行业与公司 * 报告主题为人工智能行业 特别是对当前普遍认知的AI神话与现实进行检验 [1][2] * 报告由Bernstein研究团队发布 属于其年度Bernstein University系列的一部分 [1][7] 核心观点与论据 AI的价值焦点与未来方向 * 当前AI的价值焦点并非仅限于大型语言模型和芯片 真正的价值正转向应用层AI和智能体AI [8][9] * 未来AI的关键发展方向是智能体AI 即具备独立规划、记忆和行动能力的系统 [2] * 主权AI将推动数据中心需求激增 电力公司、冷却解决方案、房地产和传输网络将成为下一级受益者 [2][11] * 2025年第三季度 应用AI领域的投资达到174亿美元 同比增长47% [9] AI生产力提升的现实挑战 * AI并非能为所有采用者带来立竿见影的生产力提升 其收益遵循J型曲线 初期效率可能下降 [14][16] * 企业级生成式AI采用仍处于早期阶段 美国一项调查显示采用率仅为23% 且使用频率不高 在用户中 不到一半的人承认定期使用生成式AI [15] * 采用AI的初期 企业平均每位员工每周节省的时间仅为30分钟 效果微不足道 [15] * 美国人口普查局对数千家制造企业的调查发现 采用AI解决方案的组织在最初几个月的生产力实际上下降了1.33% 在调整了早期采用者偏差后 初始阶段的生产力下降幅度甚至高达60% [16] * 规模较大、历史较长的公司在采用AI时损失更大 因其流程惯性更强 [16] AI领域的竞争格局与进入壁垒 * 基础模型领域可能形成双头垄断或寡头垄断格局 巨大的资本需求和计算能力需求将参与者限制在少数资源雄厚的科技巨头内 [3][32] * 训练顶级模型的成本急剧上升 ChatGPT 3的估计训练成本为300万美元 而ChatGPT 4的估计成本在4100万至7800万美元之间 [32] * 尽管达到特定能力水平的成本在下降 例如 在MMLU测试中达到60%分数所需参数从2022年4月的5400亿个降至2024年4月的38亿个 查询成本从每百万令牌20美元降至7美分 但顶级模型的竞争壁垒仍在不断提高 [33][36] 地缘政治与数据优势 * AI将成为保护主义和国际竞争的新战场 中美两国都在采取措施加强自身AI生态系统并限制对方 access [27][28] * 各国正推动主权AI 即利用本国基础设施、数据和劳动力生产AI的能力 法国和印度是除中美外的例子 [29] * 在基础模型性能上 中美模型之间的差距正在迅速缩小 [31] * 对于企业级部署 关键的竞争优势并非拥有最好的LLM 而是数据护城河 即可用于微调AI解决方案的内部数据量 [5][57] AI投资历史与关注点起源 * AI投资热潮并非始于2022年ChatGPT发布 企业AI投资的最高峰实际上发生在2021年 并在2017年后开始加速 [44][53] * 生成式AI的私人投资在2021年出现最大增幅 达到145亿美元 2024年仅为略超此水平 [53][54] * 当前AI浪潮的关键驱动因素包括Transformer模型的出现、每年产生的海量数据以及计算能力的提升 [43][55] * 近80%有史以来生成的数据都产生于本十年内 [55] 提示工程的局限性 * 有效使用LLMs并非仅关乎提示技巧 提示工程本身是一项繁琐的任务 且没有万能钥匙 [59][60] * 向模型提供过多信息会导致答案准确性下降 超过一定程度反而会增加幻觉风险 [60][62] 其他重要内容 * 报告通过7个常见认知的检验来阐述观点 旨在澄清市场预期与运营现实之间的危险鸿沟 [7] * 报告包含大量图表数据支持其论点 例如AI采用阶段、生产力J型曲线、模型性能比较等 [12][18][23][25][30][35][38][50][56]