国君宏观：人工智能辅助人、替代人、成为“人”
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
1、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。
（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。
3、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。
4、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。
5、风险提示：人工智能技术落地不及预期。
目录
正文
ChatGPT的问世引发市场对人工智能持续不断的追捧。人工智能的终极应用形态是什么？对产业链和宏观经济究竟会产生哪些影响？本报告将对这些问题做出初步回答。
1. 人工智能技术发展简史
人工智能的概念最早于1956年提出，经过七十余年的发展，从其诞生到现在的ChatGPT，大致经历了三波发展热潮。
1.1 人工智能诞生，引发第一轮发展热潮
1950年，Alan Turing发表了计算机器和智能，提出了机器思维的概念，如果一台机器能够通过电传设备与人类展开对话而能不被辨别出其机器身份，那么称这台机器具有智能，即后来的图灵测试。
1956年，为解决人工神经网络结构复杂问题，科学家齐聚美国达特茅斯学院召开首次人工智能研讨会，正式提出人工智能概念，这一年也被称为人工智能元年。
由于人工神经网络理论的突破，20世纪60年代迎来第一轮人工智能发展浪潮。1965年，世界上第一个交互式计算机程序ELIZA诞生，俗称聊天机器人；1966年，美国斯坦福国际研究所研制首台采用人工智能的移动出机器人Shakey；1968年则诞生了早期自然语言计算机程序SHRDLU。
但进入20世纪70年代，人工智能先后在机器定理证明、机器翻译等领域遭遇瓶颈，且受限于当时计算机有限的内存和处理速度，政府大幅缩减了人工智能研发经费支持，人工智能陷入低谷。
1.2 专家系统推广，人工智能发展迎来第二轮热潮
20世纪70年代中后期，专家系统、知识工程等引发人工智能第二轮热潮。20世纪80年代，多层感知机、反向传播算法、神经网络的出现提升了计算机的计算及逻辑推理能力，为深度学习和强化学习奠定了重要基础，同时专家系统的出现赋予了人工智能知识属性，人工智能发展迎来第二波热潮。
20世纪80年代，部分人工智能产品进入日常生活。1980年，WABOT-2在早稻田大学诞生，使人形机器人与人交流以及阅读乐谱并在电子琴上播放音乐成为可能。1981年日本政府拨款研发第五代计算机项目，即人工智能计算机，随后英国、美国等国家纷纷跟进。1988年罗洛·卡彭特开发了聊天机器人Jabberwacky，首次以有趣、娱乐、幽默的形式模拟人类对话。
20世纪80年代末，专家系统由于庞大的维护费用和过窄的知识领域导致其在商界失宠，各国纷纷减少对专家系统的资助，从而引发人工智能的第二次寒冬。
1.3 移动互联网、云计算兴起，人工智能发展迎来第三轮热潮
20世纪90年代至今，移动互联网和云计算的兴起，深度学习方法取得突破，人工智能迎来第三轮热潮。1997年，计算机深蓝完胜象棋大师卡斯帕罗夫，加速推进了机器学习和人工神经网络的研发工作。2006年深度学习理论的提出解决了训练多层神经网络时的过拟合问题，随后云计算等计算机硬件设施不断取得突破性进展，为人工智能提供足够的算力，以支持复杂算法的运行。
进入本世纪10年代，人工智能在商业化应用方面取得重大突破。2011年，苹果推出siri，使用自然语言用户界面来向其人类用户推断、观察、回答和推荐事物，标志着计算机交互正转向语音控制；2016年，AlphaGo在围棋竞技中击败李世石，标志着AI具备了自我迭代和学习强化的能力。2016年，Hanson Robotics公司创建了名为Sophia的人形机器人，她也被称为第一个机器人公民，因为她与真实的人类相似，能够看到（图像识别），做出面部表情，并通过人工智能进行交流。
ChatGPT的问世标志着生成式AI取得重大突破，人工智能发展进入到新阶段。ChatGPT是近年来大模型流行的产物，自此人工智能从弱人工智能向强人工智能阶段迈进，从而为人工智能在各个领域的应用打开了想象空间。
1.4 大语言模型引领人工智能新风口
大语言模型使人工智能涌现出大量应用场景，国内外各大公司纷纷投入到这场军备竞赛中。大语言模型是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。目前，国内外有很多机构和公司在该领域深耕，其中有比较知名的Open AI、谷歌、百度和华为。
ChatGPT是人工智能平民化的里程碑。ChatGPT由Open AI团队研发创造，2020年9月，Open AI授权微软使用GPT-3模型，微软成为全球首个享用GPT-3能力的公司。2022年，Open AI发布ChatGPT模型用于生成自然语言文本。GPT模型是一种自然语言处理（NLP）模型，使用多层变换器（Transformer）来预测下一个单词的概率分布，通过训练在大型文本语料库上学系到的语言模式来生成自然语言模型。GPT-3有1750亿参数，作为一个自监督模型可以完成自然语言处理的绝大部份任务：生成代码、撰写文章、回答问题等。
多模态大语言模型GPT4.0可以处理多类型数据并输出。2023年3月15日，Open AI发布了多模态预训练大模型GPT4.0，与3.0版本相比，GPT4.0可以接受图像作为输入并生成说明、分类和分析；并且更具创造性和协作性，可以生成、编辑并与用户一起完成创意和写作任务，例如创作歌曲、编写剧本或学习用户的写作风格；4.0版本可以处理超过25000个单词的文本，允许使用长格式内容创建、扩展对话以及文档搜索和分析。
谷歌在AI领域也有大量投入，开发了Bert、XLNet、T5等大模型，并提供了TensorFlow等深度学习框架和Google Cloud云计算平台。2023年2月，谷歌发布会公布了聊天机器人Bard，它由谷歌的大语言模型LaMDA驱动。2023年3月22日，谷歌开放Bard的公测，首先面向美国和英国地区启动，未来逐步在其它地区上线。Bard和New Bing的使用模式和功能基本一致，可以在聊天界面的文本框中进行提问和搜索，在定位上，谷歌强调Bard是其搜索引擎的补充而非替代品。
国内厂商百度推出基于文心大模型技术的文心一言（ERNIE Bot）。2023年2月7日百度正式宣布将推出文心一言，3月16日正式上线。文心一言的底层技术基础为文心大模型，底层逻辑是通过百度智能云提供服务，吸引企业和机构客户使用API和基础设施，共同搭建AI模型、开发应用，实现产业AI普惠。文心大模型包括NLP大模型、CV大模型、跨模态大模型、生物计算大模型、行业大模型，其中NLP大模型主要为ERNIE系列模型，是打造文心一言的关键。
华为提供全栈全场景AI解决方案及软硬件平台。华为作为国内科技龙头，提供的全栈全场景AI解决方案包括Ascend（昇腾）、CANN、MindSpore、应用使能四个层次。其中，MindSpore 支持了盘古NLP大模型、盘古CV大模型、科学计算大模型、多模态大模型等的开发训练。华为盘古大模型加速行业应用的孵化与创新，边缘端引入行业应用伙伴，例如润和软件、常山北明、软通动力、云鼎科技、中科星图等，搭载 openHarmony+AI 大模型应用的国产化设备加速落地。
在大数据模型快速发展的同时，人工智能所带来的数据隐私安全和伦理问题也开始引起各国政府和学者的重视。自2022年11月ChatGPT推出以来，用户已经过亿，但也引发了很多争议和批评，人们所担心的负面影响主要集中在三个方面：
第一，类ChatGPT技术的诞生可能会有害教学和创新，一些学校和教育机构、学术期刊禁了止ChatGPT在相关领域的使用；
第二，人工智能技术的发展存在不可预测性的风险，2023年3月23日，特斯拉CEO马斯克和苹果联合创始人史蒂夫·沃兹尼亚克在内的1800多人共同签署了一封要求暂停人工智能研究的联名信，要求暂停开发比GPT-4更强大的模型6个月，担心这些技术会对人类社会造成不可预测的影响；
第三，用户隐私安全受到威胁，2023年3月31日，意大利隐私保护监管机构表示将在意大利禁用ChatGPT的使用，认为Open AI非法收集用户信息，存在隐私隐患。
2. 人工智能的发展路径：辅助人、替代人、成为人
人工智能因人类的需求而诞生，早期应用集中在辅助人类工作。与人类历史上历次科技革命类似，随着人工智能担任辅助工作的深入，部分行业会永久被机器永久替代，但同时也会产生新的行业；但又与历次科技革命有显著区别的是，人工智能最终会与人类高度融合，即从辅助人、替代人到成为人。
2.1 辅助人：智能化
与历次科技革命类似，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。学术文献对人工智能的刻画往往将其作为一种区别于普通资本的智能资本，但作用于经济增长的路径都是通过装备劳动力，提高劳动力的资本深化程度，从而提高劳动生产率。
制造业中资本密集型产业机器人渗透速度最快。我国工业机器人渗透速度最快的行业是制造业，2010-2019年，制造业机器人渗透度大幅提升，由7.31台/万名员工提升至163.53台/万名员工。其中，资本密集型产业如金属制品业、汽车制造业、电力设备制造等拥有更高的机器人渗透度。
人工智能将为产业开启智能化新时代。人工智能的首要作用是提高日常生活和工作的效率，这种辅助自人工智能诞生之日起便一直在努力，但过去受限于数据和算力，人工智能在许多时候的表现不尽如人意，给人一种食之无味弃之可惜之感，常常被戏称为人工智障。例如，微软在1996年推出的office助手就因用处不大最终于2007年终止服务。如今随着数据量和算力的升级，人工智能跨过人工智障的尴尬阶段，真正能够运用于各个工作领域，提高工作效率。
2.2 替代人：解决鲍莫尔病
用机器替代人，是发达国家和地区应对人口老龄化的共同选择。人口老龄化程度越高，机器替代人的程度也越高。国际机器人联合会（IFR）数据显示，2020年，瑞典的机器人密度为289台/万人，德国为371台/万人，而日本则有390台/万人。
过去10年来伴随人口老龄化加速，中国机器人的渗透率也出现大幅提升。我国15-64岁劳动年龄人口占总人口比例在2010年达到74.5％之后开始回落，机器人密度开始出现快速上升，由10台/万人增加至2021年的322台/万人，跻身世界高机器人密度国家行列。
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。从发达国家的经验来看，第二产业劳动生产率大幅提高的同时，导致二产大量剩余劳动力转移到第三产业，进而使得第三产业劳动生产率增长停滞，美国在教育、医疗、法律、金融等服务业增加值占GDP的比重远高于中国，原因就在于其劳动生产率与二产相比差距过大，导致单位产出成本较高，这在经济学上被称为鲍莫尔病。
如果将劳动生产率较低的第三产业工作交给AI，便能够大大提高劳动生产率，从根本上解决鲍莫尔病。根据IDC报告，2022年中国人工智能行业应用渗透度排名前五的行业依次为互联网、金融、政府、电信和制造，排名靠前的多为服务性行业。
2.3 成为人：万物皆可数字化
随着人工智能的迅速发展，越来越多的人开始担心人类会被机器大规模替代；但我们认为，人工智能发展的终极目的，既不是辅助人，也不是替代人，而是实现与人类的融合，即成为人。英伟达CEO黄仁勋在接受采访时表示，希望自己能工作到90岁，届时再以机器人的形式继续工作；以色列历史学家尤瓦尔·赫拉利在其著作《未来简史》中也指出，随着大数据和人工智能的发展，人与机器最终融为一体的可能性。
人与人工智能的基础是万物皆可数字化。一方面，人可以像钢铁侠一样用人工智能作为自身器官的延伸和加强；另一方面，人类特有的意识、情感本质上也是由体内的激素等物质所控制，这些可以通过生物技术进行解码破译，最终使人工智能具备人类的近乎所有特征。
3. 哪些行业受益于人工智能发展？
人工智能产业链的特点是中上游相对单一，下游由于应用场景广阔，产业及其丰富。人工智能的数据运算对电力消耗极大，因此最重要的上游行业是电力；中游则是与数据和算力相关的基础设施，下游则是大模型和各种垂直细分领域小模型的应用。
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。
3.1 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。根据IDC的预测，目前AI的能源消耗占全球能源消耗的约3％，到2025年，AI将消耗15％的全球电力供应，预计到2030年，AI消耗电力将占据全球总电力的50％。，意味着AI的快速发展将对能源消耗和环境产生巨大的影响。根据马萨诸塞大学科研人员的研究，以常见的几种大型 AI 模型的训练周期为例，该过程可排放超过 626,000 磅二氧化碳，是普通汽车寿命周期排放量的五倍。
我国设立的八个算力枢纽节点有三个在西部，能源相对丰富是其中的考虑因素。我国目前有八个算力枢纽节点，分别是京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏，其中前4个是数据使用导向，后三个则是数据生产导向，主要考虑的就是可再生能源资源丰富。
3.2 中游：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。根据IDC报告，2022年智能算力规模达到268百亿亿次/秒（EFLOPS），超过通用算力规模。预计未来5年中国智能算力规模的年复合增长率将达52.3％，是同期通用算力增速的3倍。因此，智能算力是决定中国未来人工智能发展能否可持续的关键所在。其中涉及到高算力芯片、服务器液冷等技术。
人工智能自上世纪50年代诞生之初至今经历过两次低谷期，70年代初就是因为当时的计算机有限的内存和处理速度不足以解决任何实际的人工智能问题，导致人工智能的发展出现了瓶颈；此后的随着大规模集成电路的发展，这种瓶颈才被突破。
3.3 下游：小模型商业化落地更迅速
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。大模型像一个通才，针对不同领域的问题给出一些四平八稳的答案，但专业度不够；而在大模型的基础上针对于垂直领域进行小规模增量训练，形成垂直小模型，商业化上走的可能更快，目前在众多领域应用前景极为广阔。
AI+智能汽车：智能驾驶+智能服务。AI技术可以为汽车提供自动驾驶功能，通过感知、决策和控制等技术让汽车在复杂的道路环境中自主行驶，提高安全性和效率。未来有望应用在无人公交、无人配送等领域降低成本。AI还将改变传统汽车的形态，通过智能设备为用户提供个性化功能，如利用智能联网功能进行车路协同、连接智能家居远程控制、连接基础设施等。
AI+办公：智能办公+智能助理。AI技术应用于日常办公中，可以极大提升工作效率。如AI邮件助手，通过自然语言处理技术，分析邮件内容自动生成回复、提醒、日程等，提升沟通效果和协作效率。此外，AI生成技术可以根据用户的输入和需求，自动生成高质量图文内容，如PPT、海报、文章等，节约创作时间和成本。
AI+医疗：智慧医疗+临床应用。AI可以通过深度学习等辅助临床医疗，如结合医疗大数据对医学影像进行分析判断，协助医生发现隐藏病灶，提高诊断的准确性和速度。此外，未来AI技术结合精密手术机器人可以进行外科手术，降低手术的难度并提升准确性，目前美国Asensus Surgical公司研发的Senhance手术机器人已经能够独立进行抓取、切割、解剖、缝合等手术操作。
4. 风险提示
人工智能技术落地不及预期。
本文源自券商研报精选
