有人说，ChatGPT的横空出世宣告（）从1.0进入2.0时代。3月14日，李开复在“AI1.0到AI2.0的新机遇”趋势分享会上表示，“在深度学习获得重大突破后，AI已经迎来了从1.0迈入2.0的拐点。”

而就在一天后，OpenAI重磅发布了多模态大模型GPT-4，不仅能够识图算账，输入一张草图，它在10秒内就能生成网站的代码，高级推理能力甚至超越了此前风靡全球的ChatGPT。GPT-4强大的能力仿佛在向我们展示，AI的发展速度早已超出了我们的想象。而事实上，2.0时代的序幕早已悄然开启，其革新程度远不止于GPT-4。

人工智能2.0时代拐点已至

早在2017年，“科技创新2030—重大项目”就计划过将新增“人工智能2.0”的内容。中国工程院院士潘云鹤在几年前指出，目前人工智能2.0已经显现出五大端倪——基于大数据的深度学习与知识图谱等多重技术结合进化、基于网络的群体智能萌芽、人机融合增强智能发展迅速、跨媒体智能兴起，以及自主智能装备涌现。

在当下深度学习实现重大突破之后，AI已经处于从1.0迈入2.0的拐点。多模态、巨型数据集的飞速发展，AI优化目标函数及训练模型的技术方法将大幅精进，能更好地模拟人类的认知智能。

现象级应用爆发

AI 2.0时代的第一个现象级应用是生成式AI（Generative AI），生成式AI能够实现无需标注的自监督学习，AI 将从“辅助”人到逐步“替代”人工，所有使用者界面将被重新设计改写。

例如之前一经推出便风靡全球的ChatGPT。再如近日发布的GPT-4，实现了对多模态的支持，即支持图像和文本输入以及文本输出。GPT-4还能以高分通过各种标准化考试，SAT拿下700分，GRE几乎满分，参加模拟律师资格考试，成绩能达到全部应试者的前10%。GPT-4的特点在于，它的训练数量更大，且支持多元的输出输入形式，同时在专业领域的学习能力更强，准确度也有所提升。

革新不止于GPT-4

AI 2.0 模型不仅可以学习文本和图像数据，还可以从语音、视频、自动化硬件传感器数据，甚至DNA或蛋白质信息等多模态数据中学习，建构机器超强大脑的运行能力，甚至不止于生成，不止于GPT-4，未来或将逐步达到具有预测、决策、探索等更高级别的认知智能。

需要看到，AI 2.0不仅仅是个红极一时的高能聊天工具，也不仅仅是图文创作的AIGC生成程序，如今看到的应用都还只是AI 2.0能力的开端，不该限制了人们对AI 2.0未来潜力的想象。

AI1.0到AI2.0突破了什么？

AI1.0是以CNN卷积神经网络模型为核心的计算机视觉技术，拉开AI感知智能时代的序幕，机器开始在计算机视觉、自然语言理解技术等领域超越人类，并创造了显著的价值。

但AI1.0也遇到了瓶颈，大多数行业想利用AI需要花费巨大的成本来收集和标注数据，而这些数据集和诸多模型各成“孤岛”缺乏纵效。这也是为什么大部分AI 1.0 企业投入大笔研发经费但仍然长年亏损。除此之外，AI 1.0 缺少像互联网时代Windows与Android一样的规模化能力，来降低应用开发的门槛，打造完善生态链。几年下来，AI 1.0 尚未真正实现商业上的成功。

“AI1.0 就像是发明了电，AI2.0就是电网。”AI2.0在于其呈现的巨大跃迁在于克服了前者单领域、多模型的限制，可以用无需人工标注的超级海量数据去训练一个具有跨领域知识的基础大模型（Foundation Model），通过微调等方式适配和执行五花八门的任务，有望真正实现平台化的效应，进而探索商业化的应用创新机会。

AI 2.0的发展范式是迭代式的，从人机协同、局部自动到全程自动，将会呈现出从“辅助人类”到“全程自动”的发展趋势。在人机协同阶段，生产力工具将会首先实现升级，所有使用者界面将被重新设计；当进入第二阶段局部自动，容错度高的应用和行业将会实现 AI 自动化，例如广告投放、电子商务、搜索引擎、游戏制作等；第三阶段将进入全程自动阶段，AI 将变得完全自动化并可在任何地方使用，在不容出错的领域出现突破，AI 医生、AI 教师等应用成为可能。

此外，AI 2.0将会带来平台式的变革，改写用户的入口和界面，诞生全新平台，催生新一代AI 2.0应用的研发和商业化。总的来说，AI 2.0将是提升21世纪整体社会生产力最为重要的赋能技术。

AI2.0生产力应用即将进入井喷期

随着算力的提升以及GPT-4的大升级，再次给AI产业变革带来诸多机会。例如医学影像资料本身是图片，未来普通人可以通过GPT-4来实现医学影像自检，自己发现疾病。当然，这只是其中一项可能性。在很多行业领域，看懂图片是需要专业能力的，而GPT-4降低了这种识图门槛，比如医学影像、设计图纸、数学模型等，让普通人能够通过AI辅助介入到专业领域当中，所以GPT-4未来很可能成长为生产力工具。

正如GPT-4的大升级会给AI产业带来诸多变革一样，AI 2.0将在六大领域加速点燃商业潜能，进入提升生产力的应用井喷期。这六大领域分别为，电商及广告、影视/娱乐、搜索引擎、元宇宙/游戏、金融和医疗领域。包括各行各业的垂类AI助理、元宇宙应用等之前做不出的应用都会出现。

除了应用和平台之外，支持AI模型运维、管理、训练的基础设施也是重点关注的方面。这包含支撑AI 2.0巨型模型训练的AI芯片公司，以及那些能够加速、降低成本和简化AI训练的AI 2.0基础设施的创新技术型企业。

从GPT-4看AI 2.0的未来

现阶段的 AI2.0并不能做到完全正确。AI 无法保存全世界的数据，只能通过压缩形成抽象的概念，因此会出现“一本正经地胡说八道”的现象。更重要的是，AI 目前还无法分辨真伪和辨别是非，如果被恶意利用将会带来无法衡量的负面后果。

例如，自去年11月推出以来，ChatGPT已能根据用户的提示生成文章、故事和诗歌，但其也因情绪反应过激、犯事实错误等受到指责并引发人们的担忧情绪。OpenAI公司也警告称，GPT-4仍然会“幻想事实并犯推理错误”，这意味着“人们在使用语言模型输出的信息时应该非常小心，在高风险环境中更应如此”。

此外，技术的进步并非不会带来风险。处在如此庞大的变革之中，大模型训练所需要的算力是空前强大的，训练成本也随之持续上升。在这样的背景下，资金实力雄厚的科技巨头将有垄断优势，导致创业公司和学术界很难做出有竞争力的模型。

因此，从 AI 1.0 到 2.0，我们还有很长的路要走。

迈入AI2.0时代，首先，国内生成式AI企业要走积累的路子。生成式AI需要持续大规模算力投入，微软为GPT提供超过3万张A100芯片的算力支持，一张A100价格要20多万元人民币，而算力训练每次都要消耗大量能源。GPT-4百万亿的参数也需要投入大量人力财力来完成积累。而在数据方面投入的价值也很高，GPT从一开始就重视“小数据”，也就是高质量数据，这也是GPT领先于其他生成式AI的核心竞争力。综上可以看出，算力、数据、算法调参这三个方面，OpenAI前期烧钱的规模是海量的，而GPT-4也是一步步技术积累的最终结果。

其次，国内生成式AI企业要在基础科学上做积累。大模型算法的道理并不复杂，复杂的是算法细节，自从微软收购OpenAI后，OpenAI的算法不可能开源，所以“等、靠、要”的做法已经行不通，AI2.0时代，还需要在算法技术上投入研发，构建中国AI企业自身的算法能力，而算法的精益也要依靠基础科学的进步，比如基础数学研究。所以要积极在学术上加强投入，而不应该仅仅聚焦在应用科学层面。

因此，在AI2.0时代，应重视参数、数据训练以及算力上的积累，需要加速升级和挖掘 AI 的整体服务智能，打破现有的思维框架，同时秉承实干创新的精神，进行 AI 技术的应用、研发和能力部署，和稳健快速的规模化的全新升级。

责编：方钰洁

监制：李红梅

文章参考：

1.《从1.0到2.0，人工智能将迎来哪些想象空间？》光明网

2.《中国工程院院刊：人工智能2.0时代序幕开启》北京智能技术应用协会

3.《OpenAI正式推出GPT-4 AI产业变革迎更多机会》证券日报

4.《李开复：拐点已至，AI 2.0将诞生新平台并重写所有应用》 澎湃新闻

5.《ChatGPT开启AI 2.0，未来市场格局将如何变化》同花顺

6.《给GPT焦虑降降温，中美AI之间有差距但可开创“中国派”》第一财经

7.《新发布GPT-4表现“可与人类相媲美”，律师资格模拟考试分数超过90%考生》科技日报

8.《懂图片的GPT-4来了 国内AI企业如何接招？》每日经济新闻