全球人工智能企业风险投资整体呈放缓态势，2023年上半年风险投资披露金额246亿美元，较上年同期下降14.6%。但是，全球人工智能企业风险投资案例数和融资金额占全球风险投资比重逐年提升，2023年上半年全球人工智能企业获得风险投资占全球风险投资总额比重达18.9%，创近年新高。

　　由毕马威联合中关村产业研究院发布的《人工智能全域变革图景展望：跃迁点来临（2023）》报告指出，从投融资来看，2023年上半年人工智能占全球风险投资比重快速上升。

　　全球风险投资为何会逆势选择人工智能？12月14日，毕马威中国客户与业务发展主管合伙人江立勤、毕马威中国数字化赋能主管合伙人张庆杰接受经济观察网采访。

　　江立勤表示，近年来世界经济格局深度调整，全球资本市场更加谨慎，整体上投资动作有所放缓。不过，人工智能凭借和物联网、区块链、Web3.0等各类前沿技术融合应用的技术特性，潜在市场空间广阔，增长确定性较为明显，普遍受到投资人看好，尤其是以ChatGPT为代表的生成式AI类应用在2023年迎来一轮爆发，一定程度上抬高了人工智能在资本市场上的热度。

　　每年全球新增注册AI企业数量已从爆发式增长转为稳步增长，目前全球共3.6万家AI企业，中美两国企业数量处于领军者位置，分别为12925家和5734家。尤其结合全球人工智能独角兽企业分布来看，截至2023年6月底，全球人工智能领域独角兽总数达291家，美国和中国分别拥有131家和108家，占比为45%和37%。

　　“从根本上来讲，人工智能细分领域技术愈发成熟，场景化应用规模效应逐渐显现是资本流向相关领域的底层驱动力，以近十年中国人工智能领域股权投资情况为例，技术方面，算力、数据平台、自然语言处理、计算机视觉与图像四个细分领域风险投资增速明显加快；应用方面，生活服务、智慧医疗、智能制造、智能汽车、物流仓储投资事件较多，占人工智能全部投资事件的75%以上。”江立勤说。

　　《人工智能全域变革图景展望：跃迁点来临（2023）》报告显示：中国人工智能领域企业密集诞生在2015年至2018年之间，约三分之二的人工智能领域核心企业成立年限在5-10年，随着有效投资增长逐渐乏力，人工智能领域新增注册企业数量在2017年达到峰值528家后，逐年下降，到2022年新增注册企业数减少至63家。

　　结合区域布局来看，中国人工智能企业主要集聚于北京、广东、上海、浙江等地，形成京津冀、长三角、粤港澳三足鼎立的格局，其中北京市人工智能企业数量有1600余家。具体到人工智能独角兽企业情况，北京市人工智能独角兽企业有41家，位居全国首位。上海市和广东省位列第二和第三位，分别拥有人工智能独角兽企业24家和23家。

　　从技术来看，“多模态预训练大模型”将是人工智能产业的标配，毕马威中国数字化赋能主管合伙人张庆杰表示，随着市场上大模型推出节奏走向平缓，已面世的大模型将进入一轮竞争周期，各家的比拼重点不再是单一模态下参数量的提升，而是转向多模态信息整合和深度挖掘，通过预训练任务的精巧设计，让模型更精准地捕捉到不同模态信息之间的关联。

　　张庆杰介绍，发展思路主要有三种：一是利用单模态模型如LLMs（大型语言模型）来调动其它数据类型的功能模块完成多模态任务，典型代表有VisualChatGPT、HuggingGPT等；二是直接利用图像和文本信息训练得到多模态大模型，典型代表有KOSMOS-1等；三是将LLMs与跨模态编码器等有机结合，融合LLMs的推理检索能力和编码器的多模态信息整合能力，典型代表有Flamingo、BLIP2等。

　　“在国内市场上，虽然国产大模型虽在市场影响力方面稍逊色于GPT系列模型、PaLM-E等，但在中文语料训练、中国文化理解方面具备本土优势。此外，国内制造业等实体产业为大模型提供了丰富的训练数据和应用场景。未来，在大模型面向产业赋能方面，中国大模型极有可能后发先至，也会是国内大模型竞争的关键因素之一。”张庆杰说。

　　算力短缺问题引发各界广泛关注，智能算力被看作是解决这一问题的主要技术。智能算力需求快速爆发、摩尔定律和冯氏结构体系为代表的经典计算理论进入瓶颈期，变革传统计算范式成为必然趋势，产业界正加速推动芯片和计算架构创新。在此背景下，本报告提出未来智能算力将是无处不在的，具体呈现“多元异构、软硬件协同、绿色集约、云边端一体化”四大特征。

　　张庆杰表示，商业模式关乎整体生态能否实现从价值创造到价值实现的完整闭环，在MaaS模式下，需求侧用户可以专注自身业务逻辑和使用体验，而不必关注底层技术细节，有利于解决AI“能用”但“不好用”这一关键落地瓶颈；而在供给侧，有望形成“通用大模型+领域大模型+行业大模型+企业/个人小模型”这一基础业态，推动AI落地千行百业，最终实现AGI（人工通用智能）。

　　江立勤指出，人工智能在发展过程中面临的技术伦理与社会论坛风险表明，人工智能安全、可信的发展之路任重道远，在解决AI风险的过程中催生出可解释AI、联邦学习等技术创新机遇。