近日，Meta的首席人工智能科學家、人工智能主管楊立昆(LeCun)在媒體採訪中指出，儘管ChatGPT等生成式人工智能產品背後的大型語言模型(LLM)在技術上取得了顯著進展，但它們永遠無法實現像人類一樣的推理和計劃能力。
楊立昆的評論基於對當前LLM技術的深入分析。他明確指出，這些模型在邏輯理解方面存在極大的限制，缺乏對物理世界的深入理解，沒有持久的記憶，無法以合理的術語進行推理，更無法進行層次化的規劃。這些缺陷限制了LLM在複雜情境下的應用，特別是在需要高度邏輯和規劃能力的領域。
他警告說，單純追求推進LLM的發展“本質上是不安全的”，無法實現真正的人工智能通用智能(AGI)。
他指出，現有的LLM主要是通過學習數據中的統計規律來完成相關任務，而非真正具備“理解”和“推理”的能力。這意味着這些模型只有在獲得正確訓練數據的情況下才能準確回答提示，而在面對未知或複雜情境時，它們的表現可能會大打折扣。
當前生成式人工智能行業正在迅速發展，包括自然語言處理、圖像生成等領域。隨着深度學習技術的不斷進步，生成式模型如GAN、Transformer等取得了巨大成功，爲語言生成、圖像生成等任務帶來了突破性進展。
我國上市企業融資分析
根據代表性上市企業的公告，生成式AI行業的上市公司主要通過定向增發進行融資。總體來看，這些企業主要是爲了大模型項目研發和補充流動資金等目的進行融資。截至2024年，中國生成式AI行業的代表性上市企業主要的融資事件如下：
中國生成式AI行業產品佈局
當前主流的生成式AI產品及大模型有百度的文心一言、科大訊飛的星火大模型、騰訊的混元大模型、盤古大模型、華爲的盤古大模型等，各家頭部科技企業研發打造自己的大模型及生成式AI產品，以達到或超越OpenAI推出的GPT-4生成式AI產品。
生成式AI相關專利技術分析
生成式人工智能的核心在於訓練模型以理解和模仿數據分佈。其中最具代表性的包括變分自編碼器(Variational Autoencoders, VAEs)、生成對抗網絡(Generative Adversarial Networks, GANs)以及Transformer架構下的語言模型如GPT系列。隨着算力提升和算法優化，這些模型不斷迭代，從早期簡單的模式生成發展到如今能生成高度逼真且有邏輯連貫性的複雜內容。根據Incopat的統計數據顯示，截至2024年4月，“生成對抗網絡”相關專利技術數量最高，專利數量超過3500項。
德勤最新報告《亞太地區生成式AI應用現狀：新生代員工處於領先，僱主需迎頭趕上》指出，僱主和政策制定者需要主動適應並積極跟上生成式AI的迅速發展。報告調查了亞太地區逾11900名受訪者，發現AI新生代在節省工作時間、拓展新興技能、緩解工作負荷和提升生產力等方面處於領先。
騰訊集團高級執行副總裁、雲與智慧產業事業群CEO湯道生分析指出，隨着產業信息的載體多元化，大模型的能力競爭正在從單一的文生文擴展到文生圖、文生視頻、圖生圖、圖生視頻等多模態能力。另一方面，大模型在產業場景落地時面臨諸多問題，如場景的選擇、結果的準確性、數據的保密、落地成本、內容的安全等。
前瞻經濟學人APP資訊組
更多本行業研究分析詳見前瞻產業研究院《中國AIGC產業發展前景預測與投資戰略規劃分析報告》
同時前瞻產業研究院還提供產業大數據、產業研究報告、產業規劃、園區規劃、產業招商、產業圖譜、智慧招商系統、行業地位證明、IPO諮詢/募投可研、專精特新小巨人申報等解決方案。在招股說明書、公司年度報告等任何公開信息披露中引用本篇文章內容，需要獲取前瞻產業研究院的正規授權。
更多深度行業分析盡在【前瞻經濟學人APP】，還可以與500+經濟學家/資深行業研究員交流互動。更多企業數據、企業資訊、企業發展情況盡在【企查貓APP】，性價比最高功能最全的企業查詢平台。