从大模型迈向AI Agent 资本深度掘金算力生态链

　　证券时报记者 阮润生

　　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(8.500, 0.26, 3.16%)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。