未来产业原创科技待突破******

　　近日，预见未来·把握未来——“未来产业展望”活动在京举行。来自战略界、科技界、企业界的专家学者围绕“未来产业——新时代首都高质量发展重要引擎”议题，探讨未来产业的未来可能。

　　与会者认为，未来产业已初具发展条件，但仍缺乏重大原创性成果，而补齐这块短板需要科技界与企业界的共同努力。

　　战略家说：

　　未来产业已初具发展条件

　　针对未来产业背后的技术逻辑、投资机遇和技术应用场景，中科院科技战略咨询研究院院长潘教峰表示，未来产业发展呈现3个态势。从产业创新方向看，全球主要创新型国家产业布局集中在智能、低碳、健康等前沿方向；从产业转型趋势看，注重未来产业与传统产业融合创新；从产业组织模式看，形成从技术、生产、产品到商业的全产业创新链。

　　“目前我国未来产业初具发展条件，但同时存在重大原创性成果缺乏，企业对源头技术基础研究投入较少，产业基础能力‘长板’优势亟待培育，科技成果产业转化率、知识产权价值较低等挑战。”潘教峰说。

　　他表示，未来一个时期是重塑产业竞争优势、推动制造强国建设迈出实质性步伐的关键时期，要通过提升科技创新能力、发展未来产业，挖掘创造更多新兴增长点。

　　中国宏观经济研究院产业经济研究所创新战略研究室主任姜江表示，未来产业带有明显的阶段性、时效性特征，就我国当前经济形势而言，新能源、人工智能、生物制造、绿色低碳、量子计算等前沿技术及其应用推广衍生的大量新业态新模式新产业，无疑是未来产业的主要构成。与此同时，能够发挥我国龙头平台企业优势、巨大应用场景优势的数字经济、生物经济等，也是我国未来产业当前及未来较长一个时期发展的重要方向。

　　科学家说：

　　三大未来产业领域研发机遇可见

　　一直以来，新一代信息技术、新能源、生物医药被视为最具前景的未来产业。

　　“今天的数字化就是100年前的电气化，是一个新时代的开始。从电气化到数字化，为我们提供了一个可持续发展的新引擎。尤其是电气化和数字化的融合，将为我们创造很多不同的机会和发展可能性。”中国工程院院士、阿里云创始人王坚说。

　　对于如何推动新一代信息技术高质量发展，王坚认为，数字化有3个非常重要的技术基石，即互联网、数据、计算。互联网是国家经济社会发展的基础设施，打破传统时空界限；数据是新的生产资料，成为国家、社会和企业的战略资源；计算是新的公共服务，成为国家、社会和企业的能源动力。

　　对于新能源领域的未来发展，中国工程院院士、生态环境部环境规划院院长王金南认为，气候变化治理将引发一场广泛而深刻的经济社会系统性变革，并促进绿色低碳产业及技术投资快速增长。我国的碳达峰碳中和是国际上排放压力最大、中和降幅最快、转型任务最重、投入成本最高的复杂系统工程。

　　王金南预判，电气化与智慧电网、光伏和风能发电、氢能、CCUS等负碳技术将成为全球及中国实现碳中和的优先发展领域。这些领域的投资预计占全球及中国应对气候变化总投资的70%以上。

　　在生物医药领域，中国工程院院士、国家新药（抗肿瘤）临床研究中心主任徐兵河表示，当前抗肿瘤药物研发呈现四大趋势，小分子靶向治疗药物仍为研发主流，免疫治疗药物迅猛增长，细胞/基因治疗方兴未艾，ADC、双抗等新型药物层出不穷。

　　他认为，中国抗肿瘤创新药研发取得很大进步，但仍面临挑战，如靶点同质化、源头创新储备不足、临床研究能力有待提高等。

　　企业家说：

　　加大研发投入，死磕硬核技术

　　在此次活动上，不少企业人士分享了他们对新技术新产业新业态新模式的预测。

　　北京能源集团有限责任公司党委书记、董事长姜帆认为，最具成长性的未来产业是新能源产业，现在集中爆发的是新能源汽车产业，下一轮迎来高速发展的将是新能源发电和新能源材料。

　　北京神州细胞生物技术集团股份公司董事长谢良志认为，生物医药行业可能是永远性的未来产业、朝阳产业。产业发展单靠资本支持远远不够，这既需要重视基础研究，也需要重视产业成果转化和政策扶持，同时在监管上应进一步扩大投入、更具灵活性，最终形成各方密切配合的市场环境。

　　北京金融控股集团副总经理李岷认为，全要素生产率边际增长点的关键在于数据要素，未来数据最重要的价值在于推动形成经济增长预期，这需要把更多资金资源配置到新兴的数字经济领域。

　　“未来产业是个永恒主题，有巨大的想象空间。但不管环境、产业技术、政策怎么变化，唯一不变的是企业的内在价值。”启迪之星（北京）投资管理有限公司总经理、主管合伙人刘博说。

　　小米集团高级副总裁兼手机部总裁曾学忠表示，坚持技术为本，坚定不移加大研发投入，坚持死磕硬核技术创新，坚持打造浓郁的工程师文化，是优秀创新企业必须保有的底色。

　　“做好未来产业投资，有赖于社会形成尊重企业家精神、增强技术科研人员与商业主动结合的意识、培育和重视创业资本力量的氛围。”洪泰基金创始合伙人、董事长盛希泰说。（倪思洁）

ChatGPT搞钱行不行******

　　一系列的试探之后，AI聊天机器人ChatGPT的收费计划浮出水面。当地时间2月1日，人工智能实验室Open AI在其官网宣布将推出“ChatGPT Plus”付费订阅版本，每月收取20美元。免费了两个月，月活用户却达1亿的ChatGPT，终于踏上了自己的“赚钱路”，由此，AIGC商业化落地的探讨也陡然升温。不少人迫切地想知道，ChatGPT Plus会不会是AIGC从烧钱到赚钱的关键转折。

　　免费服务仍将继续

　　“新晋顶流”ChatGPT用收费计划再次搅动了AI圈的一池春水。根据Open AI的公告，订阅ChatGPT Plus服务的用户，即使在高峰时段，也可获得该聊天机器人更快速的回应，而且可以提前体验新功能和改进。

　　去年11月，ChatGPT横空出世，不仅能够通过学习和理解人类的语言与用户进行对话，还能根据上下文互动，甚至能够完成撰写文案、翻译等工作。得益于这种突破性的使用体验，ChatGPT迅速蹿红。

　　当地时间2月1日，瑞银发布研究报告称，截至今年1月，近期爆火的ChatGPT在推出仅两个月后，其月活跃用户估计已达1亿，成为历史上用户增长最快的消费应用。同样的成绩，海外版抖音TikTok在全球发布后，花了大约9个月的时间，Instagram则花了两年半的时间。

　　但大量用户涌入的同时，也导致ChatGPT经常在流量压力之下无法提供及时的回应，此次收费版的ChatGPT Plus针对的便是这一痛点。

　　据悉，付费计划将在未来几周内首先在美国推出，然后扩展到其他国家。但ChatGPT Plus的推出并不意味着取代免费版的ChatGPT，Open AI表示，将继续为ChatGPT提供免费访问。

　　烧不起的模型成本

　　尽管只推出了两个月，但Open AI对于ChatGPT的收费计划却已经暗示了有一阵子。早在1月初，Open AI就曾提出过专业版ChatGPT的计划，宣布“开始考虑如何使ChatGPT货币化”，并公布了一项调查。什么价格以上会无法接受？什么价格以下会觉得太便宜？诸如此类关于定价的问题皆在其中。

　　有用户曾在社交媒体上提问ChatGPT是否会永久免费，对此，Open AI首席执行官Sam Altman回应称：“我们将不得不在某个时间点，以某种方式将其商业化，因为运算成本令人瞠目结舌。”Sam Altman曾透露，ChatGPT平均每次的聊天成本为“个位数美分”。

　　“这类大模型训练成本非常高。”在接受北京商报记者采访时，瑞莱智慧高级产品经理张旭东表示。

　　但相对训练来说，模型推理，也就是用户提交输入模型输出结果的过程，这一成本会更高。“据说ChatGPT在开放测试阶段每天要花掉200万美元的服务器费用，所以前段时间免费的公测也停止了，如何降低模型推理的消耗也是目前的一个重要研究问题。”张旭东称。

　　“钱景”在哪

　　长久以来，广阔的市场前景和难以盈利的现状几乎成为了AI领域难以平衡的理想和现实，对ChatGPT或者说是以ChatGPT为代表的AIGC也是一样。

　　洛克资本副总裁史松坡对北京商报记者分析称，ChatGPT受到广泛认可的重要原因是引入新技术RLHF，即基于人类反馈的强化学习。在史松坡看来，ChatGPT是一个高效的信息整合助手，可以取代大量人类中初级助理的角色。

　　但他同时提到，目前ChatGPT在海外英文环境中已经能胜任图画创作、音乐创作、文字整理、信息搜集综合、基础编程和金融分析，但还不能胜任高频度的人类主观决策，比如大型投资决策、政治战略决策等。

　　天使投资人、知名互联网专家郭涛认为，ChatGPT在重塑众多行业或场景的同时也孕育着巨大的商机，将推动众多行业快速变革，有望在AIGC、传媒、娱乐、教育、客户服务、医疗健康、元宇宙等领域快速落地，具有万亿级市场规模。

　　张旭东认为，AIGC商业化落地还需要结合应用场景，目前基于生成式大模型的商业应用案例还比较少，就以当下的技术水平看，一两年内达到很好的AGI(通用人工智能)水平还是不太现实的，所以一定需要有垂直领域的创新公司来基于OpenAI等公司的工作来寻找合适的场景落地。

　　AIGC商业化，侵权与被侵权

　　AIGC要想商业化，场景只是其一。伴随着ChatGPT的爆火，争议始终并行，比如AI绘画面临的版权探讨。学术界也已针对ChatGPT做出了反应，权威学术出版机构Nature规定，ChatGPT等大模型不能被列为作者。纽约市教育部门曾表示，纽约公立学校的所有设备和网络上将禁止使用ChatGPT。

　　张旭东认为，目前AIGC最为成熟的应用在内容作品创作上，但从专业角度看，AIGC属于模仿创新，并不具备真正的创造力，AIGC的作品可能对一些艺术家、创作家的风格题材造成侵权；另一方面，AIGC作品也存在被他人侵权的风险。

　　此外，就安全性问题而言，AIGC这种深度生成能力很可能被滥用于伪造虚假信息，比如生成一些敏感性的有害信息，甚至伪造新闻信息恶意引导社会舆论，而且这些生成式内容难以分辨追踪，大幅增加对信息治理的挑战难度。信息获取也是AIGC需要解决的问题之一。

　　郭涛则提到，当前AIGC赛道尚处于孕育探索阶段，存在关键核心技术不成熟、免费素材资源较少、内容堆砌且质量参差不齐、成熟的商业应用场景较少、相关法律法规不健全及技术伦理挑战等突出问题，短期内还难以实现大规模商业化应用。

　　北京商报记者 杨月涵