焦点分析|反击ChatGPT,谷歌紧急推出Bard,搜索引擎混战开始

作者 | 邓咏仪

编辑 | 苏建勋

搜索市场多年未见的战争开始了。

在OpenAI的对话式AI机器人ChatGPT火遍全球后,AI界的另一座大山——谷歌几乎是在全世界期待之下,终于对ChatGPT作出回应。

北京时间2月7日,谷歌CEO桑达尔·皮查伊宣布了自家的AI对话式机器人"Bard"(吟游诗人),由大模型LaMDA提供支持。

皮查伊称,Bard将首先开放给受信任的测试人员,并在未来几周内向大众提供服务。谷歌也将整合新的AI功能到搜索引擎中。

Bard与ChatGPT的最大不同在于,ChatGPT的最新数据仅截至2021年,而Bard可以回答当下的问题,达到即时搜索回答的效果。

为了快马加鞭,皮查伊还动员谷歌全体员工使用Bard,尽快迭代产品。“我们期待收到你们的所有反馈——本着内部黑客马拉松的精神——更多细节即将到来。”据CNBC,他在备忘录中这样写道。

他还表示,谷歌很快将寻求合作伙伴的帮助来测试应用程序编程接口或API,这将其他人能够访问相同的底层技术。

短短两月,科技界变天

无需赘述最近科技圈的热点是什么,自去年12月开始,从新闻到社交媒体上,你大概率会被和ChatGPT对话的截图刷屏——用户向它提出各种各样的问题:某代码问题该如何解决、请用鲁迅的语气写一首诗歌、地铁的运行原理是怎么样的、写数学作业……问题千奇百怪,但ChatGPT还能回答得像模像样。

ChatGPT是美国创业公司OpenAI发布的对话式AI机器人,其智能程度已经超乎大多数人的想象。

这瞬间点燃了全球用户热情。近期流传甚广的一个数字是,据瑞银集团(UBS)研报,ChatGPT推出2个月后,月活跃用户预计已达1亿,成为史上增长最快的消费者应用。作为对比,达到同样的数字,TikTok是9个月,而Instagram则用了两年半。

热度绵延至今,在今年年初又掀起一波高潮。

科技大佬们开始盛赞ChatGPT。在2月3日的《财富》的采访中,比尔盖茨直言ChatGPT的重要性:“类似ChatGPT这样的AI工具,与 PC 和互联网一样重要。”

很难想象,三年前,微软以10亿美元投资OpenAI,当时OpenAI尚处籍籍无名之时。在推出ChatGPT前,OpenAI内部甚至担忧这一项目会流产。

当ChatGPT展现惊人热度后,微软打算乘胜追击。据Semafor1月报道,微软将向 OpenAI 投资100亿美元,OpenAI 的估值高达290 亿美元。

而在应用层,上周,微软CEO纳德拉表示,除了Bing外,微软旗下的Office套件、Azure云服务、Teams等软件服务,都将全线接入ChatGPT等AI工具。

ChatGPT背靠微软,自其诞生以来,ChatGPT“是否会代替搜索引擎”的争论不绝于耳。2月4日,Gmail的创始人Paul Buchheit在推特上甚至放言,像ChatGPT这样的人工智能工具“将像搜索引擎杀死黄页一样摧毁谷歌”。

微软的Bing只占搜索引擎市场的9%,如今手握OpenAI,是否能逆风翻盘?答案尚未可知。但反观谷歌——谷歌搜索及广告业务仍占其总营收接近60%(据2022年财报),现在的OpenAI已经足够让谷歌火烧眉毛。

作为反击,皮查伊在谷歌内部拉响了“红色警报”,紧急召集内部几个小组,应对来势汹汹的OpenAI。隐退多年的谷歌创始人甚至亲自上场写代码——据Forbes,自2019年退出日常运营的谢尔盖·布林,今年2月在内部提交了一项请求,对LaMDA的训练数据进行改动操作。

除此之外,上周,谷歌被曝将斥资4亿美元投资OpenAI的对手Anthropic。Anthropic的由来也颇具戏剧性:其核心创始团队同样来自OpenAI,由于理念不合,这群前高管于2021年出走,创立新公司,以与OpenAI进行竞争。

科技界与这样的时刻阔别已久。短短两个月内,一个创业公司的应用引得两大世界巨头紧急响应,甚至战略转向。表面上看,Bard是谷歌对当家业务的“保卫战”,更是下一代搜索入口的争夺——混战已然开始。

美国混战ChatGPT,中国能迎头赶上吗?

尽管已经在全球掀起轩然大波,ChatGPT如今还面临非常多问题尚待解决,这也同样是整个AI行业共同面对的难点。

训练庞大的神经网络成本,计算成本可高达数千万美元。去年,OpenAI创始人Sam Altman曾在Twiiter中透露,ChatGPT平均每次的聊天成本为“个位数美分”。ChatGPT走红后,平均每个月计算成本预计会达到数百万美元。

AI大模型的训练成本居高不下,这会成为行业发展的桎梏。

OpenAI坚持在早期迅速推进商业化,扩大规模,也引发业界担忧。2月2日,OpenAI宣布了数周后将推出订阅服务,定价每月20美元。但训练成本短时间内很难快速降低,有业界评论指出,即使有订阅服务也无法覆盖这一成本,反而会让其财务压力达到巅峰。

原因也许在于近期微软的100亿美元投资——OpenAI面临着严峻的商业化压力。《财富》杂志更是直言:OpenAI相当于是将自己出租给微软,微软借钱多久,取决于OpenAI赚钱的速度。据财富近期披露的投资文件,OpenAI预测2023年收入2亿美元,2024年将超过10亿美元,但目前收入微薄,依旧严重亏损,盈利可以说是遥遥无期。

在美国市场,ChatGPT也面临着来自各界的质疑和声讨,包括面对AI生成内容对互联网生态的侵蚀、真实性及滥用等问题。

对此,OpenAI先是放弃发布所有研究成果和开源代码的承诺,并推出解决方案——2月初,OpenAI推出新工具AI Text Classifier,能够帮助用户检测内容是否由AI生成。不过他们也表示,检测器也只能检测部分内容,无法保证其检测效果。

尽管这波AI浪潮仍在早期,需要解决的问题多多,但其更重要的意义,是一扫AI市场前几年的阴霾,为行业注入强心针。

在国内,不少公司开始高喊转向AIGC、ChatGPT,投资者们也纷纷下场。春节后,ChatGPT的风甚至吹到股市。A股市场出现多个“ChatGPT概念股”——如汉王科技、海天瑞声、拓尔思、天娱数科、科大国创、科大讯飞,他们在近几个交易日里一度涨停,尽管这些公司都并尚未推出相应产品。

再度给市场扔下重磅消息的是百度。百度在今日(2月7日)宣布,将推出类似ChatGPT的人工智能聊天机器人。项目名称确定为“文心一言”(ERNIE Bot),这一模型将在3月完成内测,面向公众开放。消息发布后,截至下午4点,百度港股股价大涨15%,市值大涨700亿港元。

百度是国内最早一批投入到AI技术的互联网巨头,也是为数不多拥有AI大模型的公司。但对比美国市场,中国版的“ChatGPT”可以说处在襁褓之中。

一位前商汤战略投资人对36氪表示,从整个AI生态来看,国内市场开源生态、共享机制都更加封闭,与国外不能同日而语,拖慢了技术研发进展。而在消费者端,国内对工具型产品的付费意愿也更低,类似ChatGPT的产品,要落地商业化将面临更多难题。

在技术层面,中国其实不乏AI人才,ChatGPT背后的技术其实也都是开源共享。前几年,国内科技公司也曾追随美国市场大练AI模型,达到千亿、万亿参数的模型比比皆是。

但差距在于AI模型的训练深度、数据质量。近期,不少公司就已经引入类似ChatGPT到各种社交产品,进行中文交互,但很多使用者发现,机器人时常答非所问,给出明显错误的答案,这和训练数据质量密不可分。

如今ChatGPT掀起的热潮,对国内市场而言,意味着从技术研发到商业生态的全面追赶。而面对投资者高涨的热情,中国版ChatGPT可能还需要更多年,才能有相应量级的回应。

在经历了前所未有的暴跌之后,分析师们仍然对谷歌持乐观态度

Alphabet 股票(纳斯达克股票代码:GOOGL)周四再次下跌 5.2%,在通信服务类股票中表现不佳,因为市场预计谷歌在AI领域目前落后于对手微软(MSFT)。

GOOGL在两天内下跌 13%——这是该股自 2008 年全球金融危机以来最大的两日跌幅,市场将蒸发约 $1650亿美元。此前在巴黎发表了关于其 AI 努力的报告,该报告在很大程度上被视为平淡无奇。

这只是增加了人们对 Alphabet 与微软 (MSFT) 之间关于谁可以在 AI 的未来占据主导地位的斗争的关注。在谷歌推出其“Bard”对标竞争对手 OpenAI 的 ChatGPT 几分钟后,微软表示将举办一场惊喜活动,展示 ChatGPT 与其 Bing 搜索引擎的最新集成。 (Microsoft 已将其与 OpenAI 的合作伙伴关系增加到 $100亿 的潜在价值。)

尽管 Alphabet 表现不佳,但华尔街分析师仍然看涨,对 GOOGL 给予一致的强烈买入评级,而且一些人对最近的下滑保持冷静。美国银行表示,微软最近有“更好的产品战略和演示”,而谷歌看起来“反应迟钝”。但谷歌搜索可能具有“产品和分销优势”,而且谷歌可能拥有“卓越的搜索人工智能技术,或者至少是更好的数据”。

美国银行目前的目标价为 125 美元,意味着 33%的上涨空间。

瑞银总结说,谷歌的巴黎活动“令人失望”。如果谷歌在这方面行动过快,它可能面临 (1) 声誉受损,(2) 可能取代搜索广告收入,以及 (3) 服务成本可能增加的风险。”

瑞银表示:“与此同时,如果他们行动太慢,竞争恐惧将会加剧,尤其是在微软听起来愿意依靠其努力获得搜索市场份额的情况下。”

尽管如此,“就 MSFT 显示 Bing 背后的任何重要营销支持而言,如果谷歌继续拖延,我们可能会开始更加担心份额损失和高递减利润率,但我们还没有过分担心这一点。”

Truist 指出,谷歌的谨慎做法给该股带来了压力,但“我们相信它在人工智能研究方面的领导地位是不可否认的”,而谷歌在搜索领域的领导地位终将被淘汰:“我们怀疑,当将人工智能集成到两个系统中时,我们应该不会看到实质性的变化。”

“人工智能竞赛已经开始,”摩根士丹利分析师布赖恩诺瓦克承认道。机会很大,但人工智能与搜索的集成程度超出预期,预示着搜索计算成本的增加将会增加。他估计谷歌目前每次搜索的计算成本是五分之一美分——该公司在自然语言查询方面的工作表明,它们的平均成本可能是这个成本的五倍。

他指出,并非所有查询都将与自然语言相结合,但谷歌的评论让他相信这种变化将是重大的——而且每 10% 添加人工智能/自然语言的谷歌搜索查询都会为 2024 年的运营支出增加 12亿 美元(所有其他相等,将公司 2024 年的息税前收益预期下调 6%)。这意味着谷歌承诺的更高成本效率现在变得更加重要。

Seeking Alpha 的作者称 GOOGL 为买入,而 Seeking Alpha 的 Quant Ratings 认为该股为强力买入。

风险提示:以上信息包含涉及风险和不确定性的前瞻性陈述。本页介绍的市场和工具仅供参考,不应以任何方式作为购买或出售这些资产的建议。

达摩院预测的2023年十大科技趋势中,你确定哪一项?

机器之心报道

机器之心编辑部

达摩院 2023 十大科技趋势发布,生成式 AI、Chiplet 模块化设计封装、全新云计算体系架构等技术入选。

一个世纪以来,数字科技的演进推动了人类的技术进步与产业发展。我们当前正在经历数字科技最快发展的阶段,数字化、网络化、智能化让数字世界与物理世界的融合与协同更加紧密。

随着技术的不断进步,以 GPT 系列模型为代表的大模型展现出了超强的性能,随后出现的 ChatGPT 更是让人惊叹,该模型能拿来聊天、搜索、写代码、debug…… 人工智能的发展正在从文本、语音、视觉等单模态智能,向着多种模态融合的通用人工智能方向发展。

不仅如此,AI 界今年也涌现出了众多亮眼的研究, 例如谷歌发布的 PaLM 和 Pathways,OpenAI 推出的 InstructGPT,DeepMind 一直致力于强化学习攻克游戏和 AI for science 的研究……

那么 2023 年,科技圈到底有哪些技术值得关注?

今天,达摩院发布 2023 十大科技趋势,涵盖生成式 AI、Chiplet 模块化设计封装、全新云计算体系架构等技术。快速概览如下:

具体而言,大家都在关注的多模态预训练大模型,是今年达摩院科技走向预测的焦点之一。基于多模态的预训练大模型将实现图文音统一知识表示,成为人工智能基础设施。目前,技术上的突出进展来自于 CLIP (匹配图像和文本) 和 BEiT-3 (通用多模态基础模型)。基于多领域知识,构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施,将实现图像、文本、音频统一知识表示,并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。

云计算始终是数字时代的技术创新中心:基于云定义的可预期网络技术,将从数据中心的局域应用走向全网推广;因云而生的云原生安全技术,则将推动平台化、智能化的新型安全体系的成形;云也在重新定义计算体系架构,从以 CPU 为中心的传统架构,向以云基础设施处理器 (CIPU)为中心的全新体系架构演进。未来,由云定义的软硬一体化,将实现系统级的深度融合。

云原生安全

芯片领域在算力需求暴涨、摩尔定律放缓的夹击下寻求突围,达摩院预测,存算一体和 Chiplet 模块化设计封装将有长足进展:基于 SRAM、NOR Flash 等成熟存储器的存内计算有望在智能家居、可穿戴设备等场景实现规模化商用;Chiplet 互联标准的逐渐统一将重构芯片研发流程。

Chiplet 模块化设计封装有望重塑芯片产业格局

基础技术的迭代演进必将催生新场景和新产业,今年最被达摩院看好的趋势有计算光学成像、数字孪生城市、双引擎智能决策等。

计算光学成像技术有望突破传统光学的物理极限,帮助人类触及见所未见的事物;智慧城市完成了精准映射、生成渲染、仿真推演等关键技术的全面突破,将从单一场景演进至大规模城市数字孪生,辅助人类更全知地认识和管理城市;智能决策系统实现了运筹优化和机器学习的联合驱动,将为人类在电网调度、港口吞吐管理、机场停机安排等实时变化的复杂难题上,提供更有价值的优化答案。

大规模城市数字孪生向立体化、无人化、全局化方向演进

最后一个是生成式 AI(Generative AI 或 AIGC),其是利用现有文本、音频文件或图像创建新内容的技术。过去一年,其技术上的进展主要来自于三大领域:图像生成领域,以 DALL・E-2、Stable Diffusion 为代表的扩散模型(diffusion model);自然语言处理(NLP)领域基于 GPT-3.5 的 ChatGPT;代码生成领域基于 GPT-3 的 Copilot。现阶段的生成式 AI 通常被用来生成产品原型或初稿,应用场景涵盖图文创作、代码生成、游戏、广告、艺术平面设计等。未来,生成式 AI 将成为一项大众化的基础技术,极大的提高数字化内容的丰富度、创造性与生产效率,其应用边界也将随着技术得进步与成本的降低扩展到更多领域。

以上就是达摩院发布的 2023 科技趋势,你最看好哪个方向?

参考链接:https://damo.alibaba.com/techtrends/2023

当微软使用聊天GPT时,为什么选择谷歌?关注AIGS的新趋势

你好,我是王煜全,这里是王煜全要闻评论。

这周二,我在要闻评论里提了一下,随着人工智能生成内容的成熟,我们离AIGS,也就是“人工智能生成服务”只有一步之遥,服务规模化的新趋势正在越来越清晰地显现出来。

昨天就看到国外媒体爆料,微软正打算将chatGPT集成到自家的搜索引擎Bing当中,提供更好的搜索服务,可以说是这个趋势成型的又一个例证。

微软用AI优化搜索引发了外网不少讨论,不过并不是大多数人想象中的用AI直接取代搜索。

微软的搜索引擎Bing仍然要靠传统技术提供搜索结果,chatGPT将会发挥它的理解能力,让用户不需要使用搜索关键词也能获得自己想要的答案。

比如用户搜索“特斯拉创始人的经历”,AI就会把“马斯克”作为关键词一起提供给搜索引擎,并且向用户解释原因。

经过准确性测试后,也可能会提供AI百科的功能,让人工智能直接回答一些事实清楚的问题。

根据微软内部人士透露的消息,测试功能预计会在3月底前推出,不过集成AI技术,对微软来说其实蓄谋已久。

2019年微软已经在考虑如何把GPT-3集成到搜索引擎里,当时微软高层就在思考,能否通过人工智能改善搜索体验,提高广告收入,最终打破谷歌在搜索引擎市场的垄断地位。

可能是GPT-3高昂的训练成本让微软放弃了这个想法,最终选择了今天的方案。

不过在我看来,微软靠这点改进就要超过谷歌并不现实,毕竟优化关键词这些功能谷歌早已经做了,微软也不必把目光放在搜索引擎这一点上。

因为人工智能技术最大的价值也不是做这点儿服务优化,AIGS最大的意义在于打开服务规模化时代的大门,那时有更大的市场空间等着大家。

我做出这个预测的原因也很清晰:以前我们每个人之所以需要买产品,主要是没有额外的人力或者方法满足大家的需求,只能是卖给你一个工具,让你自己学会使用,自己解决问题。

这种方式终究没有完全满足用户需求,产品营销领域有一句非常经典的话:“客户不是要买电钻,而是要买墙上的那个洞”,说的就是这个道理。

我和大家分析过,随着人工智能技术成熟,这种状况正在被打破,越来越的人类经验能被AI提炼,批量化复制。人类社会正逐渐走向一个服务规模化的时代,实现「个性化的高端服务的规模提供」。当用户的需求能被直接满足时,用户当然更愿意采用这种简单的解决方案。

2022年,AI绘画与AI文章这样的人工智能生成内容成熟,正是这个过程中的一个小里程碑,也是我判断AIGS即将到来的原因。

不少对用户需求比较敏锐的公司已经率先行动了起来,在自己的工具、平台上提供各种个性化的AI服务。

比如,Adobe最近的发布会上已经宣布,把AI绘图功能集成到了PS里,用户只需要圈住需要P图的部分,告诉AI要干什么,人工智能就会自己完成PS高手和专业设计师才会的各种P图操作。

知名笔记软件Notion也提供了基于GPT-3的智能文案生成服务,用户同样提出需求,就能看到AI完成文案初稿,免除了很多人想文案想到秃头的窘境。

微软作为OpenAI的大金主,其实也已经做了不少尝试。商业应用中,微软已经将人工智能集成到了平台里,为客户直接提供GPT-3和Dall-E 2 的云端接口,让每个企业都可以尝试开发自己的个性化AI服务。

面向程序员用户,微软 2022年6月推出了人工智能编程插件Copilot,同样基于OpenAI的技术开发,让程序员只需要提需求,AI就能自己生成代码,在程序员社群收到了不少好评。

以前需要公司花钱请外包团队做的事情,用上这样一个AI插件也能做到。

这些其实都只是AIGS新趋势的一小部分,自动驾驶汽车、酒店机器人也都在研发和集成人工智能技术,我们很快就会看到AI提供的各种服务遍布身边。

我们大家都要关注这个正在崛起的大趋势,思考自己在这场变革中要如何优势升级,争取做那个享受AI服务、被AI赋能的人。

今天的AI服务你能不能用上?你的行业该如何利用AI进行服务化转型?欢迎留言分享你的看法。

以上是今天的内容,更多详细的产业分析和底层逻辑,我会在科技特训营里分享。欢迎关注全球⻛口微信号,报名加入!

王煜全要闻评论,我们下周见!

ChatGPT教授AI如何说话。你想让谷歌下岗吗?网易:大趋势,AI也在让传统NPC下岗

2022年,AI出足了风头,但千万别以为,AI就只能画图,或者转制照片。经过专业人士的探究,它甚至可能威胁到谷歌、百度这样的搜索引擎大厂的生意!

得到这样高的评价的,是OpenAI旗下的对话式大规模语言模型项目:ChatGPT。当这个AI项目免费公测后,不到一周时间就在全球吸引了100万用户,不仅海外大牛都在讨论,连科技大佬马斯克都亲自表扬它。

简单来说,ChatGPT可以写代码、查文档、改 Bug、创建编程语言、构建虚拟机……过去搜索引擎做不好的地方,它都超越了。科技圈大佬们看到它如此全能,自然会认为“谷歌”的末日到了。而这项技术的关键,是ChatGPT基于对网友发言的学习。也就是制作者教它如何说话以后,ChatGPT通过超高的学习和理解能力和网友沟通,变成了现在的超强人工智能。

你可能好奇,当年无数网友和小Q啊、小冰啊什么对话,他们怎么不如ChatGPT这么厉害?其实这个项目之所以厉害,主要是因为使用了NLP(自然语言系统)技术,这项技术的一大特色,就是让对话更有真实感,同时首尾衔接,还更有趣、有价值。

举个例子,网易旗下的国产开放世界武侠手游《逆水寒》,就有个相当强大的人工智能系统,这个系统脱身于网易自研的伏羲人工智能,在NLP技术的帮助下,《逆水寒》手游里的NPC不再是冷冰冰的机器,只会按照台本说固定的台词、做固定的反应,而是能够看懂玩家打的字,从而有真人一般的反应。不仅能回复有意义的话,还能让玩家得到定制化的剧情体验。

这种NPC真到什么程度呢?今年10月的首测期间,不少玩家在体验过接近真人的NPC以后,甚至怀疑“网易是不是找了群真人冒充NPC”。

2022年,AI出足了风头,但千万别以为,AI就只能画图,或者转制照片。经过专业人士的探究,它甚至可能威胁到谷歌、百度这样的搜索引擎大厂的生意!

得到这样高的评价的,是OpenAI旗下的对话式大规模语言模型项目:ChatGPT。当这个AI项目免费公测后,不到一周时间就在全球吸引了100万用户,不仅海外大牛都在讨论,连科技大佬马斯克都亲自表扬它。

简单来说,ChatGPT可以写代码、查文档、改 Bug、创建编程语言、构建虚拟机……过去搜索引擎做不好的地方,它都超越了。科技圈大佬们看到它如此全能,自然会认为“谷歌”的末日到了。而这项技术的关键,是ChatGPT基于对网友发言的学习。也就是制作者教它如何说话以后,ChatGPT通过超高的学习和理解能力和网友沟通,变成了现在的超强人工智能。

你可能好奇,当年无数网友和小Q啊、小冰啊什么对话,他们怎么不如ChatGPT这么厉害?其实这个项目之所以厉害,主要是因为使用了NLP(自然语言系统)技术,这项技术的一大特色,就是让对话更有真实感,同时首尾衔接,还更有趣、有价值。

举个例子,网易旗下的国产开放世界武侠手游《逆水寒》,就有个相当强大的人工智能系统,这个系统脱身于网易自研的伏羲人工智能,在NLP技术的帮助下,《逆水寒》手游里的NPC不再是冷冰冰的机器,只会按照台本说固定的台词、做固定的反应,而是能够看懂玩家打的字,从而有真人一般的反应。不仅能回复有意义的话,还能让玩家得到定制化的剧情体验。

这种NPC真到什么程度呢?今年10月的首测期间,不少玩家在体验过接近真人的NPC以后,甚至怀疑“网易是不是找了群真人冒充NPC”。

看看大家晒出来的体验截图就知道。如果你对《逆水寒》手游的NPC恶语相向,或者做一些过分的举动,他们甚至会骂你流氓,挑你的错。

如果你对NPC好言相劝,那么他们会给你非常正面的反馈。当玩家和NPC关系很好时,甚至还会让NPC感动,从而主动请玩家吃饭、逛街、冒险、甚至谈恋爱,发展一段随机但有意义的剧情。

想想看,一百个人玩游戏,就会有一百个不同的剧情发展分支,这样一来,传统的NPC:那些说着既定台词、按剧本行动的机器人,可不就相形见绌,只剩下退休了?

不过真想达成这一目标,还需要很长时间,至少这几年只有《逆水寒》手游能看到这样高级的人工智能。和ChatGPT一样,二者都是变革期间的先驱者,只是给行业指明了方向,其他公司和厂商都需要学习很久。

像是《逆水寒》手游同时应用的技术,还包括全景天气系统、全局光照、头发海飞丝算法、动捕动作引擎,以及细腻表情、动态物理破坏、人工智能深度学习、NPC主动决策机制等。前段时间曝光的光线追踪,以及早先宣传过的体积云,都是领先行业脚步的。官方为这款游戏准备了超过400人的团队,并且烧掉了七亿多人民币才得到当下的技术成功。而ChatGPT的成功,也是建立在无数行业大佬的调整、建立在无数AI项目的经验之上。

在这些行业尖子的带领下。AI肯定会在互联网和游戏领域成为大趋势。不管是ChatGPT尝试颠覆搜索引擎,还是《逆水寒》手游让传统NPC下岗,都是技术革新中不能忽略的里程碑。话说回来,屏幕前的大家如何看待人工智能技术的当下呢?一起聊聊?

让AI自己调整超级参数。Google Brain的新优化器已经流行起来,可以适应各种不同的任务

萧箫 发自 凹非寺量子位 | 公众号 QbitAI

还在苦恼怎么给优化器调整更好的参数吗?

现在,谷歌大脑搞出了一个新的优化器VeLO,无需手动调整任何超参数,直接用就完事了。

与其他人工设计的如Adam、AdaGrad等算法不同,VeLO完全基于AI构造,能够很好地适应各种不同的任务。

当然,效果也更好。论文作者之一Lucas Beyer将VeLO与其他“重度”调参的优化器进行了对比,性能不相上下:

有网友看到了一丝优化器进步的曙光:

在Adam之后出现了不少优化器,却都表现得非常失败。这个优化器或许确实能表现更好。

所以,这个基于AI的优化器是如何打造的?

VeLO究竟是怎么打造的?

在训练神经网络的过程中,优化器(optimizer)是必不可少的一部分。

△神经网络训练过程,图源Thomas Wolf

但AI模型应用都这么广泛了,训练AI模型用的优化器却仍然是人工设计的,听起来多少有点不合理。

于是谷歌大脑的研究人员灵机一动:为何不用AI来做一个优化器呢?

设计上,优化器的原理基于元学习的思路,即从相关任务上学习经验,来帮助学习目标任务。

相比迁移学习,元学习更强调获取元知识,它是一类任务上的通用知识,可以被泛化到更多任务上去。

基于这一思想,VeLO也会吸收梯度并自动输出参数更新,无需任何超参数调优,并自适应需要优化的各种任务。

架构上,AI优化器整体由LSTM(长短期记忆网络)和超网络MLP(多层感知机)构成。

其中每个LSTM负责设置多个MLP的参数,各个LSTM之间则通过全局上下文信息进行相互协作。

训练上,AI优化器采用元训练的方式,以参数值和梯度作为输入,输出需要更新的参数。

经过4000个TPU月(一块TPU运行4000个月的计算量)的训练,集各种优化任务之所长后,VeLO终于横空出世。

比人工调参优化器效果更好

结果表明,VeLO在83个任务上的加速效果超过了一系列当前已有的优化器。

其中y轴是相比Adam加速的倍率,x轴是任务的比例。

结果显示,VeLO不仅比无需调整超参数的优化器效果更好,甚至比仔细调整过超参数的一些优化器效果还好:

与“经典老大哥”Adam相比,VeLO在所有任务上训练加速都更快,其中50%以上的任务比调整学习率的Adam快4倍以上,14%以上的任务中,VeLO学习率甚至快上16倍。

而在6类学习任务(数据集+对应模型)的优化效果上,VeLO在其中5类任务上表现效果都与Adam相当甚至更好:

值得一提的是,这次VeLO也被部署在JAX中,看来谷歌是真的很大力推广这个新框架了。

巴特,也有网友认为耗费4000个TPU月来训练VeLO,计算量成本过大:

虽然这个进展很重要,但它甚至都快赶上GPT-3的训练量了。

目前VeLO已经开源,感兴趣的小伙伴们可以去试试这个新的AI优化器。

One More Thing

前段时间,一位哈佛博士生提了个有意思的想法,得到不少人赞同:

更多论文的作者们也应该像演职员表一样,公开自己在论文中的工作内容。

Kareem Carr是生物统计学领域的博士生,作者贡献在生物论文中比较常见,不过之前在AI论文中见得不多。

现在,这篇谷歌大脑论文的作者们也这样做了,谁写的论文、谁搭建的框架一目了然:

不知道以后会不会成为机器学习圈的新风气(手动狗头)。

GitHub地址:https://github.com/google/learned_optimization/tree/main/learned_optimization/research/general_lopt

论文地址:https://arxiv.org/abs/2211.09760

参考链接:[1]https://twitter.com/jmes_harrison/status/1593422054971174912[2]https://medium.com/huggingface/from-zero-to-research-an-introduction-to-meta-learning-8e16e677f78a#afeb[3]https://mp.weixin.qq.com/s/QLzdW6CMkcXWQbGjtOBNwg

— 完 —

量子位 QbitAI · 头条号签约

关注我们,第一时间获知前沿科技动态

阿里巴巴推动开源社区,谷歌首次开放模型,AIGC进入爆发期?

作者/ 赵子坤

编辑/ 董雨晴

继海外多个大模型开源带来的生成式AI概念大热后,阿里也推出了首个中文AI模型社区,意为降低AI应用门槛,构建AI时代的“基础设施”。

行业内外也产生了新的讨论,即生成式AI(AIGC),能否让AI行业实现更大规模落地?

“AI的产业化落地,现在来看靠AI公司或者靠算法去落地是不现实的,需要业务、场景先行,靠产业里的人实现落地。”一位业内人士评价道。

首个中文AI模型社区

今年6月,有阿里达摩院的员工发现,自己所在的业务团队改名了。此前,他所在的达摩院团队名称以业务目标来命名,现在则是以技术方向来给团队命名。

“团队名字的变化,就代表这个团队本身从算法的研发方式上发生根本性的转变。以前解决一些具体的业务问题,所以会取一个具体业务的名字。现在我们是做基础算法能力的研发,所以才会把团队改成一个算法方向的命名。”阿里资深技术专家、达摩院基础视觉团队负责人赵德丽说。

达摩院发展过程中,也曾有过将人力投入非常具体的业务开发的阶段,这种做法既无法实现规模化,也耗费大量人力和成本。而后,达摩院逐渐转型,重点投入预训练基础模型的研发,并基于基础模型向外拓展,应用于多个行业,这次又进一步推出集合了诸多模型的AI模型开源社区。

11月3日,阿里达摩院牵头推出魔搭社区 ModelScope。社区首批上架超 300 个模型,其中中文模型超过 100 个,覆盖了视觉、语音、自然语言处理、多模态等 AI 主要领域,覆盖主流任务超过 60 个,均全面开源并开放使用。

同时,达摩院提出了新概念“模型即服务”(Model as a Service)。也就是说,把 AI 模型当作生产的重要元素,从模型预训练到二次调优,最后到模型部署,围绕模型的生命周期来提供相应的服务。

阿里巴巴集团资深副总裁、阿里达摩院副院长周靖人介绍,魔搭社区面向所有开发者开放,旨在推动AI大规模应用,不以盈利为目标。此次开源,目的是降低AI的应用门槛,释放AI潜能。

放眼海外,和魔搭社区发展路径类似的是刚拿到投资的Hugging Face。Hugging Face 作为AI开发者中的流行平台,托管预先训练的 AI 模型,包括 Craiyon 和 Stable Diffusion,这两者都是基于AI的图像生成器,目标是让程序员更容易构建AI 技术。

Hugging Face CEO克莱门特・德兰格说:“将会有一大批价值万亿美元的新公司诞生,这些初创公司将以这种新的技术为基础。”今年早些时候,Hugging Face 从 Lux Capital 和红杉资本等投资机构处筹集资金后,估值达20亿美元。

“开源开放一定是未来趋势。”赵德丽认为,在当下普遍开源开放的背景下,专门针对一个具体场景提供单个算法服务,这样方式的竞争力和商业价值都在快速下降。

而基础模型的意义,就是让底层架构的算法趋于统一,基于此开发的算法和应用,可迭代、可维护、可扩展,也就有机会诞生出一个系统级的AI应用。

“文生图是在开源模型生态里面,发展最快的一个例子。一旦有一个真正有竞争力的基础模型,开源之后带来的威力,大家都有目共睹。基础模型要想真正能发挥作用,也要基于比较好的生态才能更有可能。”赵德丽解释,阿里开放模型社区,也是为了建立完善的生态,促进AI更好更快发展。

今年以来,海外备受关注的DALLE2、Stable Diffusion等发展迅速的大模型,都是开放体验或者是已经开源的模式。基于这些大模型,AIGC得以迅速发展,出现了诸多火热的AI作画应用,引起人类画手圈热议。

9月以来,继AI生产文字、图片之后,硅谷科技巨头Meta、谷歌相继发布AI生成视频模型Make-A-Video和Imagen Video、Phenaki。但目前阶段看起来仅处于让图片“动起来”。

赵德丽判断,大概两年左右时间,AI生成视频也有望能达到文生图级别的效果。而目前的困难点在于,不论是质量还是数量都和文生图的数据有较大差距。“从这个角度来说,业内也需要技术模型的开源,来带动一些新的研究范式的出现。”

传统的任务型AI,运行1000个任务需要1000个模型,而以Transformer为标志的预训练模型出现,再到以GPT-3为代表的大模型,基于同一算法架构上的开源释放了生成式AI技术的进一步的创造力,从文生文,到文生图,再到文生视频,AIGC的内容边界在不断扩展。

自 2017 年以来,深度学习算法、应用和技术突飞猛进。尤其是Transformer(一种利用自注意力机制来提高算法能力的模型)的出现,这一类纯粹基于注意力机制的神经网络算法,在视觉和语言领域的成功很大程度上促成了统一算法架构的出现。

十多年前,AI学界的不同子领域之间几乎没有共通语言,但Transformer的到来表明了融合的可能性,暗含了全领域通用的潜力。

而基于Transformer和Diffusion model的基础模型,AI的底层架构算法趋于统一后,一个系统级的应用就出现了,即Foundation model(基础模型)。基于此开发出的各类算法体系就可迭代、可维护、可扩展,就能诞生出这种架构范式下的百花齐放的应用范式。

中国计算机学会副理事长、澜舟科技创始人兼CEO周明博士表示,预训练模型有望让AI行业从依赖算法专家手工调参的手工作坊时代,走向大规模、可复制的大工业时代,这其中的关键一环就是AI模型社区,堪称AI时代的基础设施,能将预训练模型以较低门槛提供给广大开发者。

生成式AI的火热不仅意味着商业上的可能性,更代表着AI进入一个新世代,意味着AI技术从高校、大厂、AI创业公司、算法精英们的专属能力,进一步转移到能将AI技术落地的动漫、游戏、设计等垂直公司。

开源带动AIGC发展

近些年来,超大规模预训练模型成为各大科技巨头在人工智能领域上寻求突破的新方向。

例如OpenAI开发的GPT-3模型、谷歌开发的LaMDA模型、Meta开发的OPT-175B模型、阿里巴巴达摩院开发的M6模型、微软与英伟达联合开发的Megatron-Turing (MT-NLP)模型等。

而就在阿里达摩院宣布推出中文AI模型社区的前一天(11月2日),谷歌也首次开放了自家文本图像模型Imagen的测试。自推出以来,Imagen一直被与OpenAI的DALL-E 2、Stability AI的Stable Diffusion相比较,但谷歌态度一直较为谨慎,没有将该模型向公众开放。

现在,谷歌终于宣布将把Imagen添加到其AI Test Kitchen应用中,作为一种收集关于该技术的早期反馈的方式。

AI Test Kitchen,是今年谷歌推出的一款用于对各种AI系统进行测试的应用程序,最初用户仅可以在上面与AI聊天机器人LaMDA 2进行交流,此次更新将添加两种与Imagen互动的新方式:城市梦想家(City Dreamer) 和Wobble。用户可以在“城市梦想家” 用文字命令建造主体城市,或者“Wobble”来创造会扭动的卡通形象等。

除此之外,谷歌一鼓作气发布了四项最新的AIGC技术成果,其能够根据文本提示生成高分辨率长视频、3D模型、音乐、代码、文字内容等。

过往,AI生成技术因其过高的技术门槛,多囿于科技界的小圈层。今年8月,文本-图像生成模型Stable Diffusion正式开源。此次开源,Stable Diffusion开放了其已经训练好的模型,后继者就能更好地借助这一开源工具,挖掘出更丰富的内容生态,为向更广泛的C端用户普及起到至关重要的作用。Stable Diffusion的火爆,本质上就是开源释放了创造力。

随着生成扩散模型和多模态预训练模型等技术的快速发展,在图文生成效果上有了显著进步,让AI可以快速、灵活地生成不同模态的数据内容。

在2021年之前,AIGC还主要是文字生成。而新一代的模型可以处理很多任何内容格式,包含文字、语音、代码、图像、视频、3D模型、机器人的动作等等。比如近期以DALL-E2和Stable Diffusion为代表的AIGC技术在图文生成效果上,能够广泛应用于内容生成、编辑和创作等领域。

一些风头正热的公司也获得了相应的弹药:OpenAI 获得了超过 10 亿美元的资金,刚获1亿美元融资的Stable Diffusion 开发商 Stability AI 正以高达 10 亿美元的估值筹集风险资金。

此前,风投公司红杉资本在其网站上发文表示:“从游戏到广告再到法律方面,生成式 AI 可能会改变所有需要人类创造力发挥作用的领域。这种技术有可能产生数万亿美元的经济价值。”有趣的是,这篇文章的一部分就是由 GPT-3 撰写的——一种生成文本的生成式 AI。

Compound VC 管理合伙人迈克尔・邓普西提到,以前仅限于实验室的技术进入主流的时刻“非常罕见”,也因此吸引了风险投资者的大量关注。但他同时警告说,生成式 AI 目前处于更接近炒作周期顶峰的“好奇心阶段”。处于这个阶段的公司比较危险,因为它们没有专注在企业或消费者付费意愿强的特定用途上。

事实上,海外淘到第一桶金的AIGC公司也都大多瞄准一个可落地的垂直场景,从而获得收益。

一家帮助客户优化营销文案的初创公司Copy.AI,两年内的ARR(年度经常性收入)就已达到1000万美元;最近刚完成1.25亿美元融资的Jasper公司,用AI帮助企业和个人客户写社交媒体、博客等内容,而距其产品上线仅过去18个月。

如今,无论国内外的独角兽还是创业公司,AIGC在商业变现上还没有一个成熟模式,是否能够成为AI下一个阶段的引爆点,实现大规模应用落地,仍待观察。

谷歌云技术的十大预测:人工智能每周只促进4天的工作,神经兼容设计是未来

智东西(公众号:zhidxcom)

作者 | 李水青

编辑 | 心缘

智东西10月12日报道,今日凌晨,谷歌在其Cloud Next 2022大会上,宣布推出Vertex AI Vision(计算机视觉即服务)、Translation Hub(翻译中心)等全新云服务,推出开源项目OpenXLA以帮助汇集不同的机器学习框架,同时宣布了元宇宙、Web3方向的新布局。

在开幕主题演讲中,谷歌云首席执行官Thomas Kurian说,今年的大会恰逢云行业的一个转折点正在发生。谷歌推出未来三年的十大云技术预测,提出了包括神经兼容设计将脱颖而出、AI驱动工作周从五天变为四天、多云化及无代码占主导等新趋势。

谷歌云首席执行官Thomas Kurian

一、让AI更易落地,公布元宇宙、Web3进展

“数据和人工智能(AI)正在改变我们周围的一切,开放、互联的生态系统对我们所做的一切都至关重要。”Kurian说。

Kurian公布了一组数据:2022年上半年,谷歌云交付了大约1300种新产品和功能版本,全球70%的顶级独角兽都在谷歌云上运行。而今年,谷歌云的主要重点将是帮助优化工作负载的基础设施,在AI、元宇宙、Web3、数据云等方面推出的新产品和服务。

1、给计算机视觉一个“按钮”,让文件AI翻译更简单

会上,谷歌推出新的Vertex AI Vision服务,这是一种计算机视觉即服务能力。

Vertex AI于2021年5月由谷歌首次推出,是一项完全托管的云AI服务。通过Vertex AI Vision,谷歌希望给计算机视觉一个“简单”的按钮,为其用户提供托管服务,以帮助更轻松地构建和部署计算机视觉。

谷歌推出了AI代理计划,让组织更容易从AI中受益。

在这一方面,谷歌首先宣布推出一款具有新翻译中心服务的AI代理Translation Hub。

Translation Hub结合了神经机器翻译和AutoML等谷歌技术,可以翻译135种语言的文档,支持Google Docs、Slides、PDF和Microsoft Word等多种形式。“它不仅保留了布局和格式,还提供了精细的管理控制,例如支持后期编辑的人反馈和文档审查。”谷歌云AI和行业解决方案副总裁June Yang说。

为了让企业更轻松地处理文档,谷歌为其Document AI服务添加了两项新功能:Document AI Workbench 和 Document AI Warehouse。

Document AI是其去年4月推出的文档解析服务,对标亚马逊的Textract和微软云Form Recognizer等。新推出的Document AI Workbench允许企业在解析文档时自定义选择感兴趣的字段,只需要更少的训练数据,并为标记数据和一键式模型训练提供了一个简单的界面。Document AI Warehouse功能将谷歌搜索技术引入Document AI。该功能有望使搜索和管理文档变得容易,包括企业内的工作流程。

谷歌还利用Next 2022,强调它的AI生态能力,开源项目OpenXLA旨在帮助汇集不同的机器学习框架。

“谷歌正在与包括AMD、Arm、英特尔、Meta、Nvidia和其他行业专家在内的许多开源AI框架合作,作为我们联合AI生态系统、帮助客户避免平台或模型锁定的共同承诺的一部分,”谷歌云基础设施副总裁兼总经理SachinGupta称。合作是通过新的OpenXLA项目进行的,以帮助降低机器学习部署的成本和复杂性。

2、和3D人面对面通话,提前布局Web3

在会上,谷歌还详细介绍了元宇宙和Web3计划。

谷歌的元宇宙架构Project Starline可以创建一个人的3D模型,让用户感觉就像和3D人坐在同一个房间里。

很快,该模型将进入下一阶段的测试,并为企业合作伙伴提供早期访问计划。从今年开始,谷歌将在选定的合作伙伴办公室部署单元进行定期测试,以了解ProjectStarline 如何帮助世界各地的人们相互建立牢固的联系。

谷歌正联合伙伴Web3构建生态系统,谷歌云将使一些web3行业的客户通过Coinbase Global使用货币支付,使用Coinbase Prime进行机构加密服务,例如托管和报告。

“与Coinbase的战略合作伙伴关系,旨在服务于不断增长的Web3生态系统,让客户更容易利用谷歌云的可扩展性、可靠性、安全性和数据服务,从而使Web3创始人和开发人员能够专注于创新。”

3、推出全新数据云,新增五个服务区

本次,谷歌云还致力于提供最开放、可扩展和最强大的数据云,新云产品组合包括一个新的数据云架构,可帮助组织更好地了解其数据并自动化核心流程。

会上,谷歌还将其所有商业智能工具统一在Looker品牌下,Looker现在将成为所有现有谷歌云数据分析程序的代名词。此前在2020年,谷歌曾以26亿美元收购商业智能公司Looker。

其中,数据智能产品Data Studio被重命名为“Looker Studio”。Looker Studio现在将分为三层,包括Looker Studio Pro,为企业级更高级用户设计,增加了额外的管理功能、协作工具和服务级别协议。

受信任的云也是谷歌产品组合中的新产品——旨在保护用户、应用程序和数据,以应对日益增长的网络威胁。该公司还推出了协作云,可实现现代、安全的通信和协作。

会上,谷歌还宣布了新的网络安全计划,旨在利用其最近收购的网络安全技术公司Mandiant,以及旗下的安全品牌Chronicle,帮助公司识别和应对威胁。此外,谷歌还针对其企业邮件和协作工具Workspace生产力套件,推出了更多集成和开发工具。

谷歌还宣布了五个新的谷歌云区域:奥地利、希腊、挪威、南非和瑞典——增加了总共48个实时和已宣布的区域,为200多个国家和地区的客户提供服务。

二、十大趋势:AI将驱动四天工作周,多云、低代码成新趋势

在本届谷歌Next大会中,谷歌推不仅出了一系列解决方案和产品、服务套件更新,提供最开放、可扩展和最强大的数据云,还预测了云计算产业的发展方向。

以下是谷歌对未来三年的十大云技术预测:

1、神经兼容设计将脱颖而出

那些将专注于神经兼容、简单且不受干扰的开发人员,到2025年底将看到用户使用量增长5倍。要达到这种无障碍程度,七个原则是至关重要的:平衡、比例、统一、光线、颜色、空间和图案。

2、广泛采用策划开源

基础设施副总裁兼谷歌研究员Eric Brewer预测,策划开源将为今天的免费或“原样”开放源码增加一层责任,将有五分之四的开发人员采用它。这家互联网巨头已经在其有保证的开源软件(AOSS)服务中提供了精选的开源软件。

3、自动化的secps工作流

到2025年底,多达90%的安全运营工作流程将实现自动化,并以代码形式进行管理。在谷歌方面,这将通过社区安全分析(Community Security Analytics)和纪事(Chronicle)等服务实现持续检测和响应。

4、AI驱动的四天工作周

AI将成为每周工作四天的主要驱动力。人工智能创新,比如谷歌Vertex AI,将实现任务自动化,让团队能够在四天之内完成五天的工作。

5、大多数数据将是实时可操作的

到2025年底,90%的数据将通过机器学习实现实时操作。谷歌正在通过Dataplex(统一分布式数据并自动化数据管理和治理)、Web服务BigQuery上的非结构化数据和计算引擎Apache Spark等开发实现这一目标。

6、事务性和分析性之间没有障碍

多年来,事务性和分析性工作负载一直是独立的数据库工作负载。然而谷歌预测,到2025年底,这些障碍将消失,Spanner、Cloud SQL、BigTable和AlloyDB等谷歌云服务将在实现这一目标方面发挥作用。

7、自动化云基础设施决策

在未来三年内,超过一半的云基础设施决策将实现自动化。这种转变将基于一个组织的使用模式——规模和性能需求。

8、可持续性将是优先事项

虽然开发人员长期以来一直专注于构建应用程序和项目,并专注于安全性、可靠性和性能,但谷歌预测,情况很快就会改变,可持续性将占据首要位置。多达四分之三的开发商将以可持续性作为主要发展原则来领导他们的项目。为此,谷歌提供了一种碳足迹工具来衡量云使用对可持续性的影响。

9、多云的影响

由于Anthos和BigQuery Omni等市场上的多云功能,超过一半的使用公共云的组织将会更换他们的主要云供应商。

10、低代码/无代码将占据主导地位

低代码和无代码将在未来三年内接管企业,这一转变的影响将是,超过一半的商业应用程序将由目前不认为自己是专业开发人员的用户构建。值得注意的是,知名市研机构Gartner还预测,到2025年,低代码/无代码技术将驱动70%以上的新应用程序。

结语:AI、大数据促进云计算进入新阶段

作为国际云计算大厂,谷歌云的服务在国内虽未布局,具体的产品和解决方案未在国内落地,但其在AI、元宇宙、Web3、数据智能等方面的进展值得国内产业关注。

通过谷歌云发布的新品及公布的十大技术趋势,我们能看到AI、大数据等技术正在改变云计算产业的发展走向,技术的产业化及与企业业务的结合成为新的重点。

计算机行业:从谷歌新产品发布看人工智能行业趋势

招商证券10月10日发布计算机行业研究报告,报告摘要如下:

本周关键词:谷歌发布多款AI 硬件产品。在10 月5 日的谷歌秋季新品发布会上,多款AI 硬件产品亮相,进一步完善谷歌在应用场景上的布局。从龙头看产业,AI 应用态势加速,生活全场景AI 化可期,软硬结合将是未来基本趋势。

计算机板块指数本周跌0.13%。计算机板块目前TTM PE 为54 倍左右,板块分化愈加凸显,建议继续聚焦下游需求确定性较高领域,如政府投资相关的“泛基建信息化”以及估值较低的细分白马龙头,同时关注符合产业趋势方向的标的,重点关注互金、人工智能、SaaS、泛基建信息化等领域龙头个股。

聚焦谷歌秋季新品发布会,多款AI 硬件产品亮相,完善应用场景布局。在去年的秋季发布会上,谷歌率先提出由移动优先转变为AI 优先。跟谷歌在软件层的AI 布局相比,谷歌在硬件上一直有短板,此次秋季发布会推出了多款AI硬件产品,主要包括:智能手机(Pixel2/XL)、笔记本(Pixel book)、智能音箱(Google Home Mini 和Max)、智能相机(Google Clips)、翻译耳机(Google Pixel Buds)以及VR 设备(Google Daydream View)等。谷歌此次推出的新品进一步完善了在4 大主要应用场景(家庭、办公、随身、汽车)中的布局,并且可以看出主旋律是AI+软件+硬件的融合。

从龙头看产业,AI 应用态势加速,软硬结合成为基本趋势。除了谷歌推出AI硬件产品之外,苹果在今年的最新产品中也植入了很多AI 元素。可以看到,以谷歌、苹果等为代表的国际科技巨头正在加速AI 硬件产品的布局,逐渐从软件向硬件拓展。AI 经过过去几年的发展,已经可以实现一些基本的应用,但尚未实现大规模落地,与场景有强绑定关系的标准化硬件产品将是AI 实现大范围落地的强力推手。随着技术的不断进步,生活全场景AI 化可期。从龙头看产业,AI 的核心在于解决问题,谷歌提出“人工智能+软件+硬件”(AI+Software+Hardware)相结合的发展方向,以AI 为核心,打造软件和硬件的组合生态。硬件用于获得数据,是服务的载体,必然不可或缺;而软件则是数据处理层面,其背后要有AI 技术作为支撑。我们认为,软硬结合是AI领域发展的基本趋势,目前AI 技术在软件层面已愈发成熟,未来我们看好能够做好“软件+硬件”结合的公司,这一类公司能在拐点到来时最先抓住AI浪潮带来的机遇。

从计算机行业的两个维度看投资机会曙光在前:一方面估值逐步消化,另一方面产业如火如荼。过去几次大的IT 浪潮的基本规律是软件硬件的核心技术的出现和整合,带来全新的人机交互方式,在此基础上产生大量的商业应用。标的选择上,建议自下而上的选择真正具有成长性的优质标的。继续建议投资者选择:1、业绩增长确定性高标的(估值不一定低);2、业绩反转估值弹性较大的品种。行业整体来看,行业利润继续改善有望成为板块反弹的重要因素。重点关注:云计算、人工智能、消费金融/互联网金融、无人驾驶等。

风险提示:政策支持力度低于预期;核心技术发展遭遇瓶颈。

中证网声明:凡本网注明“来源:中国证券报·中证网”的所有作品,版权均属于中国证券报、中证网。中国证券报·中证网与作品作者联合声明,任何组织未经中国证券报、中证网以及作者书面授权不得转载、摘编或利用其它方式使用上述作品。凡本网注明来源非中国证券报·中证网的作品,均转载自其它媒体,转载目的在于更好服务读者、传递信息之需,并不代表本网赞同其观点,本网亦不对其真实性负责,持异议者应与原出处单位主张权利。

2021数字技术发展趋势分析

数字科技是基于物理世界和数字世界映射互动的体系提炼的一个新概念,是当今世界创新速度最快、通用性最广、渗透性和引领性最强的领域之一。数字科技创新正在加速推动学科创新、研究新范式、科学新发现、产业新模式等的变革。本报告对2021 年世界科技强国数字科技发展趋势进行分析,并对我国数字科技创新发展战略提出政策建议。

一、国外数字科技发展现状

(一)人工智能

1. 多个国家出台或更新AI战略并持续加大研发投入

2021年3月,美国国家AI安全委员会发布《AI国家安全委员会最终建议报告》,向总统和国会提出建议,以推进AI、机器学习和相关技术的发展,全面解决美国国家安全和国防需求。报告中阐述美国抵御AI相关威胁、风险等做法,以及竞争与合作战略、人才竞争、加速AI创新、知识产权、微电子、技术保护、有利的国际技术秩序、相关技术行动蓝图等AI竞争关键要素。

2021年5月,俄罗斯政府通过了为AI项目提供补贴等支持AI发展的两份政府决议,鼓励企业积极参与公开竞争的AI试点项目,推动AI与各产业深度融合。2024年前将为AI试点项目投资52.6亿卢布,每个项目资助约1亿卢布,并为大中小学生的AI开发和培训项目投资12.3亿卢布。

2021年6月,澳大利亚政府发布“AI行动计划”,旨在使澳大利亚成为开发和采用可信、安全和负责任AI的全球领导者,具体包括:推动AI开发和采用,创造就业岗位和提高生产力;培养和吸引世界一流人才;利用AI应对国家挑战并使所有澳大利亚人受益;确保AI技术负责任、包容并反映澳大利亚的价值观。

2021年6月, 日本内阁府提出《AI战略2021》草案,针对建设“超智能社会5.0”、应对全球共同问题和日本自身社会经济难题等国家总体科技战略需求,为充分利用AI技术做好软硬件准备,在教育改革、研究开发、社会应用、支持中小企业的数字化转型、数字化政府、伦理道德、数据基础设施等方面提出新的政策措施。

2021年12月,法国政府出台《AI国家战略》新计划,未来5年将投入22亿欧元加快AI发展,重点资助AI研究与培训,主要目标是提高法国AI竞争力,成为嵌入式AI和可信AI的领导者,加快AI在经济领域的应用。

2. 全球AI专业研发机构不断涌现

2021年6月,英国商业、能源与产业战略部、英国研究与创新局与IBM合作成立新的AI和量子计算中心,即哈特里国家数字创新中心,计划5年内共投资2.1亿英镑,支持科研机构和私营企业获得尖端计算能力,提供设备和基础设施的使用权,消除使用量子技术的障碍,并在材料、生命科学、环境和制造等领域开展跨学科合作。

2021年7月,美国国家科学基金会(NSF)在2020年第一轮资助的7个国家AI研究所的基础上,投入2.2亿美元新建11个国家AI研究所。国家AI研究所将与美国农业部国家食品和农业研究中心、国土安全部、谷歌、亚马逊、英特尔和埃森哲公司合作,在人机交互与协作、AI优化、AI和先进网络基础设施、计算机和网络系统AI、动态系统AI、AI 增强学习、AI驱动的农业和食品系统创新等领域开展变革性研究。

澳大利亚政府将为该计划共投入1.241亿澳元:4年内投入5380万澳元成立国家AI中心和4个AI与数字能力中心;4年内投入3370万澳元,支持澳大利亚企业与政府合作实施AI试点项目;6年内投入2470万澳元启动“下一代AI毕业生计划”;5年内提供1200万澳元用于“区域AI计划”。

此外,美国商务部还成立国家AI咨询委员会,由来自学术界、工业界、非营利组织和联邦实验室的成员组成,主要职责是就AI问题向美国总统和其他联邦机构提供建议。

2021年6月,白宫科技政策办公室宣布成立国家AI研究资源工作组,该工作组将作为联邦咨询委员会,为国家AI研究资源制订实施路线图,创建共享国家AI研究基础设施,提供可访问的计算资源、高质量数据、教育工具和用户支持。该工作组将为建立和维持国家AI研究资源提供建议,包括技术能力、治理、管理、评估和安全、隐私、公民权利和公民自由的要求等。

3. AI前沿技术在国防和科学研究领域的应用进一步细化

3.1 AI 在国防领域的应用

2021年8月,美陆军未来司令部AI集成中心概述了未来五年美陆军感兴趣的11个AI研究领域,包括:数据分析、自主系统、安全和决策辅助等。通过分析数据和在决策过程中协助指挥官,AI将在连接战场传感器和射手方面起到关键作用。

2022年2月,以色列国防部公布新的AI战略,首次发布多军种和多指挥部的AI技术部署计划,将在武装部队的各个部门和指挥部加速推广应用AI技术,促进以色列国防的数字化转型。

2021年10月,北约国防部长峰会通过了第一个AI战略,阐述了AI技术如何以“受保护和合乎道德的方式”应用于国防和安全,以符合国际法和北约价值观的方式使用AI 技术。该战略启动“北约创新基金”,投入10亿美元,为北约及其盟国开发和使用AI技术奠定基础,强调成员国之间需要在与AI有关事项上进行合作,以促进“跨大西洋防务和安全”。

3.2 AI 在数学、能源等科学研究领域的应用

AI“进军”数学领域首次帮助人类发现两个新猜想。2021年12月,计算机科学家和数学家首次使用AI来帮助证明或提出纽结理论和表示论等复杂数学领域的新定理。利用由深度思维(DeepMind)开发的机器学习框架,帮助数学家发现新的猜想和定理。

AI推动能源技术发展。2021年12月,弗吉尼亚理工大学结合机器学习算法和识别新催化剂的理论,设计了一种新的AI框架,可以促进原料发现,对于重要技术至关重要,如燃料电池和碳捕获设备。

DARPA利用AI加速科学模型的开发。“自动化科学知识提取和建模”(ASKEM)项目创建知识- 建模- 模拟生态系统,并赋予其必要的AI方法和工具,以敏捷地创建、维持和增强复杂的模型和模拟器,支持专家在不同任务和科学领域的知识和数据知情决策。目标是使专家能够维护、重用和改编大量的异质数据、知识和模型,具有跨知识源、模型假设和模型适应性的可追溯性。

AI加速新材料开发。2021年12月,研究人员开发小数据AI预测技术有望加速各种新材料开发。NIMS、Asahi Kasei、三菱化学、三井化学和住友化学已经使用化学材料开放平台框架开发了一种小数据AI技术,能够通过有效使用提高基于机器学习的材料特性(例如强度、脆性)预测的准确性仅从少数实验中获得的材料结构数据。这种技术可以加速各种材料的开发,包括聚合物。2021年5月,中国、俄罗斯和德国的研究人员采用第一性原理计算和AI设计单原子合金催化剂,提出了一种针对单原子合金催化剂的新搜索算法,该算法找到了200多种新催化剂,提供了寻找适用于各种应用的最佳单原子合金催化剂的方法。

AI在微电子领域的应用。2021年4月,美国情报高级研究计划局(IARPA)宣布将开展“支持AI的下一代微电子技术(MicroE4AI)”项目研究,优先资助颠覆传统软硬件集成的研究方案,包括从材料性能到系统架构、再到软件实现等各个环节的突破和革新。(1)提高AI在自动驾驶、生物识别、通信、定位导航定时、遥感等领域应用性能的方法。(2)优化AI应用中硬件和软件生态系统的分析性能。(3)研究工具、技术、设计方案,提高微电子硬件和软件系统的可靠性和完整性,增强供应链、制造能力、计算性能,应对对抗性、恶意攻击和质量控制漏洞等。开展新材料、新加工方法的研究。

AI 在核物理研究领域的应用。2021年12月,美国能源部(DOE)宣布为六个项目提供570万美元,实施AI方法以加速核物理研究中的科学发现。使用先进的计算方法优化用于核物理的复杂加速器和探测器系统的整体性能,可以缩短核物理实验发现的时间。

AI在天气预测研究中的应用。2021年11月,劳伦斯伯克利国家实验室、加州理工学院和英伟达公司训练了傅里叶神经操作员深度学习模型-该模型准确有效地学习复杂的物理系统- 以模拟大气动力学并提前整整五天提供全球高保真极端天气预测。该模型可提前120小时以高保真度预测大气中多个级别的风速和压力。

越来越多的科学家利用AI和机器学习进行科学问题研究。随着AI和ML的不断扩展和进步,在超级计算机和分布式计算网络上运行它们的复杂性也在增加1。美国能源部阿贡国家实验室的科学家正在通过建模、模拟、预测和优化工作流程的性能来应对这一挑战。此外,阿贡国家实验室的新分布式计算和数据基础设施项目为DOE国家实验室更快的科学发现提供了算力保障2。

4. 欧美主要国家和国际标准化组织重视AI标准研究和制定工作

(1) 美国不断加强政策对标准的引领。2021年1月,美国国家标准协会发布《美国标准化战略2020》,关注AI标准。(2)欧盟通过标准和立法加强监管。2021年2月,欧洲标准化委员会和欧洲电工标准化委员会发布《欧洲标准化战略2030》,提出制定AI领域的先进创新标准。2021年4月,欧盟委员会联合研究中心发布《AI标准化格局——进展情况及与AI监管框架提案的关系》,通过制定国际、欧洲标准支撑AI监管。(3)国际标准化组织和国际电工委员会以信息技术为核心,依托AI分技术委员会开展AI标准化工作,重点围绕AI基础共性、关键通用技术、可信任及伦理、AI安全、关键行业应用方面开展标准化工作。

5. 欧美引领AI技术风险监管治理研究

2021年4月,欧盟委员会发布《欧洲适应数字时代:AI》与《2021年AI协调计划》政策提案,将史上第一个AI法律监管框架与欧盟成员国协调计划相结合,以规范AI技术风险并加强全欧洲对AI技术的利用、投资和创新。其中,《欧洲适应数字时代:AI》精细划分AI应用场景的风险等级,制定有针对性的监管措施,用于化解AI风险,保证欧盟AI市场的统一、可信赖。欧盟委员会建议由各国市场监督主管机构对新规则进行监督,成立欧洲AI委员会促进其实施。

美国国家标准与技术研究院(NIST)根据国家AI安全委员会(NSCAI) 的建议制定了AI风险科技,旨在为开发人员提供可信度指引,从而避免AI技术带来的技术和社会风险,确保AI符合道德价值观。2021年8月,NIST发布公告寻求外界对该AI风险框架的反馈,以完善AI风险框架。

(二)量子科技

世界主要国家将量子科技视为抢占经济、国防、安全等领域全方位优势的战略制高点,继欧盟2018年发布《量子技术旗舰计划》、美国2019年颁布《国家量子计划法案》、日本2020年出台《量子技术创新战略》后,2021年又有部分国家相继发布量子科技发展战略及路线图,密集布局量子计算、量子通信、量子传感等量子科技。

1. 量子科技发展战略及路线图

2021年1月,法国政府将颁布实施“国家量子战略”,为期5年,提出法国将于2023年前后完成世界第一台第一代通用量子计算机完整原型,并阐明了法国发展量子技术的优势与预算投入规模及其来源,明确了量子技术攻关的七大优先发展领域及资源匹配情况等。

2021年3月,由慕尼黑大学、马普学会量子光学研究所、TRUMPF公司组成的德国量子系统议程委员会发布了《量子系统2030议程》,概述了德国在量子研究领域取得的主要成果,确定德国在未来十年量子系统领域的研究重点和挑战,提出商业、科学和政府的共同行动指导方针,并将于2022年启动“量子系统计划”。

2021年5月,德国联邦经济与能源部以及联邦教研部宣布将投资约20亿欧元支持量子计算技术发展。德国宇航中心(DLR)获得7.4亿欧元,负责整合德国在量子技术方面的专业知识开展产学研合作,开发本国量子计算机及应用并建立工业基地。未来4年通过DLR、工业合作伙伴以及其他研究机构组成的联合团队,将开发出多种体系架构的量子计算机原型机。

2021年7月,加拿大政府在官网上宣布将制定《国家量子战略》,未来7年内将投资3.6亿加元。该战略旨在建立加拿大量子从研究到商业化的优势,构建学术界、产业界和政府良好的伙伴关系,发展、吸引和留住人才,实现量子创新商业化,确保量子技术和解决方案被加拿大企业、学术界、政府和公众采用,解决可能出现的社会、道德、法律和政策问题,扩展国际合作伙伴关系,应对安全风险。

2021年10月,欧洲核子研究组织公开发布的《量子技术与战略路线图》是一份全面的研发、学术和知识共享计划,旨在利用量子技术为高能物理及其他领域带来益处。

2022年2月,隶属于美国白宫科技政策办公室的国家量子协调办公室和NSF联合发布《国家量子信息科技人才发展战略规划》,针对量子科技人才的储备和发展,提出了4项行动建议:从长远和短期角度,全面掌握美国量子科技人才的需求现状;通过公众宣传和教育途径,提高全社会大众对量子信息科技的认知;提供学术界和工业界广泛参与的量子信息科技的教育和培训;营造量子信息科技相关领域的职业发展环境。

2. 量子科技专业研究机构

2021年4月,美国国家安全局物理科学实验室成立新的量子比特联合研究中心,将各行各业和全国的科学家、工程师联合起来共同探索量子信息技术。美国陆军研究办公室和LPS合作发布了量子比特联合研究中心的广泛机构公告,介绍了初始研究领域,提出了孵化器、合作实验室、量子计算研究奖学金三方面建议。

2021年5月,德国宇航中心新建量子技术研究所,将重点推进量子技术的研发,同时还将与工业界合作,提升相关技术的成熟度,打通量子技术基础研究与应用之间的桥梁。

3. 量子科技的跨学科研究发展

2021年1月,英国国家研究与创新署宣布,将专门支持多学科和跨学科研究的战略优先基金(SPF)中的3100万英镑支持7个量子项目,利用量子技术进行早期宇宙和黑洞、暗物质等基础物理学研究。

2021年5月,DOE拨款1000万美元用于量子信息科学(QIS)和核物理的跨学科研究,旨在利用核物理界的专门知识和能力,推进量子计算和量子传感器等领域,并利用QIS的进展扩大对核物理的理解,具体研究方向包括:利用QIS研究解决核物理中具有挑战性的问题,如预测许多迄今尚无法通过实验获得的多体系统的动力学;探索用于发现新粒子和核物质状态的量子传感器;了解辐射如何影响当前一代超导量子比特等。

4. 成立量子联盟构建产业生态

继美国2018年成立量子经济发展联盟后,2021年,日本和德国成立了量子产业联盟。

2021年5月,日本企业成立了“通过量子技术创造新产业委员会”的创始人协会,旨在推进建立产业委员会的准备工作,以促进量子技术创新行动。9月1日,该协会的24家公司在大会上正式成立了产业委员会,命名为量子战略产业革命联盟(Q-STAR)。

2021年6月,德国十家公司包括巴斯夫、宝马集团、勃林格殷格翰、博世、英飞凌、默克、慕尼黑再保险、SAP、西门子和大众联合成立量子技术与应用联盟(QUTAC),目标是将量子计算的现有基础进一步发展为可用的工业应用,具体包括技术、化学和制药、保险和汽车行业等领域,为德国和欧洲的量子计算成功工业化奠定基础。

(三)5G/6G

各国正在加紧布局5G战略。2021年1月,新加坡宣布投入3000万新元推动5G技术的应用及商业化。2021年3月,欧盟委员会发布《2030数字罗盘:欧洲数字十年之路》计划,为欧盟到2030年实现数字主权的数字化转型愿景指出方向,该计划中的目标之一是到2030年,欧洲所有家庭应实现千兆网络连接,所有人口密集地区实现5G网络覆盖,并在此基础上发展6G。2021年7月,法国政府启动5G和未来电信网络技术加速战略,以通过5G技术推进法国向数字应用前沿发展。2021年8月,韩国宣布“5G+融合服务扩散战略”3,通过培育相关产业和引领全球5G市场,使韩国成为5G+强国。截至2021年12月31日,韩国5G用户已突破2000万人,并完成了5G在其85个城市的覆盖4。

6G仍处于标准化和纯实验研究的早期阶段,但多经济体已经开始6G的战略布局。欧盟2021年1月启动Hexa-X项目5,开发6G生态系统。2021年4月,德国启动首个6G技术的研究项目,并随后成立4个6G研究中心6。2021年6月,韩国公布“6G 研发实行计划”研发6G核心技术7。2022年1月4日,我国紫金山实验室发布了面向6G的太赫兹100/200Gbps实时无线通信重大成果,为目前世界上公开报道的太赫兹实时无线通信的最高实时传输纪录8。

2022年2月,Next G联盟发布了北美第一份《6G发展路线图》,提出北美6G发展的愿景和六大目标。该联盟成立于2020年10月中旬, 由北美主要运营商AT&T、T-Mobile和Verizon,设备供应商爱立信、诺基亚和三星,以及谷歌、Meta和高通等80家成员组成。路线图六大目标包括:(1) 信任、安全性和弹性;(2)增强数字世界体验;(3) 跨网络架构的成本效率;(4) 分布式云和通信系统;(5) 未来AI 原生网络;(6) 永续性:能源效率与环境必须处于整个生命周期决策的最前线,以期望到2040年实现IMT碳中和的目标。

(四)高性能计算

1. 各国将高性能计算作为重要战略领域

高性能计算技术作为国家战略需求,正日益受到各国的高度重视。为向E 级(百亿亿级,每秒1018次浮点运算)计算时代转型,韩国制定了到2030年的高性能计算中长期发展战略——《国家超高性能计算创新战略》9,旨在将韩国打造成为高性能计算强国,实现第四次工业革命时代的量子跳跃。法国国际关系研究所在报告《战略计算:高性能计算以及量子计算在欧洲寻求技术力量中的作用》 10中强调高性能计算与量子计算对未来国家安全的重大影响。欧洲能源研究联盟“能源数字化”计划发布《能源数字化战略研究与创新议程》,明确高性能计算、数据科学与人工智能为能源数字化的关键优先事项11。2021年10月,美国科学技术委员会发布《国家战略计算储备蓝图》,指出将联合政府、学界、非营利组织、基金组织、行业力量的专家和资源提供方,成立国家战略技术储备联盟,建立协调机制,以确保在关键紧急需要时,调动战略储备计算资源。

2. 各国持续加强高性能计算项目部署

欧盟“欧洲处理器计划”目标是使欧盟在高性能计算芯片技术及基础设施方面实现独立,2021年12月宣布已完成为期3年的第一阶段任务,项目第二阶段将于2022年1月启动,开发第二代芯片,助力推出欧盟的第一套E级超算系统,与中国和美国展开竞争12。美国国防高级研究计划局DARPA启动“低温逻辑技术”项目13,开发极低温的器件技术,以克服高性能计算面临的功率效率限制。英国原子能管理局与英国科学与技术设施理事会合作,启动聚变研究超大规模计算卓越中心,应用最新的计算系统和超级计算技术,加速英国聚变能项目研究14。美国能源部为“面向能源创新的高性能计算HPC4EI”计划拨款370万美元,利用高性能计算来解决制造业和材料开发领域的关键挑战15 ;投资280万美元用于高性能算法研究,将能源部的科学计算能力转化为物理学、化学、生物学和其他领域前沿的见解16。

(五)区块链

1. 随着全球数字化进程的深入推进,各国不断加大对区块链技术的扶持力度

欧盟“数字欧洲(Digital Europe)”计划启动“欧洲区块链技能”4年期项目17,以促进区块链技能发展,满足欧洲区块链行业需求。欧盟通信网络、内容和技术总局2021年管理计划18中指出要重点开发区块链等技术,在关键技术领域确保欧洲战略自主权。美国议员陆续发起《2021区块链促进法案》19、《区块链创新法案》20、《2021区块链技术协调法案》21等相关法案,建议美国进行区块链技术研究与监管。阿拉伯货币基金组织发布《阿拉伯国家采纳DLT/区块链技术战略》指导框架22,旨在推动阿拉伯国家的数字金融转型。

2. 区块链技术不断成熟落地,技术应用渗透各个领域

澳大利亚与新加坡在一项数字经济合作中,通过区块链试验项目研究数字验证系统的互操作性,以提高两国间贸易效率23。以色列银行正在筹备数字货币发行计划,实验将“以太坊”区块链技术用于数字货币24。美陆军C5ISR中心利用区块链技术实现新的战术级数据管理能力,确保数据可信传输25。利用区块链技术支持和保护数字供应链机密信息通信,美空军拟研究区块链联合3D打印技术,在全球前沿作战基地制造、测试、部署武器系统的关键替换部件26。

(六)元宇宙

元宇宙是整合多种新技术而产生的新型虚实相融的互联网应用和社会形态,它基于扩展现实技术提供沉浸式体验,基于数字孪生技术生成现实世界的镜像,基于区块链技术搭建经济体系,将虚拟世界与现实世界在经济系统、社交系统、身份系统上密切融合,并且允许每个用户进行内容生产和世界编辑。元宇宙仍是一个不断发展、演变的概念,不同参与者以自己的方式不断丰富着它的含义。

2021年11月,韩国首尔市政府发布《元宇宙首尔五年计划》,宣布从2022年起在经济、文化、旅游、教育、信访等市政府所有业务领域打造元宇宙行政服务生态,以提升城市的竞争力、行动力、吸引力。这是韩国地方政府在虚拟现实服务领域提出的首个工作规划。“元宇宙首尔”计划分为“ 起步(2022年)”“ 扩张(2023年~2024年)”和“完成(2025年~2026年)”三个阶段。2022年将通过第一阶段工作完成平台的搭建,引入经济、教育、观光等7 大领域服务,总投资计划为39亿韩元。

二、我国数字科技发展现状

(一)人工智能

我国通过制定一系列AI政策加强AI顶层设计,推动AI技术、产业和标准相关工作。2017年7月, 国务院印发《新一代AI发展规划》,提出了开展AI标准框架体系研究的重要任务。2017 年12 月,工业和信息化部印发《促进新一代AI产业发展三年行动计划(2018~2020年)》,提出要建设AI产业标准规范体系,构建AI产品评估评测体系。2020年7月,国家标准委、中央网信办、发展改革委、科技部、工业和信息化部联合印发《国家新一代AI标准体系建设指南》,形成标准引领AI产业发展的新格局。截至2021年12月,全国共有18个人工智能创新发展试验区,依托科教资源和产业基础,加强人工智能技术研发和创新成果应用,加强制度创新,构建有利人工智能健康发展的政策环境,探索新一代人工智能发展的新路径、新机制,形成可复制、可推广的经验。

(二)量子科技

我国拥有全球首颗量子通信卫星和首条量子保密通信干线,在量子通信方面一直处于世界领先地位。2021年初,我国宣布基于“墨子号”量子卫星与量子保密通信“京沪干线”成功构建出天地一体化广域量子通信网络,实现跨越4600公里的星地量子密钥分发,是量子通信“巨大的工程性成就”27。6月,中国科学技术大学基于双场量子密钥分发的实现方式,于“济青干线”现场光缆环境中实现了428公里和511公里的远距离传输,刷新现场远距离光纤量子通信的世界纪录28。

在量子计算方面,我国是目前唯一在光量子和超导量子比特体系两条技术路线上达到“量子优越性”里程碑的国家。2021年5月,中国科学技术大学潘建伟团队成功研制出62比特可编程超导量子计算原型机“祖冲之号”,实现可编程的二维量子行走29。仅5个月后,“祖冲之二号”问世,操控的超导量子比特达到66比特,能实现“量子随机线路取样”任务的快速求解,求解速度比当时最快的超级计算机快1000万倍,计算复杂度比谷歌公开报道的53比特超导量子计算原型机“悬铃木”提高100万倍30,达到世界领先水平。同时,在光量子计算领域推出“九章二号”光量子计算原型机,操控光子数达到113个,多光子量子干涉线路达到144维度,实现了相位可编程功能,处理高斯玻色取样的速度比目前最快的超级计算机快1024倍,刷新国际光量子操纵技术水平31,32。

(三)“5G+ 工业互联网”

制订战略规划指引“5G+工业互联网”发展方向。2021年1月,工信部发布的《工业互联网创新发展行动计划(2021~2023年)》33中提出网络体系强基行动,持续推进“5G+工业互联网”融合应用。针对重点行业培育30个左右典型应用场景。编制发布“5G+工业互联网”发展指数。深化“5G+工业互联网”的支持工业企业建设5G全连接工厂。2021年7月,工信部、中央网信办、国家发展改革委等十部门印发《5G应用“扬帆”行动计划(2021~2023 年)》34助力标准化工作的加速推进。该计划提出构建5G 标准体系行动并开展5G应用标准体系构建及推广工程,到2023年底,形成基础共性和重点行业5G应用标准体系,完成30项以上重点行业关键标准研制。

5G应用场景不断拓展。截至2021年11月,我国5G应用创新的案例已超过1万个,覆盖22个国民经济重要行业,工业制造、采矿、港口等垂直行业应用场景加速规模落地,已由最初的生产辅助类业务为主向设备控制、质量管控等核心业务拓展,是当前5G应用方案较为成熟的领域35。

(四)区块链

1. 我国进一步加强区块链顶层设计和政策引导性

区块链作为新兴数字产业被纳入我国“十四五”规划纲要36,并指出我国要加强区块链技术创新,以联盟链为重点发展区块链服务平台和金融科技、供应链金融、政务服务等领域应用方案。工信部、中央网信办联合发布国家首个部委级别的区块链专项政策《关于加快推动区块链技术应用和产业发展的指导意见》37,指出要进一步夯实我国区块链发展基础,加快技术应用规模化,建设具有世界先进水平的区块链产业生态体系。国家重点研发计划“区块链”重点专项2021年度拟立项项目中,涵盖区块链架构设计、区块链安全、区块链存储等重点领域。此外,各地政府在十四五规划中提及要大力发展区块链技术,因地制宜地制定了区块链专项政策,扶持当地区块链平台,推动区块链技术在政务侧、产业侧融合。

2. 我国区块链技术创新持续活跃,技术应用与产业生态加速演进

整体技术稳中有进:2021年全球区块链行业专利申请数量为18931项,我国区块链申请量达15985项,占全球申请总量的84%,位居第一,专利范围涵盖数据结构及计算机安全设施、金融、行政管理等行业,技术维度多侧重区块链安全性与效率的提升。

核心技术呈点状突破态势:中科院软件所张振峰团队与美国新泽西理工学院共同提出国际首个完全实用的异步共识算法小飞象拜占庭容错算法,为持续数十年的异步共识难题提供解决方法;蚂蚁链推出区块链高速通信网络BTN,提升区块链节点通信能力,加速区块链网络数据传输;国内首个自主可控区块链软硬件技术体系长安链发布,陆续推出全球首款96核区块链专用加速芯片、自研P2P网络Liquid等重大成果。

技术应用与实体经济加速融合:根据公开数据统计,截止2021年10月底,我国2021年总共落地区块链项目数151个,全国近31个省市实现了区块链应用落地。

(五)高性能计算

我国高性能计算机研制和应用水平、生产制造力、实际部署数量均已进入世界前列。

由国防科技大学研制,部署在国家超级计算天津中心的“天河”E级计算机关键技术验证系统,在2021年7月发布的国际Graph 500排名中,获得SSSP Graph500(单源最短路径)榜单世界第一、BIG Data Green Graph500( 大数据图计算能效)榜单世界第一的成绩38,39 。

在2021年11月公布的全球超级计算机TOP 500榜单中40,我国超算“神威・太湖之光”和“天河二号”分别排名第四和第七。排名前三的分别是日本超算Fugaku、美国超算Summit和Sierra。在总量方面,中国共有173台超算上榜,上榜数量连续第9次位居第一,美国以150台位列第二。

此外,中国超算应用团队基于新一代神威超级计算机研发了神威量子计算模拟器,凭借“超大规模量子随机电路实时模拟”成果获得2021年度超级计算应用领域国际最高奖项“戈登・贝尔”奖41。

(六)网络基础设施

2021年,我国网络安全法规条例密集施行。2021年8月17日,《关键信息基础设施安全保护条例》正式公布,自2021年9月1日起施行42。同样于2021年9月1日起正式施行的还包括:我国关于数据安全的首部律法——《中华人民共和国数据安全法》43以及规范网络产品安全漏洞发现、报告、修补和发布等行为的《网络产品安全漏洞管理规定》44。《中华人民共和国个人信息保护法》于2021年11月1日开始施行45,与《中华人民共和国网络安全法》一起,形成了围绕《中华人民共和国国家安全法》的较为完善的法律体系和顶层设计,全面维护国家安全、网络安全、数据安全和个人信息权益。

作为物联网的关键技术指标,我国超额完成IPv6主要指标46。截至2021年12月底,我国IPv6活跃用户数达6.08亿, 占网民总数的60.11%。物联网IPv6连接数达1.4亿,移动网络IPv6流量占比达35.15%,固定网络IPv6流量占比达9.38%,家庭无线路由器IPv6支持率达16%,政府门户网站支持率达81.8%,主要商业网站及移动互联网应用IPv6 支持率达80.7%。

三、启示与建议

(一)持续发挥数字科技的赋能作用

2022年1月,国务院印发《“十四五”数字经济发展规划》(以下简称《规划》),明确了“十四五”时期推动数字经济健康发展的指导思想、基本原则、发展目标、重点任务和保障措施。发挥数字科技赋能的巨大威力,提高实体经济的全要素生产力,是贯彻落实《规划》关于推动数字技术与实体经济深度融合要求的重要保障。

(二)全力打造数字科技产业生态

我国在消费级数字应用领域领先,但在企业级、科学研究等领域的数字应用还存在明显差距。数字科技只有应用于现实的产业场景才能实现真正的价值,产业生态的发展将从需求端拉动数字科技供给能力的提升,进而推动数字科技不断前进,形成螺旋式上升趋势。以高性能计算为例,发展目标不应仅仅是建造运算速度快、性能强大的计算机,而是建立一个基础深厚的技术生态系统。

(三)加强数字科技创新体系建设

加强数字科技基础研究,推动研究型高校和科研院所在数字科技领域加强研究,推动其与生命科学、材料科学、能源科学等基础科学领域汇聚融合,建立科学研究新范式,打造面向数字科技的学科体系。布局一批产学研新型研发机构,面向数字科技前沿,如人工智能、量子科技、区块链、物联网等重点技术和工程领域部署建设一批国家(省)级重点实验室、工程研究中心、工程技术研究中心。支持数字科技龙头企业、大中型数字科技领军企业与中小微企业组成联合体搭建共性技术平台,共同参与数字共性技术研发。

免责声明:本文转自高科技与产业化,原作者刘艳丽王阳王靖娴。文章内容系原作者个人观点,本公众号转载仅为分享、传达不同观点,如有任何异议,欢迎联系我们!

推荐阅读

2021年世界前沿科技发展态势及2022年趋势展望——综述篇

2021年世界前沿科技发展态势总结及2022年趋势展望——信息篇

2021年世界前沿科技发展态势总结及2022年趋势展望——生物篇

2021年世界前沿科技发展态势总结及2022年趋势展望——能源篇

2021年世界前沿科技发展态势总结及2022年趋势展望——海洋篇

2021年世界前沿科技发展态势总结及2022年趋势展望——航空篇

2021年世界前沿科技发展态势总结及2022年趋势展望——航天篇

2021年世界前沿科技发展态势总结及2022年趋势展望——新材料篇

2021年世界前沿科技发展态势总结及2022年趋势展望——先进制造篇

转自丨高科技与产业化

作者丨刘艳丽王阳王靖娴

编辑丨郑实

研究所简介

国际技术经济研究所(IITE)成立于1985年11月,是隶属于国务院发展研究中心的非营利性研究机构,主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题,跟踪和分析世界科技、经济发展态势,为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号,致力于向公众传递前沿技术资讯和科技创新洞见。

地址:北京市海淀区小南庄20号楼A座

电话:010-82635522

微信:iite_er