AI生成式StateofGenerativeAI2023启明创投×未尽研究启明创投×未尽研究概要种研究与创业的一体化，初创企业和风险资本起到了重要的作用，而美国科技巨头和主要人工智能企业的研究投入与人才，包括一些底层技术的研究，这些年来已经超过了大学等研究机构。GPT-4迸发出通用人工智能的“火花”，需要研究和解决的问题反而更多了，如信心校准，长期记忆，持续学习，个性化，规划和概念跨越，透明度，认知谬误和非理性，等等。而过去半年最重要的研究方向，是破解和理解大模型神秘而又令人兴奋的智能“涌现”。大模型既需要超越对下一个词的预概要2022ChatGPT如果说年被称为生成式人工智能之年，扩散模型应用取得突破，2023出世，一系列开创性的研究论文发表，GPT-4年则把大模型推向了一个高峰，的发布，标志着生成式人工智能，进入了面朝通用人工智能创新应用的阶段。测能力，也需要一个更丰富、更复杂的“慢思考”深层机制，应用、研究、监管，合力开辟着生成式人工智能的发展之路。来监督“快思考”预测下一个词的机制。创新应用生成式人工智能的生态包括了基础设施层、模型层与应用层，大模型不仅用来生成文章和图片，而且可以用来当成智能代理，帮助管理和执行更复杂的任务。开源模型实现了低成本、创新在每一个层面发起，竞争也在科技巨头、行业龙头和初小型化、专业化的训练，与闭源的基础模型竞争互补，共同创公司之间展开。推动了生成式人工智能技术的应用，也加快了模型向边缘侧和移动端部署。生成式人工智能大模型日益向多模态发展，在整个生态中，受益于以参数规模为代表的大模型不断扩张，具身智能也成为一个重要研究方向，帮助生成式人工智能更算力目前是最稀缺的资源，也处于最容易获利的要津。算力好地理解和处理现实世界的复杂性和多样性。大模型更安全、是大模型成本结构中最大的一块，的性能，决定了这个让智能更可信，成为新兴的研究热点。生成式人工智能对于GPUGPU新兴行业的步调。但是，性能提升的速度，已经落后于就业和经济的广泛影响，正在吸引经济学、社会学、心理学大模型训练和推理需求的增长。等不同领域的研究兴趣。但仍然需求实证性的研究。面对这一革命性的技术，不论是主动还是被动，企业都被卷入其中。不管是技术的守成者、创新者还是采纳者，业务模|||安全监管人才生成式人工智能加快了中国、欧盟和美国的监管和立法的进政策式都将发生变化，进而影响企业的发展。程。欧盟努力在今年底让《人工智能法案》生效，为全球人当前，生成式AI尚处于技术发展的早期阶段，基础架构和核能立法。而美国重点在于建立风险控制技术标准。工智能立法定下基调。中国也预计将于明年提出综合性的智心技术并不成熟；科技巨头忙于研发大模型，尚未顾及深度feature切入具体的应用场景。但巨头何时添加相似的功能（）中国对通用人工智能表现出很大热情与期待。地方政府中北始终是悬在初创企业头上的达摩克利斯之剑，而大模型能力京、上海、深圳是第一梯队，均提出了较具雄心的人工智能边界的扩张也可能在未来挤占初创企业的发展空间，可以说，科研、创新与产业目标。中国研究人员发布的论文在数量上这是初创企业的蓝海，但也有发展道路上的暗礁。已经超过了美国，但在金字塔顶端，无论是研究还是创业，美国仍然占据明显的优势。在中国，目前从模型出发的公司受到看好，通用大模型和垂直大模型的创业如火如荼，而自建模型的应用也在努力构建科技部要求人工智能企业，应该接受科技伦理审查；审查主体着自己的壁垒，同样，科技巨头正在利用自身算力优势来构应该设立科技伦理（审查）委员会。美国人工智能企业较早开建大模型。我们有理由相信，在众多模型层和科技大厂的合始设立负责任与可信人工智能部门，从去年到今年以来经过一力下，模型层的整体能力将进一步完善，在未来为应用层企些调整，反映出在生成式人工智能发生变革之际，企业正在寻业提供可靠的支撑。求用更好的技术和方案，来安全和负责地部署新技术。前沿研究生成式人工智能领域的一个突出特征，是研究与创新过程的十大前瞻基于上述研究，报告对未来一至三年的大语言模型、多模态密切结合，许多在企业内部实现，迅速推出用例和产品。这模型和商业竞争态势，做出了十点前瞻。2StateofGenerativeAI2023启明创投×未尽研究目录目录第一章05行业变革生态架构0607081011121315171819生态位与新物种定价模型：基础设施层定价模型：模型层定价模型：应用层企业运营发生改变市场格局GPT-3之后的新公司大模型公司应用层公司语言类多模态第二章21前沿研究2022致敬大模型的“慢思考”开源智能代理多模态具身智能安全与可信第三章30监管、安全与人才中美欧监管AI地方的雄心安全与伦理中美塔尖人才从研究到创新23242526272831323334第四章36十大展望十大展望37关于报告3StateofGenerativeAI2023启明创投×未尽研究ArtificialIntelligenceReport2023行业变革第一章行业变革4启明创投×未尽研究生态架构AI1时代，需要针对特定任务，利用相关的数据研发特定AI2模型，任务和模型耦合。时代，经过大规模数据预训练得到的大模型，带来了极好的效果和泛化能力，可以直接被下游的各种任务使用。AI2●的公司将分为三层：基础设施层：解决大模型训练推理//部署的工具链厂商资源的智算中心。智算中心再往下是新一代GPU和提供AI芯片或者下一代通用。GPU●●模型层：研发大模型，并对外提供training服务，包括训练（）和推理（）时需要AI模型服务或者inferenceAPI的资源。除了这类输出“水电”的底座大模型，也GPU包括提供针对特定行业或场景的垂直模型的公司。应用层：专注于解决某个特定领域的应用公司，包括自研大模型的应用公司和利用第三方大模型的应用公司。生态架构40208-10四代底层技术的进步，催动了四波人工智能的发展。第一波小规模专家知识，用了学习，用了习，用了成就。最近这一波年基于起点，并在年布后突破技术奇点。年走完；第二波浅层机器年走完；第三波深度学年走完，并取得一定的2017新浪潮，以的预训练模型为GPT-3大模型发AITransformer2020利用第三方模型构建的应用Jasper,Descript,Copy.AI,TutorEva.ai应用层闭源大模型及API服务OpenAI,Cohere,Anthropic,百度文心，智谱AI开源模型及ModelHubHuggingFace,Stability,ModelScope阿里云模型层自建大模型的垂直应用Adept,Runway,Character.ai,街远科技，无限光年，云知声应用层工具链AnyScale,MosaicMLAzure,AWS智算平台，阿里云，火山引擎，智算中心图中标红的企业为启明创投已布局企业。基础设施层5StateofGenerativeAI2023第一章：行业变革启明创投×未尽研究