1956，新罕布什尔州，达特茅斯（Dartmouth）会议“首次”提出人工智能，标志着人工智能学科的诞生。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。

人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。

人工智能是关于知识的学科――怎样表示知识以及怎样获得知识并使用知识的科学。人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。张宁教授认为，所谓人工智能就是人类认知能力的复制。

人工智能的第一次高潮始于上世纪50年代。在算法方面，感知器数学模型被提出用于模拟人的神经元反应过程，并能够使用梯度下降法从训练样本中自动学习，完成分类任务。

人工智能的第二次高潮始于上世纪80年代。BP(Back Propagation)算法被提出，用于多层神经网络的参数计算，以解决非线性分类和学习的问题。

人工智能的第三次高潮始于2010年代。深度学习的出现引起了广泛的关注，多层神经网络学习过程中的梯度消失问题被有效地抑制，网络的深层结构也能够自动提取并表征复杂的特征，避免传统方法中通过人工提取特征的问题。

人工智能技术可以应用于医疗、智能环保、智能交通、智能制造、智慧城市等各个领域，在现代社会得到了广泛的应用。例如，人工智能可以帮助医生更快速、更准确地诊断疾病；可以通过自动化系统优化物流和运输；可以通过预测交通拥堵路段，优化路线，提高交通效率，以及在智慧城市建设中，实现安全、高效的管理。

人工智能在过去的几十年里经历了从符号主义结构主义、行为主义、连接主义，历经了许多重要人物和核心技术的推动。张宁教授认为，未来，随着技术的不断进步，人工智能将在更广泛的场景中发挥作用，体现出更大的应用价值。

AIGC( AI Generated Content)是利用人工智能来生成你所需要的内容，GC的意思是创作内容。与之相对应的概念中，比较熟知的还有PGC，是专业人员用来创作内容；UGC是用户自己创造内容，顾名思义AIGC是利用人工智能来创造内容。

以下是 AIGC 的几个主要作用：

1.提高生产效率：使用 AIGC 技术可以快速生成大量的内容，既节省了时间，也提高了生产效率。使用 AIGC 技术可以快速生成大量的内容，从而提高生产效率。

2.降低制作成本：AIGC 技术可以快速生成大量内容，减少了人力和物力成本。使用 AIGC 技术可以减少人力和物力成本，提高生产效率。

3.改善用户体验：通过 AIGC 技术生成的内容可以满足用户的个性化需求，提高用户的满意度和体验。通过 AIGC 技术生成的内容，可以为用户提供更好的个性化服务和体验。

4.推动产业发展：AIGC 技术的应用将会推动产业的数字化转型和升级，为各行各业带来更多商机和发展机会。AIGC 技术的应用将会推动产业的数字化转型和升级，为各行各业带来更多商机和发展机会。

总的来说，AIGC 技术将会成为未来数字化时代的重要组成部分，其应用前景广阔，其意义深远。

大语言模型（LLM）是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。

2022年11月30日，OpenAI公司发布了ChatGPT。这迅速成为了社会各界关注的焦点，ChatGPT能够如此快速，准确的完成文本生成，信息抽取，机器翻译，甚至代码生成等复杂任务，甚至具有长期记忆。只需要给出合适的Prompt，ChatGPT就能完成我们的需求。

从本质上来讲，ChatGPT属于一类基于GPT技术的大语言模型（Large Language Model，LLM）。大语言模型极大地改变了自然语言处理领域的研究范式，越来越多的科技公司为了赶上ChatGPT引发的时代浪潮，也纷纷给出了自己的大语言模型，包括Google、Microsoft、NVIDA等一系列顶尖科技公司。

从“十二五”到“十四五”规划，国家从宏观层面上对人工智能新技术、新产业给予巨大支持，同时国家国家重视人工智能产业的安全可信和伦理秩序，开始出台相应的生成式AI监管建议，如《生成式人工智能服务管理办法（征求意见稿）》，进一步支撑大模型生态的有序发展。

展望未来，大模型的发展趋于通用化与专用化并进，平台化与简易化并进。大模型“训练基础设施 – 底层技术 – 基础应用 – 垂直应用”发展路线逐渐清晰，依托Model as a Service，大模型建立起面向政企、消费者群体等差异化的商业模式，并逐渐形成基模型、领域、行业大模型一体的商业化架构。

大模型将加速赋能交通、医疗、金融等各个行业和领域，引发一场以强人工智能和通用人工智能为代表的新一轮智能革命浪潮，大幅提高生产和生活效率，带来深刻的经济、社会和产业变革。

2023年3月31日，中国人民大学的二十几位研究者通过背景知识、关键发现和主流技术等三方面回顾了大语言模型的最新进展，其中对现行的大语言模型的关键技术和公开资源做了详细调研，形成了一篇综述。文章认为，大语言模型得以成功的关键技术包括以下几点：

 1）模型缩放

这里专门指涉模型规模的扩大，正如一开始GPT-3的尝试那样，模型规模的扩大带来了独特的“涌现”能力，继GPT-3之后，PaLM更是把参数规模提高到5400亿的高度。不过，模型的能力确实不仅仅与模型规模有关，相关研究表明，训练数据的质量对实现良好性能起着关键作用。

2）模型训练

大语言模型参数规模巨大，训练成本大大提高。目前主流的计算卡，显存都无法装下完整的参数数据，因此需要采用分布式训练算法，并使用各种优化框架来部署并行算法，比如DeepSpeed和Megatron-LM。此外，GPT-4倡议发展一些特殊的结构和优化方法，能够在小得多的模型上准确预测大模型的能力。

3）能力诱导

大语言模型有解决通用任务的潜力，但对于某些特定任务，这种能力可能不能明显表现。因此需要采用合适的任务步骤和Prompt来引导大语言模型解决复杂任务。此外还可以利用这种方法对大语言模型进行指令调优。

4）对齐调优

大语言模型进行了大量数据量的训练，因此有可能因为低质量数据产生错误甚至有害的内容。GPT采取了人类反馈强化学习（RLHF）的策略，通过精心设计的标签将人类融入训练循环中，来避免这种问题的出现。

5）工具利用

大语言模型本质上只是文本生成器，如果文本不是表现的最佳形式或不是表达的任务（例如，数值计算），大语言模型的表现就会受到限制。

1）作为底层平台接入其他产品对外开放，按照数据请求量和实际计算量计算：GPT-3对外提供API接口，采用的四种模型分别采用不同的按量收费方式。

2）按产出内容量收费：包括DALL·E、Deep Dream Generator等AI图像生成平台大多按照图像张数收费。

3）直接对外提供软件：例如个性化营销文本写作工具AX Semantics则以约1900人民币/月的价格对外出售，并以约4800欧元/月的价格提供支持定制的电子商务版本。大部分C端AGC工具则以约80人民币/月的价格对外出售。

4）模型训练费用：适用于NPC训练等个性化定制需求较强的领域。

5）根据具体属性收费：例如版权授予（支持短期使用权、长期使用权、排他性使用权和所有权多种合作模式，拥有设计图案的版权）、是否支持商业用途（个人用途、企业使用、品牌使用等）、透明框架和分辨率等。

AIGC将有望成为数字内容创新发展的新引擎。

1）AIGC能够以优于人类的制造能力和知识水平承担信息挖掘、素材调用、复刻编辑等基础性机械劳动，从技术层面实现以低边际成本、高效率的方式满足海量个性化需求。

2）AIGC能够通过支持数字内容与其他产业的多维互动、融合渗透从而孕育新业态新模式。

3）助力“元宇宙”发展。通过AIGC加速复刻物理世界、进行无限内容创作，从而实现自发有机生长。

中短周期投资视角建议关注：

👉AIGC 大语言模型资源上游趋势

算力资源的国产替代，5年左右黄金期；

数据资源的专业化机会，5到10年左右；

开发资源的平台化机会，3到10年左右；

👉AIGC 大模型中期趋势，下游趋势

1. 重复劳动替代的永恒价值，稳定回报低风险；

2. 创新劳动赋能的爆发价值，较高回报；

3. 创新劳动自动化的未来价值，稳定长期回报、低风险。

注：本文基于张宁教授讲述内容进行了扩展和解读，与实际授课内容可能存在差异。详情请关注“祥和启源”视频号，我们将于近期为您奉上张宁教授完整版授课内容。部分内容整理自网络，文章仅供阅读参考，不作任何投资建议。