天丰证券副总裁赵晓光:应用程序已逐渐成为下一轮人工智能最重要

美国时间11月17日，人工智能初创公司OpenAI宣布，该公司首席执行官山姆·奥特曼将离开该公司。11月18日，天丰证券副总裁、研究所所长赵晓光在复旦首席经济学家论坛上谈到此事，称OpenAI的内部变化可能因瓶颈而停滞不前。停滞的本质原因很大程度上是没有数据。“人工智能的上半场是由计算能力驱动的，但计算能力驱动的人工智能已经达到了瓶颈。“对于人工智能的未来，赵晓光直言不讳地说，数据来自场景，即应用程序，无论是在C端还是B端，如果没有应用程序，人工智能就会结束。赵晓光连续七年获得新财富电子行业分析师第一名，并获得“新财富白金分析师”。2016年加入天丰证券研究所所长，现任天丰证券副总裁。赵晓光凭借对科技产业的深入研究和了解，早在2020年底，就介绍了未来精准数据可能带来的投资机会。在今年3月的战略会议上，赵晓光通过人工智能的广阔未来提出了Chat 未来GPT可能会遇到数据源的瓶颈。在这次交流中，赵晓光来自To C和To B详细分析了未来人工智能发展的重点。To C领域需要创建场景，而To 毫无疑问，B领域是物联网的发展。此外，赵晓光还就当前创新企业产学研困境提出了自己的建议。他说，他需要赋予学者型企业家权力，充分发挥龙头企业的价值和资源。以下是本次内容的重点内容，与大家分享。应用程序已逐渐成为下一轮人工智能最重要的部分。人工智能确实是未来最重要、最好的轨道。什么将成为最有机会的领域或板块？今年，赵晓光围绕人工智能做了很多事情。不久前，我经营了许多上下游（公司），得出了一个相对明确的结论：人工智能的上半部分是由计算能力驱动的，但计算能力驱动的人工智能已经达到了瓶颈。今年四月，我在网上发表了一篇文章，提到这一轮数据革命的结局已经预测到。我觉得Chat 由于这一轮Chat，GPT很快就会遇到瓶颈 GPT由技术驱动。在过去，无论是Chat，无论是使用互联网开源数据 GPT 三是Chat GPT 4.脉冲很快就产生了，但问题是，当他获得开源数据时，没有数据（无法解决更丰富的数据源和个性化的用户问题）。我想这一轮Open 由于遇到瓶颈，人工智能内部的变化停滞不前。停滞不前的本质原因是它没有数据。来自场景的数据，即应用程序。无论是C端还是B端，如果没有应用，人工智能就到此为止。本周，当我与高通全球副总裁讨论人工智能在PC和手机上的智能化时。很明确， AI在To C端是一个优秀的助手，可以在PC端帮助更好的工作，成为手机端的个人助理，到目前为止。这就是为什么英伟达对中国有如此严重的限制。就我个人而言，我认为一半是美国的因素，一半是他自己的因素。一方面，面对高通，他们非常焦虑AMD，另一方面，国际巨头也在制作自己的芯片，如微软、亚马逊和苹果，即使是英特尔等公司未来的竞争。此时，英伟达必须继续开发应用程序，但他最担心的是，在应用程序制作之前（有大量的竞争对手）。与此同时，中国在服务器上购买了大量的芯片和计算能力，中国是世界上最大的To。 英伟达特别重视B行业的应用场景。如果中国首先制造应用程序和大型模型，英伟达可能会面临各方面的竞争，就像思科一样，纯技术公司或硬件公司在一定程度上发展。因此，我们从英伟达和Open开始 从人工智能的角度来看，应用程序已逐渐成为下一轮人工智能最重要的组成部分。那么未来应用有没有发展空间呢？在C端，有PC、毫无疑问，手机的AI化和游戏是第一个开放的，然后伴随着衣食住行、吃喝玩乐的各个环节。在B端，我给大家举几个很有代表性的例子，比如材料行业，已经以很快的速度展开了。我和上海集成电路材料研究所沟通过去需要三年的时间才能开发出半透镜材料，现在是两个月的时间。本周刚去北京，看到了清华大学前学者研究的大模型，用人工智能专门研发材料。我去看操作的时候很震惊，现在包钢、中国建筑、中国神华、东方雨虹等传统巨头都在密切关注他们。过去，材料研发非常困难。首先，定制设备是必要的，因为新材料必须是新设备，定制后需要调整工艺和调整率，这在三年内无法完成。但现在有人工智能仿真，无疑大大加快了材料的研发。观察后，我感到非常震惊。还有一家公司专门为中国大学制造人工智能服务器。今年，他们的需求增长了4倍，收入超过10亿元，占整个大学的70%。他们说，由于医学本身也涉及材料，主要用于材料系、化学系和医学系（他们的数据库）。因此，在B端，材料的人工智能已经开始，这将从根本上改变许多科研体系和过去的工业生产模式。我研究了近20年的制造业。制造业的痛点不是研发问题，而是工业化问题。现在市值几千亿的公司，从根本上解决了技术和产业化问题。从这个角度来看，我们一方面看到了To 另一方面，B领域的这些应用(发展)也在To中看到 B领域、To 在C领域，如果没有场景和数据，人工智能就很难获得核心生产力，EM也很难优化。我们认为在To 无论是VR还是元宇宙，C领域都需要在未来创造场景，这些都非常重要。在To 在B领域，物联网无疑非常重要。如果没有数据，就无法实现人工智能。即使人工智能模型很好，也一定是错误的。因此，我认为人工智能的下一步是应用程序，应用程序的下一步是场景，场景的下一步是B端，应该是物联网，C端是各种人工智能设备，主要是虚拟现实、以MR为代表的视频相关设备。从技术角度来看，我认为B端比C端更容易实现。大语言确实很复杂，但B端是一个相对闭环的场景，所以参数和算法相对清晰。然而，缺点也在于这些方面。比如我和华西生物董事长谈过，作为一家化妆品企业，如何获取这些数据？过去，大多数盲盒研发和盲盒生产，所以物联网非常重要。我认为在B端着陆比技术更重要。赋予学者型企业家能力，充分发挥龙头企业的价值和资源。结合这么多年的投资经验和研究优质科技创新企业的经验，你对如何更有效地支持经济转型升级发展有什么经验？在过去的几年里，我认为中国科研体系的转型取得了一些成就，包括一些知名学者，他们确实可以孵化出一批优秀的企业。过去，我们也积极实践，最早与哈尔滨工业大学、中国科学院自动化研究所、电子科技大学和化工科技大学签订了协议。让我举一个个人的例子来解释我们现在面临的问题。一位朋友是哈尔滨工业大学的博士生导师教授，发表了180篇SCI论文，主要研究机器人领域。他的导师是中国机器人领域的著名院士。每次我们听他说话，我们都很兴奋。他研究了机器人的操作系统、仿真系统和控制器。他们很早就开始工业化，并在合肥成立了哈尔滨工业大学机器人集团。但是这几年我发现了一个问题，当一个人在某个领域特别优秀的时候，很有可能他在其他领域会有缺陷和不足。我们要承认没有人是完美的。企业的核心是运营，但（教授）根本没有弦。创始人应该如何与专业经理相处，如何雇佣人员，如何赚钱，如何获得订单有很多问题。中国拥有庞大的科研体系。经过一代又一代的红利，从最早的制造劳动力红利到过去20年的工程师红利，我认为未来最大的红利是科研红利。但问题是，我们需要系统地授权这些教授、教师和医生。我一直在讨论中国能否建立一所商学院，不是邀请大学教师，而是邀请企业家为这些创新企业讲课。企业的发展包括战略整合、技术整合、人才整合、资本整合、市场订单整合、管理整合和并购。这些创新型企业已经具备了这些条件，最需要的是有人告诉他们该怎么操作。我认为我国需要一个系统的机制和制度来赋能这些学者。毕竟能文能武的是少数人，不能把小概率事件寄托在少数人身上。我们应该关注包括投资机构在内的社会各方面的资源。过去，许多投资机构只是简单的投资。今后，他们应该考虑如何精细化投资，如何赋予这些企业权力。在过去，我们的科研体系最大的问题之一是，许多教授可能不愿意创业，因为国家资金已经足够了。但近年来，科技创新板的意义在于，创业公司上市的市值可以超过100亿元。因此，教授和学生的创业热情没有问题，但如何实现产业化（需要指导）。在我看来，中国科研体系的下一步成功需要充分发挥龙头企业的价值和资源，即使没有经济利益，也需要引导和帮助他们，这是我最大的建议。另外，过去人工智能很难从科研成果转化为产品，然后产业化。因此，人工智能仍然需要积极拥抱。结合行业和下游，问你如何看待我们当前的教育、人才培训、科技和产业转型？能给你两个中肯的建议吗？我认为赵晓光仍然需要足够的技术与行业相结合。我以前提到过清华大学学者的例子。他从美国回来了。回国后，他连续五年研究客户，与各种客户（沟通），逐渐了解客户需求，然后研发生产（自然）。在理解了所有的过程之后，他开始制作大模型，但实际上只做了两年。现在客户主动去找他，每个都是大央企，未来可能会有几十亿的订单和几十亿的空间。但由于他的技术足够，他花了五年时间了解客户。其次，这波人工智能的核心逻辑是以数据和应用为核心，通过应用和数据，可以增强技术。因此，我最大的建议是积极与下游相结合，理解并为下游创造价值。具体方法可以依靠优秀的上市公司为科研人才提供联合研发的机会和资源。聪明的投资者