价格免费付费会员免费会员折扣永久会员免费
发布日期更新日期评论数量随机展示热度排行
ChatGPT创业:狮子和土狼一起奔向光明｜投资人说
AI创业助手

ChatGPT创业:狮子和土狼一起奔向光明｜投资人说

阿尔法公社 重度帮助创业者的天使投资基金 ━━━━━━ ChatGPT独步全球，提供的创业机会盖过了iPhone3的出现以及抖音的出世，给创业者、投资人极大的想象空间。我们两周前组织的科大校友全球ChatGPT论坛吸引了8万人，一位师兄喊出了“经验主义的胜利”的口号，精辟地诠释了这场NLP（自然语言处理）革命性进步的本质。 本文从创业者出身的投资人角度，看看技术来龙去脉，探讨一下我们的机会。 Google种树，OpenAI摘桃子，卖给了微软 ChatGPT的起源是2017年一篇题为《Attention is All You Need》的论文，论文首次提出Transformer模型。GPT3.5靠的是算力结合大量数据获取的相关性，取得了AI的革命性进步，相比之下，“理性派”的进展似乎显得慢了一步。 Transformer一改串行方式，让语言处理能用并行处理完成，使得GPU这个“核武器”在语言处理上派上了用场，大幅提升了机器学习的效能，是NLP研究的里程碑。8位作者齐刷刷来自Google Brain，除了这篇开山祖师级的论文，Google Brain还提出了Tensor Flow这个著名的开源机器学习框架，随后推出了TPU，把机器学习的性能实现了数量级的提升。 开疆拓土的Google做梦也没想到，几年后的2023年，一个创业组织OpenAI拔得了LLM（大语言模型）走向应用的头筹。 更离谱的是，Elon Musk出资创立OpenAI的初衷是搞一个非营利、开源的平台，意在为全人类做贡献。没想到他退出后Sam Altman拿OpenAI来跟微软勾兑成了一个商业项目。Elon Musk扬言再创造一个WokeAI，意图唤醒人类真正掌握“危险的AI”。 本是四平八稳的四国大战，却蹦出个搅局的 美国AI四大超级大国Google、Microsoft、Meta、Amazon分别在AI领域下注，试图实现AI突破并构筑核心竞争力。Google和微软的核武库异常强大，Google的功力不用说了，微软研究院更是业内AI翘楚聚集地，Meta（我还是习惯叫Facebook）在强化学习、NLP也积累不少，著名的图灵奖得主Yan LeCun（2018年图灵奖得主，同年得奖的还有Geoffery Hinton，被Google连人带公司连锅端去）主导了FAIR（Facebook AI Research）， Amazon在NLP、AI用于深度挖掘方面也是功夫了得。 怎么看，这都是一场重工业级的“核竞赛”。 四国大战按部就班展开，大公司有天然的产业领袖焦虑症，尤其在未知领域的探索需要庞大资源，但资源摊了大饼，缺乏聚焦。反观OpenAI，几百号人孤注一掷，一针杵破天。应该说，这一场人NLP的进步，是创业者的胜利。 资料来源：国泰君安证券研究 下面我们分大模型、增值型垂直领域、应用型垂直领域三方面，分析一下国内创业者的机会在哪里。 大语言模型，楚河汉界，泾渭分明 AI从不专属于大洋彼岸。国内百度、腾讯、字节、阿里磨刀霍霍，论人才和数据，同属世界级玩家。NLP的竞争进入了核大战阶段，除了比人才，还要拼GPU算力，国内坐拥过万GPU、数千GPU的应该有10家上下，足够参与全球竞赛。众所周知，中美互联网和技术的楚河汉界已经形成，ChatGPT甚至不对中国大陆和香港开放。由于内容的特殊性，中国的大语言模型及数据也会留在国内。从这点看，别人抢跑之后，我们的游戏照玩不误。这场“核大战”平台公司取胜应该没有悬念，留给创业者的机会不多。 大平台都走开放路线，百度已经抢先一步做了文心一言，倒是为创业者留足了空间。 增值型垂直领域，“中间商”吃的是能力差价 LLM进一步激活了GAI（生成式AI）市场，相比国外，国内这个领域仍属蓝海。由于国内大平台起步慢，做垂直领域的模型更有机会弯道超车，比如文生图，拥有数10亿数据、搞30亿个参数，用300-400块GPU训练模型，个把星期也能完成，不断迭代，终将大成。 一旦拥有了标注质量高的数据，后来居上超过StabilityAI、Midjourney完全可能。 中国的科学家和产品经理的结合应该是全世界最好的，没有之一，再加上垂类经验和数据，凭借后期RLHF（Reinforced learning with Human Feedback），出现世界级玩家，至少独步国内，前景可期。 文生图只是一个例子，各类靠数据、垂直领域的能力建立起来的中间层值得期待。 有人会问，大厂的平台大资源多，会不会吃独食？大有大的难处，为了在平台之争中获胜，往往会争夺能力强的伙伴建立生态。国内外都如此。 如果有中间层，一定有垂直模型的机会。有人计算过一个成本模型，如果提供收费服务，服务方支付给大平台的成本占收费价格的1/10，毛利可观，容得下中间层。中间商可以吃能力差价。 应用层机会，万马奔腾...
2
《ChatGPT背后的力量：AI大模型投资热浪》
AI创业助手

《ChatGPT背后的力量：AI大模型投资热浪》

本文介绍了谷歌和德国柏林工业大学组成的AI研究团队公布了一款名为PaLM-E的多模态具身视觉语言模型，可以将视觉和语言集成到机器人控制中。此消息引起了投资者刘天杰的关注，他认为这一技术有望引发AI赋能各个行业的革命。目前，国内外的AIGC领域正迎来一股热潮，硅谷的AI创新比国内更为活跃，尤其是ChatGPT等大模型的成功，更是引发了公众对AI领域的广泛关注。然而，这一波AI热潮与元宇宙、Web3等新概念有本质区别，它将成为各行业AI赋能的基础能力。
0
2023年2月11日，《ChatGPT：人工智能助手引领未来潮流》
AI创业助手

2023年2月11日，《ChatGPT：人工智能助手引领未来潮流》

ChatGLM3-6B，这款升级后的模型将不再受限于单张显卡的算力，而是支持在多张显卡上并行训练，从而大幅提高模型的训练效率。;1月16日，百度宣布将基于ChatGLM3-6B开发文生一体的人工智能助手，并已在多个平台上部署。;1月20日，腾讯宣布投资3000万元人民币领投完成了对AI独角兽公司大炼丹的投资，并将在多个场景中使用ChatGPT技术。;ChatGPT 已经成为了全球范围内备受关注的焦点，吸引了众多科技巨头的关注。;随着科技巨头不断加大对AI行业的投入，预计未来AI行业将进一步发展。
2
《SamAltman：如何让想法worth奋斗》
AI创业助手

《SamAltman：如何让想法worth奋斗》

这篇文章介绍了HatGPT背后的OpenAI公司和它的创始人Sam的故事，并分析了Sam在创业方面的经验和见解，包括好的想法、团队、产品、执行、融资、管理等八点。文章强调了好想法的重要性，认为好的想法本身就是值得奋斗的，能够让创始人投身于事业中。同时，也要注意寻找合适的合伙人，并且注重团队的建设和人员的选型。最后，文章提到了创业团队中每个成员的角色和重要性，以及如何创造出优秀的产品。
0
ChatGPT创业潮来了，我既兴奋又焦虑
AI创业助手

ChatGPT创业潮来了，我既兴奋又焦虑

点击上方蓝色字关注我们~ ChatGPT会颠覆很多领域，但这个蛋糕最终被大厂还是创业公司吃到还是个未知数。 来源 | 深燃 （shenrancaijing） 作者 | 唐亚华 最近一段时间，ChatGPT从AI领域破圈，成了互联网领域的新风口。创业者和投资人也兴奋起来了。 创业的方向已经很明了。做中国版对标ChatGPT的大模型，是显而易见的一条路。目前百度的“文心一言”已经呼之欲出，原美团联合创始人王慧文也宣布携5000万美元进军AI，要打造中国的OpenAI（ChatGPT的研发公司）。 同时，将ChatGPT这样的大模型平行扩展，从文字信息知识模型扩展到图片、视频等领域，也有同等机会。另外，顺着ChatGPT的方向再往前走一步，又是另一个思路，如今的ChatGPT理解能力强，但准确性和时效性弱，在后者上下功夫，也是不少创业者在做的事。 大模型之外，ChatGPT在各垂直领域的应用可能是适合更多创业者的路径。ChatGPT可以应用到文案、营销、设计、行业研究等文化传媒领域，还有医疗+AI，教育+AI，企业服务中的智能客服、数字人，以及游戏等各行各业中。有从业者提到，每个领域都可以训练适合自己的ChatGPT。 机会有很多，不过最终作为创业投资项目，其可行性还待验证。现在，ChatGPT欠缺严密的逻辑能力，也缺乏一些常识，在很多领域的应用壁垒不高但模型训练成本高，短期之内商业化也有难度。 投资人最近既兴奋又焦虑，市场很热，但蹭热度的占据大多数，真正靠谱的项目不多，他们目前普遍处于高度关注但下手谨慎的状态。毕竟，ChatGPT会颠覆很多领域，但这个蛋糕最终被大厂还是创业公司吃到还是个未知数。 01 大模型、小场景， 盯紧ChatGPT 要找到ChatGPT领域的创业投资机会，有必要先弄清楚ChatGPT的特点。 众所周知，ChatGPT是生成式AI，与之对应的是分析式AI。微软投资的人工智能企业OpenAI从2015年开始研发这个模型，直到2020年，OpenAI发布了GPT-3语言模型，才引起国内外科技从业者对生成式AI的关注。 如今的ChatGPT，是OpenAI在ChatGPT-3.5的基础上，模拟人的自然语言，重点做了聊天对话方面的训练而形成的，同时，这一代的ChatGPT具备了创造、生成内容的能力。 英诺天使基金合伙人王晟告诉深燃，他们一年半之前就把AIGC（利用人工智能技术来生成内容）确定为主要投资方向了，也已经投了专注大模型的项目深言科技和做全新应用场景的公司深空交响。 ChatGPT突然爆了，“好处是我们已经投了的项目非常受人关注，最近每天都有好几个投资机构去和他们约见面。不好之处是本来我们在这一波AIGC方面的认知和布局是领先行业的，相对有时间逐步完善布局，现在这一波热度让市场开始变得混乱。”他说。 在王晟看来，国内ChatGPT相关的创业投资机会有两大方向：第一是研发大模型，直接对标ChatGPT，比如做中国版ChatGPT，同时，在ChatGPT这类语言大模型之外还可以扩展到图片、视频等领域；第二就是将ChatGPT垂直应用到各个细分领域。 目前，涉足大模型的国内大厂已有不少。百度的文心一言、华为的盘古模型，字节跳动和达摩院也有自己的模型。这些大部分是语言模型，也有一些多模态的模型，比如达摩院的M6模型，它可以生成文本，也可以生成图像。但国内的模型可能限于某些比较小众的应用，还没有形成非常大规模的市场影响力。 初创企业在该领域也有相当的发展。其中，比较有代表性的国内人工智能企业“智谱AI”近年来一直在做关于千亿模型和万亿模型的研究。他们主导研发了多语言千亿级预训练模型（是深度学习架构，经过训练以执行大量数据上的特定任务）GLM-130B，并打造了认知大模型平台（认知模型是指描述人类认知结构和认知过程的模型）Bigmodel.ai，形成了AIGC产品矩阵，提供智能API（应用程序接口）服务。从应用落地层面，智谱AI于2022年推出的AI数字人，在北京冬奥会及卡塔尔世界杯上受到广泛关注。 “大模型需要高水平团队，得是资深从业者，同时有比较强的AI工程化能力，另外我们倾向于看好曾经花过大钱做过大模型的团队。”王晟说。不过他也指出，中国能做语言类大模型的团队非常有限，加上大厂、一些科研机构和创业公司，总体数量可能不超过十个团队，加上图片、音乐、视频、3D资产等领域的大模型，全国能投的标的也就几十个。所以说大模型是一个重点关注的范围，但投资机构和普通创业者能抓住的机会不多。 ChatGPT如何适用细分领域，是更多创业者关心的事情。在这里，我们先解释一下ChatGPT身上的一些特性。跃盟科技创始人兼CEO王冉对深燃分析，评价一个模型好坏要从处理信息的适用性、准确度、时效性三个维度来看。ChatGPT对标的是搜索，可以从这三个维度对比ChatGPT和搜索的差别。 他进一步解释：搜索目前用的主要是关键词搜索，ChatGPT却能很好地识别自然语言，所以在适应性上，ChatGPT能做到满分10分；在信息的准确度上，现在搜索引擎已经做到了前十条结果点击率95%，前三条的结果点击率80%-85%，ChatGPT在准确度上做了妥协，在知识跟推理里用了更模糊的方式，准确率远远不如搜索，能打6分；在时效性上，ChatGPT是0分，它的模型是以年为单位训练的，不适合处理有时效性的信息。 所以ChatGPT是一个强适应性、弱准确度、弱时效性的产品模型，在这样的特点之下，应用场景也就明确了。 “这些特点就决定了ChatGPT不适合从0到1，更适合从1到N，它不能代替用户寻找正确答案，而适合在搜索之后做二次加工处理，比如总结、分类、做表、纠错、写代码，另一类应用是模糊推理下的创造，比如写小说、创意设计。”王冉说。 理论上说，基于ChatGPT大模型，能做各个行业的解决方案，来提升生产力，比如媒体、设计、营销、行业研究、智能客服、影视特效、教育、医疗、游戏等领域。王晟也提到，现在很多广告公司平面设计师的工作很大程度上已经是AI在做，设计师对成果再做优化，另外，ChatGPT如果运用到游戏中，里面的NPC可以真实互动，游戏也会变得更酷。 02 AI、医疗、教育， 谁能借ChatGPT起飞? ChatGPT具体怎么应用到细分领域，创业者的现身说法最有说服力。 王冉的跃盟科技从2016年就专注AI赛道，目前在做服务直播、新媒体或新的电商形态的AIGC模型。“我们提供一个模型底层技术，能在搜索之上，把直播间的商品按照用户的需求呈现出来，比如用户搜索情人节买点什么，我就把所有直播间在卖的对应商品信息整理出来，用对话或搜索推荐的方式推给用户。” 在这一业务中，王冉重视的是模型的准确性和时效性，因为电商的平台信息、价格信息都要准确，时效上，要做到小时级乃至分钟级。 “现在我们要做的就是准备好迎接大模型的到来。”医疗AI领域创业公司“左手医生”创始人张超说。最近每天找他咨询的同行很多，大家都在讨论怎么用、效果怎么样、怎么投入，他的感受是，ChatGPT让医疗AI领域原来很多不好解决的问题忽然能解决了，AI医生离商业化、大规模使用又近了。 张超整理了ChatGPT对医疗AI的影响，首先，ChatGPT可以用在文档的处理类任务上，比如，抽取类、结构化类任务、摘要类任务，解决医生的文书工作；同时，可以带动一堆监管类任务应用，比如质控、DRG（疾病诊断相关分组）；还有一个重要应用是人机沟通类任务，比如智能自诊、预问诊、分导诊、随访等；最后，ChatGPT对全科医生的打造也更有利，比如AI能更好地辅助诊断、做指标解读、开方、做基础患者教育、完成智能问答等。 “AI医生目前需要解决的核心就是语义问题，以前我让AI系统理解10个指令，如果患者的问题不在这10个指令范围之内，系统就不会回答了，因为患者输入的问题可能用的不是标准表达方式，有了ChatGPT，新指令出现的时候它还能很好地处理。”另外，张超还提到，大家一直吐槽AI电话随访是人工智障，有了ChatGPT，系统可能对患者的提问对答如流，也可能从患者语无伦次的回复中整理出有价值的数据。 “原来我们做的是一个70分的产品，这一版优化完升级之后，应该能达到90分。接下来行业里面如果有人发布了大模型，我们会考虑采购，在大模型基础上用我们的数据去升级优化模型。”张超预计再过两三个月就能用起来，就看OpenAI或国内大厂谁先开放出来，“不过投入也不会少，硬件追加大概得1000-2000万元，预期在这块投入的研发成本一年也得近3000万元。” 教育和ChatGPT契合的场景也很多。 在新东方优编程董事长朱宇看来，在学前阶段，ChatGPT可以做成一个能够帮助孩子探索世界，解答小孩各类问题的陪伴机器人，上升到小学、中学，经过训练的ChatGPT可以像老师一样答疑，比如学生的水平比较低，就调取最低级的概念解释，一步步告诉答案，如果提问者是个水平很高的学生，直接说几个关键步骤就行。再往上一层级，ChatGPT能做到个性化推送学习素材，甚至能编写针对每一个学生的教材。 “ChatGPT现在已经会写小说、写报告了，实际上学生用的教材涉及到的知识点是固定的，比小说和报告的素材更简单，只需要用不同层次的学生听得懂、有兴趣听的方式输出就可以了，比如可以选择更活泼幽默的方式。”朱宇说，这可能是跨时代的意义，几乎能颠覆过去三四千年以来的知识传递方式。 悉之智能创始人兼CEO孙一乔目前看好ChatGPT做语言学习方面的结合，“我最近正好在学英语，以前都是跟外教一对一练习，但外教不太懂中文，有一些词汇我表达不出来，外教也不知道我想说什么，我的合伙人利用现在的ChatGPT加上语音识别与合成功能，结合一个虚拟AI形象，做出了可以与我进行流畅的英语对话的AI老师，大大的提高了我的英语学习效率，降低了学习成本。未来一些以真人为主的英语教学，可能会被替代。”...
1
《ChatGPT崛起：AI领域的新风口》
AI创业助手

《ChatGPT崛起：AI领域的新风口》

近期，ChatGPT成为AI领域热点，国内科技巨头和互联网大佬纷纷加入研发大模型竞赛。ChatGPT被视为新一代工业革命的象征，将对金融、医疗、教育等行业产生深远影响，为创业者提供新的机遇。
0
《ChatGPT的诞生：OpenAI的秘密武器》
AI创业助手

《ChatGPT的诞生：OpenAI的秘密武器》

文章介绍了全球热门应用ChatGPT背后的第一推手，OpenAI首席技术官格雷格·布罗克曼。他带领团队进行多年研发，成功将AI技术应用于实际场景，使得ChatGPT在2023年注册人数激增，让谷歌和DeepMind措手不及。ChatGPT的成功不仅在于技术研发的重大突破，更在于将AI技术用于现实世界任务。虽然OpenAI的CEO萨姆·阿尔特曼是公司的形象代表，但34岁的布罗克曼才是该公司的秘密武器。
1
ChatGPT加剧恐慌？4成AIoT开发者认为AI会产生意识 | 中国AIoT开发者报告正式发布
AI律师助手

ChatGPT加剧恐慌？4成AIoT开发者认为AI会产生意识 | 中国AIoT开发者报告正式发布

作者 | 杨阳 出品 | CSDN（ID：CSDNnews）据国际数据公司IDC预测，到2025年，全球IoT连接的设备数量将达到519亿，其中中国将达到80亿。尽管相较之前，近两年IoT的讨论热度有所消减，但并没有影响到在产业界的持续布局。如何实现万物智联是产业界长期以来主要关注的方向。如同互联网通过人作为主脑和终端的连接方式，物联网也需要主脑进行数据的搜集、决策和分析，同时也需要智能终端进行执行操作。AI+IoT，即实现了AI作为大脑和终端实施，以及IoT作为神经网络的融合落地。伴随着AIoT相关技术的不断成熟，越来越多的企业开始投入到AIoT领域的研发和应用当中，除了传统制造、能源等产业，还涉及金融、医疗健康、农业、城市建设和管理等多个领域，让众多开发者看到了巨大的机会。 为了帮助AIoT技术从业者和生产企业探索更多可能，CSDN重磅发布《2022-2023 中国AIoT开发者调查报告》，从开发者生态、技术工具、行业场景、发展路径、未来范式等维度展开分析。同时，我们也特邀该领域意见领袖对报告进行深度解析和点评。 纵览本报告，我们有几个重点发现： 大部分AIoT的开发者工作状态较为自在，其中自由开发者占到39%； 拥有3-5年技术开发经验的开发者人数成倍数增长，说明这一领域的爆发期是在五年前； 有38.5%的开发者最感兴趣的AIoT技术是数据科学/数据挖掘/数据分析，其次是机器学习/深度学习/神经网络，占比37.6%； 生成式大模型技术的突然爆发对于开发者来说还有待观察，但预期向好； 42.5%的开发者表示所在公司生产的AIoT设备用于制造业，41%的开发者认为感知/控制是自动驾驶技术中最具挑战性的环节； 43%的开发者认为，国际上AIoT的发展以底层技术作为主导，国内则以平台、应用和服务层主导AIoT产业价值链； 30%的开发者表示，国外在可穿戴设备、智能家居，以及智能电网等的应用上更加超前； 超过9成开发者认为机器可以胜任部分到大部分人类工作，41%的开发者认为人工智能有可能产生出意识。 开发者生态：时间自由、人数增长、聚焦机器学习/深度学习近来，ChatGPT引发国内AI产业爆火，大佬们纷纷布局大语言模型。从美团“退休”后，王慧文在上个月创办“光年之外”，收购袁进辉的一流科技,旨在打造中国版ChatGPT。王慧文的英雄帖显然召唤出了产业界的热情，李开复开始筹组Project AI 2.0，王小川携带5000万美元入场费，创办百川智能……当AI大佬们跑步进入新的战场，从事AIoT的开发者又呈现出怎样的生态？从调查数据来看，大部分AIoT开发者工作状态较为自在，图1中，自由开发者占到39%，作为兼职和利用业余时间参与的比例为40.0%，和自由开发者数量相当。相较而言，全职开发者最少，只占到调查人群的五分之一左右。这一方面说明开发者群体愈加倾向自由职业，另一方面也说明AIoT是自由开发者聚集的领域。图1 开发者参与AIoT状态从2017年开始，AIoT被频繁提及，在此之前，开发者更多是在AI或者IoT的独立领域。而当智能家居、智能制造、智能城市等落地应用端被推向风口，AIoT逐渐成为产业界的主流讨论方向。从图2不难看出，拥有3-5年技术开发经验的开发者人数成倍数增长，说明这一领域的爆发期正是在五年前。而近年来，得益于市场潜力地不断挖掘，越来越多的开发者选择进入这一领域。据调查显示，近1-2年进入这一领域的开发者占比为32%，而就在去年，这一数据进一步增长到41%。图2 开发者从事AIoT技术开发的时间具体到所从事的技术领域，机器学习/深度学习算法工程师、数据科学家/数据分析师/数据挖掘工程师和计算机视觉/图像识别/图像处理工程师的队伍较为庞大，位列前三，分别占比10.5%、10.4%及9.1%。另外，在软件工程师和硬件工程师的统筹统计中，软件工程师以38.5%的占比远高于硬件（芯片、传感器、控制器工程师+智能硬件工程师）9.2%的占比。图3 开发者从事AI/IoT的技术领域技术工具：数据科学/机器学习+AI大模型+存储/云计算+工具箱李彦宏今年初曾公开表示：“如果让我来判断第四次科技革命的标志，我认为是深度学习算法”。同时，他也认为“大语言模型的出现对于云计算来说，是一个 Game Changer，会改变云计算的游戏规则。”和他预判相一致的是，在AIoT领域，开发者最感兴趣的技术是数据科学/数据挖掘/数据分析（见图4），有38.5%的开发者做出了这一选择，以及机器学习/深度学习/神经网络，占比37.6%，这样的结果也完全符合AI算据、算法、算力的三大要义。在通用技术上，29.4%的开发者选择了计算机视觉/图像识别/图像处理，可见视觉仍然被赋予极高期待。以上AI技术为AIoT发挥的作用主要体现在，可以帮助开发者处理和分析从各种物联设备中收集到的海量数据，从而为企业提供更准确、更有用的洞察和决策支持。与此同时，可以帮助开发人员构建智能应用程序，在实时监测和控制物联设备方面发挥着重要作用。此外，比较出乎意料的是，AIGC/大语言模型的选择人数只占到4.8%，本调查的收集期限覆盖了ChatGPT的起势期（去年12月-今年1月），国内大语言模型的火爆期主要集中在今年2-3月。图4 开发者对AIoT感兴趣的技术方向在另一个关于AI热点技术突破的问题上，26.6%的开发者表示看好生成式人工智能（图5）。上述4.8%，以及这里的26.6%两个数据恰好说明了，生成式大模型技术的突然爆发对于开发者来说还有待观察，但预期向好。而除了生成式人工智能之外，大规模数据集和大模型开源也是开发者看好的方向，两个选项分别占比23.4%和20.9%。图5 开发者看好的AI热点技术突破另外，大规模物联网应用还需要处理海量数据，这些数据需要进行有效的存储和管理。云计算是建立在大规模数据存储之上的一项关键技术，它提供了强大的计算能力和可扩展性，帮助开发人员更好地处理和分析数据。据调查显示（图6），超过3成的开发者日常会处理数据存储相关的问题，其次是云计算，占比28%。图6 开发者接触最多的AIoT技术目前AIoT的开发者工具应用主要集中在视觉图像、语音合成和自然语言处理等领域（见图7）。调查数据显示，近三成开发者会用到AI人像修复工具，该技术可以帮助开发者对人像进行自动修复和增强，提高应用设备上人脸检测的效果以及准确性。排在二、三位的分别是AI目标检测和AI视频抠像/人像抠像，均与机器视觉相关，之后是人工智能语音合成。图7 开发者使用的AI工具箱行业场景：制造业+自动驾驶+供应商AIoT作为人工智能和物联网技术结合的产物，它使物联网设备更加自动化和智能化，制造领域基于降本增效的底层诉求，也与AIoT进行了紧密的融合。42.5%的开发者表示所在公司生产的AIoT设备用于制造业，帮助制造企业进行数据分析和优化，实现智能制造。当然，其它领域也在飞速发展，其中金融、交通物流也是AIoT技术应用的重要领域（见图8）。图8 AIoT技术应用的行业领域另据调查数据显示（图9），开发者们开发出来的产品应用场景非常广泛，没有出现某些领域特别高的现象，分布相对均匀。其中，用于图像识别和推荐系统的产品占比相对较高，分别为19%和18%。 图9 AIoT产品应用场景自动驾驶被称为是AI皇冠上的明珠，同时也是IoT的重要应用场景。但在相关技术的系统设计和实现方面，开发者仍面临着诸多挑战（图10）。其中，41%的开发者认为感知/控制是自动驾驶技术中最具挑战性的环节，紧随其后的是预测/规划、硬件系统以及视觉，分别占比28%、26%和26%。未来，开发者需要持续地深入研究和努力，克服这些难点，提高自动驾驶技术的性能和可靠性。图10 自动驾驶面临的主要痛点在AIoT供应商的排名中（图11），26%的开发者表示其所在公司主要与华为合作，位列第一。除了华为，国内其他IoT供应商也发展迅速，其中小米也是重要的供应商之一，有14%的开发者表示，他们在使用小米提供的IoT服务。排在国内前五的还包括中兴、新华三和TP-LINK。图11 AIoT领域供应商发展路径：平台、应用和服务层主导，可穿戴设备未来可期对比来看，国内和国际在选择AIoT的发展路径上存在较大差异。其中，有43%的开发者认为，国际上AIoT的发展以底层技术作为主导，国内则以平台、应用和服务层主导AIoT产业价值链。与此同时，30%的开发者表示，国外在可穿戴设备、智能家居，以及智能电网等的应用上更加超前（图12）。图12 AIoT国内外发展路径差异事实上，经过多年的发展，国内很多厂商已经开始制造头戴式VR/AR设备。这类设备具有更高的沉浸感和自由度，用户可以随时随地享受更加真实的VR/AR体验。调查显示，59%的开发者表示他们自己或者周围朋友有VR/AR设备，此外41%的开发者对于这一领域的兴趣尚待挖掘（图13）。图13 VR/AR穿戴设备目前发展情况对于虚拟和增强现实的未来应用，几近一半开发者看好该技术在游戏娱乐等日常消遣场景中的应用。还有27%的开发者非常看好这一领域，认为《头号玩家》在未来将会成为现实。另外，也有近五分之一的开发者认为这一技术没有实际意义，或者技术本身面临难以解决的问题，因而并不看好（图14）。图14 VR/AR穿戴设备未来趋势未来范式：人、机、物大融合，AIoT带来的巨变和社会影响未来，AIoT的演进范式会体现在人、机、物的大融合上。一方面机器将可以代替人类劳动，另一方面也可以实现人机协作。对于机器替换人类工作，超过9成的开发者认为机器可以部分到大部分胜任（图15），其中更有4%的人认为人类将不再需要工作，只有8%的开发者认为机器不能替代人类。图15 机器会在多大程度上改变人类工作至于AIoT将在未来带来哪些巨变，53%的开发者认同AIoT会增强工作效率（图16），通过设备和系统的互联实现智能化和自动化管理,使得工作流程更加高效和精确。此外，30%的开发者表示期待更加智能的家居系统，提升生活质量。对AIoT抱持不安全感态度的开发者占比6%，也有11%的开发者担心AIoT会加剧失业问题。图16 AIoT在未来将带来的最大改变是什么伴随AIoT技术的广泛应用，也会带来一系列伦理、法律和社会影响，将改变我们经济发展路径和社会生活形态。因此，在AIoT技术普及之前，需要开展广泛的社会、文化和伦理的探讨研究。那么，关于伦理、法律和社会影响的讨论应该在什么时间点展开？36%的开发者表示越早越好，在基础研究阶段就应该开始。也有同样数量的开发者表示，在产品化、服务化之后社会使用和实施阶段再考虑也可以（图17）。图17 哪个阶段开始考虑AIoT的伦理、法律和社会影响万物智联之下，人工智能是否具有意识的能力，一直是哲学、心理学、神经科学等领域探讨的问题，近年来也逐渐成为更多人关注的焦点。数据显示，41%的开发者认为人工智能有可能产生出意识（图18），看来不少人对于硅基生命的想像还是很丰富的。图18 人工智能会发展出意识吗？
9