一、人工智能科技革命是第四次科技革命。
我们认为人工智能科技革命是第四次科技革命。科技革命的标志是新一代科技成果被广泛应用于生产生活，解放和发展了生产力，提高了全要素生产率。人工智能的发展将极大地取代人类的重复性脑力劳动，重塑人与机器的关系，进一步解放人类的创造力，增加休闲时间，拓宽人们的休闲娱乐方式，社会面貌有望发生翻天覆地的变化。
(一)2010年前后，新一轮科技革命开始孵化。
事实上，在2010年前后，随着芯片、云计算、物联网等技术的不断发展，人类收集和处理大数据的能力大大提高，计算能力大大提高，算法不断完善。人工智能科技革命已经开始孵化、孕育和成长，ChatGPT版本的快速迭代、智能驾驶技术的不断进步、人形机器人的出现等一系列现象都是人工智能科技革命的缩影。我们已经可以预见人工智能技术在生产生活中的广泛应用。
随着芯片、云计算、物联网等技术的快速发展，2010年前后，人工智能的科技革命开始孵化、孕育和成长，几种技术相互促进，不断迭代，使得超大规模数据采集、信息处理和模型训练的过程成为现实。
芯片是人工智能的“心脏”。人工智能芯片是指专门为加速人工智能算法而设计的芯片，可以处理人工智能应用中的大量任务。它最早诞生于2008年，以英伟达重要的AI芯片Tegra的诞生为标志。2010年，IBM首次发布了模拟大脑结构的类脑芯片原型，具备感知认知和大规模并行计算能力，实现了芯片领域的重大突破。
深度学习是目前实现人工智能的主流方法，即通过归纳和综合的方式使计算机智能化，其应用涵盖了人工智能的所有领域，2012年进入技术爆发期。2006年，首次验证了大规模深度神经网络学习的可能性，随后2012年，深度神经网络因其低错误率在竞争中脱颖而出，行业进入爆发期。
大模型是基于深度学习的人工智能网络模型，2014年进入发展期。2014年，被称为21世纪最强大的算法模型之一的对抗性生成网络诞生，标志着深度学习进入了生成模型研究的新阶段。2018年，预训练大模型成为自然语言处理领域的主流。大模型可以大大降低特定模型训练所需的计算能力和数据，缩短模型开发周期，获得更好的模型训练效果。
云计算是人工智能的基础计算平台，帮助人工智能实现应用落地，2009年进入快速提升期。人工智能不仅丰富了云计算服务的特性，也让云计算服务更加符合业务场景的需求，进一步解放了人力，催生了AI绘画、AI写作等应用。从2009年开始，云计算的种类越来越多，功能也逐渐完善。相关企业通过并购不断扩大规模，加速云计算市场的扩张。进入2010年后，云计算得到了广泛的推广，人工智能研究人员可以利用云计算进行大量CPU和GPU的混合运算。
此外，数据中心和新型动力系统也是人工智能发展的必要条件。深度学习需要大量的数据传输和运算，背后需要强大的动力支持。由于需要大规模获取信息，电力结构、电力设备和数据交互更加复杂，调度等系统核心业务面临的不确定性问题日益突出。因此，支撑人工智能的数据传输和运算需要巨大的电力支持，才能在更具体的场景下开展相关工作。此外，深度学习算法可以减少人工智能技术本身在数据中心运营和模型开发过程中的碳排放，从而辅助构建新的电力支撑体系，实现“双碳”目标。
(二)科技革命的标志是新一代科技成果在生产生活中得到广泛应用。
科技革命的标志是新一代科技成果被广泛应用于生产生活，解放和发展了生产力，提高了全要素生产率。
第一次科技革命是以蒸汽机技术为基础的革命，以1830年瓦特蒸汽机的诞生为标志，蒸汽机被广泛应用于生产和生活。英国棉纺工业基本实现了蒸汽机驱动的机器工业，从而大大提高了机器的工作效率。第二次科技革命是以电力技术为基础的电气革命，以内燃机和电机的出现为标志。内燃机促进了钢铁、石油开采、石油化工和精密仪器仪表工业的发展，电话和家用电器大规模进入家庭。第三次科技革命是以计算机技术为基础，以家用计算机和互联网为载体，在短时间内在企业和居民中表现出快速渗透的特点，快速提高经济效率的信息技术革命，即“互联网革命”。
第四次科技革命将再次提高全要素生产率。人工智能将广泛而深刻地改变各行各业。目前，人工智能已经应用于汽车、家居、家电、建筑、医疗、教育等领域。在可预见的未来，人工智能将被广泛应用于更多领域。
二、人工智能技术革命的具体应用是机器人。
机器人将成为人工智能科技革命的具体应用和最佳载体，它包括广义机器人和狭义机器人两层含义。广义的机器人是具有一定脑力或体力的机器，可以代替或帮助人类完成自己不想或不能完成的任务，如无人驾驶汽车、扫地机器人等。狭义的机器人(humanoid robot)是指具有人形外观和人类特征，以代替或辅助人类工作的机器人产品。
(一)机器人是人工智能技术革命的最佳载体。
我们相信，机器人将成为人工智能技术革命的具体应用和最佳载体。第一，从客观规律来看，在人口老龄化、劳动力短缺、劳动力成本上升的背景下，机器取代人已经成为必然趋势。其次，从主观能动性的角度来看，科技革命成果的表现之一就是通过机器来完成人类不想要也无法完成的工作，有效提高生产效率。在人工智能技术的加持下，传统机器将被赋予大脑，进而成为广义的机器人。再次，机器人因其移动性和感知性，具备了在生产生活中大规模应用的条件。尤其是人形机器人，能够自然适应当前的人类环境，很可能成为第四次科技革命的代表产品，类似于第二次科技革命的电器或者第三次科技革命的电脑、手机。
1.在人力成本上升的背景下，机器取代人已经成为必然趋势。
从客观规律看，在人口老龄化、劳动力短缺、劳动力成本上升的背景下，机器取代人已经成为必然趋势。目前人口老龄化问题严峻，全球65岁及以上人口增速超过年轻人。根据《世界人口展望》(2019年修订版)的数据，到2050年，全球每6个人中就有1人超过65岁(16%)，2019年这一数字为11人(9%)；到2050年，欧洲和北美每四个人中就有一个65岁或以上。人口老龄化带来的劳动力短缺和劳动力成本上升，将推动一个国家更多地将人工智能技术应用于经济生产，在这种背景下机器取代人是必然趋势。
2.在人工智能的加持下，广义机器人的应用可以进一步提高生产效率。
在人工智能的加持下，机器人可以代替人完成人类不想要也无法完成的任务，从而提高全要素生产率。在应用场景下，机器人可以代替人完成人不想做、不能做的任务。其中，人类不想完成的，大多是重体力或重复性的工作。比如黑光工厂，又称智能工厂，是指从原材料到最终产品的所有生产、储存、搬运、检测环节都不需要人工操作，主要由智能机器人或自动化设备根据软件系统的指令完成。与传统车间相比，黑光厂自动化车间整体生产效率提高79%，生产运营成本降低34%，能源利用率提高17%，大大提高了生产效率，有利于制造业智能化进程的加速实现。人类无法完成的，大多是高风险的工作，比如涉及辐射、高压、消防救援等危险场景的工作。智能消防救援机器人收到指令后，可以进入火灾现场，代替消防战士完成危险环境下的调查。它的激光雷达可以实时扫描周围的环境，接收现场的声音，通过摄像头获得现场的实时画面，并使用红外线检测生命体征，将火灾和被困者的位置发送给消防人员。总的来说，在代替人类完成工作的过程中，机器人不仅代替了劳动力，还减少了不必要的伤亡，从而提高了生产效率。
3.机器人因其机动性和感知性，具备了在生产生活中大规模应用的条件。
机器人因其机动性和感知性，具备了在生产生活中大规模应用的条件。首先，机器人具有身体和精神功能，可以更好地移动、接收信息和完成与人的交互，人类不需要刻意学习机器人的语言来完成人与机器的交流；其次，机器人具有更高的自由度和灵活性，比其他形式更能适应人类环境，从而顺利实施工作。这是因为当前生产生活中的所有场景都是根据人类的生理特点设计的，机器人可以在现有的场景中完成相应的工作，而不需要改变场景；第三，机器人可以根据视觉、听觉和触觉的功能独立完成工作，形成一个工作循环。因此，仿人机器人是能够接收信息、开展工作、自主工作的闭环工作的最佳形式。
此外，机器人衍生的数字双胞胎可以反哺人工智能，促进技术更新迭代。数字孪生是通过数字化物理世界的所有元素，在网络空间中再造一个相应的“虚拟世界”，通过数字化为物理对象创建一个虚拟模型，从而模拟其在真实环境中的行为。数字双胞胎反馈AI大模型，为AI模型训练生成数据。不同于金融等其他行业，工业场景的样本量相对较小，AI训练难度相对较大。在此背景下，由机器人衍生的工业数字双胞胎可以通过仿真产生大量数据，帮助AI模型进行深度优化，从而更好地将AI应用到已知的工业场景中。
(2)机器人有广义机器人和狭义机器人两种含义。
根据国际标准化组织(ISO)的定义，机器人是一种可编程的执行器，具有一定程度的自主性，可以在其环境中移动以执行预期的任务。一般来说，广义的机器人是指自动控制的机器，即具有身体或精神能力，具有代替人的某些功能。狭义的机器人是指具有人形外观和人类特征，以代替或辅助人类工作的机器人产品。在人工智能科技革命的过程中，无论是广义机器人还是狭义机器人，都将得到极大的发展和普及。
1.广义的机器人将广泛应用于生产和生活中。
一般来说，广义的机器人是指自动控制的机器，即具有身体或精神能力，具有代替人的某些功能。
在分类上，中国电子学会将机器人分为三类:工业机器人、服务机器人和特种机器人。其中，工业机器人已广泛应用于汽车、电子、金属制品、塑料和化工产品，一般用于制造生产环境，如机床机器人、搬运机器人、焊接机器人等。服务机器人的应用场景和服务模式不断拓展，推动市场规模逆势增长。服务机器人一般用于生活等非制造环境，如家用清洁机器人、餐饮服务机器人、医疗服务机器人等。现阶段考虑到我国应对自然灾害和公共安全事件对特种机器人的需求相对突出。中国电子学会发布的《中国机器人产业发展报告(2022)》预计，2022年全球机器人市场规模将达到513亿美元，2017年至2022年年均增长率为14%。其中，工业机器人市场规模将达到195亿美元，服务机器人将达到217亿美元，特种机器人将超过100亿美元。整体来看，全球机器人应用场景不断扩大，涵盖汽车制造、电子制造等领域。
2021年，机器人安装量创历史新高，机器人产业迎来升级跨越发展窗口期。目前，新一代信息技术、生物技术、新能源技术、新材料技术等。正在加快与机器人技术的融合，机器人产业发展日新月异，新技术、新产品、新应用层出不穷，新生态正在加快构建，为促进全球经济发展、造福人类提供更好的服务。2020年后，各行业使用机器人的意愿将进一步增强，全球机器人产业发展将按下“快进键”，机器人产业将迎来升级和跨越发展的窗口期。据IFR统计，2021年，全球机器人市场规模持续扩大，工业机器人市场强劲反弹，安装量创历史新高。服务机器人和特种机器人持续高速发展，创新活跃，有力推动了全球经济复苏。
2.狭义机器人(人形机器人)有望成为人工智能科技革命的代表产品。
狭义的机器人是指兼具身体和精神能力的人形机器人，是人工智能、集成电路、新材料、先进制造等前沿技术体系融合的产物。
目前国内外仿人机器人的发展都处于早期阶段，而且由于迫切需要提高体力和脑力的相关技术，很难快速降低成本，暂时还没有得到广泛应用。在国际上，人形机器人的研发主要以企业实验室为主。根据适用的工作环境，人形机器人分为三个梯队。其中，第一梯队在体力和脑力上都有强大的技术支持，以美国波士顿动力和特斯拉为代表；第二梯队是兼具体力和脑力的人形机器人，但多用于非野外环境，以日韩为代表；第三梯队是只适合光滑路面的机器人。在中国，人形机器人的研究和设计主要集中在大学实验室，以及研究机构和高科技公司。目前，我国在基础器件、新材料新结构、控制理论、识别算法、智能理论等方面取得重要进展，各类专业机器人广泛应用于工业、医疗、农业、服务等领域。2023年8月17日，世界机器人大会发布了《中国机器人技术与产业发展报告》。报告显示，中国机器人产业整体发展水平稳步提升，应用场景显著拓展，核心零部件国产化进程加快，协同、物流、特种机器人等产品优势不断增强，涌现出一大批创新型企业。中国的人形机器人有望在真实场景中领先，在市场中领先。
与广义的机器人相比，狭义的人形机器人主要应用于医疗和教育领域。目前仿人机器人处于发展初期，技术上还存在软硬件相关的瓶颈，暂时无法帮助人类更高效地完成各种服务。但未来在人工智能相关技术的帮助下，对机器人运动能力的控制以及算法与硬件的匹配度有望提高。例如，在机器人任务层，语音大模型在机器人任务描述、分解和代码编程中的作用有望提高。在实时控制层，人工智能大模型有望加速仿真虚拟训练，快速实现算法迭代，扩展算法的多场景处理能力。
3.人工智能科技革命的基础设施是什么？
AIGC开启了人工智能的新时代。罗马不是一天建成的，人工智能行业也不是什么新鲜事。中国科学院院士谭铁牛说，1956年夏天，麦卡锡、明斯基等科学家在美国达特茅斯学院开会，讨论“如何用机器模拟人类智能”，首次提出“人工智能(简称AI)”的概念，这标志着人工智能的诞生。此后，人工智能产业持续发展了近70年。早期主要致力于文字识别和图像识别的理论和感知AI的发展。20世纪60年代，分析型AI开始以逻辑推理和数据挖掘的形式出现。20世纪70年代，decision AI开始做出智能决策。80年代以后，机器学习开始进化，背后的算法发展很快，如向量机、神经网络、决策树等。同时，在这个阶段，芯片计算能力在硬件领域得到了极大的提升，这也为人工智能产业的发展做出了贡献。2010年代，随着大数据、云计算、物联网等产业的快速发展，人工智能行业对数据、计算、存储和计算能力的需求呈指数级增长，“量变”推动“质变”，产生了生成式AI(AIGC)。2023年ChatGPT的发布，进一步点燃了各界对生成式AI的关注，人工智能行业进入新时代。
人工智能基础设施是推动行业发展的重要力量，AIGC科技革命对基础设施的要求进一步提高。从人工智能产业的发展历史来看，理论突破固然重要，但更重要的是数据量、存储能力、计算能力、计算能力等硬件水平的提升。随着硬件水平的提高和算法水平的突破，早期面向规则的感知AI和分析型AI实现了机器学习向深度学习的快速发展和应用，人工智能产业取得了长足的进步。2023年，ChatGPT引爆了新一轮AIGC科技革命，这也让我们“展望未来”ChatGPT，比如需要大量数据训练和海量存储需求支撑，在多模态、大模型的基础上，依靠庞大的计算能力为用户提供持续服务，可以完成聊天、写邮件、编辑视频脚本、写文案、翻译、写代码等服务。
可以看出，考虑到AIGC背后对多模态认知、大模型、海量数据、实时计算、智能交互、硬件计算能力的需求，对科技基础设施的要求将进一步提高。早在ChatGPT出现之前，美欧等发达经济体就已经开始布局。根据中国信通院《人工智能基础设施发展趋势报告(2021年版)》显示，2021年7月，美国国家科学基金会计划投资2.2亿美元新建11个国家人工智能研究中心，涵盖人工智能与先进网络基础设施、人机交互与协作等领域。2020年2月，欧盟委员会提出了超过40亿欧元的“数字欧洲计划”，以支持高性能计算和量子计算，包括边缘计算和人工智能、数据和云基础设施。我们预计，随着这一轮人工智能科技革命的发展，相关基础设施的发展也将加速。
人工智能产业发展的关键在于三个要素:数据、计算能力和算法。这一轮人工智能科技革命，从其技术演进迭代到商业应用，在于数据、算法和计算能力的发展:
数据决定了生成式AI的性能、泛化能力和应用效果。在数据收集阶段，需要从不同的数据源(音频、视频、图像等)获取数据。)，手动或半自动标记原始数据，根据数据类型和要求清洗数据，然后根据算法的需要存储，用于后续的训练和测试。总之，人工智能“反馈反应”的基础是数据，“喂养”数据的质量决定了其表现效果和泛化能力。
计算能力是人工智能的生产力基础。计算能力是人工智能的生产力基础，是实现人工智能产业化的核心。计算能力是通过处理信息数据达到目标结果的计算能力。其相关技术包括数据中心、分布式计算、边缘计算和高性能计算，对应不同类型芯片的需求。IDC发布的《中国人工智能计算力发展评估报告(2022-2023)》显示，2022年，中国人工智能芯片市场89%将是GPU芯片，NPU、ASIC和FPGA占比分别为9.6%、1.0%和0.4%。随着人工智能技术革命的发展，面对数据的攀升和算法、模型的突破，“大脑”需要尽可能快速、准确地处理大量数据或执行复杂指令，这将对AI计算能力提出更高要求。
算法突破推动通用人工智能发展。ChatGPT引爆了新一轮人工智能科技革命，关键在于“通用人工智能”的出现，这是多模态和大模型算法的胜利。该算法的突破体现在大模型(当模型规模超过一定阈值时，对一般任务的效果显著提升，也称为突现能力)、人类反馈强化学习(可以借助强化学习不断优化人类反馈的语言模型)、思维链(可以使模型产生推理路径，避免敏感话题中无法回答的问题)、无监督学习(无需人工标注即可训练，数据更多，成本更低，模型回归能力更强)等方面。，这一轮算法突破是生成式AI出现和通用人工智能发展的重要基石。
云计算、物联网和计算能力支持都是人工智能基础设施。考虑到数据、计算能力和算法之间的关系，人工智能技术的迭代和进化过程增加了对相关基础设施的需求。我们认为云计算、物联网和计算能力支撑是人工智能基础设施，是未来推动中国人工智能产业发展的核心方向。
计算能力支撑:中国计算能力水平处于世界前列。IDC、浪潮信息、清华全球产业研究院联合发布的《2021-2022年全球计算力指数测评报告》显示，中国计算力指数达到70，位居全球第二，仅次于得分77的美国，计算力发展水平提升13.5%，证明中国计算力发展迅速。根据IDC发布的《中国人工智能计算力发展评估报告(2022-2023)》，未来中国计算力规模将继续高速增长。据预测，2026年智能计算能力和通用计算能力的规模将分别达到1271.4(EFLOPS)和111.3(EFLOPS)。具体来说，在芯片领域，中国仍然面临着GPU的对外依赖和自研的瓶颈。中国在服务器方面领先世界，未来注重绿色发展。计算架构仍然需要进一步技术创新的支持。
云计算:云计算是基于互联网的资源池，通过共享软硬件资源，为用户提供大量的计算资源和应用的统一管理和调动，从而实现资源最大化和降本增效。三种最常见的云计算服务模式是软件即服务(SaaS)、平台即服务(PaaS)和基础设施即服务(IaaS)。由于人工智能技术的迭代和演进产生了巨大的计算需求，对云计算的需求大幅增加。此外，随着未来人工智能业务应用的广泛拓展，对云计算的需求将进一步增强。
物联网:物联网是由相互关联的计算设备、机械和数字机器、物体、动物或人组成的系统。它可以通过网络传输数据，无需人与人或人与计算机之间的交互，从而实现“万物互联”的状态，具有最少的综合感知、可靠传输、智能处理和人工干预，这是物联网独有的四个重要特征。在万物互联的基础上，与物联网的结合是实现人工智能在生产生活中广泛应用的关键。以人工智能农业为例，通过温度传感器、湿度传感器、光传感器、CO2传感器等各种IOT设备记录和采集温度、湿度、光照、土壤养分等与农业相关的数据，并由人工智能做出决策，做出加水、升温、增减光照等反馈，从而服务于农业生产。2021年，中国发布《物联网新型基础设施建设三年行动计划(2021-2023年)》，明确提出致力于到2023年底，在中国主要城市初步建成物联网新型基础设施，社会现代化、工业数字化转型和民生消费升级的基础更加稳固。
第四，人工智能科技革命的“原材料”是半导体。
人工智能引领新一轮科技革命，关键“原材料”是半导体。结合人工智能三要素的数据、算法和计算能力，我们认为人工智能科技革命的关键原材料在于半导体。算法的突破是基于拥有超强计算能力的芯片，通过大数据的“反哺”可以发现大模型的“突现能力”。大数据的存储和调用也是基于迭代的存储设备，需要半导体行业不断迭代技术来满足存储需求；计算能力需求的提升本身对应着芯片工艺和性能的提升。所以，总体来说，我们认为，这场由人工智能引领的新一轮科技革命的关键“原材料”是半导体。
人工智能的发展需要半导体行业的全力支持。半导体产业链包括上中下游。上游包括EDA、IP核、半导体材料、半导体设备四个部分。中游可分为设计、制造和封装三个部分，包括集成电路(IC)、传感器、光电器件和半导体分立器件。下游广泛应用于消费电子、汽车电子、医疗、通信技术、人工智能、物联网、新能源和工业电子。从人工智能产业的发展来看，需要半导体产业的全面支撑，上游注重半导体材料的突破和半导体设备的创新；中游注重后摩尔定律时代半导体设计、制造和封装测试技术路径的提升和创新；下游是发展人工智能，拓展人工智能的应用场景，推动半导体产业的发展。
中游可视为核心产业链，包括设计、制造和封装测试。设计环节主要是指根据终端客户的需求设计相应的电路图，最终输出版图给晶圆制造企业。在设计电路时，需要自动设计软件EDA，有些设计还需要使用授权的IP核。制造工艺是指晶圆厂完成的前道工序，包括氧化/扩散、光刻、刻蚀、离子注入、薄膜生长、清洗抛光、金属化等七个工艺步骤。在制造过程中，需要各种半导体设备和半导体材料。包装和测试是包装和测试的缩写。封装测试环节是指封装测试工厂完成的后工序，包括贴片、研磨、粘贴、划片、贴装、键合、测试等。封装测试过程中需要各种封装材料和半导体后处理设备。
中国的半导体设备还有待发展。根据应用环节的不同，半导体设备主要分为两大类:前者工艺设备(晶圆制造)和后者工艺设备(封装测试)，并可细分为数百种不同的机器，其中光刻机、蚀刻机、薄膜沉积设备、离子注入机、测试仪、分选机、探针台等占据了较大的市场份额。半导体设备方面，如光刻机，目前高端光刻机(如EUV光刻机)被荷兰ASML公司垄断，低端光刻机供应商有佳能、尼康等。国产光刻机进展缓慢，自主研发还有很大空间。
推动中国人工智能产业发展的关键在于推动中国半导体产业多点开花。根据SIA的最新数据，2021年，全球半导体产业链的区域分布主要集中在南美和亚太地区，其中美国的市场份额最高，约占总市场的一半。南韩、日本、欧洲、中国、台湾省和中国大陆分别占19%、9%、9%、8%和7%。从产业链细分来看，不同的国家/地区有不同的优势。半导体设备、半导体设计等R&D密集型子行业主要由美、韩、日、欧主导，半导体材料等资源密集型子行业和半导体制造、封装测试等劳动密集型子行业主要由中国台湾省和中国中国大陆主导。关于中国人工智能产业的发展前景，我们认为更重要的是推动中国半导体产业的多点开花。一方面积极推进封装测试等在国内具有比较优势的领域的发展，缩小与海外半导体产品的差距；另一方面，在中美博弈的背景下，中国在半导体材料、设备、先进制造等方面仍落后于美欧日韩。
我们认为，在国家新体制的支持下，或继续加大半导体科技创新投入，缩小相关领域的差距。结合日本、韩国等国家半导体产业的崛起历史，在全球半导体产业相对低迷的阶段(当前全球半导体销量处于周期底部)，应积极增加资本支出，通过收购重组积极吸收海外先进技术、设备和工厂，通过吸收消化和自研创新推动半导体产业加速增长，缩小与领先国家的差距。特别是人工智能革命引领的这一轮科技革命方兴未艾。中国有巨大的终端市场和积极友好的政策环境。半导体产业的多点开花，将成为中国人工智能产业发展的重要基石。
(作者是浙商证券首席经济学家)
见习编辑:刘金平主编:程凯”