令人感到意外的是，陷入困境的加密貨幣交易所FTX公佈了一項重組提案，該提案將為其債權人提供可觀的資金回報。FTX在提交的一份法庭檔案中表示，自己欠債權人的債務只有約為112億美元，而它的可供分配資金有145億至163億美元。

根據擬議的計畫，索賠金額為5萬美元或更少的客戶，將獲得約118%的允許索賠。值得注意的是，大約98%的債權人屬於這一類別，這表明，絕大多數客戶的資金可能會全部收回，甚至可能更多。

自交易所2022年11月申請破產保護以來，這一消息給一直面臨財務不確定性的FTX消費者帶來了希望。FTX創始人Sam Bankman-Fried被判犯有七項刑事罪，包括侵吞消費者數十億美元資金，這加劇了問題的嚴重性。Bankman-Fried被判處25年有期徒刑。

FTX通過出售各種資產，包括交易所持有的風險投資和Bankman-Fried的加密對沖基金Alameda管理的其他投資，成功獲得了必要的賠償資金。值得注意的是，FTX的撤資包括亞馬遜支援的人工智慧公司Anthropic的大量股份，該公司獲得了近9億美元的收益。

不過，由於交易所丟失了大量加密貨幣，FTX在收回額外資金方面面臨挑戰。儘管自2022年11月以來加密貨幣價格大幅升值，但FTX無法從這一上升趨勢中受益。因此，正如週三發佈的新聞稿所強調的那樣，該交易所不得不探索其他途徑來償還債權人。

在Bankman-Fried辭職後，FTX選擇John Ray III擔任首席執行官。Ray是一位有著40年的法律和重組經驗的資深人士，他對FTX的企業管理不善和缺乏財務透明度感到震驚。儘管如此，他仍然表示，對計畫中的重組計畫有信心，並承諾將全額賠償民間債權人的利息。

在FTX動盪的旅程中，宣佈重組計畫是一個重大轉折點。儘管仍有一些障礙需要克服（比如獲得破產法庭的同意等），但大多數消費者可能會拿回他們的錢，這在一個充滿不確定性和動盪的法律旅程中提供了一些安慰和解決方案。  (NFTMetta)

接下來的兩週對Crypto行業來說可能是決定性的，因為它面臨著美國國會的重大立法發展，這些發展可能會重塑美國數位資產的監管格局。

業界正密切關注參議院即將就廢除《第121號員工會計公告》（SAB 121）進行的投票。SAB 121最初由SEC（美國證券交易委員會）發佈，要求金融機構在資產負債表中列出為客戶託管的數位資產。

這種做法與傳統的託管資產處理不同，後者不將託管資產視為公司自身資產負債表的一部分。批評人士認為，這可能會不公正地誇大銀行的資產和負債，導致資本儲備要求增加，並可能扼殺Crypto託管服務的增長。

上週，眾議院兩黨努力廢除這項規定，21名民主黨人加入了共和黨人的行列。

區塊鏈協會政府關係總監Ron Hammond通過X表示，“上週，21名民主黨人進行了艱難的投票，並與共和黨人一起廢除了SEC的SAB 121。這是一個對銀行/Crypto資產都很重要的問題，也是SEC主席Gensler的個人優先事項。”

由參議員Cynthia Lummis領導的參議院預計將在本週效仿。然而，拜登總統已表示計畫否決廢除該法案，這需要國會三分之二的多數票才能推翻否決權。

Hammond說：“由於參眾兩院的多數票非常稀少，我們已經看到一些國會審查法案（CRA）在兩黨基礎上被提交到總統的辦公桌上，但都在這一階段失敗了。這需要國會三分之二的票數才能推翻。拜登計畫否決這項法案，因此要翻越這座艱難的山。”

議程上的另一個關鍵立法項目是由眾議員Larry Bucshon和Lisa Blunt Rochester提出的法案。

這項兩黨倡議定於本週進行投票，要求商務部擔任總統在區塊鏈問題上的首席顧問。該法案還提議在商務部內成立一個諮詢小組，以進一步將區塊鏈技術整合到聯邦治理和政策制定中。

另一項備受矚目的立法推動工作是即將於5月23-24日舉行的FIT 21法案投票。該法案由眾議院金融服務委員會主席Patrick McHenry撰寫，代表了在聯邦層面建立Crypto資產監管框架的首次全面嘗試。

Hammond強調說，“FIT 21是Patrick McHenry的寶貴成果，也是國會首次對Crypto資產監管框架進行投票。這是一個已經醞釀了近十年的時刻。”

該法案引起了極大的關注，其修正案對於塑造其最終形式至關重要，對民主黨和共和黨立法者都具有吸引力。

這些立法工作是在SEC主席Gary Gensler加強監管審查，以及拜登政府對Crypto資產所謂的風險表示出更加擔憂的背景下進行的。

政府認為，SAB 121對於保護投資者和維持金融體系的穩定至關重要。相反，國會和業內的許多人認為，SEC目前的做法阻礙了創新，未能提供明確的合規指南。

此外，Crypto政策和選舉年動態的交集不容小覷。

隨著前總統川普最近對Crypto資產及其兩黨潛力的認可，Crypto資產政策正在成為一個重要的競選問題。

Hammond指出：“川普介入Crypto領域幾乎沒有政治風險，但鑑於兩黨在初選中贏得了Crypto資產的競選勝利，這將帶來很大的好處。這將Crypto資產定位為一個獨特的問題，可以影響選民的人口結構，尤其是對數位資產技術表現出持續興趣的年輕選民。”   (區塊鏈騎士)  

金磚國家創始成員羅伯特·清崎在訪問南非期間有了一個頗為令人擔憂的發現。事實上，這個新興國家聯盟正在考慮很快推出自己的黃金支援的加密貨幣。

這種前景讓美國投資者不寒而慄。因為如果這種“金磚國家（巴西、俄羅斯、印度、中國、南非、埃及、衣索比亞、伊朗、沙烏地阿拉伯及阿拉伯聯合酋長國）加密貨幣”被用於國際石油交易，則可能標誌著美元在這個具有重要戰略意義的經濟領域的霸主地位的終結。

清崎認為，大規模拒絕美元將導致美元不受控制地湧入美國，從而給美國人的購買力帶來毀滅性的惡性通貨膨脹風險。這位明星投資者正在非常認真地對待真正的經濟威脅。

面對這種嚴峻的形勢，羅伯特·清崎重申了他的建議，即大規模投資於能夠在通貨膨脹猖獗時期保值的資產。其中有黃金、白銀，但最重要的是……比特幣！

事實上，在清崎看來，比特幣具有許多避免經濟動盪的優勢。它的通貨緊縮性質和日益廣泛的國際採用使其成為保護個人財富免受潛在貨幣危機痛苦的理想武器。

對於美國投資者來說，這一呼籲並不新穎。但通過將投資分散到加密貨幣領域來為最壞情況做好準備，這似乎比以往任何時候都更加謹慎。可以說，儘管比特幣反覆出現波動，但它現在是最可靠的選擇之一。

此前2023年11月，羅伯特·清崎曾警告說，法定貨幣並不安全，並強調央行正在購買黃金來拯救自己。他敦促投資者保護自己免受央行的侵害，並重申了投資黃金、白銀和比特幣的建議。清崎一直對法定貨幣發出警告，稱其為“假錢”。

相比之下，他將黃金和白銀稱為“上帝的貨幣”，並將比特幣視為“人民的貨幣”。

不但如此，更早的2023年1月，羅伯特・清崎推特發文稱其正在投資比特幣，因為它和黃金、白銀和石油一樣被歸類為商品，大多數加密貨幣都被歸類為證券，而他將購入更多比特幣。

羅伯特·清崎對比特幣持有積極的態度，認為它是一種可以對抗惡性通貨膨脹和金融危機的資產。他曾多次在推特上表達了他對比特幣的看法和預測，引起了很多人的關注和討論。

清崎認為，比特幣是一種去中心化的貨幣，不受政府和銀行的控制和干預，因此具有更高的自由度和安全性。

此外，他將比特幣與黃金和白銀相提並論，稱它們是“真正的貨幣”，而法定貨幣則是“假鈔”，因為它們會因為政府的印鈔和債務而不斷貶值。他預測，美國和其他國家將面臨嚴重的經濟崩潰和惡性通貨膨脹，因此建議人們購買比特幣和貴金屬，以保護自己的財富和購買力。

對此，清崎就指出，為什麼投資者逐漸喜歡金、銀、比特幣？是因為流動性。在房地產市場最火爆的時候，人們爭相買房，但當房地產崩潰時，人們卻無法脫身，因為房地產流動性差。而到了2021年，投資者更喜歡黃金、白銀、比特幣的流動性。

此外，他還提及，美國目前無休止印更多的美元導致美元越來越多。通貨膨脹是對窮人和中產階級的一種稅收。通貨膨脹使富人更富有，而持有比特幣可以有效跑贏通脹。

清崎還對比特幣的價格走勢做出了一些大膽的預測。

他曾在2021年2月表示，他預計比特幣的價格將在2025年達到50萬美元；而後到了2023年10月22日，清崎推特發文稱，比特幣將測試30000美元，然後下一個目標為135000美元；近日，他再次將確認目標價位至10萬美元。

清崎的目標會不會實現？讓我們拭目以待把！  (W3C DAO)

上週，美國現貨BTC ETF市場的投資者情緒發生了顯著變化。

據報導，市場出現了正流入，打破了持續近一個月的連續流出。本週以1.16億美元的大幅正流入收尾，表明投資者對新批准的指數基金的興趣日益濃厚。

值得注意的是，一個新玩家進入市場並進行了大量投資，迅速成為BTC ETF的最大持有者之一。

據報導，總部位於波士頓的對沖基金Bracebridge Capital持有Ark Invest的ARKB ETF，價值2.62億美元。此外，他們還以8100萬美元的投資額成為Blackrock旗下IBIT的最大所有者。

Bracebridge Capital還持有2000萬美元的Grayscale's Bitcoin Trust (GBTC)，該基金同期負流出1.03億美元。

彭博ETF專家Eric Balchunas將Bracebridge Capital的投資描述為“瘋狂”之舉，並指出該公司進行了大量收購。

值得一提的是，每隻ETF的持有者數量都在不斷增加，僅第一季度IBIT就擁有250名持有者，這對於最近推出的產品來說是非常顯著的。

相比之下，香港BTC ETF市場的資金雖然流出速度較慢，但卻一直在持續。

2024年5月10日星期五，資金流出630萬美元，隨後在2024年5月13日星期一又流出1850萬美元。

不過，值得注意的是，根據Farside的資料，Bosera和Harvest尚未公佈週一的財報。

在香港上市的BTC ETF不久將對中國大陸投資者開放，而這些資金外流正是在這一傳言的背景下出現的。

據此前報導，SyzCapital管理合夥人Richard Byworth引發了關於將在香港上市的BTC ETF納入“股票互聯互通”系統的猜測，這可能允許中國大陸投資者獲得這些基金。

Byworth在社交媒體上的言論凸顯了圍繞這一潛在整合的持續討論，這可能導致大量資金從中國大陸湧入BTC ETF市場。

ChinaAMC BTC ETF在首個交易日就募集到了1.21億美元，其初期表現使人們對香港BTC ETF的未來更加樂觀。

業內知名人士Samson Mow表達了看漲情緒。與此同時，SmashFi聯合創始人兼首席營運官Brian HoonJong Paik也強調了中國大陸對香港BTC ETF的興趣，以及可能帶來的社會經濟效益。

Paik強調了中國在房地產方面的巨額財富，認為另類投資機會有助於穩定社會經濟格局，緩解社會動盪。

隨著討論的繼續，市場參與者正在密切關注BTC ETF對中國大陸資本流動、數位資產基金整體採用等方面帶來的潛在影響。

同時，市場上最大的Crypto資產已反彈至63000美元的水平，僅在過去24小時內價格就上漲了3%。  (區塊鏈騎士)

伯恩斯坦分析師最近發表觀點，儘管比特幣價格目前仍在一定範圍內波動，但預計在未來的市場週期中，其價格將攀升至15萬美元的高位。

伯恩斯坦的分析指出，雖然比特幣當前價格穩定，這對礦業公司而言可能是一個利好消息。根據伯恩斯坦的觀點，短期內比特幣的價格不太可能出現大幅下跌，預計會在一定的價格區間內波動，並最終呈現上升趨勢。

具體來說，伯恩斯坦預測比特幣在本週期內將突破15萬美元大關。該公司的分析進一步指出，比特幣的價格短期內可能會在5萬美元的高點和6萬美元的低點之間波動，但隨著更多資金流入交易所交易基金(ETF)，價格將再次顯示上升趨勢。

上週四，比特幣的挖礦難度下降了5.7%。這是自去年熊市底部以來最大的一次難度調整，當時在2022年12月6日，挖礦難度曾下降了7%。挖礦難度是衡量開採新區塊難度的一個重要指標，該指標大約每兩週自動調整一次，以確保平均每10分鐘就能發現一個新區塊。

隨著礦業公司數量的增加，比特幣的挖礦難度也隨之上升。相反，當尋找新區塊的礦工數量減少時，系統會自動降低挖礦難度，使剩餘礦工能更容易地發現區塊。這次的難度調整是在網路算力自上次調整以來下降了10%之後進行的，當時的平均出塊時間為10分36秒。

儘管在第四次減半之後比特幣網路的整體算力有所下降，但主要的礦業公司的市場份額有所上升。分析師預測，這些礦業公司將基於其強大的比特幣持有量和現金流，繼續實施擴張政策，包括併購等策略。

例如，CleanSpark最近以約2000萬美元收購了密西西比州的三個礦場，並同意以約1900萬美元購買懷俄明州的另外兩個礦場。Marathon Digital最近耗資約2.6億美元收購了一個新場地。而Riot則正在努力將其德克薩斯州站點的容量提高兩倍。

伯恩斯坦分析認為，比特幣價格的暫時停滯對於成本較低的礦業公司來說實際上是個好消息。雖然整體算力有限，但這些強大的礦業公司可以通過執行積極的資本支出和併購計畫來擴大其市場份額，從而在未來市場中佔據更有利的位置。這種策略不僅有助於它們在未來的市場中取得優勢，同時也為比特幣價格的長期增長提供了支援。  (IT資訊奏鳴曲D960)

自從OpenAI 推出ChatGPT 以來，Google的人工智慧策略一直比較複雜，對消費者甚至開發者來說都令人困惑。

我個人不再像過去那樣對谷歌的搜尋主導地位有信心了。消費者習慣的變化可能會威脅到谷歌在搜尋領域的主導地位，接下來的幾年至關重要。

Google和OpenAI試圖塑造不斷變化的消費者行為，網路是否願意改變他們的重複行為？隨著OpenAI 準備推出一款利用必應和GPT-5 直接與Google競爭的搜尋產品，一些重大事件即將發生...

到2024 年中期，GoogleGemini Pro 1.5 明顯變得更加穩定和有用。透過調整、品牌名稱變更和收益上的表現，我想幫助大家更了解Google的人工智慧生態系統、新聞和收益。

我還是很期待即將推出的GoogleGemini。 Gemini 是一款新的大型語言模型系列，旨在與OpenAI 的ChatGPT 相抗衡。 Gemini 是Google的下一代人工智慧架構，最終將成為PaLM 2 的補充，據傳將於2023 年秋季推出，作為新的GoogleDeepMind 團隊的聯合作品...

2024 年第一季的Google收益表現超出預期。根據LSEG 數據，截至3 月31 日的季度收入為805.4 億美元，而估計為785.9 億美元。

· 谷歌的營收比去年同期成長了15%，是自2022 年初以來成長最快的一次。

. 谷歌雲端業務的營業收入成長了4 倍，達到9 億美元。
· 公司也宣布了首次股息和700 億美元的回購。
· 淨收入從去年同期的150.5 億美元成長了57%，每股從1.17 美元成長到了1.89 美元。
· 谷歌報告的總廣告銷售額為616.6 億美元，比去年同期的545.5 億美元成長。
· 公司一直在大力投資於人工智慧，為搜尋和其他服務添加生成式人工智慧功能，以確保消費者即使在他們在線獲取資訊的方式發生變化時仍繼續使用Google工具。

谷歌的人工智慧產品策略

早些時候，在Google Cloud Next 大會上，該公司宣布並發布了新產品和功能，以擴展和區分其為開發者提供的人工智慧服務。在過去幾個月中，Google也正在為其消費者產品推出了人工智慧助理和伴侶。這是Google策略概述的更新，反映了最新和最引人注目的機器學習和人工智慧產品及其價值主張。

谷歌在其整個開發者和消費者產品組合中擁有全面的人工智慧策略。其能力的關鍵主題是「規模」、「模組化和開放性」以及「多模態」。

規模的價值主張指的是Google產品可以為全球任何應用程式處理大量資料和頻寬，以及可以透過Gemini 1.5 Pro 存取的100 萬標記上下文視窗。模組化和開放性主題指的是GCP 與其他雲端平台、開發者和MLOps 工具的兼容性。多模態指的是Gemini 1.5 Pro 可以處理文字、圖像、視訊和音頻，以及整合到產品中的AI 助理的功能，例如Workspace 和Chrome。

谷歌雲端平台被定位為“雲端的新方式”，其價值主張集中在Google龐大、分散式的伺服器網路上，可以以低延遲處理大量資料和頻寬。它受到各種硬體晶片的支持，包括Google自己的TPU，現在是第5 版。

Vertex AI 是由Google提供的完全託管的開發者環境，與GCP 以及其他平台相容。
它包括三個關鍵領域：
1、AI Studio，配備MLOps 和管線工具，用於開發AI 後端系統和應用程式
2、Agent Builder - 一個用於訓練和部署AI 模型的無程式碼和低程式碼環境
3、 Model Garden，包含第一方模型（見下文）和數十個第三方模型，包括來自Anthropic 的Claude 系列、來自Meta 的Llama 系列和來自Stability AI 的Stable Diffusion

在Google Cloud Next 大會上，該公司展示了可以使用其開發者工具建立的六種類型的代理。它們是：
1、客戶代理- 透過自然語言促進客戶在生命週期內的交互，從啟用購買到管理交付和處理客戶支援查詢
2、員工代理- 向員工管理工具（例如HR、IT、福利）添加人工智慧功能，以及能夠提高員工生產力的內部工具
3、創意代理- 可以產生Gemini 支援的所有模態（文字、圖像、視訊、音訊）的內容，用於行銷、銷售和商業文件的生成
4、資料代理- 用於促進來自內部和外部來源的數據和業務智能的聚合、分析和可視化
5、代碼代理- 為開發人員編寫和調試代碼提供​​幫助
6、安全代理- 用於識別和減輕威脅
谷歌發布了這些類型代理的101 個範例清單。
「使用Google搜尋進行基礎工作」是一項新功能，可透過GCP 開發代理，以幫助實現檢索增強生成系統，該系統現在可以利用谷歌的搜尋引擎，而不僅僅是公司自己的企業資料。
谷歌的旗艦AI 模型，Gemini 1.5 Pro 是一個多模態、100 萬標記上下文視窗模型，可以一次處理1 小時的影片、3 萬多行程式碼、11 小時的音訊或70 萬個單字。它可透過Model Garden 取得，並整合到各種開發者助手中，這些助手可透過GCP、Vertex AI 以及第三方IDE 提供。
它們包括：
• 程式碼輔助- 用於軟體交付
• 雲端助理- 用於在雲端管理應用程式生命週期
• 安全工具- 用於識別和處理威脅
• BigQuery - 加快資料分析速度
• Looker - 用於商業智慧
• Android Studio - 用於Android 應用程式開發

此外，Project IDX 是一個實驗性項目，目前處於預覽階段，旨在透過人工智慧功能將全端、多平台應用程式開發工作流程帶入雲端。

Gemini 也被部署為GoogleWorkspace、搜尋和Chrome 等產品的許多AI 功能的後端。
谷歌搜尋現在提供了一項實驗性的生成功能，可以在搜尋結果頁面的頂部以自然語言回答用戶的查詢。 Workspace 還提供了AI 功能，可協助使用者在各個應用程式中撰寫、編輯、摘要和建立文字、圖像或影片形式的內容，從Gmail 到Docs 和Slides。
在會議方面，AI 會議和訊息附加元件將為使用者提供存取Google Meet 功能的權限，例如工作室外觀、工作室照明、工作室聲音和筆記。未來，AI 會議和訊息還將在Google Chat 功能中提供存取Gemini 功能，例如按需會話摘要和訊息的自動翻譯。

Google Vids 是一款新的AI 動力影片創建應用程序，計劃於2024 年6 月發布。它可以為編輯生成一個故事板，從庫存影片、圖像和背景音樂中拼接草稿，並幫助創建配音。

Workspace 的另一個增加是一個AI 動力的安全附加元件，讓IT 團隊可以自動對公司範圍內的敏感檔案進行分類和保護。此功能使得可以對Drive 中的現有和新文件進行持續評估、分類和保護，用於組織中的所有員工。

Chrome 的AI 功能使用戶能夠管理和組織他們的標籤、建立新的瀏覽器主題，並為他們的網路瀏覽產生內容，例如用於電子郵件、表單和撰寫產品評論。

最新的公告和發布使得AI 在Google的開發者、企業和消費者應用程式組合中變得更加普遍和全面。對於當前用戶來說，這是一個決定如何使用和部署人工智慧來應對他們的生活和工作負載的機會，對於Google來說，這是一個學習哪些功能有效、哪些服務需要改進的機會。這也是一家公司獲得更多市場份額的機會，特別是在雲端運算和企業領域，Google正在與AWS 和微軟的Azure 競爭。 (人工世界Artificial World)

為了深入了解新興但未知的AI的未來，在近期紅杉資本的AI Ascent 2024 活動的上，紅杉的3 位合作夥伴Pat Grady、Sonya Huang 和Konstantine Buhler 在活動期間分享了關於AI的一些獨特的見解。

另外，@sequoia在以上三個人的發言的基礎之上，也補充了自己的想法和理解，歡迎更多的小夥伴和我們互動交流。

Pat Grady的演講重點闡述了人工智慧帶來的巨大機會及其在各個行業創造價值的潛力。

人工智慧以獨特而引人注目的方式解決現實世界問題所需的要素，如廉價而豐富的計算、快速可靠的網路以及隨時可用的數據，直到最近才匯集在一起，使人工智慧成為未來10- 20 年主導主題的最佳時機。

機會：人工智慧有可能用軟體取代服務，瞄準可能達到數十兆美元的市場機會。全球軟體TAM從2010年的3,500億美元成長到2022年的6,500億美元，雲端軟體部分從60億美元增加到4,000億美元，15年的複合年增長率高達40%。

前景廣闊：人工智慧機會前景廣闊，大部分尚未開發，未來十年有可能出現40-50 家價值數十億美元的新公司。這為企業家和企業創造了價值和顛覆產業提供了重要機會。

推動技術領域的重大轉變：人工智慧以類似人類的方式進行創造、推理和互動的能力正在推動技術領域的重大轉變，類似於過去二十年的雲端轉型。

02Sonya Huang：當今的人工智慧現狀

Sonya Huang 的演講深入探討了人工智慧的現狀，強調了它在各個行業的影響以及人工智慧充分發揮其潛力所需解決的挑戰。

AI產品越來越契合市場的需要：人工智慧已經在客戶支援、法律服務和軟體工程等行業展示了產品與市場的契合度。例如，由人工智慧驅動的客戶服務平台Klarnas 透過處理三分之二的客戶服務查詢，實現了相當於700個全職座席工作的自動化。

生成式人工智慧正在經歷快速成長：第一年的收入約為30 億美元，這項壯舉是SaaS 市場花了近十年才實現的。與先前的技術轉變相比，這凸顯了人工智慧的加速採用和價值創造潛力。

AI 的$200B 問題：雖然公司在AI 基礎設施上投入了大量資金，光是去年就有大約500 億美元用於NVIDIA GPU，但AI 應用程式產生的收入仍然相對適中。這就提出了一個問題，即對人工智慧的投資何時以及如何轉化為可觀的回報？

預測：Sonya Huang 預測，2024年將是真正的AI應用將我們從Copilots(副駕駛)轉變為可以作為人類Agents(代理)的一年。之前的人工智慧可能更像是一種輔助工具，而未來的人工智慧將變成你的同事。

她也預計，隨著人工智慧應用進入生產階段，人工智慧將更有能力完成更高層次的認知任務，如規劃和推理，並使運算的平衡從預訓練轉向推理。

融資環境不平衡：目前的人工智慧公司的融資環境並不均衡，更關注基礎模型而不是應用。對於希望利用人工智慧革命的新創公司來說，這既是挑戰也是機會。

關鍵挑戰：從長遠來看，提高用戶保留率和縮小期望與現實之間的差距是人工智慧應用成功需要解決的關鍵挑戰。目前，與行動應用程式相比，生成式AI 應用程式的日月活躍用戶比率和一個月留存率較低。

產品與市場的契合度需要進一步提升：隨著基礎模型變得更加智能，人工智慧的產品與市場的契合度有望加速，從而在各行業中出現更成功的人工智慧應用。

03Konstantine Buhler ：人工智慧的長期未來

Konstantine Buhler 的演講重點在於人工智慧的長期未來，將其定位為一場將改變產業和整個社會的生產力革命。

從根本上降低成本：人工智慧代表了一場類似於農業機械化的生產力革命，使人類能夠用更少的努力和資源取得更大的成就。隨著人工智慧的不斷進步，它有可能大大降低各行各業的成本，使產品和服務更容易獲得和負擔得起。

注入人工智慧的公司：隨著人工智慧的發展，整個公司可能會開始像神經網路一樣運作，從而產生了一人公司的概念。

將AI 整合到各種流程和KPI 中已經在進行中，並且預計這一趨勢將加速，人工智慧注入公司的出現，這些公司以前所未有的效率和適應性運作。未來，人類將與複雜的人工智慧代理網路一起工作，導致各行各業的重大變革，並降低教育、醫療保健和住房等關鍵領域的成本。

標準普爾500指數正在減少：標準普爾500指數（S&P 500），意思是成份股公司創造100萬美元收入所需的工人數量正在迅速減少，這凸顯了人工智慧推動整個經濟生產力成長的潛力。

隨著時間推移，電腦、軟體、玩具、影片等成本不斷降低，而教育、住房、醫療等成本成長遠高於通貨膨脹，人工智慧的發展有望降低這些關鍵領域的成本，這也是十分令人欣喜的方面。

泛化概念重要性提升：隨著人工智慧的不斷進步，計算中的泛化概念將變得越來越重要。例如，字母“A”將不再表示為像素矩陣，而是表示為可以由人工智慧系統產生和上下文的多維概念。

儘管我們已經認識到人工智慧（AI）所帶來的變革性影響，但考慮到AI正處於一個重要的發展階段，即所謂的“巨型週期”，在這一周期內，歷史上眾多產品和解決方案都將逐漸被AI驅動的創新替代方案所取代。因此，探討這項轉變對產業和社會的深遠影響，無疑是一個值得高度關注的重要議題。

如果我們將人工智慧以類人的方式進行創建、推理和互動的能力引入需要大量勞動力或只能由專業人員執行的任務中，會怎麼樣？這個問題對於發展基於人工智慧的業務至關重要。

人工智慧產業在一年內實現了與SaaS 產業十年時間相同的收入，這一事實很好地表明了這種變化的規模。雖然已經對雲端轉型進行了類比，但我個人認為，產業變革會更大，人工智慧相關產業的TAM將擴展到幾乎所有人類參與的產業。

我們正處於應用層大量創新的第一年。正如Sonya所預測的那樣，AI已經從副駕駛轉向了代理。雖然到目前為止，重點一直放在基礎訓練上，但現在它將轉移到更高層次的認知任務，如計劃和推理。

由於成本降低，擁抱人工智慧的公司將越來越多地成為行業標準，取代大型組織或外包公司。

除了降低成本外，以前人類無法完成的自動化任務（基於人工智慧的客戶支援、銷售、行銷）也將為收入成長做出重大貢獻。

就專業職業而言，雖然勞動力可能不容易被取代，但更專業的服務將加速出現，使公眾能夠獲得這些服務。同時，市場將經歷分叉成長，熟練AI的專業人員能夠產生高附加價值，管理人工智慧工人並產生更多高價值收入。

在以下三個因素的推動下，擁抱人工智慧的公司的競爭優勢將持續上升：

收入成長及利用人工智慧創新傳統產業

最後感謝Pat Grady、Sonya Huang 和Konstantine Buhler在紅杉資本的AI Ascent 2024 活動中的演講。 (AI Pioneer)

如果說，23年上海車展標誌著“全球汽車工業睜眼看中國”，那麼24年北京車展則標誌著中國車企及供應鏈對電動化及智能化的引領在全球範圍內得到完全確認。麥肯錫在《2024中國汽車消費者洞察》中曾以“‘內卷’為表，‘進化’為裡”來形容中國車市。北京車展參訪歸來，我們對車市進化之路有了新的感悟，並希望在此與讀者分享。

在對23年上海車展的回顧中，麥肯錫曾以“忒修斯之船”來比喻智駕的發展，並指出很難有具體的單一節點能作為L2與L3之間的分野。本次車展所展現出的智駕進展，也進一步印證了我們的觀點，即領先車企並不希冀直接過渡到L3/L4，而是基於已有的硬體架構（或小幅微調），主要以演算法的進步攻克難關，進而實現智駕全國範圍內的普及。同時，領先供應商所提供的方案頗令人稱道，這其中既包括軟硬一體的端到端高階方案，也包括僅有數千元成本，但能提供高速NOA與城市記憶行車的低階方案。各類方案落地速度之快與成本競爭力之強令人咋舌，也不得不令人思考：對在智能駕駛方面的探索進展遲緩的傳統車企而言，自研智駕是否仍具備必要性及競爭力值得認真考量。

AI大模型在車內的大規模落地不僅體現在如智駕、GPT語音對話等早已熟知的領域，也體現在如電池SoC估算、底盤舒適性提升、車內聲場最佳化、視訊質量提升、HuD投影拓展等全新領域。AI技術的加速“上車”體現出“難者不會，會者不難”的特點，即領先者以通用大模型為基礎，且觸類旁通，在諸多整車功能域批次實現大模型的應用，使那些對AI大模型仍處在懵懂階段的傳統車企“望而興嘆”。

某中國廠商推出的被戲稱為“寶寶巴士”的車型引起了我們極大的興趣。該車型配備了貫通式對開門與無顯式B柱設計，實現了近1.5米的車門開啟寬度，並通過車門內B柱的方式解決了側向安全；同時該車型還實現了前排座椅180°旋轉，將家庭用車推向了極致。其實，類似的概念車在全球範圍內並不鮮見，但最終還是由中國車企將其從概念車轉變成了面向普通人的量產車。我們認為，由於中國車企在打造消費者極致體驗方面的不懈努力，以及強大的研發及工程能力，使它們在保證安全及質量的前提下，自由運用自身及產業鏈能力打造新車型及技術，實現從概唸到實車的快速落地。類似的例子相信今後會不斷湧現，並給受限於傳統研發流程的車企帶來愈發強烈的衝擊。

下一個創新“引爆點”未現蹤影

智駕、智艙、大模型等領域的技術進步令人心潮澎湃，但我們還是不得不指出，車展上諸多新車型的技術同質化顯而易見。在高階智能化技術於未來12至18個月內大規模量產之後，下一個創新“引爆點”會在何處？在高階智駕及智艙、高度智能化的語音助手、智能底盤，以及超快充技術成為中高端市場的“標配”之後，車企持續營造客戶差異化體驗又應落腳何處？遺憾的是，本次車展未能給出答案。

國際車企對中國市場的堅定承諾與信心

諸多外資車企的一把手親臨本次車展，並在不同場合表達了如“中國已經成為第二故鄉”，“中國雖非故土，卻親似家園”，“家在中國”等觀點。國際車企對中國市場的堅定承諾不僅見諸於語言，更落實於行動：例如，某德系廠商決定對中國工廠追加投資200億人民幣，某日系廠商則發佈了完全基於中國供應鏈的新一代EV車型等。海外廠商對中國市場技術路線的靠攏，不僅將成為中國車市的助推，也將有利於全球範圍內電動化與智能化發展的提速。

江山代有人才出，各領風騷二三年

與上一次北京車展（2020年）相比，參展廠商的構成出現了巨大變化，這裡面既有部分新勢力的黯然離場，也有若干外資車企從之前的聚光燈下，來到了舞台邊緣；當然車展也從不缺乏新面孔的騰空出世：例如消費電子的頭部企業無疑佔據了本次車展“C位”。新入局者所展示的技術實力與對消費者心智的把控，都令傳統車企如“芒刺在背”。一個充滿活力、持續進化的汽車市場，必然意味著優勝劣汰——創新者脫穎而出，落後者黯然謝幕。我們預計中國車市的產業集中度將大幅提升，下一屆北京車展的展商構成或將出現新的不同。但無論行業“進化之路”走向何方，商業競爭的法則“萬變不離其宗”：只有那些滿足消費者的多樣化需求，並從中獲取合理經濟價值的企業方能成為“常青樹”。

國際車企正在“反擊”，但力度遠遠不夠

國際車企帶來的新技術及車型不無亮點。例如，通過車展現場測試，我們發現諸多外資品牌車輛已具備了初步的語音識別能力，能聽懂如“導航、溫度調節”等語句，表現遠勝於23年上海車展。但實事求是地說，雖然相比去年進步巨大，國際品牌所展示的電動及智能化水平，仍然遠遜於中國車企，且差距正在擴大。考慮到中國車企過去一年內在智駕、智艙、AI大模型等領域所取得的神速進步，外資車企在相同時間內所取得的技術進步（例如語音功能“從0到1”）顯得遜色不少，遠不足以扭轉局勢。往前看，國際車企必須深化與中國車企及創新供應鏈的合作，來縮小自身在電動化、智能化領域的技術差距。我們看到某德系廠商已經在技術合作領域邁出了可喜的一步。中國市場就好比是個“健身房”，通過與優秀的“健身教練”的合作，國際車企所練就的“強壯身板”不僅有利於提高其在中國市場的競爭力，對其在全球其他市場的表現也將帶來積極助力。

價格戰仍將持續，直到落後產能“出清”

價格戰在中國車市從來就不是新聞。本次車展各類組態越級但價格實惠的新款電動智能車型的集中展示無疑進一步確認了“油電同價”，乃至“電比油低”的趨勢。我們認為，隨著競爭日趨白熱化、領軍企業的成本把控能力逐步增強，以及消費者對全新的價格梯度的認知完善，中國市場的價格競爭將日趨殘酷；並且在落後產能被大規模“出清”之前，價格戰的強度很難有明顯減弱。

在對2023年上海車展的回顧中，麥肯錫提出了“失去了技術護城河，傳統豪車勢必面臨顛覆性重塑”。目前看來，豪車市場的“再定義”正在深化：無論是車展前後，網際網路行業某風雲人物對自己超豪華座駕的處置以及其在網上的廣泛傳播，還是展館內中國高端品牌展台的人頭攢動，都表明豪車市場正在加速變革：在SUV市場，中國車企已經證明了消費者對傳統豪華SUV的喜好是可以被轉變的；在轎車市場，雖然傳統豪車品牌仍然保留著最後一塊未受“染指”的細分-中大型轎車，但該細分也正面臨多款來自中國廠商的全新車型的強烈挑戰。往前看，豪華汽車的定義權終將屬於，也只能屬於那些具備強大技術能力，並能夠抓準和解決消費者需求痛點的車企。但至少目前看來，掌握這種偉大能力的車企更有希望來自中國。

“KOB”呼之慾出，但也需要警惕“產業娛樂化”

中國車市的品牌傳播從最初的傳統電視廣告及紙媒，過渡到了垂媒，再進化到了短影片、KOL/KOC等。而在本次車展中，若干企業家在展館內受到的“山呼海嘯”般的歡迎，則昭示了另一種全新行銷模式的降臨，即KOB(Key Opinion Boss)：也就是車企通過企業家個人IP的打造及使用，低成本地實現推廣。民眾對若干極具標竿意義的企業家的熱情，反映了消費者對企業技術實力、客戶體驗，以及價值主張的認可，並會形成全社會對智能電動汽車需求的正向刺激。當然，我們也應該警惕過度的“產業娛樂化”，因為企業家個人IP的打造及維護是一個與粉絲群體不斷互動的過程，需要企業家個人及企業能有足夠的耐心與完善的糾錯機制。此外，車展現場無處不在的直播同樣令人印象深刻，但這也可能成為過度的“產業娛樂化”的濫觴，需要全行業加以警惕。

中國車市進化之路仍在繼續。進化之路不會一帆風順，甚至可能崎嶇坎坷，但惟有加速進化，企業方能在今後的競爭中立於不敗之地。  (麥肯錫)

▎癌症和免疫病特效藥研發有望加速。

北京時間5月8日23點，GoogleDeepMind和其英國子公司Isomorphic Labs聯合團隊在《自然》雜誌上發表一份共46頁的重要成果，聯合發佈全新AI蛋白質結構預測模型AlphaFold 3，可精準預測生物分子相互作用的結構。

具體來說，新的AlphaFold 3擁有更強的生成式AI模型能力，效果全面提升。對於蛋白質與其他分子的相互作用，與現有預測方法相比，AlphaFold 3改進了至少50%；對於一些重要的相互作用領域，AlphaFold 3預測精（精準）度提高一倍（100%），可精準預測蛋白質、DNA、RNA、配體等的結構以及它們如何相互作用，有望幫助人們治療癌症、免疫性疾病等。

稍早前舉行的溝通會上，本論文共同監督作者、GoogleDeepMind聯合創始人、CEO戴密斯•哈薩比斯（Demis Hassabis）對鈦媒體App等表示，對於團隊來說，AlphaFold 3的發佈是一個重要的“里程碑”，同時也是用 AI 技術“理解和建模生物學”道路上邁出的重要一步。

“相比此前研究，AlphaFold 3不僅能夠模擬蛋白質與其他分子的相互作用，而且還能精準預測包括DNA、RNA、配體等生物分子結構以及它們如何相互作用，從而能改變我們對生物世界和藥物發現的理解，這非常重要。這是我們和Isomorphic共同正在推進的事情。我們非常自豪地在《自然》雜誌新論文中宣佈這些新突破發現、新結果和新方法。”Demis Hassabis表示。

六年超180萬人的蛋白質資料庫AlphaFold 3模型預測精準再提升一倍

AlphaFold是由GoogleDeepMind開發的一款蛋白質結構預測程序，它採用 AI 和深度學習技術僅根據其基因序列就能預測蛋白質的3D結構，僅需數日內可識別蛋白質的形狀，從而找到藥物靶點，並有望推進產生新的小分子藥物。

而在此之前，研發一款藥物，通常需要數年時間、數億美元的投入。

AlphaFold 1於2018年發佈，其在CASP（蛋白質結構預測的關鍵評估）競賽中成功預測了43種蛋白質中25種蛋白質的最精確結構，排名第一，並認為成功預測了最困難目標的蛋白質結構，引發全球的關注。

2020年，全新AlphaFold 2發佈，並同步推出AlphaFold資料庫，涵蓋了人類和20種常用模式生物的35萬個蛋白質結構，並且對98.5%的人類蛋白質結構進行了準確預測。同時，超過2.14億個預測中約有35%被認為是高度精準的，這意味著它們與實驗確定的結構一樣好，另外45%被認為對於許多應用來說足夠準確。

2022年7月，AlphaFold 2全面升級，DeepMind公司與歐洲生物資訊研究所（EMBL-EBI）的合作團隊宣佈，基於UniProt資料庫序列，AlphaFold預測出約100萬個物種的2億多個蛋白質結構，幾乎涵蓋了所有科學已知的蛋白質。相關研究成果發表在《自然》雜誌上。

據Demis Hassabis披露的一份官方資料顯示，截止目前，AlphaFold資料庫使用者已達180萬人次，覆蓋超190個國家，已查看的結構超600萬次，論文和資料引用次數超過20000次。

GoogleDeepMind反覆強調，通過減少緩慢而昂貴的實驗的需求，AlphaFold可能為研究界帶來了數億年的進步，並節省了數萬億美元。數百萬研究人員全球範圍內已經使用 AlphaFold 2 在瘧疾疫苗、癌症治療和酶設計等領域取得了發現。

參與溝通會議論文作者包括Max Jaderberg、John Jumper、Julien Bergeron、Dhavanthi Hariharan和Josh Abramson，語音演講是哈薩比斯（圖片來源：鈦媒體App編輯拍攝）

6年後的今天，AlphaFold 3終於來了。

此次公佈的AlphaFold 3，官方定義為一種由神經網路架構組成、擁有能夠高精度預測包含蛋白質資料庫（PDB) 中幾乎所有分子類型複合物的“生成式 AI 模型”。

鈦媒體AGI基於DeepMind聯合發佈這份關於AlphaFold 3的46頁論文以及數十頁的外部資訊，梳理了AlphaFold 3模型訓練資料、實施過程、評測結果以及商業化與生態四個層面，談及新模型的重要亮點：

1、模型訓練資料上，AlphaFold 3模型根據蛋白質資料庫中包含的世界分子結構資料進行訓練，能夠處理其中包含的 99% 以上的已知生物分子複合物。

2、實施過程層面，AlphaFold 3基於具備三角注意力的自訂Transformer建構，允許科學家輸入生物分子複合物的描述，能預測該生物分子複合物的3D結構，並使用擴散過程生成每個原子的單獨3D坐標，輸入到指定系統。輸入後，AlphaFold 3使用擴散網路處理其預測，類似於 AI 圖像生成器中的網路。擴散過程從原子云開始，經過許多步驟匯聚成最終的、最準確的分子結構。

而這一模型的核心是DeepMind改進的Evoformer模組。AlphaFold 3 對分子相互作用的預測超過了所有現有系統的精準性。

據論文顯示，據研究發現和使用過程看，AlphaFold 3的結構預測模式有助於建立與目標蛋白有效結合的設計；同時，AlphaFold 3 提高了蛋白質-蛋白質介面的結構精準性，為設計新的治療方式（例如抗體或其他治療性蛋白質）提供了可能性；另外，通過觀察靶標在其完整生物學背景下的結構以及與其他蛋白質結合伴侶、DNA、RNA 或配體輔因子的複合體，可以更深入地瞭解新靶標，團隊相信這種新的藥物靶點尋找方式，能夠轉化為臨床上更有效的藥物。

DeepMind舉了AlphaFold 3三個應用案例。

比如，整合膜蛋白層面，AlphaFold 3正確預測了 PORCN 與 LGK974 和 WNT3A 肽的複合物，為該臨床階段分子 (PDB ID 7URD) 的抑制功能提供了結構原理；變構位點領域，PI5P4Kγ 是一種脂質激酶，與癌症和免疫性疾病有關，而AlphaFold 3正確預測新型抑製劑 (PDB ID 7QIE) 的新型變構結合模式；具有獨特摺疊的蛋白質領域，AlphaFold 3能正確預測與底物結合的蛋白質複合物的新摺疊模式。

據PoseBusters 基準集顯示，對於蛋白質與小分子的相互作用，即使不使用任何結構輸入，AlphaFold 3在76%的情況下成功了，而下一個最好的工具只有52%，大大優於Vina38、39等經典對接工具，並且大大優於 RoseTTAFold All-Atom 等所有其他真正的盲對接工具；同時，對於蛋白質與DNA結合的精準性，AlphaFold 3有65%的成功率，而目前的技術水平只有28%。甚至AlphaFold 3還改進了蛋白質相互作用能力，當蛋白質與抗體複雜結合時，AlphaFold 3的精準成功率達62%，而其他系統只有30%，比AlphaFold 2有約兩倍的性能提升。

此外，對於蛋白質與其他分子的重要相互作用領域，AlphaFold 3預測準確度提高一倍（100%）。

AlphaFold 3可以模擬這些分子（蛋白質）物質，這些分子控制著細胞的健康功能，如果受到破壞，就會導致疾病，因此，AlphaFold 3可以應用於從生物學、可再生材料、糧食作物、理解癌症、開發治療、金融等多個場景領域。

Demis Hassabis坦言，DeepMind更多是做基礎研究，以便將AlphaFold提供給所有學術機構、非商業用途等；而藥物發現子公司Isomorphic Labs更多是做商業化，與化學方面的藥物發現有關，以及與大型藥企合作開發世紀的藥物發現項目。

“未來，我們將通過Isomorphic Labs和內部研究計畫，並與我們在Isomorphic Labs上的製藥合作夥伴合作，進一步提高這些能力。”Demis Hassabis表示。

建構免費學術生態的同時AlphaFold將解決AI藥物發現的侷限性

作為此次發佈的一部分，DeepMind還推出AlphaFold 3免費 AI 工具AFServer，可供學術界免費使用，以建構AlphaFold生態。

DeepMind高級研究科學家John Jumper表示，理解生物結構以及它們如何相互作用是一個非常困難的問題。此前實驗室需要花費數十萬美元、更多科學家也很難通過實驗模擬解決，但 AI 能夠解決此類問題，這是令人難以置信的進步，從而將“開啟”許多新的科學發現。

Demis Hassabis強調，AlphaFold 3模型和資料庫技術已經開始有一些應用場景，對於藥物和化合物發現有巨大的推動作用。相對於傳統過程，AlphaFold至少快2、3倍，且系統足夠準確。

然而目前，AlphaFold 3模型在立體化學、幻覺、動力學和某些目標的精準性等方面仍存在一定侷限性。

美國科學院外籍院士、美國藝術與科學院外籍院士、中國科學院院士，中國醫學科學院學部委員、深圳醫學科學院創始院長、深圳灣實驗室主任、清華大學講席教授顏寧曾表示，AlphaFold無法預測新的分子機構，預測出的結構其實只是達到其2017年的水平，缺乏專業訓練新的資料庫（database），無法像人一樣實現不同構想和新工作機理，從而不能獲得新的藥物靶點。

顏寧強調，儘管看好 AI 技術的未來，但 AI 本身還是非常有侷限性的，需要有更大的資料庫、更強的算力、更新的演算法，才能夠讓 AI 變成結構生物學的重要工具。

“對於小分子藥物的相互作用，目前AlphaFold2的預測研究無能為力，短期內不看好AI取代實驗，結構生物學的未來也不會是AI。”顏寧稱。

DeepMind團隊則在論文中指出，分子生物學的核心挑戰是理解並最終調節生物系統複雜的原子相互作用。而AlphaFold 3模型朝這個方向邁出了一大步，證明可以在統一的框架中精準預測各種生物分子系統的結構。

“儘管在所有互動類型中實現高度精準的預測仍然存在重大挑戰，但團隊證明，可以建構一個深度學習系統，對所有這些互動顯示出強大的覆蓋範圍和泛化能力；同時還證明，缺乏跨實體進化資訊並不是預測這些相互作用取得進展的重大障礙；此外，AlphaFold衍生方法能夠對分子相互作用類別的化學和物理進行建模，而無需對 MSA 的依賴，而且蛋白質-配體結構預測的巨大改進表明，可以在通用深度學習框架內處理化學空間的廣泛多樣性，而無需人工分離蛋白質結構預測和配體對接。”DeepMind團隊稱，開發正確的深度學習框架可以大幅減少獲取生物學資料所需的資料量。

展望未來，DeepMind研究人員在交流中表示，團隊將繼續埋頭研究，從第一性原理出發，用 AI 解決化學、生物學中前沿技術問題，從而有助於改變人類設計下一代生物療法方式，讓科學家更多瞭解細胞系統的複雜性、結構、相互作用等，推動藥物作用和研發等。

“雖然這是 AI 驅動生物學研究的重要時刻，但 AI 加速生物學的潛力是無限的。AlphaFold AI 模型的進一步發展，將加深人類對生物學和生命建構模組的理解，以實現我們最終目標——利用 AI 重構整個藥物發現過程。”論文研究團隊表示。 (鈦媒體)

《2024年全球人工智慧報告》（以下簡稱《報告》）由史丹佛大學人工智慧中心（Stanford Institute for Human-Centered AI, HAI）的AI Index Steering Committee（AI指數指導委員會）編制，詳細闡述了AI在加速科研進程、推動醫療革新、塑造全球經濟結構、引發就業趨勢變化及面臨倫理挑戰等方面的表現，並對未來發展趨勢進行了展望。

一、科學與醫學：AI驅動創新前沿

《報告》指出，AI已成為科學研究與醫療領域的重要驅動力。

在科學方面，AI系統如AlphaDev和GNoME分別提升了演算法排序效率和材料發現進程，加速了科學研究成果的產生。

此外，先進的天氣預測系統GraphCast和醫療創新如SynthSR與ImmunoSEIRA等，充分展現了AI在解決複雜問題上的卓越能力。

AI對醫學知識的掌握也達到了前所未有的高度，以GPT-4 Medprompt為代表的模型在MedQA基準測試中取得了90.2%的準確率，較前一年顯著提升，彰顯了AI在臨床決策支持中的潛力。

在監管層面，FDA核准的AI相關醫療設備數量持續成長，2022年達到139個，較2021年成長12.1%，自2012年以來已成長超過45倍。這反映了AI技術在醫療領域的廣泛應用與認可，預示著其將在診斷、治療和預防性醫療中扮演更關鍵的角色。

二、經濟影響：機器人普及與就業轉型

報告揭示了工業機器人在全球範圍內的廣泛部署，特別是協作型機器人的迅速崛起。

相較於2017年僅佔新安裝工業機器人總數的2.8%，到2022年，協作機器人佔比已躍升至9.9%，顯示製造業正積極引入更為安全、靈活且具備學習能力的機器人以提升生產效率。

從地理分佈來看，中國以290,300台的安裝量遙遙領先，是日本的近6倍、美國的逾7倍，顯示出中國對機器人技術的高度重視與大規模應用。

同時，AI技術在勞動市場的影響日益顯現。 AI技能如大型語言模型、ChatGPT和生成對抗網絡GAN等在招聘廣告中的提及率顯著增加，反映出企業對具備這些技能的專業人才的強烈需求。

尤其在2023年，美國針對具備生成AI技能的職位發布量大幅增長，其中最熱門的技能是“生成式AI”，佔所有此類職位的60%。這揭示了AI技術正重塑工作場景，促使就業市場對相關技能的需求發生結構性變化。

三、成為負責任的AI：挑戰與應對

面對AI廣泛滲透帶來的潛在風險，負責任AI成為全球關注焦點。 《報告》指出，儘管頂級AI開發商在評估模型責任性時採用了不同的基準，導致難以進行系統性比較，但業界對於AI透明度、可解釋性、安全性和公平性的關注度顯著提高。

政治深度偽造的易生成與難檢測問題凸顯，以及研究人員發現針對LLM的新穎攻擊策略，都警示著AI濫用可能對選舉、社會穩定乃至國際關係構成威脅。

對此，AI社群正積極尋求標準化的評估框架，推動建立統一的責任通報機制，並強化AI系統的安全與防禦能力。同時，社會各界應加強對AI倫理教育與公眾意識的提升，透過法律、政策與技術手段共同建構一個既能防範AI濫用又能保障公眾利益的責任AI生態。

人工智慧將繼續以其強大的變革力量推動科學研究、醫療保健、經濟活動和社會治理的深刻變革。

一方面，我們期待AI在藥物研發、精準醫療、氣候預測、新材料探索等領域帶來更多的顛覆性創新，進一步縮短科學研究週期、提升醫療服務質量，以及優化全球供應鏈和資源分配。

另一方面，隨著AI技術與實體經濟深度融合，勞動市場的技能需求將持續演變，教育體系與職業訓練應適時調整，培養具備AI素養與跨界創新能力的複合型人才。

政策制定者需密切關注AI對就業結構的影響，制定適應性政策以緩解技能不匹配帶來的就業壓力，並透過再培訓、終身學習等方式促進勞動力的轉型升級。

在負責任AI方面，建立全球統一的AI倫理標準與監管架構將是未來工作的重點。

這要求各國政府、國際組織、企業和學術界攜手合作，共同製定兼顧創新與安全、隱私保護與透明度的AI規則，確保AI技術的發展遵循以人為本的價值導向。

此外，加大AI安全技術的研發投入，強化AI系統的安全性評估與漏洞管理，將成為保障AI健康發展的重要環節。

加密貨幣的希望