近期，我们参加了数场关于人工智能的行业交流会，包括全球数字经济大会、世界人工智能大会等。与往年相比，今年的热门话题主要围绕AIGC（生成式人工智能）展开，其中行业趋势包括：1）大模型趋于分化，行业模型或成为普及关键；2）具身智能和多模态智能或成为下一个重点投资方向；3）应用场景落地是关键，To B才是主战场。
　　“百模大战”后期或趋于分化。2023年被称为AIGC元年，大模型也成为重中之重，市场预期其创新性甚至远大于移动互联网。AIGC或进一步解放生产力，帮助企业降本增效，影响并改变着互联网的获取信息和内容产出方式。虽然近期行业龙头ChatGPT用户数增速放缓，但是业内对此并不担忧，因为这并不代表技术迭代变慢。
　　据不完全统计，国内已经有近百家大模型，包括通用和垂直、开源和闭源等不同类型。此外，在2023年的世界人工智能大会上，360集团、百度、华为、阿里巴巴等企业被工信部中国电子技术标准化研究院授予“国家人工智能标准化总体组大模型专题组”组长单位，积极推动大模型国家标准体系建设，助力中国大模型产业发展。
　　行业大模型或成为衍变趋势。未来大模型会进一步分化为通用、专用和特定场景。市场普遍认为，从行业特征来看，通用大模型未来只可能是少数巨头最后胜出，主要考虑巨大的资金投入，基础大模型并不适用于数量众多的中小企业。通用大模型并不能解决很多企业的具体问题，而模型的大小，主要还是取决于企业用户的自身需求，企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。
　　垂直行业的模型未来或成为大模型加速普及的关键，通用公域数据叠加行业数据，共同构成了产业大模型的训练数据来源。行业大模型的未来趋势特点还包括：场景集成化，AI原生化以及部署工业化等方面。
　　MaaS或进一步推动AI普惠化。MaaS（模型即服务）的理念，提出了以人工智能模型为核心的开发范式，搭建云计算技术和服务架构，以此向大模型初创企业和开发者开放。MaaS允许开发人员将机器学习模型部署到应用程序中，并提供自动化方式来进行模型训练、推理、部署、精调、测评、产品化落地等在内的全方位服务。MaaS的出现或进一步降低使用门槛，提升大模型普及率。
　　中美大模型差异：国内企业在底层模型仍需提高，优势在于应用生态。业内普遍认为，中美大模型目前仍存在一定距离，不过国内公司正在迎头赶上。一方面，大模型一定要有充足的算力作为基础；另一方面，在数据层面，中文语料的复杂性及质量参差，也对国内大模型研发带来了挑战，后期高质量的数据才是大模型不断优化的关键。
　　此外，腾讯也发布大模型时代的AI十大趋势：
　　一是涌现，LLM推动人工智能快速进化到AGI阶段；
　　二是融合，多模态助力大模型解决复杂问题；
　　三是懂你，大模型带来更贴近人的交互方式；
　　四是生态，模型即服务（MaaS）生态呼之欲出；
　　五是泛在，垂直领域应用是大模型的主战场；
　　六是平台，Plugin工具让大模型迎来APPStore时刻；
　　七是入口，大模型为数字人“注入灵魂”；
　　八是赋能，AI大模型助力个体成为超级生产者；
　　九是冲击，版权“思想表达二分法”基石正在动摇；
　　十是向善，伦理和安全建设塑造负责任的AI生态。
　　具身智能也是市场重点关注的投资方向之一。英伟达CEO黄仁勋也曾提出，人工智能的下一个浪潮将是具身智能。具身智能是指拥有身体并支持物理交互的智能体，具备感知、思考、学习、决策等能力，能够与环境进行交互。具身智能有望成为人工智能的最终载体，主要代表产品包括机器人和自动驾驶汽车等。当前具身智能产业链中包括数字基础设施、机器人制造、机器视觉、多模态大模型的厂商等相关环节。
　　多模态智能是具身智能的必经之路。除了在计算机视觉、自然语言处理等特定领域模型的发展，多模态大模型的进一步交叉融合或将成为未来重要的应用方向。未来人与机器之间的交互方式将更加丰富，或通过文字、视觉、语音等多维度沟通，进而提升效率。
　　未来更加关注应用场景落地。能否应用落地并且具备商业化能力，才是检验大模型成功与否的标准。不同于传统C端消费互联网，B端产业互联网才是大模型的主战场。随着模型不断细分至垂直行业乃至特定场景，或推动应用落地加速。此外，大模型进行大规模推广落地所需具备的条件仍需改善：标准化、可靠化、大批量部署以及价格相对低廉。我们以可靠化为例，即用户对大模型安全性的担忧，当前生成式大模型以概率的方式生成内容，有时会一本正经“胡说八道”，被称为“AI幻觉”，而高质量的语料库是提升产出内容安全可靠性的关键。
　　投资风险：研发进展不及预期；商业化模式待验证。