2023年上半年，全球人工智能企业获得的风险投资，在全球风险投资总额中的占比达到了18.9%，并且这个比例逐年提高，创下了近年来的最高记录。

从近期发布的《人工智能全域变革图景展望：跃迁点来临（2023）》报告可以看出，从投融资的角度来看，2023年上半年人工智能在全球风险投资中所占比重迅速增加。

为什么全球风险投资会逆势选择人工智能？

近年来，世界经济格局深度调整，全球资本市场变得更加谨慎，整体投资动作有所放缓。然而，随着人工智能技术的不断进步和应用场景的不断扩大，人工智能凭借其与物联网、区块链、Web3.0等前沿技术的融合应用，人工智能已经成为全球资本市场的热门话题。尤其是以ChatGPT为代表的生成式AI类应用在2023年迎来一轮爆发，进一步提升了人工智能在资本市场上的热度。

猿界算力注意到，尽管整体投资动作有所放缓，但人工智能的市场前景和商业价值吸引了大量投资者的关注和投入。在人工智能与其他技术的融合应用中，许多创新企业和初创公司纷纷涌现，成为资本市场的新宠。

同时，许多大型企业和传统行业也在积极探索人工智能技术的应用，寻求数字化转型和智能化升级的机会。可以预见，人工智能将成为未来经济发展的重要驱动力，引领全球资本市场的投资趋势。

以近十年中国人工智能领域股权投资情况为例，我们可以看到，在技术方面，算力、数据平台、自然语言处理、计算机视觉与图像等细分领域的风险投资增速明显加快。这些技术的发展为人工智能的应用提供了更多的可能性，同时也催生了许多创新企业。尤其是在应用方面，生活服务、智慧医疗、智能制造、智能汽车、物流仓储等领域的投资事件较多，占人工智能全部投资事件的75%以上。这些领域是人工智能应用的主要领域，也是未来人工智能发展的重点方向。

具体来说，在生活服务领域，人工智能技术被广泛应用于智能家居、智能健康、智能出行等领域，为人们的生活带来了极大的便利。在智慧医疗领域，人工智能技术可以帮助医生更准确地诊断疾病、制定治疗方案，提高医疗效率和质量。在智能制造领域，人工智能技术被广泛应用于生产过程自动化、质量控制、供应链管理等领域，提高了制造业的智能化水平。在智能汽车领域，人工智能技术被广泛应用于自动驾驶、智能交通、车联网等领域，为汽车产业带来了巨大的变革和发展空间。

根据专业人士的分析，当前人工智能领域的发展思路主要有三种：

一是利用大型语言模型（LLMs）如LLMs（如VisualChatGPT、HuggingGPT等）来调动其它数据类型的功能模块，以完成多模态任务。这种思路旨在充分发挥大型语言模型在文本理解与生成方面的强大能力，通过将其与其他模态数据相结合，实现多模态任务的自动化处理。典型代表有VisualChatGPT、HuggingGPT

二是直接利用图像和文本信息训练得到多模态大模型。这类模型能够同时处理图像和文本信息，通过对大量多模态数据的训练，实现了对多模态信息的有效整合和利用。典型代表如KOSMOS-1等。

三是将LLMs与跨模态编码器等有机结合，融合LLMs的推理检索能力和编码器的多模态信息整合能力。这种思路旨在充分发挥LLMs在推理检索方面的优势，同时利用跨模态编码器对多模态信息的有效整合能力，实现多模态信息的全面理解和处理。典型代表如Flamingo、BLIP2等。

另外，算力短缺问题引发了各界的广泛关注，智能算力被认为是解决这一问题的主要技术手段。随着智能算力需求快速爆发以及摩尔定律和冯氏结构体系进入瓶颈期，变革传统计算范式成为必然趋势，产业界正在加快推动芯片和计算架构的创新。在这一背景下，本报告提出未来智能算力将呈现“多元异构、软硬件协同、绿色集约、云边端一体化”四大特征。

智能算力的快速发展对于推动各行各业的智能化转型和数字化发展具有重要意义。随着人工智能、物联网、大数据等领域的迅速发展与应用普及，对于高效的算力支持需求也日益增长。然而，传统计算模式已经趋于瓶颈，单一的计算架构无法满足多样性和复杂性的应用需求。因此，多元异构的智能算力成为未来的发展方向，通过整合不同类型的处理器和计算单元，提供更加灵活和高效的计算能力。

猿界算力还了解到，商业模式对于整体生态能否实现从价值创造到价值实现的闭环至关重要。在MaaS（多领域即服务）模式下，需求侧用户可以专注于自身业务逻辑和使用体验，无需关注底层技术细节。这一模式有助于解决AI技术在实际应用中“能用但不好用”的关键落地瓶颈。

在供给侧方面，有望形成“通用大模型+领域大模型+行业大模型+企业/个人小模型”的基础业态，推动AI技术在各个行业的广泛应用，最终实现人工通用智能（AGI）。这一基础业态将有助于解决AI技术在不同领域和场景下的落地难题，提高AI技术的实用性，并加速其在各个行业的应用进程。

人工智能的快速发展给社会带来了前所未有的机遇和挑战。虽然人工智能技术能够为我们提供巨大的经济和社会价值，但也存在很多难题，如隐私保护、数据安全、算法偏见和透明度等问题。这些问题不仅涉及技术领域，更是涉及到伦理、社会、法律和政策等多个层面。凸显了人工智能安全和可信发展之路的巨大挑战。

然而，在解决人工智能风险的过程中，也催生出了可解释AI、联邦学习等技术创新的机遇。而且通过综合技术创新、政策法规制定和社会参与，我们可以共同推动人工智能的安全和可信发展，实现人工智能与人类社会的和谐共存。

总之，虽然投资界对人工智能领域表新出极大的投资热情，但是，人工智能技术的快速发展给社会带来了巨大的机遇和挑战。通过技术创新、政策法规制定和社会参与，我们可以共同推动人工智能的安全和可信发展，实现人工智能与人类社会的和谐共存。