前言
        如果说“AI+”是未来的发展趋势，那么在受AI影响最大的地方或许也能看见新的机会。

        2016年，DeepMind开发的AlphaGo横空出世，彻底引爆了全球人工智能发展热潮，此后，以机器学习，尤其是深度学习为代表的新一代人工智能在更加先进、复杂、自主的方向上取得了突破性进展，给经济和社会发展带来了新的变革与机遇。
        纵观人工智能诞生的60年间，我们先后经历了Pre-AI时代、黄金时代、第一次低谷、第二次繁荣、第二次低谷，目前我们正处在人工智能的第三次浪潮之中。
        同时，互联网的流量时代翻篇，从增量市场转变为存量市场，人口红利已经成为过去式。以抖音、快手为代表的一众短视频平台所打造的时长红利也即将见顶。
        而互联网兴起所产生的海量数据、硬件技术的发展变革以及摩尔定律带来计算力突飞猛进，推动了深度学习技术在人工智能领域的普及，并促进了语音识别、图像识别等技术快速发展并且迅速产业化。有人认为，发展人工智能，释放效率红利正是整个互联网都在寻找的新第二增长曲线。
        另从国家层面上讲，中美政府都把人工智能作为未来主导型战略。在2017 年，人工智能首次被写入国务院的《政府工作报告》，正式进入国家战略层面。去年，我国政府又先后颁布了一系列行动计划和纲要，继续从顶层设计层面对人工智能的发展进行整体推进。在“十四五”规划纲要中，明确了人工智能将成为建设创新型国家，实现新型工业化、信息化，推动经济高质量发展的最有力助推器之一。
        根据Tortoise Intelligence报告，2021年AI投资总额达到775亿美元，较去年360亿美元同比增加了115%，这是20年来人工智能投资同比增长最大的一年。恰逢硬科技时代的到来，不少投资人都认为人工智能在2022年整体将呈现乐观趋势。

        本文将根据投资蒙钛奇与多位投资机构合伙人的对话，解析以下三个方面的问题：
1 、2022年，人工智能的投资逻辑是什么？
2、人工智能赛道的新机遇在哪里？
3、中国人工智能能否实现弯道超车？

2022年，人工智能投资逻辑是什么？
        近几年来，大家对整个AI的基础能力与算法数据的认知都在不断深化。蓝驰创投投资合伙人石建平从宏观层面对投资蒙钛奇讲述了人工智能领域投资的三个逻辑点。
        第一个是更关注视觉和语音向行业更深层次的渗透发展，例如深化行业里的应用。人工智能无论从工具层面或是应用层面，都是效率提升的重要驱动力。以往大家对AI的应用场景的印象可能还停留在人脸识别、视觉等方面，但石建平认为，随着AI的持续渗透，未来在各个行业里的深化和普及都会大大提升。例如在工业行业里，人工智能可以在设计、智能决策上提供很大的帮助。
        第二个是“AI+”有望成为新的业态，曾经“互联网+”的出现，对经济发展产生了重要影响。尤其是AI+科学，AI和科学是人类认识自然世界物理规律的两种不同范式。例如由百度创始人李彦宏发起创立的生物计算引擎驱动的创新药物研发平台百图生科（BioMap）就是AI+药物发现的例子。
        百图生科将先进AI技术与前沿生物技术相结合，通过高精准AI抗体设计，实现世界领先的蛋白质预训练技术，建立对抗体药物亲和力、稳定性等关键参数的预测能力。在此基础上，通过干湿闭环实验的主动、强化学习手段，大大加速抗体药物的设计和理解过程。再利用超大规模图神经网络，从海量生物数据中提取高维度的靶点与疾病关联规律，将所收集的高质量验证数据与AI技术结合，实现高效新药发现。
        另外包括AI+材料，在材料方面有很大的推进作用，石建平认为这是人工智能与科学的一次有机结合，用第一性原理与人工智能融合，做更广领域的渗透，会持续发现新的场景突破。
        第三，AI技术底层逻辑仍然存在挑战。整个AI的底层工具发展至今天，由于AI底层工具的壁垒较高，人工智能想要真正做到普及化还面临着很大的挑战。不过在底层AI的基础能力上，石建平相信还会持续迭代和演进，包括近期大家特别关注的通用模型、大模型、高性能计算等领域，对AI的持续发展提供重要的基础能力，也会推动AI与知识图谱更好的结合，帮助人工智能进入一个平民化的时代。
        细化到项目本身，九合创投合伙人谢振亮向投资蒙钛奇表示，关于人工智能的投资并不局限某一个细分赛道，而是主要看项目本身的技术含量、落地场景结合度、市场空间以及团队人员结构是否“强大”等综合因素来评判。
        换一种方式来理解，可以认为人工智能各大细分赛道无论是无人驾驶、机器人、医疗、金融或者其他领域，放眼未来都会爆发巨大的社会效益。

未来人工智能新机遇在哪里？
        在与机构交谈中，谈及人工智能未来的机会，更多投资人会专注于目前的卡点，认为解决卡点就是未来的机会。而现在大家讨论最多的一个问题是人工智能的可解释性。
        2021年11月，联合国UNESCO通过的首个全球性AI伦理协议《人工智能伦理建议书》（Recommendation on the ethics of artificial intelligence）中，提出十大AI原则，其中就包括“透明性与可解释性”。
        现在很多AI应用其背后的算法的工作方式和算法训练数据是未知的，这种未知到了社会运转中非常关键，尤其是在医疗、自动驾驶等与生命安全直接挂钩的领域，以及公众比较敏感的隐私问题。可解释性也是这几年一直没有太大突破的地方。

        在腾讯研究院发表的《可解释性发展报告2022》中总结了5个可解释性AI的意义：
1、帮助用户增强对AI系统的信心与信任。
2、防止偏见，促进算法公平。
3、满足监管标准或政策需求。
4、理解和验证AI系统的输出，推动系统设计的改进。
5、帮助评估风险、鲁棒性和脆弱性。

        换言之，可解释AI主要是面向直接用户、政策和监管部门、科研研究以及公众这四个群体。眼下，可解释性成为AI亟需迈过的一道“坎”。
        如果说“AI+”是未来的发展趋势，那么在受AI影响最大的地方或许也能看见新的机会。
        谢振亮认为，受AI发展影响最大的行业集中在早期自动驾驶、汽车相关的领域另外从整体行业角度来看受影响较大的是医疗行业，尤其是在AI辅助制药、医疗影像等领域。
        石建平则告诉投资蒙钛奇，受人工智能影响最大的有两个部分，首先是所有行业中数字化转型累计数据积累相对较多的企业，其次是相对毛利较高的企业。实际上每个行业都有符合这两个前置条件的企业，也就是说每个产业都有新机会。从未来五年的角度来说，除了互联网等一些容易获取数据的企业外，还会下沉到一些所谓的传统企业，甚至还会渗透更多到第一第二产业里去，为社会创造更多机会与价值。
        提及商用空间和成熟度，眼下图像、音频领域的应用更为成熟，包括自动驾驶、安防、人脸识别、翻译、语音合成等。
        再一个是NLP，人机对话在类似Open AI这样的超大模型里，实际上语言生成能力已经达到较高水平了，但眼下NLP还不够成熟，一些逻辑性思考与连接上下文能力还有待提升。不过正因为不成熟，模型还在迭代优化中，相对图像和音频来说，有更大的机会，通用性对话会是一个突破口。

展望未来，中国能否实现弯道超车？
        由于冬奥会的成功举办，人工智能也成为近期冬奥的热门话题之一。从冬奥手语播报数字人、可穿戴式体温计、滑雪场AI哨兵，到AI裁判以及一系列智能机器人成为全平台争相报道的内容，平时少与AI打交道的朋友也在转发评论。
        尽管对于从事人工智能赛道的人来说，冬奥中的一些AI应用可能只是针对一些场景做了特殊优化，但经过此次冬奥会的宣传，提高了大众对于人工智能的认知度，并且不限于中国公民，凭借冬奥会的影响力，还培养了世界公民让人工智能成为生活一部分的习惯。而这还只是刚刚开始，逐渐渗透也是人工智能发展的必要路径。
        依赖人工智能生活习惯的建立，能够帮助人工智能开发To C这个大市场，也对应人工智能平民化的呼声。To C领域有许多应用和场景，甚至可以颠覆人类的娱乐方式，例如近一年火爆的元宇宙和虚拟数字人等等。但在技术不够成熟的情况下，To C会比To B慢，B端的接受能力会更强。石建平认为，目前国家正在向硬科技领域做导向，对于整个社会的影响来说，To B可能是更能创造价值的一件事。
        从外部性因素层面出发，硬科技实力已经成为大国博弈的关键点。就客观事实而言，相对于光刻机等偏工程领域的技术来说，在人工智能包括云计算等领域，中美差距并不大，多位投资人均表示，看好中国未来科研能力。
        对于这样的情况，石建平向投资蒙钛奇表示，中国有相当多的优势，首先是场景和规模都可以说是世界最大的。从单一国家的贡献力来说，中国也是非常领先的，加之中国更愿意在新事物领域做尝试。
        同时，在人工智能研究领域华人占据了半壁江山，论文发表方面，黄煦涛老先生以 1477 篇居首位；论文被引用数统计中，韩家炜、吴恩达、孙剑、何恺明等排名前列，分别都有 6 万以上的被引数。
        中国拥有丰富的场景和充足的人才储备，因此，石建平相信中国能出现一些世界级的产品。至于中国能否实现弯道超车，这需要很多人的努力，目前我们面临的挑战在于原始创新。
        回到2022年的投资展望，依旧在工具、基础建设层面以及行业渗透层面，随着大家认知度不断地的提高，生产价值也会愈发明显，乐观地看待人工智能行业实际上是一种理性行为。
        至于能够颠覆一切的新算法框架何时才会出现，我们无从预测，只能在人工智能质变和爆发的前夜，提前做好准备，迎接这一天的到来。