Z6尊龙官方网站Z6尊龙官方网站近六十米高的鼎好DH3大厦已全面升级，在阳光下透出一番蓬勃的新气象，连玻璃反射过来的光都带有一种很强的冲击力。鼎好DH3在中关村科技园西区，这里是中国创新高地，被外界称为“中国硅谷”。

　　绕着大厦A座200米内有7家咖啡厅，皮爷、manner、M Stand、星巴克、Seesaw、Tim’s等，似乎看到了未来在这里谈融资、聊创业的投资人和创业者们。他们还是那般热情，对未来的一切都充满想象。

　　2022年12月，ChatGPT的横空出世，让OpenAI用一个核弹级的应用成果，改变了科学研究和工程应用的范式。

　　2023年3月15日，GPT4发布，人工智能再次吸引了大家的目光。互联网巨头、AI初创企业、投资人、AI资深研究者，甚至是对这个领域有兴趣的行业人士，大家都在关注。

　　3月14日上午，创新工场董事长兼首席执行官、创新工场人工智能工程院院长李开复今年第一次线下和媒体见面，针对人工智能的众多问题，分享他对AI 2.0这一最前沿的科技投资趋势的看法。

　　创业邦出席了创新工场“AI 1.0 到AI 2.0的新机遇”的趋势分享会，李开复开场的第一句线是绝对不能错过的一次。”听得出来李开复对AI 2.0的极高期待和肯定。一个小时的演讲中，“机会”一词出现了十六次。

　　AI已经来到从1.0迈入2.0的拐点，AI 2.0将会带来平台式的变革，改写用户的入口和界面，诞生全新平台，催生新一代AI 2.0应用的研发和商业化。

　　什么是平台？平台有几种功能？AI的深度学习是“平台”吗？AI的深度学习是能改变世界的技术，但还不是一个平台。成为一个平台，要做的第一件事情是降低开发应用的成本，如果做不到这一点，它只是一个伟大的技术，并不是平台。

　　就像电是伟大的发明，但没有电网，能接上任何东西吗？能发明微波炉、烤箱、电动车吗？不可以，所以电网才是平台。AI 1.0就是电，AI 2.0就是电网。

　　我定义的AI 1.0，是以2015年CNN卷积神经网络模型为核心的计算机视觉技术，拉开AI感知智能时代的序幕，机器开始在计算机视觉、自然语言理解技术等领域超越人类，并创造了显著的价值，开始有机器人、无人驾驶的出现。过去七八年，这一直是很振奋人心的事情。

　　但是AI 1.0也遇到了瓶颈，大多数行业想利用 AI，需要花费巨大的成本来收集和标注数据，而这些数据集和诸多模型各成“孤岛”缺乏纵效，不能跨领域使用。

　　很多公司本来很兴奋，老板听到了AI很好，决定要做，做了一年没有结果，再往后就不做了。很多AI公司说帮助赋能了A，助力了B，给各个商业公司创造价值，但很难赚到钱，因为成本高。这也是为什么大部分的AI 1.0企业投入大笔研发经费，但仍然长年亏损。

　　还有一个小问题是，AI 1.0被说的很神奇，但感觉又没有那么智能，像是人工的简单替代，只是用在识别声音、识别英文或者中文等上，或者帮银行降低坏账率，但没有跨领域的认知。所以AI 1.0的智慧有一定瓶颈。

　　除此之外，AI 1.0缺少像互联网时代的Windows和Android一样的规模化能力，来降低应用开发的门槛，打造完善生态链。几年下来，AI 1.0尚未真正实现商业上的成功。在AI 1.0时代，我们也投了第四范式等几家公司，共计10家优秀的AI独角兽企业。

　　在我的畅销书《AI未来》里提到：“在人工智能时代，数据是新的石油，谁的数据多，谁就占了大的优势”。

　　世界上最多的数据就是文字、图片、视频，比如从医学的影片到蛋白质到所有交通信息等，为了让这些数据能够跨领域使用，一些研究员想了一个非常巧妙的方法，让AI去收集全世界的数据，然后自己教自己，教一段时间后形成一个模型——基础大模型（Foundation Model），这个基础模型就是全世界的数据训练出来的。

　　但不是完全从0-1的过程，它有一定的基础，这个基础可以是中文、常识、多领域认知。比如一个正在上一年级的6岁孩子，他已经有一些基础知识，可以自主阅读，读漫画书、三国演义等，只是深度不够，但如果你跟他讲三国时代，他说，“我记得”“以前我看过这个漫画”“知道曹操是谁”……就是这样一个过程。

　　AI 2.0基础模型有几个特别重要的特征：第一、不用人工标注，可以阅读海量文本；第二、规模非常大，做这个模型需要几千张GPU来训练，现在只有大厂还有拿到巨额融资的企业才能做；第三、它通过微调等方式适配和执行五花八门的任务，真正有望实现平台化的效应，进而探索商业化的应用创新机会。

　　基础大模型需要超级巨量数据和超级算力，未来 2-3年，只要全世界的数据能储存起来，一定有科研机构会突破，做出来最伟大的基础模型。

　　总之，AI 2.0的巨大跃迁之处在于，它克服了前者单领域、多模型的限制。一旦有了这个巨大的模型，相关的新应用也会出现，银行、保险公司、制造行业，甚至机器人、无人驾驶等，未来都可以通过这个大模型，提高公司的效率，降低成本。

　　AI 2.0 时代的第一个现象级应用是生成式 AI（Generative AI），也就是国内流行的AIGC。生成式 AI 能够实现无需标注的自监督学习，AI 将从“辅助”人到逐步“替代”人工，所有使用者界面将被重新设计改写。

　　打个比方，想象让AI读一本书的前9章之后，“猜测”第10章，再让AI对比真正的内容，读过上千万本书后，模型不断优化和迭代。以这样的方式，AI 变得越来越精准，最终形成适用不同领域的基础大模型。

　　AI 2.0模型不仅可以学习文本和图像数据，还可以从语音、视频、自动化硬件传感器数据，甚至DNA或蛋白质信息等多模态数据中学习，建构机器超强大脑的运行能力。甚至不止于生成，而逐步达到具有预测、决策、探索等更高级别的认知智能。

　　所以，AI 2.0 不仅仅是个红极一时的高能聊天工具，也不仅仅是图文创作的AIGC生成程序，如今看到的应用都还只是 AI 2.0 能力的开端，不该限制了人们对 AI 2.0 未来潜力的想象。

　　第一阶段人机协同，生产力工具将会首先实现升级，所有使用者界面将被重新设计：文档工具不再是逐字输入，而是用户告诉AI想要什么样的文章；绘图软件不再需要用户动手，通过文字的描述就可以实现。

　　比如，苹果有名的广告“Think Different”，这个设计花了几千万美元，但如果用AI 2.0的工具，跟AI说，“我要一个黑白经典背景”“让世界最受尊重的名人戴上苹果产品”“讲一句乔布斯的名言”，输进去后广告就出来了，只要暗示是苹果产品就可以。

　　第二阶段局部自动，容错度高的应用和行业将率先实现AI自动化，例如广告投放、电子商务、搜索引擎、游戏制作等。

　　第三阶段是全程自动，AI将变得完全自动化并可在任何地方使用，在不容出错的领域出现突破，AI医生、AI教师等应用成为可能。

　　我们可以感受到，创造的过程、用户体验、产品、商业模式都不一样了，使用者也不一样了，过去是谁重复性的工作干得最好，就能够胜出，得到最高的认可、薪水和社会地位。

　　现在是谁最能够深度了解品牌需求，用户需求，能够用非常好的语言描述出他想要的东西，然后让AI来生成。所有的应用都会被重写一遍。

　　生产力工具的升级是一个巨大的机会，用语言生成图片可以把时间从一小时缩短到几秒钟，把150美元的成本降到8美分，这些例子是真实的。

　　很多人认为生成式AI的商业前景还太小，是因为金融分析师没有考虑到AI 2.0的收费模式是不一样的。有报告说，一个搜索要增加3美分，靠广告盈利模式会赔很多钱。短期可能是这样的，长期来看3美分的成本也会降下来。

　　未来AI可以根据用户问什么问题、按照答案的含金量来收费，所以这个商业模式是会变的。AI 2.0将在六大领域加速点燃商业潜能，进入提升生产力的应用井喷期，这里有很多机会。

　　AI 1.0和AI 2.0都有个特色，就是可以“千人千面”，每个人看到同一个产品，它的描述和图片可以完全不一样。所以，AI 2.0时代，电商及广告将更为AI大数据驱动，能够做到实时测试和动态调整，甚至把几分钟前的社会热点融入广告内容，最大程度提高转化率。

　　下面两张图是我自己做的，当时我是要见某个化妆品公司的CEO，我跟他说你的使用者是“千人千面的”。不同肤色的人群、不同群体的消费者，对化妆品的需求是不一样的。我们针对每个消费者的认知开发，让AI画出和写出不同的东西，这里的每个字每个图都是AI生成的。

　　另一个广告是关于特斯拉。我最喜欢的老电影是《回到未来》，里面的那辆车很酷，当时我就想以后一定要买，特斯拉就应该推这样的广告给我，最大程度地触动我，我从十几岁就想要这样一辆车，现在不但有了，而且我买得起。或者有人崇拜马斯克，就会收到这样一个英雄站在车旁的广告。这些都是AI大概了解我的想法后生成的图片或文字。

　　抖音为什么火？虽然抖音更多的视频是人拍的，但这些视频用AI推荐引擎精准地推给每个用户，所以每个人看到的是不一样的，这就是“千人千面”。

　　AI可以根据大众的喜好定制电视和短视频内容，使其创作的内容更容易吸引大众的眼球，获得更好的收视率和口碑。AI +多模态的创作，将成为下一世代的娱乐主流，AI辅助创作会逐步形成全新的创意产业生态价值链。

　　未来的搜索引擎将由传统的检索模式，变成“提问-回答”的模式。下一代的对话式搜索引擎，将成为全球科技巨头角逐的“AI 2.0 圣杯”，当今搜索广告商业模式也将迎来变革。但由于人们对搜索结果有“精准”的期待，如今的技术要做好问答式搜索还需要很多进步。

　　AI 2.0将大大降低游戏和元宇宙等虚拟世界的内容生成的成本。例如AI可以成为实时聊天伴侣，增强互动的乐趣，提高娱乐性，激励用户参与，最大化游戏时长。

　　GPT很早之前的应用就是玩文字游戏，还有元宇宙，最近不太火了，其中一个原因就是产生元宇宙内容价格昂贵，但AI 2.0可以使成本大大下降，推动元宇宙发展。

　　更快、更准确、更智能的内容生产方式，将大幅度提高财经新闻和市场研究分析的及时性与产出量。但由于财经内容的严肃性，人工进行事实核查和验证仍不可或缺。AI 还可以将金融信息的生产和金融产品的上线自动化，提高金融机构信息流及交易量的效率和质量。

　　AI能够快速精准分析患者的整体健康状况，吸纳所有数据、生物特征、体检、病史和个人模型预测，成为医生们的得力助手，大幅加速科学诊断和治疗决策。借助AI能够进行更有的放矢的药物研发，实现个性化的医疗分诊和诊疗方案，推动“个性化医学”的到来。

　　AI 2.0背后一个很大的挑战是计算量，ChatGPT大大提升了对算力的需求。所以今年为什么那些做AI平台的，或者做基础模型的公司，需要花几亿美元买机器，因为这个是很大的需求，很大的机会，也是很大的挑战。

　　在这样的背景下，资金实力雄厚的科技巨头将有垄断优势，导致创业公司和学术界很难做出有竞争力的模型。

　　现阶段，AI 2.0并不能做到完全正确。AI还无法保存全世界的数据，只能通过压缩形成抽象的概念，因此会出现“一本正经地胡说八道”的现象。

　　更重要的是，AI目前还无法分辨真伪和辨别是非，比如跟AI说现在想做一个广告，让父母买玻璃碴给刚出生的婴儿吃；比如刚才的化妆品广告，AI说里面含有人参、珍珠等成分，但其实没有。如果被恶意利用将会带来无法衡量的负面后果。

　　可以想象，曾影响干扰美国选举的“剑桥分析”丑闻，如果发生在AI 2.0的时代，将会给社会造成更大的伤害。这些都是防不胜防的，机器有时候也会做出伤害人的事。

　　未来要想不犯错，还需要有一些新的发明跟软件来降低犯错的概率，否则它会一直犯错。我们要研究怎么做才能让AI乖乖听话。

　　Deep Tech VC创新工场2012年已开始挖掘AI赛道，现在迎向AI 2.0的拐点，创新工场主要关注三大方向：

　　AI 2.0应用将会迎来遍地开花的阶段，包括各行各业的垂类AI助理、元宇宙应用等之前做不出的应用都会出现。除了新的应用，很多现在已有的应用都可以被重新改写，比如搜索引擎、内容创造、广告营销，AI 2.0将革新用户体验，创造出全新的商业模式，蕴含非常巨大的想象空间。

　　AI 2.0平台将会加速新一代AI 2.0应用的研发和商业化，创新工场看好具有战略高度的AI 2.0平台公司，推动AI 2.0的生态循环和良性竞争。

　　除了应用和平台之外，支持AI模型运维、管理、训练的基础设施，也是创新工场重点关注的，包含支撑AI 2.0巨型模型训练的AI芯片公司，以及那些能够加速、降低成本和简化AI训练的AI 2.0基础设施的创新技术型企业。

　　在AI 1.0时代，我们投出了10家独角兽。今天的AI 2.0，我们已经开始布局，投资了一些公司，美图是最快应用AI 2.0的公司，还有创新奇智也在探索AI 2.0＋制造。比较非常自豪的就是投资了澜舟科技，他们做出了孟子大模型。AI基础设施公司投资了潞晨科技。

　　创新工场的独特之处是可以到处看创业者，看看谁要发英雄帖、朋友圈。我们也关注AI领域谁的论文写得最好。跟其他VC不一样的点是，我们可以自己做“塔尖孵化”，“用科技投资＋全面赋能”的模式帮助科技创业者做大做强。

　　我们预测平台公司将诞生，但不会很多，因为门槛很高，但如果他们把基础大模型做好，把中间层工具做好，会造福整个做应用的行业。

　　很多人会说，AI 2.0会不可避免加剧失业风险。毫无疑问，最具创造力的顶尖人才将会乘上A1 2.0的东风，全面提升生产力和效率。但随之而来的是重复性的工作将会被AI 2.0接替，这些岗位上的人不得不寻求职业的转变与技能的升级，其中包含高比例的白领岗位，亟需进入到更需要发挥创造价值的行业。

　　但AI 2.0 并不意味着通用人工智能（AGI）就此到来。人类有很多与生俱来的关键能力，诸如创造力、策略思考、跨领域常识、自我意识、同理心和爱等，这些尚未被破解的深层次能力，是 AI 2.0 也无法全盘复制的。

　　最后一句话，来自硅谷投资人对这个领域的预测：这个市场的潜在规模难以把握 ——它将介于所有软件和所有人类的努力之间。