诺奖进入“AI时代”，人类何去何从？

“假设青蛙创造了人类，那么你认为现在谁会占据主动权，是人，还是青蛙？”

这是“AI教父”杰弗里·辛顿在2023北京智源大会上提出的问题。作为谷歌前任副总裁，他不惜辞去担任了十多年的职位，只为能够自由地讨论、提示“人工智能的危险”。

只不过，一年过去，AI不仅没有走到他口中的“毁灭人类”那一步，反倒是给他带来了无数科学家梦寐以求的荣誉—诺贝尔物理学奖。而且不仅是物理学奖，诺贝尔化学奖也同样颁给了三位用 AI 研究蛋白质结构的科学家，震惊学界。

代表人类在物理学和化学领域的最高成就和最新成果的大奖，如今却颁给了AI。这不仅仅是对科学家的认可，显然也是对“AI辅助科学研究”这一应用趋势的肯定。

与此同时，10月9日，英伟达在华盛顿启动了为期三天的“AI峰会”。和以往不同，这次的发布会并不涉及新产品，而是更多地聚焦于AI在应用层面取得的成功。用英伟达企业平台副总裁鲍勃·佩特的话来说，“世界正处在AI应用的边缘。”

从诺奖对AI应用的鼓励，再到英伟达对AI应用的关注，我们可以从中得到怎样的启示？

接连震惊物理学界与化学界，AI的故事讲到哪一步了？

根据瑞典皇家科学院的解释，杰弗里·辛顿之所以能获得诺贝尔物理学奖，是为了表彰他在使用人工神经网络进行机器学习方面的奠基性贡献。他提出的机器学习技术被广泛运用于物理学界的数据分析、模型构建等领域。

与此同时，诺贝尔化学奖则有一半共同授予了谷歌旗下DeepMind公司AI科学家德米斯·哈萨比斯和约翰·江珀，以表彰他们研发出的“Alpha Fold2”模型在蛋白质结构预测方面的成就。

不难看出，在这两个案例中，AI其实并没有单独获奖，它在学界也并不是孤立的，而是以交叉学科、跨界融合的方式应用在具体的科研领域。

与之相似的是，在英伟达的AI峰会上，副总裁鲍勃·佩特也在强调AI在现实领域的应用：“从智能助理，到机器人工厂，再到天气预测，治疗癌症、探索外星，在英伟达的CUDA库中已经有超过4000个AI应用，帮助各行各业实现突破。预计人工智能将在所有利用该技术的行业里产生高达20万亿美元的影响。”

例如，美国国家癌症研究所正在使用英伟达的AI服务，用于医学图像分析、从大数据库提取信息，从而帮助药企和科研人员筛选新药分子，大大减少开发新药所需的时间。

事实上，不只是英伟达，此前，Meta曾经推出了首款AR眼镜，开始探索AI硬件，最近又推出了Meta AI聊天软件，开始“软硬一体”地探索AI应用。而马斯克更是将FSD视为特斯拉的核心卖点，声称自己推出的Robotaxi会重塑全球交通运输行业，“这将载入史册”。

由此可见，AI的发展的重心，已经从早期的算力层、模型层，开始全面转向最终的应用层；AI的技术的进步也将由“技术驱动”转向“应用驱动”。

为什么会产生这种转变？

回顾生成式AI的发展历程。在短短几年内，从算力芯片、服务器的进步，到算法和模型的优化，再到消费端应用的井喷，与AI有关的产业链生态几乎在瞬间形成。放在过去的工业和互联网革命时代，这一过程往往需要经历了几十年甚至上百年的积累，如今却大大加速，为什么？

资本的介入无疑是最大的动力，近年来，中国、美国、欧洲的科技巨头、投资机构几乎是在“争抢”着在投资AI。

以亚马逊、微软、Alphabet和Meta的季度资本支出情况为例，在今年的第二季度，四大巨头共花费500多亿美元投资AI。Meta首席执行官扎克伯格更是公开宣布，公司将在2024年底前购入60万颗GPU。马斯克也表示计划在明年夏季前采购30万颗GPU。

与此同时，中国的阿里、腾讯等互联网大厂也不甘示弱，将国内的几大AI初创公司悉数收入囊中。

图源：智东西

热钱的涌入，更是让AI初创公司估值水涨船高。从最近一轮的融资情况来看，Open AI的投后估值已经达到1570亿美元，仅次于字节跳动和埃隆·马斯克创办的Space X。

然而，这种投入在早期虽说是不计成本，但从长期来看，仍然是企业为了追求更高的营收和利润增长而进行的投资，是需要拿出回报的。而目前来看，除了英伟达、台积电等上游厂商赚得盆满钵满以外，几乎所有的大模型都在疯狂亏损。据Open AI预测，公司目前高达数十亿美元的年度亏损将持续扩大，预计在2026年将亏损140亿美元，2029年才能盈利。

从这个角度来看，无论是算力芯片公司（如英伟达），还是科技巨头（如Meta、tsla），都需要让AI在应用层面展现出真正的商业化能力、证明自己，才能吸引更多的人和钱参与进来，将AI的故事讲下去。因此才会出现这种在发展重心上的转变。

AI产业革命将如何演进下去？

事实上，宏碁集团创办人施振荣曾经提出过一个“微笑曲线”理论，用来解释当下大部分AI公司盈利难的问题再合适不过。

在他看来，制造业中，研发和营销等高附加值环节位于曲线两端，往往能够获取较高的利润，而中间的生产制造环节所获得的利润则相对较低。

类比到AI，AI产业链也同样包括三个主要环节：GPU制造/云计算、大模型开发、AI应用。

其中，底层服务商通过销售算力芯片硬件和提供云服务器业务，赚取丰厚的利润。而AI应用层企业则处在最靠近市场和变现的位置，将AI融入到自动驾驶、医疗诊断、智能家居等各种场景，凭借AI打造产品力，也能获得不错的溢价。

相比之下 ，只做大模型的AI公司，既要受到上游基础设施的制约，后有AI应用厂家落地的卡位，且研发成本高、技术门槛高，迭代竞争激烈，从而导致这一环节出现利润低、变现慢的窘境。以自动驾驶技术为例，英伟达通过提供高性能GPU，占据产业链的高地；特斯拉、Waymo等，通过自动驾驶应用的开发，同样创造了巨大的商业价值。但一直默默“奉献”的底层大模型，却获利甚微，还面临着高成本和激烈竞争的巨大压力。

在过去，GPU厂商（如英伟达、AMD）、大模型厂商（如Open AI），应用端厂商（如苹果、微软、特斯拉），他们在自己的行业内各自为战，展开竞争。如今，他们开始尝试“抱团”，对产业链进行垂直整合：产业链上游的英伟达参与到了中游的大模型公司Open AI的融资，产业链下游的微软、苹果更是与Open AI深度绑定。中国的华为、阿里、腾讯、蔚小理等企业从芯片制造，到大模型训练，再到实际应用，也开始逐步对AI进行产业链层面的垂直整合。

事实上，移动互联网时代的苹果，新能源车时代的比亚迪，都曾通过这种一体化战略大大加强自己在行业内竞争力。这种成功的经验或许同样能够为AI时代的企业们带来启示：“谁能够率先将芯片、算力、数据、模型、应用这五点统一，谁就能够在这场科技革命浪潮中最先摘到‘低垂的果实’。”

来源：美股研究社