本报告导读：
　　人工智能的发展路径从辅助人（为劳动力装备更多“智能资本”）、替代人（解决“鲍莫尔病”），终极形态可能是成为“人”（人工智能与人高度融合）。未来随着人工智能商业化加速落地，将催生上游新能源电力增量投资，中游带动智能算力基础设施补短板（芯片、液冷服务器等），而下游针对垂直领域训练的小模型（汽车、办公、医疗等）可能会更快发挥商业价值。
　　摘要：
　　“人工智能”的概念最早于] 1956年提出，从诞生至今大致经历了三波发展热潮，分别是20世纪50年代至70年代中期，70年代至90年代（专家系统、知识工程）以及90年代至今（移动互联网、云计算）。如今大语言模型引领人工智能新风口，国内外各大公司纷纷投入到这场“军备竞赛”中，但同时也引发了数据安全和伦理等问题的担忧。
　　人工智能的发展路径，从辅助人，到替代人，终极形态可能是成为“人”：
　　1）辅助人：人工智能的出现首先是辅助人类开展工作，通过为劳动力装备人工智能“资本”，从而提高劳动生产率；人工智能将为产业开启智能化新时代。
　　2）替代人：与历次科技革命中机器替代人的过程不同，人工智能对人的替代将集中在第三产业，有望从根本上解决三产劳动生产率低下的“鲍莫尔病”。
　　3）成为“人”：人工智能发展的终极目的是实现与人类的融合，一方面人工智能可以作为人类器官的延伸和强化，另一方面人类的情感和意识也可以被“数字化。”
　　人工智能产业链中上游相对单一，下游由于应用场景广阔，产业及其丰富：
　　1）上游催生新能源电力增量投资：人工智能强大的算力背后是不容忽视的电力消耗，如果AI大规模商用加速落地，则意味着全球将产生大量电力缺口；
　　2）中游带动智能算力基础设施补短板：算力规模的迅速增长带来对智能算力基础设施的巨大需求，涉及到高算力芯片、服务器液冷等技术；
　　3）在大模型的基础上，针对垂直领域训练的小模型可能在短期内更快发挥商业价值：例如智能汽车、智能办公、医疗健康管理等领域。
　　从紧迫性上来看，上游电力基础设施投资是短期各国均需要解决的发展瓶颈；从国内与国际差距来看，高算力芯片将成为决定未来长期人工智能发展水平的关键。至于当前面临的AI中文训练数据偏少、处理中文事务能力偏弱的问题，则可以后续依托国内庞大的市场，增加中文数据供给来解决。
　　风险提示：人工智能技术落地不及预期。