「假設青蛙創造了人類，那麽你認為現在誰會占據主動權，是人，還是青蛙？」
這是「AI教父」謝菲·辛頓在2023北京智源大會上提出的問題。作為谷歌前任副總裁，他不惜辭去擔任了十多年的職位，只為能夠自由地討論、提示「人工智能的危險」。
只不過，一年過去，AI不僅沒有走到他口中的「淪陷人類」那一步，反倒是給他帶來了無數科學家夢寐以求的榮譽—諾貝爾物理學獎。而且不僅是物理學獎，諾貝爾化學獎也同樣頒給了三位用 AI 研究蛋白質結構的科學家，震驚學界。
代表人類在物理學和化學領域的最高成就和最新成果的大獎，如今卻頒給了AI。這不僅僅是對科學家的認可，顯然也是對「AI輔助科學研究」這一套用趨勢的肯定。
與此同時，10月9日，輝達在華盛頓啟動了為期三天的「AI峰會」。和以往不同，這次的釋出會並不涉及新產品，而是更多地聚焦於AI在套用層面取得的成功。用輝達企業平台副總裁卜·佩特的話來說，「世界正處在AI套用的邊緣。」
從諾獎對AI套用的鼓勵，再到輝達對AI套用的關註，我們可以從中得到怎樣的啟示？
接連震驚物理學界與化學界，AI的故事講到哪一步了？
根據瑞典皇家科學院的解釋，謝菲·辛頓之所以能獲得諾貝爾物理學獎，是為了表彰他在使用人工神經網絡進行機器學習方面的奠基性貢獻。他提出的機器學習技術被廣泛運用於物理學界的數據分析、模型構建等領域。
與此同時，諾貝爾化學獎則有一半共同授予了谷歌旗下DeepMind公司AI科學家德米斯·哈薩比斯和約翰·江珀，以表彰他們研發出的「Alpha Fold2」模型在蛋白質結構預測方面的成就。
不難看出，在這兩個案例中， AI其實並沒有單獨獲獎，它在學界也並不是孤立的，而是以交叉學科、跨界融合的方式套用在具體的科研領域 。
與之相似的是，在輝達的AI峰會上，副總裁卜·佩特也在強調AI在現實領域的套用：「從智能助理，到機器人工廠，再到天氣預測，治療癌癥、探索外星，在輝達的CUDA庫中已經有超過4000個AI套用，幫助各行各業實作突破。預計人工智能將在所有利用該技術的行業裏產生高達20萬億美元的影響。」
例如，美國國家癌癥研究所正在使用輝達的AI服務，用於醫學影像分析、從大數據庫提取資訊，從而幫助藥企和科研人員篩選新藥分子，大大減少開發新藥所需的時間。
事實上，不只是輝達，此前，Meta曾經推出了首款AR眼鏡，開始探索AI硬件，最近又推出了Meta AI聊天軟件，開始「軟硬一體」地探索AI套用。而馬斯克更是將FSD視為特斯拉的核心賣點，聲稱自己推出的Robotaxi會重塑全球交通運輸行業，「這將載入史冊」。
由此可見，AI的發展的重心，已經從早期的算力層、模型層，開始全面轉向最終的套用層；AI的技術的進步也將由「技術驅動」轉向「套用驅動」。
為什麽會產生這種轉變？
回顧生成式AI的發展歷程。在短短幾年內，從算力芯片、伺服器的進步，到演算法和模型的最佳化，再到消費端套用的井噴，與AI有關的產業鏈生態幾乎在瞬間形成。放在過去的工業和互聯網革命時代，這一過程往往需要經歷了幾十年甚至上百年的積累，如今卻大大加速，為什麽？
資本的介入無疑是最大的動力，近年來，中國、美國、歐洲的科技巨頭、投資機構幾乎是在「爭搶」著在投資AI。
以亞馬遜、微軟、Alphabet和Meta的季度資本支出情況為例，在今年的第二季度，四大巨頭共花費500多億美元投資AI。Meta行政總裁朱克伯格更是公開宣布，公司將在2024年底前購入60萬顆GPU。馬斯克也表示計劃在明年夏季前采購30萬顆GPU。
與此同時，中國的阿裏、騰訊等互聯網大廠也不甘示弱，將國內的幾大AI初創公司悉數收入囊中。
圖源：智東西
熱錢的湧入，更是讓AI初創公司估值水漲船高。從最近一輪的融資情況來看，Open AI的投後估值已經達到1570億美元，僅次於字節跳動和埃隆·馬斯克創辦的Space X。
然而，這種投入在早期雖說是不計成本，但從長期來看，仍然是企業為了追求更高的營收和利潤增長而進行的投資，是需要拿出回報的。而目前來看，除了輝達、台積電等上遊廠商賺得盆滿缽滿以外，幾乎所有的大模型都在瘋狂虧損。據Open AI預測，公司目前高達數十億美元的年度虧損將持續擴大，預計在2026年將虧損140億美元，2029年才能盈利。
從這個角度來看，無論是算力芯片公司（如輝達），還是科技巨頭（如Meta、tsla），都需要讓AI在套用層面展現出真正的商業化能力、證明自己，才能吸引更多的人和錢參與進來，將AI的故事講下去。因此才會出現這種在發展重心上的轉變。
AI產業革命將如何演進下去？
事實上，宏碁集團創辦人施振榮曾經提出過一個「微笑曲線」理論，用來解釋當下大部份AI公司盈利難的問題再合適不過。
在他看來，制造業中，研發和行銷等高附加值環節位於曲線兩端，往往能夠獲取較高的利潤，而中間的生產制造環節所獲得的利潤則相對較低。
類比到AI，AI產業鏈也同樣包括三個主要環節：GPU制造/雲端運算、大模型開發、AI套用。
其中，底層服務商透過銷售算力芯片硬件和提供雲伺服器業務，賺取豐厚的利潤。而AI套用層企業則處在最靠近市場和變現的位置，將AI融入到自動駕駛、醫療診斷、智能家居等各種場景，憑借AI打造產品力，也能獲得不錯的溢價。
相比之下 ，只做大模型的AI公司，既要受到上遊基礎設施的制約，後有AI套用廠家落地的卡位，且研發成本高、技術門檻高，叠代競爭激烈，從而導致這一環節出現利潤低、變現慢的窘境。以自動駕駛技術為例，輝達透過提供高效能GPU，占據產業鏈的高地；特斯拉、Waymo等，透過自動駕駛套用的開發，同樣創造了巨大的商業價值。但一直默默「奉獻」的底層大模型，卻獲利甚微，還面臨著高成本和激烈競爭的巨大壓力。
在過去，GPU廠商（如輝達、AMD）、大模型廠商（如Open AI），套用端廠商（如蘋果、微軟、特斯拉），他們在自己的行業內各自為戰，展開競爭。如今，他們開始嘗試「抱團」，對產業鏈進行垂直整合：產業鏈上遊的輝達參與到了中遊的大模型公司Open AI的融資，產業鏈下遊的微軟、蘋果更是與Open AI深度繫結。中國的華為、阿裏、騰訊、蔚小理等企業從芯片制造，到大模型訓練，再到實際套用，也開始逐步對AI進行產業鏈層面的垂直整合。
事實上，流動互聯網時代的蘋果，新能源車時代的比亞迪，都曾透過這種一體化戰略大大加強自己在行業內競爭力。這種成功的經驗或許同樣能夠為AI時代的企業們帶來啟示：「 誰能夠率先將芯片、算力、數據、模型、套用這五點統一，誰就能夠在這場科技革命浪潮中最先摘到‘低垂的果實’ 。」
來源：美股研究社
