中国人工智能发展突飞猛进

赵爱玲

近日，由毕马威联合中关村产业研究院发布的《人工智能全域变革图景展望：跃迁点来临（2023）》报告指出，从投融资来看，2023年上半年全球人工智能企业风险投资案例数和融资金额占全球风险投资比重逐年提升，2023年上半年全球人工智能企业获得风险投资占全球风险投资总额比重达18.9%，创近年新高。

毕马威中国客户与业务发展主管合伙人江立勤称，人工智能发展突飞猛进，各行各业均面临如何融合应用智能技术的关键之问，巨大应用潜力背后是新硬件、新算法、新数据的全面涌现。与此同时，ChatGPT被看作是推动数字经济时代生产力范式变革的标志性产品，有望作为新的底层通用技术，点燃第四次科技革命。

报告称，从全球范围来看，人工智能企业数量经历了由爆发式增长转入稳步增长的阶段变化。从2017年开始，全球当年新增AI注册企业数量逐年下降，已从2017年的3，714家下降到2022年的1，106家。结合各国对比情况来看，截至2023年6月底，全球人工智能企业共计3.6万家，中美英企业数量名列前茅。美国人工智能企业数量约1.3万家，在全球占比达34%；中国占比16%，英国7%，美中英三国的人工智能企业数量合计占全球的56%。从人工智能独角兽企业情况来看，截至2023年6月底，全球人工智能领域独角兽总数达291家，美国和中国企业数量独占鳌头并基本平分秋色，分别为131家和108家。

中国人工智能领域企业密集诞生在2015年至2018年之间，约三分之二的人工智能领域核心企业成立年限在5—10年，随着有效投资增长乏力，人工智能领域新增注册企业数量在2017年达到峰值528家后，逐年下降，到2022年新增注册企业数减少至63家。

结合区域布局来看，中国人工智能企业主要集聚于北京、广东、上海、浙江等地，形成京津冀、长三角、粤港澳三足鼎立的格局，其中北京市人工智能企业数量有1，600余家。从人工智能独角兽企业来看，北京市有41家，位居全国首位。上海市和广东省数量位列二、三，分别有24家和23家。

江立勤表示，近年来世界经济格局深度调整，全球资本市场更加谨慎，整体上投资动作有所放缓。不过，人工智能凭借和物联网、区块链、Web3.0等各类前沿技术融合应用的技术特性，潜在市场空间广阔，增长确定性较为明显，普遍受到投资人看好，尤其是以ChatGPT为代表的生成式AI类应用在2023年迎来一轮爆发，ChatGPT引发的大模型创新热浪仍在涌动，有可能演变成一场比工业革命、信息革命更为深刻的人工智能革命。

“从根本上来讲，人工智能细分领域技术愈发成熟，场景化应用规模效应逐渐显现是资本流向相关领域的底层驱动力，以近十年中国人工智能领域股权投资情况为例，技术方面，算力、数据平台、自然语言处理、计算机视觉与图像四个细分领域风险投资增速明显加快；应用方面，生活服务、智慧医疗、智能制造、智能汽车、物流仓储投资事件较多，占人工智能全部投资事件的75%以上。”江立勤说。

当前在人工智能领域，日益复杂的算法规则和黑箱机制正在引发算法歧视、隐私泄露、虚假信息泛滥等科技伦理问题，加强安全治理刻不容缓，已经成为各方最大的共识。毕马威中国数字化赋能咨询服务主管合伙人张庆杰称，人工智能安全治理呈现出趋严、趋紧、趋难三大特征，主要包括“黑箱”困境等技术安全挑战，虚假信息、偏见歧视乃至意识渗透等应用安全挑战，数据泄漏、篡改和真实性难验证等数据安全隐患，此背景下，中美欧作为人工智能发展的领军国和地区正积极开展相关立法，呈现出政策法规先行、监管趋严等特征。

欧洲已有专门的立法对人工智能进行强监管。2021年4月，欧盟委员会提出了《人工智能法案》提案，2023年6月14日该法案在欧洲议会通过。该法案有望成为全世界第一部综合性人工智能治理立法，被各国监管机构广泛参考。与欧盟的法案属于正式立法不同，美国目前国家层面所颁布的框架和蓝图均为指导性文件，不具备法律效力。目前美国在人工智能领域的治理仍停留在行业自律为主、监管为辅的阶段。中国针对生成式人工智能的快速发展已颁布了两份具有法律约束效力的文件。此外，《国务院2023年度立法工作计划》显示，《人工智能法》已列入立法计划。从我国对人工智能领域的立法进程可以看出，我国在人工智能领域的安全治理主要体现出精准分层治理、创新与监管并进等治理理念和制度逻辑。

人工智能在发展过程中面临的技术伦理与社会伦理风险表明，人工智能安全、可信的发展之路任重道远，在解决AI风险的过程中催生出可解释AI、联邦学习等技术创新机遇。其中，联邦学习正成为新型的“技术基础设施”，有望成为下一代人工智能协同算法，隐私计算和协作网络的基础，使数据在合法合规、安全高效的基础上，实现数据价值流动。

此外，通过“为机器立心”，逐步实现人机价值观对齐，即要求AI系统的目标要和人类的价值观与利益相对齐或保持一致也是AI伦理价值的重要发展方向。AI对齐是走向通用人机协作的第一步，未来AI对齐的研究方向不仅仅局限于单任务环境，将进一步探索多个任务中的人机价值对齐。此外，信念、欲望、意图等人机之间心理模型的因素是“为机器立心”的过程，也是重要研究方向。

“人工智能在发展过程中面临的技术伦理与社会伦理风险表明，人工智能安全、可信的发展之路任重道远，在解决AI风险的过程中催生出可解释AI、联邦学习等技术创新机遇。”江立勤称。

人工智能产业生态协同主要体现在三方面，一是人工智能技术自身进步带来的数据、算力、算法协同；二是人工智能与传统产业等实体经济的协同；三是人工智能领域各参与主体之间相互协同。以开源创新为基石，有望带动人工智能产业生态繁荣发展，最终实现人工智能高质量发展。

AGI（Artificial General Intelligence，通用人工智能）强调人工智能的通用性，意味着其生态需满足大量细分场景和长尾需求，这种情况下，生态系统越是繁荣开放，越能穷尽可能地覆盖所有专用化、场景化乃至碎片化的需求，保证AGI生态的丰富性和完整性。进一步地，开发者越多，意味着底层模型和上层应用等的迭代速度也会越快。但是，开源也存在一定风险，对于产业生态中的主体企业来说，选择开源某种程度上就意味着公开商业机密，不利于其构建竞争壁垒。此外，开源模式还可能会引发专利侵权风险，对开源的知识产权管理规则和流程规范建立提出了挑战。

中国长期强调构建开源创新体系，预计随着鼓励人工智能技术创新生态和开源社区的相关政策不斷出台，企业等主体积极参与建设，开源创新有望成为中国AGI生态的重要基石之一，推动中国在前沿理论创新方面取得重大突破，从“跟跑”走向“领跑”。

算力短缺问题引发各界广泛关注，智能算力需求快速爆发、摩尔定律和冯氏结构体系为代表的经典计算理论进入瓶颈期，变革传统计算范式成为必然趋势，产业界正加速推动芯片和计算架构创新。张庆杰表示，商业模式关乎整体生态能否实现从价值创造到价值实现的完整闭环，在MaaS模式下，需求侧用户可以专注自身业务逻辑和使用体验，而不必关注底层技术细节，有利于解决AI“能用”但“不好用”这一关键落地瓶颈；而在供给侧，有望形成“通用大模型+领域大模型+行业大模型+企业/个人小模型”这一基础业态，推动AI落地千行百业，最终实现AGI。