本资源为字节跳动2015年的融资BP。 项目摘要 推荐引擎将超越搜索引擎 全球范围内的开创性产品，各方面指标遥遥领先于国内外同行中国公司第一次实现全球NO.1的技术水准，大幅领先美国 比搜索引擎更强大的变现能力，14年收入同比增长几十倍 将成为手机上的入口级产品和超级APP 将推出两个与“头条”同级别的战略级产品，目标用户过亿 下一家千亿美金公司 来自：字节跳动

2022年是人工智能（AI）的一个分水岭，ChatGPT，DALL.E和Lensa等几个面向消费者的应用程序发布了，它们的共同主题是使用生成式人工智能-这是人工智能领域的一次范式转换。当前的人工智能使用模式检测或遵循规则来帮助分析数据和做出预测，而Transformer架构的出现则开启了一个新领域：生成式人工智能。 生成式人工智能可以通过创建类似于其所训练的数据的新颖数据来模仿人类的创造过程，将人工智能从“赋能者”提升为（潜在的）“协作者”。实际上，Gartner估计，到2025年，超过10％的数据将是由人工智能生成的，预示着一个新时代—人类与（WithTM）机器协作的时代—的到来。 虽然目前生成式人工智能主要应用于面向消费者的产品，但它也有潜力为企业工作流程增加情景感知和类似于人类的决策能力，并彻底改变我们的商业模式。例如，谷歌的客服中心人工智能（CCAI）旨在帮助实现采用自然语言进行客户服务交互，而NVIDIA的BioNeMo则可以加速新药的研发。这些解决方案可能只是刚刚开始产生影响，我们将看到更多基于生成式人工智能的解决方案应用到企业中，改变我们的商业模式。 生成式人工智能已经引起了传统风险投资、并购等方面以及新兴生态系统合作伙伴关系的兴趣。仅在2022年，风险投资公司就投资了超过20亿美元，而技术领先企业也进行了重大投资，例如微软对OpenAI的100亿美元投资和谷歌对Anthropic的3亿美元投资。这显示出生成式人工智能作为一个新兴领域的巨大潜力。 随着生成式人工智能的不断推广和应用，其产生的深远影响和潜在价值正在加速推动从实验到消费者领域再很快进入企业领域的应用。尽管媒体关注的大多数是消费者应用，但这种技术的应用机会是广泛的，并且已经有一些应用案例。尽管如此，人们仍然存在疑问，即个人和企业如何利用生成式人工智能来实现效率提升、产品改进、新体验或业务变革。我们同样只是刚刚开始探究生成式人工智能如何商业化以及如何建立可持续的商业模式。 来源：德勤

不可否认AIGC的出现似乎已经让大家预见了AI应用的拐点，其创造性与智能性一夜之间刷新了大众认知。但去伪存真，在市场火爆的背后其真正的应用及商业价值几何，更待我们冷静地剖析。基于此，甲子光年智库特此展开AIGC应用与实践研究，输出《AIGC应用与实践研究报告》，期待与各方共同见证AIGC行业的星辰大海。 AIGC时代已来，算力及数据下训练的“暴力美学”实现内容生成质的突破 内容生成的低成本及高效率必然会冲击现有的商业模式 AI企业、互联网企业、垂直行业的数字化科技企业在AI能力加持下需要再出发 来源：甲子光年智库

2022年是人工智能（AI）的一个分水岭，ChatGPT，DALL.E和Lensa等几个面向消费者的应用程序发布了，它们的共同主题是使用生成式人工智能-这是人工智能领域的一次范式转换。当前的人工智能使用模式检测或遵循规则来帮助分析数据和做出预测，而Transformer架构的出现则开启了一个新领域：生成式人工智能。 生成式人工智能可以通过创建类似于其所训练的数据的新颖数据来模仿人类的创造过程，将人工智能从“赋能者”提升为（潜在的）“协作者”。实际上，Gartner估计，到2025年，超过10％的数据将是由人工智能生成的，预示着一个新时代—人类与（WithTM）机器协作的时代—的到来。 虽然目前生成式人工智能主要应用于面向消费者的产品，但它也有潜力为企业工作流程增加情景感知和类似于人类的决策能力，并彻底改变我们的商业模式。例如，谷歌的客服中心人工智能（CCAI）旨在帮助实现采用自然语言进行客户服务交互，而NVIDIA的BioNeMo则可以加速新药的研发。这些解决方案可能只是刚刚开始产生影响，我们将看到更多基于生成式人工智能的解决方案应用到企业中，改变我们的商业模式。生成式人工智能已经引起了传统风险投资、并购等方面以及新兴生态系统合作伙伴关系的兴趣。仅在2022年，风险投资公司就投资了超过20亿美元，而技术领先企业也进行了重大投资，例如微软对OpenAI的100亿美元投资和谷歌对Anthropic的3亿美元投资。这显示出生成式人工智能作为一个新兴领域的巨大潜力。 随着生成式人工智能的不断推广和应用，其产生的深远影响和潜在价值正在加速推动从实验到消费者领域再很快进入企业领域的应用。尽管媒体关注的大多数是消费者应用，但这种技术的应用机会是广泛的，并且已经有一些应用案例。尽管如此，人们仍然存在疑问，即个人和企业如何利用生成式人工智能来实现效率提升、产品改进、新体验或业务变革。我们同样只是刚刚开始探究生成式人工智能如何商业化以及如何建立可持续的商业模式。 来源：德勤

整体市场：人工智能产业的快速增长带动了人工智能基础数据服务市场的蓬勃发展，自动驾驶是未来五年最重要的应用领域 发展趋势：标注复杂化、自动化、全栈式服务需求以及愈加严格的数据合规需求是AI基础数据服务市场的四大趋势 竞争格局：传统的专业型基础数据服务商仍是行业重要组成，但科技巨头企业依托其科技实力和强大资源，逐渐占据竞争优势结构化数据是人工智能算法开发迭代的重要基础，人工智能基础数据服务市场受人工智能核心产业发展带动仍将保持高速增长，预计2027年市场规模有望达到130-160亿元。 自动驾驶是人工智能基础数据服务市场占比最大的下游应用，随着自动驾驶算法技术不断迭代与场景落地，未来占比有望进一步提升。 标注复杂化：随着算法迭代创新以及场景功能的持续扩展，数据标注元素和标注信息维度均将大幅增加，对于数据基础服务供应商提出了更高的要求； 自动化标注：AI赋能的自动标注工具逐渐成为基础数据服务商和AI算法公司降本增效的利器，推高行业集中度； 全栈式服务：下游算法应用方自研人工智能算法的趋势逐渐显现，需求方对于“基础数据服务+云资源+工具链”的全栈式服务需求提升（包括算法公司，但主要由应用方驱动），特别是对于工具链产品的需求将随着商业化场景的成熟由自动驾驶领域向各行各业拓展，适应未来的迭代需求； 从自动驾驶基础数据服务需求方的角度出发，整车厂及Tier1自研需求不断提升，同时技术迭代带来的更复杂、更专业的数据标注需求，这将推升整个自动驾驶行业的基础数据服务外包需求，并进一步释放对工具链及全栈式服务的需求。 数据合规性：数据安全法律法规体系不断完善，基础数据服务商在数据脱敏、数据采集的测绘资质要求等环节的专业性价值会为其带来竞争优势。 科技巨头、专业型基础数据服务商以及科技初创企业是人工智能基础数据服务行业的主要参与者，其中专业型基础数据服务商布局早，服务经验积累深，在市场中仍占有较大份额，而科技巨头近两年发力明显，快速抢占市场； 自动化标注、专业数据采标及全栈式服务是人工智能基础数据的三大核心能力，其中领先的科技巨头在三个维度均有持续的积累，综合能力最强。以百度为代表的科技巨头依托其研发能力、产业链协同资源和对AI算法的理解、稳定和专业的标注团队，竞争优势显著，市场份额有望持续提升。 来源: 德勤

《人工智能产业人才岗位能力要求》标准

加速推进网络数字化转型，构建自动化、智能化的网络和运营能力，已经成为全球运营商的共同选择。人工智能（AI）技术的发展、算力持续增强以及海量网络数据为电信网络全面推进智能化奠定了基础。当前产业各方面向网络“规划-建设-维护-优化-运营”等全生命周期，积极探索网络智能化技术的应用创新。 运营商网络分层分布式的架构、数据分布式、网络部署运维与资源管理皆呈属地化形态等特点，决定了未来电信网络智能化发展需要有大量的AI算力分布于网络进行协同分工，电信网络智能化架构将呈现分布式形态。一方面，通用的AI平台可以供整网进行智能化计算与算力调用。同时，网络各个层级都将具备智能化能力，在服务运营层围绕网络的“规建维优”以及商业业务流程开展智能化应用；在资源层，网元设备通过内生智能实时感知网络状态、并执行实时推理实现网元级的业务闭环，本地智能化引擎结合本地网络实时状态及数据持续学习，高效支撑本地网络实现智能化感知、分析、决策、执行。 在此背景下，中国人工智能产业发展联盟发布《电信网络AI技术白皮书》，探讨电信网络（主要指电信运营商所建设运营的公众电信网）智能化发展的目标架构与关键技术，提出多个典型的网络智能案例与未来发展展望，以期与业界共同推动电信网络人工智能技术与产业发展，实现电信网络智能化的融合创新与深入推进。 来源：中国人工智能产业发展联盟

近年来，随着数字经济蓬勃增长和疫情居家的工作和生活模式的普及，大量线下活动被迁移到线上。直播、短视频社交网站、游戏、电子商务、VR、远程办公协同、智能聊天机器人已经成为人们生活工作中不可或缺的一部分，显著地提升了在线产品的丰富程度和用户体验。 新的业务需求拓宽了企业对AI技术的使用场景及规模，同时也为新时代的AI技术团队设立了更高的挑战目标：数据、算法、模型和部署需要满足前所未有的高速、灵活和稳定要求，同时还要结合学界、工业界和真实商业场景的最新技术趋势。 作为对挑战的响应，网易智企的技术团队对网易易盾、网易云信及网易云商等业务进行全链路AI技术深耕，聚焦内容风控、多媒体实时交互和智能客服三大领域调动AI研发资源，构建了一系列立体、全面的AI解决方案，迅速提升了各业务及产品线的表现。 在AI技术的加持下，网易智企实现了不断的技术迭代，实现了识别效果的优化、资源消耗的降低，强化了多元互补及细化场景，完善了产品线功能的覆盖，并进一步提高了服务速度，缩短了响应周期，通过主动拥抱AI技术，有效构建了对复杂多变地业务需求进行灵活响应的能力。 来源： 机器之心（北京）科技有限公司

2016年以来，以机器学习（machine learning），尤其是深度学习（deep learning）为代表的新一代人工智能技术不断朝着更加先进、复杂、自主的方向发展，这给经济和社会发展带来了新的变革性机遇。AI应用迎来“物种大爆发”，日益渗透到各行各业和人类生活的方方面面，有望塑造新型的经济和社会形态。与此同时，科技伦理也日益成为了当前AI技术发展与产业应用中的“必选项”，各界纷纷探索AI伦理原则、框架、治理机制等。科技伦理的一个核心议题就是人工智能的透明度与可解释性（transparency and explainability）。2021年11月，联合国UNESCO通过的首个全球性的AI伦理协议《人工智能伦理建议书》（Recommendationon the ethics of artificial intelligence），提出的十大AI原则就包括“透明性与可解释性”，即算法的工作方式和算法训练数据应具有透明度和可理解性。 虽然并非所有的AI系统都是“黑盒＂（black box）算法，并非比非AI技术、传统软件或人工程序更加不可解释，但就当前而言，机器学习模型尤其是深度学习模型往往是不透明的，难以为人类所理解的。未来，人工智能的持续进步有望带来自主感知、学习、决策、行动的自主系统。然而，这些系统的实际效用受限于机器是否能够充分地向人类用户解释其思想和行动。如果用户想要理解、信任、有效管理新一代的人工智能伙伴，人工智能系统的透明性与可解释性就是至关重要的。因此，近年来，可解AI（Explainable ArtificialIntelligence，简称“XAI＂）成为了AI研究的新兴领域，学术界与产业界等纷纷探索理解AI系统行为的方法和工具。 来源：腾讯研究院

对用户来说，想入手智能家居，但前人踩过的坑历历在目：智能音箱百叫不应；手机App动不动因断网而服务异常；不同品牌的产品不互联互通，添加新设备时，连接成大问题......怎么选，才能避免智能家居变智障家居？那些成功避坑的人，究竟是做对了什么？ 对厂家、服务商和设计师来说，了解智能家居用户的显著特征和消费习惯，清楚他们真正关注的是什么，是构建精准服务能力打造核心竞争力的重要支撑。 将智能家居产业链上从业者与消费者的需求打通，为多方的市场决策提供参考依据，7月29日-8月8日，GVS视声特联合千家智客重磅开展智能家居市场调研，现输出调研报告如下。 来源： GVS视声

最近很火的智能问答聊天机器人 ChatGPT 再一次将 AI（人工智能）技术推向了风口浪尖，其背后的开发商 OpenAI 是美国一家知名的人工智能独角兽公司，曾获 10 亿美元投资。GPT-3 的出现表明经过多年的发展，AI 技术在全球范围内已取得了突破性地进步。 而最近五六年来，人工智能也一直是国内创投圈里的热门赛道之一。在 2022 年的岁末之际，国内 AI 行业的融资情况如何？我们试图从数据层面，作一些总结和回顾。 来源： IT桔子

随着社会数智化转型不断深入，算力规模出现爆发式的增长,算力供给方式向集群生态转变，为促进算力和网络的深度融合发展，中国移动提出算力网络一体化信息基础设施和信息服务体系。而算网大脑作为算力网络的编排管理核心，通过人工智能技术实现算网智能感知、智能编排调度、算网自智，促进算网一体、算网共生发展。 本白皮书旨在提出中国移动对于算网大脑的愿景、发展路径、关键技术、体系架构和产业倡议。希望能够为产业在规划设计算网大脑相关技术、产品和解决方案时提供参考和指引。 来源：中国移动