看 DAO 2024
未尽研究 看DAO 2024看DAO2024 2未尽研究 看DAO 2024看DAO 2023回顾 3瞧，这些万亿巨头 5生成式AI十大展望 8算力“破墙” 11自动驾驶换道大模型 14量产人形机器人 17从元宇宙到“新现实” 20医疗智能体 22“通用”基因编辑 25中美风投再分岔 28推理的碳足迹 32结语 34目录如果没有ChatGPT打开的AI之光，2023年的世界 ，将会暗淡很多。但2024年，AI会不会更像是巨头手中的超级工具。与前两年不同的是，《看DAO2024》选择了AI为主题，巨头为主角。 3未尽研究 看DAO 2024合成生物准确性：核心判断：2023 年，人工智能等底层技术将继续创造与优化酶与底盘等生物元件，更多基于合成生物的碳中和技术与新药研发得以验证。典型事件：Ginkgo将与辉瑞共同开发多款RNA药物，美国能源部也资助这家行业巨头研究抗菌藻类以减少碳排放。但从研究到量产仍然困难。Ginkgo市值从280亿美元跌至28亿美元，另一家合成生物巨头Amyris申请破产。半导体准确性：核心判断：中国半导体行业在2023年需要与时俱进的新一轮产业政策，聚焦制造薄弱环节，打造中国半导体行业的创新生态。典型事件：历经调整后，大基金二期加速投资步伐，集中于芯片制造环节。大基金三期目标筹集400亿美元。华为麒麟9000S的突破成为业界继续推进国产替代的定心丸，政策加快创新生态的形成。元宇宙准确性：核心判断：2023 年元宇宙的重点，将是设备的突破，即能为用户提供“基本可用”的VR 和AR等设备，并且性价比易于普及。人工智能在 AIGC的拓展，包括 AI 生成 3D，将成为2023年元宇宙的创新亮点。典型事件：苹果发布了Vision Pro，但尚未正式销售。它的硬件性能远超当前主流消费级设备，但价格昂贵。受限于VR等设备全年出货量不及预期，尽管AIGC进展迅速，多数创新并非直接面向元宇宙。甚至Meta发布会也很少提及“元宇宙”，它的热度被空间计算取代。看DAO 2023回顾 新能源准确性：核心判断：全球化石能源消费将于2025-2030年间开始下降。中国碳达峰可能提前至2025年。未来5年新增可再生能源装机，中国将占一半。典型事件：IEA最新预计全球煤炭消费将2026年开始下降，中国煤炭需求在2024年下降。今年，中国水泥行业提前碳达峰。全球可再生能源新增装机容量刷新历史最高纪录，中国占近55%。人形机器人准确性：核心判断：无论与人一样敏捷的双足机器人，与人自如对话的虚拟人，还是用外骨骼或脑机接口实现人体与机器的合体化，2023年人形机器人将会加快走向商业化。典型事件：特斯拉“擎天柱”迅速迭代，小鹏、小米等公司涌入。李飞飞团队试验了NOIR脑机接口机器人。福特与亚马逊开始试点人形机器人Digit的商业应用。中国出台了全球首部发展人形机器人顶层设计文件。自动驾驶准确性：核心判断：2023 年，辅助驾驶将更大规模部署到电动车上，新的应用场景得到不断开拓，中国超越美国成为全球自动驾驶技术最大的试车场。典型事件：百度近五年来的累计路测里程与累计服务订单超越了Waymo。中国当前乘用车L2及以上智驾渗透率超过了42%，较去年30%大幅提升。换道大模型的特斯拉也准备好让完全版的FSD在中国落地。低轨科技准确性：核心判断：2023 年，在更多的公司和资本的支持下，火箭发射成本进一步下降，太空是经济发展的下一个前沿。典型事件：全球全年火箭发射次数首次突破 200 次，主要由SpaceX贡献；亚马逊的卫星星座正式升空。中国的朱雀二号成为全球首枚入轨的液氧甲烷火箭。但星舰尚未成功入轨，发射成本大幅下降仍待明年。准确对了一半不准确 4未尽研究 看DAO 2024人工智能准确性：核心判断：2023年值得期待的，不仅仅是 GPT-4，人工智能大模型将会生成视频、3D 建模，多模态的组合，也将会应用于科学研究，包括蛋白质结构预测分析、新材料、新能源。典型事件：2023是大模型军备竞赛的一年， GPT-4、Llama2、Gemini等相继发布，中美控制了世界上80%的大模型。Runway与Pika等初创企业正在颠覆视频行业。人工智能辅助天气预报等研究成果占领了顶级科学期刊封面，预测出200多万种晶体结构。下南洋准确性：核心判断：2023 年，中国风险资本与华人创新者将在阵痛中寻找机会。跨境电商与金融支付等数字技术在东南亚扩散；先进制造将产能优势复制到更靠近市场的地区。典型事件：今年，投资者与创业者热衷于谈论中东主权财富基金。字节跳动收入超过腾讯，优势在于全球扩张；Temu与Shein合计美国用户逼近亚马逊。比亚迪等新能源企业继续在欧洲投产，供应链向周边及海外延伸。中国创业者和企业家出海，走自己的全球化之路。中美创投准确性：核心判断：国家、资本与技术，正在中国形成新的创新生态。2023年，随着走出疫情，以及对平台经济建立常态化管理，消费和互联网的投资有可能再度活跃。典型事件：今年，中国“以投促引”进一步下沉，中西部省份新成立基金数量逆势增长，政府引导基金目标规模提升至13万亿，硬科技企业上市退出全球最为活跃。但在全球范围内，消费与互联网企业融资都大幅缩水。人口国运准确性：核心判断：在长期推动经济增长的人口、资本与全要素生产率中，中国将更加依靠全要素生产率的提升，更加依靠青年人才参与到创业与创新活动中。典型事件：年底，官方解读中央工作会议，强调“新质生产力以全要素生产率提升为核心标志”，围绕“技术革命性突破、生产要素创新性配置、产业深度转型升级”展开。 5未尽研究 看DAO 2024瞧，这些万亿巨头 苹果，微软，字母表（谷歌），亚马逊，英伟达，Meta，特斯拉（马斯克），这些公司之间有什么共同点？是的，它们都是科技巨头（Big Tech）。它们的市值目前都在万亿美元以上，或者曾经达到过。其中的5家，每年研发支出达到了250亿美元以上。科技巨头曾经是指那些通过互联网建立起强大平台经济的企业，拥有十亿用户级别的软件及应用。它们往往赢家通吃 （Winner takes all ）。科技巨头的概念也在随着技术演变。它们实现了软硬件一体，除了软件，它们也设计和制造终端设备，包括PC、手机、可穿戴、AR/VR、传感器、机器人、智驾汽车，它们也正在渗入到制造业的流程中。它们还建立起了强大的云计算和企业服务能力，包括芯片、超级计算机和超大规模的数据中心，为第四次技术革命提供最重要的基础设施。它们已经开始全面竞争一种全新的能力，生成式AI。在深度学习领域的竞争，从2012年视觉计算取得突破时就已经开始，因为大模型的流行而加剧，但只有在ChatGPT发布之后，过去的一年，生成式AI大模型成为科技巨头之间“军备竞赛”的焦点，迅速成为巨头技术栈上标配的一层。它正在成为所有巨头的业务基础模型。科技巨头的核心能力，越来越区别于其他非科技企业和非巨头企业。它们能把技术和应用端到端地垂直整合到一起，不断扩张业务范围，形成一种科技巨头所独有的、以计算和智能为核心的创新能力。它们都是全球化的企业。这样看来，华为也是这样一家科技巨头，它也已经建立起了从芯片到软硬件应用的全栈技术能力，以计算和智能为核心展开业务范围。它在2022年的研发投入达到了240亿美元。但华为是其中几家巨头的挑战者。巨头公司的研发投资覆盖了基础技术研究和具体产品的开发。除此之外，它们每年还把研发和投资的20%左右，投入企业内部IT系统、效率软件、先进的技术平台、以及数据中心等基础设施，并持续地提升员工技能，不断把那些复杂和重复的业务和流程进行自动化和简化。巨头企业保持内部技术的先进性，是其创新和竞争力的一个重要来源。巨头用最先进技术围绕用户数据建立起了正向的反馈机制，形成了飞轮效应。人工智能正在加快这一飞轮的运转，放大它们在各自领域的核心能力，也在生成新的能力。生成式AI更像是这些科技巨头为自己发明的新工具，一种放大器和加速器。AI最早的受益者是科技巨头自己。英伟达从2012年起就开始为深度学习提供GPU，营造CUDA生态，10年之内把自己变成了科技巨头。巨头最早受益于AI的，都是其核心业务，如云计算和广告，目前是企业服务和生产力软件，接下来还有硬件和消费智能产品，以及新的“赢家通吃”的领域。深度学习的黄金十年来源：Wind，未尽研究说明：市值涨跌幅，对数轴。标普500其他指不包含七巨头的标普500成分股的总市值，此外，特斯拉等部分企业部分时段不属于SP500成分股。七巨头整体指七巨头总市值的整体变化。以2012年11月19日为基准100%。特斯拉英伟达脸书亚马逊微软七巨头整体谷歌苹果标普500其他市值涨幅 2012年11月=100%12年12月14年15年16年17年18年19年20年21年22年13年23年12月1000100100 6未尽研究 看DAO 2024巨头的无限游戏我们正处于当年个人电脑开始的同样时期。1980年代初，信息技术革命发轫于英特尔发明的CPU。乔布斯创办了苹果电脑，比尔盖茨创办了微软，近50年后，它们跨越了PC、互联网、移动、云计算，直到人工智能，至今是世界上市值最大的两家公司。同样，2023年，AI开始真正大规模走向消费者。AI时代真正开启，人们称之为苹果时刻、人机交互的范式转移时刻，寻找这个时代的苹果和微软。但是，科技巨头似乎从源头就控制着这一切。通用人工智能最具颠覆性的两家初创企业，DeepMind和OpenAI，前者被谷歌收购，后者技术被微软买断和控制。生成式人工智能，从训练最先进的大模型，如GPT-4、Gemini、Claude2，到向数亿用户部署和应用，多数都要依靠微软、亚马逊和谷歌这三家的云计算。英伟达成为新晋的科技巨头，除了用于AI加速的GPU芯片，它也在构建其人工智能的基础设施，还成为过去一年投资人工智能初创企业最多的公司。它们控制了数据。用来训练生成式人工智能的自然语言数据、视觉数据、代码符号数据、知识图谱，包括合成数据，海量地来自并存储在这些巨头的业务、平台和基础设施中。更重要的是，大数据创造了对自动化和人工智能的需求。生成式人工智能重新定义了大数据。由于人类已经开始掌握以大型语言模型（LLM）技术以产生智能，网络上的公开数据、企业数据、个人数据、自然界中的数据，以及人工合成的数据，都可以成为训练智能的原料。科技巨头本身拥有巨大的数据库，它们还在获得更多和更好的数据。它们建立起了联盟，为用于人工智能训练的数据建立标准。它们可以合成数据，成为新的模型的训练的来源。目前许多人工智能的研究和模型训练，开始用GPT-4等先进大模型生成或者标注的数据来训练。除了公开数据，OpenAI还开始与各机构展开私有数据的合作。它们掌握了算力。巨头们已经在全球各地建立了数据中心，拥有最先进的AI加速算力；或者已经囤积的AI芯片，已经超过了世界上许多中等国家所拥有的数量。它们除了用来实现自身业务的AI化之外，还去进行科学探索：AI用于创新药研发、医疗服务、芯片设计、材料发现、能源转型和应对气候变化。英伟达H100去向1501209060300特斯拉TiktokLambda阿里巴巴百度CoreWeave腾讯甲骨文亚马逊谷歌微软Meta数量：千15202025304050505050150150来源：Omdia，未尽研究说明：预估2023年H100主要买家购买的H100芯片数量。 7未尽研究 看DAO 2024巨头所拥有的强大的算力，实际上是人工智能所引领的第四次工业革命的基础设施。微软以后每年将在数据中心投入500亿美元，包括自行研发的芯片的支出，这已经相当于一个科技大国的AI基础设施的投入。亚马逊和谷歌，都在为数据中心更高的计算效率研发芯片。苹果研发的手机和个人电脑的芯片，已经超过了专业的芯片设计公司。美国及许多国家的政府、大学、研究机构，会日益依赖这些巨头的算力基础设施。发展人工智能成为许多国家优先考虑的事项，这些巨头的云中心已经遍布世界各地，它们可以在这些数据中心
