未来已来！

元宇宙、人工智能、脑机接口、机器人，这些曾出现在科幻电影中的黑科技，如今已悄然来到我们身边，并服务着我们的生产、生活。这些“黑科技”的到来，不仅仅是科技的革新，更是生产力的质变。作为新质生产力的组成部分，它们正在重塑产业结构，推动经济增长，深刻改变着我们的工作与生活。

2023年9月，习近平总书记在黑龙江考察时，提出了“新质生产力”的概念，重点是要推进产业的数字化转型，或者可以称为新型动能转换。

新质生产力的“质”包括两个层面：一个是产业的高质量发展，另一个是围绕数据要素、AI大模型以及生成式人工智能为代表的通用人工智能，实现自主决策、自我识别，从而实现数字化率的提升。

新质生产力的“质”，与传统生产力有着本质的区别。传统的生产力，更多的是围绕提高劳动产出率而进行，新质生产力则是提高数字转化率。

那么包括大模型、机器人等“黑科技”将如何助力产业数字化转型，如何驱动未来？

2023年是大模型集中爆发的一年，各种人工智能产品层出不穷，最大的影响莫过于让“数字中点”提前10年到来。

所谓“数字中点”，即各行业的数字化率达到50%的程度。此前，业内普遍认为，这一时间点将在2040年左右到来。但通过大模型到数据智能，我们预测，“数字中点”的目标将提前整整10年实现。事实上，数据智能解决的是数据量损耗与数据枯竭的问题，有了数据智能，就能够不间断地生成新的数据供大模型进行预训练处理。 

而到了2035年，数字化的渗透率或将达到52%，彼时数字化广告、AR/VR、媒体电影、淘宝、京东商城等2C端的AI使用率将越来越高；在B端，智能制造的渗透率也会达到28%左右。

有人会有疑问，为什么2B端的大模型渗透率要远远低于2C端？其实这与大模型的应用场景有很大的关系。

比如在医疗领域，数据的协同率一直是瓶颈，同一患者在甲医院的A病病历与在乙医院的B病病历很难打通，因为涉及到患者隐私、医疗系统数据协同等种种问题，这导致大模型的预训练能力较弱，因而渗透率相对较低。

这些年，数字经济改变了我们生活的方方面面，但你不知道的是，目前数字化率在2020年时仅15%左右，到2024年预计也就提高2%～3%个百分点。但是，当数字化率达到50%左右，效率将大幅提升。

目前，在很多场景已经实现了人工智能参与决策，不需要人的参与。比如京东商城，消费者在线上下单后，从仓库到物流，整个过程已经完全自动化，有些工厂的部分工序也已实现了“黑灯工厂”。

事实上，数字化的渗透率具有“长尾效应”的特点，前期提升的速度很慢，越到后期将会有指数级的增长，只要实现了数据的可复制性，就可以批量进行。

目前我们正处在数字化的“前期”，比如现在各行各业都在做自己的大模型，正所谓“千模大战”，实际上做的是基模型的预训练处理阶段。大模型的发展分为四个阶段：第一阶段是基模型，第二阶段是通用模型，第三阶段是垂直模型，第四阶段是行业应用。而大模型实现真正的行业应用，这就要求至少要有一个通用模型和一个垂直模型。

我们可以把这四个阶段用移动互联网做类比。基模型就是计算机语言或底层技术，通用模型可以看作是安卓或苹果这类操作系统，而垂直模型就是智能手机上各种APP，最终形成各种应用。

基模型和通用模型可以看成底座，形成行业标准与共识的企业数量不会太多，但一定会有新的“黑马”或“独角兽”企业最终拥有非常高的市场占有率。而垂直模型未来则将呈现“百花齐放”的形态，但每个垂直大模型的市占率不高，只适用于个别场景。

基模型预训练处理阶段，主要任务是设计测试大模型需要用到多少GPU、需要怎样的带宽网络，如何在此基础上减少GPU配置，毕竟GPU数量越多，能耗就越大，这就要求我们必须考虑绿色发展的问题。当我们有了丰富的互联网基础，大模型的几个阶段是可以同步进行。

大模型的广泛应用，将带来产业的数字化与数字产业化。

目前在国内，通信业等行业的智能化程度相对较高，但化工等行业几乎每个条线都有工人进行基础工作。因此，现在很多行业亟需进行一整套数字化设备和系统配置，以实现传统产业的数字化提升与转型，即产业的数字化，就是把没有数字化的产业数字化；而数字的产业化，则需要对数字产业进行规模化的提升，形成一系列如芯片、高算力的操作系统、上下游应用等，形成一整套有一定产值规模的产业，这些产业在GDP的占比中有大量的贡献值，至少是万亿级规模，以形成真正的产业。然而，目前数字产业仅仅是千亿级规模，还没有渗透到生产端或国民生产的各个环节，所以还不能称为“完全产业化”。

面对产业的数字化与数字的产业化转型，其中的机会非常多，我相信，在这一过程中一定会有新的公司诞生，且这些公司将影响整个行业，代表一个时代，奠定数字经济时代和智能时代的技术逻辑，并且会有大量的跟随者。

中国企业要想成为“引领型企业”，现阶段的重点要深耕基础算法和核心技术研发，这是留给技术型公司的机会。当下很多潜心做研发的企业，目前市场对它们不是特别友好，连年亏损导致融资困难，这一系列的问题都是企业成长过程中必须经历的，但我相信，真正做底层技术的企业，一定会占领未来市场的制高点。

中国有很丰富的数字经济应用场景，人口基数大，2C、2B、2G各个领域对于数字化的接受程度都很高，都愿意做数字化的改造，可以说市场的机会很多。不过，这其中的挑战也是较大，毕竟目前的技术、产品需要一定的数理基础，而中国并不是这些数理基础最先的发现者。中国人的学习能力和研发韧性非常强，在不远的将来，一定会有优秀的中国企业引领全球科技潮流。

大模型时代，开发者的生产力将得到释放，形成AI的新“二八定律”。

没有人工智能的时代，或者说“互联网+之前的时代”，100%的程序都是由程序员来写。而在小模型阶段，模型还没有发展到特别智能的阶段，即特别的人工智能阶段，有20%的代码是大模型来写，80%的代码由程序员写。然而，未来大模型阶段，80%的代码由大模型创作，20%的代码由人工进行调试，即新“二八定律”。

新“二八定律”会让程序员写代码更加高效、精准。现阶段，假如一位资深程序员离职了，他曾写的代码其他人往往是看不懂的，如果这段代码有Bug，此时修改代码就跟写代码差不多。而大模型时代，这种问题将不复存在。

也许有人会担心，人工智能时代，人类的基础工作被机器所取代，人类还能做什么？会不会导致失业潮的来临？其实我们大可不必有这样的担心，人工智能取代不了人类的创新性工作，它只是工具，将更好地为人类服务，我们完全可以驾驭各种人工智能体（AI Agent）。

随着数字化程度越高，工作将变得更加便捷，过去需要技术人员做内容，等技术工作，未来大模型都可以实现。比如，现在有大量的80后、90后程序员写代码，大模型可以帮助他们发现代码中的错误，减少了自然人的劳动量；未来，10后、20后或许就不用学写代码，只需要有想法、有创意，大模型就能够帮助他们写出代码，创造应用、人工智能体等。

如果说人类的工作可以用“金字塔”来展示，底层是“工作人”，做事务性的工作；中间是做贯穿和指引工作的人，最上面是思维领袖。人工智能时代，人类需要更多的思维领袖，由他们来做思想与概念的贯彻与提出，由此推动人类的思维方式的改变。

人工智能分为基础层、技术层与应用层。过去，国内人工智能产业大部分聚焦在应用层面，然而，附加值最高的是基础层。现在越来越多的国内企业正向附加值较高的技术层转变，其中有少部分企业已经突破到技术层。

未来的人工智能，是“长风破浪会有时，直挂云帆济沧海”的久久为功，是“大鹏一日同风起，扶摇直上九万里”的及锋而试。

来源 | 《商学院》杂志2024年5月刊

作者 | 邹德宝系工业和信息化部赛迪研究院人工智能与大数据研究中心常务副总经理

本刊记者朱耘采访整理