7月7日周五，在2023世界人工智能大会上，启明创投合伙人周志峰分享了自己对AI大模型及整个产业发展趋势的思考，同时携手未尽研究共同发布报告《生成式AI》，提出了十大行业前瞻。

周志峰认为，AI2.0浪潮将重建整个产业架构，一定会有新巨头在新一轮科技浪潮中诞生。

对于未来产业发展趋势，启明创投同未尽研究在报告《生成式AI》中预测，长文本是大语言模型关键；transform一定不是技术终局；当前生成式AI市场处于技术主导的早期阶段，存在千亿美元市值的平台性企业的机会。

【资料图】

作为最早一批活跃在AI领域的创投机构，启明创投投资企业遍布整个AI生态链条，涵盖芯片、大模型、垂直应用等领域均有所涉及。值得一提的是，今年5月，启明创投第七期人民币基金成功完成65亿元募资，为年内规模最大。

AI 2.0：重建整个产业架构

首先，周志峰表示，大规模的算力，大规模的数据对AI未来发展非常重要：

大规模训练的第一性原理是用大规模去压缩人类世界全部被数字化的知识信息跟数据。

你从这句第一性原理中能看到，大规模的算力，大规模的数据是对AI未来发展非常重要的，而确实大规模的算力，大规模数据也是人类过去40年芯片在互联网大数据各个领域中不断累积的这些技术，然后去推动AI的爆发。

接下来，周志峰阐述了VC圈对于“AI1.0”和“AI2.0”的理解，同时强调，AI2.0将重建整个产业架构：

深度学习被创业投资行业称为叫做AI1.0，主要是说它是针对一个特定的小任务，用一个特定的小数据集训练出来的一个小模型，而且主要是模式识别类，比如人脸识别语音识别。

今天的大规模语音领域学习被我们更多称为是AI2.0，主要它是通用的数据训练出来的大模型，具有生成决策能力。

进一步，周志峰指出，新的生态架构将分为基础层、模型层和应用层三层架构，这会给现有产品设计带来很大改变：

最底层是基础架构层，提供算力，像aws火山引擎、阿里云等等都在提供这种计算中心平台，主要是对大模型的训练、推理、部署做优化。

中间层为模型层，有好几种形式，一类是提供这种基础模型底座模型，然后对外去输出模型的能力，通过API通过模型定制。另一类是自建大模型，就是做了自己的大模型后，会针对某一个特定行业特定场景去做优化，然后提供端到端的从模型到应用的解决方案。

第三层应用层，一部分公司会自建模型直接做到垂直应用，（剩下来，）可能80~90%的公司都会利用第三方模型的能力，去构建自己熟悉的场景或者行业的一个应用。

谈到产业发展，周志峰指出，未来企业分为两种——+AI、AI+：

其中，更多的企业是+AI，即把新一代的AI的能力放进工作流，其实是一种旧场景的增强。

另一类企业，则会全新构建一个产品，这是一种旧场景的重塑，或者叫做新场景的创造。

周志峰表示，每一轮科技浪潮都会诞生出新的王者，新的伟大的企业。不过，如何找到创业的黄金通道，则需要努力思考：

ChatGTP重新点燃了AI 2.0这波浪潮，全球的整个融资金额发生了巨大的发展，这一次，会是一个依然是持续两年，然后走低的泡沫，还是会真的一路向前，发展到一个通用人工智能，这是一个非常值得思考的问题。

大模型肯定是会变的越来越厉害，OpenAI的CEO也说，他们有可能自己去介入类似于微软这样的产品，做一个办公productivity产品，他们也在向往更广阔的空间，我们是不是能够找到一个自己的创业的黄金通道，最终走向一个广阔的天地？

也许现实其实是这样的，我们要走的路可能是一条死亡峡谷，两边都会不断的挤压，他们的技术都在动态变化，我们怎么能够穿过这条死亡峡谷，我觉得这是在创业时候，我们要去发挥自己的理性思维，去努力去思考的。

展望未来，启明创投联手未尽研究共同发布重磅报告《生成式AI》| State of Generative AI 2023，提出十大行业前瞻：

（1）大语言模型

1、2024年中国将出现比肩GPT-4的多语言通用大模型；

2、超长上下文（Long Context）将引领下一次LLM技术突破；

3、在出现更有前景的大语言模型之前，为实现垂直领域更好的效果，以下三种方式将共存：

i）在不改变数据分布的情况下，利用更多通用数据进行通用大模型预训练，不特别引入行业数据，

ii）利用行业专属数据微调（Fine-Tuning）通用大模型，

iii）利用行业数据占比更高的数据集进行垂直模型预训练。

多模态模型

4、当前CLIP + Diffusion的文生图模型是过渡态，未来2年内将出现一体化的模型结构；

5、下一代Text-to-Image模型将具备更强的可控性，它将结合底层模型能力和前端控制方式，对模型的设计将注重与控制方式的结合；

6、2025年之前，Video和3D等模态将迎来里程碑式的模型，大幅提高生成效果；

7、以PALM-E为代表的具身智能（Embodied AI）展现出在机器人的感知、理解和决策等方向上的巨大潜力，但当前训练和可靠性存在较大挑战；

8.、短期内Transformer正成为多个模态的主流网络结构，但压缩整个数字世界的通用方法尚未出现，Transformer并不是人工智能技术的终点。

商业机会

9、 3年内，颠覆式的AI应用的核心驱动力来自于底层模型的创新，两者无法解耦，模型的作用将大于产品设计的作用；

10、当前生成式AI市场处于技术主导的早期阶段，存在千亿美元市值的平台性企业的机会。

本文主要内容来自启明创投周志峰7月5日WAIC演讲及启明创投、未见研究报告：《生成式AI》|The State of Generative AI 2023