2023年，以ChatGPT为代表的通用人工智能模型掀起了全球人工智能产业的新一轮发展浪潮，中国人工智能大模型市场正呈现出数百个“模型”竞相变化的快速增长态势，预计2023年市场规模将达到21亿美元， 同比增长110%。2024年，AI模式将进入赋能千行百业的关键时期，孕育未来产业的新模式、新业态。
人工智能行业将保持快速增长态势
2023年，我国人工智能核心产业规模达到5000亿元，企业数量突破4400家，其中人工智能大模型市场规模达到21亿美元，同比增长110%。 展望2024年，人工智能产业将保持快速增长和发展态势，逐步进入垂直行业和前沿领域深度赋能的新阶段，大力推进新型工业化建设和经济发展高质量发展。
人工智能产业的规模正在快速增长。 目前，全球人工智能产业正处于快速发展期。 IDC数据显示，2022年全球AI IT投资总额为1288亿美元，2023年全球AI IT总投资有望达到1540亿美元，同比增长196%。展望2024年，人工智能产业发展将成为全球经济复苏的风向标。 据沙利文咨询**预测，2024年全球人工智能市场规模将达到6158亿美元，中国规模将超过7993亿元。 在人工智能的主要细分领域中，大型模型作为前沿热点，增长速度最快。 据钛**国际智库报告，预计2024年全球人工智能大模型市场规模将超过280亿美元，中国大模型市场规模将达到216亿元，继续保持两位数的增长速度。 人工智能领域投融资数量和金额将再创新高，发展态势将持续向好。
排行榜的揭晓，为通用人工智能的发展开辟了新的方向。 2023年，未来产业创新任务揭幕稳步推进，共涵盖元宇宙、人形机器人、脑机接口、通用人工智能四大重点赛道的52个揭幕主题。 展望2024年，通用人工智能各项任务的揭幕单位将进一步推动产业化进程从基础研究、技术创新、产品开发到应用落地，通用人工智能等前沿领域的融合创新有望发挥关键作用，培育和催生未来产业新模式、新业态， 高水平赋能新型工业化，加快培育新品质生产力。
人工智能专业人员的培训体系不断完善。 2023年，全球主要国家纷纷将人工智能技术人才培养作为提升国家竞争力的重点举措，国内高校围绕核心技术和顶尖人才加强部署，通用人工智能人才培养新机制建设步伐明显加快。 展望2024年，我国人工智能人才培养体系将进一步完善。 在交叉学科融合中，人工智能基础课程以梯度的方式融入其他专业的传统课程体系中，推动人工智能在产学研生态中深度赋能的关键是从不同学科的角度探索融合应用。 同时，进一步加强人工智能伦理和法制教育，培养具有敏锐社会责任感的人工智能专业人才，是推动我国人工智能产业创新和社会发展的重要保障。
大模型深度赋能垂直行业和前沿领域的趋势越来越突出。 2023年，国产大型车型将呈现一段时间的爆发式增长，仅2023年1-7月，就共发布64款大型车型。 据不完全统计，截至2023年11月，国产大款188款，其中普通大款27款，已备案大款20余款，大部分已向全社会开放。 基于对2200家AI骨干企业关系数据的定量分析，中国AI已广泛赋能智慧金融、智慧医疗、智能制造、智慧能源等19个应用领域。 展望2024年，大型车型将逐步扩大，赋能自动驾驶和具身机器人，AI为科学持续赋能科研，推动科学领域创新，提升科研效率，推动科学家在探索“无人区”领域、解决重大难题等方面取得新的突破和成果。
最大的挑战是进入该行业的壁垒越来越高
目前，我国人工智能产业发展仍面临行业准入门槛高、监管体系不完善、重点行业应用率低、大模型无序竞争等压力和挑战。
算力需求高+高成本投入“提高了行业进入门槛。 一方面，要让AI模型“变大”，需要克服算力挑战和理论局限性，而让模型变大并不是简单地增加神经网络的深度和堆叠人工神经元就能实现的。 基于CNNs、RNNs等人工神经元的模型需要采用串行结构，模型训练过程需要按顺序执行，无法充分利用所有计算资源。 随着模型参数数量的增加，训练时间呈指数级增加，收敛性变得更加不可控，使得找到全局最优解变得更加困难。 另一方面，大型AI模型的训练成本包括GPU等计算芯片的成本、服务器成本、标准机柜成本、训练期间的功耗成本、人力投入成本等。
在适当监管和促进发展之间取得平衡具有挑战性。 人工智能产业目前正处于快速增长期，其技术演进和经济社会影响存在诸多不确定性。 一方面，人工智能具有强大的创新力，有望发展成为经济增长的新引擎，大大提升社会福祉。 另一方面，人工智能带来的伦理、安全、负外部性等问题也频频引起社会关注。 以何种力量、以何种方式、在什么时间合理监管人工智能，是监管者需要关注的难题。
人工智能在重点行业的应用率较低。 一方面，人工智能在我国大部分传统产业的应用仍处于小规模试点阶段，人工智能应用在顶级制造企业的渗透率远远落后于欧美。 另一方面，在关键应用领域，大型模型缺乏典型应用案例。 目前，大型模型在工业领域的初步探索性应用主要集中在设计辅助、质量改进、设备维护等方面，目前还没有可复制的工业大型模型的广泛实施或形成。
由于大型模型数量过多，存在无序竞争的风险。 一方面，训练集的同质化导致大型模型的同质化。 目前，国内很多大型模型的训练集都是普遍公开的英文训练集，同质化现象较为突出。 另一方面，超高的培训成本和开发技术的门槛使得中小企业难以投资此类项目。 高质量的培训语料库和大规模人工标注的成本决定了只有大型机构或龙头企业才有能力开发相应的大型模型，而成长型企业的盲目跟进会导致大量的投资失败和泡沫过多。
打造人工智能产业合作生态
针对上述问题，课题组建议降低算力使用门槛，优化算力体系建设，加快赋能千行百业构建产业合作生态，推动监管方式创新，提高应对挑战能力，合理规范无序竞争，促进大模式健康发展。
降低算力使用门槛，优化算力体系建设。 一是加强分布式计算、量化、内存优化、算子融合等关键核心技术的研究和应用，减少大模型推理的延迟，提高吞吐量，降低算力需求。 二是发布算力优惠券实施方案，支持大模型应用。 为企业提供算力券补贴支持，着力帮助企业降低智能算力使用成本，全力支持制造业等重点领域企业开展人工智能产业大模型的探索与落地。 三是建议分步推进智能算力中心建设，先追求算力普及，降本提利用率，再逐步扩大容量。
加速赋能千行百业，打造产业合作生态圈。 一是引导人工智能企业与行业龙头开展有针对性的合作。 行业企业基于真实的业务场景、数据和行业的真实需求，开发核心算法和预训练模型，共同开发大型应用模型。 二是搭建人工智能企业与行业企业对接平台。 搭建人工智能企业与制造业、医疗、农业等行业企业对接平台，帮助双方实现技术、模型、数据、场景等资源对接，孵化行业应用模型。 三是依托工业互联网平台，打造人工智能企业与产业企业的大规模模式合作生态。 通过工业互联网平台，实现两者的快速对接，提供人工智能元素的在线交易服务，保障算法、模型和数据的安全性，建立针对不同行业的标准化大模型开发环境。
推动监管手段创新，提高应对挑战的能力。 一是密切跟踪人工智能技术的发展趋势，及时了解最新进展，判断社会影响。 二是鼓励相关治理方法和技术同步创新，推动人工智能文本分类器和生成式人工智能检测方法的创新。 三是提高监管人才的技术素养。 四是建立多方合作的治理格局。 有关主管部门要加强与人工智能领域科研院所和企业的交流与合作。
合理规范无序竞争，促进大模型健康发展。 一是探索建立超过一定尺度参数的大模型训练归档机制，引导减少同构大模型的无序竞争。 二是探索建立大型模型安全可靠性评价标准，提出具体的技术标准和评价标准，确保各类大型模型在各种应用场景下都能稳定可靠运行。 三是对大模型的应用场景进行分类管理，明确不同类型大模型的使用范围和局限性，避免应用不当带来的负面影响。
作者丨赛迪智库人工智能产业态势分析研究组主编丨徐恒美 编辑丨玛丽亚 制片人丨连晓东.