半岛彩票从2016年开始，AI热度经过两三年的短暂降温，又从2023年越过技术拐点，点燃新一轮工业革命的导火线。
年初发布的SORA再一次掀起一波浪，震撼、惊讶，一丝恐惧……各种情绪五味杂陈，甚至很多人都没有说出这一句：什么时候能有属于中国的SORA？
去年中央会议上，第一次提出建设“金融强国”。按理说，我们的金融体系并不弱。
数据显示，近年来我国金融业增加值占国内生产总值（GDP）的比重在8%左右，2022年的统计数据中，这一数据在北上广深四座一线%，其余三座城市均超过15%，逼近20%，在全球范围内，这一数据还不到8%。
在去年人民银行召开2023年金融稳定工作会议中指出，我国金融体系中，业资产占比超过九成。这一数据实际上说明对实体经济的支持规模巨大——如果没有银行的杠杆资金，过去20多年高速发展的房地产和基建也难以支撑。
说到“杠杆”，在去年的中央金融工作会议上提出，要优化资金供给结构，引导更多金融市场资源用于促进科技创新、先进制造、绿色发展和中小微企业。在通篇报道中，并没有提到“杠杆”，这也侧面说明，今后金融要更侧重于支持实体经济，尤其是支持科技行业发展。
过去我们一直在学习德国的银行模式。一直被许以“制造业强国”的德国，一直是我们学习的样板，但在过去20多年间，引领全球的科技创新，互联网、移动终端、人工智能，似乎与德国的关系并不太深。在一份2018年全球报告中，在人才、投融资、论文数、专利等数据上德国甚至已经被挤出前三的位置，中国则紧紧跟在美国之后。
被诟病“脱实向虚”的美国，一直在主导全球科技行业的发展，代工生产生态遍布全球。在PC微机时代有微软、IBM，在互联网时代有谷歌、亚马逊、苹果，时代之后有英伟达和OpenAI。今年2月12日，股票一度上涨逾1.5%，总市值20年来首次超过。
反看美国和德国之间的两种金融模式，美国以资本市场为主，是直接融资模式。根据最新数据，过去五年全球生成式AI的投资共计超过220亿美元，其中美国占比89%，中国则在AI芯片的投融资数据上遥遥领先。
如今炙手可热的OpenAI是最新的一则故事。它的诞生据说是在一次风投饭局中，大佬们“凑了”10亿美元，而后才入局，出钱又出人，前后7年不过110亿美元的投融资。去年7月份，摩根士丹利发布一份研究报告显示，ChatGPT能为带来至少900亿美元的增量机会。如果放大到其在全球产生的蝴蝶效应，其中价值何止万亿？根据麦肯锡的年度调查研究结果，2022年采用人工智能的公司相比于 2017年增加了一倍多，在50%—60%之间，带来的结果是成本下降、收入增加。
而德国以银行体系为主采取间接融资的模式，以抵押、担保为主，通常采取的是抵押和信贷1:1的模式。在银行与企业之间相互并不熟悉，银行对研究领域缺乏必要认识的情况下，这种风控模式显得更安全，却也更死板，业内则一直称之为“晴天撑伞，雨天收伞”。如果未来房地产市场进一步萎缩，企业获得资金只会更加困难。引导市场资金，以发展为核心，以技术创新为方向的直接融资模式，可能是金融强国的一个重要方向。
前段时间潮新闻记者拜访了一位早年留美归来的人工智能顶级专家，他和很多国内专家不约而同地把“人才”放到当前发展AI的关键点上，不过他加了两个字：聚集，一群人才聚集，能碰撞出什么样的火花，谁都无法预测。
这名顶级专家早年在硅谷供职，后创业。他说，在湾区的地下车库里，总是集聚着怀揣梦想的年轻工程师，这些故事外界已经耳熟能详。1947年，肖克利带领的固态物理组发明了晶体管，这个小组来自贝尔实验室，这里还诞生了第一台传真机、数字交换机、太阳能电池……实验室斩获8个物理学奖，晶体管也被称为是20世纪最伟大的发明。
后来肖克利得到30万美元投资，创立肖克利实验室，吸引无数人才，这些人才后来又得到各种投资创业，其中就有仙童半导体，仙童公司的创始人中的两位，后来又创立了英特尔。随后就是越来越多的工程师选择创业，人才聚集吸引投资，越来越多的风投选择与科技工作者合作，获得成倍的增值，退出，再选择下一个科技项目，可以说直接融资的风投和科技创业人才本身就是相互吸引、相互成就。
人才的另一个侧面维度是论文期刊的数量。根据斯坦福最新发布的一份《2023年人工智能指数报告》显示，近年来，中国在AI期刊、会议和储存库论文发表总量上持续领先，被引用论文的数量一直遥遥领先于欧美国家。但其实，国内也不止一个专家指出，基础模型的很多机理我们并不完全理解，已知结论主要通过实验获得。
在斯坦福的同一份报告中显示，AI模型的创新，更多来源于企业，而非学术。其实也很容易理解，模型的意义是为了解决各种各样的问题，理论上则是为了研究基础模型的机理，这对企业来说本身吃力不讨好。
根据《中国科技统计年鉴2021》数据显示，近年来中国企业R&D支出连年提高。OECD数据显示，2019年中国企业基础研究支出为12.1亿美元，比2010年（1.3亿美元）提高了近10倍。但基础研究支出总量与发达国家相比远远落后，美国2019年企业基础研究支出为320亿美元，日本为103.6亿美元，韩国为87.6亿美元，法国和英国在2018年也分别达到32.9亿美元和35.7亿美元。2020年企业R&D经费支出中，企业资金占96.6%，政府资金仅占2.8%。
美国的科技创新来源于各个平台，而我们的科技平台大多是商业平台，而非科技平台，美国企业靠着各个企业的科技创新衍生生态，将近半个世纪的科技红利一网打尽，而在接下来的AI时代，中国可能是唯一一个能跟美国并驾齐驱的国家。
在一份去年任正非与ICPC（国际大学生程序设计竞赛）基金会及教练和金牌获得者的学生的谈话纪要中，任正非提到，当今时代，科学和技术的边界越来越接近，科学转化为技术的时间越来越短，如果等到大学把理论完全研究明白再去进行技术开发，就已经没有先发优势，没有竞争力了。所以华为每年大约投入30亿—50亿美金用于基础理论研究，和大学一起、互相嵌入式地共同研究这些看似无用的科学。
所以绕了一圈，又要回到金融本身。科技创业缺少可抵押的房地产，所以需要资本市场的股权融资模式，阿里巴巴、腾讯、网易、拼多多、商汤科技等等这些互联网和科技巨头，无一不是靠风投投出来的，但依旧重应用轻基础。如今大模型训练一次的费用越来越高，有的高达上百万美元，这个行业的参与者，需要更多的人才和资金。
中国通信院发布的《人工智能白皮书（2022）》显示，自2016年起，先后有40多个国家和地区将推动人工智能发展上升到国家战略高度。近两年来，特别是新冠疫情的冲击下，越来越多的国家认识到，人工智能对于提升全球竞争力具有关键作用纷纷深化人工智能战略。
欧盟发布《2030 数字化指南：欧洲数字十年》《升级2020新工业战略》等，拟全面重塑数字时代全球影响力，其中将推动人工智能发展列为重要的工作。美国陆续成立了国家人工智能倡议办公室、国家 AI研究资源工作组等机构，各部门密集出台了系列政策，将人工智能提到“未来产业”和“未来技术”领域高度。
政策是一回事，如何更高效地去选择执行，提升资金使用效率，就又是需要研究的方向。
想到NASA将资金、政策和课题给马斯克，一方面是救了SpaceX，另一方面，则是因为SpaceX的开发效率更高，能用更低成本的方式解决问题，其实也是更相信马斯克这个人，从而能引导课题走向正确的方向。
计算机这场仗，30年前日本干过一次。1978年，日本通产省（现在的经产省）曾经委托日本计算机专家元冈达研究下一代计算机系统，并决定在3年之后，也就是1981年开始建造第五代计算机，这是当时雄心勃勃的日本想要从制造业大国转向经济强国的一步棋，要建立日本在全球信息产业的主导地位，而当时的日本，的确在制造业和集成电路已经大举超过美国。
1981年，日本召开第一届第五代计算机会议，会议记录只有280多页，其中包括89页的元冈达的报告，而在7年后的五代机会议上，会议记录已经有1300多页，五代机已经成了一锅乱炖，没了聚焦点，一些与五代机毫无关联的领域也向五代机靠拢，这就像极了7年前人工智能领域的创业，一些和人工智能毫不相关的人转身就成了人工智能专家，一份PPT就拿到了风投，然后才会思考具体做些什么。
今天我们已经知道，日本的五代机计划已经失败，看错了人，而那之后的日本，连官方都已经承认，不论是人才、技术（大数据和机器学习），已经全面落后欧美，只能作为计算机产业的一环生存。
话说回来，在微机PC时代和互联网时代，我们能凭借所谓后发优势，紧跟国际的步伐，但在AI时代，这条路，看起来只能我们自己走。
去年11月麦肯锡做过预测，AI将为全球经济带来25.6万亿美元的正面影响，其中来自生成式AI的贡献高达7.9万亿美元（基于2022年全球经济结构的预估），相当于当前全球GDP总量的8%。同时还预测，2030年预计将有2.2亿的中国劳动力需要进行技能升级或技能再培训。
在AI应用上，我们的企业值得信赖和依靠，早在数年前，就已经将AI应用在癌症早期识别、智能制造以及金融、教育等领域，并且遥遥领先于其他国家，阿里的达摩院近期公布的模型能够一定程度上识别早期胰腺癌。但在算力、模型等基础研究上，如果没有自己的话语权，我们分到的蛋糕，可能会比从前更小。
