人工智能：AI的下半场，如何赋能各行各业

在2023年，ChatGPT如同一颗冉冉升起的新星，照亮了社交网络的每一个角落，标志着人工智能行业进入了以大规模模型为核心的一个全新的快速成长时代。国际舞台上，海外的巨型模型已经早早布局，成为了推动人工智能发展的领头羊。与此同时，国内的大模型技术也紧随其后，取得了引人注目的成就，特别是在中文问答方面的表现，已经能够和ChatGPT媲美，初步展现出商业潜力。

从技术发展的角度来看，AI的未来正走向更加高效、智能化和细分化的发展道路。其中，一些关键技术的趋势值得关注，包括混合专家模型（MoE）、AI智能体、以及机器人技术领域的创新。2024年，AI在特定行业的实际应用和落地将成为主流趋势，教育、自动驾驶、智能设备、工业应用等领域将是重点关注的方向。随着AI步入了巨量参数模型的时代，对算力的需求日益增长，这为AI芯片和服务器市场带来了前所未有的机遇。我们对国产算力芯片和服务器产业链抱有很大期待。同时，国产大模型技术基座的发展，如EDA等细分领域，也显示出巨大的潜力。

未来的AI技术发展将聚焦于三个核心方向：

更高效的混合专家模型技术，通过门控网络优化任务分配和训练效率；

更智能的AI智能体，能够收集环境信息并做出决策；

以及更加垂直化的机器人领域发展，推动行业向AI强化学习和大模型技术迈进。

随着2024年的到来，AI技术在各垂直行业的应用和实践将成为一个突出的趋势。特别是在教育、自动驾驶、端侧设备、工业场景等领域，AI的潜力正被逐步挖掘和实现。

在教育领域，AI的应用受到极大关注。个性化学习的需求、丰富的数据资源和强烈的付费意愿使得教育成为AI技术落地的理想领域。伴随着生成式AI技术的兴起，AI在教育方面的发展进入了一个崭新的阶段。Market Research的数据显示，到2030年，教育领域中生成式AI的市场规模预计将从2022年的2.15亿美元增长至27.4亿美元，年复合增长率达到37.5%。在这一趋势下，AI+教育预计将在软件开发、教育信息化、智能硬件等方面实现突破。

自动驾驶技术也正在经历快速的发展。以特斯拉的自动驾驶端到端模型FSD v12为例，这一模型完全基于神经网络训练，不含任何手动编写的规则代码。这种端到端架构的优化预计将大幅提高自动驾驶的性能，并进一步提升高阶自动驾驶的普及率。随着技术的加持，全自动驾驶时代逐渐临近，国内企业也在逐步向全球化迈进。

此外，从云端AI转向端侧AI成为一大趋势，尤其在手机和PC领域。从高通在世界移动通信大会展示的手机端离线运行大模型，到微软开发者大会展示的PC端AI大模型，再到近期英特尔、联想等发布的AI PC加速计划，我们可以看到国内外厂商正在积极推动AI Phone和AI PC的发展，标志着端侧AI技术的新时代已经到来。

在智能制造领域，AI技术同样大放异彩，成为工业大国向工业强国转型的关键路径。值得关注的三个细分子赛道包括：工业机器视觉（如SAM模型和GPT-4V在工业质检、自动化中的应用）、工业机器人（如AGV移动机器人和智能焊接机器人的快速发展）、以及工业软件（尤其是AI和云计算技术的融合为国产软件提供了新的增长点）。这些领域的发展不仅提高了效率和精确度，而且促进了技术的广泛应用和行业需求的增长。

在人工智能领域步入以巨量参数模型为特征的新时代之际，对计算能力的需求急剧增加，这为AI芯片和服务器市场带来了前所未有的发展机遇。2023年10月17日，美国商务部和安全局宣布了新的芯片出口限制政策，这对于英伟达等领先芯片制造商产生了显著影响。在这样的国际背景下，国内AI芯片制造商开始加速发展，逐渐缩小与国际巨头如英伟达、AMD的技术差距。在出口管制的推动下，发展国产自主可控的芯片技术成为了一个迫切的战略需求。

国内的芯片厂商虽然在硬件性能和整个产业链的生态系统构建上还存在与国际领先企业的差距，但他们正在加速步伐，不断改进产品设计和生态系统建设，努力缩小与市场领头羊的差异。伴随着对高性能计算力需求的不断增长，AI服务器的市场需求也在稳步增长，预示着这一领域的持续繁荣。