人工智能发展的三大趋势

人工智能的发展呈现三大趋势。

一是数据、信息、知识密集型行业将率先成为人工智能技术的主要应用场景，未来将成为经济社会发展的“新型基础设施”。数据化基础、智能化成本、容错率等都是影响人工智能应用的重要因素。麦肯锡咨询的调查（2023）显示，科技、媒体和电信，金融服务，商业、法律和专业服务行业的从业者在工作中经常使用生成式人工智能工具的比例分别为33%、24%和23%，而先进制造、能源和材料等行业的使用比例较低，分别为16%和14%。未来3~5年，大消费、信息通信、科学研究、金融等服务业的智能化进程将快速推进，而制造业智能化水平的提高则主要取决于数据可得性和成本优化的进程。

二是大模型之外的新技术路线将持续涌现。人工智能的技术轨道和产业生态尚未成熟，主导技术路线可能出现更替。随着可训练的数据量接近瓶颈，算力和能源短缺等问题日趋严重。《经济学人》杂志刊文称，互联网上可用的人类文本数据将在四年后，即2028年耗尽。有研究预测，2027年全球人工智能相关的电力消耗可能会增加到850亿~1340亿千瓦时，与荷兰、阿根廷和瑞典等国家的年用电量相当，约占全球当前用电量的0.5%。这些因素都可能导致大模型技术达到能力极限。但对替代性和颠覆性技术何时出现，业内看法仍存分歧。同时，强化学习、知识计算、增量计算、轻量化模型等技术都在加快发展，可信人工智能发展也将提速。

三是将与其他前沿技术加速融合，催生更多科技新赛道。大模型与自动提示工具相结合加速了“智能体（AI Agent）”发展，先进制造、生命科学、量子计算机、区块链与人工智能结合催生了具身智能等通用机器人、类脑智能、精准医疗、智能合约等新赛道。例如，2024年OpenAI参与合作开发了一款名为Figure 01 的人形机器人，能够利用大模型进行视觉信息描述、记忆反思、推理解释和行动规划等活动。同期，全球至少有8家公司正在向人形机器人商业化的目标努力。据估算，人形机器人在物流搬运行业的成本约为12.5美元/小时，已初步具备经济性。

此外，人工智能技术组织方式一直存在开源和闭源之争。目前最先进的人工智能大模型以闭源为主，但也有许多开源模型具有较大的发展前景。如，Meta、谷歌等科技巨头及部分顶尖科研机构、“独角兽”企业都采取完全或部分开源方式推动技术迭代赶超。

全球人工智能监管存在国别差异，尚未形成共识。2023年是人工智能监管“元年”，加快对人工智能的风险监管与立法规制已形成国际广泛共识，但由于人工智能技术能力和产业生态、法律体系、社会治理和价值观传统等国情差异，各国监管理念、立法节奏及监管手段不一。例如，欧盟于2024年3月正式通过了全球第一个全面的人工智能监管框架《人工智能法案》，基于风险的分级分类监管原则，明确了相关主体的禁止行为、透明度和数据治理义务以及监管执行要求。美国则更强调循序渐进的协同治理、鼓励私营部门参与制度建设，目前在联邦层面未形成统一的人工智能法规，主要通过对已有法律规定的“再解释”划定底线要求。

（整理/贾雅楠）