人类历史的叙述与技术进步的影响深深交织在一起。
迄今为止，每一次工业革命都彻底改变了我们社会的轮廓，引入了机械化、大规模生产和数字化，并重新定义了人类生存的规范。
自2022年11月30日OpenAI发布ChatGPT以来，从GPT3.5发展到如今的GPT4.0、Claude3、Gemini、Sora，微软、谷歌、亚马逊等国际科技巨头先后入场，以及华为(盘古)、腾讯(混元)、百度(文心)、阿里(通义)等中国玩家不断加入，科技创新正以前所未有的速度拉开了第五次工业革命的序幕，成为重塑产业创新和经济增长模式的重要力量。
今年两会期间，“新质生产力”成为出现频率最高的热词。2024年政府工作报告将“大力推进现代化产业体系建设，加快发展新质生产力”作为第一大任务。
“人工智能+”行动的提出，预示着AI技术将进一步与实体经济、传统产业乃至社会治理等领域深度融合，形成新型生产力形态，推动经济社会高质量发展。
面对AI在提升生产力方面带来的巨大想象空间和更多未知，中国AI准备好了吗?
1.新质生产之“力”
当前，中国大力开展“人工智能+”行动，已初步建成比较全面的AI产业支撑体系。作为新质生产力重要的驱动引擎，“人工智能+”行动将在撬动新质生产力发展发挥着重要的作用。
中国信通院数据显示，2023年中国AI核心产业规模达到5787亿元，相关企业数量达4482家。
多方数据显示，中国AI产业链已覆盖芯片、算法、数据、平台、应用等上下游关键环节，细分领域不断取得突破，目前在AI和机器人等关键未来产业领域具备国际竞争力。
从形态看，AI不再是单一的产业、单一的集群，已经成为宏观经济新动能的内核驱动力。ChatGPT推出以来，其对经济和产业的变革影响力正逐渐增强。
ChatGPT实现了从“企业产品”到“产业工具”的跨越，从创新探索到生产力赋能的跨越。
2023年被视为中国大模型的发展元年，包括中国头部科技企业(阿里、百度、腾讯、华为、字节等)、新兴创业公司(百川智能、智谱、MiniMax等)、传统AI企业(科大讯飞、商汤科技等)以及高校研究院(复旦大学、中科院等)等都在加速大模型领域的投入。
工信部赛迪研究院的数据显示，2023年我国大模型市场规模将达到132.3亿元，增长率将达到110%。
目前，我国已有超过19个语言大模型研发厂商，从模型参数数量上看，根据Info Q发布的《大语言模型综合能力测评报告2023》，发布大于百亿级别参数规模的模型的国内企业已达到15家。
据专家预测，2035年生成式AI有望为全球贡献近90万亿元的经济价值，其中我国将突破30万亿元。
在大模型产品百花齐放的当下，大模型实现了计算机能力从“搜索”到“认知与学习”，再以进一步发展为“行动与解决方案”层面。
由于创业门槛高，中国的大模型创业者很快就意识到，基础大模型未来可能是少数几家寡头的游戏，更多的机会蕴藏在应用层当中。
在大模型的首年，“第一幕”是从技术出发，发现了基础大模型这个新的“锤子”，目前市场正在进入“第二幕”，将端到端地解决人类问题。也就是说，需要拿着锤子找钉子。
事实上，正是基础大模型的发展为应用层的繁荣提供了必要的条件，也让聚焦于垂直应用的AI创业公司的成本大大降低。
越来越多开源大模型的出现，让创业公司不必自己投入大量资源训练模型，可以在这些开源大模型的基础之上，利用自己积累的行业数据进行微调，从而形成满足特定任务的应用。
业内的一个共识是，中国在基础大模型方面不具有显著优势，但可以在应用层方面另辟蹊径。
中国拥有庞大的市场和用户基础，更容易获取大量的用户数据和应用场景，能为大模型的应用提供丰富的数据资源。
同时，多样化的场景也为大模型应用提供了广阔的空间，例如在智能客服、智能推荐、智能翻译等领域，中国大模型已经取得了显著的成果。
2.从“狂热”到“理性”
尽管大多数人仍然看好AI的前景，但是投资人却越来越谨慎。尤其是在国内，AI热潮似乎以超乎想象的速度回归理性。除了“谁会成为‘中国OpenAI’”的期待，市场开始思考起AI创业的风险性。
AI大模型赛道具有技术门槛高、资金投入多、商业模式尚不成熟的特点，尤其是在国内智能算力较为短缺的现状下，各家大模型在持续投入人力、算力、资金并实现商业化落地方面，可能会面临较大挑战。
首先，AI会产生数据隐私安全性的风险，同时AI企业在形成数据、获取流量和模型技术方面会通过垄断而取得超额的利润。
从互联网技术到AI技术就是一个从“技术创新”到“技术垄断”的过程，AI企业可以在操作系统、用户入口等方面进行技术垄断，从而造成诸多不合理的利益分配。
其次，AI能把用户变成技术的附庸，使用户逐渐过度依赖AI而停止了技术和文明的进步。
第三，AI还可能产生智能鸿沟，AI技术的基础设备和底座可能会由某个国家企业垄断提供，而导致其他国家的开发者被局限在应用和生态层面的开发，没有能力介入底座的开发。
现今的互联网技术是由共同主体来驱动技术进步，提供多元服务，而将来AI则可能会被一家企业、一种通用技术或者一个通用底座来制约。
如何构建健康的AI产业生态，合理的分工来保证全球AI产业生态可持续发展?我国一直以来都重视AI的安全问题，注重加强AI伦理和法律等方面的研究，制定合适的规范和标准来指导和规范AI技术的发展和应用。
去年7月，网信办等七部门发布了《生成式人工智能服务暂行管理办法》，坚持发展和安全并重、促进创新和依法治理相结合的原则，采取有效措施鼓励生成式人工智能创新发展。
纵使生成式AI的落地有诸多困难和不确定因素，但从业者无不对其充满乐观和期待。展望2024年及未来，更多行业将积极主动地拥抱生成式AI，并着手制定更加契合行业发展的AI治理策略。
伴随大模型技术的不断成熟和应用场景的扩展，产业化和商业化进程不断加速。越来越多的企业将大模型技术应用于实际业务中，推动了AI技术的落地和普及。
对比Open AI在去年11月召开的首届开发者大会中连续推出GPTs与Assistant API，百度发布了App Builder，旨在简化大模型应用的开发流程。
App Builder平台提供了一系列核心组件，例如原子化构件、RAG(检索生成增强框架)以及Agent机制，并以完整模版和框架的形式向开发者提供以促进开发效率。
同时，国内也涌现出一批专注于大模型技术研发和应用的企业，为大模型产业的发展注入了新的活力。
例如去年3月，百度推出全球首个企业级一站式大模型平台千帆，千帆大模型覆盖金融、制造、能源、政务、交通等行业的400多个场景，纳管国内外主流大模型达42个，预装了知识问答、客服对话、代码助手等10个精选应用范式，大幅降低企业使用、训练和推理大模型的门槛。
10月，阿里云发布了阿里云百炼大模型服务平台。国内大模型领域商业化的加速为产业发展注入全新活力。
在金融服务业，最热门的AI应用是客户服务和深度分析，自然语言处理与大语言模型被用于更好响应客户咨询和发现投资洞察。
百融云创开发的百小融，依托Transformer架构搭建算法模型，采用与ChatGPT同源的智能语音识别技术，如软交换(FreeSWITCH)、ASR(自动语音识别)、TTS(文字转语音)、NLP等技术，具有解决“听、说、读、决策”的四项全能能力，合作客户覆盖银行、汽车金融公司、保险公司等超7000家金融机构，为金融场景服务带来重大革新。
展望AI时代的未来，不管是在C端、B端还是G端，都存在较大的潜在市场空间。
一方面，2023年AI项目数量激增，根据Replit的数据，2023年二季度AI项目环比增速达80%，相较于去年同期同比增长了34倍;另一方面，目前生成式AI应用层融资金融仅占三成，目前约七成资金投向了包括大模型开发在内AI基础设施层。
AI创业的繁荣与应用层的稀缺之间的差距，说明AI应用即将进入大爆发时代。在此过程中，生成式AI的C端应用将面临洗牌，B端应用也即将进入全面商业化。
在生成式AI应用方兴未艾的时刻，中国的AI企业正在加速拓展应用方面的行业生态布局，即将乘着更高的浪潮向上生长。