、高启盛这样的角色在微博上复现了。如果大家去微博上跟他微博账号去聊，他除了了解所有的剧情之外，还能跟你回答一些生活中的互动，比如你问他我要吃什么，他说建议你吃鱼，而且比较霸道总裁的性质，你不想吃鱼他还会不停的给你绕回来。包括一些古装剧里面24小时跟大家去做互动的，都是这样的角色，所以这就是一种数字生命体，而且是大家喜欢的数字生命体。

不管经济好还是不好，营销永远是一个大头，企业都会有这个开销。那么如何用大模型去做营销？现在微博和商汤去合作建立了营销大模型，你不会写文案，它帮你写营销的文案；你不会带货，它帮你在微博9万个商品选货，根据热搜的主题做匹配；你不会做短视频，它帮你生成自己形象数字人带货视频，也可以帮你跟消费者做客服的交流。整体上来看，我只需要是一个博主，后面它帮我把所有的事情都做完了，而且它生成营销的文案采用率达到95%以上，甚至会衍生出来垂类的模型，比如说医美。医美其实是很专业的，比如我自己就不太清楚产品的区别，但是大模型可以帮我生成，那我就可以带一些相关的商品。

还有一些人机协同类的应用是什么呢？比如说在上海新华医院里，人工智能语言大模型可以去为病人做自诊。我今天不太舒服，把病情告诉大模型，大模型告诉你怎么去做，买什么药。如果想去医院，他给你推荐医生，挂哪个科。就诊时人工智能会像医生助理一样把病历记好，包括病史。再到诊后做电话随访，并且嘱咐你怎么去吃药，我们看到医疗的普惠化、教育的普惠化，都可以形成新质生产力。

现在很多品牌都在做品牌直播间，所以就采用了电商的数字人来做带货。比如说紫光园9.9牛肉馅的包子，由数字人带货，一个月卖了10万份，而数字人带货的成本非常低。我们可以看到，对于中关村国际直播港的运营平台来说，它的成本从6个人的人力直播间降成了2个人，从一个直播间变成了二十个直播间的矩阵去运营，这帮助中小商家去做品牌。大品牌是直接砸得起钱的，但是，中国真正需要品牌营销的是3000万中小企业微企业。用数字人去做带货，这个效果非常好，而且数字人还会150多个国家的语言，可以帮去国外带货。

人工智能现在最大的价值在哪儿？AI的价值在于控制。控制什么？是控制资金、控制机器人、生产设备还是其他的东西，控制往往决定了商业价值。

未来，还有机器人加上大模型。OpenAI投资的Figure01，可以帮你做很多家务活；谷歌的机器人，帮你实时识别复杂的环境，比如可乐撒了，它会帮你自动把桌子擦干净，把可乐瓶扔掉，这些长尾的非标准化的工作。相对来说，具有通用性能力的机器人将会走入千家万户，唯一限制就是计算和机器人的成本，当然我们相信成本会持续下降的，真正到我们这一代养老的时候，我们要学会怎么跟机器人去相处，产生最有效率的协同方式。

4 通用人工智能临界点何时到来？看人才、算力、数据

大家都在预测，AGI通用人工智能什么时候到来，我称之为“薛定谔的AGI时刻”。最近像OpenAI认为，高度自制的系统，就是人类不需要太多的干预就可以形成一个很好的经济活动中的表现，这叫AGI。我的定义AGI就是：有感知的能力、认知的能力、决策的能力、记忆的能力、执行的能力，甚至最重要的是自我改进的能力。

从这些不同的定义上来看，大家有不同的预测，比如说萨姆·奥特曼，包括英伟达的黄仁勋都认为在未来的5年之内AGI有可能成为现实，也有人认为10年之内都不可能。但是有一个判断，当AGI真正到来的时候，你不会清晰的觉得这个时间点就在这儿，它会快速的超过人类的水平，所以AGI绝对不是一个终点，它恰恰只是我们中间的一个发展里程碑。

AGI是人工智能的一大步，却是我们地球文明的一小步。所以人工智能、AGI是人类迈向航空航天、太阳系大航海时代的一张船票。人类的寿命有限，但我们可以派很多机器人到火星上做环境的改造。AI的成长方式也是先作为类人的智能，再学习通用的人工智能。还有一种发展方向，直接去做机器智能、超越人类的智能，最终它会形成一种超级的机器智能，来应对宇宙和未知的世界。

现在国际竞争还是非常激烈的，《流浪地球2》里面有一句话说“为什么当年根服务器要设在北京”。黄仁勋也提到了主权AI等等。现在AGI是一种大争之势，我们大国之间的AI竞争实际上是围绕在已经被科研验证过的尺度定律上。第一个是模型的参数量，越大效果越好，第二个是模型训练数据集越大越好，训练的计算量越大越好。为什么大家说大力出奇迹？就是当三者同时增长的时候，就会离AGI越来越近，模型效果越来越好。人才第一，数据第二，算力第三，只要有了这三者，模型的效果就会越来越好。

人才方面，极少数的精英正在改变人工智能科研的格局。Sora绝对不是OpenAI的主线，主线是今年GPT5或GPTX，会在夏天会发布。萨姆·奥特曼说，这才是他们花费数百人去做的主线，而Sora这是一个13-15人小团队去做的，就只有两位核心人员，带着一群从各个部门抽调过来的人，而且其中两位核心技术人员是一位刚毕业的博士，所以自古英雄出少年。

我们如果再做一个建议就是，一定要三才并举，第一个是重视基础科研研究人才，第二个是青年科研人才。历史上不管是萨姆·奥特曼、马斯克还是当年的爱因斯坦、费米、狄拉克等大科学家，做出最大科研创新的起始年龄都是20多岁到35岁之间，所以天才生下来就是天才。这些天才对一个民族的命运的改变是非常重要的，所以一定要重视青年科研人才，不要再按资排辈，等他们老了再去用。第三个叫重视科研的领军人才。邓稼先是34岁研制出中国第一颗原子弹，40岁试验成功，李政道31岁就发现了弱交互作用，同年获得诺贝尔物理学奖。所以领军人才至关重要。

算力方面，现在芯片的价格过于昂贵、已经抑制了AI的应用创新。我管这个叫——大模型算力的超级需求曲线。在2010年以前，AI模型需要的算力是21个月翻一番，2010-2023年之间接近6个月翻一番，从去年开始基本上1.5-2个月，模型对算力的需求翻一倍，为什么英伟达现在是接近14.5万亿人民币的市值？如果一直这么昂贵，应用市场都发展不起来，就像电费这么贵，我们不可能在生活中使用各种各样的电器。

萨姆·奥特曼认为：算力是未来的货币，能源也是未来的货币。在美国，芯片是AI产业的长板，所以他们正在不遗余力去做AI基建加速，OpenAI叫算力长盛。亚马逊云提出了200万张GPU卡的建设，Meta、微软、谷歌、OpenAI，包括特斯拉，都要从30万到60万张起开始去做集群。

在未来几年，我们国产的GPU要提速，产能要提速，算力性能要提速。在中期，用美国1/10甚至1/20的算力，去取得模型上的突破，这个就是我们必须要面对的局势。

上周发布英伟达最新的算力芯片GB200，整体来看，GB200算力是A100算力的18-20倍，而现在国产GPU对标的是A100，可以看一下中间的差距。所以从这些角度来看，我们迫切地希望，中国的国产GPU能够发展起来，同时也要从其他路径上想办法。我们如果总是去追GPU，总是去追OpenAI，这未必是聪明的办法。我们要去看下一代GPU在哪儿，下一代的Transformer、颠覆Transformer的架构在哪里？或者OpenAI下一步它要走到哪？这个才是我们要去想的问题，而不是说在后面去学、去追。我们叫换道赛车，不是弯道超车。美国还在用举国体制在融资，甚至要掏几万亿美元去做芯片产能，从这个角度讲，唯一能跟美国竞争的是中国，因为我们是AI算力的第一梯队，后面所有的国家其实都是第二梯队和第三梯队了，我们是最有机会的，同时我们也有很多的动力和压力。

中美算力的对比总数据：268亿和431亿，看起来差距还好。但是，我们再看一下控制权，我们国产化GPU的比率只有15%，美国英伟达加上AMD GPU全球销量占比在99%，这是对产业的控制能力的区别。从另外一个角度讲，一旦我们突破了基础研发，中国也会长出自己的英伟达和AMD。这个市场空间大家可以想像会有多大，至少是每年几万亿美金的规模。

从现在来看，中国每年在投产大量的8-12英寸晶圆的产能，我们正在追成熟制成的产能。但说到1纳米、3纳米，我们肯定还需要进一步的技术突破。一旦中国的技术突破了，成本就会降下来，就会像新能源汽车、锂电池一样，真的形成普惠全球的产业能力。

尺度定律什么时候会失效？无非是算力遵守不了摩尔定律了，目前来看还有办法让它继续延续，架构上面还是有很多机会的，但不一定是在英伟达现在这个架构上，因为英伟达的架构并没有大的颠覆式的突破，有可能在新的创新者里。

还有就是数据拐点问题。把数据都训练完了，2024年，人类文本里面的高质量数据基本上被训练完了，下一步怎么办？这个是大家探讨的关键点。在产业发展里，当有更大的基础设施的能力，就会出现很多硬件的创新，硬件的创新往往代表的是新的数据入口，不管是多模态的硬件、还是自动驾驶汽车、AR眼镜、机器人等等，数据会都进来。数据进来之后我们就有新的训练资源，同时产生新的交付方式和新的服务，这就是每一代的科技革命到产业革命的一个变化，叫大模型的飞轮。

从数据源去做对比，其实可以看到中国数据源潜力上是比美国大的。中国14亿人口在产生数据，美国只有3亿人口，中国106亿的互联网终端，美国只有35亿，我们的体量比他们大。我们怎么把它收集起来，利用好这个红利，合成数据。类似Sora模型，会产生高质量的数据。

科研有一个冰山理论，我们现在看到的不管是Sora还是ChatGPT、GPT4都是冰山上面的一角，我们之所以会觉得人工智能有突变，是因为冰山下面有大量的隐藏基础研发内容看不到，所以会产生突变。所以在今年夏天发布的下一代GPT的版本，用萨姆·奥特曼的话说是压倒性的，尤其是在严谨的推理层面就控制幻觉，还有在调用工具，执行体调用机器人也好，调用其他模型也好，这个方向上可能会有长足的进展。但是冰山理论对中国的科研机构也一样适用，我们也有很多基础研发的储备，不断的去想它们下一步要做什么，这个很关键。

人工智能产业依赖于海量的设备，再加上海量的跨模态的数据，最后产生服务于大生产的大模型，所以这个是我们坚信中国“人工智能+”的基础。而且国家数据局也提出了数据要素的市场化流动的机制，数据入表、数据资产化都会成为我们“人工智能+”的红利，流动起来才算生产要素。

人工智能即“国家主权”。日本、意大利、法国、英国，都在建自己国家级的大模型，未来AI将会成为国家的主权，就像互联网也是主权空间一样，国家必须要控制自己的数字智能，而且能控制自己的AI主权。保护自己的文化、保护基础设施。OpenAI也在做闭源，未来我们只有靠自己，有一句话叫“科研是踩在巨人的肩膀上做科研”，但是我们先成为巨人才可以，取得真正“人工智能+”的国产化的红利。