諾獎進入“AI時代”，人類何去何從？_風聞

“假設青蛙創造了人類，那麼你認為現在誰會佔據主動權，是人，還是青蛙？”

這是“AI教父”傑弗裏·辛頓在2023北京智源大會上提出的問題。作為谷歌前任副總裁，他不惜辭去擔任了十多年的職位，只為能夠自由地討論、提示“人工智能的危險”。

只不過，一年過去，AI不僅沒有走到他口中的“毀滅人類”那一步，反倒是給他帶來了無數科學家夢寐以求的榮譽—諾貝爾物理學獎。而且不僅是物理學獎，諾貝爾化學獎也同樣頒給了三位用 AI 研究蛋白質結構的科學家，震驚學界。

代表人類在物理學和化學領域的最高成就和最新成果的大獎，如今卻頒給了AI。這不僅僅是對科學家的認可，顯然也是對“AI輔助科學研究”這一應用趨勢的肯定。

與此同時，10月9日，英偉達在華盛頓啓動了為期三天的“AI峯會”。和以往不同，這次的發佈會並不涉及新產品，而是更多地聚焦於AI在應用層面取得的成功。用英偉達企業平台副總裁鮑勃·佩特的話來説，“世界正處在AI應用的邊緣。”

從諾獎對AI應用的鼓勵，再到英偉達對AI應用的關注，我們可以從中得到怎樣的啓示？

接連震驚物理學界與化學界，AI的故事講到哪一步了？

根據瑞典皇家科學院的解釋，傑弗裏·辛頓之所以能獲得諾貝爾物理學獎，是為了表彰他在使用人工神經網絡進行機器學習方面的奠基性貢獻。他提出的機器學習技術被廣泛運用於物理學界的數據分析、模型構建等領域。

與此同時，諾貝爾化學獎則有一半共同授予了谷歌旗下DeepMind公司AI科學家德米斯·哈薩比斯和約翰·江珀，以表彰他們研發出的“Alpha Fold2”模型在蛋白質結構預測方面的成就。

不難看出，在這兩個案例中，AI其實並沒有單獨獲獎，它在學界也並不是孤立的，而是以交叉學科、跨界融合的方式應用在具體的科研領域。

與之相似的是，在英偉達的AI峯會上，副總裁鮑勃·佩特也在強調AI在現實領域的應用：“從智能助理，到機器人工廠，再到天氣預測，治療癌症、探索外星，在英偉達的CUDA庫中已經有超過4000個AI應用，幫助各行各業實現突破。預計人工智能將在所有利用該技術的行業裏產生高達20萬億美元的影響。”

例如，美國國家癌症研究所正在使用英偉達的AI服務，用於醫學圖像分析、從大數據庫提取信息，從而幫助藥企和科研人員篩選新藥分子，大大減少開發新藥所需的時間。

事實上，不只是英偉達，此前，Meta曾經推出了首款AR眼鏡，開始探索AI硬件，最近又推出了Meta AI聊天軟件，開始“軟硬一體”地探索AI應用。而馬斯克更是將FSD視為特斯拉的核心賣點，聲稱自己推出的Robotaxi會重塑全球交通運輸行業，“這將載入史冊”。

由此可見，AI的發展的重心，已經從早期的算力層、模型層，開始全面轉向最終的應用層；AI的技術的進步也將由“技術驅動”轉向“應用驅動”。

為什麼會產生這種轉變？

回顧生成式AI的發展歷程。在短短几年內，從算力芯片、服務器的進步，到算法和模型的優化，再到消費端應用的井噴，與AI有關的產業鏈生態幾乎在瞬間形成。放在過去的工業和互聯網革命時代，這一過程往往需要經歷了幾十年甚至上百年的積累，如今卻大大加速，為什麼？

資本的介入無疑是最大的動力，近年來，中國、美國、歐洲的科技巨頭、投資機構幾乎是在“爭搶”着在投資AI。

以亞馬遜、微軟、Alphabet和Meta的季度資本支出情況為例，在今年的第二季度，四大巨頭共花費500多億美元投資AI。Meta首席執行官扎克伯格更是公開宣佈，公司將在2024年底前購入60萬顆GPU。馬斯克也表示計劃在明年夏季前採購30萬顆GPU。

與此同時，中國的阿里、騰訊等互聯網大廠也不甘示弱，將國內的幾大AI初創公司悉數收入囊中。

圖源：智東西

熱錢的湧入，更是讓AI初創公司估值水漲船高。從最近一輪的融資情況來看，Open AI的投後估值已經達到1570億美元，僅次於字節跳動和埃隆·馬斯克創辦的Space X。

然而，這種投入在早期雖説是不計成本，但從長期來看，仍然是企業為了追求更高的營收和利潤增長而進行的投資，是需要拿出回報的。而目前來看，除了英偉達、台積電等上游廠商賺得盆滿缽滿以外，幾乎所有的大模型都在瘋狂虧損。據Open AI預測，公司目前高達數十億美元的年度虧損將持續擴大，預計在2026年將虧損140億美元，2029年才能盈利。

從這個角度來看，無論是算力芯片公司（如英偉達），還是科技巨頭（如Meta、tsla），都需要讓AI在應用層面展現出真正的商業化能力、證明自己，才能吸引更多的人和錢參與進來，將AI的故事講下去。因此才會出現這種在發展重心上的轉變。

AI產業革命將如何演進下去？

事實上，宏碁集團創辦人施振榮曾經提出過一個“微笑曲線”理論，用來解釋當下大部分AI公司盈利難的問題再合適不過。

在他看來，製造業中，研發和營銷等高附加值環節位於曲線兩端，往往能夠獲取較高的利潤，而中間的生產製造環節所獲得的利潤則相對較低。

類比到AI，AI產業鏈也同樣包括三個主要環節：GPU製造/雲計算、大模型開發、AI應用。

其中，底層服務商通過銷售算力芯片硬件和提供雲服務器業務，賺取豐厚的利潤。而AI應用層企業則處在最靠近市場和變現的位置，將AI融入到自動駕駛、醫療診斷、智能家居等各種場景，憑藉AI打造產品力，也能獲得不錯的溢價。

相比之下 ，只做大模型的AI公司，既要受到上游基礎設施的制約，後有AI應用廠家落地的卡位，且研發成本高、技術門檻高，迭代競爭激烈，從而導致這一環節出現利潤低、變現慢的窘境。以自動駕駛技術為例，英偉達通過提供高性能GPU，佔據產業鏈的高地；特斯拉、Waymo等，通過自動駕駛應用的開發，同樣創造了巨大的商業價值。但一直默默“奉獻”的底層大模型，卻獲利甚微，還面臨着高成本和激烈競爭的巨大壓力。

在過去，GPU廠商（如英偉達、AMD）、大模型廠商（如Open AI），應用端廠商（如蘋果、微軟、特斯拉），他們在自己的行業內各自為戰，展開競爭。如今，他們開始嘗試“抱團”，對產業鏈進行垂直整合：產業鏈上游的英偉達參與到了中游的大模型公司Open AI的融資，產業鏈下游的微軟、蘋果更是與Open AI深度綁定。中國的華為、阿里、騰訊、蔚小理等企業從芯片製造，到大模型訓練，再到實際應用，也開始逐步對AI進行產業鏈層面的垂直整合。

事實上，移動互聯網時代的蘋果，新能源車時代的比亞迪，都曾通過這種一體化戰略大大加強自己在行業內競爭力。這種成功的經驗或許同樣能夠為AI時代的企業們帶來啓示：“誰能夠率先將芯片、算力、數據、模型、應用這五點統一，誰就能夠在這場科技革命浪潮中最先摘到‘低垂的果實’。”

來源：美股研究社