摘要：2025年3月20日，摩根士丹利发布《人工智能的下一个飞跃：塑造创新和投资回报率的5大趋势》（AI’s Next Leap: 5 Trends Shaping Innovation and ROI），文章探讨了人工智能未来发展的五大趋势及其为企业带来投资回报率

目前，全球最大的科技公司正竞相优化人工智能的前沿应用，这些应用包括：具备类似人类推理能力的大语言模型（LLM）；推动自然语言处理、图像生成和编程等领域取得突破的前沿模型；以及能够整合文本、图像和视频等多模态数据的系统。

在这一过程中，各大企业争相扩大人工智能市场份额，以满足其客户需求。企业正在投资人工智能以降低成本、提高生产效率，并希望获得性能优化、盈利能力提升以及更高的安全性。

“今年的核心是客户。”摩根士丹利全球互联网投资银行主管凯特·克拉森（Kate Claassen）表示，“我们正站在全新技术基础的门槛上，最顶尖的技术正变得可供所有企业使用。企业成功的关键在于，如何全面地将这些技术交付给客户。”

在最近于旧金山举行的摩根士丹利技术、媒体与电信大会上，全球顶级科技公司的高管们齐聚一堂，讨论他们在构建领先人工智能平台以及与人工智能生态系统各方合作方面的努力。同时，他们也分享了所面临的挑战，包括美国出口禁令和关税政策的不确定性、能源供应限制以及图形处理单元（GPU）的短缺等问题。

会议期间，五大关键趋势值得企业高管和投资者关注以下五项内容。

一、人工智能推理与定制芯片

推动半导体需求增长

芯片设计和制造公司的高管表示，人工智能推理是推动计算需求增长的主要因素之一，这也带动了对半导体的需求的增长。人工智能推理不仅涵盖了基础理解，还涉及高级的学习与决策过程，因此需要额外的计算能力来支持预训练、微调以及推理阶段。

高管们强调，他们正积极投资数据中心架构优化能力，以满足客户需求，主要关注内存管理、功耗优化等领域，并开发专为特定人工智能任务设计的定制芯片（Custom Silicon），以替代通用计算芯片。

客户正在权衡是否购买专用集成电路（ASICs）以满足特定需求。相比通用GPU，ASICs在效率和性能方面更具优势，但GPU提供更大的灵活性和广泛的应用场景。高管们表示，随着边缘人工智能（Edge AI）在小型设备上的应用增加，ASICs的需求可能会加速增长。

“对于芯片公司而言，客户的需求体现在广泛的人工智能工作负载和可编程基础架构上。”摩根士丹利美国半导体投资银行主管马可·拉戈斯·莫拉莱斯（Marco Lagos Morales）表示，“不同客户的数据中心建设需求各不相同，这意味着市场将采取更具适应性的策略，而非单一标准，这一趋势从原始设备制造商（OEM）的设计阶段就已经开始显现。”

高管们还提到了营收增长面临的挑战，包括：

（一）晶圆代工产能受限：由于新建生产基地需要多年时间，且受物理空间限制，产能扩张面临挑战。

（二）美国出口管制的不确定性：许多企业表示，在明确出口限制标准之前，难以评估其对公司盈利的影响。

二、超大规模云计算企业

将云迁移与人工智能工作负载视为营收机遇

超大规模云计算企业（Hyperscalers），即具备最强计算、存储和网络资源的云服务商，在会上探讨了如何说服企业客户尽可能多地使用其软件中的各类服务，以此打造更庞大的人工智能平台，并进一步扩大市场份额。

各大企业高管表示，他们正在大规模投资商用云服务器，并拓展人工智能服务，以提升人工智能推理能力，同时开发专用人工智能应用，推动向智能体迈进。此外，他们计划通过定制芯片优化计算性能来降低成本，并着眼于长期利用其土地和数据中心建设。

高管们还强调，近期人工智能在计算效率方面的进步对其业务有利，因为这不仅能降低成本，还能进一步推动人工智能需求增长。

“近期人工智能的进步将利用‘杰文斯悖论’（Jevons Paradox）的力量，推动人工智能长期需求增长，并进一步扩大整个生态系统的潜在市场规模。”摩根士丹利全球科技投资银行主管戴夫·陈（Dave Chen）表示。杰文斯悖论指的是效率提升反而导致总消费量增加的经济效应，在人工智能领域，这意味着更高效的计算将促使市场对人工智能的需求持续上升。

三、大语言模型在企业

人工智能推理领域展现潜力

全球最大的大语言模型（LLMs）开发公司计划利用最先进的芯片和最优的软件，打造企业和消费者不可或缺的人工智能服务。LLMs早期的主要应用包括内容生成、摘要提取和分类，但企业人工智能推理才是其尚未被充分挖掘的最大潜力。

目前，企业主要使用LLMs进行：客户支持与聊天机器人；内部知识检索与搜索；内容生成与营销；代码自动化；商业智能分析。

然而，通过人工智能推理，LLMs还可以帮助企业提供上下文感知的推荐、数据洞察、流程优化、合规分析和战略规划。高管们预计，未来代码生成能力将进一步加速，有高管估计单个软件工程师的产出已提升10倍或以上。在率先全面应用定制人工智能以实现十倍工作效率的行业中，生物技术（如临床试验和法规提交）和法律（如人工智能辅助律师事务）可能会走在前列。

数据安全是企业最关心的问题之一，因此，一些大语言模型公司正在研究并尝试商业化“机制可解释性”（Mechanistic Interpretability），以理解人工智能模型的决策过程。这对于所有公司都至关重要，尤其是金融服务等受监管行业。

“LLMs正在竞争为企业提供最佳推理能力与人工智能治理体系，打造强大的推理推断技术栈。”摩根士丹利东海岸科技银行主管布雷特·克莱因（Brett Klein）表示，“借助复杂推理和自适应学习，‘代理式人工智能（Agentic AI）’将能够做出决策并采取行动，以最小的人类干预实现业务目标。”

高管们还谈到了与晶圆代工厂合作设计和制造定制芯片，以降低大规模推荐系统（如广告、视频推荐）的开发成本。此外，他们认为，持续学习（Continuous Learning）等人工智能新进展具有积极影响，因为它能让人工智能根据最新交互和数据进行调整，而无需完全重新训练。

四、数据公司

专注于人工智能评估

数据和云基础设施生态系统中的公司正通过构建工具来满足企业需求。这些工具能够帮助它们自动化可观测性（Observability）——即通过分析系统生成的数据来理解其行为，并创建人工智能评估系统，以帮助客户提升投资回报率（ROI）。

一些数据公司正在支持前沿模型，使缺乏商业智能背景的用户也能从数据中提取洞察。高管们谈到了定制人工智能工具（如聊天界面）的重要性，这些工具可以解析企业的结构化和非结构化数据，无论是受行业监管的企业，还是数据必须存储在本地的国家。

高管们还重点提到了“湖仓一体（Data Lakehouse）革命”——这一趋势融合了数据湖（Data Lake）的低成本存储与灵活性，以及数据仓库的结构化管理功能，以创建统一数据平台。这可能涉及与大型企业和人工智能生态系统中的科技公司建立合作伙伴关系，以打造最优的人工智能与机器学习服务，涵盖云集成、网络安全、数据分析、数据共享以及特定行业解决方案。

五、软件公司

将目光投向代理式人工智能

软件行业高管们讨论了他们目前在市场营销和工程领域利用人工智能提升生产力的情况，以及在自主计算（Agentic Computing）未来抢占市场份额的长期前景。这些公司正致力于构建大型系统，使人工智能体能够自主决策、执行任务，并适应不断变化的环境，实现跨行业的真实世界应用。

高管们谈到了下一代技术如何向个性化内容和购物体验转变，形成深入了解用户兴趣和查询的智能助手。许多人还警告称，代理式人工智能正处于炒作周期（Hype Cycle），强调投资者不应指望在未来三到五年内实现盈利。

摩根士丹利全球软件银行主管布列塔尼·斯科达（Brittany Skoda）称，“软件公司正争相打造更强大的操作系统，整合机器学习（Machine Learning）、大语言模型（LLMs）、自然语言处理（NLP）、生成式人工智能（Generative AI）和决策算法（Decision-Making Algorithms），以迈向代理式人工智能未来。”

摩根士丹利全球软件银行主管梅丽莎·诺克斯（Melissa Knox）表示，“最终，这些系统可能会对消费者、创作者、广告商以及各类企业带来巨大价值。”

转自丨启元洞见

研究所简介

国际技术经济研究所（IITE）成立于1985年11月，是隶属于国务院发展研究中心的非营利性研究机构，主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题，跟踪和分析世界科技、经济发展态势，为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号，致力于向公众传递前沿技术资讯和科技创新洞见。

地址：北京市海淀区小南庄20号楼A座

_er

来源：全球技术地图