伴隨 AI 產業(yè)鏈結構的 逐步清晰，以及大模型帶來的產業(yè)運作效率、技術深度的大幅改善，中期維度，假設 AI 技術不發(fā)生跳變式躍遷前提下，我們判斷 AI 產業(yè)鏈價值有望逐步向兩端靠攏，中間環(huán)節(jié)價 值有望持續(xù)減弱，并逐步形成“芯片+算力基礎設施+AI 框架&算法庫+應用場景”的典型產業(yè) 鏈結構，同時在這樣的產業(yè)結構安排下，我們預計上游的芯片企業(yè)、云基礎設施廠商，以 及下游的應用廠商有望逐步成為 AI 產業(yè)快速發(fā)展的核心受益者。

AI 芯片：GPU+FPGA+ASIC 并存局面。技術理論層面，GPU 的峰值性能與泛用性更 為出色，尤其是英偉達推出了 CUDA 編程框架，大大降低了開發(fā)難度。但 GPU 底層無法 編輯，如果出現(xiàn)底層算法的更改需要重新部署。FPGA 具有足夠的計算能力和足夠的靈活 性，F(xiàn)PGA 也是一種半定制的硬件，通過編程可定義其中的單元配置和鏈接架構進行計算， 因此具有較強的靈活性。

AI 訓練環(huán)節(jié)：GPU 料將占據(jù)主導地位。伴隨谷歌借助 BERT 模型在對話式 AI 領域的突破，以及微軟的跟進，AI 訓練端芯片的需求再次被激發(fā)。我們判斷，在 當前技術可預期的范圍，對話式 AI(主要用于 NLP 等)、廣度&深度推薦系統(tǒng)將 構成中期市場核心應用場景之一。

AI 推理環(huán)節(jié)：市場百花齊放，核心在于應用場景的匹配。不同于訓練類芯片， 更注重功耗、成本以及延遲類的需求，GPU 在推理環(huán)節(jié)優(yōu)勢并不明顯，F(xiàn)PGA 與 ASIC 等新興產品將會百花齊放。相較于訓練環(huán)節(jié)，推理環(huán)節(jié)是一個更大、更 具吸引力的市場，但同時相較于訓練環(huán)節(jié)，推理環(huán)節(jié)對于計算復雜度、計算精度 要求不高，但對于延遲較為敏感，本身技術要求和訓練存在明顯不同。同時傳感器技術的成熟、通信網絡的發(fā)展等，亦將極大促進邊緣智能計算設備的需求，以及最終帶動對推理芯片的需求。但在企業(yè)內部服務(推理)仍面臨延遲、功耗等 層面的明顯短板。

狹義AI和通用AI的區(qū)別

在電影中，AGI 是《星際迷航》中的數(shù)據(jù)、《星球大戰(zhàn)》中的 C-3PO 和《銀翼殺手》中的復制人。雖然從直覺上看，狹義 AI 與一般 AI 是同一類東西，只是一種不太成熟和復雜的實現(xiàn)，但事實并非如此。通用 AI 有所不同。例如，識別垃圾郵件在計算上并不等同于真正的創(chuàng)造性，而通用智能則可以做到這一點。

我曾經主持過一個關于人工智能的播客，叫做“人工智能中的聲音”。這很有趣，因為大多數(shù)偉大的科學實踐者都是平易近人的，也愿意上播客。因此，我最終得到了超過100位偉大的AI思考者對這個話題的深入討論。有兩個問題我會問大多數(shù)客人。第一個問題是，“通用人工智能可能嗎?”幾乎所有人——只有四個例外——都說有可能。然后我會問他們我們什么時候能造出來。這些答案五花八門，有的五年就有了，有的長達500年。

通用人工智能：意識的復雜性

盡管我們不了解大腦或思想，但實際上從那里開始就變得更加困難：一般的智力很可能需要意識。意識是你對世界的體驗。溫度計可以準確地告訴你溫度，但它感覺不到溫暖。知道和體驗的區(qū)別，就是意識，我們幾乎沒有理由相信電腦能像椅子一樣體驗世界。

所以現(xiàn)在我們有了我們無法理解的大腦，無法解釋的心靈，至于意識，我們甚至沒有一個好的理論來解釋僅僅是物質如何可能有一種體驗。然而，盡管如此，相信通用人工智能的人工智能人士相信，我們可以在計算機中復制人類的所有能力。在我看來，這似乎是一種魔幻思維。

基礎研究并不關心通常由解決問題產生的社會或經濟利益。它尋求認識論的目的。例如，DeepMind最近在Gato上發(fā)布，該公司將其描述為“通用”解決方案。Gato可以執(zhí)行600多種不同的任務，包括玩視頻游戲、組織對象、為圖片添加字幕和聊天。一位DeepMind研究人員甚至聲稱，關于AGI，“游戲結束了!”然而，這六百項任務中沒有一項與治愈疾病、減少能源消耗或發(fā)明新材料有關。即使我們接受Gato是通用的，而不是一些炫耀的多功能解決方案(確實如此)，DeepMind也未能解決他們在五年前宣稱對通用解決方案很重要的任何問題。他們正在玩的游戲與私人或公共價值創(chuàng)造無關，因為沒有任何問題重要到需要解決。