EP97 对话中金公司分析师：AI进化论激活新周期
01:21:40 Share

随着技术红利、政策支持还有供应链升级的三重驱动我们相信 AIPC 的行业还是有望开启广阔的增量市场重塑全球的 PC 产业格局的

AI 不仅革新生产力更重塑人类的生活方式从智能家居的自动化场景到科技化生活服务正从工具的属性向智能伙伴的决策转变这一眼睛我们觉得本质上其实是技术与人的关系从功能性协作向社会体育共生的深刻的跃迁

在正式开始之前主播提示大家市场有风险投资需谨慎嘉宾观点仅供参考不构成投资建议哦各位听众朋友们好这里是话中有精欢迎收听我们的频道我是今天的主持人曲杨漾很荣幸我们今天邀请到了中金公司研究部科技硬件及半导体行业分析师副总经理陈乔生

那么有请陈总和大家打个招呼吧谢谢曲老师我是中兴科技经济行业分析师陈娇生好的关心科技行业发展的朋友们一定都了解今年初以来 DeepSeek 横空出世 DeepSeek 大模型仅以十分之一的算力消耗便达到了与国际领先大模型 ChargeGPT 相比肩的科技性能

从而引发了全球投资者对于深层式 AI 技术的热烈讨论也证明了中国在人工智能领域的强大实力让中国从人工智能领域的追赶者变成了引领者因此我们这一期云会客厅的主题希望可以从全球人工智能的发展趋势

中国人工智能行业的发展特点和相关的投资机会以及未来有可能在哪些领域可以出现一些创新型的 AI 应用这三个维度来和大家展开聊一聊陈总您好我们提到人工智能行业首先我们希望可以给观众们一个全景式的概览让大家可以了解一下人工智能这个行业的全球的发展历程

看看这个行业的上下游产业链的参与者有哪些它的核心技术是什么样的以及它的整个竞争格局大概是什么样的你能展开和我们的小伙伴们聊一聊吗好的好的没问题谢谢曲老师先从这个整个人工智能这个发展浪潮来看那具体来看呢我们是认为人工智能其实整个发展是经历了这个四次浪潮的

那包含了这个 50 到 70 年代的这个第一次浪潮啊通过规则和符号啊解决这个代数和几何问题然后呢是这个 80 到 90 年代的这个第二次浪潮那第二次浪潮呢其实是标志着这个专家系统的这个广泛应用通过这个人工规则库啊辅助这个医疗场景等等啊那

第三次的浪潮是计算力提升与大数据推动的深度学习突破 2012 年首先是 AlexNet 在图像识别中夺冠 2016 年是 AlphaGo 又击败了维基冠军推动 AI 在视觉语音等感知任务中落地互联网公司也是依托了数据优势在推荐系统 安防等领域实现了一些商业的规模化应用

这一次的人工智能浪潮我们还是觉得其实主要的关键词是生成也就是大家提到的这个生成式 AI 那与之前的第一到第三次浪潮相比呢我们是觉得此轮 AI 的发展是有非常大的不同的

生成式的 AI 也是标志着 AI 从专用工具迈向一个通用协作体其核心创新在于通过语言模型压缩人类智能实现跨领域的创造但带来了真实性、安全性与社会结构的全新挑战

从技术目标来看这一轮由 ChaiGPT 推动的 AI 浪潮是从感知理解转向内容创造 AI 具备的是生产力不仅仅是识别力第二是从模型架构来看这次其实是从专用小模型发展为

通用大模型甚至说单一模型处理多模态的任务是这样的一个情况从数据依赖来看其实这一次浪潮也是需要人类规模的一个原始数据比如说是互联网的全样文本整体的训练成本是倍增的输出也更贴近人类的表达习惯

最后从这个应用来看其实这一次引发这个生产力工具的重构还是很明显的但是也引发了一些这个伦理的争议以及这个就业替代的风险社会渗透的这个程度我们应该说是更深的

刚才曲老师问到的对于 AI 软硬件技术的核心技术和护城河首先我们还是从软件来看刚才也讲到了这一轮生生是 AI 的浪潮背后其实主要驱动力是模型结构和数据所以对于从事软件环节的企业来讲我们认为这两块其实都是很重要的东西模型结构来说其实是直接决定了计算量

结构合理与否也从一定程度上影响着模型最终可以到达的智能化程度算法的持续创新也是 AI 软件的核心壁垒之一另外从数据方面来看我们这两年也看到了随着模型变大参数量的上升需要几千亿甚至万亿级别的 Token 的原始数据

还要覆盖多语言和专业领域这个数据资产我们觉得也是软件算法公司的护身盒另外数据的质量要求也非常的高随之而来的数据质疑问题也比较大

数据也需要经过多层的清洗支持对其和持续的一个反补形成所谓的一个数据模型的迭代飞轮在这样的情况之下数据的合规风险这些其实也会逐渐增大另外还有中间层工程化的能力也非常的重要这块我们后续可能还给大家做具体的分析因为实际上你要让万一级别这样的一个参数的大模型稳定的

在一个硬件系统上运行其实也是非常难的一件事情硬件来看我们看到涉及到一个非常长的产业链除数据中心内部的结构可以拆成很多个层次外其实服务器的内部结构也会呈现很多的不一样的情况总体来看硬件是涉及到了非常长的产业链的比如说有像从数据中心来看有

IT 硬件和设备啊包括基础设施啊还有包括一些防护土线等等那从这个产业链的主要参与者来看呢其实我们还是给大家做一个拆解啊那从这个最底层的情况来看啊其实从芯片到最上面的机柜层啊其实是有五层的这个硬件啊这个流程其实也比较复杂的啊

那么不同层级的硬件其实我们也看到由于过去一些历史的因素可能全球产业链分工的一个因素我们看到现在整个的 AI 硬件的产业链其实还是一个呈现不同国家和地区擅长不同的环节这样的一个情况

那比如举个例子来看啊我们也可以看到就是像这个美国企业啊这个可能包括日韩企业会在这种偏这个上层的层级啊比如说是这个芯片啊模组等等的这个环节可能会有一些优势那再往下比如在这个板机系统层啊

包括这个机架包括机柜层这些偏大一点的偏组装的环节那我们看到其实这个中国台湾和大陆的企业相对来说整个的这个优势是比较明显的所以说还是可以看到了整个在硬件方面有一个非常明显的一个全球分工的一个态势大概是这样的一个情况

好的,感谢陈总的精彩分享。刚才陈总也是帮我们回顾了人工智能发展的四次浪潮,AI 软件和硬件的核心技术以及产业的主要参与者,让我们可以对这个行业有一个全景式的概览。那接下来我们也想了解一下我们对于未来这个行业的发展趋势有一些什么样的看法。

因为最近也有很多投资者非常关注硅谷的互联网女皇 Mary Meeker 刚刚发布的人工智能发展趋势这篇报告这篇报告的核心其实是讲说她觉得人工智能的发展的强度和速度正在以前所未有的方式来颠覆现有的已知的所有的技术路径这可能是一个超越过去互联网和移动互联网

科技浪潮的一个爆炸性的这个创造性的一个变革那我想知道陈总您是怎么看这个 AI 行业未来的一个发展趋势的呢嗯明白明白其实整个从这个 AI 行业的发展趋势来看我觉得还是可以从这个技术趋势和这个商业落地两个方面来谈啊

那技术趋势来看呢其实我们还是借助先前的框架从这个硬件和软件两个角度吧来看这个 AI 行业的发展首先是这个软件那软件我们看到其实在这个有限数据有限算力的一个情况下其实我们看到整个模型结构其实稠密模型基本上已经到了一个发展的瓶颈了

那在一个私有的这个数据集上其实继续增加模型的参数获得模型能力的增益其实是不大的那专家模型的动态专家选择现在也逐渐为这个过去的一些偏稠密的模型提供了一个性能的指数增益我们现在看到像这个专家模型基本上成为了一个这个发展方向

除了这个稠密和稀疏模型外我们也看到其实多模态也是大家努力的方向为克服大语言模型的局限性更接近人类的认知场景增强人机的交互体验未来多模态大模型的市场需求的可预见性其实是比较高的

那具体来看呢我们觉得这个技术正在从这个大圆模型扩展到这个原生多模态的过程中在这样的一个发展阶段其实是这样的一个情况那从硬件来讲呢其实跟转件还是有一些差异我们看到硬件来讲其实主要还是对云测和端测的算力提供了一个提出了一些新需求吧那

对于云测来讲我们觉得首先是扩芯片的算力这是一部分同时由于模型增大你对存储器的容量以及存储器的带宽也有要求所以整体来看在存储端也有一些升级的要求

那另外呢我们还有看到就是很明显的一件事情现在其实大家无论是训练还是推理其实已经都呈现了一个集训化应用的一个模式所以说我们也比较关心这些 GPU 之间的互联 AI 硬件的互联以及这个甚至服务器层级的一些互联所以对于这个互联整个的要求其实也是比较大的那这个可能是偏云端的一个看法

那再到这个端测我们看到其实很大的一个变化就是说未来其实在端测整个的这个吞吐量吞吐的速度其实有要求的你无论是执行什么样的模型比如说你执行这个语言类模型包括这种类似这种

视觉语言类模型无论是应用在这种对话机的模式 Agent 代理模式还有包括在这种巨神智能的这种机器人相关的一些模式上其实我们都看到了对推理的速度其实是有一些要求的对推理速度的要求其实也对整个我们说在这个硬件上的一些这个算力的要求包括存储

还有包括存储的带宽这些其实都有一定的影响我觉得其实在整个的硬件侧应该说是这样的一个情况再说到一个商业模式其实我们也看到对于商业落地的情况来看从逻辑上来看其实我们还是要把人类任务进行一下拆解其实 AI 对人类的任务的替代和互补其实还是可以拆解为不同的原任务类别的

我们还是可以把人类任务分成个体型和社会型两种其中还可以细分为体力和脑力支持型和支配型以及各个分支我们看到主要是体力型任务正加速被 AI 接管

各行各业与 AI 的融合也带来了对劳动力这个供给结构的一个冲击那体力型任务呢大多其实我们看到都是标准化的啊所以这些应用变成了这个 AI 规模化应用的一个前沿阵地啊为这个 AI 应用落地也打了头阵另外呢这个信息处理的任务啊我们觉得跟体力型任务是这个差不多的一个特征啊

当这样的任务被 AI 替代以后人类劳动力就会转向做创意设计复杂决策等等一些行业另外从行业角度上来看我们也看到了

AI 对各行各业的效率提升也呈现了一个差异化的表现我们看到其实在采矿与资源加工领域卫生行业包括信息商务服务领域 AI 对生产效率的提升是非常大的但相比之下批发零售与住宿餐饮行业的 AI 渗透其实是相对比较平缓一些我们认为这种差异其实还是来自于任务的标准化程度

那流程型的数据密集性任务其实更容易被 AI 重构那依赖情感交互呢或者说这个工艺经验的场景其实人机协同依然是一个这个主流的模式当然这块我其实用了一些相对比较宏观的角度来回答啊

后面也有一些偏实际应用的部分会跟各位观众在分享下根据整个沙利文的预测我们可以看到 AI 行业的规模在几年内是有可能达到数万亿人民币的空间市场的广阔程度也是可想而知的大概也是这样的一个情况

好的,我们聊完了全球 AI 的发展和历程和趋势,再把视线转回国内。刚刚我们也聊到 DeepSeek 的出现其实是给全球的 AI 行业都带来了巨大的震动。那我们其实就想问一下 DeepSeek 它的这个核心技术的领先和创新究竟具体是怎么体现的呢?对于整个 AI 行业将带来什么样的影响呢?

明白其实这个问题我感觉我们在线下路演的情况中其实被问到的还是比较多的这个可能分几块来讲首先还是从技术层面上来讲 DeepSeek 我认为重要的意义其实还是在降本和性能这两个东西上做了很大的创新第一是从成本上来讲我们看到 DeepSeek 首先是通过优质的算法

比如说这个专家模型的架构还有包括像这个 FP8 数据精度的使用来降低这个计算量那依靠这个潜在注意力机制来压缩这个存储以达到这个节省算力节省存储的一个效果那这样实际上呢也就压缩了这个硬件的规格和相应的使用成本

那在另外一个层面来看呢我们还是觉得 DeepSeek 更大的成功之道是因为它有着非常强大的一个硬件工程化团队那通过对于硬件的工程优化来增大算力的使用效率啊因为其实从 GPU 的使用角度来看就所有的成本理论上都跟这个时间挂钩的啊

因此提升在 GPU 在一个时钟周期在一个单位时间内的硬件的使用效率其实也是可以做到明显的降本 DeepSync 通过系统层面的全盘考虑对算力的使用做了优化打通了算法模型软件系统硬件架构各个环节来保证算力的使用效率也协同考虑了跨层影响最后达到了所谓的训练大幅降本推理大幅降价的一个效果

解放了这个算力要知道这个其实解放算力啊这个事情我们认为是是是非常的重要的那第二点上来说呢还有就是说我们发现 DeepSick 其实实现了这个开源的共享

这一次 DeepSeek 更大的创新意义是把全球领先水平的模型也就是我们所谓的 SOTA 模型给开源化了在过去一般我们看到领先的技术都是闭源的比如说 OpenAI 它不做开源开源的领先模型首先是打破了技术的壁垒

开放高性能大模型可以显著降低企业和开发者使用先进 AI 的门槛推动技术普惠第二点上来说也加速了创新生态的发展开源大模型的代码和权重开放后也对全球开发者参与优化微调和场景适配以及开发 AI 应用我们觉得都是一个明显的促进一下子把大家的水平都拉到了

同一个起跑线也就是带来一个所谓的技术平权的概念那么在这样的一个背景之下我们看到其实全球 AI 的技术创新是会加快的

第三 在更高层面来看我们觉得整个开源的意义其实也增强了 AI 的技术透明与信任公开模型细节促使安全审计与伦理研究减少黑箱疑虑为负责任的 AI 发展提供了一个实践的样本这个是整个的技术层面的一个影响

除了技术层面影响之外我觉得我们也不得不提经济影响其实经济影响主要是来看对于美股的科技股是造成一定冲击的我们看到其实 2 月份 Deep Seek 崛起首先是对于美股主要的科技公司其实都出现了一些不同程度的下跌原因其实第一是 Deep Seek 在火出圈的时候其实主要是美股科技股的一个高点

当时其实最早 DeepSeek 的创新还是有一些被大家怀疑但是经过一些深度的分析以后呢其实全球真的发现 DeepSeek 是有着硬核的底层创新的那这种创新其实首先是冲击了美股巨头在 AI 领域的垄断预期

对之前封闭体系下美国 AI 的先进性有一些质疑所以先杀了一波美股的估值当后续因为发展阶段的不同其实美国的投资也比较早

所以大家也会关注到一些资本开支不可持续的问题包括还有一些美股的宏观性的影响其实又深使得美股科技股调整了一波但是我们看到其实事实其实 DeepSick 它也倒逼了美国的加速创新其实也是促进了美国的 AI 的技术迭代其实构成了一个竞争性利好

那我们看到这个 DeepSeek 的这一次性影响其实被整个消化以后那到了这个 4 月份其实美股的这个科技股也迎来了一波这个比较大的反弹也就是说这个背后其实也看到其实互联网大厂的业绩都是不错的那我们认为其实 DeepSeek 长期对行业的影响肯定是正向的

整个的 AI 行业的发展空间其实也是比较大所以说还不到这种加剧竞争的地步第二点上来说其实 DeepSeek 也是推动了中国的 AI 的一个发展 DeepSeek 其实整个的崛起首先带来了一波中国 AI 资产的重估无论是在港股还是在 A 股

我们看到其实之前投资者质疑在硬件受限的情况之下中国的前沿 AI 发展会受到制约但是 DeepSeek 凭借中国 AI 领域的精明强将也是在硬件受限的背景下又做出了前沿模型且大幅降低了训练和推理的成本然后又有底气把这些研究成果进行开源是一件非常了不起的事情

这件事情其实也在宣告中国的 AI 能力是一点不差的就算是在相对拿不到最先进的算力的前提之下凭借足量的 AI 高端人才的储备在全球舞台其实展示了中国在 AI 领域的整体的实力也进一步扩展到证实中国科技自立的一个实力我相信这也是推动中国科技股在各个市场得到重估的一个重要的原因

另外到硬件侧来看虽然 DeepSeq 现在的优化和部署都是在英伟达上面做的但是我们刚才讲到 DeepSeq 第一次也是让全行业都意识到从系统角度去考虑软硬件的优化是一件非常重要的事情硬件的工程化优化也在一定程度上可以弥补芯片性能本身的劣势这样的一个思路其实我们觉得也是给国产 AI 芯片企业留下了一些

这个优化方向职业虽然说整个的这个软件生态体系是不一样的不能直接照搬这个 DeepSeek 在英伟达这块的开源代码但是呢也证明了这个硬件工程化的能力是有用的就是如何把模型更好的部署在硬件上这种能力其实是可以盘活表现性能相对较弱的这个算力资源但近期呢我们其实也看到这个

国产 AI 芯片其实公司都纷纷在官方平台上做了 Deep-seek 的适配但我们也知道这个应用现在更多的还是在推理端现在国产的芯片其实跑 Deep-seek 的满血版也就是全参数的版本的性能其实也是越来越好了部分企业的集运产品都已经能做到和海外的上一代领先产品的吞吐能力是相似的

现在国产算力可以跑 DeepSig 推理后续大量的国产芯片也可能被运用在到训练上 DeepSig 的普及与迭代后面也会拉动国产芯片以及产链一同发展全产链都会受益最后还有社会层面其实我们也看到 DeepSig 的出圈其实在社会层面也给我们带来了不少的影响

首先是 DeepSync 大幅提升了公众对 AI 的认知与热情 DeepSync 是让他用自己强大的文本生成还有推理和代码能力通过社交媒体广泛传播让普通大众直观的感受到了当前 AI 技术的进步这其实极大激发了

人工智能的投资兴趣和投资热度另外国产大模型也成为社会热词我们看到这样一来其实对国产 AI 发展的信心其实也会增强从社会意义上来说 DeepSick 的出现其实也提升了我们整个民族的科技自信引发了对本土 AI 创新的生态的关注第三点还有 DeepSick 在社会层面推动了技术普及以及平民化的一个应用

比如 DeepSync 以其免费应用的特性大大降低了 AI 的使用门槛大量用户现在开始尝试用 DeepSync 辅助写作、学习编程包括办公等加速了 AI 工具融入日常生活和工作的场景实时性的改变了大家的信息处理方式这样来看我们觉得其实整体往后其实也会自然而然的创造出不少的市场需求大概是这样的一个情况

好的 感谢陈总的分享那基于您刚刚的回答我也想替我们的投资者再追问一个投资相关的问题您刚刚也提到 DeepSeek 出现之后对于美股科技股是产生了大幅的震荡我们其实也看到市场上出现了两种声音一种声音是说呢

美股科技巨头们前期投入了巨额资金来构建自己的算力护城河那伴随着 DeepSeek 的出现人工智能算力的使用效率大幅提升可能未来不需要那么多算力了这对于互联网巨头包括人工智能芯片企业可能会是一个长期的利空

但是也有另外一种声音是说呢伴随着这个大模型实现了平权人工智能的进入门槛相对降低了未来可能会有更多的企业和人可以参与到人工智能的研发和应用当中去这未来将创造更多的需求从而可以立好整个的人工智能赛道和相关公司的这个估值那

那我不知道陈总您是怎么看这个问题的嗯明白其实这个也是一个非常经典的好问题其实在 DeepSick 出现以后呢大家很多人都担心刚才曲老师讲到这种算力降本可能对这个 AI 硬件有一些利空的这样一个情况

但是我觉得这个问题怎么理解呢其实主要还是要看到底会不会创造出一些新的需求大家经常讲的一个最近被用到的名词叫杰温斯悖论杰温斯悖论是什么呢就是指到说其实你从长远来看资源利用效率的提高其实将导致总消耗量的增加而不是减少因为资源利用效率提升以后其实企业可以在增加收入的同时降低单位成本

从而导致价格下降而价格下降又会刺激总需求的增加那么对于 AI 来说我们觉得这个道理也是一样的其实 DeepSeek 的算力降本是在试图创造更多的需求那一部分你可以理解为是训练的需求

然后因为之前的算力太贵大家用不起然后没有能力去用更多现在其实算力便宜了算力供应也在硬件工程化做的好的背景下其实上去了其实提高了一个我们说算力的利用率那么其实就可以把模型的参数规模再扩大把数据量再进一步的往上去位其实这样试图可以达到更强的一个模型效果其实我们觉得只要有人一直在大模型的技术编辑上持续探索

只要大模型的规模定律不变一直有效其实我们觉得 DeepSeq 的创新对于训练来说其实是利多的不是利空另外一方面我们也看到其实讲到的推理现在其实 DeepSeq 带来的技术平权其实拉动了一波的云测端测的算力的部署需求

市场中其实有很多的去计算比如说微信这类的应用接入 DeepSeek 到底创造多大的硬件需求也有一些声音说这个好像算出来实际需求量不是很大但是我们觉得其实如果说模型能力在持续迭代的情况之下

整个的 AI 推理能够通过更多的算力消耗给用户提供更大的价值比如说近期我们也看到出现了 AI Agent 其实这个东西讨论的很多了因为一旦我们原来跟 AI 软件交流的对话形式转变为代理模式实际算力可能是十倍百倍的一个提升所以可能就不存在所谓的利空了所以我们认为整个问题的一个核心点还是会

去想是不是有更多的新场景爆发出来有新的应用如果 Deep-seek 出来了如果说应用场景还是传统思维框架下的一些场景可能确实需求就比较有限是一个阶段性的东西但如果能形成这种算力降本激发新的需求这样的一个闭环我相信整个市场空间其实就会比较大

那这块我们其实还是看好后面在这个 AI 行业这种闭环的这种飞轮其实慢慢会形成这样的一个预期所以整体来看我们认为这个观点相对来说还是比较正面的

刚刚你也讲到 DeepSeek 的成功是给中国 AI 的全产业链都带来了比较大的发展机会那么我们可否可以先跟小伙伴们在硬件这方面聊一聊呢我们在国内 AI 的硬件市场这一块到底看到了哪些变化和发展加速度呢好的我们把这个时间其实转向到这个国内来其实第一我们看还是说这个需求端

第一是这个大的云这块的需求我们其实看到国内的啊这个云资本开支啊今年以来其实进入了一个快速的增长期啊和这个北美的情况类似啊我们看到云厂商的投资其实在整个 AI 行业里面的这个硬件投资的作用是非常大的啊从去年四一度开始我们就看到其实中国云厂商开始加大这个 CAPEX 啊

试图把握 AI 的这一波发展机会在 DeepSeek 的取得成功之后各大云厂商提高投资的确定性也进一步的增加了在去年可能各大厂商的投资节奏我们看到还不太一样有些厂商可能比较激进有些可能还在观望但今年 2025 年我们确实看到了各大中国云厂商在资本开支端投入的坚定的决心

那云场上的坚定投资其实就会带来云端 AI 算力产业链确定性的一个投资机会然后呢现在又是受到一些这个贸易摩擦的限制啊我们看到其实海外的这个高端算力芯片进不来啊

DeepSeek 也证明了在中国生生世 AI 行业在生产力有限的条件下可以达到的高度是没有问题的下一步我们看到就要把国产的算力系统闭环构建起来这样自然我们觉得会迎来一大波的国产云端 AI 芯片的替代机会短期内对于国产云端 AI 芯片来说是一个市场增速我们觉得其实还会达到一个非常高的水平

中长期投资来看绝对是体量相比我们认为现在国内头部三四家的 CSP 场上投资额其实也就在 3000 亿人民币左右与全球四大 CSP 年化 3000 亿美元的投资额其实还是有很大的差距的所以我们看到第一是国产云端 AI 算力芯片的市场天花板是非常的高的第二点上来说就是端测 AI 其实

我们看到 DeepSeek 的开源模式实际上是降低了 AI 硬件的创业门槛优化以后的蒸馏技术使得更多模型能够部署在端侧这些场景其实也包括了一些可穿戴的 AI 设备比如说 AI 耳机眼镜应该也是近期比较火热的一些产品还有一些家电类的产品还有智能驾驶汽车这些终端其实都逐渐介入大模型了或者说通过 AI 赋能

然后这些赛道的这个很多终端的话语权又都落在中国大陆企业手里对于本土的这个芯片厂商来说我们觉得肯定还是个机会那对于端侧 AI 芯片来讲它整体的要求可能不会像云端那么苛刻也不会那么综合

在一些细分的场景领域有竞争力的企业其实已经存在了这部分 SoC 芯片公司的市场机遇我们认为也应该是比较广阔的芯片以外我们也再看一下终端其实从普遍来说两大终端主要包含了 AI 手机和 AIPC 首先是中国的 AI 手机我们觉得这个行业其实还是处在技术爆发与市场扩容的关键阶段

在政策支持技术突破和消费升级的共同推动下已经形成了全球领先的生态根据 Counterpoint 数据 24 年 AI 手机出国量占比已经达到 35%华米、OV 等主流品牌新机全面搭载了端侧大模型

另外 AI 功能我们看到其实也有的标配比如说像语音助手还有包括图像生成还有实时翻译等等的功能成为用户换机的一个核心的驱动力

另外从政策端来看目前地方政府补贴对 AI 手机的消费是非常有益的高端机的补贴因为整体国补我们觉得来看其实现在作用还是很明显所以说相关的手机销量也不错 AI 手机的发展态势也不错展望未来来看很多趋势上的东西其实我们觉得看得也更加清晰了第一是

很合架构的趋势复杂任务由云端的迁移模型处理基础交互由端侧的 10-70 亿模型参数模型执行降低延迟与流量消耗这个技术壁垒逐渐要被跨越第二是交互革命 AI 手机未来还可能针对眼洞追踪手势识别一系列的无触控交互方式来做

第三还有生态我们觉得也会有不少的变化我们觉得 AI 手机有可能逐渐接过互联网场上的一个接地棒成为新一轮的流量的入口未来 AI 手机的形式也会像智能体一样在生产力工具、健康管理等等领域为人类工作和生活去赋能

第四还有在芯片这块整理的方案其实主控 SoC 的规格存储器的定义这些应该说都非常清晰了包括还有品牌方面我们觉得中国企业是非常雄厚的一个实力所以我们认为其实 AI 手机现在正在从功能附加转向原生定义的阶段在端侧的大模型人机交互 监控管理等赛道其实已经形成了全球差异化的优势随着整个的技术

包括政策还有供电的叠加中国 AI 的手机行业其实会到来一个快速发展期第二还有 AIPCAIPC 其实也是一个从概念验证走向落地阶段的一个行业在一些技术迭代等等的一些

驱动下其实我们觉得 AIPC 已经成为整个的一个刚需化的一个东西比如说我们现在看到像文档的总结图像生成代码辅助等等全球龙头英伟达芯片龙头也指出了其实自己的产品在微软的 Copilot 的软件在 AIPC 的运行需求其实越来越多的

那么未来在这个发展的趋势上我们看到 AIPC 的这个端庸协同的趋势和这个 AI 手机也是类似的也非常的明显那 AIPC 也有往进化成自主规划任务的这个 agent 那另外呢还有可能从这个工具逐渐的走向这个生产力的中枢比如说在这个专业创作领域 AIPC 我们其实看到其实可以将这个渲染效率大幅提升还有包括硬件端的这个芯片定义无论是这个

国内的还是海外的芯片啊其实都有一些相关的产品也都能看到了还有包括一些形态上的变化啊比如说在 AIPC 中引入这个可插拔的这个 AI 芯片的模组这个也开始出现了那 AI 芯片的这个算力可以按需升级啊跟手机一样其实 AIPC 无论是从这个品牌方啊还是供应链的端我们认为其实中国的这个供给和需求啊都有着这个充分的准备那中国的 AIPC 呢也正从这个功能增强啊

转向 AI 重构体验在端册大模型、人机交互专业场景等领域建立全球的竞争力随着技术红利、政策的支持还有供应链升级的三重驱动我们相信 AIPC 的行业还是有望开启广阔的增量市场重塑全球的 PC 产业格局的是这样的一个情况

那还有一些特定的需求我们来看其实包括这个一体机啊这个一体机这个东西其实最近讲的也很多哈其实一体机最大的一个变化是说就是在这个数据隐私安全的驱动之下我们其实部署这种 AI 的应用

不只是在云端部署我们现在需要私域的部署而且在国内还有很多的特定的市场比如说面对英国企业的客户他们对于整个的数据安全是有非常关键的要求的你不能去损害一些保密的信息所以在这样的一个情况之下你可能

用这个公有云的 API 的模式啊这个可能就违规了啊所以在这样的一个情况之下一体机啊这样的一些需求其实我们觉得也是非常好的一个这个落地的场景啊再叠加可能这个整个的这个信创领域的一个换机周期啊叠加三年左右的一个换机周期呢其实也会有持续的一些需求出来啊包括我们现在自己啊包括

一些可能也有一些本地部署这个 AI 的一些需求啊所以也不一定只是正企相关的啊可能个人也有一些这个相关的一些这个在一体机的一些需求啊这块可能相对来说我觉得是中国特色的一个需求那还有包括像这个云的这个智算中心啊那这一块其实也相对这个有这个特定的需求对吧

这块其实主权 AI 大家谈的也很多我们看到现在整体来看这个主权 AI 其实不仅是在这个海外火在中国更火那我们现在国内的这个计算中心的一个建设进度大家来看都还是比较积极的那这一块其实各地政府主导的包括运营商主导的一些计算中心那其实整体来看还是给到整个的 AI 芯片需求端

或 AI 的硬件的一个需求端一个很好的一个驱动那我们也看到相关的一些投资这个力度其实现在也是增大的包括还有这个政策性的清洗其实各个省都还是有明确的一些鼓励的政策出来建这个制算领域的相关的一些这个技术设施我们觉得未来可能这是目前当前的这个政府投资的一个主要的一个方向所以在这样来看呢

除了这些硬件以外还有一些中国大陆市场特色的硬件需求也驱动着整个 AI 行业的发展明白 国内的 AI 硬件正在进行快速发展的阶段我们也想看看国内的 AI 软件领域

目前大概是一个什么样的一个发展态势你看能不能从软件和应用这一块能够跟我们展开再聊一聊吗对的其实整个 AI 应用来说也处于一个这个发展的黄金时期我们觉得从这个需求端来看其实潜力还有活力都是很足的

第一是从短期来看我们觉得其实 B 端项目这个制的落地依然是大模型机座能力变现的一个主要的方式根据艾瑞数值统计 24 年其实中国大模型项目的数量金额其实都呈现了一个快速的增长率先落地在政务教科包括通信和能源等等领域那在供给侧我们也看到像迅飞百度智普火山包括阿里云腾讯等等

也都成为主力的一个中标厂商 25 年呢这个 DSV3 和 21 的这个开源模型的发布其实也进一步掀起了这个

弊端产业和生态合作的一个浪潮那整个的这个以国产 AI 芯片为代表的基础层啊然后包括还有一些华云代表的这个平台层还有包括一些这个丁丁代表的应用层啊纷纷其实接入了这个 DX 生态那借助这个优质的开源模型能力啊其实推动大模型啊能力在垂直领域的这个实践是逐步落地的啊

那 24 年呢其实我们觉得在 C 端啊其实发展也非常的广泛那中国 AI 产品在 C 端啊其实主要是采取一个这个免费加订阅制的一个商业模式啊那整体来看其实大多数的这个 C 端产品还是面临着一个用户粘性不足啊包括续费持续性不足的一个问题那产品的形态是尚未建立的那相较于互联网稳定的这个生态格局呢 AI 产品的这个头号位交易啊现在来看依然是一个悬念啊

同样根据艾瑞数字的一个统计 AI 投资的轮次的分布我们从一级市场来看其实战略股权投资的数量上升趋势应该都还是明显的而在应用赛道的投资分布方面我们也看到其实语言及多模态的赛道已经成为了最瞩目的投资领域但与此同时以 AI 芯片 算力解决方案算法架构等代表的基础层投资数量其实占比

是显著上升的其中 AI 芯片的产品投资占比约为 50%这其实表明了应用层的快速发展正有力的带动基础设施建设我国人工智能产业的生态因此也得到了进一步的完善这个是偏宏观的一些大的情况我们再聊聊 AI 产品

AI 产品我们看到其实主要还是分为三类语音视觉和多模态首先我们说语音类的产品其实语音类产品大致能分为两种一种是处理语音数据的另外一种是生成语音内容的平时大家常见的 AI 语音产品是看到有两类一类是语音转写工具办公的时候用来速记

翻译外文的时候也可以用另一类是偏交互类的产品最典型的就是语音机器人办公客服营销等等场景都能看到这两年我们看到国内的 AI 语音产品也是蓬勃发展包括讯飞阿里字节百度等等那些企业其实都推出了各具特色的语音产品比如说讯飞听见豆包通译听物等等语音产品现在不只是能生成语音了

但在音色内容和创作上其实也都加入了更多的新花样不管是这个 AI 配音克隆音色还是说做有声书声称音乐那这些产品的商业化速度其实越来越快的那还有这个视觉类的产品视觉模态其实还是以这个 Transformer 架构为这个技术的主旋律那我们也看到其实

Transformer 架构其实是将图像分割为各个小块应用一些自注意力的机制可以大幅提升视觉 CV 大模型的泛化能力理解能力以及处理模糊复杂影像的能力 AI 视觉技术现在也是分为两个研究方向一个是计算机视觉类的像用比如说卷积神经网络的小模型在人类识别车辆识别上我们看到还是很有优势另外这两年也出现了 Vision Transformer 大模型

处理复杂画面是更在行的能用来识别这种微表情追踪人员统计流量那另一个方向呢是这个图像和视频生成现在其实我们看到就是这个我们说到的一个新技术就是 Diffusion Transformer 的这个架构越来越火

用了这个架构的 DIT 模型其实为扩散模型带来一些新的思路 DIT 其实是比较擅长捕捉长距离关系的所以可以生成高质量的图像国内的 AI 视觉类产品呈现了一个多元化的发展趋势比如说字节旗下的有剪影等等一些其实有一些进步的

我们看到还有一些国内的应用比如说 Remedy 针对照片的修复这些都还是比较强的还有妙鸦相机 AI 生成的写真照现在视觉领域我们觉得也是大家比较关注的一个方向其实专业性或者说变化主要是让生成的内容可以更可控比如说想让生成的人物做出特定的手部的动作还包括面部表情这些其实都是比较难的

那还有一些这个多模态的大模型啊多模态其实定义也比较简单就是能够同时处理文本图像音视频这些不同类型的数据还能实现这个跨模态的理解和生成不过现在的多模态模型我们看到其实还是有一些差距啊要不然就说更侧重生成要不然就是更侧重理解啊

具体来说其实技术上又分为以 DIT 代表的生成像或者以 MLLM 架构为代表的理解像两类 DIT 架构的生成像模型其实主要前面视觉里提到的那些生成模型像通一外向这些理解像模型其实主要用在 AI 搜索问答的这些产品里像豆包 Kimi 这些大家常用的 C 端产品

但这两类模型我们现在看到其实都有一些短板生成像的其实不太会分析多模态信息那理解像的又不能生成视频技术和能力还没有完全融合到一起那以后如果说要想往 AGI 的方向来发展我们觉得关键就是要把不同模态的生成和理解能力更好地整合起来所以讲说多模态的应用趋势包括技术也是非常值得关注的

那最后还有这个国内的应用其实还有出海的这些逻辑啊出海其实也是一些新的增长点那我们看到其实国内的厂商们啊其实在价格应用生态等方面有一些激烈的竞争啊那不小的企业其实也将目光投向了这个海外市场啊比如说像阿里啊字节还有像 minimax 这些大模型厂商其实出海方面的动作是一直不断的啊阿里比较主要是以这个 2b 的电商做 AI 赋能

然后字节是在 AI 图片生成 AI 视频编辑还有 AI 社交教育等领域都有产品的布局还有 minimax 和零一万物等等大模型的创业公司主要是在图像视频和 AI 社交这些赛道发力除了大模型厂商一些垂直业务厂商和出海企业其实我们看到表现的也非常出色其实是这样的一个情况

从产品的方向来看现在 AI 对话、问答、搜索这些领域的用户流量在海外其实还是被拆了 GBT 包括像 Perplexity 这些主流产品在把控国内 AI 出海产品其实大多集中在 AI 图像、视频还有 AI 社交、情感陪伴这两个赛道在下载量、用户的留存时长、活跃度等等我们觉得还是排在了榜单的前列的

但是我们觉得这两类产品其实也面临着一些麻烦包括支付渠道的限制监管的一些限制所以出海的厂商必须在版权水印维进词审查风控警戒这些方面做到一个严格的管理这样才能保证 AI 产品在海外长期稳定的运行下去既有机会我们说其实也有一些的提示

挑战吧这样的一个情况对于国内 AI 硬件和软件的发展加速度这个问题您刚刚已经回答的很全面了那么我们想问一下在现在的这样的一个发展趋势之下具体又有哪些二级市场的投资机会能不能给我们展开聊一聊

好的那落实到二级市场的投资机会其实我们也看到整个的框架其实跟刚才介绍的部分应该说是相对一致的按照刚才讲到的从硬件到软件其实可以给大家做一个这个梳理那从硬件端来看首先我们是从这个最底层到最上头第一首先我们说芯片这个环节肯定是具有这个不错的投资逻辑的

一个是这个贸易摩擦下的限制啊这是主要针对云侧的这些这个催化啊然后刚才讲到的需求端其实对于互联网场上来说啊我们的这个资本开支啊整个的预期还是比较乐观的那对于端侧来说呢首先是中国企业啊大陆企业把握着这种流量的入口啊无论是在这些可穿戴设备啊 AI 手机啊 AI PC 这些部分啊

我们其实本身是有这个实际的品牌厂商在这扛起了大旗吧所以说针对供应链上呢我们也看到就是对端侧的芯片那这些肯定也是有不少的这个国产替代的机会的那再到这个芯片再多一个层级供应链上比如一些元器件结构件这些东西包括这个组装这些相关的一些环节我们觉得其实也有一些投资机会因为这些东西其实我们刚才从

这个可能第一部分已经讲到就是这块可能中国人本来做的就已经不差了其实这是历史的一些基点那在 AI 上我们觉得也是可以这个进行相对的一些附用啊那这块其实也没有问题啊也是相关的一些投资机会还有一些就是针对这个出口链上的一些硬件对吧与海外的这些芯片厂商啊这个 AI 的整机啊这些进行配套的一些环节啊

其实我们看到比如像一些这个通信类的设备这些其实也都有这个通信的元器件这些都有一些相关的投资机会那再到这个应用侧那 AI 应用其实本身现在比较火爆的在软件侧其实 AI 应用也是一个

主流的一个赛道了那这个相对这个我们刚才讲到 2B 的一些落地的场景啊包括一些 2C 的落地场景啊其实现在都有一些多元化的一些落地的机会啊尤其是在 DeepSeek 啊接入这个这个大模型平权以后吧或者我们说主要的这些厂商都接入这个大模型以后啊我们其实可以看到啊

对整个的应用端其实去做进一步的开发以及去吸引用户底层模型的实力的提升都是有一些贡献的所以我们觉得在应用端其实从计算机行业软件行业的角度来讲其实整个 AI 应用的大赛道包括传媒行业其实这些都还是面临不错的投资机会的整体来看我觉得投资空间应该说还是相对比较广阔的做这样的一个判断吧感谢您的分享

前面您已经把全球 AI 行业的发展历程和未来趋势以及相关的投资机会都给我们做了梳理那接下来我们也想聊一聊 AI 的应用我们其实在很多时候都想要知道 AI 未来的商业落地化的这个场景大概是在哪几个方面

在哪些领域未来是有可能实现一个比较创新性的 AI 应用的突破的您能不能跟大家分享一下好的好的那从应用端来说我觉得首先我们看一下总量就是说现在整个的趋势来说确实是面临的一个 AI 生成效果优化然后再到推动 AI 场景扩大带来底层对算力上层应用创新的这样的一个情况这个是整个行业的一个发展的一个我们说发展的一个阶段

如果从具体的策略上来说或者从具体的行业上来说我觉得首先我可能想着重讲的还是视频 AI 视频这块的变化和商业的落地场景这块的商业变现我们看的应该说是相当直接的其实也具备了较强的一个落地能力从技术端来看我想

主要从多模态的交互突破包括模型效率还有物理规律建模三个维度来给大家聊一下 AI 视频生成底层技术的演进趋势第一是从算法结构的层面分析 AI 视频生成应该说技术经历了三代的核心迭代最早期是以 GAN 加上 VAE 为代表的生成模型

但是面临的问题是实现这个生成这个基础视频合成没有问题啊但是细节其实可控性是非常不足的那后期我们也看到了像 Transformer 啊包括 Diffusion 这种架构成为主流其实也是显著提升了内容的连贯性与语义的对齐能力那再到 24 年 2 月 OpenAI 其实推出了 SORA 啊采用了这个所谓的 Transformer 加 Diffusion 的架构其实成为了一个明显的基础拐点啊那让市场

技术聚焦在这个 DIT 上面总结来看我们觉得其实扩散模型仍然是当前的一个主流的技术路径但多模型深度融合架构其实是 AI 视频生成向生产级应用发展的一个关键除了这个算法架构我们也看到其实

整个的多模态输入和生成也是一个技术发展的趋势比如说在今年谷歌的 IO 大会上也发布了 Gemma 的 3N 模型基于 Gemma 的 nano 架构实现了图像、文本、视频音频四模态的全电流处理此外同期国内的像通一千问 2.5、Omni7B 的模型也支持了文本、图像、音频、视频全模态输入与输出

另外一方面随着模型参数规模呈现指数级增长训练与推理效率已经成为了 AI 视频生成技术产业化落地的核心瓶颈我们看到业界正在通过量化的感知训练包括蒸馏等等技术优化模型使得 AI 生成视频也可以在低资源设备上实现

以字节跳动 Animate DiffusionLightning 的模型为例我们看到它们通过了一个跨模型的扩散蒸馏技术在保证视频质量的前提下让生成速度比原版提升了 10 倍以上

最后还是跟大家再讨论一下 AI 内容生成底层逻辑上的一些技术演进物理规律的精确建模其实是技术突破的重点比如说像生物科技的 QE 模型运动物理引擎模型其实通过了一个物理引擎的整合可以准确模拟流体动力学与钢体运动优化了 AI 生成与真实世界物理规律刻画能力的一个不足其实我们看到一些物理规律都能被模拟的

另一个典型就是 PK Labs 这块它现在可以做知识爆炸、碰撞等等的复杂物理特效的自动生成用户仅需要提供静态图像可以说这趋势就意味着 AI 简简单是像素拼贴工具了从内容的真实度和创作逻辑架构上实现了一个大的跨越也逐步刻画了符合真实运动逻辑的一些真实的数字场景

此外還有一些關於 AI 生成視頻技術商業落地的包括展望方面的問題整體應用趨勢來看我們覺得早期 AI 模型能力的領先度其實是解鎖應用場景的主要因素後期確認

市场的这个匹配度以后啊推理成本啊将是大规模普及的一个重要的主导因素那具体来看呢在商业模式方面我们看到这个 MAS 模式啊还有包括 SaaS 模式都有了这个巨大的这个发展潜力啊 SaaS 其实主要是聚焦这个 C 端用户啊

通过云端将 AI 视频生成软件转化为机用型服务精确匹配给个人的创作者和中小企业快速出片的核心需求比如说例如短视频的脚本生成营销素材制作等等一些场景已经有规模化应用了 MaaS 是深耕企业级市场

通过定制化模型与训练与行业解决方案深度赋能动漫制作包括文理虚拟的场景开发广告批量生产等等垂直领域

具体来看在看到竞争格局方面主要是在视频生成领域我们觉得整体来看不同产品还是有不同的优势比如说 Sora 还有包括 Ranway 的 Gen2 这样的头部模型因为在分辨率时长可控性方面是表现领先的逐步在创意广告影视预演等专业领域其实建立了一些应用的壁垒国内的像快手的可怜包括字节 吉蒙等平台主要是

聚焦这个短视频的策略专注发展 UGC 短距等等的领域那目前 AI 声视频的功能我们觉得还没有达到一个市场竞争的高度集中还比较分散未来竞争将不在单点技术的领先我们觉得还是说如何构建完整的 AI 驱动的生态系统让 AI 驱动的文生视频能力能够融入用户的完整工作流程这样的一个需求相对来说还是比较重要的

那再看具体的落地场景来看我们觉得最快的应该可能还是这个广告营销那这一块应该还是这个 AI 生成视频的一个主战场

传统我们知道广告的制作周期都非常长成本也很高 AI 的技术从内容生成到最后的精准投放其实从效果分析再到实时优化其实会助力全链条提升生产效率我们觉得这样的一个方式也会重塑整个的广告生成的一个行业这个主要是我想谈的关于 AI 生成视频这块的一个情况

好的 感谢陈总的精彩分享那前面我们也提到我们这一期的节目是一个儿童节的特辑那作为妈妈呢其实最关心的就是孩子的教育和成长了所以我也想了解一下这个 AI 的应用未来有可能会在哪几个方面运用到我们孩子日常的教育啊然后成长陪伴当中去

明白其实接下来就给大家讲一下有关于 AI 在教育领域的一些变化其实我们看到了第一是 AI 玩具 AI 玩具融合下催生的一些新产品新型式现在都是非常明确的但整个产品的迭代路线我们现在看到还是在从玩具过渡到玩具加 AI 的一个阶段还没有真正到所谓的 AI 玩具

那这一阶段呢其实 AI 玩具产品其实是通过搭载一个大模型为消费者提供个性化的学习和娱乐体验核心其实是描定了这个儿童与青少年的群体家长呢对 AI 陪伴与教育价值的认可其实是这一阶段产品消费角色的一个核心啊

如果市场往后向 AI 玩具的阶段迈进我们觉得产品逻辑就会发生一个关键的转变了与其他硬件刚刚我们提到的不一样玩具核心经历在于情感体验所以说 AI 技术与玩具的深度融合所催生的交互式情感体验将成为 AI 玩具产业演进的核心方向

AI 玩具阶段的产品将更加聚焦于情感陪伴以硬件为载体叠加养成类的增值服务与 IP 运营目标客群其实都不一定是集中于小孩子了可能更多的往中青年的群体去迭代终极形态的 AI 玩具我们觉得其实

接下来就是一个多模态驱动情感载体的阶段将依托情感计算、多模态交互等等 AI 技术突破实现价值的跃迁我们看到未来 AI 玩具可能会通过感知环境温度包括用户动作等等物理信号实现拟灵化的反馈提供精准的个性化推荐意味着真正玩具从功能性产品变为有情感共鸣的陪伴者

是这样的一个情况那相比其他一个 AI 的终端呢我们觉得这个 AI 玩具啊其实具备了这个情感娱乐的属性强啊应用场景多元产业链成熟等优势啊其实商业化陆地还是非常有前景的啊那我们认为其实未来 AI 玩具的商业化啊将会从这个通用型

向垂直型产品渗透目前 AI 玩具市场的教育类产品可能是占据市场主导以知识启蒙以陪伴为核心定位娱乐类产品慢慢开始破圈陪伴类的产品则依托情感计算技术的升级定位情感陪伴这三类产品我们觉得正在共同推动市场向专业化、个性化、情感化的方向纵深发展是这样的一个情况

除了 AI 玩具以外我们看到其实还有刚才徐老师提到的早教相关的其实我们也可以看一看相比传统的教育形式其实早教我们认为 AI 更注重覆盖学生的学习个性化方案比如说 AI 辅助批阅的这种深层次需求

那我这块会将从这个硬件设备在线早教平台的服务还有包括机构服务升级三个方面介绍一下这个早教的这个落地的 AS 在早教行业落地的一个成果那首先是看这个硬件设备我们看到其实这块还是有点像这个陪伴类的玩具那通过这个 AS 技术的这个多模态交互和仿生技能力让玩具从这个功能单一的这个娱乐载体升之为这个兼具知识供给个性化互动的这个儿童陪伴伙伴

比如说像 BubblePo 它这种玩具可以讲个性化的故事解答孩子的提问并通过长期的仿生记忆能力持续学习和适应孩子的需求在早教基于平板领域 AI 技术性企业其实我们看到正依托语音识别还有包括一些自然语言处理技术取代传统终端厂商针对学生群体提供定制化的学习方案精准覆盖学习方案

深层次的学习需求除了硬件设备以外我们看到其实 AI 也在重构教育内容生产与教后逻辑在早教内容生成方面 AI 大模型破解了传统平台依赖预制课程包的一个痛点动态的形成适龄化的教学内容其实这样来看不仅提升了用户的一个学习体验还降低了内容创作成本

比如说我们看到现在小圆的 AI 模型层其实它是通过自研的大模型和 DeepSeek R1 两个模型矩阵组成的覆盖了 100 多个关键的学习场景实现类真人老师的一个个性化的 1V1 的讲解其实推动了教育 AI 应用从辅助工具向成长伙伴去跃升

另外一方面我们也看到其实 AI 的多模态能力让早教平台可以实现语音交互实时反馈和情景化的学习等功能从而提高了参与度和学习的积极性比如说多林国 2023 的 Max 订阅服务它通过整合的 GPC4 能力新增角色扮演 AI 通话功能还有人化学习互动等等功能还是非常新颖的

最后我们看到其实 AI 技术也逐渐的融入教学的全流程从个性化课程定制到智能教学辅助工具 AI 是将赋能教育机构优化教学内容提升教学效率实现跨越式的一个产品提升我觉得其实是主要 AI 在教育领域刚才您讲到的比如说像早教包括玩具等等一些方便应用的一些情况

好的 我感觉这个 AI 玩具是可以让孩子在玩中学然后 AI 早教呢其实是可以帮助家长从这个辅导孩子作业的烦恼当中适当的解放出来可以助我们一臂之力去辅导孩子功课

是的好的那我们现在也看到很多学校啊也陆陆续续开设了一些跟人工智能相关的课程比如说人工智能编程啊人工智能的这个机器人大赛啊那您怎么看这样的一个趋势呢如果我们希望未来孩子能够在人工智能的这个竞争当中保有竞争力我们如何在他小的时候就能够培养他在这方面的兴趣以及这方面的这个认知呢

明白其实我觉得从培养孩子认知的这个方面来看其实主要也是要分阶段来看的

其实对于低龄儿童我们看到比如说 10 岁以下的孩子更多的还是从游戏化感知方面让他们来了解 AI 比如说从互动游戏包括创意实验等等一些角度来做 10 到 15 岁大一点的孩子可能更多的我们是要做的是实践探索比如说要让他们去动手学原理比如说拆一些旧的硬件还有包括一些简单的编程课程做启蒙

包括还可以鼓励孩子参与一些 AI 相关的学习比赛之类都是不错的方式对于更大年龄的孩子到了青少年阶段我们认为其实比如说对于 15 岁以上的孩子其实可能也可以早一点的让他们去做一些实战的开发包括田野大福文情企业的一些接触等等

所以针对不同的阶段我们觉得不同的孩子可能我们的您说培养孩子对于 AI 的认知的事情可能会不一样另外我也想多提一点刚才曲老师问到其实我们看到现在还有一点就是

原来在大学里面可能人工智能这个并不是一个专业或者说以前可能大家对这东西重视不足现在我们看到在高等教育因为我们刚才讲到这个 15 岁的孩子们再往上到了这个进入大学的一个情况到高等教育领域其实我们看到目前从教育方面我们国家的一些这个变化其实还是挺大的

那在高校开设相关的专业啊包括还有一些这个针对性的课程啊其实是一件非常重要的事情大家老在讲啊就是说对于这个中国的这个 AI 的这个

工程师的培养啊其实之前都是建立在这个全球领先的那些国家包括这个相关公司的技术体系上的对吧我们老讲那些所谓的软件生态啊这些东西其实都是让大家很头疼的一件事情啊包括刚刚我们讲到的这个国内的 AI 硬件啊

不可用 不好用 重置成本高 学习成本高其实都有相关的一些原因就是在于在我们培养工程师的时候其实没有用中国的软硬件的这套体系来培养这方面的人才其实更多的还是基于我们说在海外的这样的一个体系下不符合中国的一些国情对 还是不符合中国的一些国情尤其在现在可能之前来说我们觉得最大的一个问题是

国内可能没有硬件对吧没有发展的这方面的产业链可能相对缺失所以我们在海外的这种体系之下去培养但现在我们看到无论你说是贸易摩擦也好还是有国产的技术进步也好我们现在国内产业链软件与硬件的闭环其实是要去形成的现在其实都有但是一个开环的状态其实基本上也是一个不好用不可用的状态

那未来如果说我们想去做一个好用可用啊闭环的一个 AI 软硬件的产业就必须要在这个工程师的培养啊尤其是我们刚才讲到到了这个 18 岁往后啊在高校的一些课程的开课以及对这个学生的教育上啊逐步用我们基于国内的这一套软硬件闭环体系的这样的一个角度啊去培养工程师那这样的一个角度来看最后我们把人才做一个更好的铺垫啊我相信也有助于这个

国内我们现在看到整个 AI 软硬件这样的一个完美生态体系的一个形成吧我觉得这个可能也是现在看到了一个变化和我们觉得未来在这个对这个孩子教育发展上去这个要注意的点但这块我们觉得更多可能不是是我们家长能做的可能是这个有关的一些这个部门和政府的去推动的这个事情但是很好的是我们现在也看到了很多这个积极的方向

是的,我们不一定非得要照搬欧美的一些成熟的模式,我们可以结合中国的实际情况来培养我们中国自己的 AI 工程师。嗯,嗯,是的,是的。好的,我感觉我跟你聊完之后,又找到了一些未来给孩子做教育投资的方向和灵感,一些花钱的地方。

好的那我们接下来还是想再聊一下 AI 在其他方面的一些应用比如说现在比较火的两个赛道一个是这个人工智能驾驶还有一个赛道是人型机器人那您能不能在这两个领域也展开跟我们分享一下

好的 没问题首先智能驾驶我觉得智能驾驶其实大家也谈的比较多但是其实智能驾驶理论上还是属于有分层的我们说现在其实还是在一个辅助驾驶的阶段随着算法与算力的一个提升我们看到 AI 算法对一些复杂场景的处理能力提升有望将辅助驾驶真正的往智能驾驶去推

那我们看到其实未来首先刚才讲到算法深度学习感知算法多模态技术的提升可以使智能汽车融合像摄像头、激光雷达、毫米波雷达等等一些多元数据构成更精确的环境模型实现更全面的环境感知在决策层面上来说强化学习算法的突破也可以使车辆具备更强的自主决策与应急能力

AI 我们觉得还会推动端到端算法的成熟实现从感知到控制的一个全流程优化提升自动驾驶在复杂城市交通中处理的一些泛化能力

那我们看首先就是说总体来说 AI 突破还是将助力构建更安全低成本可规模化部署的自动驾驶系统未来推进 L4 到 L5 全场景的全自动驾驶其实还是有必须要以 AI 的模型包括还有软件的一些软件包括硬件的一些驱动为导向的或者说为基础

那我们看到现在其实在落地的场景之下比如说现在 RoboTaxi 的一些落地场景其实事故率已经降低到这个比较低的一个水平了包括还有一些商业化我们看到在美国比如说威慕在旧金山确实是随处可见车队的这个车辆也超过了这个 1000 台的这样的一个规模

所以我们认为未来 AI 将不仅推进高阶自动驾驶的规模化应用还有包括车联网技术的相关发展跟 AI 也有关系我们觉得未来不仅是车端还有包括车路协同端的智能交通系统也会在 AI 技术进一步的成熟之后会有比较快速的发展动能

智能驾驶以外还有人型机器人也有很强的跟智能驾驶技术相关的附庸性未来也有一些很广阔的落地场景我们看到现在人型机器人在感知精度与决策能力方面已经取得了显著的成果

但是在一些复杂的动态环境中尤其是涉及到执行具有多重属性和动态特性的物体的任务时比如说做饭炒菜这样的一些环境其实还是不太好的但是未来多模态大模型和巨神智能的深度偶合也就是整合视觉语言动作等多种数据模态然后形成一种感知推理行动的闭环其实将提升机器人的理解适应

各种动态环境的能力比如说现在谷歌的 DeepMind 的 Gemini Robotics 框架通过视觉语言动作模型其实将物理动作作为输出终端实现对机器人执行任务的直接控制在多元场景及不同的机器人实体中均展现出了卓越的泛化能力

除了感知决策层面机器人在自主学习过程当中深度强化学习和带语言模型我们认为也是两大的关键技术支柱使机器人实现在无人类干预的情况之下自主从环境中获取数据分析规律包括优化行为自主学习的模式下机器人可以完成

一系列的这个任务比如说这个环境数据采集与测力优化那无需人工逐一标注这个和代码调试从根本上降低训练成本这个成为这个推动规模化商业落地的一个这个核心支撑我们觉得这个随着上述这个技术的一些演进吧这个未来其实人性机器人将在这个

日常生活 医疗工业乃至灾难救援深海探测等等一些复杂的场景之中其实会发挥一些重要的作用所以我们觉得整体来看其实刚才讲到了一些包括 AI 在教育 AI 在传媒领域我们包括又讲到 AI 在智能驾驶包括我们

刚才说到机器人这些领域其实都是一些这个现在大家能看到的这个非常重要以及可能我们说这个应用需求爆发在即啊或者落地在即这些赛道啊

那我们相信其实随着整个模型能力的一个提升那这些场景也逐渐会这个步入我们的生活其实离大家说实话我觉得都不算特别远那尤其是刚才讲到的这个制程驾驶最近其实也都看到了这个车企在今年的这个制程驾驶的变化其实还是挺大的每家都在推这种高端的这个制驾的方案原来是以这个汽车是燃油车是以这个我们说这个车的性能为卖点

配置为卖点现在比如说到电动车我们一开始以这个电池续航里程为卖点现在更多的都是以支架为卖点那车企很多的也都在自己去去这个我们说去做大模型对吧去自己开发这个相关的一些这个软件算法

那为的是什么就是要推自己很强的这个应用的这个落地人行机器人当然就是今年我们觉得也是非常火一直在这个二级市场是一个非常主流的一个投资赛道那变化也很多尤其是在这个小脑端的一些领域我们看到也有不错的

怎么说啊一些落地的这个成就啊比如说我们看到有这个机器人这个杂技的表演对吧还有这个机器人马拉松相信这些东西啊大家都有所关注其实整个来看就是以前啊我们说这个机器人是不太可能做这些东西的那现在其实这些能力都有一个提升

那在大脑上其实也有一些展示啊比如说像一些海外的一些大厂啊在相关的一些业绩会披露中我们也看到其实展示出了一些机器人人性机器人啊步入我们生活的场景帮我们去精确的这个抓取一些东西啊包括这个切水果啊洗菜做饭这些其实都已经这些应用已经都出现雏形了啊

所以我们觉得这个 AI 这个东西其实离我们大众来讲应该说还不算太远真的是越来越近对整体来说确实是一个越来越近的过程从生活的方方面面吧我觉得其实都在影响我们给我们带来更多的一些改变是的 是的所以也许我们可以畅想一下五年以后十年以后或者甚至是更短的一个时间这个未来这个人工智能将如何改变我们的工作和生活

比如说我我大概会畅想一下未来我在家里面可能将享受到的是一个这个非常智能的一个家居环境所有的家电都是非常智能的也许有机器人可以帮我分担家务就像您说的洗衣服做饭对甚至帮我辅导孩子作业啊

当我离开家出门的时候我也不需要自己开车了我可以通过智能驾驶来帮助我来开车到公司那到了公司呢我也有 AI 助手来帮我处理一些基础的一些数据文件那

这将形成一个可能是人家车工作场所的这样一个全闭环的一个人工智能的一个场景我不知道这个您怎么样畅想这个未来我们的这样一个人工智能的这个这个世界啊

明白 其实是这样人工智能技术其实我们刚才讲了正在从识别图像文字和声音的感知阶段逐步发展到能够自主创造内容的一个生成阶段最终将迈向设备运行具备运行推理计划与行动的物理 AI 阶段

短期来看我们看到其实大模型和多模态的技术的突破会拓宽生成式 AI 场景以及商业落地成果比如说刚刚讲到在广告的创意生成包括影视特效制作教育个性化等内容领域已经输出了很多的东西实现了一个规模化的应用未来随着多模态的深度融合

人机交互的变革 AI 会下沉到更多领域并加速变革内容的一个生产范式另外一方面我们看到大语言模型还有包括多模态大模型的一个突破其实叠加 AI 技术设施的升级在推理与自然语言的处理领域 AI 从降本增效的简单的辅助工具逐步转变为行业决策的一个关键构成重新定义行业运作模式比如说在 AI

医疗领域一些 AI 算法和病理学的解决方案已经将癌症检测准确率已经提升到 99.5%包括谷歌开发的深度学习算法在对将近 1000 例的视网膜患者的扫描测试过程中诊断准确率也达到了 94.5%

那另外还有这个 AI 应用于这个金融风控啊工业质检法律文书啊处理等场景并在这个量子计算啊这个生物技术包括绿色能源等新兴领域都展现出了巨大的这个融合潜力啊那除了对这个生产力的革新以外呢我们刚才也讲到了其实 AI 在重塑着我们的生活方式啊

那 AI 不仅革新了生产力更重塑了人类的生活方式从智能家居的自动化场景比如说您刚刚讲到 AI 语音助手调节家居设备到个性化生活服务比如 AI 事务推荐然后再有机器人帮你来烹饪那 AI 正从一个

工具的属性向智能伙伴的一个决策转变这一眼睛我们觉得本质上其实是技术与人的关系从功能性协作向社会体系共生的一个深刻的一个跃迁在未来我们展望的远一点比如 20 年后随着 AI 技术的进一步发展 AI 对劳动力的结构价值创造体系和生活模式的变革其实将进行更为彻底同时

我们觉得随着这个巨神智能近些年来的这个研究成果那 AI 技术的这个发展也会逐渐模糊人与机器之间的一个界限那进一步提升人类生活的一个便利性和效率这都是我们未来可期的一些东西好的

那我们刚刚其实也讲了非常多的 AI 的好处和即将给我们的生活带来的一些便利但是其实我们也知道任何一个技术任何一个事物它可能都是有正反两面的也许是一把双刃剑

其实当这个人工智能快速发展的过程当中也已经有越来越多的专家学者来提出了各种各样的警告啊就是有可能人工智能还是会有一些弊端或者说一些风险出现的那您不能在这方面跟我们展开聊一聊

好的其实我们觉得随着人工智能技术的一个快速迭代其实其潜在的风险已经从之前的理论威胁变为现实的挑战了相关的治理体系在应对生成式 AI 包括自动驾驶等等一些高复杂场景的时候其实也存在一些标准缺失监管之后等诸多的问题

人工智能的安全风险我们觉得还是包含的内生安全和应用安全两部分其中内生安全聚焦技术层的数据与算法的风险应用安全覆盖了更广泛的社会影响和伦理挑战

构建动态前瞻的治理框架可以考虑从技术、商业、法律、伦理等等多个角度协同发展通过政策引导、行业自律包括国际协作确保释放人工智能技术红利的同时守住安全发展的底线其实这个也是我们现在想看的结果确实是这样的一个情况好的

非常感谢陈总今天的精彩分享我们的节目呢今天也已经接近尾声了那一般到这个环节其实是我们的一个真心话环节我们可能会提出一些开放性的问题来问您比如说我们想知道有没有哪一本书或者哪一个人的观点他的思维模式是曾经对您工作或者研究产生很大的影响的能不能和大家分享一下

嗯明白明白是这样我觉得这个我们还是讲这个中国的这个铁家的一句话吧因为之前这个 DeepSeek 很火我们看到其实 DeepSeek 创始人梁文峰讲过一句话这个金句啊我要引用一下其实梁总讲到其实 DeepSeek 最重要的这个其实是要做的是参与到全球创新的这个浪潮里面去我觉得这句话讲的很好

其实在过去的很多年我们看到其实中国公司是习惯了追着别人去做创新对吧运用海外的体系比如说在之前的移动互联网时代我们其实没有做太多的底层的创新更多的去做应用变现去这样的一个做法

那其实我们觉得不能把这种跟随式的创新作为一个这个必然的这个发展路径或者说我们就是思维定势就是说我们就要在别人把这个前沿技术做好以后我们再去做应用变现其实不应该是这样的其实我们也相信在新一轮的这个 AI 浪潮之下这个中国的这个科技企业其实从硬件到软件这个背后的这个 AI 的人才的储备

这样的一个情况其实有望在这个大的一轮新的这个技术变革之下成为这个技术全球的一个引领者啊就如果说我们一旦能成为这个全球的引领方啊其实我们才能更好的我们说吃到这个啊这个行业的这个发展的红利啊以这样的心态我们去面对这个行业的变革其实是是是比较重要的啊其实我们还是在这里吧也衷心的祝愿啊

美加在中国 AI 发展的巨大浪潮下或者说朝起朝落朝肩上的这些企业其实能真的去通过自己底层的技术创新把握住这一次全球前所未有的技术大变局那也

衷心祝愿我们参与今天观看的这些投资人也能把握住这一轮巨大的 AI 的投资浪潮与投资机会好的非常感谢陈董的分享很激动人心充满了理想主义的情怀

也希望中国能够在 AI 浪潮和科技变革当中成为全球的引领者希望我们的投资者能够分享技术的红利希望我们每一个人在工作跟生活当中都能够因为人工智能而变得更加的便利以上就是我们节目的所有内容感谢收听

节目之外更多精彩内容请关注我们的视频号中金公司财富管理欢迎大家关注点赞转发您的支持是我们更新的动力我们下期再见

风险提示中金财富及嘉宾提供的任何信息和观点均不构成投资建议中金财富不以任何形式对用户承诺投资收益或保证本金不受损失市场有风险投资需谨慎本集播客中的内容及演示材料版权归中金财富所有

未经中金财富书面许可第三方不得以任何形式摘影编辑截取以及其他不恰当方式传播感谢大家的收听