野村中国段冰：AI产业的“局部泡沫”并非坏事

经济观察网 记者 郑晨烨 “生成式人工智能技术拥有重塑数字世界的潜能，但在中国，目前商业化落地仍处于早期阶段。”2024年9月3日，在野村中国投资年会上，野村中国科技及电讯行业分析师段冰在分享时表示。

在他看来，随着国内头部大模型公司之间的竞争加剧，中小开发者和企业能够以更低的成本和门槛接入生成式人工智能技术，从而推动该技术在未来的广泛普及。

段冰亦表示，尽管消费市场中的人工智能应用相对更为成熟，但企业级人工智能的发展依然受制于技术瓶颈，常出现如“幻觉”（即生成内容的准确性问题）和数据安全性等问题，这些问题的解决需要依赖于对基础大型语言模型的持续更新和完善。

段冰认为，中国的人工智能产业在全球竞争中虽然面临一定的技术壁垒，但依然有机会通过国内强劲的市场需求和广泛的应用场景，迅速实现技术落地并获得优势。

经济观察网：怎么看待现在市场上关于AI产业存在“泡沫”的讨论？以及中国在这场全球AI竞赛中的定位？

段冰：我认为AI产业当前确实存在一定程度的泡沫，但并不完全是类似2000年互联网泡沫那样的大规模泡沫。

为什么我认为存在局部泡沫呢？举个例子，生成式AI，例如OpenAI推出的ChatGPT，它一经推出就引发了全球的广泛关注。从一级市场到二级市场，各个行业的投资都非常迅速地涌入，无论是硬件还是软件。但在应用、商业化和变现方面，进展并没有投资那么快，这导致市场中出现了一定的泡沫化。

不过，我认为这种局部的泡沫现象并非坏事。在科技行业，尤其是具有革命性潜力的技术，早期阶段往往需要投资的推动，这个过程中产生一些泡沫是不可避免的。实际上，泡沫往往是推动行业发展的重要力量。

很多大型科技公司，它们目前的投资主要集中在基础设施建设上。当基础设施建设完善后，才能逐步带动更多行业的发展，包括软件和应用层面的企业。

关于应用落地的情况，我们分析认为AI的应用大致可以分为两类。首先是现有业务的改造，通过生成式AI和大模型，尤其是多模态大模型，提升企业的运营效率，并直接增加收入。例如，搜索、视频、广告等领域的公司正在通过AI提升现有业务的表现，AI已经成为这些行业的一条商业化途径。

此外，在原生AI应用方面，例如ChatGPT、机器人、Copilot等，这些新应用确实有着巨大的潜力，未来可能渗透到更广泛的用户和企业中。但这需要一个过程，需要更长时间才能看到大规模的应用落地。

关于定位方面，中国在全球AI产业中处于领先地位，至少是第一梯队。无论是在基础算力的投入方面，还是在大模型和生成式AI应用的开发上，中国都走在前列。中国和美国在这一领域是全球竞争的领导者。

不过，在算力方面，美国企业掌握了最先进的技术，这对中国形成了一定的技术壁垒和限制。然而，中国在算力领域的进展也非常快，国内的CPU和GPU企业都在不断技术迭代，因此中国在全球AI竞争中的地位依然稳固。

中国在AI应用上的优势还体现在庞大的用户基础和丰富的应用场景，这为AI的发展提供了良好的土壤。尽管在算力和语言数据方面仍面临一些挑战，但整体来看，中国在AI产业中的发展前景相当可观。

段冰：从投资的角度来看，首先，在基础设施层面，大模型的发展，尤其是多模态模型，依然需要遵循“规模法则”。也就是说，模型的训练规模、参数和使用的数据量都需要不断提升。这直接带动了对算力、网络以及存储等基础设施的需求。在这些领域，国内的领先基础设施企业将有很大的发展机会。

中短期内，大模型企业的模型训练任务可能受到技术限制的影响，但长期来看，随着技术的不断进步，这些企业仍有很大的发展潜力。从中长期来看，基础平台上的竞争会逐渐加剧，并且可能会走向整合。一些大型平台型科技企业有望在这场竞争中胜出，成为少数几个领先的基础大模型提供商。

此外，随着基础设施的发展，AI将逐渐赋能各个行业，尤其是金融、医疗和高端制造业等IT投入较大的行业。像机器人这样的高端制造业也有望在未来与AI结合，释放巨大的商业化潜力。

关于风险，当前大模型领域的竞争依然激烈。在这个整合过程中，投资者需要避免“撒胡椒面”式的投资策略，而是应更多关注企业的核心竞争力，尤其是哪些企业能最终成为基础大模型的领导者。

从应用的角度来看，行业专属的数据和合规性问题也是需要特别关注的。如果某个企业拥有特定行业的专属数据，并能够在安全合规的前提下利用这些数据来训练模型和开发应用，这将是非常大的竞争优势。相反，如果在这方面没有优势，且投入大量资金开发，则需要谨慎评估这是否是一个值得继续投资的方向。

经济观察网：现在许多中国生成式AI公司加大了海外扩张的能力，你认为这种海外扩张需要符合哪些条件？

段冰：海外扩张可以从几个层面来理解。当前，主要是大型互联网和科技企业在推动生成式AI的海外业务。其驱动力一方面是与中国企业协同，通过技术和平台为这些企业服务，伴随它们走向国际市场；另一方面则是直接服务当地用户和企业。因此，这里可以分为两大方向：一个是服务中国的企业，另一个是拓展当地市场。

从实际操作角度来看，首先要扩展基础设施。比如，很多中国的互联网公司以及一些IDC（互联网数据中心）运营商，已经在东南亚等地开始建设大量基础设施，包括与AI相关的基础设施。当前阶段的重点是完成算力和基础设施的布局，接下来才是进行生成式AI的训练，最终推进推理和上层应用的发展。

当然，这主要适用于大型科技企业，因为这些企业拥有足够的资本，能够对投资进行评估，并且在未来产生可观的收益和投资回报率（ROI），以便在海外市场持续投资。此外，出海企业必须遵循当地的法律法规，包括业务发展、用户增长及技术合规等方面。同时，作为中国企业出海，还需兼顾中国国内的相关要求，尤其是涉及数据安全和数据跨境流动的法律法规。例如，中国政府对某些敏感数据的处理有严格规定，企业可能需要建立局域网或确保数据在企业内部流转。

从应用和用户拓展的角度来看，企业还需要根据当地用户和企业的特征，进行生成式AI模型的定制化。例如，大型语言模型的基础版本通常是经过标准化预训练的，但在出海背景下，必须结合特定国家和行业的特点进行优化。