張一甲：致追風趕月的你-2023中國科技產業50條判斷｜甲子光年

《致追風趕月的你：2023中國科技產業50條判斷》完整版現場實錄後續將發布於「甲子光年」視頻號，歡迎大家持續關注。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

1.回望2023

‍

1.1 忙碌的2023

2023年，一個直觀感覺是，忙，大家都動起來了。很多人都體驗了「報復性出差」。

今年1-10月份，全國鐵路發送旅客數超過32.85億人次，比2019年同期還多，中國民航的旅客運輸量達到了5.2億人次，同比增長了136%。

2023年，大家的工作時長也一路走高。企業就業人員周平均工作時間，比2022年多出了超過1個小時。

但很多人跑了一圈，忙了一年，卻感到一種落差感：想像中的好日子，好像並沒有如期到來？不得不說，從體感看，很多人對2023年感到悲觀。

1.2 體感很差的2023

益普索2023全球趨勢洞察顯示，只有31%的人對 2023年的世界持樂觀態度。再看中國，中國消費者信心指數，在年初一個短暫的上揚之後，開始了持續的下跌。

1.3 看似悲觀的宏觀數字

為什麼呢？一些宏觀要素直接影響著人們的體感。

1.3.1 就業：失業率走高，就業難加劇

首先是就業。一方面，16-24歲城鎮失業率持續走高，達到近年來歷史最高值；另一方面，2023年，創紀錄的1158萬大學畢業生走入「最難就業季」；與此同時，企業都在精簡成本，讓到手的工作也隨時面臨失去的風險。

1.3.2 消費：前高後低，經歷過山車

我們再看看消費。今年一個明顯的趨勢是，社會消費品零售總額的增速經歷了先快速上升再急速下降然後緩慢爬升的過程，呈現了一個N型曲線。

上半年，很多人經歷過「報復性消費」，但很快消費增長又回到了乏力狀態。

經濟學中有一個重要指標恩格爾係數，指食品支出占個人消費支出的比重。恩格爾係數與收入或消費水平呈負相關。

隨著經濟的發展，我們的恩格爾係數逐年下降到2019年的28.2%。但2023上半年，恩格爾係數回升到了30.7%，高於2022年的30.5%，回到了2015年的水平——意味著這幾年我們的實際消費水平是下降的。

1.3.3 房地產：持續低迷，帶來一系列產業收縮

房地產是消費的頂樑柱。而今年產業中最慘的是房地產。

2023年1-10月份，全國房地產開發投資同比下降9.3%；商品房和辦公樓的銷售也幾乎一直下降；房地產開發景氣指數始終在95以下，一直在下降，趨勢可謂「冷上加冷」。

房地產是中國經濟的支柱產業，牽一髮動全身，房地產的收縮會帶來一系列產業收縮。

1.3.4 規上工業企業：收入略增，成本上升，利潤減少

我們再來看看規上工業企業。

1—10月份，規模以上工業企業實現營業收入107.8萬億元，同比增長0.3%；營業成本91.6萬億元，同比增長0.6%；利潤總額6.1萬億元，同比下降7.8%。

收入略增、成本上升、利潤減少，是規上工業企業的整體情況。

1.3.5 投資：美元退場，資本萎縮，IPO降速

從資本市場看，2023年也非常慘澹。前三季度，中國一級市場新募基金規模、投資事件、投資規模、退出數量分別同比下降20.2%、25.9%、31.8%、35.8%。資本活力顯著下降。伴隨著募資難，GP進入洗牌、出清階段。

根據甲子光年智庫調研，2023年中國科技產業投資機構新募基金從規模看，89%是人民幣，只有11%是美元。近年來，受地緣政治影響，美元基金不斷邊緣化，中國科技投資已經告別了美元時代。

與此同時，IPO也在降速。2023年前三季度中企境內外上市321家，同比下降8.8%，首發融資額同比下降35.5%。IPO的降速進一步讓基金面臨退出挑戰。

1.3.6 外部環境：美國對中國的科技封鎖在加劇

再來看看外部環境。

雖然中美貿易戰從2018年才開始進入大眾視野，但美國對中國高新技術發展的限制已經持續近30年。

截止到2023年10月，美國商務部產業與安全局（BIS）涉華實體清單共發布32次，其中2018年2次、2019年5次、2020年7次、2021年6次、2022年2次、2023年10次，逐步加碼，讓科技企業始終面臨高壓的外部環境。

1.3.7 外部環境：世界的緊張局勢在加劇

進入2023年，俄烏衝突仍在繼續，10月，巴以衝突驟然爆發，世界的緊張局勢在加劇，中國的周邊也不安靜。全球動盪不安，為經濟復甦帶來了不可測性。

1.4 充滿英雄色彩的個體故事

以上種種，給人一個感覺：從體感上看，大環境大體不好。

然而，事實真如此嗎？

一個很有反差感的現象是：當我們把視角鎖定為市場中的主體，我們會發現，2023年，湧現了很多充滿英雄色彩的個體故事。

1.4.1 華為突破封鎖

首先，是華為。

沒有宏大敘事，沒喊「遙遙領先」，沒舉辦發布會，2023年8月29日，華為發出了一封信和一部宣傳片，Mate 60 Pro就這樣出現在了世人面前。這個故事燃爆了科技圈。《華盛頓郵報》稱，「一款手機的推出在華盛頓引發擔憂，即美國的制裁未能阻止中國取得關鍵技術進步。」

在一個看似悲觀的年頭，華為走出了自己的獨立行情。蟄伏1500多天後，華為從黑暗中歸來，擁有了更強大的實力。

華為自主研發的精神鼓舞了很多人，一個直觀變化是：大家對封鎖的態度發生了很大的變化。原來一有封鎖的消息，國內晶片公司就會股價大跌，現在一有封鎖的消息，國內晶片公司股價不跌反升——大家認為我們是可以突破封鎖的，外來的制裁反而激發了中國的自主研發能力。路既然走得通，大家就越來越相信，持續了幾年的科技戰有了全新的可能。

1.4.2 人工智慧跑出中國速度

同樣走出自己行情的是大模型企業。

根據甲子光年智庫測算，2023年中國國產大模型的數量已經暴漲到300+個，AIGC產品用戶端的市場容量已達300億元。今天現場來的嘉賓不少是做大模型的，相信大家今年都是踩著加速鍵前行的。

1.4.3 狂飆的新能源汽車

還有一個狂飆的賽道是新能源汽車。

最近幾年，中國新能源汽車銷量持續保持高速增長，出口也在狂飆，2023年1-10月累計出口量已經達到了99.5萬輛。中國在新能源汽車出口方面已經處於世界第一。

有幾個品牌不得不說。

比亞迪：比亞迪在2023年1-10月賣了237.1萬輛新能源汽車，在行業中遙遙領先。

理想：過去十個月理想的銷量累計達28.5萬，持續保持在新勢力第一名。

問界：問界現在的增速非常快，上市兩個半月，問界新M7累計大定突破10萬台，可以說的確是追風趕月。

所以，2023對於不同人來講呈現了很不同的色彩：在你以為應該躺平一片的地方，他們跑得飛快。

1.5 體感的背面

1.5.1 複雜又矛盾的2023

悲觀的體感和正能量的個體故事，讓2023看起來複雜又矛盾：2023究竟是怎樣的一年？為什麼不同人眼中，2023如此不同？

1.5.2 長期因素體感衝擊力遠低於短期因素

值得強調的是，人們體感的經濟好或不好很大程度由短期因素決定，比如失業、通脹、收入、房價等；長期的決定因素，如科技發展水平、產業結構、國家勢力範圍等等，在體感層面的衝擊力遠低於短期因素。

事實上，人類大量的生理心理機制都形成於漫長的採集狩獵或更早時期，原始人的「即時滿足」基因是人類的天性，讓我們對短期因素形成強烈的應激反應，而容易忽略長期的影響。

很多人把短期的體感當成長期的問題，而對長期因素又視而不見，這會在某些時段造成群體性的悲觀和保守。

1.5.3 有利因素的積累

這個道理，同樣影響了我們對2023的判斷。大眼看過去，體感很悲觀，但如果往細處看，2023年，市場有很多有利因素在積累，新的範式在快速發展：

• 共識：科技已成全民共識，千行百業擁抱數字化

• 技術：晶片等高科技突破，重拾對封鎖的信心

• AI：行業快速疊代，形成發展新動能

• 新能源：細分領域有顛覆性變化，紅海中不斷湧現新藍海

• 政策：經濟刺激計劃出台，為市場發展注入新動力

共識：科技已成全民共識，千行百業擁抱數字化

技術：晶片等高科技突破，重拾對封鎖的信心

AI：行業快速疊代，形成發展新動能

新能源：細分領域有顛覆性變化，紅海中不斷湧現新藍海

政策：經濟刺激計劃出台，為市場發展注入新動力

所以，今天的基本畫風是：總體在過剩、細分在革命，壓力之下細分崛起，微觀的突破正在推動宏觀進入新周期。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

2.點題：追風趕月的你

2.1 過去六年恢弘震撼一言難盡

轉眼，2023已進入倒計時。每年此時，在甲子引力反思梳理、總結定調，為這一年作出真誠的註解，是我們堅持的儀式感。

過往，我們很喜歡用宏大的語彙來總結時代，把過去幾年甲子引力年終盛典的主題放在一起看，就是一段中國科技行業冷暖趨勢的投影：

2018年，主題是「少數人的路」；2019年，主題是「縱身一躍，科技突圍」；2020年，主題是「命運與共，大道不孤」；2021年，主題是「行至水深處」；2022年，主題是「心有所護，不畏遠行」。

可以說，過去六年恢弘震撼一言難盡。但今年，我們在思考年度主題時，希望換一種視角，把主角鎖定為一個又一個鮮活的生命個體。

2.2 致追風趕月的你

2023，每個人的時間感是不一樣的，每個人在完成自己的敘事，定義自己的節奏。

因此，我們把2023甲子引力年終盛典主題定為——「致追風趕月的你」。我們希望表達在這個時代我們可以依賴的最寶貴的力量。

2.3 相信「具體」的力量

首先，是相信具體的力量。

市場包羅萬象，豈能一言以蔽之。市場不是抽象的、概括的，市場是非常具體的、多元的。複雜變局不是企業發展不佳的藉口。

中國是一個統一的大市場，多樣性無人能及，不同行業周期並不完全重疊，即使在一個行業內部，也有各個板塊周期輪動，總有增長機會。

很多人喜歡用宏觀視角下判斷，然而，過於強調宏觀的影響，你的視角往往就會留於靜態、單一、保守。事實上，哪怕在宏觀經濟最低迷的階段，也不意味著我們在微觀層面無可作為。宏觀經濟越差，微觀轉型創新的動力就越強。

正如巴菲特所言，宏觀是我們必須忍受的，微觀是我們能改變的。

我很喜歡一句話，叫「焦慮」的反義詞是「具體」。當我們把問題具體化，龐然大物一般的不安全感就瓦解了。

2.4 相信「主語」的力量

第二，是相信主語的力量。

同樣一個命題，換一個主語，解法就不一樣了。

拿工業化和城市化來說，從表面看，這是工業生產技術和基礎設施建設的問題，各國差不多，但深入一層，是農民轉變為工人和市民的問題，各國差別就大了。

同一個問題，換一個問法，答案截然不同。正如，用地心說和日心說的框架來模擬這個世界，解法完全不同。

因此，我們腦中的命題十分重要。有時候，讓我們無力前行的，恰恰是我們腦補出來的一個巨大的問題，導致我們無從下手。

例如，如果一個初創電動車公司試圖解決全球能源危機，是幾乎無法完成的任務。而如果他們專注改善續航里程，就有可能取得突破。

對每位決策者而言，最怕用正確的答案回答錯誤的問題。我們要分清的是什麼是自己難以左右的問題，什麼是自己可以左右的問題，聚焦我們自己可以作為主語的命題。

2.5 相信時間的力量

第三，相信時間的力量。

任何產業，都要以足夠的歷史時間評判。我們看幾個例子：

光伏：中國光伏新增裝機在2020年爆發，根本原因是在不斷的技術創新之下，光伏發電的度電成本終於接近火電，達到了能夠內生增長的臨界點。爆發中誕生了很多巨頭，而在此前，光伏一直給人的感覺是吃政策飯的。

鋰電池與新能源汽車：新能源汽車的爆發很大程度上是因為鋰電池的度電價格在過去10年下降了將近90%，下降到了電車價格在燃油車面前具備相當競爭力的位置。當成本下降至臨界點，就推動了鋰電池成為新的鏈主，推動了新能源車的高速發展。

網際網路：歷代拳頭產品都基於一些關鍵因素突破臨界值——比如4G基站的大規模建設、移動數據流量資費的下降。如果通訊基礎設施停留在20年前的水平，就不可能有抖音、美團。

歷史告訴我們：答案會隨著時間重估。

2.6 以臨界點的視角看，未來無限可能

站在現在時間的橫截面上，大家可能會覺得星光有些暗淡——下一個巨頭看起來仍不見蹤影。但是，會一直這樣嗎？當然不是。

下一個巨頭會如何誕生？我們就是要追著關鍵因素，看它們什麼時候逼近臨界值。

我們拋轉引玉——將一個大型語言模型訓練到GPT-3水平的成本，已經從2020年的460萬美元，下降到2022年的45萬美元。ARK預計，到2030年之前，這個成本將以每年70%的速度下降。

試想：如果訓練一個GPT4一樣的大模型成本不需要50億，而只需要50萬，會有什麼現象級應用橫空出世？如果數年後一個小型機就具有現在超算算力，這個世界會有什麼變化？如果電價逐漸下降20%、50%乃至90%，又會有什麼革命性產品出現？如果氫能源持續降本，碳纖維持續降本，又會有哪些可能？

此時此刻，很多細分賽道都在一路投奔臨界點，直到集涓為流，轟然成勢。

2.7 重塑中國高質量發展的微觀基礎

以上三個相信，無非是想表達：

完善的市場，是經濟發展的結果，而不是前提。宏觀要素，往往是做事的結果，而不是原因。

中國高質量發展的宏觀藍圖，是由一個又一個微觀基礎構成的，微觀基礎疊加時間的作用力，構成了歷史的大勢。從微觀基礎和臨界點的視角看，我們面對所有困境，就會有更強的主動權。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

3.解題：穿越周期的你

里爾克說：微風有時發出一個信號。接下來，讓我們看一看這些信號，看看歷史的大勢是如何形成的。

3.1 從工業革命開始，人類文明興衰的齒輪快速加速

地球誕生了超過45億年，人類真正進入現代文明社會才不到短短300年。人類進化過程中99%以上的時間是在狩獵和採集野果的忙碌中為了活命而奔波，文明的走勢非常慢。

第一次工業革命，在人類歷史上可謂「驚險的一躍」，將人類社會推上了快速發展的列車。工業革命之後，地球上的人口急劇增加，人類創造的財富和壽命也成倍增長，人類真正進入了瞬息萬變的時代。

3.2 工業革命決定大國興衰

工業革命也決定著大國興衰。第一次工業革命將英國推向全球霸主地位；第二次工業革命眷顧了美國；第三次工業革命仍由美國主導；第四次工業革命，目前來看，中美分庭抗禮。

3.3 科學和技術革命是推動工業革命的核心力量

歷次工業革命的演進，都是若干新技術群落更替疊代和共同作用的結果。

歷次工業革命均由科技革命推動而發生。世界經濟中心、政治中心、外交中心、文化中心乃至軍事中心，總是伴隨著科技中心的轉移而轉移。

3.4 科技發展遵循三大定律

定律1：科技的發展軌跡存在「不可逆性」

接下來，我們將目光收斂至科技本身。甲子光年智庫在2023年4月25日提出，人類科技發展存在三大定律：

定律1：科技的發展軌跡存在「不可逆性」。

科技不斷演變，有人說：如果我不喜歡一種技術，我們應該抵制它或者改變它的方向。但科技的軌跡存在某種「不可逆性」，這是種內生特徵：技術因人而生，而人性訴求古來不變。人永遠要更快、更強、更便宜、更便捷、更安全、更好、更美、更多……技術受需求的「自然選擇」，一定會往滿足需求的方向演進，這和生物進化非常類似，你不可能人為阻止它的方向。

定律2：能源與信息是人類科技進步的兩把標尺

定律2：能源與信息是人類科技進步的兩把標尺。

縱觀文明演進史，四大工業革命的主題前兩個關於能源，後兩個關於信息。抓住了能源和信息，就抓住了科技的主動脈。

定律3：技術進步的本質是推動信息與能源的轉化，以生產工具改變物理世界，繼而滿足人的需求

定律3：技術進步的本質是推動信息與能源轉化，以生產工具改變物理世界，繼而滿足人的需求。

如DNA雙螺旋般，信息與能源相互交叉、相互推動、彼此轉化，構成了每個時代的主流生產工具，共同螺旋上演推動文明發展的戲碼。

3.5 基於三大定律推演出技術進步的路線與譜系

基於三大定律，我們可以從信息、能源兩條主線，推演出技術進步的譜系。

3.6 技術進步譜系的細分方向可以劃分為四個部分：數字生產力、新質生產力、產業科技化、科技共同體

進一步，我們可以進一步細分，並把這些技術譜系排列組合成四個方向：數字生產力、新質生產力、產業科技化、科技共同體。接下來，就讓我們進入具體的賽道，鎖定生產力進化的每一個關鍵戰場。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

4.科技產業50條判斷

4.1 數字生產力

【判斷01】數智原生：實現企業數字化建設的第二次生產力躍遷

每一次產業革命的浪潮，都伴隨一代基礎設施的升級，都會催生那一時代的原住民。數智原生企業正是這個時代的原住民。

今天，以大數據、雲計算、人工智慧等為代表的新型數字基礎設施正在不斷升級企業原有的基礎設施。

從構成來講，數智原生企業有兩類，第一類，天生的數智原生。第二類，來自數字化轉型。

如何判斷一家企業是否是數智原生？今年4月的甲子引力，我們推出了一個概念：信能比，反映單位能源所能駕馭的信息量。當信能比大於100，企業會實現第一次生產力躍遷，成為數字原生企業；當信能比大於5000，企業會實現第二次生產力躍遷，成為數智原生企業。

【判斷02】AI滲透率：拐點已至，全民AI時代開啟

人工智慧在2023年發展得非常快。這個速度有多快呢？我們可以對比一下AI與智慧型手機、雲計算的發展速度。

數據顯示：從智慧型手機的元年到第十年，大約55%的手機變成了智慧型手機；雲計算從元年到第十年，大約31%的計算變成了雲計算；而生成式人工智慧更加迅猛，生成式AI誕生十年後，預計會有66%的內容是由生成式人工智慧做出來的。

我們也可以用智能算力的滲透率刻畫AI的發展節奏。截至2022年底，國內AI算力在總體算力中占比約22.8% ，AI算力已步入「20%+」的滲透率階段。

20%+意味著什麼？

研究上有個說法，0%-20%是破壁滲透期，在新事物取代舊事物的過程中，某個事物滲透率一旦超過20%，就會加速滲透，最終吞併市場。

因此，我們可以判斷：AI拐點已至，接下來，AI將迎來陡峭的一筆，滲透率很可能會超過80%。我們正在迎來全民AI時代。

【判斷03】AI生態雛形初現：從「iPhone時刻」走向「App Store時代」

今天是11月30日，去年的今天，ChatGPT上線了。這一年AI行業可謂「天上人間」。雖然最近OpenAI出現了戲劇性「政變」，但我們絲毫不能低估這個領域奠基者的勢能。

當地時間11月6日，OpenAI舉辦首次開發者大會。他們發布的內容，基本上可以概括為五個字：「我全部都要。」

OpenAI分享了多項進展：

1.新的GPT-4 Turbo模型，包含六大升級；

2.GPTs，用戶將能以自然語言自定義自己的GPT；

3.GPT Store；

4.Assistants API，被OpenAI視為幫助開發者構建「類agent體驗」的第一步；

5.更低的定價。

從GPT-4到GPT Store，OpenAI只用了半年多。如果說ChatGPT是AI的「iPhone時刻」，此時，ChatGPT似乎裂變成了無數個GPT。

以上布局，為我們展現了一個未來的生態規則：人人都能使用自然語言開發軟體、擁有多個私人助理，像瀏覽應用一樣購買私人助理，就像在蘋果應用商店裡下載App——OpenAI正在越來越「蘋果化」。

這讓全球AI公司喜憂參半——競爭對手們依然在「AI煉丹」，OpenAI先一腳邁入了「App Store時代」，它著手建立著AI時代全新的生態位，引領著行業的生產力，也重新設計了生產關係。

【判斷04】國產大模型：「多模之戰」從拼參數走向拼應用

當然，2023年國內AI產業也拉滿了加速度。除了總量的增多，賽點也在疊代。

上半年，整個行業熱衷於做大模型測評，比參數量，但下半年出現顯著變化。

2023年8月31日，首批大模型產品完成備案，陸續向用戶開放，這意味著大模型跨過了一個里程碑節點。此後大模型能夠獲得真實用戶數據反饋，這將開啟「飛輪效應」。

如果說上半場，大模型在拼參數、拼算力，下半場無疑比拼的是應用。

舉個應用落地的例子：雲知聲從2016年開始構建Atlas人工智慧基礎設施，並據此推出具有千億參數的山海大模型，其不僅具有優秀的內容生成、邏輯推理、問答對話等通用能力，更已在智能醫療領域率先落地應用。當前，基於山海大模型的門診病歷自動生成產品已在北京友誼醫院上線試用，這是大模型首次在嚴肅醫療場景的實用落地。

這只是走入千行百業的案例之一。在甲子星空坐標系中我們還能看到大模型在非常多場景落地。大模型正在越來越務實、越來越親民。

【判斷05】AI Agent：定義以AI為主語的人機協作時代

AI Agent是大模型之後AI圈最火的話題。

AIAgent是一種能夠感知環境、進行決策和執行動作的智能實體。

AI Agent和大模型區別在哪呢？

人與大模型交互是基於prompt實現的，prompt是否清晰會影響大模型回答效果；而AI Agent僅需給定一個目標，就能夠獨立思考並做出行動，拆解出每步計劃，依靠外界的反饋和自主思考，自己給自己創建 prompt，來實現目標。

如果說Copilot是「副駕駛」，Agent可以算初級的「主駕駛」。它不僅像人一樣思考，也能像人一樣行動。

類比自動駕駛，如果說ChatGPT是自動駕駛的L2水平，Copilot是L3，AI Agent就類似L4——人來設定目標，工作的主語是AI。

打個比方，之前的AI就像需要手把手教導的實習生，而AI Agent已經像一個能自己解決困難的成熟員工了。

人的精力是有限的，AI Agent可以稱之為「真·解放生產力」，被寄予了極高期待。

【判斷06】AI代碼生成：開啟下一代開發範式

一直以來，軟體開發範式伴隨著數字化水平的提升不斷疊代，從低級語言，到高級語言，再到低代碼，開發範式不斷向提高效率、敏捷交付的目標演進。

隨著生成式AI不斷發展，AI代碼生成開始得到開發者重視。

最近，GitHub展開了一項調查，結果發現：92%的美國開發人員在使用AI編程工具，70%的開發者認為人工智慧可以提升開發水平。

顯然，AI代碼生成將成為下一代開發範式。

【判斷07】訓練數據集：受制於數據存量，倒逼數據側建設

算法的訓練依賴於訓練數據集。目前，全球34%的大模型每月至少更新一次，這需要數據來重新訓練模型，而數據準備往往占據了50%的工作量。

最近，Epoch AI Research的研究拋出了一個殘酷的事實：高質量的語言數據將會在2026年用光，低質量的語言數據將會在2030到2050年用光，而圖像數據將會在2030到2060年用光。

到時候，就不是大模型「要不要做大」的問題，而是「能不能做大」的問題。

此外，現階段，高質量的中文數據集比較少。當下最主要的數據集來源Common crawl中，中文語料僅有4.8%。

因此，數據端的建設是每一個大模型建設者必須考慮的問題。

【判斷08】數據標註： 走向「智能化流水線」

如何進行數據側建設？數據標註成了繞不開的工作。

數據標註的早期主要依賴人工，為了提高效率，人們逐漸發展出了信息化標註工具，但仍存在效率和產量不足問題；

AI的發展，推動了AI賦能數據標註全流程。現在，可以通過機器學習等技術實現智能化輔助標註。

右圖展示了目前數據標註服務流程中AI可以參與的環節。可以看出，智能化數據標註工具正在成為流程的主導。數據標註正在變成一條智能流水線，從「勞動密集」走向「技術密集」。

【判斷09】向量資料庫：人工智慧時代的數據存儲新搭檔

說完數據標註，我們再來看一下數據存儲。

企業日常經營會產生大量數據，而大部分都是非結構化數據。根據Gartner數據，企業生成的新數據中，90％是非結構化數據，並且增速比結構化數據快三倍。生成式AI進一步帶來了非結構化數據的暴增。

訓練大模型所需的數據集以非結構化數據為主，傳統資料庫無法滿足這種需求，催生了一個新興的產品，向量資料庫。

向量資料庫專門用於存儲和管理向量數據，可以把複雜的非結構化數據通過向量化，處理統一成多維空間裡的坐標值。

向量資料庫能夠高效地存儲和查詢大規模的向量數據，是當下最適合大模型的數據存儲產品。今年，這個賽道成為了資本的寵兒，市場規模也在高速增長。

【判斷10】湖倉一體：大中型組織數字化建設的數據底座

接下來我們來看一下數據存儲方面的新架構，湖倉一體。

湖倉一體是一種結合了數據湖和數據倉庫特性的新型融合架構。其可以發揮出數據湖的靈活性和數據倉庫的易用性、規範性、高性能等特點。

根據IDC調研，有67%的中國企業了解湖倉一體架構，其中，85%正在部署或考慮評估部署湖倉一體架構。這說明，中國企業已經對湖倉一體有了一定的認知和準備。

湖倉一體尤其適合大型組織的數字化建設需求。在超大型組織中，數據通常分布在不同的部門和地理位置，包含結構化、半結構化和非結構化數據。湖倉一體化提供了一種統一的方式來管理和分析這些數據。

以科傑科技為例：科傑科技自主研發的湖倉一體數據智能平台KeenData Lakehouse通過採用領先的湖倉一體技術，整合了數據的存儲、加工計算以及面向應用端的供給，形成了全面而高效的數據管理解決方案。憑藉其領先的技術實力和大型組織多業態複雜場景的最佳實踐經驗，已經成功為眾多世界500強及中國知名企業打造了高效的數據底座。

實踐說明，湖倉一體是適合大中型組織數字化建設的數據底座。

【判斷11】雲計算：進入「雲上智能」時代

2023年，雲計算與人工智慧的結合越來越密切。

阿里雲創始人王堅曾表達，人工智慧和雲計算的結合，帶來雲計算的第三次浪潮。

王堅回顧了雲計算的發展史：2003年，雲計算第一次提供服務，在第一次浪潮中改變了全球網際網路，奈飛、米哈游等第一天起就100%完完整整在雲上；第二次浪潮中，傳統企業開始使用雲；雲計算的第三次浪潮是2023年，人工智慧和雲計算走在了一起。

根據甲子光年智庫調研示，9.5%的企業上雲且在使用AI產品，雲和AI正在走向融合。

過去，企業通過上雲來降本增效。現在，企業開始通過雲來借力更多先進生產力——AI成為上雲更高階的理由。過去雲是個工具，現在雲是走進智能時代的起點。

因此，從一切上雲，到雲上一切，我們將走入「雲上智能」時代。

【判斷12】AI PaaS：讓SaaS企業既能「用得上」也能「用得起」大模型

接下來，我們看看雲計算裡面的SaaS和PaaS。

根據甲子光年智庫調研，16.9%的SaaS廠商會自己開發PaaS平台。他們當中，有17.8%的廠商的產品包含AI平台。

這裡就湧現了一個關鍵概念：AIPaaS。

如今，大模型已成各個行業的「底座性變化」。SaaS企業接入大模型的入口在哪裡？就是AIPaaS。要麼自己做AI PaaS，要麼和別的AI PaaS合作。

首先，自研大模型並不「實惠」，並非所有SaaS企業都有實力自研，這時，下接大模型、上接應用場景的AIPaaS，可以作為「中間層」發揮作用。

其次，toB的SaaS，需要承接各行各業的需求，單一模型難以適配多樣化的場景，直接接入不同的大模型供客戶選擇，無疑更加可行。

因此，上承業務場景，下接模型能力的AI PaaS，讓SaaS企業既能「用得上」也能「用得起」大模型。

【判斷13】時空大模型：釋放時空數字生產力

接下來，我們進入一個具體的數字生產力：時空大模型。

時空大數據是戰略性資源。去年，自然資源部發布《關於全面推進實景三維中國建設的通知》，明確提出2025年實現50%以上的政府決策、生產調度和生活規劃可通過線上實景三維空間完成，到2035年達到80%。

然而目前，企業實際使用的時空數據產品較少。根據甲子光年智庫調研，中國企業在數字化轉型中使用時空數據產品的比例僅有3.9%。這說明，時空大數據並未充分賦能企業發展。

其中一個原因就是時空大數據具有敏感性，涉及國家安全，導致其調取應用比較困難。

而現在，人工智慧提供了一個解決路徑。人工智慧企業可以構建出以時空大模型為大腦的時空智能平台提供服務，從而規避直接調取數據的風險，釋放對千行百業的賦能水平。

【判斷14】AI數字人： 越來越聰明，越來越落地

下一個數字生產力，我們來談談AI數字人。

大家應該都體驗過數字人營銷和直播。中國AI數字人市場正在快速增長。

我們可以按照智能化水平和擬人化程度將數字人分成5個級別，今天的數字人多處在L1-L3階段，未來將逐步過渡到L4-L5階段。

未來，AI數字人將會朝著實時交互、更高智能以及更深入場景的方向發展，越來越聰明，越來越落地。

【判斷15】衛星網際網路：開啟空天地通信時代

目前，全球都在探索6G時代的網絡新技術。衛星網際網路則是6G的重要組成部分。

根據美國衛星產業協會（SIA）數據，2022年全球衛星網際網路市場規模已經達到2810億美元。

今年，讓很多人開始關注衛星網際網路的是華為。2023年8月29日，華為Mate60 Pro系列手機發布，成為全球首款支持衛星通話的大眾智慧型手機。這一里程碑事件，將衛星通訊設備推進到了大眾消費級智能終端，代表我國由傳統的地面通信向空天地通信時代邁進。

4.2 新質生產力

【判斷16】HBM：推動AI大模型發展的微觀支點

新質生產力的第一個判斷，我們來聚焦一個微觀推動宏觀發展的示例：HBM。

自大模型成為風口，GPU一卡難求背後，有個核心技術是重要支撐點，它就是HBM。

HBM，意為高帶寬存儲器，是一種面向需要極高吞吐量的數據密集型應用程式的DRAM。高端GPU是其目前最矚目的應用場合。

HBM最大的優勢就是超高的帶寬。

為什麼高帶寬非常重要呢？

AI大模型依賴龐大的數據處理和傳輸。然而，存儲和處理器並沒有同步發展，過去20年，硬體的峰值計算能力增加了90,000倍，但內存/硬體互連帶寬卻只提高了30倍。而且，計算能力與數據搬運能力的「剪刀差」還在越來越大。

當存儲的性能跟不上處理器，就像一個巨大的漏斗，不管處理器灌進去多少數據，存儲器都只能「細水長流」——這便是「存儲牆」。

在大模型時代，數據搬運已經占據整個計算周期90%以上。解決數據的搬運是一個迫切的問題。

HBM的高帶寬相當於把漏斗中間的通道打得更開，讓數據可以快速流通。面對大模型動不動千億、萬億的參數，GPU幾乎必須搭載HBM。

目前，高端GPU市場被英偉達和AMD瓜分，兩家的產品都伴隨HBM技術的成長而成長。HBM已經成為推動AI大模型發展的微觀支點。

【判斷17】存算一體晶片：為AI大算力而生，打破能耗牆、存儲牆

接上一條，HBM是目前解決數據搬運的一種主流方案，能暫時緩解「存儲牆」困擾，但也有一個問題：其性能天花板明顯，並且成本較高。

我們接下來談一個更根本的解決方案：存算一體。

在傳統馮·諾依曼架構中，計算過程需要將數據從存儲單元調取出來，運算處理完畢後再寫回存儲器，運算單元和存儲單元之間需要頻繁高速的交換數據，這就導致功耗問題和「存儲牆」問題。

為了解決這一問題，最近業內開始推廣一種叫存內計算的新型架構，其將實現存儲與計算融合一體，消除數據的傳輸消耗，規避「能耗牆」和「存儲牆」的問題。這類基於存內計算架構的AI晶片，被稱為存算一體晶片。

比方說1750億參數的GPT-3模型，每一次推理計算的時候都要把350Gbyte的數據搬到晶片上，才能做一次推理。但如果這個數據不需要搬運，計算的效率會高很多。

當下市場上已有存算一體晶片取得突破性進展，例如億鑄科技。億鑄科技致力於用存算一體架構設計AI大算力晶片，首次將憶阻器ReRAM和存算一體架構相結合，藉助全數字化技術路徑應用創新、存算一體超異構系統級創新等多項創新優勢，從根本上解決大模型快速發展所凸顯的算力挑戰，為AI大算力晶片發展打開了新通路。目前，億鑄科技點亮了基於憶阻器的高精度、低功耗存算一體AI大算力POC晶片，基於傳統工藝製程，能效比表現經第三方機構驗證，超出傳統架構AI晶片平均性能的10倍以上。

因此，存算一體晶片很有前景。存內計算不僅消除了不必要的數據搬運，並且比較適用於AI算法，可以說是專門為AI大算力而生。

【判斷18】光子晶片：光晶片將成後摩爾時代的曙光

在過去幾十年中，微電子技術一直按照摩爾定律發展，約每隔18個月性能提升一倍。然而現在，微電子工藝的相關製程已經到3nm，電晶體越來越緊湊，消耗的能量也急劇上升，摩爾定律正在失效。

因此，晶片領域亟需尋找可以突破摩爾定律的新選擇。

光子晶片是利用光子代替電子來進行信息處理和傳輸，可以實現超高速、低能耗甚至零能耗計算，突破傳統微電子晶片的瓶頸。

目前，光子晶片市場正在穩定增長，有望成為突破摩爾定律的理想選擇。

【判斷19】人形機器人：將成為下一個「新能源汽車」

人形機器人是未來的重點方向。根據工信部印發的《人形機器人創新發展指導意見》，我國計劃到2025年初步建立人形機器人創新體系。

值得一提的是，人形機器人的滲透率曲線預計將與新能源汽車類似。這是因為，人形機器人和電動車都採用了「感知層-決策層-執行層」的架構，都以電力作為直接能源，人形機器人也可以利用新能源車產業鏈的資源，例如AI晶片、自動駕駛算法和視覺解決方案等。

因此，人形機器人，將有望成為下一個「新能源汽車」，成為人工智慧時代的新的消費終端產品。

【判斷20】工業視覺： 帶領「乘客」上車智能製造的「車票」

接下來我們看一個重點賽道：工業視覺。

對比中國工業視覺的市場規模和智能製造的產值，二者增速幾乎嚴格正相關。

工業視覺已經應用到大量細分標準化場景，成為推動製造業轉型升級為智能製造的關鍵切入點。

例如：靈西機器人是國內領先的3D視覺行業准獨角獸企業，專注於為各行業提供機器人視覺智能解決方案。靈西全面貫徹「3+2+N」戰略，提供3大類產品和服務（全套自研的3D視覺相機、一體化通用軟性平台、智能標準化設備），覆蓋2大重點行業（新能源、物流倉儲），並為眾多行業頭部客戶提供全棧式、標準化3D視覺智能解決方案。靈西通過關鍵核心技術和關鍵零部件自主研發，有效解決感知和控制層面的技術割裂，並通過對場景解決方案的積累，實現基於場景的深度融合，為客戶提供全棧式、標準化的場景解決方案，滿足客戶對細分場景的定製化需求。

因此，工業視覺已經成為帶領製造企業轉型成為智能製造的「車票」。

【判斷21】固態電池：動力電池走向高能量密度的下一站

隨著新能源汽車銷量的爆髮式增長，續航里程焦慮成為第一痛點，這對動力電池的能量密度提出了更高要求，需要新一代材料來滿足動力電池對能量密度、經濟性、高壓大電流適配、安全性能、使用壽命/循環次數等方面的需求。

現階段高鎳三元正極+石墨負極的材料，已經助推動力電池支持汽車續航里程超過700公里。未來隨著動力電池向半固態或固態電池方向演進，有望實現更高的續航里程。

【判斷22】復合集流體：即將進入批量化應用階段

集流體是鋰離子電池不可或缺的電極材料之一，但傳統集流體幾乎達到了鋰離子電池可製造性的極致水平。

相較傳統集流體，復合集流體具備高安全、長壽命、高能量密度、低成本的優勢，近年來被廣泛研究。

根據中信建投證券數據，復合銅箔未來幾年復合增長率將高達98%。

一些新能源汽車中已經開始使用復合集流體。今年4月，寧德時代麒麟電池全球量產首發車型極氪009就使用了復合集流體，據傳本季度上市的賽力斯問界M9車型也將採用復合集流體。

由此可見，復合集流體即將進入批量化應用階段。

【判斷23】疊層電池：將是光伏技術發展的未來

當下中國光伏正在引領全球發展。

光伏電池的疊代路線分為四個階段。當前主流量產的階段二的轉化效率已經接近極限，階段三上升空間也有限，因此，中國光伏企業都在積極研發新一代疊層電池的技術。

通過將鈣鈦礦和晶矽結合，可以實現更高效的光電轉化。因此，鈣鈦礦晶矽疊層電池是當前業界認可的理想方案之一，其理論轉化效率可達40%以上。

【判斷24】量子計算：從實驗階段進入實用階段

接下來，我們看看量子計算。隨著各國大量投入，量子計算開始由實驗階段進入到實用階段。未來十幾年的復合增長率將達到60%。

在國內，北京、安徽等地區是量子計算企業的集中地。隨著數字經濟日益增長，算力不足的挑戰與日俱增。量子計算機的計算能力遠超傳統計算機，將有助於解決算力不足問題。

【判斷25】腦機交互： 人機共融的最佳橋樑

近年來，腦機交互成為人們關注的焦點之一。

今年開始，多家頭部企業將進入臨床階段。其中馬斯克的Neuralink已於2023年5月25日宣布獲美國食品和藥物管理局（FDA）批准開展人體試驗。

如今，腦機交互技術已經應用於許多領域，包括醫療、消費電子、教育、娛樂等領域。

未來，腦機交互將從簡單的單向腦機接口走向人機互動，並逐步達到人機共融的狀態。

【判斷26】合成生物： 多行業紛紛「造物致用」

什麼是合成生物？用最通俗的話來說，可以理解為生物學的工程化。

如果我們把微生物里的基因看成代碼，合成生物就相當於編程工作。

合成生物學由工具層、平台層和應用層組成。人工智慧和晶片半導體等技術被重點應用於合成生物產業的工具層和平台層。

隨著合成生物學的發展，多行業紛紛「造物致用」。據麥肯錫分析，合成生物學每年帶來的經濟影響將達到萬億美元。

【判斷27】創新藥：靶點新才是真創新

接下來我們看看創新藥。

中國創新藥市場規模呈現出較快增長，2023年預計市場規模將達到7790億元。

然而，中國創新藥研發一直以跟隨型創新藥為主，存在「量大質低」的問題。

2023年初全球在研創新藥共有10,100條管線，其中美國企業在研產品占42%，覆蓋靶點比例為72%，top20靶點集中度僅有18%；與之相比，中國企業在研產品占33%，覆蓋靶點比例僅為39%，top20靶點集中度高達32%。

由此可見，中國創新藥企業在研品種出現明顯的同質化現象，創新能力有待提高。

當然，伴隨近幾年中國創新藥license out的交易事件和交易規模的快速增長，這個問題正在被快速改善。

【判斷28】抗體偶聯藥物（ADC）：開啟腫瘤精準醫療新時代

剛才我們說到靶點的創新，接下來我們看看治療手段的創新，抗體偶聯藥物（ADC）。

最近幾年中國每年新增癌症發病人數均在400萬人左右，約占全球四分之一。腫瘤治療成為迫切需求。

抗體偶聯藥物（ADC）具有高靶向性、低毒副作用、個體化治療的特徵，可適用於不同腫瘤類型，也被譽為「魔法子彈」。

根據科倫博泰的招股書顯示，中國抗體偶聯藥物預計2023年市場規模可達21億元，2030年將超過660億元。抗體偶聯藥物將推動腫瘤治療進入了更為個性化和精細化的精準醫療時代。

4.3 產業科技化

【判斷29】製造業：往微笑曲線的兩頭升級

產業科技化方面，我們首先來看製造業。

2022年中國製造業增加值占全球製造業增加值的比重已經約30%。中國製造業規模位居世界首位。

但是，中國製造業依然有需要解決的問題。

伴隨我國人口紅利的消失，製造業傳統生產環節的利潤空間在快速壓縮，倒逼製造業往上下游的高附加值領域發展——往上游，要走向高技術，往下游，要走向服務化。

一方面，中國高技術製造業營收占製造業總營業比重截止到2020年僅占比18.2%，在自主技術研發方面仍有較大提升空間；

另一方面，製造業服務化的趨勢也在不斷推進。近幾年，中國不斷推出服務型製造示範企業和示範平台。

綜合來看，製造業正在往微笑曲線的兩頭升級。

【判斷30】生產性服務業：與製造業共生共榮

製造業要往服務化轉型，就涉及一個重要概念：生產性服務業。

2022年中國生產性服務業增加值占服務業增加值比例已經達到59%。然而，美國、德國的服務業中有70%是生產性服務業，這說明中國生產性服務業還有較大增長空間。

之所以強調生產性服務業，是因為其與製造業共生共榮。對比中國生產性服務業和製造業增長趨勢的兩條線，二者呈現高度相關性，增速同步上升，同步下降。

要想實現製造業轉型升級，就必須加大生產性服務業發展。

【判斷31】生產運營管理數字化：實現流程、質量、業務的三管一體化

接下來我們看一個更具體的領域：生產運營管理數字化。

智能製造的核心是產品全生命周期的數據集成和管理，呈現出橫向和縱向兩條路線：

橫向是以工業軟體實現產品全生命周期端到端的集成；縱向則是從數據決策層—協同商務層—企業運營層—現場管控層—設備管控層的打通。縱向的核心就是生產運營管理數字化，超大型生產類企業尤其需要。

舉個例子：中之傑的德沃克智造·D-Work定位於未來柔性智造工廠的「神經中樞」，運用「一轉、雙改、雙模」的創新技術，通過以「物」為核心，建立以周轉載具驅動的轉換層，在「神經中樞」的自研算法和數據模型的賦能下，實現基於現場、現物、現實的柔性響應與自主調度，讓動作產生數據、數據返回業務，實現執行與業務閉環、軟體與硬體底層融合，並基於單箱流的透明化、精細化、柔性化管理，打造集流程、質量、業務三管一體化的柔性智造工廠。

簡言之，基於生產運營管理系統，可以打通流程管理、業務管理和質量管理的層級界限，讓智能製造實現三管一體化。

【判斷32】智能礦山： 無人駕駛的落地正在打開智能礦山的「一扇門」

接下來我們看另一個行業：採礦業。

礦山開採是人類最古老的行業之一。然而，採礦業的經營壓力遠大於其他行業，降本增效已成當務之急。

對於露天礦場開採而言，運輸成本占礦山開採總成本的50%以上，因此降低運輸成本是重要切入點。

調研顯示，在礦區無人駕駛運輸的規模化應用可以實現運輸成本下降50%。

無人駕駛在露天礦山的落地，不僅提升了經營效益，也能實現安全作業，還為後續的礦山智能化建設打好了地基。因此，無人駕駛已經成為打開智能礦山建設一扇門。

【判斷33】工業元宇宙：打造虛實融合、人線交互的生產新範式

接下來我們看看工業元宇宙。今年9月份工信部等五部門明確提出要培育三維交互的工業元宇宙。

國家之所以鼓勵發展工業元宇宙，是因為從數據孿生、數字孿生體到工業網際網路，中國工業數智化建設已經走過了三個階段，下一步就是推動實現整體產線的虛擬映射，真正培育構建起三維交互的工業元宇宙，整體走向生產的新範式。

【判斷34】倉儲管理數智化：撬動零售企業數字化轉型的錨點

接下來我們看看零售業。根據IDC調研，運營效率和訂單處理速度是衡量零售行業效益水平的重要指標。

如何提高效率？倉儲管理數智化是重要手段。

根據甲子光年智庫調研，零售企業引入倉儲管理數智化系統後對倉庫整體作業效率有35%的提升，對員工工作效率有75%的提升。但現階段，只有25%的零售企業正在使用倉儲管理數智化系統，75%的零售企業並未引入倉儲管理數智化系統。因此，我們認為，倉儲管理數智化是零售企業數字化轉型的核心錨點。

【判斷35】AI營銷：打通營銷數字化的最後一環

接下來我們看看營銷行業。

營銷數字化共有七個核心流程：目標客戶定位、客戶需求分析、個性方案設計、內容生成、全渠道營銷推廣、銷售達成、營銷復盤再推薦，七大流程覆蓋完整的消費者購買閉環。

傳統的營銷數字化產品，雖然可以實現千人千面，但內容的生產無法自動化，導致效率低下。而生成式AI，將彌補營銷數字化中這最重要的一環。

另一方面，AI營銷也讓營銷的形態變得更為多元。大模型與數字人結合，可以實現擬人化、沉浸化的體驗。

因此，可以說AI營銷打通了營銷數字化的最後一個環節。

【判斷36】AI醫療： 讓醫療服務從院內走向院外，助力普惠醫療

接下來讓我們看看AI對醫療行業的改變。

醫療領域亟需解決的問題是醫療資源總量不足、分布不均的問題。醫療領域的數智化建設是主要手段之一。

「AI+大數據」可以將海量健康數據進行分析，輔助臨床診療。此外，傳統的醫療服務模式主要集中在院內，而AI醫療將把醫療服務從院內延到院外，遠程問診，健康預防，康復環節都可以通過AI進行輔助。

在AI賦能之下，將可實現全流程、全場景的醫療服務，助力普惠醫療時代到來。

【判斷37】AI辦公：重塑用戶使用習慣，進入提問交互辦公時代

隨著人工智慧崛起，AI逐漸融入我們的工作。根據甲子光年智庫調研，AI在辦公場景的使用率達到了26%，內容生產工作者對AI的使用率更是高達32%以上。

AI在辦公過程中主要從以下三個維度進行賦能：一是AIGC，幫我們生成內容；二是通過對話式交流，幫我們輸出決策洞察；第三，是幫我們將非/半結構化數據形成結構化數據。

未來，交互式AI將重塑我們的工作模式。如何提問，以及如何與人工智慧交互將是每一位工作者的必修課。

【判斷38】氫能：即將進入綠氫時代

接下來，我們看看能源行業。

在碳中和背景下，氫能產業已經成為國家級戰略。

2023年中國氫氣產量預計能夠達到4291萬噸。但當前制氫過程所使用的能源絕大部分是非可再生能源。因此，國家明確提出要發展可再生能源制氫，也就是綠氫。

目前，海上風電制氫、陸上風電制氫、光伏制氫成本都有50%的下降空間。生產成本的下降，會加速綠氫產量的增長，到2060年，綠氫產量有望超過8000萬噸，成為氫能供應的主要來源，讓氫能真正進入綠氫時代。

【判斷39】氫燃料電池：電堆核心是膜電極，膜電極核心是質子交換膜

接上一條，氫能產業迎來爆發期。而氫燃料電池汽車是其重要的下游應用領域。

氫燃料電池汽車要實現規模化商用，就需要降低氫燃料電池的成本。

電堆成本占氫燃料電池的65%；膜電極成本占電堆的64%。因此，膜電極是氫燃料電池降本的關鍵部件。

不僅如此，膜電極也是當前材料科技含量最高的環節，是氫燃料電池當之無愧的「心臟」。但現階段膜電極關鍵材料國產化不足，尤其質子交換膜仍處於早期研發階段，國產替代將是主要機遇。

所以，氫燃料電池的發展，降本的關鍵是電堆，電堆的核心是膜電極，膜電極的核心是質子交換膜。

【判斷40】智慧零碳： 數智化加速碳中和進程，全面賦能生產生活

接下來我們看看碳中和。

中國已經明確制定了實現「雙碳」目標的三步走計劃。在碳計量、碳管理、碳監管、碳交易等方面，都需要量化和跟蹤碳排放的基礎數據，因此，構建智慧零碳解決方案成為必要之舉。

目前，智慧零碳已經開始應用到企業的日常生產中，正在加速中國實現碳中和的進程。

【判斷41】智能座艙：大模型上車，人車對話的新體驗

接下來我們看看汽車行業。

伴隨汽車的智能化水平不斷提高，智能座艙越來越受關注。2023年智能座艙的新車滲透率可達66%，智能座艙已逐漸成為智能汽車的標配。

根據畢馬威的調研，中國用戶有18%認為智能座艙是必須配置，61%會因智能座艙而極大提升購車興趣；有61%的用戶認為如果價格合理會對智能座艙有支付意願，有1%的用戶認為無論價格多少都願意付費。這說明，中國消費者已經開始為智能座艙買單。

隨著大模型的引入，智能座艙可以給消費者提供全新的人機對話體驗。

【判斷42】自動駕駛：走入拐點之年

自動駕駛一直是最富話題性的科技領域之一。2023年，自動駕駛看起來熱度似乎沒有前幾年高，但卻出現了實質性的拐點。

從技術端來看，以前，自動駕駛有很多路線之爭。但隨著AI技術的成熟，以BEV+Transformer取代傳統算法，已成為業界的共識。

從產業端來看，2023年我國L2級及以上自動駕駛功能的新車滲透率將達到46%，2025年將達到70%，到2030年將全面普及。

從用戶端來看，消費者對自動駕駛的認可度明顯提高。值得一提的是，在新能源購車群體中，那些沒有選擇傳統豪華品牌，而選擇本土高端新勢力的消費者中68%認為「更先進的自動駕駛功能」是其購買決策的重要因素——這說明本土新勢力作為自動駕駛提供方獲得了信任；而從付費意願看，中國消費者願意為自動駕駛額外溢價4600美元，這個數字明顯高於美國和德國。

由此可見，技術路線走向統一，商業化邁出實質性進展，2023，是中國自動駕駛的拐點之年。

4.4 科技共同體

【判斷43】智算中心：打造算力一盤棋，走向國家算力一體化供應時代

讓我們看看算力。

智算中心是提供AI算力的核心載體。目前，中國已經布局了79所智算中心。中國正推動實現全國所有智算中心的互聯互通和一體化管理。一旦中國的國家級AI算力網建成，將開啟國家算力一體化供應的時代。

【判斷44】AI for science：基礎研究的新大陸

伴隨著人工智慧的快速發展，有一個重要的領域獲得了便利，這個領域就是科研。

最近《自然》雜誌的一篇文章對全球1659位科研工作者進行了調查，三分之二的人認為AI工具帶來了更快的處理數據方式，58%的人表示AI提高了複雜運算的效率，55%的人表示AI幫助他們節省了時間和資金。

如今，科學家們認為科學研究正在邁向一個新的範式——人工智慧驅動的科學研究（AIfor Science，AI4S）。這種新範式將AI大模型與學科原理相結合，實現雙輪驅動，正在推動科學研究的進步。

【判斷45】信創：扔掉「拐棍」，進入市場化應用階段

這幾年，信創理念逐步深入人心。信創的滲透經歷了一個波浪形過程：從剛啟動時優先落地黨政組織，逐步走到了各類企業都開始使用信創產品。信創產業已經從政策驅動向需求驅動轉變。

根據甲子光年智庫調研，信創用戶滿意度為85%，且有84%的用戶表示會進行復購。這說明，信創產品已經告別「可用」階段，進入了「好用」階段。信創已經告別過於依賴政策的「拐棍」，真正進入大規模市場化階段。

【判斷46】科技投資：中國式風投體系新循環正在醞釀中

接下來我們看一個很重要的維度，科技投資。

目前，中國正在形成一套獨立於美國風投體系的投資循環。從退的角度看，A股的標準是看企業的科技含量、利潤以及是否符合國內合規要求和產業指導方向，這已經對一級市場產生顯著影響。

科技要產業化，就要抵達產業的縱深，鏈路就會比較長。

• 過去的模式投資內生規律：資本>>規模>>投資回報

• 現在的科技投資內生規律：資本>>團隊>>研發>>技術>>產品>>應用>>商業>>市場>>投資回報

過去的模式投資內生規律：資本>>規模>>投資回報

現在的科技投資內生規律：資本>>團隊>>研發>>技術>>產品>>應用>>商業>>市場>>投資回報

簡言之，以前一根長板走天下，現在一根短板掉坑裡。科技投資要和科技產業化的內生規律同頻共振。

【判斷47】科技改變生活：從重塑人的六識感知開始

接下來我們談談科技對生活的改變。21世紀是體驗經濟的時代，消費者開始注重「眼耳鼻舌身意」等六識感知體驗。

目前，消費者終端設備都在往兩條路徑演進：

路徑1是感知體驗水平從弱向強發展，路徑2是感知信息量從少向多發展。

舉個例子：聲音是人類六識中的一個重要感知要素，隨著聲學科技不斷創新，有越來越多的生活場景可以有更好的聽覺體驗。

舉個例子，韶音科技專注不入耳聲學技術近20年，依靠技術創新驅動+用戶思維驅動的雙螺旋基本法，重新定義了專業運動耳機。韶音持續堅守專業、追求極致，將運動精神注入品牌基因，並持續豐富產品矩陣、拓展場景邊界，讓不入耳耳機成為更多大眾消費者的選擇。

一個又一個像韶音科技這樣的案例，讓我們感到科技越來越有溫度。

【判斷48】科技服務：支撐科技產業高質量發展的加速器

科技服務業是圍繞技術創新發展的新興業態。根據甲子光年智庫調研，98.9%的科技企業都有科技服務的需求。

我們可以把科技服務的供給分布和需求分布拉出來，比對發現：新能源、新一代信息技術、生物技術科技服務企業供給嚴重不足，要努力提高供需平衡。

科技企業認為科技服務價值在於提高產品審批效率、滿足監管要求、提高研發效率等方面，說明科技服務是科技企業生產經營效率的加速器。

【判斷49】數據安全：從源頭做起，用AI監管AI

伴隨生成式人工智慧的快速發展，大模型的安全監管越來越重要。其中大模型訓練所需的底層數據已經成為AI監管的關鍵所在——因為訓練數據集直接決定了內容生成的價值取向，這意味著，需要從數據的源頭加強數據安全。

傳統的監管手段和安全防護措施已經無法滿足需求，怎麼辦？可以嘗試構建AI安全大模型，利用人工智慧來分析大量數據，檢測異常行為，預測威脅，並實現自動化響應，實現用AI手段來監管AI。

【判斷50】AI派系爭奪：從技術上的「能與否」走向價值上的「是與非」

11月份，科技圈最大的八卦莫過於OpenAI的「政變」，如此不可思議的事，必定藏著某種深層衝突。這不僅是場人事鬥爭，更是一場科技價值觀運動。

伴隨著AI一路直奔AGI，大家形成了兩大派系：

第一類是激進派：有效加速主義，英文叫做 e/acc。

e/acc支持者的價值取向是：

人類應該無條件地加速技術創新；

這種對社會的顛覆風險，本質上對人類有利，這會迫使人類適應，從而幫助我們更快達到更高意識水平；

過去三百年人類隨著技術的顛覆而進化，結果顯然都非常好；

對加速通用人工智慧到來的絕對支持。

雖然Sam Altman幾乎沒有公開談論過e/acc，但一些線索提示，他可能是e/acc這一派。

第二類是保守派：有效利他主義，英文叫EA。

EA支持者的價值取向是：

儘可能去為全人類謀福祉。

如果生活在數千英里外的人很重要，那麼生活在數千年之後的人們也同樣重要，我們必須要為我們的後代來提前鋪墊。

警告AI可能威脅人類，必要時應該加以阻止。

EA這一派的知名人物是「人工智慧教父」Geoffrey Hinton。OpenAI的首席科學家Ilya是Hinton最得意的弟子之一，自然也接過了保守派的大旗。

你是e/acc還是EA？這目前是矽谷當下最熱的科技話題。有效加速主義的人，更偏向認為AI是工具；有效利他主義的人，更認為AI是數字生命——既然是生命，就有性本善和性本惡的討論，如果不能確保這個「生命」對人類懷有無條件的愛，那我們相當於自掘墳墓。

AI正以超乎想像的速度發展，價值導向也將越來越擺在檯面上，每家人工智慧公司都需要做出選擇：你是EA，還是e/acc？

今天這個問題與我們息息相關。短期，會影響科技公司的路線選擇和各國監管，長期，會對我們的子孫後代產生不可逆的影響。這真的就好像是拯救派跟降臨派，搞AI之前得先搞清楚自己是哪一派的。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

5.結尾

5.1 企業家是國家命運重要的影響因子

剛才我們談了很多趨勢，最後，讓我們回歸到今天的主題。

在主流經濟學裡，企業只是一個生產函數，根本沒有企業家的位置。然而，所有轟然成勢的力量背後，都有個體細碎的悲歡。所有追風趕月的背後，都是企業家心力、腦力、體力的投射。

企業家是國家命運非常重要的影響因子。

2023年，企業家們的焦慮指數達到了巔峰。保持信心變成稀缺的能力。活下去的衝動，堅強的韌性。一個一個追風趕月的你，是這個時代最可貴的力量。

每個人的一生都需要某種敘事。一個人一生的軌跡，便是將這種敘事自我合理化的過程。

在這個時代，熾熱而堅決地心懷改變世界的執念而活，某種意義上是站在機率的反面。在「喪文化」大行其道，「佛系」與「躺平」越來越理所應當的大情緒中，任何一位創業者、企業家都要面臨無法自證的窘境和無力辯駁的無奈，解構比建構容易得多，懷疑比相信容易得多。

所以，創業者所選擇的是最不可預知的敘事方式，和最艱難的自我合理化路徑。從此人生是場興替，忽高也忽低，不輸氣勢。

5.2 未來是一個個動態發生的個體選擇的集合

我在「甲子光年」首篇文章《站在兩個世界之間》中曾寫過，在過去上百次長達數小時的面對面訪談中，我最常問創業者的一個問題是：過去一年，你是否經歷過一些「magic moment」？我始終相信，決定了企業未來的，是動人的細節和瞬間，而不是里程碑事件，因為後者只是前者的結果；我始終相信，未來是一個個動態發生的個體選擇的集合，不關注細節，不用手去試一試水的溫度，你便永遠無法理解歷史進程的錯綜複雜、變革之中少數人的力量，和個體命運的偶然性和戲劇性。

創辦「甲子光年」六年以來，很多企業起起伏伏，身邊道路時而擁擠時而靜默，擁擠時，可謂「東風夜放花千樹，更吹落，星如雨。」而靜默時，可謂「眾里尋他千百度，驀然回首，那人卻在，燈火闌珊處。」

離開的人一定帶著不甘不舍，而留下的人已知前路險遠，千萬人仍往矣，三兩人也往矣。而這正是行路的魅力。

5.3 追風趕月莫停留，平蕪盡處是春山

都說：追風趕月莫停留，平蕪盡處是春山。

5.4 不戀春山多奇俊，只致追風趕月的你

而這一次，不戀春山多奇俊，只致追風趕月的你。

關注公眾號「甲子光年」，後台回復「致追風趕月的你」，獲得報告高清版完整PDF。或者點擊文末「閱讀原文」，進入甲子光年官網下載。

END.