随着深度学习（Deep Learning）的发展，以Midjourney、ChatGPT为代表的颠覆性AI应用引发广泛关注，也为人工智能产业发展揭开了未来极具想象的一角。近日，艾瑞咨询发布了《2022年中国人工智能产业研究报告（V）》，解析了预训练大模型与AIGC、AI芯片、决策智能、虚拟数字人四大热点方向的发展现状与趋势。以下，enjoy：
预训练大模型与AIGC：
规模化商用仍需突破
近年来，依托智能算力基建化、海量数据积累与治理、深度学习算法突破等，超大规模智能模型（又称预训练大模型）的泛化性和通用性提升，可应用到更广阔的下游任务及场景中解决AI应用的长尾问题；并有助于AI模型研发-部署-应用的流程标准化，提升AI研发效率。
2022年，预训练大模型技术研发上的突出进展来自于BEiT-3多模态（视觉-语言任务）基础模型，包括其在视觉问答、图片描述生成和跨模态检索任务上的出色表现。例如，Midjourney可通过输入文字描述来生成相应的画作，而ChatGPT则在文本生成、文本摘要、机器翻译、对话生成、语义理解等语言任务上表现出色。与此同时，国内部分企业也在预训练大模型上有所突破。
近日，君联资本所投企业、认知智能领跑者智谱AI开源了GLM系列模型的新成员——中英双语对话模型ChatGLM-6B，支持在单张消费级显卡上进行推理使用。这是继此前开源GLM-130B千亿基座模型之后，智谱AI再次推出大模型方向的研究成果。与此同时，基于千亿基座模型的ChatGLM也同期推出，初具问答和对话功能，现已开启邀请制内测（内测申请网址chatglm.cn），后续还会逐步扩大内测范围。
预训练大模型的技术突破也进一步推动AIGC概念出圈。AIGC指通过人工智能技术，利用现有文本、音频文件或图像创建新内容的技术，其产品包括AI绘画、平面设计、对话系统、搜索引擎、代码生成等，提高了数字化内容的丰富度、生产效率与创造性。
但无论AI技术革新引发的关注与讨论多热烈，最终仍需回到技术产品化的主线上。当前AIGC商业化发展普遍面临生成速度、调用成本、内容质量的安全可控及版权归属等关键挑战。
而对于我国企业来说，大模型技术迭代和AIGC产品训练都会受到智能算力制约，芯片“卡脖子”问题摆在面前；国内厂商的预训练大模型技术水平仍落后于海外头部企业，应用侧基于国外厂商的API调用进行模型训练也面临限制。但对于国内AI芯片公司、手握海量数据资源的互联网巨头、具备“数据飞轮”的解决方案商、瞄准AIGC赛道的创新企业，挑战面前亦是机会。
AI芯片：
国产替代多点开花
AI芯片是专门为AI计算加速而设计的芯片，“CPU+X”的异构计算模式极大加速了AI应用的运算效率。X即指代AI芯片，常见产品类型包括GPU、FPGA、ASIC与类脑芯片。
从AI芯片应用类型来看，以英伟达公司产品为代表的GPU长期占据AI芯片主流应用市场，尤其是在云端及边缘侧对芯片的计算性能、精度及通用性有高要求的训练场景。
面对国外厂商的垄断压力，国内互联网厂商与AI芯片创业厂商积极入局，选择ASIC-DSA或GPGPU等细分产品架构切入AI芯片市场。其中，部分企业以DSA架构，锚定特定应用场景做专用AI芯片，以云端场景为切入点，代表企业如寒武纪、燧原科技、瀚博半导体等。
联想集团旗下联想创投被投企业寒武纪专注于人工智能芯片产品的研发与技术创新，致力于打造人工智能领域的核心处理器芯片，让机器更好地理解和服务人类。寒武纪可以提供云边端一体、软硬件协同、训练推理融合、具备统一生态的系列化智能芯片产品和平台化基础系统软件，现已广泛应用于服务器厂商和产业公司，面向互联网、金融、交通、能源、电力和制造等领域的复杂AI应用场景提供充裕算力，推动人工智能赋能产业升级。
此外，也有企业以边缘侧及端侧的特定场景为切入点，锚定泛安防、自动驾驶等领域展开研发，代表企业如地平线、云天励飞、比特大陆等。
君联资本所投企业地平线主要从事边缘人工智能芯片的研发，是边缘人工智能计算平台的全球领导者，具有领先的人工智能算法和芯片设计能力，致力于通过底层技术赋能，推动汽车产业的创新发展。目前，地平线已实现车规级人工智能芯片前装量产。
2022年，我国AI芯片市场规模约在385亿元。由于ASIC定制化可实现的极致产品性能，以及DSA部分软件可编程扩大场景范围的优质特性，未来，在东数西算、智算中心、新型数据中心的建设浪潮与互联网厂商自研及投资驱使下，ASIC-DSA架构的AI芯片产品将率先在推理侧展开对GPU的替代，顺应“先推理后训练”的发展路径，逐步实现国产AI芯片的多点开花，预计2027年我国AI芯片市场规模将达到2164亿元。
决策智能：
发展价值高，落地难度大
决策智能这一概念脱胎于AI技术从感知、认知到决策的发展路径，是对深度学习、运筹优化、NLP、知识图谱等技术的高度产品化整合，代表着比感知阶段更为领先的技术能力和更高的价值创造空间。
正如通用型AI已成为未来人工智能技术发展的确定方向，通用型智能决策也成为AI服务商产品迭代和战略布局的一大主流方向。
在技术层面，国内采用产学研合作方式，开放性推进，专注机器学习、运筹优化、多智体等人工智能技术创新和难题攻关，并以技术融合及模型泛化为目标，但通用型仍表现较弱。
在产品层面，通用决策智能面向甲方时的产品形态表现为一站式的开发工具箱，厂商将多种模型算法高度封装，需要客户侧自行针对性二次开发使用，门槛较高，中短期内成为主流趋势的可能性较低。
整体而言，决策型AI技术尚处于发展初期，仍需产学研各界长期探索和努力，突破环境多变性、问题特殊性和复杂度等问题对决策效果的影响等挑战。
虚拟数字人：
热度背后仍需探索变现渠道
近年来，虚拟数字人热度居高不下，互联网厂商、人工智能厂商、CG厂商等各类玩家纷纷入局，抢滩虚拟数字人产业的科技高地，并将其视为未来元宇宙世界的宝贵入场券。
从定义来讲，虚拟数字人是指具有数字化外形的虚拟人物，特征即为虚拟化、数字化、拟人化。虚拟数字人在人物生成阶段需在设计、动画、专业人才等方面进行成本投入，人物表达则需多模态AI模型作为底层支撑，由开发工具、平台环境、存算网资源等进行支持，整体产业链漫长且复杂，对入局者能力提出高要求。
从落地产业来看，虚拟数字人的应用场景可分为服务产业与泛娱乐产业。2022年，在政策、市场、技术的合力推动下，虚拟偶像、虚拟博主火爆出圈，应用于虚拟主持人、虚拟客服等领域。
但当前虚拟数字人产业存在产品趋同、利益链复杂、运营持续难度高、成本效益难以匹配等问题，商业回报价值链尚未清晰，其应用热度更多是供需两侧出于长线发展的布局成果，C端与B端的深层变现渠道仍在探索。