在2023北京智源大会上，“AI教父”杰弗里·辛顿提出了一个引人深思的问题：“假设青蛙创造了人类，那么现在谁会占据主动权，是人，还是青蛙？”他曾不惜辞去谷歌副总裁的职位，只为自由讨论并提示“人工智能的危险”。然而，一年过去，AI非但没有走向他预言的“毁灭人类”，反而为他带来了诺贝尔物理学奖的殊荣，同时，诺贝尔化学奖也颁给了三位用AI研究蛋白质结构的科学家，这一结果震惊了整个学术界。
诺贝尔物理学奖和化学奖的颁发，不仅是对科学家个人的认可，更是对“AI辅助科学研究”这一应用趋势的肯定。与此同时，英伟达在华盛顿举行的为期三天的“AI峰会”也聚焦于AI在应用层面取得的成功。英伟达企业平台副总裁鲍勃·佩特指出：“世界正处在AI应用的边缘。”
杰弗里·辛顿之所以获得诺贝尔物理学奖，是因为他在使用人工神经网络进行机器学习方面的奠基性贡献。他的机器学习技术被广泛运用于物理学界的数据分析和模型构建。而诺贝尔化学奖则授予了谷歌旗下DeepMind公司的AI科学家德米斯·哈萨比斯和约翰·江珀，以表彰他们研发的“Alpha Fold2”模型在蛋白质结构预测方面的成就。
在这两个案例中，AI并非孤立存在，而是以交叉学科、跨界融合的方式应用在具体的科研领域。英伟达AI峰会上，鲍勃·佩特也强调了AI在现实领域的应用，从智能助理到机器人工厂，再到天气预测和治疗癌症，AI正在各行各业实现突破。
例如，美国国家癌症研究所正在使用英伟达的AI服务进行医学图像分析，从而帮助药企和科研人员筛选新药分子，大大缩短开发新药所需的时间。不仅是英伟达，meta和马斯克也在积极探索AI的硬件和应用，推动AI技术的发展。
AI的发展重心已经从早期的算力层和模型层，全面转向最终的应用层。这种转变的背后，是资本的强力推动。近年来，中国、美国、欧洲的科技巨头和投资机构都在争相投资AI。以亚马逊、微软、Alphabet和meta为例，他们在今年第二季度共花费了500多亿美元投资AI。
然而，这种投入虽然不计成本，但企业仍然需要追求营收和利润增长。目前来看，除了英伟达、台积电等上游厂商赚得盆满钵满以外，几乎所有的大模型都在亏损。因此，无论是算力芯片公司还是科技巨头，都需要让AI在应用层面展现出真正的商业化能力，才能吸引更多的人和钱参与进来。
宏碁集团创办人施振荣提出的“微笑曲线”理论，能够很好地解释当下大部分AI公司盈利难的问题。在AI产业链中，GPU制造/云计算和AI应用环节往往能够获取较高的利润，而只做大模型的AI公司则面临着利润低、变现慢的窘境。
为了改变这一现状，AI产业链上的企业开始尝试垂直整合。从芯片制造到大模型训练，再到实际应用，他们开始逐步对AI进行产业链层面的整合。这种一体化战略或许能够帮助他们在AI时代增强竞争力，就像移动互联网时代的苹果和新能源车时代的比亚迪一样。
在这场科技革命浪潮中，谁能够率先将芯片、算力、数据、模型、应用这五点统一，谁就能够最先摘到“低垂的果实”。
