“生成式人工智能会带来的是生产力级别的”，昆仲资本合伙人闾琤表示，“我们相信生成式人工智能会是继移动互联网和云计算之后，下一代生产力的核心，并且在完成了移动互联网时代的补课之后，我们有望在这一次生产力中成为领导者和创新者。”
5月28日，在由青岛市政府主办，青岛市委金融办、青岛市财政局协办的2024青岛创投风投大会上，昆仲资本合伙人闾琤发表题为“AIGC开启新一代生产力”的主题演讲，深入探讨了生成式人工智能的发展现状、前景及其对全球生产力带来的深刻变革。
闾琤指出，随着算力与数据的飞跃式增长，以及算法模型的创新，生成式人工智能正逐步成为推动经济发展的新引擎，而中国在此领域展现出显著的科研投入与市场需求双重优势，虽面临挑战，但也蕴含巨大机遇。
具体来说，中国在生成式人工智能的科研投入起步早、发展快，相关专利申请量甚至已经超越美国，显示了强大的研发实力和先发制人的战略。此外，市场对AI的高接受度与强劲需求，从大模型APP的流量激增及厂商降价策略中也可见一斑。
尽管取得进步，硬件依赖进口的问题仍然明显，但国内企业已开始撑起百亿级人民币的硬件市场，预示着硬件自主可控未来前景。同时，B端市场的数字化渗透率低，尤其在SaaS服务领域，成为制约生成式AI应用的关键瓶颈，需解决企业数字化转型的路径与接受度问题，以实现更广泛的市场渗透和生产力的全面提升。
尊敬的各位嘉宾、各位领导，大家下午好！我来自昆仲资本，昆仲资本是一家专注于科技创新领域早期投资的基金，非常有幸有这样的机会和大家分享我们在AIGC领域的一些看法。
首先我们要回答第一个问题什么是AIGC？这是一个挺拗口的舶来词，它的英文直译是人工智能生成的内容，但这并不能准确描述这一波AI的核心特征。因此，我更愿意用国际上更通行的叫法，generative AI，即生成式人工智能。
从技术层面来看，人工智能是一个非常宽泛的概念，在过去几十年的影视作品、文学作品和科学研究中也频频出现。但生成式人工智能其实指的是人工智能和机器学习这些大范畴下的一个特定小范畴，它的产生是我们在算力、算法方面，通过量变产生质变之后形成的新型人工智能。
这个人工智能从外在形式上看和以前也有很大区别，生成式人工智能在人机交互方面较以往有很大的变化，面对以前的人工智能，我们至少要自己会写代码，或者操作某种系统界面，而生成式人工智能就是通过prompt，也就是提示来完成交互的，我们只需要用日常语言告诉AI我们想要什么，AI就会通过我们语言的理解，对大量数据进行统计分析后，再基于各种各样的模型，产生我们想要的内容，其形式包括图片、文字、视频和最近很火的3D模型等。
在未来，生成式人工智能不光可以产生内容，还能够产生行为等更多东西，比如说现在很多创业公司和前沿科研机构，都在研究利用大模型控制工业机器人和商业机器人，这就不单单只是创造内容，而是创造了物理世界的行为活动。
我们刚才也提到了人工智能这个词存在很久了，为什么现在这个事情值得讨论呢？让大家兴奋呢？我觉得可以从两个方面来讲。
首先是需求层面，现在不光是我们国家，在全球范围内我们需要人工智能。我这边放了几个表，大家相信也都看得出来，全球范围内人口红利都在消失，全要素生产力效率增长在放缓，需要新技术给全球经济和社会注入活力。
左边的表是几个代表性国家全要素生产力效率增长的情况。我们国家在过去十年内，在大多数时候是领先于全球的，但这几年全要素生产力效率的增长在下降；而在人口方面，近几年生育率下降，人口总数会有一个稳中降的趋势。
生产力等于生产效率乘以人口总数，如果人口总数提升的中长期预期不容乐观，那我们就必须要从生产效率提高上来努力。相比之下，像美国、德国这样的发达国家也有着同样问题，尽管从数据上来看人口有所增长，但基数太小，不足以支撑生产力发展，因此，也需要通过提高全要素生产力来发展。从数据中可以看出，最近几年，美国的全要素生产力有复苏趋势，这也跟这一波人工智能的发展有关系，引领这一趋势的就是美国的互联网巨头们，其实现在应该叫科技领域的平台型巨头们，而非单纯互联网。
其次从供给侧来看，生成式人工智能为什么会实现？其实在过去，各方已经有过几次尝试但并没有取得好的结果。为什么这一波生成式人工智能有可能成功？我们认为这里面有两个大方面因素影响：
第一个是我们已经有足够多的数据，供人工智能使用。这张表是全球范围内产生的数据总量。大家可以看到2023年，全世界范围内储存的数据超过180个ZB，1ZB是10的21次方个字节，而这个数字在2010年，仅为2个ZB，不到15年时间翻了90倍。根据IDC最新的预测，2024年一年就会产生近160ZB数据，到2028年，这一数字会变成385ZB。
第二个是模型方面的进展，这张图展示的是全球知名的机器学习系统所需要的算力水平，这一波深度学习之前，我们所谓的人工智能所需要的算力水平还是比较低的，但自2016年之后的这六七年期间，现在我们知道的很有名的人工智能大模型，他们所需要的算力水平也基本上到了10的14次方这一水平。再算力提到这个级别以后，我们就有能力尝试去分析以ZB为计量单位的数据规模。此外，令人欣喜的是芯片的算力还在不断增长，且速度超过摩尔定律。英伟达用了不到十年时间将其GPU芯片的算力提升了几十倍。
接下来，我们看全球范围内生成式人工智能的产业格局，第一大板块是还是硬件算力，这个是整个人工智能领域的基础。第二大板块是模型和软件应用，最后是帮助企业实现AI转型的整合服务板块。
当前硬件市场规模超500亿美金，其中90%以上是英伟达的市场。根据英伟达年报显示，去年其GPU数据中心的收入是475亿美金，其中有约67亿美金来自中国。这对我们来说其实是好消息，因为在当前大环境下，英伟达从中国获取收入占比已经从2022年接近20%的比例跌到今年12%左右的比例，我们估计未来几年英伟达在中国份额会跌到趋近零，而这块百亿美金的国内GPU市场将由国内芯片企业承接。
第二是模型和软件应用板块，OpenAI公司近期宣布，其年化收入已经超过20亿美金，尽管这个规模跟硬件相比还小，但其增长速度却是非常可怕，无论微软还是谷歌，他们今年在生成式人工智能领域的收入也会有非常惊人的增长，这一板块的市场规模将快速突破100亿美金。
最后一个是服务板块，你可以将这个板块看成软硬件之间的润滑剂，他们帮助企业进行人工智能转型，这也是我们认为以前在国内做IT服务的厂商可以去切入的市场。
介绍完全球市场格局，接下来我们看看未来的发展预测。彭博社预测，到2032年，全球生成式人工智能市场规模将达到1.3万亿美金，其中硬件算力市场规模将达到6400亿美金，剩余近7000亿美金为各类模型和软件服务。这里列举了比较核心的一些细分市场，对国内企业挖掘在AI大潮中的方向可以起到一定指导作用。首先是数字营销仍会占到非常大的比重，其次是AI助理，比如ChatGPT，还有底层运营，IT服务，游戏娱乐，办公、教育等，均有望产生至少百亿美金级别的市场。
我们国家的生成式人工智能产业发展前景如何呢？在商业化领域和技术发展领域，以美国为首的西方发达国家当前比我们领先，那我们国家前景如何呢？接下来，让我们看看在生成式人工智能领域我们有哪些优势和挑战。
第一个优势，在这一波生成式人工智能的浪潮中，我们在科研方面没有落后，这个是一个按照国家划分的，全球知名机器学习模型的统计，美国遥遥领先，我们仅次于美国。在AI相关专利申请领域，可能也得益于我们国家大家比较会刷题的优势，我们获得的专利也比美国多，这个至少说明我们在这一波的生成式人工智能中科研投入力度大，更值得注意的是，从2010年起，我们已经有大量的专利申请，这意味着我们将不再是以往的抄袭者和跟随者，而是这一波生成式人工智能领域的创新者，且处于全球第一梯队。
第二个优势就是创投持续活跃，并且处于全球第一梯队的状态。我们从两个方面来看，第一是AI领域的私募融资，我们基本上跟欧洲持平，跟美国还是有一定差距。尽管我们跟整个欧洲处于同一水平，但如果考虑到互联网巨头自身内部投入的话，我们肯定会明显领先于欧洲。第二个方面就是初创公司数量，这方面我们也是全球第一梯队，仅次于美国和欧洲。
第三个优势，也是我们认为非常重要的一个优势，就是市场和用户的认知。我们知道一个新鲜事物的产生，在初期阶段，市场和用户对它的认知和认可就很重要，这个直接决定了这个产品在前期发展需要多久时间和多高成本。令人欣喜的是，现在我们国家和市场对AI的接受程度高，潜在需求旺盛。
这从两个方面可以看到，第一个就是现在有一系列大模型相关APP，在很短时间内流量就出现爆发式增长。这里我列出2024年4月份Questmobile统计的排名前十的大模型APP流量情况，我们可以看到周访问量累计加起来已经达到了两千万以上的水准，直接反映了用户和市场对大模型应用的认可。
另外一个是侧面认可，近期，字节跳动宣布他们的大模型全面降价，之所以各个厂商愿意现在就开始卷价格，侧面反映有旺盛的用户潜在需求，无论巨头还是创业公司，他们愿意前期投入争取市场份额，说明这方面肯定有需求，否则也没有投入的价值。
第一个挑战是硬件算力，由于众所周知的原因，我们在这方面肯定有短板，但我觉得对于这个短板，我们并不需要特别悲观。根据我们拿到的一些内部数据，今年国产硬件将至少是百亿人民币级别的，大家可以想象，这里面肯定是有国产厂商已经崛起，让我们不至于在美国断供的条件下停止发展，未来，这块短板完全有可能被补齐。
第二个挑战，反而是我们觉得可能更需要关注的，那就是全行业范围内B端的数字化渗透率很低。为什么说低呢？有个可以参考的数据，就是所谓SaaS服务，在美国，有很多大型、中性、小型上市公司做SaaS服务，而在我国，SaaS一直没有形成大的行业。生成式人工智能基因就在云上，其未来商业模式几乎可以肯定是以SaaS为主，因为不可能每个公司自己建一个算力中心，自己去训练模型。那么怎么样能够让B端接受数字化，进而接受生成式人工智能，就成为未来行业发展的一大挑战。
最后，总结来说，生成式人工智能带来的是生产力级别的。生产力三要素，劳动者、生产资料和劳动对象，生成式人工智能如果仅仅改进某一方面则不能称之为性的，正是因为它对每个方面都有很大作用，我们才认为它会是性的。比方说劳动者，未来人工智能会为劳动者做深度赋能，如果劳动者不知道怎么和AI合作，利用AI工作，可能未来没有办法在劳动力市场生存。
针对生产资料，也就是劳动工具，它会使数字化工具实现智能化。未来，办公软件一定是AI化的办公软件，大家一定会在三到五年之内摆脱每天手画PPT的流程，而变成，我把我想要表现什么告诉AI，它会帮我们完成PPT。
在劳动对象领域，传统的劳动对象是矿产资源、农作物等等，在生成式人工智能下，数据真正变成核心资源，由于我们之前提到的，当今社会数据量之大，只有生成式人工智能能够对这个数据进行处理，这就形成了一个新的劳动对象。
我们相信生成式人工智能会是继移动互联网和云计算之后，下一代生产力的核心，并且在完成了移动互联网时代的补课之后，我们有望在这一次生产力中成为领导者和创新者。谢谢大家！