如何获得AI时代的船票？
错过时代的代价是什么？
比较惨的可能是柯达这类，早已不见身影。
好一点的可能类似百度和微软，它们都曾错过移动物联网的时代，但凭借现金流良好，中间的日子也能将就着过。
微软股价为此横盘十几年，差点被踢出科技巨头讨论范畴，好在新CEO纳德拉力挽狂澜，现在依旧巨头。
而百度曾是国内BAT领头，现在和其他两个兄弟已经无法同日而语。阿里力推手机淘宝完成转型，腾讯则凭借微信拿到了移动互联网的船票。现在百度打算all in AI夺回落后的时光。
随着AI时代的临近，对众多企业而言，这张AI时代船票应该如何获得？
一、新的硬件形式
现在AI的参与思路大多是内置在原来的产品当中，提高运作效率。
基于现有的资源，将最容易改进的地方进行改进，是新技术出现时的初级阶段。
而如果随着AI更加智能，当前智能手机这个“身体”已经难以显示出更加智能化的表现，势必需要新的硬件形式来承接AI与过去时代的区别。智能手机的发展已经到了瓶颈好些年了，几乎无法有令人眼前一亮的极具创新性的变化。
智能手机虽然已经很智能，但是还有很多局限性和不足。比如，智能手机的屏幕大小、电池续航、数据传输速度等都会影响用户的体验和效率。而且，智能手机的交互方式主要是触摸屏和语音，还不能充分利用人类的其他感官和动作，比如视觉、听觉、嗅觉、手势等。未来的硬件形式应该更加多样化、灵活化和智能化，能够适应不同的场景和需求，提供更加自然、便捷和高效的人机交互方式。
就像智能机区别于过去诺基亚按键机，按键机区别于BB机，类似AR/VR、无人驾驶汽车、机器人、脑机接口等，是有机会在硬件体验上，更充分展示AI的智能性，感受到AI未来已来的感觉，只是当下的体验还是不佳。chatgpt的出现其实也推动了硬件向上发展，去接近产业拐点。
目前的半智能音箱也可以抓紧改造成真正的智能音箱，实现对家庭内部各类物联网设备的复杂控制，强化家庭设备控制中心的地位，并理解你的习惯和喜好，化身成真正的代理管家。
AR/VR眼镜可以提供沉浸式的视觉体验，让用户在现实世界和数字世界之间自由切换，或许有机会成为手机在AI时代的硬件形式。市场是期待MR的，也期待元宇宙，只是需要一步一步来。
自动驾驶的实现十分复杂，AI有机会让自动驾驶逐步落地。不仅省时省力高效，也会大幅度降低交通事故的发生概率。搭配汽车这样巨大的硬件形式，未来也具有众多变化的可能。
机器人属于更高端更多技术集合的一个硬件成果，以实现自然的人机交互，并且可通过分析摄像头的视觉输入和高级语言命令完成复杂的综合性工作。
二、底层基础建设
数据、算力、算法是AI时代的三要素，它们相互依赖、相互促进，共同推动了人工智能的发展和应用。
可以围绕这三点，切入它们的产业链，提供相应的解决方案。
1、数据端
数据的产业链主要包括数据库设计、数据采集、数据清洗、数据标注与数据质检服务等环节。
每个环节都有一些公司在做，随着大数据重要性的提升，市场逐渐发展出一站式解决方案的数据平台。它连接了数据的生产者和消费者，实现了数据的价值转化和流通。
此外，一些本身一直就在生产数据的公司，或许未来可能是一份越来越值钱的资产。
高质量的数据是提高AI应用模型训练速度与精度的必要准备之一，在AI时代将扮演重要角色。
2、算力端
AI对于算力的需求成倍增加，根据OpenAI 测算，目前算力的增速（翻 1 倍 /3-4 个月）远超过摩尔定律（翻 1 倍 /18-24 个月）。
根据中国信通院《中国算力发展指数白皮书》测算，2021 年全球计算设备算力规模超过615EFLOPS（1 个 EFLOPS 代表 10^18FLOPS），同比增速高达 44%左右，而后续几年则将迎来算力引爆时代。信通院报告预测，2030 年，全球算力规模有望达 56ZFLOPS，2022-2030 年复合增长率达 65%。
算力需求提升，意味着芯片、服务器、云厂商和运营商等各个环节的需求增长。
芯片产业链庞大，其中AI相关芯片主要包括CPU、GPU、FPGA、ASIC等类型。将芯片与其他硬件组件（如内存、硬盘等）组装成服务器，可提供相应的软件支持和服务。而云计算技术和5G通信技术的发展使得算力的分布和调度更加灵活，有助于满足各种场景下对高性能计算的需求。
3、算法端
在AI领域，算法是模型的基础，用于实现数据分析、人工智能模型训练等功能。
如果没有另辟蹊径的路线，随着以GPT-4为代表的大语言模型的出现，AI 开始具备文本生成、语言理解、知识问答、逻辑推理等能力，那么大模型应该代表了AI目前算法的演进方向。
如果说大模型以算力基础设施为根基，以高质量数据为血肉，那么算法则为骨干。
不同的算法可以产生不同类型和性能的大模型，大模型是当下AI产业发展趋势中最核心的一环，可以当做是某一算法的结果。当前“百模大战”，谁若赢得大模型之战，后续AI很多相关的发展都可能在它的框架之下运作，类似于AI时代的系统，有的选择走苹果路线同一生态，有的选择安卓路线完全开源。
底层基础大模型目前也就一些大公司有能力参与，对于各互联网巨头的体量来说，更是不得不争的领域。
大模型具有固定成本高，通用性强等特点，企业依托已经训练好的大模型，向2B客户提供包括 API 调用、模型训练、模型微调、模型部署服务等各类服务。类似这样MaaS模式，国内，阿里，百度，商汤等都已经宣布提供类似服务。之前做云计算的大企业，未来可能从卖算力走向卖模型。
目前领先的OpenAI的盈利模式：开放付费 API 接口，提供多种模型。目前 OpenAI 提供 DALL·E、GPT3、Codex、Content filter 的 API 接口，用于执行图像模型、语言模型，每种模型又细分为多种子模型型号，每种型号有不同的功能和价位。
此外，众多企业现在也在争相推出各行业模型，先把先发优势的坑位给占了，再进行优化。
三、杀手级应用
一个好的新应用产品，是对过去的革命，它综合了各种领先的思考，也是深刻挖掘当下用户需求的结果。
AI几乎可以赋能各行各业，自OpenAI发布ChatGPT掀起AI浪潮以来，人工智能已经催生出许多创新性领域以及传统领域多个环节的变革。
类似chatgpt、midjourney就是其中杀手级应用的代表。不过现在仅是AI产业的发展初期，未来出现其他领域AI集大成的应用应该是理所应当的。
目前AI应用的落地节奏或与行业数字化程度成正比，一些数字化程度较高的领域率先迎来变革。
例如微软内置AI聊天功能的New Bing搜索引擎在推出一个月后日活跃用户已突破1亿；AI融入office产品，大幅提升办公效率；Salesforce加速整合ChatGPT模型能力，陆续推出GPT产品及AI Cloud云服务，提升CRM 效率；Adobe将多项AI功能嵌入产品应用中，等等。
企业结合自身产品进行AI优化，一定程度上属于新应用，但冲击感可能又没有那么强烈。
不过也有一些公司快速抓住机遇，结合AI仅做了简单的新应用，但实实在在地击打用户的需求，可能就爆火。
这种方式更多在于创新的思路，快速落地，满足市场新的期望和需求，门槛并没有多高，需要多关注应用场景和效果。
市场依旧在等待下一个颠覆常规的应用。
四、结语
AI新硬件、AI基础设施、AI杀手级软件，三个领域里只要做好一个，可以说就已经上船了。
目前来说，较为稳健的企业大多把重点放在基础设施，毕竟新硬件并不容易，一般企业做不了，仅能参与产业链代工；杀手级软件需要天才的创意和对市场的洞察，可遇不可求。唯有基础设施可以扎实推进。
如果不想掉队，在时代变化之际，企业需要保持警惕和敏感，并思考自己能做的机会。