人工智能报告

2021年8⽉，⻢斯克在特斯拉 AI Day 上提出要开发⼈形机器⼈，旨意是解决重复性⾼、单调枯燥的危险差事。⼀年后的10⽉，全尺⼨仿⽣机器⼈ Optimus 正式亮相，它充满机械感的躯⼲和动作，已经让很多⼈对⼈形机器⼈的想象得到了满⾜。 2022年8⽉，⼩⽶发布全尺⼨通⽤⼈形机器⼈ CyberOne ，如⼀⽯激起千层浪。AGI（Artificial General Intelligence ，通⽤⼈⼯智能） 的⽕热发展为仿⽣机器⼈的实现补全了最后⼀块拼图。Engineered Arts 制造的

2023 年 5 月 13 日，OpenAI 宣布对其 ChatGPT Plus 用户推出网络浏览及插件功能。此次更新为 ChatGPT Plus 用户带来了巨大的变革，用户可以通过网络浏览功能获取最新的信息，不再局限于处理到 2021 年为止的数据。此外，Plus 用户可以通过插件功能与现有平台进行集成，可以访问如 Expedia，Kayak 和 Instacart 等网络服务的第三方插件，也可以指示 ChatGPT 在特定网站上执行任务。ChatGPT 的第三方插件推出速度较快，截至 202

2023 年，ChatGPT 爆火整个社交网络，人工智能行业进入到以大模型为代表的快速发展阶段。国外大模型起步相对较早，引领人工智能行业发展趋势，国内大模型行紧跟国际前沿，目前国内具备代表性的大模型在中文问答表现上已经与 ChatGPT 不相上下，具备了初步商业化变现的能力。从技术前沿来看，AI 整体将沿着更高效、更智能、更细分的路径发展，重要的技术趋势包括混合专家模型技术、AI Agent、机器人领域。AI 在垂直领域的落地和应用将是 2024 年的主线，我们看好 AI 在教育、自动驾驶、端侧

全球科技股复盘：算力基础设施层公司率先受益于本轮 AI 产业浪潮，应用层公司同样有所演绎，从兑现节奏上晚于基础设施层。在基础设施层中，英伟达是AI“掘金买铲”逻辑的核心受益者，其次为微软、Google、AWS、Oracle 等头部云服务厂商和大模型厂商。在应用层中，美股年初至今涨幅靠前的 AI 应用公司 有 ： Palantir(136%) 、 Duolingo(109%) 、 Shopify(92%) 、 Palo AltoNetworks(74%) 、Salesforce(67%) 、ado

我们认为未来AI算力将综合考虑硬件能力、成本等因素，以混合AI的架构，在边端和云端灵活分配。大模型向智能终端（边缘端）渗透初见端倪，这类场景我们认为率先会在手机、PC、智能驾驶、具身智能、元宇宙、工业控制等场景落地。边缘AI核心在于引入边缘侧的AI能力，进一步增强边缘侧的算力能力、连接能力。建议重点关注物联网模组、智能控制器板块。• AIGC大模型及应用爆红，拉动算力需求。在万物互联大部分场景中，云端处理存在时延较长、成本较高、并且涉及数据隐私等问题，边缘AI算力的引入至关重要。我们认为未来AI

未来，按照功能去划分，大模型可以用在AI交流对话领域，应用在智能座舱；还可以参考大模型下的生成式底层技术，去优化自动驾驶认知决策问题；此外，或许还可以革新造车流程中的设计、工程和制造环节。尽管它们都离真正的落地有些遥远，甚至看起来是“空中楼阁”，但仍然值得我们尝试做些思考。

2024 年国际消费电子展(CES 2024)在美国拉斯维加斯举办，本次展会的主题为“ALL TOGETHER. ALL ON”。预计本届 CES 将吸引超 13 万人参加，参展的公司数量超过 4000家，今年展会的关键词是“AI”，可以在大部分产品内找到 AI 大模型的结合点。

苹果MR发布在即，Quest 3蓄势待发。经历了数年打磨后，苹果MR发布在即，作为2023年整个VR市场最期待的产品，有望重新定义VR产品体验以及使用场景，具有行业导向性质的意义。另外，Quest 2发布于2020年，产品力逐步下降，叠加Quest Pro的高定价，因此我们认为Meta的增长动力来源于今年待发布的Quest 3，基于Quest平台持续完善的内容底蕴，Quest 3有望延续上一代亮眼表现。

人工智能和机器学习（AI 和 ML）不再是新奇事物。高管层始终关注着不断变化的技术需求，AI 已然成为他们的最高优先事项之一。“AI 先行”这一流行语就是很好的体现。尽管大家都在大肆宣传这一概念，但实际情况是，当下的 AI 更多的是在标准业务流程的基础上进行递进式改进。本研究报告旨在帮助企业领导者全面了解不断演变的 AI 格局，弄清楚自己在典型 AI 发展历程中所处的位置，并提供有助于他们落实AI 策略的框架。本报告以 Emerald Research Group 于 2021 年 6 月受 H

人工智能全面发展，算力层、模型层、应用层快速迭代。全球各大科技巨头纷纷布局 AI 大模型，模型迭代迅速、算力建设和应用落地也在加码。展望将来，我们对算力层、模型层、应用层提出 4 个猜想。我们猜想，AI模型能力将成为基础设施，模型和 MaaS 层或不存在绝对护城河。而产业链两头的算力层和应用层有望迎来爆发和变革，价值链或呈“U 型分布”。

随着大模型参数规模的迅速增大，参数规模迈入千亿级和万亿级时代，通用大模型性能优秀，但也带来更大的硬件投入和功耗。近期Meta、微软、谷歌、苹果、英特尔等科技龙头公司均加快部署生成式AI，并探索在手机、PC 等终端的应用。高通在《混合 AI 白皮书》中提出，混合 AI 是 AI 规模化发展的必然趋势，混合 AI 是指终端和云端协同工作，在适当的场景和时间下分配 AI 计算的工作负载，模型训练在云端实现；根据模型复杂度，推理工作部分放在终端侧。能够带来成本、能耗、性能、隐私、安全和个性化优势，助力实

不是很关心你有多少大模型，或者你的大模型到底怎样更关心的是你的行业，你的业务能否更容易的被AI加持提升产品附属价值