FX168财经网_全球视野外汇黄金加密货币NFT资讯网

AIGC 行业专题报告：从 AI 技术演进看 AIGC

译、自动写作等等。本报告中所提及的人工智能技术，不仅包括具有自然语言处理能力、或通过图灵测试的AI 技术，还包括有海量数据、超复杂性、要求实时性、人类智能暂时无法处理的机器智能技术。 AI 发展原动力：提效降本，在新一轮技术革命中抢占先机微观：提效降本，科技让生活更美好从 C 端用户需求来看，人工智能解决的是与人相关的娱乐、出行、健康等生活场景中的痛点。人工智能在 C 端的应用分为两方面：1）对原有劳动力的替代与生产力效率的提升：如语音识别、智能客服、机器翻译等；2）新增需求的满足：如“千人千面”的信息分发（如抖音、快手、小红书等）、内容生成（AIGC）、人机交互（如 ChatGPT 等）、辅助驾驶、安防等。从 B 端需求来看，企业对于效率的提升需求旺盛，人工智能在金融、公共安全、医疗健康等领域均取得了较为普遍的应用。宏观：新一轮技术革命，赢得未来国与国之间科技竞争的主动权人工智能有望引领了蒸汽革命、电气技术革命以及信息产业革命之后的第四次生产力革命。1）18 世纪 60 年代，英国率先发展并完成了第一次工业革命，在随后的一个多世界里成为了世界霸主；2）19 世纪 60 年代，完成了资产阶级革命或改革的美、德、法、日在第二次工业革命中崛起，使人类进入“电气时代”；3）进入 20 世纪中叶，以信息技术、新能源技术的代表的第三次科技革命在美国兴起，进一步强化了美国的霸主地位。自 2006 年以来，Hinton 提出深度学习算法，令机器在自主学习方面有了革命性的突破，同时，伴随着海量数据的积累、GPU、芯片计算能力的提升，人工智能的三大要素“算法”、“算力”和“数据”皆已准备就绪。2016 年，AlphaGo 首次击败人类问鼎世界冠军，人工智能的关注度急速攀升。而近期人工智能技术在安防、金融、医疗、内容分发领域的持续落地，使AI 技术在提效降本、解放劳动力、提升资源配置效率方面的巨大作用得以显现。我们认为，在本轮变革中具有良好技术沉淀和全面布局的国家有望抢得科技的主动权。产业链及发展历程：三起两落，数据及算力爆发带来新一轮AI 发展机遇产业链：基础层+技术层+应用层总体来看，人工智能产业链可分为基础支撑层、技术层和应用层。基础层提供算力，主要包含人工智能芯片、传感器、大数据及云计算。其中，芯片具有极高的技术门槛，且生态搭建已基本成型。目前该层级的主要布局玩家为Nvidia、AMD、英特尔等在内的国际科技巨头，国内在基础层的布局和实力均相对薄弱。技术层主要解决具体类别问题，这一层级主要依托运算平台和数据资源进行海量识别训练和机器学习建模，开发面向不同领域的应用技术，包括语音识别、自然语言处理、计算机视觉和机器学习技术等。科技巨头谷歌、IBM、亚马逊、苹果、阿里巴巴、百度都在该层级深度布局，并涌现了如商汤科技、旷世科技、科大讯飞等诸多独角兽公司。应用层主要解决场景落地问题，利用AI 技术针对行业提供产品、服务和解决方案，其核心是商业化。得益于人工智能的全球开源社区，应用层的进入门槛相对较低，但也是商业价值最大的环节（典型如算法推动在抖音、快手等应用端落地）。发展历程：60 年三起两落，呈螺旋式发展回顾人工智能技术的发展历程，我们发现，人工智能所经历的三次兴起浪潮均源于底层算法的革命性进展，而前两轮的衰落是由于数据处理性能及底层算法的局限，使 AI 技术从成熟度以及商业可行性上无法落地。2006 年，Hinton 提出颠覆性的深度学习算法，使得 AI 产业迈出关键性一步：利用多层神经网络，将人类从复杂的算法归纳中解放出来，只要给予机器足够多的数据，便能使其自动归纳出算法，叠加底层算力 GPU 的不断发展及互联网时代海量数据的积累，人工智三驾马车：算法、算力和数据皆已准备就绪，使 AI 技术彻底走出实验室，逐步渗透进各个行业和场景。第一轮：兴于感知神经网络，终于计算机性能约束兴起：1956 年达特茅斯会议开启了人工智能的元年，仅在定理层次等证明了AI商用的可能性，实际应用还十分有限。1956 年，以约翰·麦卡锡、马文·明斯基、克劳德·香农等为代表的科学家们在达特茅斯组织了一场为期两个月的人工智能夏季研讨会，探讨如何通过机器模拟人类学习或人类智能的其他特征。本次会议结束后，很多国家政府、研究机构、军方等都开始投资人工智能，掀起了第一波人工智能热潮。在第一波 AI 的浪潮中，占据主导地位的思想是逻辑主义，即通过引入符号方法进行语义处理、将待研究和解决的问题转化为可以用计算机处理的符号，运用逻辑公理进行解答，从而实现人机互动。第一波人工智能浪潮的总体成就有限，仅在定理证明等特定领域取得了成功。受制于计算机性能及可获取的数据量，当时的人工智能只能完成玩具式的简单任务，在语音、图像识别及想起游戏等看似简单的任务上，进展都十分有限。衰落：计算机的性能制约了早期程序的应用，人工智能的发展首次预冷。受限于计算机的处理性能，当时其所能处理的程序对象少且复杂度低，机器无法读取足够的数据实现智能化，AI 自然无法大规模落地商用。1973 年，学者莱特希尔发表了一份具有影响力的评估报告《人工智能：一般性的考察》，报告指出：“迄今为止，人工智能没有在任何领域发生之前预想的重大影响，人工智能的投入是金钱的浪费”，该报告发表后，英国政府随后终止了对爱丁堡等几所高效的人工智能项目的支持。到 70 年代中期，美国和其他国家在该领域的投入也大幅度削减，人工智能发展进入寒冬。第二轮：兴于 BP 神经网络，终于专家系统失败兴起：1980 年代，Hopfield 神经网络和 BT 训练算法的提出，使基于AI技术的专家系统首次得以商用。Hopfield 神经网络是通过对动物或人脑的基本单元一神经元建模和连接，探索模拟动物或人脑神经系统的学习、联想、记忆和模式识别等功能的人工模型。基于该模型，IBM 等公司开发出了一系列用于模拟专家决策的专家系统，使人工智能第一次实现商业化落地。衰落：算法局限使计算结遭遇瓶颈，人工智能由于实际商用成本过高再次衰落。专家系统的维护成本极高，但神经元网络只能解决单一问题，数据量积累到一定程度后，计算结果便不再改进，实际应用价值有限。1987 年，苹果和IBM生产的台式机性能超过了由 Symbolics 等厂商生产的通用计算机，专家系统逐渐淘汰。第三轮：兴于深度学习算法，强于数据及算力兴起： 2006 年，Hinton 提出了神经网络 DeepLearning 算法，将人类从复杂的算法归纳中解放了出来，使人工智能再一次聚焦了学术界和产业界的目光。从底层算法来讲，深度学习算法弥补了传统 BP 神经网络的缺陷：1）多隐层的人工神经网络具有优异的特征学习能力，从而有利于可视化或分类；2）传统人工神经网络的训练难度可以通过“逐层初始化”来克服。通俗来讲，本轮算法的革命性进步在于：不需要人工去提取规则特征，机器通过海量数据，即可自动实现规则的特征提取，将最复杂的“算法归纳”留给机器去完成。数据显示，自2012年在图像识别领域引入深度学习算法以来，图像识别的错误率显著降低。并通过深度学习训练层数的增长及优化，在 2015 年通过 ResNet 模型使图像识别的精度超过了人眼可达的精度。强化：底层算力的高速发展及多维数据的快速积累，使本轮人工智能得以爆发。计算机硬件设施的发展，如 GPU（图形处理器）、TPU（张量处理器）等新一代芯片及 FPGA（现场可编程门陈列）异构计算服务器提供了足够的计算力，能够支持人工智能算法的原型。数据的可获得性和质量在这一时期得到了极大的改善，互联网、物联网等产业的发展也为人工智能提供了规模空前的训练数据。人工智能三大要素：“算法、算力和数据”的准备就绪，使人工智能快速渗透到各产业中，如安防、金融、医疗、文娱等。人工智能：技术流派及我们所处的阶段技术演进：行为主义+连接主义，诞生深度学习技术 AI 的技术流派经历了符号主义、连接主义和行为主义，在行为主义思想中引入了连接主义的技术，诞生本轮的深度强化学习技术。符号主义符号主义又称为逻辑主义，在人工智能早期一直占据主导地位。该学派认为人工智能源于数学逻辑，其实质是模拟人的抽象逻辑思维，用符号描述人类的认知过程。早期的研究思路是通过基本的推断步骤寻求完全解，出现了逻辑理论家和几何定理证明器等。上世纪 70 年代出现了大量的专家系统，结合了领域知识和逻辑推断，使得人工智能进入了工程应用。PC 机的出现以及专家系统高昂的成本，使符号学派在人工智能领域的主导地位逐渐被连接主义取代。连接主义连接主义又称为仿生学派，当前占据主导地位。该学派认为人工智能源于仿生学，应以工程技术手段模拟人脑神经系统的结构和功能。连接主义最早可追溯到1943年麦卡洛克和皮茨创立的脑模型，由于受理论模型、生物原型和技术条件的限制，在 20 世纪 70 年代陷入低潮。行为主义行为主义又称为进化主义，近年来随着 AlphaGo 取得的突破而受到广泛关注。该学派认为人工智能源于控制论，智能行为的基础是“感知—行动”的反应机制，所以智能无需知识表示，无需推断。智能只是在与环境交互作用中表现出来，需要具有不同的行为模块与环境交互，以此来产生复杂的行为。在人工智能的发展过程中，符号主义、连接主义和行为主义等流派不仅先后在各自领域取得了成果，各学派也逐渐走向了相互借鉴和融合发展的道路。特别是在行为主义思想中引入连接主义的技术，从而诞生了深度强化学习技术，成为AlphaGo 战胜李世石背后最重要的技术手段。技术现状：深度学习技术带动本轮人工智能发展人工智能算法经历了“既定规则系统”、“浅层学习算法”和“深度学习算法”三个阶段，其中，深度学习算法彻底将人类从复杂的算法抽象中解放了出来，用深度神经网络+海量数据打破了计算准确度的瓶颈，带动了本轮人工智能的爆发。人工智能算法所经历的三大阶段及实现过程如下： 1）既定规则系统及其实现过程既定规则系统尚不属于“机器学习”的范围，其背后的关系为人力搭建算法的逻辑关系。面对待处理的问题，由人提取出问题特征、再由人设定好算法规则，交由机器进行运行。例如，判断某幅图片是否为猴子，既定规则系统执行过程如下：1）人为提取猴子各部分像素特征；2）人为设定猴子判定规则，如眼睛、鼻子、嘴巴等部位的像素应分别位于哪一区间内；3）机器根据读取到的像素及判定规则，计算当前图片是否为猴子，输出结果“是”或“否”。 2）传统机器学习算法及实现过程传统机器学习算法彻底将人类从复杂的算法抽象中解放了出来，但对复杂数据的处理受到明显制约。简单来说，机器学习是一种实现人工智能的方法，深度学习算法是实现机器学习的技术。传统机器学习算法又称浅层算法，这类算法如反向传播算法（BP 算法）、支持向量机（SVM）、Boosting 等，局限性在于对有限样本和计算单元的情况下对复杂函数的表示能力有限，对复杂数据的处理受到制约。例如，在图像识别领域，浅层学习的识别准确率较低，主要原因为该算法的处理逻辑偏向浅层，不能穷举复杂的情景，在准确率达到一定程度后，即使再投入更多数据，准确率依然无法提升。如判断某幅图片是否为猴子，传统机器学习算法执行过程如下：1）人为提取猴子各部分像素特征；2）机器自动归纳猴子的判定规则，如眼睛、鼻子、嘴巴等部位的像素应分别位于哪一区间内；3）机器根据读取到的像素及判定规则，计算当前图片是否为猴子，输出结果“是”或“否”。 3）深度学习算法及实现过程深度学习与传统的机器学习最主要的区别在于：随着数据规模的增加，其判断准确度也在不断增长。判断准确度的提升，使人工智能技术可大规模应用于语音识别、图像识别等多个领域。2006 年，Hinton 提出深度学习算法，该算法与传统的机器学习算法最大的区别在于随着数据规模的增加，算法计算准确率也不断增长。当数据很少时，深度学习算法的性能并不突出，随着数据量的增加，其优越性得以体现。传统机器学习算法，在拟合度达到某一特定值后，再增加数据量，其拟合度不再提升；深度学习算法拟合准确度随着数据量及神经网络层数的增加而提升。例如，在引入深度学习之前，语音识别的准确率连续三年稳定在 76.4%，引入该算法后，其准确率逐年递增，2017 年已达94.5%。如判断某幅图片是否为猴子，深度学习算法的执行过程如下：人为将海量带有标签的图像数据到计算机中，无需进行任何特征提取或规则设定，算法自动根据输入图像的特征归纳出判定规则，并泛化至后续判断过程中。实现要素：海量数据及高效算力是深度学习实现基础海量数据及高效算力是深度学习实现基础。深度学习全称深度神经网络，本质上是多层次的人工神经网络算法，即从结构上模拟人脑的运行机制，从最基本的单元上模拟了人类大脑的运行机制。算法的实现过程分为训练和推断两个阶段。训练阶段需要海量数据输入，训练出一个复杂的深度神经网络模型。推断指利用训练好的模型，使用待判断的数据去“推断”得出各种结论。大数据时代的到来，图形处理器（Graphics Processing Unit，GPU）等各种更加强大的计算设备的发展，使得深度学习可以充分利用海量数据（标注数据、弱标注数据或无标注数据），自动地学习到抽象的知识表达，即把原始数据浓缩成某种知识。简单来说，在深度学习算法的基础上，海量数据解决了计算精准度的问题，算力的提升解决了计算速度的问题。所处时代：基于统计规律的弱人工智能时代，但商业化价值已经展现人工智能的分类标准及定义李开复及王咏刚在《人工智能》一书中，将人工智能按照智能程度的强弱，划分为：弱人工智能（Artificial Narrow Intelligence，简称ANI）、强人工智能（Artificial General Intelligence，简称 AGI）和超人工智能（ArtificialSuperintelligence，简称 ASI）三个层次。弱人工智能（ANI）也称为限制领域人工智能或应用型人工智能，本质上是某个特定领域内基于统计规律的大数据处理者。通俗来讲，弱人工智能只专注于完成某个特定的任务，例如语音识别、图像识别和翻译，是擅长单个方面的人工智能，类似高级仿生学。该阶段的 AI 技术是为了解决特定具体类的任务问题而存在，底层原理是从海量数据中从中归纳出模型，再泛化至新的数据中进行正向运算。例如，谷歌的 AlphaGo 和 AlphaGo Zero 就是典型“弱人工智能”，尽管它们能够战胜象棋领域的世界级冠军，但也仅限于擅长于单个游戏领域的人工智能。强人工智能（AGI）是人类级别的人工智能，拥有独立思想和意识，在各方面均能与人类媲美。拥有 AGI 的机器不仅是一种工具，其本身可拥有“思维”，能够进行独立的思考、计划、解决问题、抽象思维、理解复杂理念、快速学习等，可实现“全面仿人性”，在智力水平和行动能力方面与人类基本没有差别，目前只存在于电影及人类想象中。超人工智能：假设计算机程序通过不断发展，智力水平可以超越人类，则由此产生的人工智能系统就可以被称为超人工智能。在人工智能的三个层级中，超人工智能的定义最为模糊，目前还没有精准预测能够说明超越人类最高水平的智慧到底会表现为何种能力。对于超人工智能，目前只能从哲学或科幻的角度加以想象。当前人工智能现状：基于统计规律的弱 AI 时代当前人工智能尚属于“弱人工智能”阶段。按照人工智能的执行深度，我们将人工智能的判定层次分为计算智能、感知智能和认知智能三个层次：1）计算智能：神经网络和遗传算法的出现，使机器能够高效、快速地处理海量数据，目前该技术的应用已相当成熟；2）感知智能：技术已相对成熟，典型应用语音识别及人脸识别，准确率分别超过 98%和 99%；3）认知智能：还有较大提升空间，典型应用包括机器翻译和计算机视觉认知，这两项技术与人力还有较大差距。通过以上对三个层级的分析，我们判断：人工智能技术尚不具备完全“认知”能力，处于垂直领域的应用投入商用、自主认知尚待攻克的“弱人工智能”阶段。 “弱人工智能”所带来的收效依然十分可观弱人工智能在特定领域的表现均超过人类，多种劳动密集型工作均具有较强自动化潜力。2017 年 10 月，AlphaGo 的升级版本实现了不通过向人类学习，只通过概率计算和自学自练就达成自我超越、战胜李世石的初代AlphaGo。由IBM开发人工智能 Waston，使用机器学习来分析和解读海量医疗数据和文献，检查患者数据做出治疗决定，印度班加罗尔研究表明，Waston 与医生在提供肺癌、结肠癌和直肠癌治疗建议方面一致性比例分别高达 96%、81%和93%。微软公司的人工智能虚拟机器人小冰，学习了 20 世纪 20 年代以来 519 位诗人的现代诗，自2017年2月起，“小冰”在天涯、豆瓣、贴吧、简书四个平台上使用了27 个化名发表的诗歌作品，几乎没有被发现是机器所作。不仅如此，人工智能在交通、教育、金融领域也展示出了巨大的应用前景。与人类相比，人工智能在数据存储、调用、分析处理方面的强大能力，以及在特定危险情境下的生存能力，都有望为人类生活带来巨大颠覆。麦肯锡报告表明，多种人力劳动密集、机械类工作都具有较强的自动化潜力，住宿和餐饮服务、制造、交通和仓储等职业自动化潜力巨大。 2020 年，弱人工智能为全球 GDP 带来 14%的提升。人工智能将提升社区劳动生产率，特别是在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面，将为人类的生产和生活带来革命性的转变。据 Sage 预测，2020 年，人工智能的出现将为全球 GDP 带来 14%的提升，相当于 15.7 万亿美元的增长。根据世界银行及产新智库的分析，人工智能作为当下最先进生产力，如果能为制造业提高1%的效率，全球制造业便会节约 3000 亿美元。再细分到各个产业，为航空提高1%的效率相当于 300 亿美元，为电力提高 1%的效率相当于660 亿美元，为医疗系统效率提高 1%相当于 630 亿美元，为铁路系统效率提高1%相当于270 亿美元，为石油天然气资本支出降低 1%相当于 900 亿美元。综上，截至2025 年，人工智能可能影响 32 万亿美元的全球制造业领域，相当于将影响全球50%的经济。万事俱备，人工智能场景应用有望全面爆发相比于前两轮的 AI 浪潮，我们认为本轮人工智能应用将全面爆发的原因如下：1）深度学习算法的革命性颠覆，使“数据量”成为决定拟合结果的核心要素：在本轮深度学习算法出现前，AI 的主要算法是 BP、SVM 等浅层算法，由于其处理逻辑停留在浅层，即使在拥有海量数据的情况下，拟合结果的准确率在提升至某一瓶颈后便无法提升，人工智能难以处理复杂的问题。深度学习算法得益于多层神经网络，可直接用海量数据“暴力破解”出计算算法，数据量越高，拟合精准度越高。这说明只要具备充足的数据和算力，便能快速训练出精准的算法，这使得决定人工智能准确度的核心由“算法”转变为“数据和算力”；2）海量多维数据及GPU 算力已准备就绪，为算法运行提供充足“燃料”和“引擎”：互联网使海量数据积累成为可能，而 GPU 的出现，满足了机器学习大规模并行计算要求。至此，人工智能的三驾马车“算法、算力、数据”皆已准备就绪；3）开源框架大幅降低了 AI 的使用门槛；4）政策及资本的助力：AI 被广泛认为人类历史上第四次工业革命，美国、中国等科技大国均将其提升至顶层战略高度，加之资本注入及催化，“弱人工智能”的商用已广泛落地。资源层：数据及算力的大幅提升将 AI 推向浪潮之巅互联网及数字经济的快速发展，为 AI 算法训练提供充裕的数据来源。人工智能领域顶级专家吴恩达曾提到：发展人工智能就像用火箭发射卫星，需要强大的引擎和足够的燃料，算法模型就是其引擎，高性能的算力是打造引擎的工具，海量的数据就是引擎的燃料。基于深度学习的算法特点，其计算准确度与数据量基本成正比。例如，在输入 30 万张人类对弈棋谱并经过3000 万次自我对弈后，人工智能 AlphaGo 具备了媲美顶尖棋手的棋力。当前，机器学习所能应用的数据已经不局限于文本、数字等结构化数据，还包括视频、音频、图片等非结构化数据。而根据 IDC 的统计数据，2021 年全球数据量已经达到82 ZB，预计到2026年将达到 214 ZB。 GPU 的发展解决了深度学习的训练速度和相应的成本问题。1）英伟达于2016年推出 P100，2017 年推出 V100，2020 年推出 A100，4 年间从P100 至A100英伟达GPU 芯片高性能计算能力提升 11 倍。2022 年英伟达持续迭代推出H100，其最新的 H100 芯片在 A100 的基础上将训练表现提升 9 倍；2）算力芯片的快速迭代使得提升 AI 模型训练速度和下游用户体验，同时基于摩尔定律的算力提升也使得单位算力开销持续下降，从技术成熟度和商业化成本两端加速AI 技术走向普及。技术环境：开源框架大幅降低开发门槛各巨头在 2016 年纷纷创立 AI 开源的开发框架，人工智能的开发框架是底层硬件与上层软件之间的纽带，可以视作人工智能进行开发和应用的“操作系统”。以往的专家系统是基于本地化专业知识进行运算，以知识库和推理机为中心进行展开，推理机设计内容由不同的专家系统应用环境决定，不具备通用性。同时，知识库是开发者收集录入的专家分析模型与案例的资源集合，只能在单机系统环境下使用且无法连接网络，升级更新不便。企业的软件框架实现有闭源和开源两种形式，少数企业选择闭源方式开发软件框架，目的是打造技术壁垒；目前，业内主流软件框架基本都是基于开源化运营，如谷歌的TensorFlow、脸书的Torchnet、微软的 DMTK、IBM 的 SystemML、三星的 VELES 等，均具有分布式深度学习数据库和商业级即插即用功能。外部环境：政策助力，人工智能迎来发展良机中国密集出台人工智能相关政策，并将 AI 上升至国家战略，力求在下一轮工业革命中抢占先机。自 2015 年以来，国内不断出台推动人工智能发展的鼓励政策，包括:1）建立人工智能促进机制；2）为人工智能提供近支持，包括税收优惠、财政扶持及制定金融政策等；3）推动创新，包括促进产业集群，布局创新基地，鼓励人才培养；4）政府制定规制与保障措施等。《新一代人工智能发展规划》提出了“三步走”战略目标，加速AI 再各行业渗透落地。第一步，到 2020 年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，核心产业规模超过1500 亿元，带动相关产业规模超过 1 万亿元；第二步，到 2025 年，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，核心产业规模超过 4000 亿元，相关产业规模超过 5 万亿元；第三步，到2030 年，人工智能理论、技术与应用总体达到世界领先水平，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，人工智能核心产业规模超过1万亿元，带动相关产业规模超过 10 万亿元。从算法推荐到内容生成：AI 有望引发新一轮内容与平台投资周期基于对 AI 产业链及成长历程的分析，我们认为，AI 底层算法和理论体系的突破相对缓慢，AI 对于各个行业的渗透和改造进度各不相同。但是当前基于神经网络的深度学习算法已经在感知层（图像、声音等）及部分认知处理环节逐步步入技术成熟期，在特定技术环节和应用场景中已经具备良好的商用价值。我们认为，短期内 AI 能够创造价值的行业必须具备以下三点要素：1）适合的场景应用：一方面行业内存在需求，AI 的应用能够解决实际问题，真正为行业带来降本提效；另一方面，深度学习的特点决定了 AI 的算法体系必须拥有特定领域的样本数据持续训练；2）充足的数据来源：在技术应用背后拥有足够的数据来驱动AI 能力的提升；3）所需技术具备商业可行性（技术成熟度以及成本、效率等）。结合以上三方面要素，从落地的角度来看，AI 在自动驾驶、安防、语音识别等领域已经得到大规模应用；从传媒互联网领域落地来看，基于AI 的算法推荐已经在信息分发领域获得充分应用，并诞生出以字节跳动（今日头条、抖音等典型APP）、小红书为代表的移动互联网时代信息分发平台新范式；从信息分发到内容生成（AIGC），AI 有望重塑内容及互联网产业生态。 AI 赋能，字节跳动充分展现内容分发时代AI 商业化价值互联网时代信息爆炸，信息过载加速 AI 在内容分发领域落地。在互联网、特别是移动互联网的快速渗透推动之下，内容创作从传统的PGC 向UGC、PUGC模式转变，与之相应的是信息产生的数量呈现指数级上升；传统的用户主动获取信息的模式不堪重负、信息过载成为制约互联网产业发展的重要障碍；基于AI的“千人千面”算法推荐模式在此背景下快速导入，推动了互联网从“人找信息”到“信息找人”的内容分发模式转变。技术解读：“千人千面”的推荐系统本质上是一个由AI 技术驱动的拟合函数，输入变量包括用户特征、环境特征和内容特征，输出变量为推荐结果。参与运算的参数包括：1）用户特征：包括兴趣、职业、年龄、性别、机型、用户反馈行为等；2）环境特征：地理位置、时间、网络、天气、当前场景（工作、地铁等）；3）内容特征：主题词、兴趣标签、热度、质量等。结合三方面的信息，模型会运算出一个预估，即推测推荐内容在这一场景下对这一用户是否合适。然后对小批量相同标签的用户进行实时推荐。如果用户反馈（转化率、热度）达到设定标准，则将此内容进行大规模的推荐；如果用户反馈低于设定标准，则停止推荐。依靠该推荐系统，使平台长尾内容实现了有效的分发和触达。从技术理念到产品落地，算法推荐引领内容分发进入新时代。从产品来看，以抖音、今日头条、小红书等 C 端娱乐内容为代表的内容平台，基于海量用户数据，并通过视频识别技术，挖掘出各视频内容的特点及标签，通过推荐系统，将合适的内容、在合适的地点、推送给合适的人，改变内容分发行业聚焦于头部内容的生态特征，挖掘出长尾内容的使用价值；而从当前移动互联网产品来看，从内容分发到电商平台产品推送，基于 AI 的信息分发已成标配。从产品到商业化，字节跳动的异军突起验证 AI 强大的生产力价值和商业化潜力。作为作为 AI 技术驱动型公司，字节跳动于 2012 年8 月推出首款新闻资讯分发产品“今日头条”，产品基于机器学习技术，实现“千人千面”的新闻信息推送。在上线不到两年的时间内，用户数已超过 1.2 亿，MAU 超过4000 万。后续，公司基于今日头条所打磨出的智能推荐系统，低成本、大规模生产“流产品”，推出了“抖音”等现象级产品，并将国内成熟产品通过“技术出海+本土化运营”顺利推广到全球。Questmoblie 数据显示，截至 2022 年底，字节跳动旗下产品合计用户时长占比达到 24.5%（2017 年底为 10.1%），成为仅次于腾讯系的互联网巨头。生成式 AI（AIGC）：从信息分发到内容生成，更为宏大的时代机遇利用人工智能方式生成内容的想法发源甚早。艾伦·图灵(Alan Turing)1950在论文《计算机器与智能( Computing Machinery and Intelligence )》中提出了判定机器是否具有“智能”的试验方法，即“图灵测试”，判断标准为，机器是否能模仿人类的思维方式并生成内容进一步与人交互。半个世纪的科技发展中，随着数据量快速积累、算力性能不断提升、算法效力增强，当前的AI 在与人交互的过程中还可产出写作、编曲、绘画、视频制作等内容。2018 年，世界上首个出售的 AIGC 画作在佳士得拍卖行以 43.25 万美元成交，引发各界关注。随着AI的内容生成能力不断增强，场景落地开花，AIGC 产业浪潮兴起。结合人工智能的演进历程,AIGC 的发展大致可以分为4 个阶段，即: 早期萌芽阶段(20 世纪 50 年代至 90 年代中期)、沉淀积累阶段(20 世纪90 年代中期至21 世纪 10 年代中期) ，快速发展阶段(21 世纪10 年代中期至今)以及当前的破圈爆发阶段（2022 年至今）。早期萌芽阶段 (1950s-1990s) ：技术所限，AIGC 局限于小范围实验。1957年，莱杰伦·希勒 (Leiaren Hiller ) 和伦纳德·艾萨克森( LeonardIsaacson)通过将计算机程序中的控制变量换成音符得到了历史上第一支由计算机创作的音乐作品——弦乐四重奏《依利亚克组曲 ( Illiac Suite )》。1966 年，世界第一款可人机对话的机器人“伊莉莎 ( Eliza)”问世，其可在关键字扫描和重组的基础上进行人机交互。80 年代中期，IBM 基于隐形马尔科夫链模型( HiddenMarkovModel,HMM) 创造了语音控制打字机“坦戈拉( Tangora )”,能够处理约20000个单词。然而在 20 世纪末期，高昂的研发与系统成本与难以落地商业变现模式，各国政府减少了对人工智能领域的投入，AIGC 发展暂时停滞。沉淀积累阶段 (1990s-2010s)：AIGC 实用性增强，开启商业化探索。2006年，深度学习算法取得重大突破，且同期图形处理器( Graphics Processing Unit,GPU)、张量处理器( Tensor Processing UnitTPU) 等算力设备性能不断提升。数据层面互联网的发展引发数据规模快速膨胀，成为 AIGC 发展的算法训练基础，AIGC发展取得显著进步。但算法仍然面临瓶颈，创作任务的完成质量限制了AIGC的应用，内容产出效果仍待提升。2007 年，纽约大学人工智能研究员罗斯·古德温装配的人工智能系统通过对公路旅行中见闻的记录和感知，撰写出世界第一部完全由人工智能创作的小说《1 The Road》。但其仍整体可读性不强的劣势，存在拼写错误、辞藻空洞、缺乏逻辑等问题。微软 2012 年公开展示的全自动同声传译系统，基于深层神经网络 (Deep Neural Network,DNN)可自动将英文演讲者的内容通过语音识别、语言翻译、语音合成等技术生成中文语音。快速发展阶段(2010s-2021)：深度学习算法的不断迭代促进内容生态百花齐放。2014 年以来，以生成式对抗网络 (Generative Adversarial Network,GAN)为代表的深度学习算法被提出和迭代更新，AIGC 进入生成内容多样化的时代，且产出的内容效果逼真到难以分辨。2017 年，世界首部全部由AI 创作的诗集《阳光失了玻璃窗》由微软的人工智能少女“小冰”创造。2018 年，英伟达了可以自动生成图片的 StyleGAN 模型，截止 2022 年末，其已升级到第四代StyleGAN-XL,可生成人眼难以分辨真假的高分辨率图片。2019 年，DeepMind 发布了可生成连续视频的 DVD-GAN 模型。2021 年，OpenAI 推出了 DALL-E，并于2022 年将其升级为DALL-E-2。该产品主要生成文本与图像的交互内容，可根据用户输入的简短描述性文字，得到极高质量的卡通、写实、抽象等风格的图像绘画作品。爆发与破圈阶段（2022-至今）：2022 年以来，AIGC 产品密集发布，ChatGPT爆火出圈。Google 于 2022 年五月推出了文本图像生成模型lmagen，同年8月，开源 AI 绘画工具 StableDiffusion 发布；2022 年 9 月，Meta 推出可利用文字生成视频的产品 Make-A-Video 以推动其视频生态的发展。2022 年11 月30 日，OpenAl推出 AI 聊天机器人 ChatGPT，AIGC 的内容产出能力迅速吸引大批用户，至2022年 12 月 5 日，根据 OpenAI 创始人表示，ChatGPT 用户数已突破100 万。2023年2 月，微软宣布推出由 ChatGPT 支持的新版本 Bing 搜索引擎和Edge 浏览器，AIGC与传统工具进入深度融合历程。算力与数据皆备、大模型加速 AIGC 技术导入，应用创新、场景落地渐行渐近深度模型的进步与创新奠定 AIGC 走向成熟的基础。就底层技术而言，不断创新的生成算法、预训练模型、多模态等技术是 AIGC 行业发展的前提，以此为基础AIGC在自动化内容生成上具备了通用性、基础性多模态、参数多、训练数据量大、生成内容高质稳定等特征优势。预训练模型进一步打开了 AIGC 的技术和商业化可能。以往的生成模型存在使用门槛高、训练成本高、内容生成简单和质量偏低等劣势，而真实内容消费场景具备灵活多变、高精度、高质量等痛点要求。预训练模型的出现通过提高AIGC技术能力解决了上述问题。AI 预训练模型。即大模型、基础模型(FoundationModel)，其基于大量数据与巨量参数的模型，可适应下游广泛任务并显著提高各种下游任务的性能。AIGC 进入预训练模型时代以 2018 年谷歌发布基于Transformer机器学习方法的自然语言处理预训练模型 BERT 为标志。当前按照基本类型分类，预训练模型包括:(1)自然语言处理(NLP) 预训练模型，如谷歌的LaMDA 和PaLM、OpenAl 的 GPT 系列;(2)计算机视觉(CV)预训练模型，如微软的Florence:(3)多模态预训练模型，即融合文字、图片、音视频等多种内容形式。以 GPT 为代表的大模型表现优异，AIGC 加速从实验室设想向产业化落地。1）根据 IDC 的定义，AI 大模型是基于海量多源数据打造的预训练模型，是对原有算法模型的技术升级和产品迭代，用户可通过开源或开放API/工具等形式进行模型零样本/小样本数据学习，以实现更优的识别、理解、决策、生成效果和更低成本的开发部署方案。大模型的核心作用是突破数据标注的困境，通过学习海量无标注的数据来做预训练，拓展整体模型前期学习的广度和深度，以此提升大模型的知识水平，从而低成本、高适应性地赋能大模型在后续下游任务中的应用；2）以GPT 系列自然语言处理模型为例，从 2018 年 6 月的GPT-1 模型，经过数代的模型迭代，GPT3.5 已经从早期的 1.17 亿参数量提升至当前的千亿级以上，而基于GPT3.5 的 ChatGPT 在人机对话中表现优异并火爆出圈，印证了大模型在文本、图像乃至视频等领域内容生成的可能性和商业化潜力。从 PGC 到 AIGC，AI 有望重构内容与媒介生态 AIGC 多样化的内容生成能力使其覆盖各类内容形式，各类应用场景正随技术进步逐渐落地。AIGC 不仅可覆盖文本、音频、图像、视频等基本内容模态，还可综合图像、视频、文本进行跨模态生成，并应用于各类细分行业成为具体的生产力要素，例如游戏行业中的 AI NPC、虚拟人的视频制作与生成等。从 PGC 到 AIGC，内容与平台从生态到商业模式有望重塑，新投资周期即将来临。1）从 PGC 到 UGC、PUGC，传媒互联网从 web 1.0 的门户时代进入到移动互联网的web 2.0 时代，结合算法推荐的信息分发模式诞生了以字节跳动（抖音、今日头条）、美团、快手、小红书等为代表移动互联网新贵；2）算法推荐重塑了信息分发模式，而 AIGC 则实现了信息、内容的 AI 创作，内容生产将从PGC、UGC、PUGC迈入 AIGC 时代，内容生产的效率有望实现跨越式提高，内容将迎来大爆发时刻，与之相应的，从内容到媒介平台都将会迎来生态和商业模式的重塑，内容与平台的新投资周期即将来临。投资分析 AI 是新一轮生产力革命，算法创新及算力进步、数据爆发，催化本轮人工智能奇点将至。1）人工智能（AI）基于机器学习和数据分析的方法，赋予机器人类的能力，从而实现解放人力、降本提效的目的，已经成为推动新一轮生产力革命的核心技术方向；2）经历符号主义、连接主义和行为主义的持续演进，最终诞生了引导本轮 AI 落地的深度学习技术；深度学习技术的出现，改变了传统AI 的技术路线，解决了传统机器学习算法无法处理大量数据、准确率遭遇瓶颈的问题，使得AI 从理论上具备了工程化落地的可能；基于摩尔定理的算力提升，互联网及数字经济的快速发展带来的数据量井喷，使得 AI 最终从设想走向场景落地，在语音识别、图像识别等领域的计算准确度都实现了突破性进展并得到广泛应用。从算法推荐到内容生成，AIGC 有望带动新一轮内容与平台革命。1）从传媒互联网的实践来看，基于 AI 算法推送的信息分发模型已经为web 2.0 时代主流的信息组织模式，并诞生出以字节跳动、快手、小红书等为代表典型产品和商业案例；2）从算法推动到内容生成（AIGC），新时代的大门正在打开：海量的数据资源、快速提升的算力水平和不断降低的单位算力成本开销、基于深度学习的预训练大模型构建的通用大模型显著降低应用开发门槛，数字化的高渗透率赋予充裕场景应用可能；从 PGC 到 AIGC，内容生产的大爆炸将重塑内容与平台生态、商业模式，新一轮产业机遇渐行渐近。来源：金色财经

金色财经2023-03-10

元宇宙周刊 | 江苏昆山成立10亿元工业元宇宙产业基金两会代表提出要加快元宇宙发展

3月4日消息，随着AIGC（利用人工智能技术生成内容）热浪持续席卷，科技行业此前集体热衷的元宇宙热度下降。近期，字节跳动、腾讯、Meta等海内外科技企业相继对元宇宙业务做出调整，变更业务发展路径或缩减人员配置。业内人士表示，技术发展有快慢之分，短期来看，元宇宙成为“慢科技”，回归理性发展。长期来看，人工智能、VR硬件技术迭代将进一步推动元宇宙发展。【四川人民出版社推出首个“元宇宙图书”】日前，四川人民出版社与数传集团旗下某数字机构、北方国家版权交易中心，在第35届北京图书订货会上举行签约仪式。三方就“元宇宙”图书的开发、运营、交易全链条达成战略合作。其中首个合作项目《瓷器改变世界》“元宇宙”图书，正式在北方国家版权交易中心挂牌成交。【微美全息云建设融合6G和AI的超级智能网络】全球领先的全息增强现实技术提供商微美全息云公司宣布，将建设融合6G和人工智能技术的全息超级智能网络系统，推动全息数字感知，完成城市治理的量化聚合、精细化管控、智能执行和综合服务。据了解，该系统通过采集终端产生的海量数据，通过6G高速专用信息通道进行高性能数据传输，可为人工智能处理分析提供坚实的数据基础。系统利用人工智能技术，能够感知更多维度、更全面的数据，提升数据传输和处理的速度。此外，该系统还可通过远程数据交互，全面提升城市管理和服务水平。微美认为，一个城市的健康稳定运行，不仅取决于系统本身，还取决于一系列需要大量数据支持的城市管理活动和决策。微美将通过结合6G高速专用信息通道、基于时空框架的城市级多源数据融合、全栈AI智能协同响应，推动全息智慧城市的进一步发展。本周新闻一览 VR/AR/MR JTB与KDDI合作，通过XR技术恢复日本旅游产业。元宇宙峰会VRAR星球举办专场论坛，探讨VR/AR行业热门应用。小米正式发布无线AR眼镜探索版。苹果发明了Meta想要的XR头显自校正系统，未来AR/VR头显或可帮助眼疾患者。 Meta未来四年VR/AR路线泄露，包括AR眼镜和两款新VR头显。《VRChat》将增加对眼动追踪的原生支持。沃尔玛旗下品牌Onn正在出售Quest 2配件。 Meta宣布降低Quest 2及Quest Pro售价，暗示Quest 2不会随着Quest 3的发布而下架，或提供Quest月付服务。 ProTube VR正在为PSVR2 Sense手柄开发枪托。第三代Ray-Ban Stories智能眼镜将于2025年推出。 BadVR推出XR应用《SeeSignal》，可将Wi-Fi信号可视化。 Meta将进行四场开发主题演讲，聚焦MR技术。荣耀刚刚进行了新品发布会，公布了其荣耀Magic5系列及全场景新品。 HoloLens AR系统为前列腺癌诊断提供徒手实时穿刺引导。工业级XR头显开发商Varjo与machineMD合作开发Neos，可用于早期诊断脑部疾病。努比亚正式召开新品发布会,发布了旗下全新机型nubia Z50 Ultra。同时发布的，还有其智能AR眼镜nubia Neovision Glass。索尼预计PSVR2销量将破500万台纪录。 RVH与马萨诸塞州总医院合作进行VR试验。美国医院启用VR数字疗法，可减轻白血病患者的疼痛。小派科技提出100%分成方式寻求VR开发者。宝可梦创造者推出新奇AR体验。 Arvizio展示其用于AR培训的无代码“AR Instructor”解决方案。《Rec Room》将于本周末举办其首届音乐节“Rec Rocks”。 MyndVR与Stage Access合作，将古典音乐和表演带入老年人的VR治疗。探寻女性健康新解法，PICO携手WeWork打造VR超感体验日。 Perfect Corp.推出全新AR 3D查看器和3D创作工具。沉浸式技术VR提供商Brightline Interactive与美国海军签署技术研发协议。 Snapchat推出印度胡里节主题AR滤镜。鑫三海株式会社推出HOUYI VR智能弓。索尼SPAD深度传感器发布。 NFT/链游今年2月NFT交易量突破20亿美元，创Terra崩盘以来新高。 Axie Infinity推出“Body Color Filter”新功能。 Treasure DAO推出游戏工作室Darkbright，负责生态内Smolverse NFT项目游戏的开发。 Magic Eden将于3月推出10多款Web3游戏。 NFT项目Doodles发布“DOODLEMAP”。 NFT项目Okay Bear将于3月13日推出“Sleep Streaks”。《瑞克和莫蒂》联创NFT项目剧集已续订第三季，目前其NFT销售额达418 ETH。音乐NFT平台Sound.xyz推出新功能“Navigation Panel”。 CoinDesk推出Consensus大会的多年期NFT访问通行证。 HALO发布空投申领页面，用户可于3月6日晚点开始领取。 Hermes要求联邦法院对Mason Rothschild发布禁令停止销售MetaBirkin NFT。 Yuga Labs比特币NFT系列TwelveFold最高出价已超过7 BTC。 Web3数据智能公司Forkast Labs推出NFT数字资产指数系列。体育NFT平台Blockasset将从Solana转移至Chiliz Chain 2.0。摄影巨头Getty Images首次以NFT的形式出售稀有照片。 LifeForce推出允许玩家创建游戏的新项目。亚马逊将在数字市场上推出首批15个NFT系列，可支持信用卡支付。 Solana生态NFT交易平台Tensor发放第一季空投奖励。 AI艺术家Claire Silver将于3月21日在卢浮宫展示NFT系列作品。 Axie Infinity将于维护后开启Origins Season 3。七彩虹推出首款NFT系列，将于3月16日免费空投。币安NFT市场新增支持Polygon网络。基于Solana的Exchange.Art将推出生成艺术NFT平台Code Canvas。 NFT交易工具公司Mintify上线Polygon。法国护肤品牌娇韵诗在Magic Eden上推出第一个325 NFT系列。 Web3内容平台Mirror推出NFT订阅铸造“Subscribe to Mint”功能。阿迪达斯NFT项目将于3月25日在德国柏林举办Into the Metaverse活动。 ImmutableX与链游Illuvium合作推出针对Illuvium NFT的IMX交易奖励计划。 PROOF与NFT艺术家DesLucrece合作推出Defybirds。 Animoca Brands旗下NFT系列Mocaverse铸造已完成。 Polygon将推进其生态游戏项目采用AQUA的嵌入式市场解决方案。 Mysten Labs与Web3游戏生态系统Metagame Industries达成合作。 NEAR基金会与Kakao Games旗下Web3游戏METABORA SG达成合作。 Yuga Labs已为“Otherside”主题饮料申请商标。其他 Aurora宣布推出一站式区块链业务解决方案Aurora Cloud，用于加速Web3的大规模应用。 Windows11已在系统中直接集成ChatGPT版必应。微软中国首个工业元宇宙应用中心项目落户昆山。微软发布Azure OpenAI服务新功能。 Mint Werx和Vivid Labs、福布斯旅游指南合作开发独家数藏。 Chainlink正推出新平台让开发者使用AWS和Meta等Web 2.0 API构建Web3应用程序。知名说唱歌手Snoop Dogg为Web3实时流媒体应用程序Shiller联合创始人。 Unity为游戏去中心化技术引入新资产商店类别。 Jack Dorsey支持的去中心化社交网络Bluesky已支持用户注册域名Handle。英伟达可从ChatGPT赚取3亿美元。继去年11月裁员13%之后 Meta将进行新一轮裁员。 Damus发布V1.2.0版本，新增Private zaps功能。 Ristband作为官方音乐元宇宙活动合作伙伴重返SXSW音乐节。 Mysten Labs与阿里云签署合作协议。 Avalanche宣布与电子竞技巨头TSM达成合作。 Citadel旗下众多公司正在寻求使用ChatGPT工具的企业许可证。意法半导体发布最新骨传导传感器。苹果新专利发布，通过对象检测算法为用户提供定制虚拟化身服务。家居建材用品零售巨头家得宝入驻Roblox元宇宙。隐私搜索引擎DuckDuckGo推出AI搜索查询功能测试版DuckAssist。谷歌公布2023全球开发者大会信息，将于5月10日开幕。 Decrypt推出人工策划与AI生成相结合的实验性产品News Explorer。腾讯幻核APP将于6月30日下线，提醒用户在此日期前申请退款。中国电影资料馆将设立艺术电影数字藏品交易平台。 Cavrnus与Ruby Groupe合作为奢侈品牌部署元宇宙体验。 Animoca Brands和Planet Hollywood将推出会员制俱乐部CLUB 3。投融资新闻 Web3平台Few and Far完成1050万美元融资。 Web3内容创作平台REPUBLIK获得370万美元种子轮融资。 WGFdesocial完成2000万美元种子轮融资，Dao venture capital领投。 Infodriver Capital正推出1000万美元新基金，以支持DeFi、GameFi等领域初创公司。游戏巨头Wemade对智能出行平台HwikGo进行战略投资。 Token Pocket宣布对NFT流动性协议Litra Finance进行战略投资。 3D资产可视化管理平台Hexa完成2050万美元A轮融资。 AR新锐企业雷鸟创新完成首轮过亿元融资，由复星创富、容亿投资领投。 Web3游戏商务平台Fungies.io开启pre-seed轮融资。元宇宙板块再度拉升，周涨幅达3.52%。 NFT交易市场Coresky完成600万美元融资，PAYSON LEE PRIVATE FOUNDATION领投。 Web3游戏工作室Redemption Games完成700万美元融资。 Solana链上NFT交易平台Tensor完成300万美元种子轮融资。区块链时尚透明度平台tex.tracer完成150万欧元种子轮融资。 TrueBridge拟为新推出的区块链基金募资1.25亿美元。女性内容品牌Rebel Girls完成800万美元融资，将探索元宇宙市场。 Web3应用程序Kresus完成2500万美元A轮融资。 Alberta Enterprise向Alpaca VC第三只基金投资750 万美元。 Web3初创公司nealthy完成130万美元pre-seed轮融资。比特币矿企Riot前高管创立的游戏公司Believer完成5500万美元融资。元宇宙工作空间平台Tangle完成400万美元融资，Qualcomm Ventures参投。 Web3足球游戏公司Matchday完成2100万美元种子轮融资。区块链公司Alpha Transform Holdings将推出两只资管规模总额1亿美元的基金。 Web3电子邮件解决方案EtherMail获得400万美元的融资。 zkSync开发公司Matter Labs完成4.58亿美元融资。 Web3游戏开发商NFT Gaming Company收购保加利亚的人工智能公司Voxpow。云基础设施初创公司Vantage宣布完成2100万美元的A轮融资。 Redeem宣布完成250万美元种子前融资。德国电信合资企业tooz被蔡司收购作为其AR/VR部门。 Web3艺术平台Wild完成700万美元种子轮融资。观点《雪崩》作者表示，用户生成的内容可以稳定数字经济。阿迪达斯Web3负责人表示涉足Web3是受到特斯拉启发。前「半衰期」编剧认为VR内容开发为时过早。 HTC董事长王雪红表示苹果入局AR/VR市场对HTC业务有利。德联邦金融监管局指出在监管意义上，NFT尚未被归类为证券。来源：金色财经

金色财经2023-03-10

赛为智能：公司业务未涉及ChatGPT

您好！公司的机器人产品本身就是依靠人工智能技术的，但是公司暂未布局ChatGPT细分。感谢您对公司的关注！投资者：你好董秘，公司6亿无人接合同的购买方是谁？赛为智能董秘：您好！该笔合同涉及保密协议，不方便披露。感谢您对公司的关注！投资者：你好董秘，介绍一下公司的外骨骼产品。赛为智能董秘：您好！该产品已停售，公司官网相关滞后的信息已更正。感谢您对公司的关注！投资者：请问公司6亿元的无人机合同，样机有没有交付？赛为智能董秘：您好！样机有的。该笔订单还在执行过程中。公司重大项目合同有关键进展时会根据相关要求及时公告披露。感谢您对公司的关注！赛为智能2022三季报显示，公司主营收入2.4亿元，同比下降65.2%；归母净利润-3016.21万元，同比下降387.96%；扣非净利润-3934.11万元，同比上升59.61%；其中2022年第三季度，公司单季度主营收入9111.41万元，同比下降23.61%；单季度归母净利润-1299.54万元，同比下降120.7%；单季度扣非净利润-1519.81万元，同比上升32.56%；负债率53.5%，投资收益111.29万元，财务费用3079.01万元，毛利率32.02%。该股最近90天内无机构评级。近3个月融资净流入8756.21万，融资余额增加；融券净流入0.0，融券余额增加。根据近五年财报数据，证券之星估值分析工具显示，赛为智能（300044）行业内竞争力的护城河较差，盈利能力较差，营收成长性较差。可能有财务风险，存在隐忧的财务指标包括：货币资金/总资产率、有息资产负债率、应收账款/利润率、应收账款/利润率近3年增幅、存货/营收率增幅、经营现金流/利润率。该股好公司指标0.5星，好价格指标1星，综合指标0.5星。（指标仅供参考，指标范围：0 ~ 5星，最高5星）赛为智能（300044）主营业务：人工智能、智慧城市、文化教育以上内容由证券之星根据公开信息整理，与本站立场无关。证券之星力求但不保证该信息（包括但不限于文字、视频、音频、数据及图表）全部或者部分内容的的准确性、完整性、有效性、及时性等，如存在问题请联系我们。本文为数据整理，不对您构成任何投资建议，投资有风险，请谨慎决策。

证券之星2023-03-10

四川长虹：目前公司相关产品在多模态交互、内容获得、设备协同等功能上有题述技术的应用

证券之星2023-03-10

人工智能的就业前景

主地执行各种任务。总的来说，随着人工智能技术的快速发展和应用的广泛，AI领域的就业前景非常广阔。来源：金色财经

金色财经2023-03-10

狗屁通：向凌云将为ChatGPT取的中文名

tGPT模型的一种特殊能力——利用人工智能技术生成看似有意义但实际上毫无逻辑或者完全荒谬的语言,具有较高的娱乐价值。这种能力反映了当今人工智能技术的发展水平,为我们提供了更加广泛的思维和创造空间。 ChatGPT中文名“狗屁通”的诞生还提示了我们,在使用人工智能等先进技术时,需要保持对于技术本身的审视和批判性,避免片面迷信和滥用技术带来的潜在风险和问题。给ChatGPT中文名“狗屁通”命名的向凌云教授也是一位多产而广泛受到关注的作家和学者,他涉及的领域包括金融、区块链、股权激励等多个方面。他出版了大量著作,如《元宇宙之天道》、《区块链的逻辑》、《股权激励实操一本通》、《私募股权投资解决方案》、《区块链:赋能实体经济的技术革命》、《决胜融资——中小企业融资与成长》、《全球视觉经济学》、《产业经济学》、《国际贸易与经济管理》、《物流仓储管理与电子商务》、《投资风险与运营管理》等海内外出版的众多书籍。获《基于区块链的自动化逻辑分析系统》等计算机软件著作权。发明并拥有多项国家专利。这些著作和专利充分展现了他在相关领域的深入研究和贡献。向凌云在2022年2月8日为ChatGPT模型起了中文名称“狗屁通”,并且认为这个名称符合当下网络流行用语的特点,也能够很好地反映出该模型生成的内容可能会存在的荒诞和无意义性质。因此,“狗屁通”这个名称被正式采纳作为ChatGPT的中文名称。来源：金色财经

金色财经2023-03-10

浪潮信息跌近4%，人工智能ETF（159819）成交额持续放大

。根据沙利文的报告，2020年全球人工智能技术支出为687亿美元，预计2025年达到2212亿美元，年复合增速达到26.3%，而中国人工智能市场规模年复合增速将达到41.5%，预计增速有望全球第一。（来源:界面AI）声明：本条内容由界面AI生成并授权使用，内容仅供参考，不构成投资建议。AI技术战略支持为有连云。

有连云2023-03-10

互动| 四川九洲：已在 WiFi6等领域布局同时积极跟进6G技术发展

技术、10G PON、WiFi6、人工智能技术等通信技术领域方面开展产品开发及市场布局，同时在积极跟进6G技术发展。

金融界2023-03-09

京东集团发布Q4及全年财报：京东云持续发力前沿技术和数字基础设施

　京东云聚焦AIGC和大模型，推动人工智能技术在产业落地　　京东云一直致力于前沿技术的探索和产业融合。在AIGC和大模型领域，京东云旗下言犀人工智能应用平台正筹备产业版ChatGPT，加速人工智能技术在产业落地，目前言犀虚拟主播已服务于4000余家品牌商；京东探索研究院对织女大模型再升级，在国际权威的复杂语言理解任务评测SuperGLUE榜单上登顶全球榜首。　　京东云旗下人工智能应用平台正在筹备产业版ChatGPT，并公布了落地应用路线图“125”计划，京东将聚焦零售、金融两个优势行业，围绕内容生成、人机对话、用户意图理解、信息抽取、情感分类五类应用展开技术攻关，以产业AI力量，加速中国人工智能技术开发与落地，助力实体经济的发展。　　数字人领域，京东云推出了言犀虚拟主播，通过AI驱动，言犀虚拟主播拥有多变的形象、媲美真人声音、丰富的电商知识积累，目前已在数百个品牌直播间与观众流畅交互，广泛服务3C家电、美妆、母婴、宠物、家居等品类店铺，为联想、坚果、伊利等多家知名品牌提供数字人主播服务，每日带来数百万GMV增长。　　在通用语言理解基础模型方面，京东探索研究院对织女大模型进行再升级，提出规模更大、性能更强、迁移性更好的Vega v2模型。该模型能够广泛应用于情感分析、语义匹配、语法纠错、智能问答、常识推理等多种下游自然语言处理任务。在国际权威的复杂语言理解任务评测SuperGLUE榜单上，Vega v2模型超越Google、微软、Facebook、OpenAI等国际顶尖机构，以平均分91.3的成绩登顶全球榜首。　　京东云作为更懂产业的数智化解决方案提供商，持续发力前沿技术和数字基础设施，在人工智能、云计算等领域保持技术能力的行业领先性，并依托自身的产业实战经验将技术沉淀为服务，落地各产业场景，为千行百业打造数智供应链构建高效驱动力，推进现代化产业体系建设，助力产业重塑全球竞争力。

金融界2023-03-09

京东集团2022年净收入破万亿元全力促生产三年新增29万岗位支持稳就业

台正筹备产业版ChatGPT，加速人工智能技术在产业落地，目前言犀虚拟主播已服务于4000余家品牌商；京东探索研究院对织女大模型再升级，在国际权威的复杂语言理解任务评测SuperGLUE榜单上登顶全球榜首。　　过去三年新增超700个仓库新增29万就业岗位　　2020年以来，面对疫情等不确定性的增加，京东集团作为一家民营企业全力支援抗疫保供、持续投入供应链基础设施建设、促进高质量就业、扩内需促消费、助力乡村振兴。　　为了支援武汉、上海、北京、重庆的抗疫保供，京东从全国十几个省市调集了上万名一线员工异地支援，源源不断地从全国各地通过陆运、水运、空运向疫情防控地区运送生活、防疫物资，仅2022年3月至5月累计向上海运送的米面粮油、药品、母婴用品等物资就超过15万吨，2022年上半年在支援上海、北京等各地抗疫保供期间，京东累计投入及商家减免费用20亿元。　　截至2022年12月31日，京东物流运营超过1500个仓库，仅过去三年就新增超过700个仓库，包含京东物流管理的云仓面积在内仓储网络总面积已超过3000万平方米。过去三年来，京东物流加速海外仓的基础设施布局，目前，已在全球拥有近90个保税仓库、直邮仓库和海外仓库，在美国、欧洲、东南亚、中东、澳洲等地落地自营海外仓，初步实现了全球织网计划的阶段性成果。　　京东体系的员工数从2020年初的26万增长到2022年底的超过55万，新增了29万员工，创造大量就业岗位，尽全力支持稳就业。京东为员工尤其是一线员工提供了有竞争力的薪酬，过去三年京东物流为一线员工支付了1065亿元的薪酬福利，为数十万家庭提供坚实的生活保障；同时为快递小哥、客服在内的所有员工设立百亿“住房保障基金”，为其提供购房无息贷款，并大幅扩充“员工子女救助基金”的规模，让员工没有后顾之忧。　　过去三年间，京东仅自营业务就向上游供应商采购了超过2万亿元的商品，有力地促进了内需的增长。京东国家馆总数接近100家，进口品牌商品累计采购总额达5000亿元，超额完成在2019年第二届进博会上所设立的4000亿元目标。　　自2020年10月份启动的乡村振兴京东“奔富计划”，截至2022年10月份的两年间已带动农村实现产值约7000亿元，有望提前实现三年产值超万亿的目标。　　六年投入近1000亿元研发二十年坚守正道成功　　2023年，是京东创业的第二十年。正是由于京东坚定地做实事、有价值的事、长期的事，才走出了一条新型实体企业的高质量发展之路。　　从2017年初全面向技术转型以来，京东体系已在技术上累计投入近1000亿元，不断强化自身的技术能力及产业数字化能力。　　过去十年中，京东的自营商品SKU在持续增长至超过1000万的基础上，库存周转天数不断优化，从最高39天左右持续压缩至约30天，相当于每年增加2次库存周转，以全球领先的供应链能力提升整个产业链的周转效率。　　京东与国内家电企业携手合作，将库存周转效率相较十年前提升了100%左右。正是凭借着更广泛的消费市场、更低的销售渠道成本、更快的产品创新，京东家电2022年的销售额同比增速大幅超出行业均值，在2022年下半年，京东家电“以旧换新”销售额同比增长4倍，成为家电行业拓展增量市场的新动能。　　二十年间，无论外部环境如何变化，京东的发展始终以持续优化成本、效率以及产品、价格、服务为锚点。京东推出的“百亿补贴”、“买贵双倍赔”、“天天低价”，不是一次短期的、个别品类的促销，而是着眼于零售行业长期的痛点，通过吸引更多用户，持续优化供应链能力、降低成本提升效率、健全低价机制、完善基础能力，是京东围绕产品、价格、服务打造极致体验的重要一环。京东的百亿补贴不仅为消费者带来史上最大优惠力度的消费体验，更有利于行业供应链的平稳运行和品牌商家的有序发展，也能够在经济全面复苏之际担负起扩内需、促消费的责任。　　风物长宜放眼量。京东无论是二十年前决定转型线上，还是十六年前投入自建物流，或是六年前全面向技术转型，一直坚定于成本、效率以及产品、价格、服务的经营理念，都需要站在更长的时间维度、能否穿越周期、能否持续地创造价值去审视。内心笃定才让步履更加坚实，京东始终恪守于做实事、有价值的事、长期的事，对于自身的商业模式和战略方向，对于中国经济的韧性和消费长期向好，都充满信心！　　

金融界2023-03-09

24小时热点