探究智慧价值 Zoom up The Value of Intelligence
2022年是人工智能大年，随着OpenAI GPT3、StableDiffusion、MidJourney 等生成式大模型一系列的应用的发布，人工智能迎来了高光时刻。业界也从初期的兴奋期待，进而焦虑反思后，逐渐进入适应拥抱、积极参与的状态。
最近两个月，我们作为这个行业的早期的参与者，参加了很多投资机构、参与企业、行业社团举办的研讨，梳理了一套通用人工智能AGI投研框架和投资逻辑，希望对这个蓬勃向前的行业和众多亲身实践的从业人员有所助益。
投研
框架
便于记忆，我们将这个框架概括为：“三四五六七八”，即：
· 三大关键生产要素
· 四类核心价值
· 五个重点研究领域
· 六层产业链架构
· 七大典型应用场景
· 八种团队必需能力
我们希望这个框架能够从生产资料、生产力、生产关系的角度，以价值分析、领域场景分类、产业链分层等结构化的方法，更好地挖掘 AGI人工智能的潜在机会。
三大
关键生产要素
AGI的发展离不开三大关键生产的要素：
·数据：不仅关注数据总量，更要关注数据采集方式和数据质量。尤其是经过领域专家标注的高质量数据。
·算力：不仅关注GPU，也需要关注CPU TPU NPU 和GPU融合的异构计算和算力网络。
·模型：模型不只是Transformer，也需要关注不同的神经网络结构在不同场景限制下的选型匹配，没有最好的模型，只有最适合的模型。
模型训练也被称为“炼丹”，的确这个类比相当贴切：数据是原料矿石、算力就是炼丹炉、模型就是炼丹的秘籍和法术。
四大
核心价值
AGI之所以受到大量的关注，同时也引发焦虑，主要是随着人工智能的逐渐通用化，会带来四类核心的价值，我们可以从供给和需求的角度去理解：
· 降低供给成本
· 拓展供给场景
· 提升供给质量
· 放宽人才需求
上述四项核心价值，也可以以容错性高或低x通用性强或弱的十字象限加以划分，预计也会按照一定的演化路径在四个象限中向前演进。
五大
重点领域
人工智能从诞生至今的六十多年里，一直在五个重点领域深耕，我们将其总结为SUPER，分别是：
·Sensing感知：数据采集、去噪、编解码、向量化映射等预处理
·Understanding理解：分析数据并提炼数据间的关联、规律和特征
·Predicting预测：应用关联、规律和特征分布计算事件概率
·Executing执行：按照概率、规则或权重进行数据的输出
·Reinforcing演进：根据数据输出后的反馈，升级完善算法和模型
每个领域也都有大量的工作还有待完善，其中自然蕴含着大量的商业机会。我们会在后续的六层产业链和七大应用场景中展开细数。
六层
产业链架构
整个人工智能产业已经形成了复杂的生态产业链，从硬件设备到应用开发，可以分为六层：
·硬件和设备
·数据采集和预处理
·基础网络和算力管理
·开发工具和数据存储
·模型训练和调优
·交互界面和应用开发
结合之前提及的三大关键生产要素，我们会发现：
· 算力层面：追求更快的数据运算速度、更多的数据运算单元、更大的数据内存空间、更快的数据交换带宽、更低的数据传输延迟、更低的计算能耗。
·数据层面：关注数据的脱敏和去噪，通过领域专家对数据进行高质量标注、利用算法模型自动校验和标注数据。
·模型层面：降低计算的复杂度，提升并行性，完善模型的可解释性，优化结构，减少训练数据量的需求，通过数据标注进行价值观对齐。
七大
典型应用场景
在六层生态产业链的终端，也是普通人最易感知的应用层，我们可以以通用人工智能模型输入输出的数据类型为视角，将应用场景分为以下七类：
·自然语言文本
·音频和语音
·图片和三维结构
·视频流
·二进制数据流
·脚本、代码和指令
·力电热磁波等物理量
尤其值得关注的是，自然语言和文本处理是其中的核心，多模态的输入和输出，如文本生成图，文本生成视频，文本自动配音、视频元素识别、交互式虚拟人、自主式机器人，都是未来的重要应用方向。这也是 OpenAI、Meta、Google、百度、科大讯飞等企业在AGI领域所规划的演进布局。
此处也借用 Leonis Capital制作的AIGC产业地图，帮助大家更好的理解在各个应用场景和参与者。
创业团队
八项能力
通用人工智能方向有其特殊性，因此对于创业或项目团队，除了通用的识人用人、协作互信、精准沟通、商业拓展能力外，还需要具备以下八种能力：
·战略选择和战术制定：行业处于快速爆发期，诱惑很多，要学会选择和取舍，要有能力明确目标、制定适合自己的战术计划，避免过于贪心，进退失据，战术失焦。
·资源协调和风险控制：行业生态复杂，不可能一家全做完，部分资源紧缺，要适当借力。也要关注相关政策和上下游生态，控制外部风险。
·交付质量和效率管理：产品和服务的交付质量是核心，尤其在容错性低的应用场景，低质量的交付会引发巨大的灾难
·需求挖掘和方案匹配：产品市场匹配（PMF）永远是创业团队的必修课，尤其在市场处于导入阶段的快速爆发期，行业充满杂音、客户也缺少明确的认知。
·架构设计和算力调优：行业发展极快，新技术新方法不断涌现，好的架构设计能支持更高效的训练调优，同时控制成本，降低风险，也能支持未来的扩展。
·基础算法和数据研究：从原理上理解算法和模型在训练和推理中对数据的利用方式，设计合理的数据采集、处理、存储、标注、传输方式，优化模型所需的数据量、质、流。
·细分领域的深度思考：对于重点的领域，要成为领域专家，深入了解数据的采集方式、噪音成因、特征分布、标注流程，构建领域数据、信息、知识的体系。
·跨领域的迁移学习：团队不可能在每个领域都有专家，需要快速的学习新领域的知识，不论是学习客户应用场景 还是 学习新的工具、算力设备或算法思路。
谢谢阅读
THANKS FOR READING
上述就是我们总结，感谢您的阅读，也希望您能及时指出我们的错漏，帮助我们一起成长。完整图文版，请关注公众号，并在后台留下联系方式，我们会统一发送给您。
ABOUT VALUEZ
关于我们
由多位资深合伙人创立的企业战略和科技投资智库。合伙人涵盖了连续创业者、增长黑客、企业战略和团队教练、人才和组织发展、财务风控和合规等多个领域专家。我们持续关注人工智能、集成电路、智能制造、新能源等科技领域的技术演进和产业链发展，坚持以第一性原理剖析评估新趋势、新技术和新方案。我们为投资机构、创业团队、技术管理者，提供以下服务：
• 技术尽调评估和选型建议
• 董事会战略教练
• 高效团队教练
• 组织发展建议
• 财税合规建议
Zoom up The Value of Intelligence