如何看待AGI時代的到來？

未來已來，人工智能正式開啟第四次工業革命。

一、第四次工業革命概述，融合技術正在掀起歷史性的技術浪潮

人工智能是核心技術催化劑，顛覆性技術之間的融合產生協同效應，帶來生 產力的爆發，成為第四次工業革命的主要推動力。人類文明已經歷了三次工業革 命，第一次是 18 世紀中葉以蒸汽機為代表的機械化革命，第二次是 19 世紀中葉 以電力、內燃機為代表的電氣化革命，第三次是 20 世紀中葉以信息技術為代表 的自動化革命。當前我們正在進入第四次工業革命—智能化革命，以人工智能（神 經網絡/下一代云/智能設備）、公有區塊鏈（加密貨幣/智能合約/數字錢包）、多 組學測序（精準治療/多組分技術/可編程生物學）、儲能（自動駕駛/節能電池） 和機器人（可復用火箭/自適應機器人/3D 打?。榇淼奈孱愵嵏残约夹g正在融 合，融合產生的協同效應將發揮更大作用，推動生產力的發展。其中，人工智能 是核心技術催化劑，與其他四類技術的融合范圍最廣、評分最高。

融合技術帶來的實際 GDP 增速將遠超第一次和第二次工業革命，AI 對經濟 增長的貢獻突出。據 ARK 估算，在全球范圍內，未來 7 年的實際 GDP 增速將達 到 7%以上，而過去 125 年的平均增速只有 3%。AI 作為核心技術催化劑，對經濟 增長的貢獻突出。據 ARK 估算，引進 AI 后，實際 GDP 在 2023 至 2030 年間有望 累積增長 130%。原因是在 AI 的賦能下，一些行業的生產效率和成本發生了巨大 的變化。比如：機器人與 AI 融合后，可以在非結構化環境中低成本高效地工作， 2030 年有望帶來 24 萬億美元的經濟效益；自動駕駛出租車與生成式 AI 融合提升 了安全性，到 2030 年有望廣泛應用而使每英里成本低至 0.25 美分，創造一個 11 萬億美元的潛在市場；而 AI 軟件直接提高了知識型工作者的生產力，2030 年有 望提升生產力至 2.5 倍，若軟件價值量按 10%計算，則有望產生 13 萬億美元的經 濟效益。

AGI 時代有望加速到來。近期，英偉達創始人 CEO 黃仁勛和谷歌 DeepMind CEO 哈薩比斯對 AGI 的到來時間進行了預測，他們的觀點相似。哈薩比斯認為， AGI 最早可能在 2030 年出現，而黃仁勛則認為通用人工智能可能在五年內實現。 據 ARK 分析，根據賴特定律，加速計算硬件的改進將使 AI 相對計算單元（RCU） 的生產成本每年降低 53%，而算法模型的增強可以進一步帶來每年 47%的訓練成 本下降。換而言之，到 2030 年，硬件和軟件的融合可以使人工智能訓練成本以 每年 75%的速度下降。人工智能模型的訓練成本下降將進一步加速其能力的迭代， AGI 有望加速到來。

二、Sora 發布標志 AGI 系統有望超預期提前到來

1．DiTs 算法賦能 AIGC，Sora 開啟文生視頻新紀元

北京時間 2 月 16 日，OpenAI 發布“文生視頻”大模型 Sora?？缮梢环昼?的高保真視頻，并配有 48 個生成案例及技術報告，能夠通過自然語言指令生成 長達 60 秒的高清流暢視頻，在生成視頻長度、清晰度、連貫性、多鏡頭切換方 面都有顯著提升。官方發布的技術報告指出，視頻生成模型將是構建“世界通用 模擬器”的重要途徑。

本質上，Sora 基于 Diffusion Transformers（DiTs）構建，并使用 DALL-E3 的 重捕獲技術。研究表明，DiTs 相較于傳統語義分割網絡架構（U-Net）在模型大 小上更具可擴展性，并能生成更高質量的 2D 及 3D 圖像。

OpenAI 曾采用循環網絡、生成對抗網絡、自回歸 Transformer 和擴散模型等 方法對視頻數據進行生成建模，但生成視頻存在視覺數據受限、視頻時長較短或 視頻尺寸局限等問題。通過從大語言模型（LLM）中汲取靈感，類似 GPT 將自然 語言轉換為文本 tokens，Sora 可將視覺數據轉換為 patches(視覺編碼塊)。通過此 種方式，即可實現在不同類型的視頻和圖像上訓練生成模型。 通過視頻壓縮網絡可降低視覺數據的維度，該網絡將原始視頻作為輸入，并 在時間和空間上進行壓縮，Sora 在壓縮空間中接受訓練并生成視頻；另外，相應 的解碼器模型可將生成的對象映射回像素空間。Sora 基于 patches 對可變分辨率、 持續時間和縱橫比的視頻和圖像進行訓練；亦可以通過在適當大小的網格中排列 隨機初始化的 patches 來控制生成視頻的大小。

2．Sora 功能多樣化，生成質量遠超同類大模型

Sora 可以將簡短文本描述轉換成一分鐘流暢視頻，相對于 Runway、Pika、Stable Video 等同類大模型提升了幾個代級。1）生成視頻長度：Runway、Pika 等 傳統文生視頻大模型平均時長在 3-5 秒，Runway 用戶可以最多延長視頻長度至 16 秒，Sora 生成視頻長度相對傳統視頻生成工具提升 15-20 倍；2）視頻質量顯 著提升：Sora 生成視頻分辨率可達 1920 x 1080；3）可實現多鏡頭切換：可以理 解和模擬運動中的物理規律，可以實現復雜的運動相機模擬；4）視頻連貫性與 穩定性出色：在建模能力上表現更好，可以依賴關系進行建模，能初步理解并模 擬物理運動規律；5）高可拓展性：支持多種數據格式輸入，具備實現文生視頻、 圖生視頻、向前或向后視頻擴展能力，同時支持視頻連接。

3．Sora 發布標志 AGI 時代正加速到來，帶動訓練及推理算力需求增長

由于目前 Sora 處在初級階段，訓練數據集和參數規模有限，仍存在一些不足 之處。對于 Sora 當前存在的弱點，OpenAI 指出它可能難以準確模擬復雜場景的 物理原理，并且可能無法理解因果關系。該模型還可能混淆提示的空間細節，例 如混淆左右；或可能難以精確描述隨著時間推移發生的事件，例如遵循特定的相 機軌跡。

AIGC 領域難度排序由易到難依次是文本、圖像、音頻、視頻。未來訓練數 據集將會數以萬倍的增長，模型參數量也將不斷提升，目前來看 Sora 訓練所需算 力不及 GPT-4 等大語言模型，伴隨 Sora 大模型不斷迭代調優、訓練數據集規模 逐漸擴大，我們認為，Sora 發布標志著 AGI 時代正加速到來：1）短期來看，模 型迭代優化、訓練數據集增大將快速帶動訓練端算力需求；2）長期來看，Sora 技術逐漸成熟帶動下游 AI 應用百花齊放，包括為影視制作、游戲開發、教育培 訓、廣告及社交等場景應用帶來顛覆，推理端需求將厚積薄發。