前言

近年来，全球 AI 行业正持续引吭高歌，其相关应用场景已然从基础硬件扩展到了软件、服务及平台等综合性交互体系，并迅速在工业、农业、商业等领域的多个赛道深度赋能传统经济的数字化、智能化创新升级。

作为新一轮产业变革的数字引擎及核心驱动力，AI 正进一步释放历次科技革命及产业革新所储藏的巨大能量，多维重构生产、分配、交互等关键市场活动环节，并逐步刺激、催生着新技术、新产品、新业态、新模式。

目前， AI 正加速与各行各业融合落地，颠覆性创新助力传统行业的转型升级、提质增效，引领着全球未来产业科技浪潮。然而，据分析公司 Similarweb 的数据显示，截至 2023 年 8 月，ChatGPT 全球桌面和移动网站访问量下降了 3.2%，至 14.3 亿次。此外，一级市场 AI 领域的投资情况也逐渐降温，CB Insights 数据显示，2023 年的第二季度，全球 AI 领域投资总额环比暴减 38%。可谓市场冷静期已然到来，AI 该如何脱虚向实，再启新篇？

纵论全球 AI 现状

宏观向上 交互融合

· 技术共创

AI 技术的发展演进已不再是单一升级，竖式探索，而是逐渐开始与区块链、5G、XR 等新兴数字技术交互融合发展、多点突破。

截至今日，AI 在大数据处理、图像处理、语音识别、机器翻译等诸多领域都取得了里程碑式进展（无论是精度还是效率都得到了显著提高），并通过与多元化数字技术的深层次融合，不断提升技术、产品创新密度、丰富生态体验。

· 多维应用

首先，人类与 AI 之间并不是单纯的替代关系。其次， 人 与 AI 的交互合作，可进一步促进市场运作效率，拓建更完善的社会生态，并持续为企业的数字化、智能化转型升级提供关键增长动力。目前，AI 的实际应用落地场景已非常广泛 —— 涵盖了娱乐、金融、医疗、教育、交通等多个领域。

· 产链协创

AI 产业链主要包括技术提供商、应用开发商、服务提供商等板块。深论之，技术提供商主要提供 AI 算法及技术平台；应用开发商是基于技术提供商的平台来开发具体应用；服务提供商则专注于提供基于 AI 技术的系列产品及服务。目前全球 AI 产业链的各大环节之间相互协作，联动创新，正共同致力于推动 AI 产业的健康可持续化创新发展。

· 投资热潮

全球 AI 行业的市场投资热潮正持续高涨，其相关投资数额与投资机构数量在长期范围内都保持着持续增长态势，其中所涉及的投资领域更是涵盖了 AI 技术创新应用的各大赛道 —— 包括语音识别、自然语言处理、图像处理、人机交互等。可预见的是，未来 AI 行业的投资热潮将继续保持高位，全球市场将呈现范围性突破，多点式开花的局面。

· 政策支持

目前，世界各国政府都在深度布局 AI 数创生态建设，不断加强对 AI 产业的政策支持，其中包括税收优惠、融资信投、人才引进等诸多方面。例如，美国政府提出了「 AI 国家战略」，并加强对 AI 领域的持续性投资和市场政策扶持；中国政府也针对 AI 行业推出了整合发展规划与政策扶持措施，旨在推动 AI 的技术研创、产品开发及场景应用。这些政策支持为 AI 产业的发展提供了有力保障。

· 人才竞争

了解 AI 等新兴行业的人都始终保持着一个共识 ——  核心人才竞争异常激烈。长期以来，为了吸引和培养优秀人才，并保持人才生态的可持续性，各国政府、企业和机构都在持续加强核心产业人才的培养、引进与储备，不断加强完善针对于人才培训、扶持及发展等方面的策略规划与资金投入。

· 社会伦理

AI 正不断改写着人类社会的运作模式，其迅猛式发展态势也为整个人类社会带来了诸多问题 —— AI 对人类社会和伦理的影响、 AI 算法的偏见与歧视、AI 大模型训练的高耗能、AI 对假信息和社会舆论的操纵、生成式 AI 在人类创新创造中的角色……在 AI 行业加速奔跑的今天，这些问题值得我们细细思考，而全球各界也都在持续加强对于 AI 伦理问题的研究和探讨，并推动制定相应的行业伦理规范和生态标准。

具象深耕 六大领域

· 信息处理

AI 理论的迅猛发展为信息处理技术提供了新思路及新方法，促进了智能信息处理的发展与应用 —— AI 正在迅速渗透计算机及其他信息处理终端市场，专注于探索文字、图像、语音等信息的智能化处理、通信及控制等问题。

· 内容交互

随着文本生成、图像生成、三维模型生成等一系列应用级人工智能内容生成（AIGC）算法的迭代发展，AI 已初步具备了数字化内容的生产交互能力，并持续突破逻辑推理、常识认知等诸多门槛。目前，全球大量 AI 工程师都正深耕以准确识别物体、声音、文本等内容为目标的技术，旨在为【 AI+】的多维生态拓建提供基础设施支持。

· 数算规改

AI 和机器学习的模型与其所使用的数据质量直接相关，如果数据存在偏见、错误或噪音，模型的输出也可能是不准确或有偏见的。为此，对数据采集、信息存储和算法处理做出相应的规划改革是非常重要的一环，是扩大 AI 应用范围的必要条件。

· 硬件开发

随着生成式人工智能（AI）日益发展，硬件创新正成为新的商机，由 AI 驱动的硬件创新也在不断加速。AI 一直在不断改变软件方面的开发形态，新一代硬件也正在积极支持机器学习的发展，以完成更大规模的计算工作。

· 具身智能

在人工智能浪潮下，由其所加持的机器人化身具身智能（Embodied Intelligence）吸引了全球的广泛关注，毫无疑问成为了机器人产业的下一个风口。从产业链的角度上看，机器视觉、边缘计算等是具身智能产业的重要基础组成部分，在政策扶持与市场需求双重驱动下，有望带动相关产业的探索和发展，而其中，帮助智能机器人实现任意动作的精确控制更是 AI 行业的重要研究领域。

· 通用 AI

目前对通用 AI 主要有两种理解：通用性的人工智能（General Artificial Intelligence，GAI）指的是能够处理多种任务的人工智能；人工通用智能（Artificial General Intelligence，AGI），也称强人工智能、超级人工智能等，指的是在所有方面都达到和超越人类水平的智能系统。

通用 AI 是 AI 发展的终极目标。近年来，大模型通过持续扩大规模，出现了从量变到质变的能力“涌现”现象，在语言理解生成、逻辑推理等方面表现出预料之外的能力，拉开了迈向通用 AI 的序幕，成为新一轮科技革命和产业变革的重要驱动力量。

AI 实现突破发展的关键性瓶颈

数据与算法

· 数据隐私和安全问题

大规模的数据收集和处理往往会造成对个人隐私和数据安全的侵犯，而一些 AI 应用更是需要大量的个人数据来训练模型，从而引发系列潜在侵犯隐私等问题。

· 算法公正性和透明性

源于训练数据中的偏见，以及算法的设计和实现规则，部分 AI 系统可能存在偏见和歧视等问题，这对于用户等利益相关方来说是一个严峻的挑战。

伦理与监管

· AI 伦理问题

随着 AI 行业的不断发展，一系列关乎社会伦理的问题开始出现，例如：AI 是否会威胁到人类作为主体和尊严的存在？人类是否会被边缘化或取代？这些问题涉及到人类与机器之间的关系，以及人类自身的价值观和意义。

· 标准与监管 

整体而言，目前全球范围内对于 AI 行业是暂时缺乏统一标准和监管框架的，这直接导致了世界各地 AI 生态发展的差异，并出现较多使用 AI 来谋取不正当利益的行为。

人才与落地

· 迫需人才

AI 行业除了极度需要本行业高度专业化的人才之外（包括机器学习专家、数据科学家和工程师），还需要在各个传统领域有着专业知识、商业洞察力和团队合作领导力等具备跨学科技能的人才。随着行业的不断拓展，各领域专业人才的需求亦随之激增，并直接导致了激烈的市场人才竞争。

· 落地困境

主要包括商业应用的不确定性和 ROI（投资回报率）两大问题：首先 AI 技术在理论上非常强大，但在实际商业应用中的成功并不总是容易实现；公司可能面临考量投资回报率，以及如何将 AI 技术整合到现有业务流程中的问题。要想排除重难，在市场上推动「AI ➕」产品、服务的应用落地可能还需要若干时间。

除以上所重点谈及的三大板块之外，AI 要想实现指数式增长创新，还必须解决成本高昂、交互率低等诸多细微问题。

可以说，目前，全球正处于AI 冷静期，经过半年的“稳固”，模式化 AI 不再是能拯救各行各业的“万金油”神药。市场回归冷静，并不一定是坏事，相反，静中思创，「AI+」行业/场景将为我们创造更多新叙事、新未来。

脱虚向实 —— 多维深耕、生态共建

AI 本身就具有强大的发展潜力，随着相关技术的不断进步，解决方案的不断成熟，市场可能在不久的未来便会重新活跃起来。对此，正经历全球 AI 市场冷静期的我们，则更应该开拓思维，从市场、生态等多个维度进行深入调研，多维剖析，实时关注领域最新进展。

AI 正逐步从纯粹的理论概念和实验室研究走向了市场实际应用，渗透到现实社会的各个行业与我们的日常生活场景中来。而要想真正的脱虚向实，AI 就必须进一步完成多元化场景拓展与行业共建，在这个过程中，就涉及到技术、生态、政策、人才与落地等多方的协同助力。

技术创研

· 模型优化与轻量化

要想适应多元化生态场景，就需要不断优化、轻量化 AI 模型，以低门槛、低成本的优势来更好的适应于不同的硬件、环境。

· 自适应学习和迁移学习

AI 系统需要具备自适应学习能力，来保证自身能够在新场景中快速学习并适应，而迁移学习则可以帮助模型在不同任务之间，快速高效地完成信息交互与知识共享。

产业协作

· 产学研

产业界、学术界和研究机构之间的合作，对于 AI 行业的稳定融创发展颇具意义，通过多方的知识共享和资源交互，可进一步加速 AI 技术在实际场景中的应用落地。

· 联动平台

需要多方携手建立开放式创新联动平台，以组织不同领域的公司和机构来共同解决个体多难以面对的诸多问题，从而推动 AI 的跨行业协作应用。

政策规范

· 行业规范

制定可靠的数据隐私法规和伦理规范，来保障用户的个人隐私及数据安全，从而确保 AI 应用在法律和伦理框架内的稳定、高效运行。

· 激励政策

通过制定相应的规划扶持政策、措施，如税收优惠、资金支持等，来刺激 AI 行业的整体正向发展，并鼓励传统企业在多元场景中适度投资并应用 AI 来实现自身的数字化创新升级。

人才教育

· 交叉培训

推动跨学科指导教育，培养具有不同领域专业知识的人才，为 AI 赋能传统行业贮备综合性人才。

· 终身学习

培养全民终身学习理念，支持行业相关者不断完善知识储备和技能熟练度，以适应行业的的迅猛发展和多元场景落地需求。

且论 AI 未来发展趋势

无需赘述，AI 的未来发展必定将涵盖诸多领域，各类赛道，无论是技术的迭代创新，还是产品、服务的改革开发，亦或是应用领域的持续拓建等等，一一讨论，便是过于杂乱，本文便主要从以下三大方向进行整合预测论述：

多元技术融创

未来的 AI 可能会更加注重自主学习能力的创新 —— 包括自监督学习和增强监督学习，这将使 AI 系统变得更为灵活与高效，从而更好地适应新的环境，以完成更为大规模的复合式任务。

而就未来模型而言，它将面对更加复杂多样化的交互场景，更加注重文本、图像和视频等各种形式的信息融合。对此，未来的 AI 模型可能会变得更大、更复杂，并将涉及更大规模的深度学习模型、更快速的计算硬件以及更高效的模型架构。

而多模态模型能够处理视觉信息、文本信息、听觉信息等多元化数据，能够对不同表现形式的信息进行融合理解，便是 AI 全面理解真实世界的重要一步。此外，随着硬件技术的不断发展，将 AI 算法融合到边缘设备上，减少对云计算的依赖，提高响应速度，是未来发展的一个重要方向。

垂直行业落地

未来 AI 将更广泛且深度地赋能各个垂直行业，包括医疗、金融、制造、零售、能源等。这必将涉及到更多系统性、定制化的解决方案，从而催生特定行业的特殊需求。

此外，随着技术的发展，AI 将进一步渗透到新兴领域，如量子计算、生物医学、可再生能源等，并持续推动这些领域的创新和进步。

生态建设规范

随着 AI 技术的不断发展，社会对于伦理和法律问题的关注度不断增加，未来可能会更加强调AI 的道德使用、隐私保护和公平性，各国可能会制定更完善的法律框架来规范 AI 的开发和应用。包括隐私、安全、受限制等在内的一系列伦理和法规问题开始得到解决，并完成相应的法规、方针的制定，但可能需要时间来形成全球性的共识意见，而公众对于 AI 技术的认知和接受度也将随之大幅度提高。

目前可预见的这些趋势只是一些可能的方向，实际发展取决于技术进步、社会需求和政策变化等多个因素的综合影响，人工智能领域作为一个高动态、快节奏的迭代创新过程，随时可因骤然出现的需求变化和市场动荡而催生全新的发展趋势和方向。

结尾

在奔赴 AI 星辰大海的征途中，【IOST AI LABS】已策略开启“ All in AI ”核心战略升级，积极抢抓政策利好及 AI 生态红利期，充分发挥自身在技术融创多链化、生态构建多云化、算力驱动产业化等领域的先天优势。

目前，【IOST AI LABS】正携手 AWS、Tencent Cloud 等全球优质生态合作伙伴，通过对话与合作凝聚共识，构建开放、公正、有效的治理机制，持续加强AI、大数据、物联网、数字孪生等数字技术的创新研究，并已推出「NFT service 」、「Blockchain traceability service 」两大 AI 产品，以积极探索并拓展 AI 多领域创新性应用场景。

在新产业、新业态、新商业模式经济建设的大背景下，企业对 AI 的需求逐渐升温， AI 产值的成长速度令人瞩目，而随着 AI 在千行百业的加速落地，相关企业必须深度聚焦且持续深耕“数据＋AI”赛道，抢 AI 技术变革带来的机遇，以科技创新塑造发展新动能，主动探索多场景应用价值，助推行业健康高质量发展。