云岫资本赵占祥: 从大模型迈向AI Agent 资本深度掘金算力生态链

发布时间:2024-02-06 15:56:12
来源: 证券时报
阅读量: 4181

从“百模大战”到AI Agent(人工智能助理),通用人工智能在持续深化探索场景落地和商业模式,资本也在加速掘金算力生态链。云岫资本作为中国领先的科技产业投资服务机构,深度覆盖半导体、新能源、新材料、智能制造、企业服务与产业科技、生命科学和医疗科技等新兴科技产业领域。自2015年创立以来,云岫已帮助客户成功完成近400笔、超1000亿元人民币私募融资、并购交易,管理十数只硬科技专项基金及一只硬科技产业人民币基金。近期,证券时报记者专访云岫资本合伙人兼首席技术官赵占祥,探讨AI半导体发展趋势,解析人工智能底层技术的投资价值。

“未来AI领域的竞争焦点将集中于算力,而算力是一整套生态体系,因此投资机会巨大。”赵占祥表示,在全球范围内,中国可能是继美国之后第二个能够从芯片、硬件、软件到整体生态全面构建ICT信息基础设施的国家,资本也在密切关注能够形成中国完整产业链的关键技术,并重视第三代半导体、先进封装以及半导体并购和整合的投资机会。

五个层次智能化

证券时报记者:请您评价一下人工智能的发展趋势,以及在数据、算力与算法等方面中美的发展差异?

赵占祥:人工智能作为研究领域很早就出现,但过去AI的产业应用拓展并不广泛,搜索引擎曾是最大的AI应用场景,除此之外的实际应用并不多。

实质上,近十几年来AI的快速发展主要得益于GPU带来的算力提升,进而带动更大规模模型算法的实现。加拿大教授Geoffrey Hinton早在2006年就提出卷积神经网络(CNN)算法,直至2012年ImageNet大规模视觉识别挑战赛中,在英伟达GPU加持下,CNN算法实现了极高识别准确率震惊四座。自此之后,人工智能领域才真正火了起来,谷歌、百度等众多大公司纷纷投入巨资进行研发。后续谷歌在2017年提出了Transformer模型,对算力需求更高。

CNN问世后,中国迅速涌现出“AI四小龙”,这些企业专注于视觉识别,采用的算法相对简洁;而较长序列的Transformer则属于语义单模型,处理大数据量、多参数、任务繁重的计算任务,常用于自然语言处理,需要从第一个词到最后一个词保持关联性,因此对算力要求更高。

随着GPU算力不断攀升,2018年Open AI开始采用Transformer模型,并推出了GPT系列。在微软的投资支持下,利用云服务提供的大量GPU资源,Open AI在2022年年底推出的GPT 3.5版本展现出了极佳效果,聊天体验几乎与真人无异,从而再次掀起了新一波AI发展的高潮。

中美在算法层面,两国之间的差距并不是特别显著。算力层面,美国由于拥有英伟达等领先企业的GPU技术,存在优势。在数据方面,各有优势:美国在企业级To B数据方面具有优势,其企业数字化程度普遍较高,且To B软件公司较为发达;而中国在面向消费者(To C)的商业应用上表现更强。

证券时报记者:您如何看待大模型领域的“百模大战”?您认为大模型在落地应用中的关键环节是什么?对于AI Agent发展趋势怎么看?

赵占祥:全球确实有很多公司都在推出大模型,中美两国在这方面无疑具有绝对优势。观察全球的大模型市场,美国公司的推出数量最多,紧随其后的是中国公司。大模型发展初期主要是技术驱动的产物,但要使其在商业上取得成功,核心要找准并解决用户的痛点,跑通盈利模式。AI Agent也被认为是Open AI接下来的重要发力点,该公司的联合创始人曾在公开活动中表示,相较于模型训练方法,Open AI内部目前更关注AI Agent领域的变化。

AI Agent实际上可以理解为人类的人工智能助理,包括语料库、互联网信息获取、感知能力、行动能力和社会属性五个AI智能化层次。现在大模型已经掌握了整个人类互联网的知识,解决了互联网层面的问题,AI Agent则致力于解决感知和行动问题,通过多模态方式(如图片、视频、文字等)自动感知周围环境,再利用AI算法处理这些数据,最终转化为实际行动,比如To B场景中的机器人可以自动扫描发票并将金额填入报销系统,家用机器人发现花盆缺水时能自动浇水等。

至于社会属性方面,未来的AI将具备类似人的社交属性,例如参与社交互动。但这也涉及伦理问题,因为一旦AI进入人类社会,就可能产生冲突。站在全人类的角度,我们必须高度重视AI安全与伦理问题,因为当AI的能力突破某一极限,如果它真的拥有某种形式的生命或成为高级生物超越人类时,我们需要知道如何去控制它,限制其活动范围,避免对人类构成威胁。

算力生态体系

证券时报记者:中国围绕人工智能提出了《算力基础设施高质量发展行动计划》,也就《国家人工智能产业综合标准化体系建设指南》公开征求意见,请问您如何看待AI相关投资机遇?

赵占祥:未来AI领域的竞争焦点将集中于算力,而算力是一整套生态体系,因此投资机会巨大。在全球范围内,中国可能是继美国之后第二个能够从芯片、硬件、软件到整体生态全面构建ICT信息基础设施的国家。

对于算力的投资,我们需要关注整个ICT产业链,包括服务器及内部的CPU、GPU、DPU以及存储单元,实现服务器连接的交换机、光纤通信以及光模块和光芯片等。

除了硬件,我们关注操作系统及To B应用的各种软件,包括数据库、中间件等,最终延伸至用户层面的云计算服务和各类办公软件,形成一个完整的生态系统。当前,我国已在手机操作系统领域取得突破,如鸿蒙系统,国产办公软件也逐渐崭露头角,它们实际上也可视为一种AI Agent。

证券时报记者:您认为AMD等芯片同行以及云计算厂商自主研发芯片是否会对英伟达在GPU算力芯片市场的地位构成挑战?中国在AI芯片创新成功概率大么?

赵占祥:尽管有许多企业尝试挑战英伟达的地位,但现阶段英伟达仍处于主导位置,即使亚马逊、Google等企业在自研AI芯片,其核心部分仍在大量使用英伟达的GPU。

英伟达之所以能保持优势,主要得益于两点:首先,CUDA(统一计算架构)软件生态非常成熟且广泛应用,配套软件接口广泛,即便其他公司的AI芯片性能与其相当,但由于缺乏成熟的软件生态支持,在实际应用中可能难以发挥效用,并且CUDA拥有专利壁垒,其他公司希望的兼容很难做到;其次,英伟达的GPU算力不断提升,近乎形成垄断,并凭借强大的资金回收能力投入更多研发资金,形成了一道难以逾越的壁垒。

从全球视角来看,在美国之外,目前只有中国的AI芯片公司创业有可能成功。由于政策限制导致中国企业无法购买美国高端GPU,这反而促使我们建设自主的生态系统。虽然起步阶段面临困难,很多中国企业仍在使用CUDA生态,但随着国内GPU生态逐步完善,一旦适配问题得到解决,产品开始迭代升级,中国AI芯片公司有望在美国之外建立另一种生态。

证券时报记者:您如何评价当前中国AI算力公司以及中国整体AI算力的发展状况?

赵占祥:国内AI芯片公司在人才储备方面已经颇具实力,但要建立像CUDA那样的完整生态,还需要时间与大量的工程师努力进行适配,还需要客户使用,产品迭代升级,逐步构建生态。毕竟CUDA生态也是花了十年的时间才建起来的。

当前一方面需要解决软件易用性的问题,另一方面提升芯片本身的性能。这两方面都做好后,中国GPU有望达到国际先进水平,但这都需要时间,因为构建计算集群不仅要有高性能芯片,还涉及存储和互联等多个环节。

从AI芯片分类来看,目前中国在训练芯片方面与国际领先水平还有差距,但发展迅速,预计到2024年年底,许多场景将开始使用国产训练芯片;推理芯片方面,划分为云端推理和边缘端推理(如智能手机上的AI功能),尤其是在低功耗环境下实现高效能边缘侧AI,对模型轻量化的需求提升。鉴于中国在消费电子领域的优势,使得我们在AI推理细分领域具有竞争优势。

相较于美国在先进制程工艺方面的优势,中国在AI专利上更侧重于架构创新。目前,我国正积极投资创新技术,利用新型架构如存算一体来提高整体算力,并通过光电互联等新技术手段增强算力表现。

并购整合机遇

证券时报记者:结合人工智能的发展趋势,云岫资本未来在半导体领域将重点关注哪些投资机遇呢?

赵占祥:首先,我们会关注中国独立构建一套完整的ICT信息基础设施体系所带来的机会,这个体系内包含大量的半导体芯片需求及像先进封装、Chiplet这样的创新技术。

其次,我们将寻找能够形成中国完整产业链的关键技术,参考新能源汽车的发展,核心零部件国产化是中国一大产业优势。在诸如第三代半导体、先进封装等领域,凭借庞大的市场需求和全产业链优势,中国有机会在多个细分市场建立起竞争优势。

最后,云岫资本还会重视并购和整合的投资机会。近年来,随着科创板推出,许多半导体制造类企业和设计公司成功上市,并获得二级市场融资渠道。这些公司上市后募集的资金主要用于收购整合。考虑海外收购的政策障碍,我们预计未来国内半导体公司间的合并整合将会增多,毕竟中国有数万家芯片设计公司,只有极少数有机会上市,对于大多数非上市企业来说,选择并购整合可能会是最优出路。

(责任编辑:于昊阳)

商业观察网-《商业观察》杂志社官网版权与免责声明:

① 凡本网注明“来源:商业观察网或《商业观察》杂志”的所有作品,版权均属于商业观察网,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:商业观察网”。违反上述声明者,本网将追究其相关法律责任。

② 凡本网注明“来源:XXX(非商业观察网)”的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。

③ 如因作品内容、版权和其它问题需要同本网联系的,请在30日内进行。