文章核心观点 - 人工智能行业的发展是动态、螺旋式上升的过程，其核心驱动力是远大目标与当前资源技术之间的“渗透压”差距 [7][8][18] - 大模型是实现人工智能的一种关键技术路径，通用大模型是主流方向，专业/垂直模型存在悖论，行业竞争格局将向头部收敛 [23][24][25] - 中美两国在AI发展上呈现不同路径：美国追求极致创新与高度，中国强调技术普惠、产业落地与商业化效率 [37] - 智谱公司作为中国通用大模型厂商，其商业模式是MaaS，并认为该模式在长期将演变为社会智能基础设施，公司优势在于对AGI的早期认知、技术聚焦与研发能力 [39][41][47][50] AI的发展历程与本质 - AI的本质目标是用技术方法模拟人类智能以服务人类，其内涵随技术市场变化而演进，但核心目标未变 [2] - AI发展经历多次起落，公认有三次（或四次）浪潮，这是技术发展中的正常规律 [4] - 早期AI的局限性包括计算能力差、数据缺乏以及符号学派方法的局限，导致了第一次AI寒冬 [6] - 从感知机到专家系统，再到深度学习，AI的实现方法不断演进，其思想源头可追溯至通过数据迭代学习的机器学习 [5][10][13] - 计算设备（算力）和数据是AI发展的关键前提，分别相当于发动机和燃料 [14] - 2017年的Transformer论文是重要转折点，促使OpenAI等转向大模型研究，GPT-3的出现被视作技术范式的转折点 [15][16][17] - AI发展在算力、数据、算法三要素上存在动态的瓶颈循环，推动技术螺旋式上升 [18] 大模型技术与竞争格局 - 大模型指参数规模巨大的深度神经网络模型，参数量可达千万至上千亿级别 [23] - 通用大模型与专业/垂直模型的分类存在悖论：若有专业数据，加入通用模型训练效果更优；专业小模型的能力未必强于加入专业数据的通用模型 [23] - 通用大模型行业的参与门槛高，由于资源投入巨大，竞争格局将向头部收敛，但中短期内不会只剩一家，技术多样性是进步动力 [24][25] - 造成各家大模型差异的因素包括算力、数据和算法，其中算法创新更为根本 [26] - 大模型技术仍在快速增长阶段，技术溢价高，创新活跃，尚未进入低价竞争模式 [48] AI的应用现状与未来 - AI正在并将在日常生活中带来巨大变化，已渗透至办公、购物等场景 [26] - 在工业与医药等行业，AI已带来深刻变革，如辅助药物设计、预测蛋白质结构等，有望降低新药研发成本与周期 [27] - AI在医疗领域可辅助医生进行诊断、研判和知识支持 [28] - 自动驾驶是AI的重要应用方向，其发展取决于对“完全自动驾驶”的定义，是一个不断逼近目标的过程 [29] - AI与人类的关系是复杂的协同进化关系，AI可能刺激人类加速进化，而非简单的替代 [33] - 当前大模型处于AGI发展路径中的“自我学习”阶段，与人类智能的关键差距在于缺乏自我意识 [34] 中美AI发展路径对比 - 美国AI发展路径：追求极致创新与高度，通过资本聚集在头部玩家进行大量投入，专注于0到1的突破 [37] - 中国AI发展路径：强调技术创新与产业落地并重，追求确定性和普惠，注重将AI成果转化为经济价值，赋能千行百业，更侧重于1到10和10到100的推广与应用 [37] 智谱的商业模式与战略 - 智谱的商业模式是MaaS，将模型本身作为一种服务提供给客户 [39] - MaaS模式被认为是当前大模型商业化较靠谱的路径，并可能在长期演变为标准化、易于获取的社会智能基础设施 [40][41] - 公司业务聚焦于通用大模型与AGI目标，同时涉足上层应用，主要客户包括头部互联网公司及三星等，解决如跨语言内容翻译、端侧智能隐私保护等实际问题 [42][44] - 公司的长期优势在于对AI的早期领先认知、在通用大模型领域的极度聚焦以及顶尖的研发能力 [47] - 公司认为研发投入的首要目的是保持基础模型能力的持续领先优势，这是所有商业化的根本 [49] - 面对大厂竞争，公司在算力投入上不具优势，但在算法、研发能力及对AGI的深度理解上具备强项，且大厂的投入也非无上限 [50] - 公司当前商业化重点在B端市场，认为从第一性原理看，服务企业与个人在技术产品层面无本质差别，价值在于生产力转换 [52]