驾驭AI革命：三部曲系列报告（第一部分）

一个三部分系列 当今技术状况与 未来潜在轨迹驾驭人工智能革命——第一部分 人工智能（AI）正处于一个关键节点，代表着比过去50年技术进步更为显著的潜在“平台转变”，并具有深远的经济、社会和政治地缘影响。随着投资者应对AI新闻的洪流，记住一项新技术的短期影响通常会被高估，而长期影响则会被低估是有帮助的。但AI的发展道路远未确定，它将根据技术本身的进展、消费者和商业的采用率、监管以及更广泛的社会反应而形成。 凯瑟琳·坎贝尔合作伙伴、捐赠基金与基金会实践 这一系列的第一篇论文介绍了人工智能作为一种技术的现状，将其发展历程与前期的技术变革进行比较，并简要概述了未来的潜在发展轨迹。第二部分探讨了人工智能如何重塑生产力，以及市场在投资方面的反应。第三部分阐述了资产配置的广泛影响，并提供了关于投资者如何为可能释放的各种颠覆性力量进行自我定位的指导。 AI 今天 人工智能，一个追溯到20世纪50年代的概念，指的是执行过去被认为需要人类智能任务的计算机系统。在机器学习和深度学习的数十年进步与挫折中不断发展，AI早已成为日常生活中的一个组成部分，例如谷歌的定向广告。但2022年11月OpenAI发布ChatGPT 3.5标志着转折点。由2017年在谷歌首次开发的Transformer模型驱动的生成式AI，凭借其看似神奇的创造和合成内容的能力，迅速获得了全球关注。与之前的转变相比，这项技术的发展速度是前所未有的。自2022年以来，OpenAI及其竞争对手frontier labs的模型发布接连不断，而当今的逻辑/深度研究模型与早期版本相比，代表了能力的巨大变化。现在的模型是多模态的，不仅生成文本，还生成图像、音频、视频和音乐，同时人声/AI界面正在形成。与此同时，中国推理模型DeepSeek R1于2025年初的登场颠覆了美国在这个时代的“太空竞赛”中假定的不可动摇的领先地位。与过去的周期相比，技术“护城河”正受到威胁，商业模式也在短时间内被颠覆。 SELECT AI 索引技术性能基准 VS 人类表现 2012年12月31日 – 2024年12月31日 • 相对于人类基线的表现 (%) 硬件和算法效率的提升正推动基础AI推理成本每季度下降——比移动和云快得多。事实上，执行ChatGPT 3.5级别性能的系统推理成本在2022年11月至2024年10月间下降了280多倍。随着模型使用成本下降，这项技术变得更加易得和可扩展，只有大型公司才觉得 prohibitively expensive 的任务现在可以被个人用户运行。 与此同时，尖端模型仍然需要指数级更多的计算能力、更多能源和不断扩大的数据集。下一代前沿模型训练的估算费用高达10亿美元或更多。云基础设施在早期建设成本高昂，但大型模型训练的资本强度（目前）是一个异类，加强了企业和国家层面的寡头垄断动态。 采用的头寸利率是前所未有的。ChatGPT在推出后的两个月内达到了1亿月活跃用户，这与社会媒体Instagram（2.5年）、Facebook（4.5年）以及固定电话（约75年）相比。在最新数据中，仅成立十年的OpenAI自2025年初以来，周活跃用户已从3亿增长到8亿，路透社报道该公司预计2025年的年收入将达到127亿美元。 至少目前，教科书尽管有这些头衔数字，然而，在系统化采用的背景下，情况仍然处于早期阶段。上述“冰球杆”图形，尽管令人印象深刻，但它描绘的是每周活跃Gartner 技术炒作周期阶段后？用户，因此也不会揭示使用强度。OpenAI 目前尚未披露轨 . Or冬天？迹 – 再加一剂炒作，又一个迷你AI消费者与企业客户采用之间的差异，但消费者占主导地位，企业被广泛估计仍然只占整体活动的很小一部分。 在 Gartner 狂热周期术语中，市场的一些领域，尤其是风险投资领域，已接近“期望膨胀的顶峰”。但在其他地方，人们开始提出基本问题，即大型科技公司的巨额资本支出何时才能转化为经济价值。在某些特定环境下，模型确实在 Ph.D. 层面上运行，但仍无法完成许多日常任务。在编码和客户支持方面有突破性应用，而大型科技公司、专业服务机构、金融机构和零售公司处于采用领先地位。但在许多情况下，实施仍处于试点阶段或部分部署阶段。Fivetran 的一项关于人工智能和数据准备情况的全球调查发现，42% 的企业报告其超过一半的人工智能项目因数据准备问题而延迟、表现不佳或失败，突显了雄心与现实之间的差距。 虽然模型“幻觉”率（编造或错误答案）有很大改善，但它们仍然是关键企业、医疗保健、法律和军事环境部署的障碍。消费者正在使用算法进行从产品推荐到治疗课程等任何事情，但仍期待着像优步和爱彼迎那样通过大规模互联网采用和智能手机的诞生而改变行为的“颠覆性应用程序”。Gartner的“启蒙斜率”仍在前方几个拐角处。 AI的未来潜力轨迹 任何技术的未来走向通常都难以捉摸，但人工智能的发展轨迹似乎尤其难以预测。一方面，人工智能不太可能像元宇宙等其他被认为的突破性技术那样，仅仅昙花一现，而元宇宙本应是互联网的下一代迭代。然而，人工智能是否真的能作为一种通用技术，在引入电力的同时，真正改变经济和科学。—不释放未知的危害—即使对专家来说也仍然不清楚。 在“太空竞赛”中居于首位的是通往通用人工智能（AGI）的冲刺——尽管对于AGI是什么，以及我们拥有它后将如何使用它，尚无一致意见。对乐观主义者而言，AGI要么已经到来，要么即将到来，Anthropic首席执行官Dario Amodei甚至在2030年前就预言了“比大多数诺贝尔奖得主更聪明”的系统。相比之下，Meta的Yann LeCun则认为大型语言模型永远不会达到AGI，更不用说“超级智能”了，并指出需要全新的架构。如今，最新的推理模型可能在某些维度上超越了人类的广泛智能，但对怀疑论者而言，它们似乎还远远未能实现人工智能解决人类最大挑战的雄心。 正当前沿实验室向通用人工智能（AGI）星辰迈进时，一些短期发展应坚定地放在投资者的雷达上，包括人工智能代理的兴起以及生成式人工智能与物理世界交互的早期阶段。 “自主型人工智能”，即人工智能被赋予自主权时所发生的情况，指的是能够自主执行定义任务的系统，而不仅仅是回答问题（就像聊天机器人那样）。编码代理已被软件开发人员快速采用，而非技术人员可以使用自然语言为应用程序或网站生成代码。另一个例子来自法律界，即起草文件和自动化谈判的代理。目前消费者应用落后于企业应用，但已有尝试开发购物代理，并且我们被承诺将了解我们深入的个性化机器人，它们将整理我们的文件和生活。如果围绕准确性、隐私和安全的严峻挑战能够得到克服，代理可能成为生产力变革者，以及强大的颠覆性力量。“代理经济”中，代理而不是人类爬行和与网络交互，可能会去中介化大量现有的在线经济，而自动化工作流程则威胁着传统的软件即服务（SaaS）。迄今为止，代理仍然是主要的副驾驶而不是自主的，从这里的发展涉及到我们与人工智能未来的根本问题，包括哪些任务适合完全自动化，哪些任务处于人工智能增强人类能力的不同程度的光谱上。 与此同时，“物理AI”，包括机器人技术，正被提上日程。正如自动驾驶汽车进展缓慢所展示的，依赖硬件的创新进展远慢于依赖软件的创新。阻碍因素从物理学到资本密集度，再到采用犹豫。但生成式AI、强化学习和边缘AI（能够在本地运行的小型模型）的进展，正推动着使机器人更有效以及更具备自主规划和决策能力的发展。多年来作为中国工业机器人的领导者，中国在仿人机器人领域正取得进展，并计划今年开始大规模生产。与此同时，美国正在奋起直追。埃隆·马斯克承诺到2030年推出一百万台特斯拉仿人机器人，但全球供应链大部分在中国这一事实是一个明显的劣势。无论仿人机器人是否是过度炒作的干扰，最新的机器人技术进步都旨在重塑工业、农业、医疗保健、国防等领域。 随着投资者看向更长远的时间，他们应当考虑AI的未来发展程度在多大程度上会受到技术发展之外因素的影响。目前，AI的发展速度超出了社会适应的能力——或者意愿。这些因素包括： 值得记住的是，世界上一半的银行业采纳率。系统仍然使用COBOL这种1960年代的编程语言，许多医疗系统仍然依赖传真机——这成为了对AI采用速度更为乐观预测的一个合适的反制力量。 实施数字化新企业系统不仅涉及软件和硬件的严重投资，还经常需要人类工作习惯的重大改变。在以往的技术转变中，采用预测经常领先于现实。实际上，浪潮发展越快，就越能压倒，并自身强化惯性。至少，采用率会因行业、企业规模（大型企业与中小企业，受监管与非监管）、地理区域而有所不同。在消费者方面，由于伦理和安全问题，可能会出现各种形式的反作用力。即使现在，在人工智能热潮中，一场“模拟复兴”运动正在兴起，这股力量由数字疲劳所推动，而讽刺的是，它以硅谷为中心。 2024年9月，Vinod Khosla预测在五年内UBI——或者没那么快？多少年后人工智能将能完成所有工作中80%的工作的80%。知识工作者无疑是首波 技术浪潮中的主要目标。它也会成为首波不创造净增就业岗位的技术浪潮吗？关于人工智能在哪些领域实现自动化、在哪些领域实现增强，以及因此造成的就业岗位损失程度，这场讨论才刚刚开始。许多企业领导者对其立即的意图仍持谨慎态度，即使他们已经开始制定正式的战略。技术乐观主义者倾向于将全民基本收入（UBI）作为解决就业破坏的一站式解决方案，而忽视了工人抵抗的力量、政府干预实施劳动保护的范围，以及自动化过度带来的弊端。 按照人工智能教父 Geoffrey Hinton 所说，“我们就像某个人负责任的AI。谁拥有这只真正可爱的虎崽。除非你能非常确定它在长大以后不会想杀你，否则你应该担心。”这项具有重大意义的技术的开发目前主要掌握在少数顶尖前沿实验室和大型科技公司的高层手中，让监管机构处于被动局面。在以往的风波中，监管框架逐渐演变，但人工智能的快速发展，加上其对地缘政治竞争的中心地位，创造了一个政策雷区。迄今为止，主要分歧正沿着政治和文化线条出现。2024年欧盟人工智能法案是世界首部主要立法，根据风险和人权对人工智能系统进行分类，其优先考虑安全而非创新速度。当前美国政府的对照市场方法导致现有的微薄监管在很大程度上被撤销，虽然各州仍在继续推进计划，但在联邦层面，创新和超越中国似乎是其优先事项。与此同时，中国的国家主导方法依赖于严格控制以维持国内社会稳定，并结合多方面举措追求其自身的全球霸权目标。 挑选您目前对人工智能能源密集度的统计数据能源困境。是。其巨大的能源需求是投资者投资背后的主要主题——从改进模型能源效率的方法，到对新的清洁能源供应的资助。但在宏观层面，进展将加速或受到不同程度的影响，这取决于各国对其电力基础设施的加强措施以及如何塑造能源故事的展开所形成的国家竞争优势。中国在不仅投资人工智能基础设施，而且投资支持它的能源资源，预计到2030年将成为全球装机核能容量领导者。 “呆萌小老虎”成长迅速，虽然人工智能的支持者很可能高估了人工智能革命“重塑一切”的速度，正如马克·安德雷森最近所说，但证据是明确的。那些深思熟虑地拥抱人工智能的人，理解它的能力和局限性，做，将在未来几年蓬勃发展不能前方。以下两篇文章旨在帮助客户思考后果，并让自己为机会做好准备，同时为潜在结果构建其投资组合的韧性。■ 德鲁·博伊尔、格雷厄姆·兰德里斯和杰克·特雷特也为这份出版物做出了贡献。 驾驭人工智能革命——第二部分以人工智能投资提升生产力 经济活动从根本上是由劳动力规模和劳动生产率驱动的。由于出生率下降，许多国家的劳动年龄人口预计将停滞或下降，未来的经济增长将越来越依赖于生产率提高，而不是劳动力扩张。然而，近年来生产率增长令人失望，引发了人们对长期繁荣的担忧。在这种情况下，人工智能已成为重振生产率的潜在催化剂，生成模型和自动化技术的进步正在各行业解锁新的效率。作为三部分系列中的第二部分，我们考察人工智能如何支持生产率增长，以及资本如何被部署以实现其潜力。 Kevin Rosenbaum全球资本市场研究主管 生产