张一甲：致追风赶月的你-2023中国科技产业50条判断（下）

　　11月30日，中国科技产业智库「甲子光年」在北京JW万豪酒店举办2023甲子引力年终盛典活动。甲子光年创始人&CEO 张一甲重磅发布主题报告《致追风赶月的你：2023中国科技产业50个判断》。以下为报告详细内容。

　　每一次产业革命的浪潮，都伴随一代基础设施的升级，都会催生那一时代的原住民。数智原生企业正是这个时代的原住民。

　　今天，以大数据、云计算、人工智能等为代表的新型数字基础设施正在不断升级企业原有的基础设施。

　　从构成来讲，数智原生企业有两类，第一类，天生的数智原生。第二类，来自数字化转型。

　　如何判断一家企业是否是数智原生？今年4月的甲子引力，我们推出了一个概念：信能比，反映单位能源所能驾驭的信息量。当信能比大于100，企业会实现第一次生产力跃迁，成为数字原生企业；当信能比大于5000，企业会实现第二次生产力跃迁，成为数智原生企业。

　　人工智能在2023年发展得非常快。这个速度有多快呢？我们可以对比一下AI与智能手机、云计算的发展速度。

　　数据显示：从智能手机的元年到第十年，大约55%的手机变成了智能手机；云计算从元年到第十年，大约31%的计算变成了云计算；而生成式人工智能更加迅猛，生成式AI诞生十年后，预计会有66%的内容是由生成式人工智能做出来的。

　　我们也可以用智能算力的渗透率刻画AI的发展节奏。截至2022年底，国内AI算力在总体算力中占比约22.8% ，AI算力已步入“20%+”的渗透率阶段。

　　研究上有个说法，0%-20%是破壁渗透期，在新事物取代旧事物的过程中，某个事物渗透率一旦超过20%，就会加速渗透，最终吞并市场。

　　因此，我们可以判断：AI拐点已至，接下来，AI将迎来陡峭的一笔，渗透率很可能会超过80%。我们正在迎来全民AI时代。

　　【判断03】AI生态雏形初现：从“iPhone时刻”走向“App Store时代”

　　今天是11月30日，去年的今天，ChatGPT上线了。这一年AI行业可谓“天上人间”。虽然最近OpenAI出现了戏剧性“政变”，但我们丝毫不能低估这个领域奠基者的势能。

　　当地时间11月6日，OpenAI举办首次开发者大会。他们发布的内容，基本上可以概括为五个字：“我全部都要。”

　　以上布局，为我们展现了一个未来的生态规则：人人都能使用自然语言开发软件、拥有多个私人助理，像浏览应用一样购买私人助理，就像在苹果应用商店里下载App——OpenAI正在越来越“苹果化”。

　　这让全球AI公司喜忧参半——竞争对手们依然在“AI炼丹”，OpenAI先一脚迈入了“App Store时代”，它着手建立着AI时代全新的生态位，引领着行业的生产力，也重新设计了生产关系。

　　当然，2023年国内AI产业也拉满了加速度。除了总量的增多，赛点也在迭代。

　　2023年8月31日，首批大模型产品完成备案，陆续向用户开放，这意味着大模型跨过了一个里程碑节点。此后大模型能够获得真实用户数据反馈，这将开启“飞轮效应”。

　　举个应用落地的例子：云知声从2016年开始构建Atlas人工智能基础设施，并据此推出具有千亿参数的山海大模型，其不仅具有优秀的内容生成、逻辑推理、问答对话等通用能力，更已在智能医疗领域率先落地应用。当前，基于山海大模型的门诊病历自动生成产品已在北京友谊医院上线试用，这是大模型首次在严肃医疗场景的实用落地。

　　这只是走入千行百业的案例之一。在甲子星空坐标系中我们还能看到大模型在非常多场景落地。大模型正在越来越务实、越来越亲民。

　　人与大模型交互是基于prompt实现的，prompt是否清晰会影响大模型回答效果；而AI Agent仅需给定一个目标，就能够独立思考并做出行动，拆解出每步计划，依靠外界的反馈和自主思考，自己给自己创建 prompt，来实现目标。

　　如果说Copilot是“副驾驶”，Agent可以算初级的“主驾驶”。它不仅像人一样思考，也能像人一样行动。

　　类比自动驾驶，如果说ChatGPT是自动驾驶的L2水平，Copilot是L3，AI Agent就类似L4——人来设定目标，工作的主语是AI。

　　打个比方，之前的AI就像需要手把手教导的实习生，而AI Agent已经像一个能自己解决困难的成熟员工了。

　　人的精力是有限的，AI Agent可以称之为“真·解放生产力”，被寄予了极高期待。

　　一直以来，软件开发范式伴随着数字化水平的提升不断迭代，从低级语言，到高级语言，再到低代码，开发范式不断向提高效率、敏捷交付的目标演进。

　　最近，GitHub展开了一项调查，结果发现：92%的美国开发人员在使用AI编程工具，70%的开发者认为人工智能可以提升开发水平。

　　算法的训练依赖于训练数据集。目前，全球34%的大模型每月至少更新一次，这需要数据来重新训练模型，而数据准备往往占据了50%的工作量。

　　最近，Epoch AI Research的研究抛出了一个残酷的事实：高质量的语言数据将会在2026年用光，低质量的语言数据将会在2030到2050年用光，而图像数据将会在2030到2060年用光。

　　此外，现阶段，高质量的中文数据集比较少。当下最主要的数据集来源Common crawl中，中文语料仅有4.8%。

　　数据标注的早期主要依赖人工，为了提高效率，人们逐渐发展出了信息化标注工具，但仍存在效率和产量不足问题；

　　AI的发展，推动了AI赋能数据标注全流程。现在，可以通过机器学习等技术实现智能化辅助标注。

　　右图展示了目前数据标注服务流程中AI可以参与的环节。可以看出，智能化数据标注工具正在成为流程的主导。数据标注正在变成一条智能流水线，从“劳动密集”走向“技术密集”。

　　企业日常经营会产生大量数据，而大部分都是非结构化数据。根据Gartner数据，企业生成的新数据中，90％是非结构化数据，并且增速比结构化数据快三倍。生成式AI进一步带来了非结构化数据的暴增。

　　训练大模型所需的数据集以非结构化数据为主，传统数据库无法满足这种需求，催生了一个新兴的产品，向量数据库。

　　向量数据库专门用于存储和管理向量数据，可以把复杂的非结构化数据通过向量化，处理统一成多维空间里的坐标值。

　　向量数据库能够高效地存储和查询大规模的向量数据，是当下最适合大模型的数据存储产品。今年，这个赛道成为了资本的宠儿，市场规模也在高速增长。

　　湖仓一体是一种结合了数据湖和数据仓库特性的新型融合架构。其可以发挥出数据湖的灵活性和数据仓库的易用性、规范性、高性能等特点。

　　根据IDC调研，有67%的中国企业了解湖仓一体架构，其中，85%正在部署或考虑评估部署湖仓一体架构。这说明，中国企业已经对湖仓一体有了一定的认知和准备。

　　湖仓一体尤其适合大型组织的数字化建设需求。在超大型组织中，数据通常分布在不同的部门和地理位置，包含结构化、半结构化和非结构化数据。湖仓一体化提供了一种统一的方式来管理和分析这些数据。

　　以科杰科技为例：科杰科技自主研发的湖仓一体数据智能平台KeenData Lakehouse通过采用领先的湖仓一体技术，整合了数据的存储、加工计算以及面向应用端的供给，形成了全面而高效的数据管理解决方案。凭借其领先的技术实力和大型组织多业态复杂场景的最佳实践经验，已经成功为众多世界500强及中国知名企业打造了高效的数据底座。

　　阿里云创始人王坚曾表达，人工智能和云计算的结合，带来云计算的第三次浪潮。

　　王坚回顾了云计算的发展史：2003年，云计算第一次提供服务，在第一次浪潮中改变了全球互联网，奈飞、米哈游等第一天起就100%完完整整在云上；第二次浪潮中，传统企业开始使用云；云计算的第三次浪潮是2023年，人工智能和云计算走在了一起。

　　根据甲子光年智库调研示，9.5%的企业上云且在使用AI产品，云和AI正在走向融合。

　　过去，企业通过上云来降本增效。现在，企业开始通过云来借力更多先进生产力——AI成为上云更高阶的理由。过去云是个工具，现在云是走进智能时代的起点。

　　【判断12】AI PaaS：让SaaS企业既能“用得上”也能“用得起”大模型

　　根据甲子光年智库调研，16.9%的SaaS厂商会自己开发PaaS平台。他们当中，有17.8%的厂商的产品包含AI平台。

　　如今，大模型已成各个行业的“底座性变化”。SaaS企业接入大模型的入口在哪里？就是AIPaaS。要么自己做AI PaaS，要么和别的AI PaaS合作。

　　首先，自研大模型并不“实惠”，并非所有SaaS企业都有实力自研，这时，下接大模型、上接应用场景的AIPaaS，可以作为“中间层”发挥作用。

　　其次，toB的SaaS，需要承接各行各业的需求，单一模型难以适配多样化的场景，直接接入不同的大模型供客户选择，无疑更加可行。

　　因此，上承业务场景，下接模型能力的AI PaaS，让SaaS企业既能“用得上”也能“用得起”大模型。

　　时空大数据是战略性资源。去年，自然资源部发布《关于全面推进实景三维中国建设的通知》，明确提出2025年实现50%以上的政府决策、生产调度和生活规划可通过线上实景三维空间完成，到2035年达到80%。

　　然而目前，企业实际使用的时空数据产品较少。根据甲子光年智库调研，中国企业在数字化转型中使用时空数据产品的比例仅有3.9%。这说明，时空大数据并未充分赋能企业发展。

　　其中一个原因就是时空大数据具有敏感性，涉及国家安全，导致其调取应用比较困难。

　　而现在，人工智能提供了一个解决路径。人工智能企业可以构建出以时空大模型为大脑的时空智能平台提供服务，从而规避直接调取数据的风险，释放对千行百业的赋能水平。

　　我们可以按照智能化水平和拟人化程度将数字人分成5个级别，今天的数字人多处在L1-L3阶段，未来将逐步过渡到L4-L5阶段。

　　未来，AI数字人将会朝着实时交互、更高智能以及更深入场景的方向发展，越来越聪明，越来越落地。

　　目前，全球都在探索6G时代的网络新技术。卫星互联网则是6G的重要组成部分。

　　根据美国卫星产业协会（SIA）数据，2022年全球卫星互联网市场规模已经达到2810亿美元。

　　今年，让很多人开始关注卫星互联网的是华为。2023年8月29日，华为Mate60 Pro系列手机发布，成为全球首款支持卫星通话的大众智能手机。这一里程碑事件，将卫星通讯设备推进到了大众消费级智能终端，代表我国由传统的地面通信向空天地通信时代迈进。

　　自大模型成为风口，GPU一卡难求背后，有个核心技术是重要支撑点，它就是HBM。

　　HBM，意为高带宽存储器，是一种面向需要极高吞吐量的数据密集型应用程序的DRAM。高端GPU是其目前最瞩目的应用场合。

　　AI大模型依赖庞大的数据处理和传输。然而，存储和处理器并没有同步发展，过去20年，硬件的峰值计算能力增加了90,000倍，但内存/硬件互连带宽却只提高了30倍。而且，计算能力与数据搬运能力的“剪刀差”还在越来越大。

　　当存储的性能跟不上处理器，就像一个巨大的漏斗，不管处理器灌进去多少数据，存储器都只能“细水长流”——这便是“存储墙”。

　　在大模型时代，数据搬运已经占据整个计算周期90%以上。解决数据的搬运是一个迫切的问题。

　　HBM的高带宽相当于把漏斗中间的通道打得更开，让数据可以快速流通。面对大模型动不动千亿、万亿的参数，GPU几乎必须搭载HBM。

　　目前，高端GPU市场被英伟达和AMD瓜分，两家的产品都伴随HBM技术的成长而成长。HBM已经成为推动AI大模型发展的微观支点。

　　接上一条，HBM是目前解决数据搬运的一种主流方案，能暂时缓解“存储墙”困扰，但也有一个问题：其性能天花板明显，并且成本较高。

　　在传统冯·诺依曼架构中，计算过程需要将数据从存储单元调取出来，运算处理完毕后再写回存储器，运算单元和存储单元之间需要频繁高速的交换数据，这就导致功耗问题和“存储墙”问题。

　　为了解决这一问题，最近业内开始推广一种叫存内计算的新型架构，其将实现存储与计算融合一体，消除数据的传输消耗，规避“能耗墙”和“存储墙”的问题。这类基于存内计算架构的AI芯片，被称为存算一体芯片。

　　比方说1750亿参数的GPT-3模型，每一次推理计算的时候都要把350Gbyte的数据搬到芯片上，才能做一次推理。但如果这个数据不需要搬运，计算的效率会高很多。

　　当下市场上已有存算一体芯片取得突破性进展，例如亿铸科技。亿铸科技致力于用存算一体架构设计AI大算力芯片，首次将忆阻器ReRAM和存算一体架构相结合，借助全数字化技术路径应用创新、存算一体超异构系统级创新等多项创新优势，从根本上解决大模型快速发展所凸显的算力挑战，为AI大算力芯片发展打开了新通路。目前，亿铸科技点亮了基于忆阻器的高精度、低功耗存算一体AI大算力POC芯片，基于传统工艺制程，能效比表现经第三方机构验证，超出传统架构AI芯片平均性能的10倍以上。

　　因此，存算一体芯片很有前景。存内计算不仅消除了不必要的数据搬运，并且比较适用于AI算法，可以说是专门为AI大算力而生。

　　在过去几十年中，微电子技术一直按照摩尔定律发展，约每隔18个月性能提升一倍。然而现在，微电子工艺的相关制程已经到3nm，晶体管越来越紧凑，消耗的能量也急剧上升，摩尔定律正在失效。

　　光子芯片是利用光子代替电子来进行信息处理和传输，可以实现超高速、低能耗甚至零能耗计算，突破传统微电子芯片的瓶颈。

　　人形机器人是未来的重点方向。根据工信部印发的《人形机器人创新发展指导意见》，我国计划到2025年初步建立人形机器人创新体系。

　　值得一提的是，人形机器人的渗透率曲线预计将与新能源汽车类似。这是因为，人形机器人和电动车都采用了“感知层-决策层-执行层”的架构，都以电力作为直接能源，人形机器人也可以利用新能源车产业链的资源，例如AI芯片、自动驾驶算法和视觉解决方案等。

　　因此，人形机器人，将有望成为下一个“新能源汽车”，成为人工智能时代的新的消费终端产品。

　　工业视觉已经应用到大量细分标准化场景，成为推动制造业转型升级为智能制造的关键切入点。

　　例如：灵西机器人是国内领先的3D视觉行业准独角兽企业，专注于为各行业提供机器人视觉智能解决方案。灵西全面贯彻“3+2+N”战略，提供3大类产品和服务（全套自研的3D视觉相机、一体化通用软性平台、智能标准化设备），覆盖2大重点行业（新能源、物流仓储），并为众多行业头部客户提供全栈式、标准化3D视觉智能解决方案。灵西通过关键核心技术和关键零部件自主研发，有效解决感知和控制层面的技术割裂，并通过对场景解决方案的积累，实现基于场景的深度融合，为客户提供全栈式、标准化的场景解决方案，满足客户对细分场景的定制化需求。

　　随着新能源汽车销量的爆发式增长，续航里程焦虑成为第一痛点，这对动力电池的能量密度提出了更高要求，需要新一代材料来满足动力电池对能量密度、经济性、高压大电流适配、安全性能、使用寿命/循环次数等方面的需求。

　　现阶段高镍三元正极+石墨负极的材料，已经助推动力电池支持汽车续航里程超过700公里。未来随着动力电池向半固态或固态电池方向演进，有望实现更高的续航里程。

　　集流体是锂离子电池不可或缺的电极材料之一，但传统集流体几乎达到了锂离子电池可制造性的极致水平。

　　相较传统集流体，复合集流体具备高安全、长寿命、高能量密度、低成本的优势，近年来被广泛研究。

　　一些新能源汽车中已经开始使用复合集流体。今年4月，宁德时代麒麟电池全球量产首发车型极氪009就使用了复合集流体，据传本季度上市的赛力斯问界M9车型也将采用复合集流体。

　　光伏电池的迭代路线分为四个阶段。当前主流量产的阶段二的转化效率已经接近极限，阶段三上升空间也有限，因此，中国光伏企业都在积极研发新一代叠层电池的技术。

　　通过将钙钛矿和晶硅结合，可以实现更高效的光电转化。因此，钙钛矿晶硅叠层电池是当前业界认可的理想方案之一，其理论转化效率可达40%以上。

　　接下来，我们看看量子计算。随着各国大量投入，量子计算开始由实验阶段进入到实用阶段。未来十几年的复合增长率将达到60%。

　　在国内，北京、安徽等地区是量子计算企业的集中地。随着数字经济日益增长，算力不足的挑战与日俱增。量子计算机的计算能力远超传统计算机，将有助于解决算力不足问题。

　　今年开始，多家头部企业将进入临床阶段。其中马斯克的Neuralink已于2023年5月25日宣布获美国食品和药物管理局（FDA）批准开展人体试验。

　　如今，脑机交互技术已经应用于许多领域，包括医疗、消费电子、教育、娱乐等领域。

　　未来，脑机交互将从简单的单向脑机接口走向人机交互，并逐步达到人机共融的状态。

　　合成生物学由工具层、平台层和应用层组成。人工智能和芯片半导体等技术被重点应用于合成生物产业的工具层和平台层。

　　随着合成生物学的发展，多行业纷纷“造物致用”。据麦肯锡分析，合成生物学每年带来的经济影响将达到万亿美元。

　　中国创新药市场规模呈现出较快增长，2023年预计市场规模将达到7790亿元。

　　2023年初全球在研创新药共有10,100条管线，其中美国企业在研产品占42%，覆盖靶点比例为72%，top20靶点集中度仅有18%；与之相比，中国企业在研产品占33%，覆盖靶点比例仅为39%，top20靶点集中度高达32%。

　　由此可见，中国创新药企业在研品种出现明显的同质化现象，创新能力有待提高。

　　当然，伴随近几年中国创新药license out的交易事件和交易规模的快速增长，这个问题正在被快速改善。

　　刚才我们说到靶点的创新，接下来我们看看治疗手段的创新，抗体偶联药物（ADC）。

　　最近几年中国每年新增癌症发病人数均在400万人左右，约占全球四分之一。肿瘤治疗成为迫切需求。

　　抗体偶联药物（ADC）具有高靶向性、低毒副作用、个体化治疗的特征，可适用于不同肿瘤类型，也被誉为“魔法子弹”。

　　根据科伦博泰的招股书显示，中国抗体偶联药物预计2023年市场规模可达21亿元，2030年将超过660亿元。抗体偶联药物将推动肿瘤治疗进入了更为个性化和精细化的精准医疗时代。

　　2022年中国制造业增加值占全球制造业增加值的比重已经约30%。中国制造业规模位居世界首位。

　　伴随我国人口红利的消失，制造业传统生产环节的利润空间在快速压缩，倒逼制造业往上下游的高附加值领域发展——往上游，要走向高技术，往下游，要走向服务化。

　　一方面，中国高技术制造业营收占制造业总营业比重截止到2020年仅占比18.2%，在自主技术研发方面仍有较大提升空间；

　　另一方面，制造业服务化的趋势也在不断推进。近几年，中国不断推出服务型制造示范企业和示范平台。

　　2022年中国生产性服务业增加值占服务业增加值比例已经达到59%。然而，美国、德国的服务业中有70%是生产性服务业，这说明中国生产性服务业还有较大增长空间。

　　之所以强调生产性服务业，是因为其与制造业共生共荣。对比中国生产性服务业和制造业增长趋势的两条线，二者呈现高度相关性，增速同步上升，同步下降。

　　智能制造的核心是产品全生命周期的数据集成和管理，呈现出横向和纵向两条路线：

　　横向是以工业软件实现产品全生命周期端到端的集成；纵向则是从数据决策层—协同商务层—企业运营层—现场管控层—设备管控层的打通。纵向的核心就是生产运营管理数字化，超大型生产类企业尤其需要。

　　举个例子：中之杰的德沃克智造·D-Work定位于未来柔性智造工厂的“神经中枢”，运用“一转、双改、双模”的创新技术，通过以“物”为核心，建立以周转载具驱动的转换层，在“神经中枢”的自研算法和数据模型的赋能下，实现基于现场、现物、现实的柔性响应与自主调度，让动作产生数据、数据返回业务，实现执行与业务闭环、软件与硬件底层融合，并基于单箱流的透明化、精细化、柔性化管理，打造集流程、质量、业务三管一体化的柔性智造工厂。

　　简言之，基于生产运营管理系统，可以打通流程管理、业务管理和质量管理的层级界限，让智能制造实现三管一体化。

　　矿山开采是人类最古老的行业之一。然而，采矿业的经营压力远大于其他行业，降本增效已成当务之急。

　　对于露天矿场开采而言，运输成本占矿山开采总成本的50%以上，因此降低运输成本是重要切入点。

　　无人驾驶在露天矿山的落地，不仅提升了经营效益，也能实现安全作业，还为后续的矿山智能化建设打好了地基。因此，无人驾驶已经成为打开智能矿山建设一扇门。

　　接下来我们看看工业元宇宙。今年9月份工信部等五部门明确提出要培育三维交互的工业元宇宙。

　　国家之所以鼓励发展工业元宇宙，是因为从数据孪生、数字孪生体到工业互联网，中国工业数智化建设已经走过了三个阶段，下一步就是推动实现整体产线的虚拟映射，真正培育构建起三维交互的工业元宇宙，整体走向生产的新范式。

　　接下来我们看看零售业。根据IDC调研，运营效率和订单处理速度是衡量零售行业效益水平的重要指标。

　　根据甲子光年智库调研，零售企业引入仓储管理数智化系统后对仓库整体作业效率有35%的提升，对员工工作效率有75%的提升。但现阶段，只有25%的零售企业正在使用仓储管理数智化系统，75%的零售企业并未引入仓储管理数智化系统。因此，我们认为，仓储管理数智化是零售企业数字化转型的核心锚点。

　　营销数字化共有七个核心流程：目标客户定位、客户需求分析、个性方案设计、内容生成、全渠道营销推广、销售达成、营销复盘再推荐，七大流程覆盖完整的消费者购买闭环。

　　传统的营销数字化产品，虽然可以实现千人千面，但内容的生产无法自动化，导致效率低下。而生成式AI，将弥补营销数字化中这最重要的一环。

　　另一方面，AI营销也让营销的形态变得更为多元。大模型与数字人结合，可以实现拟人化、沉浸化的体验。

　　医疗领域亟需解决的问题是医疗资源总量不足、分布不均的问题。医疗领域的数智化建设是主要手段之一。

　　“AI+大数据”可以将海量健康数据进行分析，辅助临床诊疗。此外，传统的医疗服务模式主要集中在院内，而AI医疗将把医疗服务从院内延到院外，远程问诊，健康预防，康复环节都可以通过AI进行辅助。

　　在AI赋能之下，将可实现全流程、全场景的医疗服务，助力普惠医疗时代到来。

　　随着人工智能崛起，AI逐渐融入我们的工作。根据甲子光年智库调研，AI在办公场景的使用率达到了26%，内容生产工作者对AI的使用率更是高达32%以上。

　　AI在办公过程中主要从以下三个维度进行赋能：一是AIGC，帮我们生成内容；二是通过对话式交流，帮我们输出决策洞察；第三，是帮我们将非/半结构化数据形成结构化数据。

　　未来，交互式AI将重塑我们的工作模式。如何提问，以及如何与人工智能交互将是每一位工作者的必修课。

　　2023年中国氢气产量预计能够达到4291万吨。但当前制氢过程所使用的能源绝大部分是非可再生能源。因此，国家明确提出要发展可再生能源制氢，也就是绿氢。

　　目前，海上风电制氢、陆上风电制氢、光伏制氢成本都有50%的下降空间。生产成本的下降，会加速绿氢产量的增长，到2060年，绿氢产量有望超过8000万吨，成为氢能供应的主要来源，让氢能真正进入绿氢时代。

　　电堆成本占氢燃料电池的65%；膜电极成本占电堆的64%。因此，膜电极是氢燃料电池降本的关键部件。

　　不仅如此，膜电极也是当前材料科技含量最高的环节，是氢燃料电池当之无愧的“心脏”。但现阶段膜电极关键材料国产化不足，尤其质子交换膜仍处于早期研发阶段，国产替代将是主要机遇。

　　所以，氢燃料电池的发展，降本的关键是电堆，电堆的核心是膜电极，膜电极的核心是质子交换膜。

　　中国已经明确制定了实现“双碳”目标的三步走计划。在碳计量、碳管理、碳监管、碳交易等方面，都需要量化和跟踪碳排放的基础数据，因此，构建智慧零碳解决方案成为必要之举。

　　目前，智慧零碳已经开始应用到企业的日常生产中，正在加速中国实现碳中和的进程。

　　伴随汽车的智能化水平不断提高，智能座舱越来越受关注。2023年智能座舱的新车渗透率可达66%，智能座舱已逐渐成为智能汽车的标配。

　　根据毕马威的调研，中国用户有18%认为智能座舱是必须配置，61%会因智能座舱而极大提升购车兴趣；有61%的用户认为如果价格合理会对智能座舱有支付意愿，有1%的用户认为无论价格多少都愿意付费。这说明，中国消费者已经开始为智能座舱买单。

　　随着大模型的引入，智能座舱可以给消费者提供全新的人机对线】自动驾驶：走入拐点之年

　　自动驾驶一直是最富线年，自动驾驶看起来热度似乎没有前几年高，但却出现了实质性的拐点。

　　从用户端来看，消费者对自动驾驶的认可度明显提高。值得一提的是，在新能源购车群体中，那些没有选择传统豪华品牌，而选择本土高端新势力的消费者中68%认为“更先进的自动驾驶功能”是其购买决策的重要因素——这说明本土新势力作为自动驾驶提供方获得了信任；而从付费意愿看，中国消费者愿意为自动驾驶额外溢价4600美元，这个数字明显高于美国和德国。

　　伴随着人工智能的快速发展，有一个重要的领域获得了便利，这个领域就是科研。

　　科学研究正在迈向一个新的范式——人工智能驱动的科学研究（AI for Science，AI4S）。

　　将AI大模型与学科原理相结合，实现双轮驱动，正在推动科学研究的进步。【判断45】信创：扔掉“拐棍”，进入市场化应用阶段

　　这几年，信创理念逐步深入人心。信创的渗透经历了一个波浪形过程：从刚启动时优先落地党政组织，逐步走到了各类企业都开始使用信创产品。信创产业已经从政策驱动向需求驱动转变。

　　根据甲子光年智库调研，信创用户满意度为85%，且有84%的用户表示会进行复购。这说明，信创产品已经告别“可用”阶段，进入了“好用”阶段。

　　A股的标准是看企业的科技含量、利润以及是否符合国内合规要求和产业指导方向，这已经对一级市场产生显著影响。科技要产业化，就要抵达产业的纵深，链路就会比较长。

　　接下来我们谈谈科技对生活的改变。21世纪是体验经济的时代，消费者开始注重“眼耳鼻舌身意”等六识感知体验。

　　举个例子：声音是人类六识中的一个重要感知要素，随着声学科技不断创新，有越来越多的生活场景可以有更好的听觉体验。

　　科技服务业是围绕技术创新发展的新兴业态。根据甲子光年智库调研，98.9%的科技企业都有科技服务的需求。

　　科技企业认为科技服务价值在于提高产品审批效率、满足监管要求、提高研发效率等方面，说明科技服务是科技企业生产经营效率的加速器。

　　伴随生成式人工智能的快速发展，大模型的安全监管越来越重要。其中大模型训练所需的底层数据已经成为AI监管的关键所

　　需要从数据的源头加强数据安全。传统的监管手段和安全防护措施已经无法满足需求，怎么办？可以尝试构建AI安全大模型，利用人工智能来分析大量数据，检测异常行为，预测威胁，并实现自动化响应，实现用AI手段来监管AI。

　　11月份，科技圈最大的八卦莫过于OpenAI的“政变”，如此不可思议的事，必定藏着某种深层冲突

　　如果不能确保这个“生命”对人类怀有无条件的爱，那我们相当于自掘坟墓。AI正以超乎想象的速度发展，价值导向也将越来越摆在台面上，每家人工智能公司都需要做出选择：你是EA，还是e/acc？

　　在主流经济学里，企业只是一个生产函数，根本没有企业家的位置。然而，所有轰然成势的力量背后，都有个体细碎的悲欢。所有追风赶月的背后，都是企业家心力、脑力、体力的投射。

　　每个人的一生都需要某种叙事。一个人一生的轨迹，便是将这种叙事自我合理化的过程。

　　创业者所选择的是最不可预知的叙事方式，和最艰难的自我合理化路径。从此人生是场兴替，忽高也忽低，不输气势。

　　我在「甲子光年」首篇文章《站在两个世界之间》中曾写过，在过去上百次长达数小时的面对面访谈中，我最常问创业者的一个问题是：过去一年，你是否经历过一些“magic moment”？我始终相信，决定了企业未来的，是动人的细节和瞬间，而不是里程碑事件，因为后者只是前者的结果；我始终相信，未来是一个个动态发生的个体选择的集合，不关注细节，不用手去试一试水的温度，你便永远无法理解历史进程的错综复杂、变革之中少数人的力量，和个体命运的偶然性和戏剧性。