蘋果在全球開發者大會（WWDC）上公布其一系列人工智能更新的影響，蘋果股價已連續三天上漲。截至6月13日美股收盤，蘋果公司市值達到3.29萬億，成功超越微軟再次成為全球最大市值公司。值得一提的是，在WWDC上蘋果宣布與OpenAI達成合作，將在Siri當中提供ChatGPT接口，用戶將可以通過Siri直接使用GPT-4o，而且免費、無需注冊。

對于近期的基于大語言模型的新一代人工智能技術，我們采訪了聯想控股助理總裁、資產管理部董事總經理紀朝峰。他在過去10年間一直負責聯想控股財務投資工作，目前管理約300億元人民幣的自有資產，而聯想控股體系基金平臺的管理規模已經超過了3,300億元人民幣，累計投資了超過200家人工智能相關的企業，形成了獨有的科技生態。

紀朝峰認為，“Open AI推出的GPT-4o是大模型進行商業化的重要探索，預示著AGI應用距離第二階段已經不遠了。相比之前的模型只能讀文看圖和遲滯感明顯的語音交互，如今GPT-4o可以實現實時多模態的自然交互。這意味著已經逐漸具備實時能看懂、能插嘴說、能思考響應，還能有各種小情緒自然交互的能力，未來隨著模型進一步優化，人工智能真正成為智能。”

同時蘋果股價大漲也印證了他之前的判斷：未來AI將在以手機為代表的端側硬件和碎片場景下的應用結合率先引爆，應用場景、用戶基數等會被幾何級放大，未來涉及的改變不只是幾億用戶，而是幾十億用戶。

這一波AI浪潮的進展將遠超前幾次的總和

其實從1956年人工智能概念被提出之后，AI技術的發展和應用已經過多次高潮和低谷。但不可否認的是，隨著歷次底層算法的改進，人工智能也開始從初期的非常簡單的應用落地，逐步到更復雜、更多樣化的場景應用，并且每次技術進步，相較于上一代應用取得的進展都是指數級別的。

具體來看，1956年達特茅斯會議后人工智能在數學領域特別是在機器定理證明方面取得了進展；第二波AI發展高潮里，人工智能在圖像識別、語音識別和自然語言處理等領域均取得了突破。在從2015年到2020年第三波浪潮中，深度學習算法在人工智能應用方面取得了跨越性的突破，標志性事件是2015年DeepMind開發的AlphaGo擊敗了世界頂級圍棋大師。此后深度學習技術在圖像目標數據智能識別研究領域取得了突破性進展，引發了計算機視覺領域的革命性變革，并加速了在自動駕駛、工業場景落地。

紀朝峰看來，“上一代AI專注于解決特定領域的問題，性能和準確性依賴于特定場景訓練數據的數量和質量，缺乏推理和創造性思維能力，更多還是基于規則和數據驅動進行決策。在處理復雜問題、創新和靈活性要求較高的任務時會表現出局限性。更適合在特定場景下的小模型，一旦切換場景，需要進行重新優化，導致上一代人工智能很難實現泛化，無法形成具有結構性優勢的解決方案，使得商業化進入瓶頸期。”

與前三次AI浪潮不同，本輪的基礎大模型是建立在Transformer架構上，其獨特的注意力機制模擬了人類的感知方式和注意力行為，使得模型能夠專注于輸入數據中的關鍵部分，解決了上一波深度學習模型中長距離信息依賴關系的問題。隨著對Transformer架構大模型對自然語言處理的巨大進步，并逐步遷移到計算機視覺、音頻處理等其他領域，為不同領域提供了可共用的平臺，使得以往分散的模型走向統一。這一變化不但簡化模型設計的復雜性，同時提高了模型的通用性和可拓展性。

具體表現上來看，從文生文、文生圖到文生視頻，這些都是初期的簡單應用。隨著行業垂直模型的成熟和具身機器人技術的進步，大模型不斷解鎖新能力，解決上一代AI尚未攻克的復雜場景，大面積取代體力勞動，并逐步提高智力勞動的效率。一個人加上具有很強泛化能力的AGI助手，就可以完成過去需要多人協作的復雜任務，這可能會成為未來世界的常態。紀朝峰判斷，這波AI浪潮帶來應用上的進展將遠超前三次浪潮的總和。生產力的快速提升會顯著改變生產關系，很多行業的商業模式將會受到沖擊，但同時也孕育著巨大的商業機會。

大模型融資速度仍落后于商業落地

從2023年初，大模型展現出強大的多輪對話和文生圖能力后，讓大家產生對AI時代的驚鴻一瞥，從此成為創投圈最炙手可熱的風口。

從融資上來看，近一年多時間OpenAI估值已近千億美元，國內做基座大模型的6家頭部公司估值也超過100億人民幣。如果按照他們產生的收入來看，都是100倍以上PS，甚至還有幾家壓根沒有收入。從這個角度來看，當前各家大模型公司的估值確實高得出奇。

紀朝峰分析，“高估值反映出投資人認可AI大模型技術仍在快速發展和迭代中，具有巨大的發展潛力和變革能力。市場對這些公司的估值是基于對其長期增長潛力的樂觀預期。”但值得注意的是，國內還有二三十家做通用底座大模型的公司卻沒有得到資本這樣的認可，他們有的根本融不到錢，有的也就幾億元人民幣的估值，這也反映出高估值只是給到技術實力領先的頭部大模型公司。

從應用落地上看，過去一年多的時間里，大模型應用率先落地的行業中并沒有給用戶帶來太多驚艷的提升。紀朝峰認為：“當前無論是在C端商業模式尚不明朗，還是B端缺乏令人眼前一亮的應用，主要還是因為當前AGI的應用仍處于第一階段，即當前的應用還是把大模型在多輪對話、超長文本理解、文生圖、文生視頻等方面的突破與原有業務進行單點結合，只是邊際性提升效率，并未創造出新的場景。我預期AGI發展很快會進入第二階段，會帶動AI技術對接多業務環節產生應用，甚至出現高度融合，AI在某些業務環節中推動業務發展的階段，可以按照人類的目標性要求獨立完成工作，替代人類完成高復雜度的任務，這些場景都是上一代人工智能技術尚未解決的深水區。隨之而來的企業成本結構的巨大改變，將徹底改變很多行業的游戲規則。目前，在我們看到的一些項目里，已經出現了用大模型去替換非標準化人工服務的商業模式，比如保險、法律訴訟、診療等場景。”

任何快速發展的行業都存在泡沫風險，AI領域也不例外，關鍵要看后續AI大模型的技術迭代和商業化落地是否能夠支持其高估值。如果市場對AI大模型公司的預期過于樂觀，而實際商業化的進展無法支撐高估值，那么泡沫會很快破滅。

對此紀朝峰十分樂觀，“從OpenAI、Google和Meta等公司大模型的技術發展，以及國內公司緊跟的態勢來看，AI大模型技術仍在不斷創新，給行業帶來新的機會。從商業化落地的速度和產生的經濟效益來看，的確慢于大模型技術的發展和估值的提升，但這樣的情況將隨著大模型技術持續迭代，多模態大模型和各個垂直場景大模型的發展得到解決，領先企業的高估值將會得到支撐。”