迈入AI2.0时代：为什么要关注生成式AI？

随着AI技术的迅速发展，我们正处于一个前所未有的时代。

从医疗保健到金融、交通运输，再到教育和娱乐等领域，AI正在逐步渗透到我们日常生活的各个方面。在过去的几年里，AI已经取得了惊人的进展，尤其是在语言理解、图像识别和自然语言处理方面，使得许多看似不可能的任务变得可行......

【AI技术发展史：如今已迈进2.0 时代】

AI是人工智能的缩写，是指通过计算机技术和算法实现的智能化系统。

AI的目标是让计算机能够像人类一样思考、学习和解决问题，从而完成各种任务。AI的研究范围非常广泛，包括机器学习、自然语言处理、计算机视觉、智能控制等方面。近年来，随着算法、数据和计算能力的不断提升，AI已经在许多领域得到了广泛的应用，比如人脸识别、语音识别、自动驾驶、智能客服、智能医疗等。

主要来说，AI主要应用于三个层面：

基础层：侧重基础支撑平台的搭建，包含传感器、AI芯片、数据服务和计算平台；

技术层：侧重核心技术的研发，主要包括算法模型、基础框架、通用技术；

应用层：注重产业应用发展主要包含行业解决方案服务、硬件产品和软件产品。

2012年，“AI革命”拉开序幕。

据国信证券表示，AI时代可以大致分为以下几个阶段。

1956年，AI概念首次被提出；
2012年，“AlexNet模型问世”意味着AI大门就此打开，从此开启了CNN在图像识别的应用；
2015年，机器识别图像的准确率首次超过人，开启了计算机视觉技术在各行各业的应用，AI+赋能各行各业；

而由于AI技术代面临着模型碎片化，AI泛化能力不足等问题，而被专家划分为AI1.0时代（2012年-2018年）。

2017年，Google Brain团队提出Transformer架构，奠定了大模型领域的主流算法基础，从2018年开始大模型迅速流行，2018年谷歌团队的模型参数首次过亿，到2022年模型参数达到5400亿，模型参数呈现指数级增长，“预训练+微调”的大模型有效解决了1.0时代AI泛化能力不足的问题，新一代AI技术有望开始全新一轮的技术创新周期。

这也开启了如今所说的AI2.0时代（2017年-至今）。

【AI开启第四次工业革命】

今年来我们总能注意到这个热词——第四次工业革命。不管是投资者，还是AI领域的专家，都将AI视为第四次工业革命的“引航员”。为什么说AI将开启第四次工业革命？

与前三次工业革命不同，第四次工业革命的主要特点是数字化、网络化和智能化。

第一次工业革命为人类带来了机械解释，第二次工业革命给人类带来信心，第三次工业革命带来了信息技术，而新一代AI技术有望开始全新一轮的技术创新周期。

AI的出现使得计算机能够模仿人类思维方式，从而可以执行类似于人类的任务。例如，机器学习、深度学习和自然语言处理等技术使得计算机可以处理大量数据、识别图像和声音等非结构化数据，从而提高了生产力和效率。

AI还可以通过自动化和机器人化来优化生产流程和制造过程，从而减少人力成本和时间成本。在生产线上，AI可以帮助企业监测设备状态、识别故障和优化运营，从而提高生产效率和质量。

此外，AI还能够改善人类生活的方方面面，例如医疗保健、智能交通和智能家居等。例如，在医疗保健领域，AI可以帮助医生进行更精确的诊断和治疗，从而提高患者的生存率和生活质量。

据沙利文咨询统计，2016-2019年，全球市场规模从593亿美元增长至2019年1918亿美元，复合增长率约48%，预计2020年到2024年将以27%的年复合增长率继续放量，并在2024年达到6158亿美元。

【生成式AI正迎来的爆发期】

随着人工智能技术在前期的积累和迭代中的发展，生成式AI正逐渐突破传统分析型AI领域，迎来其爆发期。

从本质上讲，AI是一个广泛的术语，包括许多不同的技术，而生成式AI是一种特定类型的AI，专注于创建新内容。

从2012年至今，生成式AI发展迅猛，其源头是DNN算法的升级，使得语音和图像识别等功能得以实现。

什么是生成式AI？

生成式AI是人工智能的一种，能够创造新内容和想法，包括对话、故事、图像、视频和音乐。从分类上看，生成式AI包括：文本（总结或自动化内容）、图像（生成图像）、音频（在音频中总结、生成或转换文本）、视频（生成或编辑视频）、编程（生成代码）、聊天机器人：（自动化客户服务等）、ML平台（应用程序/ ML平台）、搜索（人工智能洞察）、游戏（生成式AI游戏工作室或应用）、数据（设计、收集或总结数据）。

与所有人工智能技术一样，生成式AI的能力由机器学习模型提供。这些模型是基于大量数据进行预先训练的大模型，通常被称为基础模型（Foundation Models）。

（生成式AI在文本（Text）、代码生成（Code generation）、图片（Images）、语音合成（Speech synthesis）、视频和3D模型等领域拥有广阔的应用场景。）

机器学习的最新进展（特别是基于transformer的神经网络架构的发明）直接带来这一类模型的爆发式增长，这类模型通常包含数十亿个参数或变量。

2019年最大的预训练模型是3.3亿个参数。现在，最大的模型包含的参数超过5千亿个，相当于几年间增加了1600倍。

如今的基础模型，例如大型语言模型GPT3.5或BLOOM，以及由Stability AI开发的文生图模型Stable Diffusion，可以执行跨多个领域的多种任务，例如撰写博客文章、生成图像、解决算术问题、对话聊天，基于文档回答问题等。基础模型的规模和面向通用场景的性质使其不同于传统的机器学习模型，后者通常仅执行特定的任务，例如分析文本观点、分类图像和预测趋势等。其中，ChatGPT率先吸引了人们对生成式AI的关注。

为什么现在是采用生成式AI的时机，主要有以下几个原因：