AI將爆發(fā)哪些超級應用？
文：任澤平團隊
2023年ChatGPT橫空出世，人工智能上半場(chǎng)開(kāi)啟近兩年，海量企業(yè)加入AI賽道，卻鮮有成功的、實(shí)現盈利的商業(yè)模式。
本質(zhì)是缺乏超級應用，沒(méi)有新的需求創(chuàng )造，在終端消費沒(méi)有引爆點(diǎn)。
互聯(lián)網(wǎng)時(shí)代上半場(chǎng)，集成電路技術(shù)為手機、PC鋪路；下半場(chǎng)“iPhone時(shí)刻”對傳統手機、軟件服務(wù)進(jìn)行革命，全球掀起智能消費電子浪潮，是歷史上著(zhù)名的超級應用。
人工智能下半場(chǎng)，全球也在等待AI超級應用。AI超級應用才是大多數人的機會(huì )。
第一類(lèi)是具身智能體路線(xiàn)，如自動(dòng)駕駛、人形機器人：AI像人一樣、擁有一個(gè)物理的軀體，能感知、能互動(dòng)，能主動(dòng)地進(jìn)入到“真實(shí)世界”。
第二類(lèi)是超級AI軟件，在輔助辦公、作圖、視頻生成、教育等領(lǐng)域潛力巨大。基于大模型進(jìn)行定制化擴展升級，將“超能力”帶給各行各業(yè)。
第三類(lèi)是AI消費電子，如AI PC、AI 手機、XR設備和腦機接口技術(shù)，對傳統設備進(jìn)行AI升級，或在新技術(shù)上開(kāi)發(fā)新的需求，和元宇宙結合。
擁抱超級應用，也要重視AI對社會(huì )的影響。人類(lèi)的道德倫理能被AI“理解”嗎？什么樣的數據是“基本”事實(shí)？哪些算法是衡量“公平”的指標？大模型由現實(shí)世界訓練而來(lái)，因此AI也是社會(huì )的鏡子。這些問(wèn)題還需要更深層的審視和技術(shù)規范來(lái)解決。
正文
1 AI上半場(chǎng)，大模型和芯片大突破
1.1 上半場(chǎng)大模型算法誕生“思維”
人工智能上半場(chǎng)，算法進(jìn)步鋪墊了半個(gè)多世紀，催生出“百模大戰”，人工智能概念始于1955年籌辦達特茅斯會(huì )議，先后經(jīng)歷了統計語(yǔ)言模型、專(zhuān)家系統、神經(jīng)網(wǎng)絡(luò )、深度學(xué)習等階段。
2019至2022年，預訓練模型（Pre-trained Model）井噴式出現；2023年， 首個(gè)真正意義上的大語(yǔ)言模型（Large Language Model）ChatGPT落地，開(kāi)啟全球人工智能元年， 谷歌、Meta、亞馬遜、吉印通、阿里、騰訊等科技巨頭先后加入，AI初創(chuàng )企業(yè)如雨后春筍，大模型開(kāi)啟“煉丹”時(shí)代。
大模型與其他模型最大的區別在于“涌現”能力，出現類(lèi)人的“思維方式”。在預訓練階段，隨著(zhù)模型規模的擴大和參數量提升， 在超過(guò)某一閾值后，模型準確度突然大幅提升，例如GPT-3、PaLM、LaMDA等模型在參數量達到百億級別時(shí)表現出涌現。
1.2 上半場(chǎng)，芯片算力爆發(fā)、一“芯”難求
GPU取代CPU成為AI算力載體。 早期A(yíng)I訓練任務(wù)由CPU來(lái)完成，但效率較低。轉折點(diǎn) 在2012年10月，佛羅倫薩計算機視覺(jué)會(huì )議上 ，只用了4顆英偉達GPU的AlexNet擊敗了用了16000顆CPU的谷歌貓，成為了“冠軍算法”，轟動(dòng)AI界，此后GPU訓練開(kāi)始被廣泛認可。AlexNet研發(fā)主導人辛頓也因對人工神經(jīng)網(wǎng)絡(luò )貢獻獲得2024年諾貝爾物理學(xué)獎。
對比看，CPU擅長(cháng)于少量的復雜邏輯運算，相當于計算機的“大腦”。而GPU擅長(cháng)于大量的簡(jiǎn)單相似計算，用于圖形處理，相當于“視覺(jué)神經(jīng)”。由于A(yíng)I模型需要大量的并行乘法、加法運算，GPU的優(yōu)勢更明顯。
AI發(fā)展遇上GPU迭代的“算力及時(shí)雨”，芯片需求大幅擴張，上游成為最大受益者。根據英偉達數據，GPU的性能在過(guò)去20年提升 達到1000萬(wàn)倍，截止2023年底， 英偉達的GPU產(chǎn)品已占據全球92%數據中心市場(chǎng)份額。2024年Q2，英偉達實(shí)現營(yíng)收300億美元，同比增長(cháng)122%，凈利潤達到166億美元，同比上升168.24%。
AI企業(yè)將2024-25視作布局的關(guān)鍵兩年，英偉達加速GPU擴產(chǎn)，供不應求。 谷歌2024年在芯片、設備及資產(chǎn)上的投入已攀升至約500億美元，同比增幅超過(guò)50%。為布局2025年AI賽道，Meta已向英偉達 下單價(jià)值約100億美元芯片；微軟正籌備在2025年Q1前為OpenAI配置5.5萬(wàn)至6.5萬(wàn)顆GB200芯片，價(jià)值約30億美元。
2 AI下半場(chǎng)，機遇就看AI超級應用
什么是超級應用？
一是將前沿技術(shù)應用在人們可以廣范接受的消費領(lǐng)域。比如硬件領(lǐng)域的“iPhone時(shí)刻”，觸控屏并非蘋(píng)果首創(chuàng )，但蘋(píng)果設計師發(fā)掘了消費者的使用偏好，改變了手機使用習慣，讓人們廣泛接受了觸控移動(dòng)設備。
再比如，軟件領(lǐng)域谷歌、吉印通搜索引擎網(wǎng)站的出現。在早期互聯(lián)網(wǎng)還是直接輸入網(wǎng)址的時(shí)代，搜索引擎極大程度提升了上網(wǎng)的便捷性，拓寬了互聯(lián)網(wǎng)的潛在用途和可探索邊界。
二是能制造需求引爆點(diǎn)，形成創(chuàng )造新增長(cháng)、新應用的“鏈式反應”。例如，智能手機的硬件革命，將互聯(lián)網(wǎng)時(shí)代的核心用戶(hù)場(chǎng)景從PC轉移到了手機，科技企業(yè)在軟件開(kāi)發(fā)上競爭，掀起了多輪App應用開(kāi)拓和迭代，逐漸將個(gè)人生活需求與移動(dòng)互聯(lián)網(wǎng)形成深度綁定。開(kāi)辟了移動(dòng)出行、電子商務(wù)等新應用領(lǐng)域，創(chuàng )造了新的用戶(hù)需求和消費趨勢。
從龍頭AI公司戰略布局出發(fā)，可推測超級應用的發(fā)展走向。
算力龍頭公司：英偉達的新增長(cháng)曲線(xiàn)全部聚焦于A(yíng)I軟硬件應用和服務(wù)，主要在人形機器人、自動(dòng)駕駛汽車(chē)、AR/VR設備領(lǐng)域。①英偉達主導了OpenUSD項目和Isaac系列，前者用于創(chuàng )建和模擬復雜3D數據，后者服務(wù)于加速機器人應用的開(kāi)發(fā)工程，兩者都專(zhuān)注于機器人領(lǐng)域的算法和工程實(shí)現、驗證。②發(fā)布Jetson Thor專(zhuān)用芯片，為高階自動(dòng)駕駛、人形機器人等需要高性能推理的邊緣計算領(lǐng)域而設計。③開(kāi)發(fā)了Isaac Sim和MimicGen NIM兩種工具包，主要用于A(yíng)R/VR穿戴設備的實(shí)時(shí)動(dòng)作捕捉，并進(jìn)行數據生成。
3 AI超級應用，先看具身智能與AI軟件
3.1 AI具身智能：人形機器人
英偉達創(chuàng )始人黃仁勛認為，下一波的人工智能浪潮是“具身智能（embodied AI）”，人工智能可以真正理解、推理并與物理世界互動(dòng)。人形機器人結合AI算法與控制、感知硬件，讓AI擁有人類(lèi)形態(tài)，是“具身智能”的集大成者。
人形機器人不同于以往的機器人。AI超級應用的人形機器人指的是“具備高度自動(dòng)化、智能化、集成化的通用機器人”。類(lèi)比AI就像是“通用智能與機械智能”的區別。傳統機器人如工業(yè)機器人、服務(wù)機器人和特種機器人技術(shù)已經(jīng)較為成熟：在 工業(yè)領(lǐng)域的移動(dòng)搬運、自動(dòng)物流、工業(yè)制造、電網(wǎng)自動(dòng)巡檢等；服務(wù)領(lǐng)域的家用掃地、酒店自動(dòng)配送等已經(jīng)有大量的商用案例。而以特斯拉Optimus為代表的通用機器人不限于特定應用領(lǐng)域，在設計上可以像人一樣從事各種復雜的、高難度任務(wù)，因此對大模型的算法和算力水平要求更高。
從設計理念上看，通用人形機器人的設計理念是為了模擬人類(lèi)的一些關(guān)鍵特性，例如直立行走、雙手操作工具的靈巧性，以及最重要的智能。為了實(shí)現這些功能，人形機器人的關(guān)鍵要素包括人機交互算法、先進(jìn)機械結構、運動(dòng)控制算法、環(huán)境感知、機器臂與靈巧手等，從而形成能夠模擬人類(lèi)步伐的雙腿、能夠執行類(lèi)似人類(lèi)動(dòng)作的雙臂和雙手，以及能夠感知、理解并響應外部環(huán)境的“大腦”。
人形機器人的核心技術(shù)還是人機交互算法和運動(dòng)控制算法：①人機交互算法，即從通用類(lèi)大模型上移植的核心“思維方式”，決定了機器人理解人類(lèi)指示、理解周?chē)h(huán)境、做出相應的反饋或智能化的交互能力。②運動(dòng)控制算法決定了機器人的運動(dòng)能力，通過(guò)計算所需力和力矩來(lái)驅動(dòng)關(guān)節來(lái)運動(dòng)，尤其是在復雜地形、和存在外部干擾的場(chǎng)景，如何確保機器人的行走、操作、平衡和穩定性。③此外，突破機器人的機械結構、傳感裝置的技術(shù)難點(diǎn)，降低綜合成本、提高運行的可靠性和穩定性也是業(yè)內努力的方向。
特斯拉作為該領(lǐng)域先行者，于2021年8月AI Day首次發(fā)布Tesla Bot計劃，2022年2月推出Optimus人形機器人。初代Optimus能完成招手、擰螺絲等簡(jiǎn)單動(dòng)作，但行動(dòng)不算流暢。2024年5月的第二代Optimus搭載了視覺(jué)神經(jīng)網(wǎng)絡(luò )和FSD芯片，技術(shù)源于電動(dòng)車(chē)自動(dòng)駕駛的成熟方案，不僅能實(shí)現流暢行走，還能精準地完成復雜的分揀工作（動(dòng)力電池單元），離完全實(shí)現自動(dòng)化邁進(jìn)了一大步。 2024 年10月12日，“Tesla：We Bot”發(fā)布會(huì )上的Optimus更上一層樓，在行走、抓取、握持等能力上有了突破性改變,并且通用智能水平更高，可以與人自由交流。
馬斯克預計2026能實(shí)現人形機器人大規模上市。當前Optimus已經(jīng)有兩臺部署在特斯拉工廠(chǎng)工作，制造成本能控制到1萬(wàn)美元/臺。特斯拉在短短兩年半時(shí)間里將Optimus快速迭代，讓社會(huì )看到了人形機器人量產(chǎn)、落地、大規模應用的可能性。同時(shí)，多模態(tài)大模型的蓬勃發(fā)展又為機器人技術(shù)成型注入新的血液，通用機器人極有可能成為功能最完備的“具身智能體”。
有實(shí)力的人形機器人公司尚集中在美國：除特斯拉外，OpenAI、英特爾、英偉達、三星等多家頭部企業(yè)投資的Figure AI也在2023年發(fā)布了首款機器人，并與寶馬達成合作，未來(lái)陸續將人形機器人部署于汽車(chē)總裝車(chē)間崗位。由得克薩斯大學(xué)實(shí)驗室孵化、和NASA共同開(kāi)發(fā)人形機器人的Apptronik也在2024年與奔馳達成合作，讓其發(fā)布的人形機器人參與產(chǎn)線(xiàn)流程作業(yè)。中國的優(yōu)必選是國內較早研發(fā)人形機器人的企業(yè)，成立于2012年，其工業(yè)版人形機器人Walker S已部署于蔚來(lái)汽車(chē)總裝車(chē)間，并陸續與東風(fēng)、一汽大眾達成合作，預計2026年將在工廠(chǎng)端放量。
3.2 AI具身智能：自動(dòng)駕駛汽車(chē)
自動(dòng)駕駛汽車(chē)可能是最早實(shí)現大規模落地的“具身AI”超級應用。
一是因為汽車(chē)的復雜性和普及程度適合與AI技術(shù)結合。汽車(chē)是復雜度僅次于飛機的現代工業(yè)品，也是附加價(jià)值最高的可選消費品，擁有上萬(wàn)個(gè)電子零部件。同時(shí)，汽車(chē)的架構也在向“中央集中式”和云計算變革，與AI技術(shù)可以實(shí)現“1+12”。
二是智能汽車(chē)相當于“帶輪子的機器人”，由于兩者的技術(shù)難點(diǎn)（算法）和核心零部件（傳感器、算力芯片）相似，智能汽車(chē)肩負著(zhù)給人形機器人研發(fā)開(kāi)路的使命。高度智能化的汽車(chē)也能在不同場(chǎng)景中學(xué)習，模型在迭代中不斷提升自身駕駛決策的準確度。
智能駕駛就是最好的“用硬件跑AI”。全球不少企業(yè)都有技術(shù)積淀：國內的吉印通Apollo已經(jīng)能實(shí)現L4級自動(dòng)駕駛，蘿卜快跑截止2024年7月完成自動(dòng)駕駛訂單約82.6萬(wàn)單。海外的自動(dòng)駕駛綜合服務(wù)商Waymo也在2024年擴大了服務(wù)區，在8月初周單量翻了一倍，服務(wù)人數超過(guò)10萬(wàn)人。車(chē)企方面，塞力斯、小鵬、理想處于國內第一梯隊，優(yōu)勢主要在高速和城市領(lǐng)航方面。特斯拉在海外的優(yōu)勢是FSD的數據驅動(dòng)能力和“BEV+Transformer”算法框架。
從實(shí)踐情況看，各車(chē)企和智能駕駛解決方案供應商都在競相打造智算中心。特斯拉的DOJO智算中心，預計到2024年10月，總算力將達到100,000PFLOPS，相當于約30萬(wàn)塊英偉達A100的算力總和。國內，商湯位于上海臨港的上海人工智能計算中心（AIDC）算力已達到14,000 PFLOPS（截至今年8月）；華為車(chē)Bu的ADS訓練算力達3,500PFLOPS（截至今年7月）；理想訓練算力達5,390 PFLOPS（截至今年8月）。
特斯拉掀起“端到端”的自動(dòng)駕駛變革。2023年馬斯克直播試駕，展示了FSD Beta V12——有史以來(lái)第一個(gè)端到端AI自動(dòng)駕駛系統（Full AI End-to-End），從智算量級來(lái)看，V12比上一代高出幾個(gè)數量級：V12的C++代碼只有2000行，而V11有30萬(wàn)行。
傳統智能駕駛解決方案是模塊化的，包含許多人為設定的規則（hand-crafted、rule-based）部分。一套模塊化智駕方案以感知模塊—規劃模塊—控制模塊為主脈絡(luò )，模塊間聯(lián)系緊密，每個(gè)模塊都有輸入端與輸出端；前一個(gè)模塊的輸出是后一個(gè)模塊的輸入。程序實(shí)現上效率低、成本高，需要提前通過(guò)代碼告知計算機制訂行車(chē)方案。
端到端（end-to-end）更接近于人的駕駛實(shí)踐。只需要一個(gè)神經(jīng)網(wǎng)絡(luò )模型，模型輸入端輸入攝像頭、激光雷達、毫米波雷達等傳感器所搜集到的信息，輸出端便可以直接輸出控制車(chē)輛方向和速度的操作指令。中間不需要任何人為設定的規則。與模塊化相比，從感知環(huán)境到執行駕駛操作只需依靠直覺(jué)和經(jīng)驗。程序實(shí)現上更高效，由于模型不是由表征規則的代碼驅動(dòng)的，而是全部依靠基于海量數據的機器學(xué)習。
從智能駕駛解決方案的上限來(lái)看，端到端的上限空間更大。第一，模塊化方案的環(huán)節間存在信息遺失問(wèn)題；而端到端則不存在這個(gè)問(wèn)題，因此端到端的最優(yōu)化是全局最優(yōu)化。第二，模塊化方案中的規劃模塊具有許多基于規則的代碼，然而規則是無(wú)法窮舉的，模塊化方案無(wú)法應對長(cháng)尾場(chǎng)景；而端到端模型是基于數據而非規則的，經(jīng)過(guò)深度學(xué)習，模型會(huì )習得類(lèi)人的處理方式且具備相當的舉一反三能力，從而具備更優(yōu)秀的長(cháng)尾場(chǎng)景應對能力。
端到端已經(jīng)成為行業(yè)共識，但該技術(shù)的發(fā)展也必然伴隨著(zhù)掣肘因素，訓練模型（神經(jīng)網(wǎng)絡(luò )結構）、訓練數據、訓練方法（參數優(yōu)化方法）、算力（云端、車(chē)端）等都是端到端技術(shù)成熟度的決定因素，其中數據又是最重要的一個(gè)。端到端模型的實(shí)現本質(zhì)是一個(gè)機器學(xué)習的過(guò)程，前提是提供給計算機足夠多的、覆蓋面廣的、優(yōu)秀的學(xué)習案例。少量訓練數據最多只能支撐完成demo，而端到端技術(shù)的成熟必然需要海量?jì)?yōu)質(zhì)訓練數據的支撐，如馬斯克所說(shuō)：“用100萬(wàn)個(gè)視頻case訓練，勉強夠用；200萬(wàn)個(gè)，稍好一些；到了1000萬(wàn)個(gè)，就變得難以置信了。”
在解決數據掣肘方面，有兩個(gè)渠道：一是來(lái)源于真實(shí)世界的優(yōu)質(zhì)駕駛案例，如馬斯克通過(guò)FSD影子模式創(chuàng )建的數據閉環(huán)；二則是源自虛擬世界的虛擬真實(shí)案例，如利用世界模型（World Model）生成的駕駛場(chǎng)景、駕駛案例。未來(lái)各車(chē)企與智能駕駛解決方案商如何攻克數據難關(guān)值得關(guān)注。數據之外，端到端技術(shù)的成熟要求配備足夠的訓練算力。支持端到端模型的訓練需要海量算力支持，但目前還難以支持方案到達量產(chǎn)階段。
中國智能駕駛產(chǎn)業(yè)的發(fā)展以“車(chē)路云一體化”為設計理念，是“單車(chē)智能”+“車(chē)路協(xié)同”雙線(xiàn)發(fā)展。2024年上半年我國L2級的新乘用車(chē)滲透率超過(guò)50%，保守估計，到2030年，L2級以上車(chē)型的滲透率將超過(guò)80%。
我國推進(jìn)車(chē)路云一體化研發(fā)及應用目前存在兩大主要問(wèn)題：當前“車(chē)路云一體化”研發(fā)以及示范仍為初級階段，車(chē)端系統仍然以單車(chē)智能為主，車(chē)企數據尚未接入云控基礎平臺；絕大部分“車(chē)路云一體化”系統仍然為煙囪型架構，未實(shí)現分層解耦、跨域共用。這也是網(wǎng)聯(lián)式智能駕駛迄今為止尚未形成商業(yè)閉環(huán)的兩大原因。未來(lái)，路側、云側基礎設施建設任重道遠。下一步發(fā)展重點(diǎn)在于智能網(wǎng)聯(lián)基礎設施改造，這對未來(lái)智能駕駛實(shí)現，AI超級應用率先落地的意義重大。
3.3 AI助手：AI超級應用軟件
AI助手是當前最快落地的AI超級應用軟件，也是“百模大戰”的直接產(chǎn)物。對個(gè)人消費者，用AI升級辦公、生活體驗已經(jīng)迅速成為潮流。
微軟在2023年9月推出Copilot，將傳統辦公軟件升級為Office+AI，減輕工作負擔、提高工作效率，開(kāi)啟了新一輪辦公室生產(chǎn)力革命。截止2024年8月，用戶(hù)已用Copilot進(jìn)行聊天超130億次，服務(wù)企業(yè)超5萬(wàn)家。驗證了“AI+辦公”商業(yè)模式的可行性。
AI助手的技術(shù)實(shí)現源自大模型的技術(shù)衍生。比如Copilot采用的是微軟投資的OpenAI開(kāi)發(fā)的GPT4模型，此外還利用了DALL-E 3技術(shù)，使得AI助手不僅能回答文字問(wèn)題，還能根據文本描述生成相對應的圖片。這也是微軟能搶先占據AI辦公的核心優(yōu)勢。
國內的主要AI助手有字節跳動(dòng)的豆包、吉印通Comate、騰訊元寶、訊飛星火、月之暗面的KimiChat等，各自具備差異化優(yōu)勢。
3.4 AI作圖、視頻生成
AI進(jìn)行圖片、視頻創(chuàng )作的主要原理是對抗學(xué)習（GAN）：通過(guò)訓練兩個(gè)模型，一個(gè)生成與真實(shí)數據相似的“假圖像”，另一個(gè)負責判斷圖像的真偽，并反饋學(xué)習成果。在兩個(gè)模型的對抗任務(wù)下，逐漸生成逼真的圖像作品，并根據需要切換為不同的藝術(shù)風(fēng)格。
AI圖片生成在to C和to B端都有海量應用潛力。個(gè)人應用的創(chuàng )意繪畫(huà)、AI寫(xiě)真、修圖；商業(yè)領(lǐng)域，從新興的平面設計、電商設計、肖像設計、到傳統的服裝、包裝、工業(yè)領(lǐng)域都能實(shí)現極大的成本節省和效率提升。比如妙鴨相機在A(yíng)I寫(xiě)真領(lǐng)域有一席之地，由阿里云提供算力支持，能實(shí)現照片的快速合成和調整。再比如Midjourney、Stable Diffusion在A(yíng)I繪圖領(lǐng)域也十分熱門(mén)，建筑、插畫(huà)、動(dòng)漫、裝修到線(xiàn)稿、商業(yè)設計等都實(shí)現了場(chǎng)景覆蓋。
在A(yíng)I視頻創(chuàng )作領(lǐng)域，2024年初橫空出世的Sora有望極大降低短劇制作的綜合成本，解決“重制作而輕創(chuàng )作”的共性問(wèn)題，短劇制作的重心未來(lái)有望回歸高質(zhì)量的劇本內容創(chuàng )作。Sora或許能真正為傳媒、文化、游戲等相關(guān)行業(yè)的企業(yè)降本增效，廣告制作公司通過(guò)Sora模型生成符合品牌的廣告視頻，顯著(zhù)減少拍攝和后期制作成本；游戲與動(dòng)畫(huà)公司使用Sora直接生成游戲場(chǎng)景和角色動(dòng)畫(huà)，減少了3D建模和動(dòng)畫(huà)制作成本。企業(yè)節省下來(lái)的成本可以用于提高產(chǎn)品、服務(wù)質(zhì)量或者技術(shù)創(chuàng )新，推動(dòng)生產(chǎn)力進(jìn)一步提升，對現實(shí)的影響與改變，不可不謂之巨大。
3.5 AI教育
教育是科技和社會(huì )進(jìn)步的根基，在A(yíng)I教育領(lǐng)域美國已經(jīng)提前布局，中國需加快追趕。根據Sensor Tower數據，美國AI應用市場(chǎng)下載量前三分別是ChatGPT、Copilot，以及AI教育軟件Question AI。
教學(xué)支持上，AI能幫助教師備課、作業(yè)批改、考試出題、智能閱卷、虛擬實(shí)驗等。比如科大訊飛的星火教師助手，可以設計完整的教學(xué)方案，包含單元主題、教學(xué)目標等模塊化內容，智能匹配大綱所要求的學(xué)習任務(wù)。為老師節省大量時(shí)間經(jīng)歷，同時(shí)附帶了精準、貼切的教學(xué)素材。
學(xué)生輔導方面，AI應用可以實(shí)現個(gè)性化精準學(xué)習，讓學(xué)生獲得和人類(lèi)老師輔學(xué)相等的互動(dòng)式體驗。比如Question AI最核心的功能——拍照答題。AI也能充當外語(yǔ)口語(yǔ)陪練，進(jìn)行電子家教輔導、作業(yè)查漏補缺等，對于學(xué)齡前教育也能起到益智和興趣開(kāi)發(fā)作用。
AI對現代教育體系也會(huì )產(chǎn)生變革性影響。根據美國高等教育信息化協(xié)會(huì )發(fā)布的《2024年人工智能圖景研究》，比起AI帶來(lái)的潛在隱患，落后于時(shí)代是教育最大的擔憂(yōu)。
AI有消除教育不平等的潛力，讓每個(gè)學(xué)生都獲得世界一流的教育。過(guò)去的教育系統是以教師為核心，基于上課時(shí)間安排去塑造學(xué)生。AI教育或將轉向以學(xué)生為核心，基于不同能力、個(gè)性化的學(xué)習來(lái)產(chǎn)生改變。2023年，全球最大的免費教育的非盈利組織可汗學(xué)院（Khan Academy）推出了基于GPT4的AI機器人Khanmigo，對學(xué)生能提供一對一私人導師服務(wù)，對老師也能成為超級助教，目前已有超過(guò)65000名用戶(hù)。2024年4月17日,我國教育部也公布了首批18個(gè)“人工智能+高等教育”典型應用場(chǎng)景案例,包括北京航空航天大學(xué)、北京師范大學(xué)、哈爾濱工業(yè)大學(xué)等高校成為首批試點(diǎn)高校，在教育教學(xué)模式創(chuàng )新方面探索AI應用。
3.6 AI具身智能體+軟件：AI PC、AI 手機
PC、手機的芯片隨著(zhù)過(guò)去十年的發(fā)展已經(jīng)達到相當高算力水準，與AI模型部署天然適配，是第一批可以快速落地的端側運行AI的硬件載體。
AI PC和AI手機最大的優(yōu)勢在于，一方面可借助生成式AI進(jìn)一步拓展能力上限，不僅響應更即時(shí)，其定制化程度也更貼近用戶(hù)習慣；另一方面，內嵌AI可以實(shí)行本地化模型部署，確保了個(gè)人數據和隱私安全。
無(wú)論是芯片企業(yè)、電腦廠(chǎng)商還是手機企業(yè)都將“產(chǎn)品AI化布局”提上日程。英偉達和AMD分別推出了AI-Ready RTX筆記本、Ryzen AI架構。聯(lián)想一口氣推出AI PC ThinkPad X1 Carbon AI等十余款AI PC，華碩2024年推出Zenbook S16，戴爾推出XPS 14。華為HarmonyOS 4系統全面接入盤(pán)古大模型，蘋(píng)果最新iPhone16也全系搭載AI大模型。
以AI PC為例，初步功能有：①輔助辦公、會(huì )議紀要；②輔助創(chuàng )作繪畫(huà)、文案生成；③個(gè)人知識庫、知識問(wèn)答、本地搜索。2024年Q2全球PC出貨量升至6280萬(wàn)臺，同比增長(cháng)3.4%，結束了七個(gè)季度的同比下滑；其中AI PC出貨量達到880萬(wàn)臺，占總出貨量的14%。
對比來(lái)看，由于PC端搭載芯片性能優(yōu)于手機，AI PC滲透速度將快過(guò)AI手機。IDC預測，2024年全年AI PC的市占率或達到55%，2027年將達到85%；生成式AI智能手機2024將增長(cháng)344%，占18%市場(chǎng)份額。
4 下半場(chǎng)，更要重視AI的價(jià)值對齊問(wèn)題
AI進(jìn)步最緊迫的挑戰是盡可能地在不同情形和復雜環(huán)境中做出符合人類(lèi)價(jià)值觀(guān)的判斷，即人機對齊問(wèn)題（Alignment Problem）。
算法和人類(lèi)學(xué)習的方式相似，但并不清楚人類(lèi)對公平性、安全性、道德性的認知。所以特定領(lǐng)域需要人為篩選、標記數據、在監督學(xué)習中應對具體的問(wèn)題。
第一類(lèi)是算法搭建謬誤：訓練用的數據樣本是準確的，但訓練規則沒(méi)有考慮到統計學(xué)偏差。例如，微軟計算機專(zhuān)家Rich Caruana在上世紀90年代使用機器學(xué)習模型幫助肺炎患者就診時(shí)，就曾錯誤地將哮喘病史歸類(lèi)為低風(fēng)險因子，原因是機器學(xué)習的樣本中哮喘患者死于肺炎的可能性很低。實(shí)際上有哮喘病史的肺炎患者有嚴重健康風(fēng)險，但他們通常會(huì )受到重點(diǎn)護理，所以樣本中的死亡率低，數據表現上哮喘病史和肺炎死亡的關(guān)聯(lián)度也會(huì )降低。
第二類(lèi)是數據來(lái)源偏見(jiàn)。例如，麻省大學(xué)匯集的公共人物圖片庫在用于機器學(xué)習時(shí)，被發(fā)現存在偏見(jiàn)問(wèn)題：男性占比超過(guò)77%，白人占比超83%，一些少數族裔甚至沒(méi)有樣本，因此訓練的模型就會(huì )生成性別和種族其實(shí)內容。搭建團隊隨后解釋稱(chēng)：數據全部來(lái)源于在線(xiàn)新聞中收集的圖像，并無(wú)主觀(guān)調整。該結果反應了公共新聞報道本身就存在偏見(jiàn)，數據背后的動(dòng)機和目標并非純粹理性。因此，當數據已盡可能的具有包容性時(shí)，AI的非監督訓練會(huì )直接產(chǎn)生道德問(wèn)題。
第三類(lèi)是道德兩難困境（Moral Dilemma）。比如，自動(dòng)駕駛決策的擔憂(yōu)：算法如何在道路兩難情景中去做決策？設想汽車(chē)前方突發(fā)事故，必須在短時(shí)間內緊急換道，但左側是載有孕婦的車(chē)輛而右側是懸崖，兩種決策的后果都是致命的，此時(shí)算法該如何去權衡后果？并沒(méi)有正確的答案。因為人類(lèi)社會(huì )的道德框架并非完全一致，不同的價(jià)值觀(guān)、文化、認知背景存在著(zhù)道德差異，以用一種達成共識的行為準則來(lái)建設“AI的道德性”還難以具備客觀(guān)條件。
為解決人機對齊問(wèn)題進(jìn)行嘗試，AI前沿企業(yè)除了發(fā)布各自的AI倫理準則，也通過(guò)收集用戶(hù)反饋進(jìn)行算法改進(jìn)。OpenAI提出過(guò)超級對齊要求準則（但隨著(zhù)業(yè)務(wù)重心轉變和管理層變動(dòng)已不是主要目標），微軟通過(guò)可視化工具和解釋性算法來(lái)揭示模型工作機制。各主權政府也相繼出臺文件監管，中國注重安全評估標準和生成內容標識，美國提出算法歧視保護和數據隱私要求，歐洲強調AI的自主性、預防傷害、公平性和可解釋性。
澤平宏觀(guān)人工智能系列研究報告：
13. 《 用AI新質(zhì)生產(chǎn)力破局經(jīng)濟 》，2024年8月22日
12.《中國智能駕駛報告2024：未來(lái)已來(lái) 》 ，2024年7月25日
11.《AI賣(mài)鏟人“英偉達”，為何業(yè)績(jì)再度爆發(fā) 》，2024年5月25日
10.《特斯拉推低價(jià)車(chē)型與無(wú)人駕駛翻盤(pán) 》，2024年4月25日
9.《人工智能進(jìn)入“開(kāi)箱即用”時(shí)代》，2024年4月19日
8.《 Sora 橫空出世，會(huì )顛覆哪些行業(yè)？ 》，2024年2月20日
7.《人工智能的機會(huì )可能在這些領(lǐng)域率先爆發(fā) 》，2024年2月3日
6.《 中國人工智能研究報告：大模型和全民AI 》，2023年8月18日
5.《 模型即服務(wù)，好云新生態(tài) 》，2023年4月10日
4.《文心一言開(kāi)啟國產(chǎn)大模型時(shí)代，應用新機遇》，2023年3月23日
3.《 中國智能駕駛報告2023：車(chē)聯(lián)萬(wàn)物，暢想智行 》，2023年2月9日
2.《 任澤平：中國經(jīng)濟的AI加速度 》，2022年9月24日
1.《 都來(lái)上云！產(chǎn)業(yè)智能化，下一個(gè)爆發(fā)點(diǎn) 》，2022年9月7日
