（一）人工智能的起源与发展

人工智能的起源可以追溯到图灵机和图灵测试，艾伦·图灵提出了“机器能思考吗？”的问题，并提出了图灵机和图灵测试的概念，为人工智能的发展奠定了基础。人工智能最重要区分点就是“思考”。目前的人工智能距离“思考”还有比较大的距离。

（二）人工智能的发展历程

从1956年的达特茅斯会议开始，人工智能开始快速发展。60年代初开始，大家发现大规模数据和复制任务不能完成，计算能力无法突破，使得人工智能的发展进入第一个低谷。80年代，随着BP神经网络算法的发明和应用，人工智能的发展第二次加快，但随着发现训练量大又进入低谷中，最后是深度学习的提出才使得人工智能更进一步。直到2016年Alpha Go出现并战胜人类冠军、人脸识别率超过99%等，使得大家看到了人工智能的希望。特别是2023ChatGPT诞生、ChatGPT3.5的出现，人工智能的发展迎来了第三个高峰。目前人工智能还在发展中，在等待奇点的到来。

（三）当前主要技术的介绍

当前，人工智能的主要技术包括 Transformer、Diffusion、MoE 等。模型的底层的能力包括分类能力、特征提取能力、相关性和语义编码，然后才是编码与解码能力、学习能力、推理和想象、规则和决策等。

大模型是否可以解决一切问题？人工智能在某些领域超过人类，这些领域都是在相对固定的场景上，比如图像分类、基础阅读理解、英语语言理解、视觉推理等。在复杂场景理解上，人工智能和人类还有比较大的差距，比如多任务语言理解、竞赛数学等。

（一）人工智能在各行业的应用案例

在Alpha Go出现之后，人工智能在各行业的应用案例不断涌现，比如智慧城市、数字孪生城市、智能家居、数据智能、车路协同与自动驾驶等，还有AI+能源、AI+物流、AI+制造、AI+商业、AI+互联网、AI+政务、AI+泛安防、AI+医疗、AI+金融等不同的案例应用。

（二）人工智能产业发展趋势

大模型架构加速人工智能技术变现点到来，扩大人工智能+产业的商业价值空间，预计2028年中国人工智能产业规模8110亿元。在2023年人工智能产业各技术赛道投资中，AIGC公司融资事件数占比28%。

总体来看，从2012年到2023年，中国人工智能产业主要领域的融资情况于2017年、2018年达到高峰，随后开始下降。

（三）人工智能产业发展洞察

截至2023年10月，我国拥有10亿参数规模以上大模型的厂商及高校院所共计254家；2024年4月文心一言用户数突破了2亿，API日均调用量也突破了2亿，服务客户数达到了8.5万。人工智能论文的总数自 2010 年以来翻了一番以上。2023年人工智能相关词汇成为各大搜索引擎的热词。

但是，商汤、云从、旷世和依图AI四小龙，仍然在连年亏损。2023年NLP的标杆企业追一科技裁员60%；2024年2月21日另一家NLP标杆企业竹间智能宣布部分停工，王慧文的大模型项目“光年之外”被美团收购。一边是火，一边是冰，这就是产业现状。

（四）人工智能产业案例分享

1、自动驾驶

自动驾驶的智能化分为辅助驾驶L1、部分自动驾驶L2、有条件自动驾驶L3、高度自动驾驶L4、完全自动驾驶L5等5个阶段，当前所处发展阶段是L2和L3阶段。L2阶段只需要2 TELOPS算力，如果要达到L4需要320TOPS算力，是L2百倍。

自动驾驶需要有硬件基础、软件与算法。硬件基础主要提供了各种各样的传感器；算法主要是控制算法、感知算法、规控算法，对应是规模、感知、认知，最终是实现各个场景下的自动驾驶。

自动驾驶是通过数据采集、数据传输、数据存储、数据处理、数据挖掘、数据清洗、数据标注、数据标注、算法模型训练、验证、优化，形成循环。这个过程就是自动驾驶闭环迭代更新的过程。

2、智能客服

银行智能客服主要是从服务前、服务中、服务后进行智能替代，使用的人工智能包括：服务前是辅助机器人，服务中是数字人客服、在线客服、语音客服，服务后是智能质检。

智能客服主要实施过程是通过对接各种系统的数据库，按照业务需求对数据库整理成问题-答案FAQ知识点，再对知识点进行扩充，目的是在各个使用场景有足够的知识点支撑；然后将其放到不同终端的具体业务场景上进行沟通使用；这里面FAQ知识点的整理和扩充需要投入比较大的人力。

大模型出来之后，知识注入就不完全依赖人工，可进行自能力增强，再固化到具体产品中，然后使用到应用场景中；应用场景反馈的数据，形成思维链；思维链等额记过反馈到大模型中，提升大模型能力，从而形成闭环。

因为大模型单次请求计算量是小模型单次请求计算量25000倍，所以大小模型协同，让大模型出现在最应该出现的地方，才能成本可控、效果可控。在模型训练达到循环之后，效率提升是很明显的。

（五）人工智能产业发展挑战

人工智能产业发展面临的主要挑战是盈利困难、训练成本高，目前没有看到很多盈利的案例，截至2022年4月全球人工智能企业平均利润，只有日本地区实现了盈利，其他地区都没有盈利。训练成本高，谷歌花费了近2亿美元训练大模型，以前仅花费几千万美元。投入这么大代价，还只是研究通用能力。大模型能力相当于是一个本科生能力，需要技术专家和行业专家一起投入，才能训练成行业专家。

从成本和价值来看，对个人而言，可以以AI为杠杆扩展个人知识和能力的覆盖边界，不再为低效的事情花费时间；通过个人和点的能力提升，提升产业化的能力，使得产业整体效率提升；在产业提升的带动下，提升社会的价值，使得资源更合理配置，解决一些难题，最后是人类将获得更大的发展空间。

（一）人工智能在哪里落地？

上一次科技革命，是从晶体管计算机、电子管计算机到集成电路计算机，最后变成是人手一台笔记本。现在的AI变化是：算力和算法的提升，将推动人工智能普及，人工智能的普及将反过来加速算力和算法的提升。最容易被GPT-4完全替代或者部分替代的行业可能是文案、娱乐、媒体、游戏等。

个人领域中，AI能够协助提供个人助手、智能分身。最好的方式是尽快建立自己的智能分身，以后会和AI的交互越来越方便。如果人脑接口完成，行业专家的知识很快就可以用到电脑上了。在个人领域和产业领域齐头并进，很可能是个人领域先跑出来。未来，人工智能将更加普及，个人用户将能够通过人工智能技术获得更多的便利和个性化服务。

社会领域中，需要做好重点领域规划和引领、数据开放和管理、守住道德底线。数字金融、垃圾回收、智慧农业等更多需要国家层面推动。

已有的产业将会重构。智能客服、数字人、机器视觉和数据治理与决策的算法基座将会更换；在目前算法和算力限制下，行业服务商、智能软件开发厂商和大型云计算公司将合作开发下一代AI产品；基于新的算法，原有AI产品的准确率和可用性将提升；各行业领军企业或者其行业内追赶者可能会引领行业的AI变革；如何在各个行业落地AI，将给当前的AI企业和新的AI公司带来一波机会；由互联网大厂把控的零售、物流和软件可能会使下一拨的先锋，游戏、汽车，数码、娱乐等行业应该其次，金融、医疗等受政策影响较大，工业领域数字化水平不高，先进设备主要依赖进口，应用成本较高。

个人新机会将会产生，超级个体会出现。个人应用AI成本大幅降低；个人将有机会将自己独有技能软件化，独有经历制作为内容产品；在产业平台基础上，个人的个性化定制产品将丰富多彩起来；行业和细分领域有比较好的数字化基础或者数字化代价较低，会最先被AI占据，比如软件开发、翻译、知识服务、法律服务、财务服务、医疗服务等领域；区块链和数字货币将为提供服务和内容的个人提供计价方式与报酬。

（二）AI 和数字化螺旋上升

人工智能将与数字化技术紧密结合，推动各行业的数字化转型和升级。首先，AI 能力会从个人赋能到行业、由点及面；其次，AI 化的个人和行业会加速全面数字化；最后，数字化程度的深化助推 AI 能力提升。当这个循环建立起来，就形成飞轮效应，使AI和数字化螺旋上升。

人工智能的必然途径是语义、语音、视觉、机器学习、共情能力。目前，人工智能在语义、语音、视觉已经有突破；等chatGPT5出来，机器学习可以突破；但是现在所有模型输入和输出没有直接闭环，这个闭环是人在参与，如果没有闭环，自我意识很难完成，共情能力（理解情感、自我意识）很难突破。

（三）智能体何时实现自迭代？