(相关资料图)

历次变革都带来了全新的发展模式，大模型技术催生新模式，AI 成为人类智能伙伴。历史每次技术变革都带来新的发展模式。农耕技术的进步使人类从游牧生活转向定居生活，工业社会解放了土地和体力劳动，机械、电器和电子设备取代了繁重的体力劳动。信息时代，人们轻松获得信息，大量脑力得以释放，推动产品经济向服务经济转变。这次的变革与以往不同，如今AI 大模型能通过学习和训练开始涌现出类似人类的思辨和创造能力。

ChatGPT 发布后，AI 大模型持续发生迭代和变化，这种思辨和创造能力还在以很快的速度不断提升。我们认为大模型不仅仅是主流观点中的生产力提升工具，而有可能成为人类智能的合作伙伴，辅助人类的创新和研发活动。

AI 正成为科技创新的发动机。过去的十年里，机器人、无人驾驶和元宇宙行业发展缓慢，近期AI 大模型正在以极快速度加速这三个领域的技术演进。

机器人领域，AI 作为控制器简化开发、降低成本，研发速度直线上升。最近，微软的研究展示了ChatGPT 在推理现实世界并协助机器人执行任务方面的潜力。通过自然语言输入，ChatGPT 能够指挥机械臂制作微软Logo、引导无人机寻找目标等，虽需一些辅助，但已经显著减轻机器人开发负担。

元宇宙是基于互联网而生，与现实世界相互打通，平行存在的虚拟世界，过去场景真实性的难题在AI 和大模型的助力下取得突破，原来100 分钟的视频可能需要100 人的团队工作半年才能做出来，现在可能只需10 分钟。湾区设计师Ammaar Reshi 利用ChatGPT 和MidJourney，仅需6 小时就创作出一部蝙蝠侠的动画。智能驾驶领域，相较于传统方法每张图片需要花费约5 元进行标注，DriveGPT 的单帧图片标注成本降至仅为前者的十分之一，它还将逐步应用到城市 NOH、捷径推荐、智能陪练以及脱困场景中。此外，依靠GPT 赋能的仿真技术，科技产业步伐不断加速，成本降低。半导体材料以往研发周期需长达三年，如今依托500 片GPU 仅需两个月，工艺质量还得到提升，未来甚至有望缩短至10 天。

大模型面临的挑战在于数据供给。大模型的未来可能会面临数据匮乏问题，数据决定了机会所在，它是连接世界的桥梁，大模型没有足够数据便难应对复杂任务。进入数据资源时代的行业，需满足正反馈：即数据来源越多，应用者越多，数据来源更多，正反馈增强，反之则停滞。高质量数据培养高智力模型，提供优越体验吸引用户，在应用中又产生更多的数据，构筑GPT商业闭环。数据将主要来自三个地方：1）智能手机，如果GPT 成为不可或缺的助手，智能手机将成为主要数据来源。这不仅依赖于云计算，还需要边缘计算的支持。智能手机的潜力在未来仍有可能被低估；2）物联网，其崛起将深刻地信息化各行各业，为GPT 数据探索提供巨大机遇。3）虚拟场景，如在元宇宙中进行数字工厂的模拟，通过数据系统、仿真和3D 可视化等方式，优化制造过程，从中产生高质量数据。

大模型发展的下一步在于行动。若大模型是大脑，要使AI 在现实中替代人类操作，需赋予其执行能力，即Model+Action，类似人类感知、思考、实现的过程。例如，机器人听到“我渴了”，不仅理解需求，还能感知环境、找到水壶并用机械臂倒水，过程中，它会计算最佳行动路径，高效完成任务。

人脑与四肢的协同是生物进化的成果，智能机器在此领域的提升充满挑战与机遇。当前，类似引导机械臂运动轨迹的空间计算技术不断发展，将数字与真实世界融合，有望助力物理和数字世界的无缝交互。

风险提示：大模型进展不及预期，算力芯片发展不及预期，AI 相关应用落地不及预期