人工智能——在技术革命期间进行投资。

oremipsum 3 内容 引言0405人工智能的状态06此路及未 来09投资人工智能12免责声明 4引言 引言 人工智能，或称“AI”，几乎一夜之间从企业buzzwords变成了真正的技术革命，加速了我们的生产力并开启了新的商业机遇。尽管人们都在谈论人工智能，但对其能力和未来路径仍存在很多不确定性。对于投资者而言，跟上该行业的快速发展使其难以识别哪些公司有望成为未来的赢家。在本文中，我们提供了对人工智能领域的看法，为投资者剖析该行业提供洞见，以便更好地理解该领域及其竞争格局。 TEAM JoakimDal古斯塔夫·弗里德尔 合作伙伴成长股权合伙人增长股权 明富宁明Ng 分析师分析师 AI的现状5 人工智能的状态 什么是人工智能？ 人工智能没有意识 垃圾进，垃圾出 人工智能不新 它是应用统计大量数据 获取高质量数据是关键和差异化因素 向它及其功能是 数据 观察结果和作为 知识基础 人工智能 机器学习应用于执行复杂和新颖 任务，常常模仿人类 机器统计学应用 学习 计算机自动提高任务性能 数学应用于 统计解释和预测 基于数据的结果 基本语言 数学逻辑和数量 问题解决 我们今天在哪里 ChatGPT达到100万用户 两个月内成为最快的-growingconsumerappinhistory Nvidiasurpassed 1万亿 inmarket资本化 AlphaFold保存 400万年 关于通过预测研究进展200米蛋白质的3D形状 比尔·盖茨说那个AI是仅其他 技术超越 图形用户接口 hasstruckhimas革命性的 手写 语音，和 图像A识I表别现优于自2022年asweflalsatsertehaadnin.cgom 使用量增加 SaaSAIAPI注册 1300%6x 人工智能 革命 .aidomaingrew 去年 11月以来 humanson直到May-23 30-40% 提超高越生Kn产o力wledgeworkersseea使用ChatGPT 奇格斯的股票下跌了 40% 承认ChatGPT在吃它之后作业辅助和在线 家教事业 and语言理解 90% GPT-4理解能力 ofhuman律师在 统一条形图exam 来源：GPBullhound洞察，路透社，瑞信，Similarweb，Alphabet（谷歌），麻省理工学院，CNBC，Axios，Doman名称统计，Databricks和我们的数据世界 6此路及远方 从这里往后的路径 人工智能革命已近一个世纪之久了 1980-1990 1940-1980 1990-2010 概念基础互联网大数据 反向传播算法 2010年代初 革新了神经网络训练，允许更复杂的模型，至今仍在使用 人工智能概念形式化，艾伦·图灵等人对机器学习、神经网络和自然语言2处01理0的年开代创后性期工作 2020年代初 互联网浪潮推动了如今用于训练模型的庞大数据集的产生 深度学习革命增加层数 被证明可显著提高 Transformer模型 进行中的人工智能革命 模型性能层,数据和使用案例 新架构极大地改进了模型如何扩展、学习、理解以及回忆信息 大规模从转向模型进行对话并介绍更多 超THE最后10年数 13x 数据(1) 1400x 参数 (2) 15000000x 计算能力 (3) 来源：GPBullhound洞察，IDC和我们的世界数据 注意：ML=机器学习；NLP=自然语言处理；1)全球创建和复制的数据量；2)参数=TheAI模型的配置变量，即它有多少“知识元素”可以从这些元素中创建其响应；以及3）计算 用于训练最大AI模型的功率 此处及从此出发7 新模型架构使我们看到了AI在性能和功能上的巨大飞跃 模型架构 任务特定模型（旧）基础模型（新） 通用且广博的领域知识使广泛应用模型 迁移学习和知识共享 “简单”且在训练和运行时需要较少的计算资源大量的标记训练数据是必需的，这是昂贵的缺乏灵活性导致需要对每个任务开发单独的模型 下游任务 资源密集型当预训练时微调 领域专注 通用领域 Foundationmodel 通用任务子域名特定知识除非明确训练用于它重量大、尺寸大、计算密集型，并且更贵 特定领域 擅长其领域不擅长通用任务在专业领域难以获取良好或专有数据 ChatGPT BardLLaMAClaude GPT Med-PaLM 经典自然语言处理 经典光学物体&字符识别 数据分析与预测 败血症预测 保险自动驾驶 通用领域特定领域 AI正迅速 Task-specificmodel 从竞争优势转变为竞争必要性 “我选择一个懒人” 要做一件硬活。因为懒惰的人会找一个容易的方法来做。 比尔·盖茨 8此路行至远方 随着更多模型以开源形式发布，来自世界各地的开发者正协同加速整个AI领域的发展 代表一个开源模型 (#)denotesthemodel’sparametercount GPT-3 (1750亿) 来源：GPBullh WuDao2.0 (1.8tn) K-PLUG (o2u7nbdn我)洞察力和推特 GPT-j (60亿) FLAN (1370亿) 梅格特隆图灵-NLG(1370亿) 鼹鼠 (280亿) GPT-NeoX (20亿) 栗鼠 (70亿) OPT (1750亿) BLOOM (1760亿) 麻雀 (70亿)GPT-4 ☎德 （3400亿） Falcon40B (40亿) 06-20 3月21日 21年6月 12月21日 3月22日 09-22 03-23 12月20日 盘古 Sep-21 LaMDA 06-22 Dec-22 23年6月 DALL-E (12亿) (2000亿) 元1.0 (2460亿) (280亿) PaLM （540亿） GLM (130亿) ESMFold (15亿) MOSS (16亿) PaLM2 （3400亿） 超CLOVA (204亿) 侏罗纪-1巨型(204亿) ernie3.0泰坦(2600亿) GPT3.5 (1750亿) 克劳德 (52亿) 来源：GPBullhound洞察、AI2022年报告、我们的世界数据以及公司新闻稿备注：AI模型非穷尽列表；(#)表示模型参数数量；参数=AI模型的配置变量（即，它有多少“知识元素”可以用来生成其回复） 虽然起初看似破坏性，但每一次技术革命最终都将通过推动人类进步而使社会受益 1785 1845 1900 1950 1990 2020 1st波 2nd波 3rd波 4th波 5th波 6th波 工业化and 创新ofthe 大规模生产 电脑， 互联网的诞生 人工智能的兴起 城市化of农业社会 蒸汽机和扩散铁路 过程和采用电力 电子,航空,和全球化 andnewmedia 智慧 60年 55岁 50年 40年 30年 25年？ 工作替换 农民水车操作符 马车 驱动程序运河工人 灯夫们匠人 交换机操作符人类 打印工电话营销人员 重复性工作手工数据 条目 计算机 工作 工厂工人 铁路工人 电工 程序员 数字营销人员 … 创建 城市劳动者 工程师 装配线工人 电子技术人员 内容创作者 来源：GPBullhound洞察、麻省理工学院经济学、艾德森研究所、视觉资本家、经济合作与发展组织、世界银行 投资于AI9 投资人工智能 人工智能将不确定的宏观环境转变为投资者的牛市 140+32% GPBullhound全球科技基金—AI主题 130 120 +30% AIQ(1)年至今表现 +27% 纳斯达克年度表现至今 110+12% S&P500年至今表现 100 微软投资 $10亿inOpenAI 谷歌发布了PaLM2 谷歌推出了BardAI NvidiaretportedstrongQ2-23outlook 亚马逊发布AIplatform 微软宣布365Copilot 2023年5月24日 13Apr2023 2023年3月16日 2023年5月10日 2023年3月21日 2023年1月23日 90 80 70 一月二月3月四月五月 来源：GPBullhound洞察，CapitalIQ，MiraAsset的全球X，福布斯，彭博，以及公司新闻稿（截至2023年5月31日） 注意：1)该纳斯达克：AIQ交易所交易基金投资于85家在其产品和运营中开发和利用人工智能技术的上市公司 在一个像人工智能这样先进的领域，识别优质公司并不容易 仍迅速发展， 1,300+ “人工智能”公司成立自2022年开始 (1) 不可低估 谷歌的AI特征搜索将威胁许多AI搜索引擎初创企业 工具 工业 人工智能领域较少与其他不同 识别高质量公司 人工智能很难 科技巨头的力量 能量 材料 人工智能 微软的 GitHubCopilot X将可能会渲染很多AI编码创业过时 医疗保健 50,000+ .aidomainsregisteredonlyin2023 来源：GPBullhound洞察、Pitchbook、Marcaria以及公司新闻稿注意：1)根据Pitchbook的分类\"人工智能与机器学习\"的\"AI\"公司 投资人工智能10 在投资人工智能领域，杰出的公司是通过理解其各自价值链部分的独特市场机会和竞争动态来确定的 硬件 数据训练模型应用 芯片制造设备 半导体 处理单元 云基础设施 数据聚合 专有数据创造 使用驱动数据创造 合成数据创建 开发工具 工具和基础设施 数据标注 数据仓库 领域特定基础模型 通用域基础模型 GPT-3,3.5,4 通用非基础模型 §经典自然语言 处理 §经典光学元件& 字符识别 §数据分析与预测 领域特定非基础模型 算法和APIs 人工智能聊天平台 ChatGPT 新工作流 增强工作流程 来源：GPBullhound洞察 注意：分类是说明性的，并不详尽 AI价值链的某些环节更具备创业成功的先决条件 硬件 兴趣区域 -处理单元： 用于人工智能模型训练的硬件组件 推理优化人工智能计算的处理单元仍处于早期阶段，芯片针对 图形处理在市场上处于领先地位。鉴于大量资源投入人工智能计算且优化空间巨大，该领域在comingyears可能会经历 显著evolution，从而在各个niches培育出新的leaders。 兴趣区域-专有数据创建: 从传感器生成专有数据的公司 自或动人化类任活务动并转\"数变据整是个新行的业石。油如\"果这一一个说公法司比生以产往自任己何的时独候特都数更据加，成它立可，以因为人工智能模型可以使用这些数据 数据 利用此来开发别人无法做到的解决方案，围绕其业务创造清晰和可持续的竞争优势。 投资于AI11 训练 兴趣区域-开发工具:用于训练、优化和确保人工智能模型质量✁工具 尽管由于激烈竞争并非所有人工智能模型都能成功或被使用，但它们都需要训练。因此，用于训练、优化和确保人工智 能模型质量✁开发工具受益于整体✁人工智能趋势，即使它们训练✁模型可能不会成功。 凭关借注丰区富域✁资-特源定和领规域模基，础大模型型科:技基公于司知在识对✁训基练础方模面型拥，有适优用势于各种下游应用 通用领域✁AI模型。然而，专业领域呈现出不同✁竞争动态，其他参与者能够获取数据，并因此拥有在这些领域创建最佳 模型 AI模型✁权力。 关注区域-新颖工作流： 使用人工智能来启用新型工作流程，不同于仅仅 改进现有✁应用任何被引入作为现有应用✁人工智能增强替代方案✁应用或 当一个现有平台实现相同✁AI功能时，该平台✁新功能可能会变得多余。然而，能够实现全新工作流程✁AI应用并不面临 应用 同样✁威胁。 来源：GPBullhound洞察注意：理由因公司而异 12免责声明 免责声明 本通信中所述或提及✁任何信息均不应构成任何合同✁依据。本洞察报告（以下简称“报告”）✁发布不应被视为GPBullhound或其任何关联公司或子公司发出✁任何形式✁有约束力✁要约或承诺。本报告仅供预期