每日观点:华映资本章高男：随着制造业数字化的普及和深入，越来越多的生产管理和业务管理可以充分与AI结合

　　原标题：华映资本章高男：随着制造业数字化的普及和深入，越来越多的生产管理和业务管理可以充分与AI结合

　　来源：华映资本

来源：华映资本

　　2023年，ChatGPT为代表的生成式人工智能席卷全球，正在开启第二波人工智能浪潮。

　　从AI 1.0到AI 2.0，穿越产业周期，围绕模型算力、产品落地、应用场景、投资逻辑的讨论仍在继续。

　　投模型还是投应用？AGI时代何时开启？人工智能商业化又该如何破局？

　　8月22日，中国科技产业智库「甲子光年」在北京举办了「2023甲子引力X科技产业投资大会」，数十位行业大咖聚焦产业前沿话题，以人工智能等硬科技投资为起点，剖析科技产业新风口，共同探寻科技产业新趋势、新机遇、新未来。

　　章高男分享了未来投资机会的三个方向：第一个就是算法上的突破，寻找比Transformer更接近通用人工智能的算法；第二个方向，是在通用大模型的基础上做相关应用，如果能够相互优化大模型的训练那壁垒更高；第三个方向是借鉴大模型在语言模型的成功，把类似的深度学习技术泛化到非语言模型的应用拓展。

　　在制造业领域，章高男表示，随着数字化的普及和深入，越来越多的生产管理和业务管理都可以充分跟AI结合。

　　随着技术的发展，大模型的使用门槛会越来越低，但是大模型跟通用人工智能差得很远，未来应该会有更多的算法和模型去逼近通用人工智能。

　　此次大会上，「2022-2023年度中国科技产业投资榜」与「2022-2023年度科技产业最具投资价值企业榜」重磅发布。

　　凭借优异的业绩表现和多年的产业深耕，华映资本携被投企业在评选中收获四项大奖：

　　华映资本

　　2022-2023年度智能制造最佳投资机构TOP30

　　2022-2023年度企业服务最佳投资机构TOP20

　　华映资本章高男

　　2022-2023年度智能制造最佳投资人TOP20

　　金柚网

　　2022-2023年度企业服务最具投资价值公司TOP10

　　金柚网是知名的人力资源数字化综合服务商，以“连接企业连接人，释放人力资源价值”为核心，基于企业人才战略与业务场景，构建贯穿员工全生命周期的人力资源数字化产品与服务体系。

　　业务能力从扎根本土到走向全球，涵盖一体化智能人事管理系统、全球数字化人力资源服务、业务外包、企业商业保险、企业内训和咨询等，覆盖餐饮、零售、物流、医药、智能制造等多个行业，已为85000多家企业提供服务，包括世界500强、国央企等中大型企业。

　　公司创立于2014年，始终坚持“以人为本”，依靠科技创新，围绕业务线上化、流程数字化、数据智能化，全面赋能企业高效增长。

　　成立的金柚法学教育基金，致力为企业和广大就业者谋福利，为推动社会进步和发展创造价值。

　　具体榜单如下

　　以下是圆桌论坛环节的交流实录，经华映资本和「甲子光年」整理删改：

　　AI投资发生哪些变化？

　　葛志飞（主持人）：请各位投资人朋友们先自我介绍一下，这次圆桌论坛主要关注AI，大家可以说一下这半年来投资AI的情绪变化，以及自己投资的项目。

　　章高男：华映资本目前主要的两个大方向，一个是科技，一个是消费。

　　在科技上，过去我们比较专注于企服和智能制造，投了几十家公司，过去几年在新能源上也有一些布局。

　　我们对AI一直有持续关注，AI本身是一个技术，而不是行业分类。

　　我们过去也投了与AI相关的项目，包括AI PaaS平台、AI检测、AI数据标注等项目。

　　葛志飞：从技术发展本身来看的话，如果说2012年AlexNet开启了第一波AI的话，现在OpenAI的大模型可能正开启第二波AI浪潮，这是从技术供给端角度看到的变化。

　　但实际上，作为投资人，我们还是希望看到产业上能够真正有落地。

　　我想听听各位投资人朋友分享一下，从上一波AI到今天第二次AI浪潮，大家有哪些特别关注的领域吗？可以抓住各自一个特别喜欢的领域来分享。

　　章高男：刚刚在说新老AI，从数学上讲，所谓大模型在数学上、理论上没有任何突破。

　　但Open AI做了一些很好的工程优化方法，在自然语言的语意理解方面实现了很大的突破，这块大模型已经做得非常出色了。

　　如果从未来投资的机会来讲，简单来说可能有几个方向：第一个就是算法上的突破，投算法的策略。

　　我们说GPT的T（Transformer）不一定是最优的，因为这种框架本身的技术局限性是无法产生真正的推理能力的，也许有比Transformer更好逼近通用人工智能的框架和算法。

　　投算法，中国土壤比较差，对投资人要求也极高。

　　第二个方向，是在通用大模型的基础上做相关应用。

　　之前我把通用大模型比作轮子，轮子上可以造汽车、摩托车、坦克等等，这里面有大量机会。

　　第三个方向是借鉴大模型在语言模型的成功，把类似的深度学习技术泛化到非语言模型的应用拓展，即从语言模型扩展到其他非语言领域的模型，这也是一个很好的机会。

　　因为我主要投资To B领域，比如智能制造、材料等，这些领域需要大量仿真计算，虽然不是语言方面的，但同样可以借鉴深度学习和大模型的框架进行尝试，这也是大模型给我们带来的启示，也是我个人投资的重点之一。

　　投模型还是投应用？

　　葛志飞：下面请章总和张总，从制造业的层面上分享一下，你们如何看待AI的落地或者未来三五年的潜在应用？包括机器人这个领域。

　　章高男：我个人对机器人领域投资比较保守，这是因为每个人有自己的投资方法和投资逻辑，我的投资逻辑不太适合投像机器人这种每个细分都有很多玩家的项目，因为机器人很难一家独大，而稀缺性是我投资最强调的因素。

　　但这不代表机器人领域没有投资机会，相反这是一个极大的增量市场机会。

　　机器人领域有很多优秀公司，我也会看一些在To B领域技术特点特别突出的项目。

　　我个人理解不管硬件、载体形式如何，其实只要有数据，就有机器学习，就会有AI，这是底层逻辑。

　　工业里面有大量数据，只不过不一定是语言数据，而是机器数据，包括IT数据或传感器数据等等。

　　这些数据里面既有结构化数据，也有很多视频和图像等非结构化数据。

　　在制造业里AI能给我们一些启示就是，随着制造业数字化的普及和深入，越来越多的生产管理和业务管理都可以充分跟AI结合。

　　特别是在生产作业现场，很多处理对实时性要求很高，这给基于边缘计算和AI有机结合的融合技术提供了大量的应用场景。

　　我们可以借鉴一些深度学习的算法和场景结合起来，甚至把大模型应用到科技计算。

　　我们过去仿真都是建立一个数学模型，数学模型求解，解各种多维非线性方程，学计算机的都知道这是巨大计算挑战和难题，因为越精确，数据和算力要求越高，收敛难度也越大。

　　能不能换一个方式，不用严格数学推理的非线性求解计算方式，我们也许可以用神经网络去求解，我觉得这里面有不少机会，我个人会花很多时间找这样的机会，在工业里面借鉴所谓大模型底层的一些算法的机制，特别是自我注意力机制，这也是一个探索。

　　大模型开启了AGI时代？

　　葛志飞：大家对于大模型未来的预期是什么样子的？比如现在是 GPT-4，未来几年如果训练出GPT-5、GPT-6、GPT-7，能力增长是线性的还是指数型的？如果持续增长，慢慢出现通用人工智能之后，你相信这个东西能够走向通用人工智能之路，还是你觉得可能性不存在？

　　章高男：现在有很多大模型，随着技术的发展，大模型的使用门槛会越来越低，人人都可以使用。

　　但是大模型跟通用人工智能差得很远，最多算是一个起点，现有大模型不能产生思维。

　　未来应该会有更多的算法和模型去逼近通用人工智能，但这还是非常遥远的事情。

　　本文《华映资本章高男：随着制造业数字化的普及和深入，越来越多的生产管理和业务管理可以充分与AI结合》介绍到此结束，感谢阅读。