作者:邵旭辉,Foothill Ventures管理合伙人,🌟在机器学习、大数据系统和软件系统工程领域从事研发和管理工作多😀年,曾任雅虎广告及大数据平台工程副总裁、Turn CTO及I😘D Analytics副总裁。他持有清华大学自动化学士学位及😘明尼苏达大学EECS博士学位。 上个月的GTC后,生成😁式AI相关的讨论久久不能平息,这个月Gen AI领域刚刚宣布🤯的两个高额融资消息也引发了大量关注:Augment以近10亿😉美金的估值融资2.27亿美金,Cognition则以20亿美😘金估值融资1.75亿美金。从文字chatbot到视频生成、机😅器人,生成式AI的能力不断拓展,应用潮已经开始,行业内外,大💯家都很关心这个话题:AI将会带我们到何处去? 作为AI👏、深度学习领域多年的从业者,曾经的大公司管理者、创业者以及如😉今的深科技领域投资人,我在此抛砖引玉,谈谈我对生成式AI发展😜的个人判断。 本质上,我认为生成式AI的竞争力根植于这🤩三个维度: 一是算力及基础设施,这也是许多大公司优势明👍显的地方。 二是算法,当然也意味着算法背后的人才。 😂 第三则是数据及应用场景,对创业公司来说,这一部分仍存在着😉大量机遇。 我们下面可以从这三个维度来生成式AI的未来🎉。 【小标1:Gen AI并非算力竞赛,创业公司的机会❤️在这些领域】 在算力方面,Nvidia是GPU的领头羊😘、CUDA生态的开创者,具有巨大的优势,但其实,未来的生成式😀AI并非绝对以算力定成败。 算力有限的创业公司或者科研😘机构,机遇主要在哪里呢? 首先,创业公司可以打造生成式👏AI的基础设施,解决底层的问题。 几乎所有的领域的公司🙄,都在考虑自身在生成式AI方面的竞争策略。在数据隐私/计算安🤗全、 准确性/可靠性、商业逻辑等等领域都会有很碎片化的🤔的要求。而大厂的工具链服务链只能解决一部分需求,其他的就需要🤔初创企业来填补。Lepton.AI、Corvic.AI、Fa😡irly.AI 等都属于这个范畴。这些创业企业搭建了机器学习❤️领域的基础架构,比如Corvic.AI,他们提供的解决方案让😴复杂数据能较为简便地转化为可用的企业级AI,提供预测分析、A🎉I助手、数据标签等功能。 其次,虽然大公司在算力方面拥⭐有优势,创业公司可以将目光投向专业领域——对于这些领域来说,⭐持续积累的专业数据将会有着不可替代的价值,其中的行业壁垒、合😆规等方面的积累也能形成一定的护城河。 而更重要的是,不😁少领域(比如生物医药、网络安全、科研、制造)的底层逻辑和大模😜型擅长的语言文字视频并不相近,无法直接套用,也不容易简单的做🙌二次开发就能获得好的结果。 从另一个角度来说,大模型也😆同样打开了许多新机遇,过去一些离商业化较远的领域可能忽然就有🤯前进的动力了,其中往往会有创业公司的机会。 展开全文 😴 文初提到的AI写代码就是一个新出现的机遇,这两家企业都😢是近年来发展迅速的AI公司,Cognition的创立时间才刚🙌刚半年。我们也投资了一个同类别的公司Metabob,通过AI😡来帮助人们找程序中的bug并修复它们。这类企业在AI与软件工🙄程的交叉点找到了自己的市场。 近期机器人的热潮也是个很👍好的例子。 过去传统机器人往往只能解决单个任务,机器人😘的传感器、成本投入都有限,也限制了它的发展。 随着LL🤔M的发展,机器人能够在虚拟空间通过强化学习(reinforc👍ement learning)来进行学习、迭代、完成复杂任务😁,带来了一系列连锁反应——企业愿意开发拥有成本更高、能力更强🚀机器人,这一行业也有了更多的想象空间与投入。斯坦福大学李飞飞🙌教授参与的团队也构建了类似于当年ImageNet的针对虚拟空😘间训练测试机器人的基于物理模型的大规模训练场景。 今年😢3月,机器人公司Figure与OpenAI合作发布的视频引发😅了很多关注:金属覆身的机器人接入了OpenAI的大语言模型,🙄能够迅速理解人类的意图并做出相应的动作,包括整理、准确放置物🥳品以及完成一些相对模糊的指令——一名男子对Figure01“😀给我找个吃的”,机器人略思索后,拿起了桌上的苹果,并递给了他🤔。值得注意的是,桌上还有四散的碗盘、沥水架等,苹果是唯一一个🤗可食用的物品,这个简单的动作涉及了推理与思考过程,加上之前整🎉理、收纳,机器人展现了完成多个复杂任务的能力。 除了F😉igure01外,ChatGPT引领的大模型风潮下,各类引入😆了LLM的机器人正在涌现:University of Mic👏higan的学者也发布了基于大语言模型,能够更好地理解3D环🥳境的家用机器人。在工业、农业、医疗等领域,可以想象,新型的 🔥机器人会带来很多的新变化。 【小标2:新型芯片及算法可⭐能会重写垄断格局】 目前,在生成式AI的算法方面,呈现👍NVidia、OpenAI、Microsoft三巨头垄断的格😢局。不过在我看来,这样的情况也会在技术进展下面临变化。 🙌 这并非我一家之言,可以说,几乎是一个行业共识,只是很难预测🤔它具体的时间点。 今年GTC上,Transformer🔥的原作小组首次聚集,八位作者中的七位与黄仁勋对话,而核心观点🤗就是:Transformer已经够老了,期待看到更新的模型。😂 作者之一、Cohere的创始人及CEO Gomez评😡论道:我想看到比Transformer好十倍的模型来替代它…❤️…Transformer在内存占用和许多架构方面都有优化的可👍能性,比如一个非常长的context是很昂贵、无法扩展的,它😉的parameterization可能不必要那么长 ,我们可😴以压缩许多倍,带来指数级的缩小。 从仿生学的角度来说,🤯这个观点也很站得住脚——目前算法的功耗算力,跟自然界还有很大🤗差距。 人的大脑功耗几十瓦。昆虫的大脑功耗是毫瓦/微瓦😴级的,神经元数量极少,也能完成特别复杂的立体视觉、三维控制、😢捕猎逃生等感知相关的行为。同等情况下,如果让电脑复现小动物在🚀自然界里识别、控制、捕猎、求生的能力,需要更先进的模型,也一🤔定会逐步出现更先进的模型。 而未来更好的算法与模型也很😢可能意味着更多专用的、小型的芯片会迎来发展。 比如我们🌟此前投资的D-matrix,主打存内计算,预计将在2024大😅规模量产,目前已经有大量订单。另一个模拟计算芯片设计企业Te🙌tramem也备受关注,已经发布了多篇Nature论文, 🥳 除此之外,开源的相对小型的transformer 模型(👏如Microsoft's PHI-2 and Mistral❤️ 7B)也会迎来快速发展。在我看来,这些开源的小模型对于AI👍行业持续、健康的发展是很有必要的。这次AI的热潮与以往的科技😜潮不同,大公司并未占据所有重要的研究方向——谷歌上市时,许多🔥大学就停止了对搜索算法的研究,因为谷歌已经有了很好的团队和资😁源来推进搜索算法。而生成式AI则不是,对于研究机构而言,这些🚀开源的小模型中还有很多值得探索的地方,目前所有名校的计算机系❤️也都在积极研究开源模型。 甚至可以说,文初我提到的、未😆来我们期待的新的算法很可能就会从这些科研人员的工作中涌现。 🙄 【小标3 GenAI发展的背后是人才之争】 这个💯对更新、更好的生成式AI算法的期待,也意味着另一件事:生成式😢AI的竞争也意味着人才之争。 目前,中美是在AI人才方⭐面占据全球一二位置的两个国家。 从绝对人数来说,中国占🤔据了第一位——今年三月,纽约时报报道了一个追踪AI相关人才的😂报告,中国有着全世界最多的AI本科生人才,而与三年前相比,如🤯今在美国的顶级AI人才中,中国人的比例也已经超过了美国人。比😀起过去,这些中国人才在美攻读学位后,也更多地“回流”中国。 👍 当然,美国有着世界数量最多的一流大学,与创新气氛浓厚的💯科技企业,也孕育出了将LLM石破天惊带入大众视野的Open 😆AI,对各国的AI人才仍旧有着强烈的吸引力。 不可否认😊,基于天时地利人和等方面考虑,中美牢牢占据了未来AI发展综合💯最优的前二宝座。 在这个背景下,还有一个值得注意的趋势🤗:人才的两极分化。 由于AI+ 的杠杆作用越发明显,创🚀立一个优秀的AI企业所需要的技术人才的数量比几年前已经显著减😁少了。企业接下来对人才的竞争,会越来越集中于少数顶尖人才的争❤️夺。 无论在硅谷还是在北上杭,我们已经看到顶级AI人才😊被高价争抢,而普通大学生找不到工作的这种两极分化,而这样的趋🤗势未来也会更加明显。 【小标4 Gen AI将成万亿美🤗元市场,投资人如何入局?】 从我和我身边的创投从业者的👍角度看来,我们的共识是Gen AI的未来是光明的——Bloo🔥mberg Intelligence报告预测,GenAI将成😁为未来十年发最迅速的市场之一,市场总量超过万亿美元,复合年增😜长率超过40%。它变革性的能力会影响各行各业。 对于投⭐资人而言,如果想要投资这个市场,我有以下建议: 首先,🤔投资生成式AI项目,本质上仍旧是在深科技技术中寻找那些具有商👏业化潜力的项目。投资人最好能具备AI相关技术背景,并且保持持😁续学习及市场敏锐度。目前生成式AI的技术变化、突破、市场都在😘迅速发展。比如此前一些挂着大模型名号的项目,也许在ChatG😁PT某次更新后就会完全失去市场,能够识别这些项目,可以帮助规🎉避许多风险。 其次,正如文初分析的,目前生成式AI的支😜柱分为人才/算法、算力、应用/数据三大方向。作为投资人,前两👏者的投资难度较大,然而应用/数据中,有着大量的未来机遇,可以😡考虑投资一些相关资源。 比如应用场景和应用场景相关的数😂据——对于中国投资人来说,半导体 、新能源、先进制造都是不错👍的方向。以制造业为例,拥有大量垂直行业内的数据,才能做出好的😅AI,指导未来的先进制造。 从时间上来看,技术上如果不👍能特别确定 ,也可以等一下商业落地的信息,付出一些增值成本来😀换取更稳定的信号。 有关AI,这个问题我常听到:AI能😀最终代替人类吗? 我认为这要从不同尺度上去理解——我们🥳究竟在讨论的是AI从什么程度上在挑战人类进化?如果是生物体层😅面,这有着百万年以上的积累,是最难的;从人类认知层面,也至少❤️有10万年进化横亘在AI面前;而出现数千年的人类语言相对更容🤩易;出现仅100年的计算机语言则最简单。 这个问题的答😘案当然没有定论。不过在这个最终将达万亿美元、改变人类生活的市😘场里,我很期待看到更多来自华人参与者的身影,不管是创业、投资🤩,还是积极地拥抱生成式AI让生活、工作变得更高效,它将前所未🤩有地改变我们与世界交互的方式。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 晓枫说 文 | 晓枫说 在全球气候治理与😴能源革命的双重浪潮下，海运业这条全球贸易的“动脉”——正经历🌟一场静默却深刻的革命。 IMO数据显示，航运业约占全球🙌温室气体排放量的2.89%，其脱碳进程直接关乎《巴黎协定》目⭐标的实现。随着碳强度指标（CII）、欧盟排放交易体系（ETS😀）从政策蓝图转化为实际成本，一场围绕技术路线、运营模式与商业🤯逻辑的全面竞赛已然拉开帷幕。在这场全球性的转型中，以ABB、😀瓦锡兰为代表的国际技术提供商，以中国船舶集团、中远海运等中国💯领军企业及众多中小创新型科技企业，共同勾勒着“全船电气化”为❤️血脉、“系统智能化”为神经的未来船舶蓝图。这幅跨国产学研协同🙌绘制的蓝图描绘了清晰的愿景，但其落地之路却布满需要全球行业共😉同应对的复杂挑战。 一、系统重构：电气化是底层逻辑变革🤗，而非简单动力替换 事实上，行业认知正经历一个深化的过🙌程——船舶电气化的核心，并非仅是安装一套电池组那么简单，其本🙄质是从“机械驱动”向“电力驱动”的范式转移，是对船舶能源分配🚀与推进系统的彻底重构。 在这一领域，东西方的技术路径呈🤯现出有趣的对比与融合。ABB力推的车载直流电网（DC Gri😢d）概念，与西门子能源的直流港口方案、瓦锡兰的混合动力解决方💯案等代表了欧洲的技术思路，其核心优势在于构建了一个高度集成化🤗的“能源平台”。相较于传统交流电系统，直流电网能减少高达10😉-20%的能源转换损耗，并显著节省设备空间与重量。更重要的是🤯，它作为一个开放的架构，能够灵活兼容当前的锂离子电池、正在兴🙌起的甲醇/氨燃料电池以及未来的新型储能技术。这种设计哲学，为😅船东提供了至关重要的“技术中立性”和“面向未来”的弹性，有效😂规避了因过早押注单一绿色燃料技术而导致的资产搁浅风险。 😉 视线回到国内，中国船舶集团在高端邮轮、大型液化天然气（LN👏G）船等领域展现的系统集成能力，以及宁德时代在船舶用锂离子电😉池、钠离子电池方面的技术创新，则体现了中国在产业链中后端的快😊速追赶。特别是宁德时代针对内河航运推出的“船舶动力电池系统”😁，已应用于长江流域等多艘电动船舶，展示了中国在特定应用场景下😘的市场化突破。 市场的选择清晰地揭示了现实的转型路径。😡根据挪威船级社（DNV）的统计，混合动力方案在新造船与改装船🎉市场中占据重要地位。这反映了行业在理想与现实间的权衡：混合动👍力作为关键的过渡技术，允许船舶在排放控制区（ECAs）和港口👍内实现“零排放”静音航行，以满足局部最严苛的法规并提升企业C😢SR形象，同时在开阔水域依靠主发电机保障续航与经济性。中远海😎运集团在旗下多艘大型集装箱船上实施的混合动力系统改造项目，正🥳是这种务实路径的体现——通过在现有船队上进行技术升级，而非全👍部新建，以更具经济性的方式推进减排。 然而，技术的先进😂性无法自动跨越经济的鸿沟。核心挑战在于，这套系统重构所带来的🤩高昂初始资本支出。一艘采用先进直流电网和电池系统的新造船，其🙄建造成本可能比传统船舶高出20%-40%，绿色溢价最终需要在😆整个价值链中被消化。这催生了新的商业合作模式，例如一些航运公🤔司开始与货主签订包含“绿色溢价”的长期运输合同，或寻求绿色金🙌融的支持。技术的普及速度，将不取决于其技术指标的巅峰，而取决😘于其全生命周期成本的竞争力。在这方面，中国银行、进出口银行等😆金融机构对绿色船舶提供的优惠利率贷款，以及一些中国船厂推出的😢“能源管理合同”模式，正在尝试通过金融创新来降低技术应用的门🥳槛。这种技术+金融的整体解决方案，可能成为推动技术普及的重要😀助力。 展开全文 二、从自动化到自主化：数据驱动🥳运营模式的范式转移 智能化是脱碳的另一大支柱，其价值远🔥超节省人力，其终极目标是通过数据驱动，实现全局能效最优和运营😡模式的重塑。 趋势正从“单船自动化”迈向“船岸一体化智🎉能运营”。ABB Ability™、瓦锡兰的船舶效能管理系统😁（EMS）等代表了西方公司在软件平台和系统集成方面的传统优势🚀。这意味着，传统的船长和轮机长角色正在演变，他们与岸上的专家😍团队共同构成一个“数字船队”的运营中枢。这种模式不仅能优化单😂船航速、航线以减少燃油消耗（据估计可带来5-10%的能效提升🙄），更能实现预测性维护，大幅降低故障停航风险。而中国公司则从🙌不同维度切入：华为的5G技术、船载通信模块和云服务正在为智能😡航运提供数字基础设施；上海国际港务集团打造的“智慧港口”系统😴，通过优化船舶在港口的作业效率，间接减少了船舶的等待时间和排⭐放；而国内诸如百舸新能这样的众多中小创新型企业，也在围绕船岸😁一体模式、新能源动力系统等加快研发和产业化进程。 在自❤️主航行这一前沿领域，西方公司如康士伯与Yara合作的“Yar😍a Birkeland”项目引人注目，而中国的进展同样值得关💯注。交通运输部水运科学研究院牵头制定的智能船舶技术标准，青岛🙄无人船基地的测试验证平台，以及系统科技有限公司等企业在自主避😍碰、智能靠离泊等关键技术上的突破，显示中国正在构建自主可控的🔥技术体系。特别是中船重工第716研究所开发的“船海智云”工业👏互联网平台，已应用于数百艘船舶，实现了设备健康管理、能效优化😂等功能的国产化替代。 然而，这片“新蓝海”也充满了“暗👏礁”。 一是法规与责任的空白。当智能系统做出决策导致事😅故时，法律责任的界定是全球监管机构面临的崭新课题。IMO正在🤔制定的《海上自主水面船舶（MASS）规则》进展谨慎，便反映了😡这一复杂性。而中国机构和企业也正积极参与相关国际标准的制定，🤩这种技术标准话语权的竞争，其重要性不亚于技术本身的竞争。 🤩 二是网络安全的致命脆弱性。高度互联的船舶使其成为网络攻击⭐的高价值目标，2020年某大型集装箱航运公司遭遇的网络攻击导🤔致全球业务中断，已为全行业敲响警钟。 三是人机协作的挑😢战。船员角色将从操作者转变为系统管理者和监督者，这一转型需要❤️体系化的培训和文化适应，对航海教育体系提出了全新要求。 🙌 三、脱碳的终极拷问：绿色燃料的抉择与全球基础设施的协同 🤗 领先的电气化平台解决了绿色能源的输送和分配问题，但最根本🔥的挑战在于——绿色能源本身从何而来？这引出了脱碳征程中最具争😊议和不确定性的领域。 目前，液化天然气（LNG）、甲醇🤔、氨、氢等选项构成了一个充满竞争的“燃料罗生门”。马士基巨资😁投入绿色甲醇船舶，中远海运集团积极探索氨燃料动力技术，而一些😜欧洲船东则看好LNG的过渡作用，每一种选择都面临“Well-👏to-Wake”（从油井到螺旋桨）全生命周期碳排放的严格审视😆。因此，船舶电气化系统的真正绿色成色，最终取决于为其供电的能🙄源来源是否在全生命周期内真正清洁。 更深层次的矛盾是“🌟鸡与蛋”的全球基础设施困局。船东不愿投资某类绿色燃料动力船，🙌因为全球加注网络几乎为空白；能源公司不愿投资数百亿美元建设全🤯球加注站，因为市场上对应的船舶数量不足。破解这一死结，单靠市😍场力量远远不够。 在这方面，中国依托其强大的基建能力，😊在国内长江流域、珠江三角洲等内河航道沿线加快建设船舶充电、加🤗注设施，这种“先内河、后沿海、再远洋”的渐进式基础设施布局策😆略，为技术验证和商业模式探索提供了宝贵的试验场。然而，要将这⭐种国内经验复制到全球航线网络，仍面临巨大的投融资和国际协作挑🙄战，亟需强有力的国际政策协调（如全球性碳税机制）、巨额的基础❤️设施投资以及形成行业共识的标准体系。这已超越技术范畴，成为对🔥全球治理智慧的考验。 然而，我们必须清醒地认识到，技术😡方案的成熟只是漫长征程的起点。未来的成功将不取决于任何单一国⭐家或公司的技术突破，而取决于整个全球生态系统的协同进化，比如🚀技术路径的多元化与融合，能否形成尊重不同国家、不同航线条件下😀的技术选择，促进东西方技术方案的交流互鉴，而非形成新的技术壁🙌垒；比如商业模式的创新与共赢，能否建立合理分摊绿色溢价、覆盖😀全生命周期成本的商业模式，确保发达国家和发展中国家的船东都能😊"用得起"绿色技术；再比如治理体系的包容性与有效性，在IMO😴等多边框架下，能否构建平衡环保雄心、技术可行性和经济承受力的🎉国际规则，等等。 可以说，未来十年，海运业这艘巨轮将航😂行在技术的“星辰大海”与现实的“惊涛骇浪”之间。这场转型，既💯是对人类工程智慧的考验，更是对全球合作精神与商业创新能力的终🚀极测验。唯有产业链上下同舟共济，方能在可持续发展的航道上行稳⭐致远。返回搜狐，查看更多