第一部分　智能革命

开篇：“智能化”激活产业新增长

2022年11月30日，沉寂许久的OpenAI突然发布了一款智能聊天机器人ChatGPT。发布之初，这款应用并未引起太多关注，毕竟，类似的聊天机器人应用已经很多了，包括苹果的Siri、亚马逊的Alex、微软的小冰，等等，都一直不温不火。

而过去几年，OpenAI的生存状况并不乐观。自2019年接受微软10亿美元入资之后，它持续接收了微软超百亿美元，这也导致其本身属性备受质疑。创建之初，OpenAI是明确的非营利机构，目标是挑战谷歌的AI霸权，为何会逐渐变成了营利组织？

显然，如果不是ChatGPT的诞生，微软的这次投资注定会像历史上的诸多资本运作一样，很快就无人问津。不过，如同历史上每一次划时代的变革都是在悄无声息中完成的那样，这一次也不例外。

短短两个月后，2023年1月底，ChatGPT月活用户破亿。这一速度打败了抖音，ChatGPT也成了互联网诞生以来，全球最快实现日活用户破亿的应用。就在各方惊叹于微软的超前投资眼光，且为“生成式AI”“大模型”“多模态”“具身智能”等概念疯狂的时候，很多人没有意识到，变局才刚刚开始。

实际上，过去十余年，AI（及智能化）作为数字化的重要模块及高阶目标，一直站在变革的核心位置。过程中，谷歌推出的“阿尔法狗”（AlphaGo）在围棋领域战胜了人类棋手，标志着AI发展进入了一个新时代，引发行业对“谷歌试图垄断AI”的担忧，之后萨姆·奥尔特曼、格雷格·布罗克曼、伊尔亚·苏茨克维、沃伊切赫·扎伦巴和埃隆·马斯克等人联合创办了非营利机构OpenAI。

OpenAI与谷歌在模型、参数规模上的战火也由此燃起。2018年，OpenAI发布了1.17亿参数的GPT-1（Generative Pre-trained Transformer，生成式预训练变换器），谷歌迅速推出了3亿参数的BERT（Bidirectional Encoder Representation from Transformers）模型，并且在2019年10月再次发布了110亿参数的T5（Transfer Text-to-Text Transformer）模型。

与谷歌多方突进不同，OpenAI坚持GPT模型，在2019年7月引入微软10亿美元投资、实现重组之后，2020年一举发布了1750亿参数的GPT-3。不过，这一模型虽然在学术圈引发了诸多关注，但是并未引起太多普通用户的注意。

ChatGPT 3.5就是GPT-3迭代而来的，在迈向“通用AI”的道路上，并没有太多进化，只是因为创新了对话的交互形式且免费给普通用户提供服务，所以迅速获得了用户认可。用萨姆·奥尔特曼自己的话说：“ChatGPT 3.5并没有什么特殊之处，只是应用在了新的形态下。”

更大的变化，还得等GPT-4。2023年3月15日，OpenAI发布了ChatGPT 4.0。相比GPT-3.5，GPT-4不仅实现了图像输入，还在人类主流考试中取得了优秀成绩（GPT-3.5的成绩不及格）。例如，在美国律师执照统考中的得分超过了90%的考生，在美国生物奥林匹克竞赛的得分超过了99%的考生，在“美国高考”SAT中的数学和阅读科目得分战胜近90%的考生。

GPT-4展现的能力，引爆了全球科技圈。作为OpenAI的主要投资方，微软则顺势发布了新产品Microsoft 365 Copilot，将GPT-4整合进了Office办公套件。微软发布会上，Copilot通过智能化办公能力的展示，宣告“AI动能时代”正式到来。

如果说2023年是生成式人工智能元年，那么2024年则是应用落地爆发年，AI从技术浪漫，走向产业应用。

谷歌、Meta（元）、百度、阿里巴巴等都已跟进或加码布局。据统计，中国约有40个团队在开发AI大模型，全球AI军备竞赛一触即发，各家纷纷将AI整合进自己的办公套件，例如，谷歌迅速将AI整合进了其邮箱等应用。

不过，“办公”虽然很火，但只是AI作为动能的冰山一角。在华为创始人任正非看来：“人工智能软件平台公司对人类社会的直接贡献可能不到2%，98%的价值创造会发生在对工业社会、农业社会的促进中。”

这方面恰恰是中国的强项：广泛的传统产业、海量的应用场景，就像丰饶的“试验田”，让新技术可以快速落地应用，变成产品、方案，进而驱动传统产业升级换代，形成新的增长空间。

在医疗行业，数据量大、维度多且解读难度高是常见的挑战，AI的应用在这些方面不仅能显著提升效率和质量，还具有重要的经济和社会价值。

迈瑞医疗副总裁李新胜认为，只有真正解决刚需和痛点的产品才值得投入。在2024腾讯全球数字生态大会上，李新胜如此说道：“我想，用户需要的是雪中送炭不是锦上添花，尤其是在医疗行业。”

ICU（重症监护病房）是医疗行业的特定场景。ICU中医疗设备众多，数据复杂，医生需处理大量、多维的数据，这对他们的专业知识和技能要求极高。同时，ICU患者的病情复杂多变，对医护人员的经验和治疗水平要求相当严格，不仅如此，在病历、护理记录的撰写上也需要耗费医护人员大量的时间和精力。

迈瑞医疗与腾讯的初次牵手，是在2016年。以常用于诊断白血病的血细胞形态学分析为切入点，迈瑞医疗开启了漫长的AI医疗探索道路，一直到2022年业内第一台“AI阅片机”问世。八年磨一剑，到2024年，迈瑞医疗与腾讯云联合开发的重症AI大模型，以智能智慧服务为重症医疗打辅助，在病历撰写、信息查询、数据整理上，显著提升了医务人员的工作效率，为抢救生命赢得了宝贵时间。对迈瑞医疗和腾讯来说，在医疗+AI领域始终坚持的初心，就是解决基层医患需求。

“大量原生技术诞生在美国，但最终都是在中国快速开花结果，原因是什么？”深度智控创始人、CEO（首席执行官）李辉曾在清华大学、美国劳伦斯伯克利国家实验室从事科研工作，2018年创业时，他选择了回到国内，因为国内最核心的优势就是拥有大量的应用场景，可以实现在场景中推动原生技术变成可用的产品。

深度智控所在的领域非常特殊。“深度智控”这个公司名字，实际上就是“深度节能、物联智控”这项技术的缩写。节能行业的人都知道，大型机电能源系统，特别是空调与空压系统的运行能耗，常常占到工业与建筑能耗的30%～50%。长久以来，这套系统的运行优化，99%依靠专家的经验，通过制定一套运行规则，定制化编程，对数十万个控制参数进行优化组合，实现节能效率的提升。

李辉率领的深度智控，就是要挑战这套运行了数十年的系统的极限值，从中找到“实时最优解”：“在空调节能领域里面，我们是唯一能够向国内外品牌，例如西门子、施耐德，提供算法产品的公司。目前，我们的主要产品能够帮国内、国外的产品系统，最高提升超过40%的系统性能，平均值也能达到20%。”

之所以能达到这种优势，一方面，与李辉近20年的技术积累密切相关，他是整个行业唯一一个摸索了“机理模型”“AI”两条路，并最终选择且跑通了“AI+机理模型”路径的玩家；另一方面，则与他选择了在中国市场推动技术产品化，并在广泛场景中进行实践迭代，密不可分。

“原本我一直期待行业里能有这样的产品，但是一直都没有出现，实在等不及了，只能自己下海。”李辉说。创办深度智控前后，他详细研究了100多家美国及欧洲公司的产品和技术，整个行业来看，只有一家加拿大企业的做法、定位跟他的有点类似，但这家公司主要做的是空调的“千瓦控制”，在美国市场上，这是最容易市场化的一个方向。

深度智控则主要依托中国这个更广泛的市场，应用场景也更多，包括工业、数字中心、地铁、商业建筑等，而且能快速拓展。显然，在中国这个应用场景最丰富的市场上创业，对于使“机理框架”与AI结合的路线快速落地并产生实际效果，是最容易的。

独家领先的技术优势让深度智控可以践行一个全新的商业模式，用李辉的话说非常简单：“比如说，一个项目每年要花掉100万元电费，通过我们的系统，只需要交50万元，那么，节省出来的50万元，我们就按比例分走70%。”

这种简单的商业模式和高技术门槛，给深度智控带来了非常高的人效比和毛利率，创办一年后，深度智控就实现了盈利。2022年，深度智控进行了120多个项目，合同总金额过亿元，总员工数却只有60多，公司毛利率为75%～80%。用李辉的话说：“我们不跟别人竞争，我们只跟系统节能的极限竞争。希望用全球领先的产品和技术为全行业赋能。”

同样的“新动能”，还出现在农业、交通、医疗等各个传统领域。

养鹅，可谓最古老的产业之一了。不过，鹅类养殖技术一直很难进步，尤其是市场中需求旺盛、号称“鹅中劳斯莱斯”的狮头鹅的养殖，更是难上加难。由此导致的一个局面是：一家狮头鹅养殖场，看起来有价值上百万的大鹅，一场大病袭来，若不能及时处理，鹅农就能损失四成，顿时就从盈利变为倒赔几十万。

深圳大学腾讯云人工智能特色班（下文简称“深大腾班”）为汕头鹅农构建的“AI养鹅”系统，通过采集鹅的温度、体态、动作等数据，基于云端构建的AI模型，实现了让鹅农用微信小程序进行管理，7×24小时不间断监视，及时发现病鹅，控制病情蔓延，解决了数百年来狮头鹅高发病率的难题，将狮头鹅的存活率提高了30%。

“原以为是去旅游、吃鹅肉，结果发现是搅鹅屎、吃渣土……”参与项目的大学生小刘说。

在项目落地的过程中，“场景助力应用落地”“应用驱动场景进化”的闭环价值真正得到体现：从在鹅粪里拉电线、安装摄像头，到追着大鹅采集图像、手工打标注，再到手把手教农户学习使用小程序，他们硬是将听起来高大上的数字化、AI，做出了比蓝翔技校还接地气的感觉。

如果说，数字化在质量、效率方面带来的提升，是当下已经发生且普通人都可以直观感受到的，那么以AI为代表的数字技术给实体产业带来的“新动能”，则刚刚开始，真正预示着一场新技术革命的到来。