随着中国数字经济的深入发展，产业数字化进程不断加速，大数据在产业决策中的比重越来越高。今时今日，人工智能不再是科幻电影中无法触及的概念，它已成为家喻户晓的“现实”，在减轻人类的体力负担和脑力负担方面已渐渐显示出优势，在极端天气预测等多个生活层面显露头角。
以Chat-GPT爆发为新起点，AI深度学习、大模型等关键技术的深入发展，将推动人工智能快速迈入下一个“未知”的阶段。近日，天眼查数据研究院特此推出“天眼新知”专栏，以天眼查大数据为依托，梳理人工智能产业格局及发展脉络，解读人工智能产业领域最新动态和投融资风向。
人工智能2.0时代，工具属性与思维能力深度融合
在大多人的眼中，人工智能是一位非常给力的助手、工具，可以实现处理工作过程的自动化，提升工作效率，比如执行与人类智能有关的智能行为。但与之其工具属性，能力属性相比，人工智能更为重要的是一种思维，是用来描述模仿人类与其他人类思维相关联的“认知”功能的机器，如“学习”和“解决问题”。
人工智能概念于1956年被提出，AI产业的第一轮爆发源自2012年，2012年AlexNet模型问世开启了CNN在图像识别的应用，2015年机器识别图像的准确率首次超过人（错误率低于4%），开启了计算机视觉技术在各行各业的应用，带动了人工智能1.0时代的创新周期，AI+开始赋能各行各业，带动效率提升。但是，人工智能1.0时代面临着模型碎片化，AI泛化能力不足等问题。
2017年，Google Brain团队提出Transformer架构，奠定了大模型领域的主流算法基础，从2018年开始大模型迅速流行，到2022年模型参数达到5400亿，模型参数呈现指数级增长，“预训练+微调”的大模型有效解决了1.0时代AI泛化能力不足的问题。新一代AI技术有望开始全新一轮的技术创新周期。
天眼查数据显示，截至目前，人工智能相关企业近267.4万余家，其中，2023年一季度新增注册企业17万余家，与2022年同期相比，上涨6.8%；从地域分布来看，广东以39.9万余家位列区域首位；江苏、北京分列二、三位，分别拥有22.4万余家以及21.8万余家；从成立时间来看，53.6%的相关企业成立于1-5年内，成立于1年以内的相关企业占比27.7%； 另据天眼查不完全统计，人工智能产业自2023年1月以来，融资事件合计发生143起，融资金额超800亿元。
数据、算法、算力：人工智能的“三驾马车”
“巧妇难为无米之炊”，人工智能的快速发展推动关键要素——“数据”的规模不断提升。据IDC测算,2025年全球数据规模将达到 163ZB，其中80%-90%是非结构化数据。数据服务进入深度定制化的阶段，百度、阿里巴巴、京东等公司根据不同场景和需求推出数据定制的服务，例如阿里巴巴联合香港理工大学基于服装设计知识开发FashionAI知识集，加速了AI在服装设计产业落地应用。
算法方面，根据中国信通院《人工智能白皮书（2022年）》，超大规模预训练模型持续推动技术升级，继续朝着大规模、多模态方向发展。自2020年OpenAI推出GPT-3后，谷歌、华为、智源研究院、中科院、阿里巴巴等企业和研究机构也相继发力，陆续推出超大规模预训练模型，包括Switch Transformer、DALL·EMT-NLG、盘古、悟道2.0、紫东太初和M6等。
轻量化深度学习技术正在显著提升计算效率。例如，紧凑模型的典型代表有谷歌提出的MobileNet和旷视提出ShufleNet等，百度推出的轻量化PaddleOCR模型规模减小至2.8Mb，在GitHub上开源后受到热捧“生成式人工智能”技术不断成熟，未来听、说、读、写等能力将有机结合，例如央视、新华社、光明网等均推出了数字人主播。
与此同时，新的算力架构也在不断探索中，类脑芯片、存内计算、量子计算等备受关注。面向手机应用的智能芯片成为亮点，2021年1月，联发科推出了高端手机芯片 Dimensity 1200，可边缘处理5G、AI和图像数据等；8月，谷歌为其Pixel系列手机专门推出了首款智能手机芯片Tensor。
据天眼查知识产权不完全统计，人工智能相关的专利申请自2023年1月以来，已有1610余项，其中，发明专利占比超过7成。与GPU相关的融资事件合计发生98起，融资金额超280亿元；其中，2023年融资事件合计发生3起，融资金额超4亿元。
数据标注：人工智能背后“人工”的力量
人工智能，其实是部分替代人的认知功能。人工智能算法是数据驱动型算法，也就是说，如果想实现人工智能，首先需要把人类理解和判断事物的能力教给计算机，让计算机学习到这种识别能力。
类比机器学习，我们要教它认识一只猫，直接给它一张猫的图片，它是完全不知道这是什么。我们得先有猫的图片，上面标注着“猫”这个字，然后机器通过学习了大量的图片中的特征，这时候再给机器任意一张猫的图片，它就能识别出来这是猫了。
因此，目前人工智能需要标注大量数据，即对原始信息进行数据标注。数据标注是大部分人工智能算法得以有效运行的关键环节。数据标注是把需要机器识别和分辨的数据贴上标签，然后让计算机不断地学习这些数据的特征，最终实现计算机能够自主识别。这类工作量极大、过程极其枯燥且耗时的手动数据标记过程，已经成为AI经济体系中的重要组成部分。
据天眼查知识产权不完全统计，与数据标注有关的专利申请，自2023年1月以来，已有34项，均属于发明专利。
应用领域：从知识学习、到交通出行
3月14日，Open AI正式发布多模态大模型GPT-4。创始人 Sam Altman 表示，GPT-4是迄今为止功能最强大、最一致的大型多模态模型，能够接受图像和文本输入，在各种专业和学术基准上均表现出了人类水平。人工智能的发展已经进入了认知智能领域，文本智能、图像智能、音频智能、视频智能以及多模态认知智能，将会逐步诞生，未来为了应对复杂和多变的应用场景，多模态智能的发展方向将成为必然。
此外，人工智能在自动驾驶及生命科学领域也有着不俗的战绩。在自动驾驶中，人工智能主要负责实现自主决策和智能感知，这些感知因素包括道路情况、交通情况、天气情况、行人和其他车辆的行动，以及其他各种因素；2022年，DeepMind公司与欧洲生物信息研究所的合作团队利用人工智能（AI）系统AlphaFold预测出超过100万个物种的2.14亿个蛋白质结构，几乎涵盖了地球上所有已知蛋白质。这一突破将加速新药开发，并为基础科学带来全新革命。
就前景而言，天眼查研究院认为，未来人工智能是否会真正替代人的讨论仍将持续。人工智能是引领未来的新兴战略性技术，是驱动新一轮科技革命和产业变革的重要力量，国家数据局的成立也有望加速数据要素市场化。应用领域层面，AIGC领域目前呈现出的内容类型不断丰富、内容质量不断提升、技术的通用性和工业化水平越来越强等趋势。
人工智能，是一场关于知识学习的革命，机器学习、深度学习、大模型等让人望而却步的概念不过是机器理解世界的范式。与其杞人忧天，担心被机器所替代，不如与“机器”同行，让工具“为我所用”。
红星新闻记者 郭晶晶