人工智能逻辑-红米note智能人工语音

2016年，DeepMind研发的AlphaGo诞生，彻底点燃了全球人工智能开发热潮。 此后，以机器学习特别是深度学习为代表的新一代人工智能向更高级、更复杂、更自主的方向取得突破。 性进步给经济社会发展带来了新的变化和机遇。

纵观人工智能诞生60年，我们经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷。 我们目前正处于第三次人工智能浪潮中。

与此同时，互联网流量时代从增量市场向存量市场转变，人口红利成为历史。 以抖音、快手为代表的短视频平台创造的时长红利即将见顶。

互联网兴起所产生的海量数据、硬件技术的发展变革、摩尔定律带来计算能力的快速提升，推动了深度学习技术在人工智能领域的普及，促进了语音识别、图像识别等技术飞速发展。 改变。 有人认为，人工智能的发展和效率红利的释放，是整个互联网都在寻找的新的二次增长曲线。

另一方面，在国家层面，中美两国政府都将人工智能视为面向未来的战略。 2017年，人工智能首次写入国务院《政府工作报告》，正式进入国家战略层面。 去年，中国政府出台了一系列行动计划和纲要，继续从顶层设计层面推动人工智能发展。 “十四五”规划纲要明确，人工智能将成为建设创新型国家、实现新型工业化和信息化、推动经济高质量发展的最有力助推器之一。

据龟智报告，2021年人工智能总投资将达到775亿美元，较去年的360亿美元同比增长115%。 这是 20 年来人工智能投资的最大同比增幅。 恰逢硬科技时代来临，不少投资者认为，人工智能在2022年整体将呈现乐观态势。

本文将根据Invest Montage与几位投资机构合伙人的对话，分析以下三个问题：

1、2022年人工智能的投资逻辑是什么？

2、人工智能赛道的新机遇在哪里？

3、中国人工智能能否实现弯道超车？

2022年，人工智能投资的逻辑是什么？

这几年大家对整个AI的基础能力和算法数据的认识都在不断加深。 蓝驰创投投资合伙人史建平从宏观层面向投资澜起解释了人工智能领域投资的三个逻辑点。

一是更加注重视觉和声音向行业更深层次的渗透和发展，比如在行业中的深化应用。 人工智能是效率提升的重要驱动力，无论是在工具层面还是在应用层面。 过去，人们对AI应用场景的印象可能还停留在人脸识别、视觉等方面，但石建平认为，随着AI的不断渗透，未来AI在各行业的深入和普及将得到很大提升. 比如在工业行业，人工智能可以在设计和智能决策方面提供很大的帮助。

二是“AI+”有望成为新的行业业态。 “互联网+”的出现曾对经济发展产生重要影响。 尤其是AI+科学，AI和科学是人类认识自然界物理规律的两种不同范式。 例如，由百度创始人李彦宏发起的生物计算引擎驱动的创新药物研发平台BioMap就是AI+药物发现的一个例子。

Batu Biotech 将先进的人工智能技术与尖端的生物技术相结合。 通过高精度AI抗体设计，实现国际领先的蛋白质预训练技术，建立对抗体药物亲和力、稳定性等关键参数的预测能力。 在此基础上，通过干湿闭环实验的主动强化学习方式，可以大大加快抗体药物的设计和理解过程。 然后利用超大规模图神经网络从海量生物数据中提取高维目标疾病关联规则，将收集到的高质量验证数据与AI技术相结合，实现高效的新药发现。

此外，它还包括AI+素材，对素材有很大的推动作用。 石建平认为，这是人工智能与科学的有机结合。 利用第一性原理来融合人工智能并渗透到更广泛的领域，将不断发现新的东西。 场景中断。

第三，人工智能技术底层逻辑仍存在挑战。 整个AI的底层工具已经发展到今天。 由于人工智能的底层工具门槛较高，人工智能要想真正普及还面临着很大的挑战。 不过，在AI底层的基础能力方面，石建平认为，它会不断迭代进化，包括通用模型、大模型、高性能计算等近期大家特别关注的领域，这将为人工智能的可持续发展提供重要的基础能力，也将推动人工智能的发展。 AI与知识图谱更好的结合，将助力人工智能进入平民化时代。

谈及项目本身，九合创投合伙人谢振亮告诉蒙田投资，人工智能的投资不局限于某个细分赛道，主要看项目本身的技术含量，结合落地场景、市场空间和团队架构是否“强大”等综合因素判断。

换个角度理解，可以认为人工智能的各大细分领域，无论是无人驾驶、机器人、医疗、金融还是其他领域，未来都将爆发巨大的社会效益。

未来人工智能的新机遇在哪里？

在与机构的对话中，谈到人工智能未来的机会，更多的投资者会关注当前的卡点，认为解决卡点就是未来的机会。 现在讨论最多的问题之一是人工智能的可解释性。

2021年11月，联合国教科文组织通过的第一份全球人工智能伦理协议《人工智能伦理建议书》（Recommendation on the ethics of artificial intelligence）提出了十项人工智能原则人工智能逻辑，其中就包括“透明性和可解释性”。 ”。

如今，许多人工智能应用背后的工作方式和算法训练数据是未知的。 这种未知在社会运行中非常关键，尤其是在医疗、自动驾驶等与生命安全直接相关的领域，以及公众较为敏感的领域。 私人问题。 可解释性也是近年来没有重大突破的地方。

在腾讯研究院发布的《可解释发展报告2022》中，总结了五种可解释AI的意义：

1.帮助用户增强对AI系统的信心和信任。

2. 防止偏见，促进算法公平。

3.符合监管标准或政策要求。

4. 理解和验证人工智能系统的输出以推动系统设计的改进。

5. 帮助评估风险、稳健性和脆弱性。

换句话说，可解释的人工智能主要针对四个群体：直接用户、政策和监管机构、科学研究和公众。 眼下，可解释性已经成为人工智能需要跨越的“坎”。

如果“AI+”是未来的发展趋势，那么受AI影响最大的地方也可能会看到新的机遇。

谢振良认为，受AI发展影响最大的行业集中在早期的自动驾驶和汽车领域。 此外，从整体行业来看，医疗行业受影响较大，尤其是AI辅助制药和医学影像等领域。

史建平告诉蒙田投资，受人工智能影响最大的有两个部分。 一是各行业数字化转型数据积累比较大的公司，二是毛利比较高的公司。 事实上，每个行业都有满足这两个前提条件的公司，这意味着每个行业都有新的机会。 从未来五年来看，除了互联网等一些容易获取数据的企业，还会下沉到一些所谓的传统企业，甚至更多地渗透到第一、第二产业，创造一个更好的社会造就社会。 多重机会和价值。

在商业空间和成熟度上，图像和音频领域的应用更加成熟，包括自动驾驶、安防、人脸识别、翻译、语音合成等。

另一个是自然语言处理。 人机对话在Open AI这样的超大模型中其实已经达到了比较高的语言生成能力，但是NLP还不够成熟，一些逻辑思维和上下文连接能力还有待提高。 然而，由于其不成熟，该模型仍在迭代优化中。 与图像和音频相比，机会更大，全民对话将是一个突破口。

展望未来，中国能否实现弯道超车？

由于冬奥会的成功举办，人工智能也成为了近期冬奥会的热门话题之一。 从冬奥会的手语转播，到数字人、可穿戴体温计、滑雪场的AI哨兵，再到AI裁判等一系列智能机器人，都成为了整个平台的内容。 很少和AI打交道的朋友也在转发评论。

虽然对于从事人工智能赛道的人来说人工智能逻辑，冬奥会的一些AI应用可能只是针对某些场景进行了专门优化，但经过冬奥会的推广，公众对人工智能的认知度得到了提升。 而且不限于中国公民。 借助冬奥会的影响力，也培养了世界公民让人工智能成为生活一部分的习惯。 而这仅仅是开始，逐步渗透也是人工智能发展的必经之路。

依托人工智能生活习惯的建立，可以帮助人工智能开拓To C市场，也对应人工智能平民化的呼声。 To C领域有很多应用和场景，甚至可以颠覆人类的娱乐方式，比如过去一年火爆的元界、虚拟数字人。 但是当技术还不够成熟的时候，To C会比To B慢，B的接受度会更强。 施建平认为，国家目前的定位是向硬科技领域发展。 对于整个社会的影响，To B可能是一件更能创造价值的事情。

从外部因素来看，硬科技实力成为大国博弈的关键点。 就客观事实而言，与光刻机等面向工程的技术相比，中美在人工智能包括云计算等领域的差距并不大。 不少投资者表示看好中国未来的科研能力。

对于这样的情况，史建平告诉蒙田投资，中国有不少优势，首先，场景和规模可以说是全球最大的。 就单个国家的贡献而言，中国也非常领先，中国更愿意尝试新事物。

与此同时，中国在人工智能研究领域占据半壁江山。 在论文发表方面，黄旭涛先生以1477篇论文排名第一； 在论文被引次数统计中，韩家伟、吴恩达、孙健、何玉铭等位居前列，均有6万以上的引用次数。

中国有丰富的场景和充足的人才储备，施建平认为中国可以生产出一些世界一流的产品。 至于中国能否实现弯道超车，需要很多人的努力。 我们目前面临的挑战在于原始创新。

回到2022年的投资展望，还是在工具、基础设施建设和行业渗透层面。 随着大家认知度的不断提高，其产生的价值也会越来越明显。 这其实是对人工智能行业的一种乐观看法。 理性行为。

至于什么时候会出现可以颠覆一切的新算法框架，我们无从预测。 我们只能在人工智能发生质变和大爆发的前夕，为这一天的到来提前做好准备。

精彩回顾