「研究深一度」变形金刚？擎天柱？研究员带你走进现实版AI全宇宙

变形金刚、擎天柱、伏羲、盘古……它们会在同一时空出现吗？在人工智能的世界里，不用穿越就可以做到，因为它们是最前沿的机器人、算力、芯片和大模型，代表了最先进的科技生产力。

今年4月，我们推出了中欧科技战队，走近科技投资背后的调研一线。这几个月来，中欧科技研究团队依然步履不停。在上周末刚刚结束的2023年世界人工智能大会上，中欧基金科技研究团队负责人杜厚良带着大家走进现实版的AI全宇宙，深度解读机器人、大模型展台背后的高精尖技术与国内外发展趋势。

你知道吗？当今AI领域的当红炸子鸡——大模型都是基于谷歌提出的Transformer（变形金刚）架构；目前最受瞩目的人形机器人是特斯拉的 Optimus（擎天柱）；国产“盘古大模型”的垂直B端应用场景已覆盖金融、制造、医药研发、煤矿、铁路等各行各业。

世界人工智能大会上，有人看热闹，有人看门道。今天，一起跟着中欧科技研究员来个深度逛展吧！

本次大会最令人兴奋的是智能机器人展示——万众瞩目的特斯拉人形机器人擎天柱将在国内首次面向公众亮相。

很遗憾，现场的“擎天柱”没有像官方视频里那样动起来，但是我们的科技研究员带来了机器人酷炫外形下的专业内核解读。

视频加载中...

从软件能力来看，人形机器人需要具备三方面能力——文字语义、机器视觉、运动控制，其中最难的就是运动控制。其背后的支撑技术包括大语言模型、自动驾驶技术以及运动、力控算法。机器人运动控制技术已经发展多年，据说“擎天柱”的运动控制可以精准而轻柔，“落脚”甚至不会打碎鸡蛋。

从硬件能力来看，人形机器人主要由控制器、伺服电机、谐波减速器和传感器构成，这对机械和电子零部件提出了较高的要求，其中也蕴藏了国内配套产业链发展的大量机会。

通用型人形机器人最大的优势在于与现实世界的交互，简单来说就是通过训练和算法让机器人认知真实的物理世界——达到人类在语言、视觉、力觉等各维度的能力水平。这些机器认知水平的提升，将在自然语言处理、计算机视觉、机器学习、人机交互等细分领域带动相关投资机会涌现。

在劳动力成本不断上升的背景下，在业界看来，未来通用型智能人形机器人可以替代人类完成各类重复、危险的工作，机器人也将从制造业走向服务业，从工厂生产走向日常的服务场景，从B端走向C端。AI的发展在不断拓展机器人应用的边界，我们同样期待人形机器人不断迭代，抵达它的“iPhone4时刻”。

今年以来大火的AIGC大模型都是基于谷歌在2017年发布的一篇论文中提到的Transformer（变形金刚）架构。如果没有“变形金刚”，多行并联不再成为可能，也无法积极调用整体算力。

此次谷歌在世界人工智能大会的展台十分低调简单，其真正的技术含金量还需听资深科技研究员娓娓道来。

视频加载中...

如果要发展大模型，算力、算法、数据三个要素缺一不可。而决定算力水平的是AI芯片，芯片设计制造是一门综合科学，需要长期持续的投入以及全产业链配套，也带来了丰富的投资机会。杜厚良认为，国内龙头企业研发芯片的算力参数与海外头部的差距并不大，真正的差距还是在软件调用生态和多卡并联架构下的算力调动。目前在国内一些自主可控领域，国产芯片已经得到了一定应用。

从全球来看，通用大模型to C端的头部玩家分别是OpenAI的ChatGPT、谷歌的PaLM 2和Meta的LlaMA。前两者是闭源大模型，最后一个是开源大模型。我们已经开始期待，年底全球最先进的大模型能达到4.5水平。由于我国发展大模型相对较晚，目前国内大模型大部分是基于LlaMA做开源的迭代，真正从底层基座开始自研大模型的仍是几家头部互联网大厂。

伴随从底层基座完全自研的国内大模型厂商水平不断向GPT3.5、4.0迈进，必将“卷”动国产高端AI芯片以及上下游产业链加速发展。

逛展涨知识，我们在研究员的讲解下，搭建起了一点点在人工智能领域的“知识基座”。那么如何看待基于底座的进阶应用——人工智能及其产业链？来看一看中欧科技研究团队的回答。

中欧科技研究团队：目前国内外人形机器人更多是在实验室、展馆等场景作为研究和展示用途，仍是在固定场景下的“专用智能”，远期人形机器人一定是从专用智能走向通用智能，从机器人训练的角度，人形机器人更大概率先在工厂落地进行功能上训练迭代，再进一步走向C端的商业场景。

中欧科技研究团队：Elon musk在此次人工智能大会的寄语中提到，未来机器人的数量会超过人类的数量，其计算能力要远远超过人类，这一定是长期的趋势，不过产业的发展依然在依托我们利用transformer等架构在机器视觉和运动控制的突破。中期来看，在一些工商业环境中，机器人代替人去完成一些重复乏味、复杂艰苦的工作是可以预期的。目前来看，我国人形机器人的发展距离海外还有一定差距。

中欧科技研究团队：目前在用于大模型训练的场景中，英伟达凭借自身的单卡算力、卡间互连速率、软件生态丰富度等优势在国内外占据市场绝对领先地位。

国内AI芯片起步相对较晚，以海思、寒武纪为代表的头部AI芯片设计团队正在加速研发和追赶，目前在单卡算力方面已经逼近英伟达的主力产品，但是在卡间互连和生态等维度相比英伟达还有明显差距。同时国产高端AI芯片在发展中也面临着制造端的限制，需要配合国产半导体先进制程生产制造的攻坚。

中欧科技研究团队：算力、模型和数据是AI发展的三大要素，其中AI芯片是算力的核心，除了AI芯片，光模块和交换机同样也是算力底座的重要组成部分。

在大模型训练过程中，由于参数量较大，往往要涉及服务器内部、跨服务器甚至跨集群的AI芯片互连，对于整个系统的高传输带宽有更高的要求，也带动了光模块和交换机用量的爆发以及产品向更高速率升级。

同时，在今明两年800G光模块需求爆发式增长的过程中，核心芯片的国产替代趋势值得关注。

中欧科技研究团队：ChatGPT的发布推动了生成式AI向前迈进了一大步。生成式AI模型需要大量的数据进行训练，直接催生了对GPU算力的大规模需求。光模块作为算力基础设施中不可或缺的一环，在底层算力芯片单卡算力升级和用量提升的过程中实现了从400G向800G的产品升级和用量爆发式增长。

中欧科技研究团队：从年初ChatGPT在国内爆火到现在，以互联网为首的众多公司纷纷加入到大模型研发的浪潮中，陆续发布了对应的大模型产品。而在大模型新品中，既有通用大模型，也有专注细分行业的行业大模型。截至5月底，国内10亿级参数规模以上的大模型就已经发布了79个，研发主体除了互联网，还包括头部软硬件大厂、初创企业、电信运营商等。

从能力来看，根据真格基金的对比测评结果，头部的模型在基础能力部分回答准确率已经达到70%左右水平，虽然相比GPT-4的95%和GPT-3.5的92%尚有差距，但对比初始版本的结果，可以看到过去几个月国产大模型在基础、涌现和垂直能力方面已经有了全面的进步，也让我们对国产大模型未来有了更强的信心。

中欧科技研究团队：自动驾驶通常可以按照驾驶主体和智能程度分为L0到L5六个等级，L0对应无任何自动驾驶能力，L1-L2被称为“驾驶辅助系统”，在此阶段对车起主导作用的仍然是人，从L3开始才是真正意义上的自动驾驶，驾驶的主体从人逐渐过渡到汽车自身。

目前，随着硬件平台和自动驾驶软件算法逐步成熟，L2级别功能部件已经基本成为汽车前装的标配。但由于相关法律和标准尚未落地，尽管当前从部分车企的软硬件准备来看已经具备了L3级别的自动驾驶能力，但在开放式的城市道路上还不能充分施展。因此，L3及以上自动驾驶的全面应用一方面离不开以自动驾驶芯片、算法、高精地图、传感器等核心软硬件的迭代升级，同时也需要技术标准和监管细则的同步落地，预计在5-10年的维度能看到革命性的突破。

感谢中欧研究员虞锦源、薛承沛对此文贡献