万亿巨头公司正在关注的科技领域

苹果，微软，字母表（谷歌），亚马逊，英伟达，Meta，特斯拉（马斯克），这些公司之间有什么共同点？

是的，它们都是科技巨头（Big Tech）。它们的市值目前都在万亿美元以上，或者曾经达到过。其中的5家，每年研发支出达到了250亿美元以上。

科技巨头曾经是指那些通过互联网建立起强大平台经济的企业，拥有十亿用户级别的软件及应用。它们往往赢家通吃 （Winner takes all ）。

科技巨头的概念也在随着技术演变。它们实现了软硬件一体，除了软件，它们也设计和制造终端设备，包括PC、手机、可穿戴、AR/VR、传感器、机器人、智驾汽车，它们也正在渗入到制造业的流程中。

它们还建立起了强大的云计算和企业服务能力，包括芯片、超级计算机和超大规模的数据中心，为第四次技术革命提供最重要的基础设施。

它们已经开始全面竞争一种全新的能力，生成式AI。在深度学习领域的竞争，从2012年视觉计算取得突破时就已经开始，因为大模型的流行而加剧，但只有在ChatGPT发布之后，过去的一年，生成式AI大模型成为科技巨头之间“军备竞赛”的焦点，迅速成为巨头技术栈上标配的一层。它正在成为所有巨头的业务基础模型。

科技巨头的核心能力，越来越区别于其他非科技企业和非巨头企业。它们能把技术和应用端到端地垂直整合到一起，不断扩张业务范围，形成一种科技巨头所独有的、以计算和智能为核心的创新能力。它们都是全球化的企业。

巨头关注的科技主题

算力“破墙”

“芯片战”在科技巨头之间、芯片巨头之间、中美之间烈度不减。

深度学习的黄金十年，终于产生了黄金般昂贵的 GPU 芯片。

大模型以每年 10 倍的速度扩大参数规模，对算力的需求每两个月翻一倍;GPU 算力每年翻倍;摩尔定 律以每 18 个月翻倍的速度已经放缓;内存增长的速度更慢。服务器和数据中心的扩张已经追不上神经 网络的加速野心。算力卡住了第四次工业革命的脖子。

尤其是 ChatGPT 的推出，让更多人看到了通用人工智能的曙光。但也很快带来两个后果，第一是算力 非常短缺;第二是短缺的算力使用起来也非常粗放。

在 Transformer 架构中，每预测一个单词，就要在上万亿个词元(token)和上千亿个参数中通过概率 计算筛选出最合适、最对齐人类的那个字，这需要在存储和计算之间每秒钟调用 10^12 字节的数据量。

在内存和计算之间高速移动 TB (10^12) 级别的数据量，需要 TB/ 秒级的数据传输带宽，这远远超出了目 前的内存能力，被称为“内存墙”。如果处理器没有及时接收到数据，它就会处于空闲状态，影响其效率。有研究发现，GPT-4 在最先进的芯片上运行的效率可跌至 3% 或更低。

为了弥补数据中心处理模型训练和推理的低效率，云服务提供商增加了更多硬件来执行相同的任务。这 种方法导致成本急剧上升，电力消耗也成倍增加。

大模型经济，在过去的亢奋的一年中，基本上就是在这么昂贵而又短缺的算力基础上开始建立起来。

这样的结果，就是让英伟达这家 30 年前创办的企业，从一个做游戏显卡的公司，迅速膨胀为一个大 模型训练和推理芯片的垄断者。因为其 GPU 的并行计算、张量计算、存储、Nvlink 等的集成，及其 CUDA 软件形成的生态，不仅在算力上遥遥领先，而且在生态上无处不在。AI 公司只有足够的数量的 GPU 卡，才能吸引顶级的 AI 科学家。

生成式 AI 对于科技巨头的未来如此重要，而算力又如此昂贵，在 2024 年会带来一系列效应。

科技巨头加快推出主要用于推理的自研芯片。因为一旦部署了训练好的模型，支持业务运营的推理成本

将会更大。科技巨头首先要考虑的是降低推理成本，并且结合算法，为用户推出差异化的产品与服务

在数据中心，GPU 相对于 CPU 的主导作用越来越强。芯片架构从异构转向超异构。CPU、GPU、DPU、 NPU，以及匹配用户需求的各种算法的芯片，越来越多地集成到单个芯片中(SOC)，或者形成相互协处理的系统。科技巨头纷纷进入芯片设计领域，这对于芯片的架构和封装技术带来挑战，也带来创新的机会

更加复杂的架构，对于不同计算要素之间的数据传输提出了很高的要求，加上存储墙的存在，片上网络 (NOC)对人工智能加速起到决定性的作用。

巨头自研 AI 芯片

尽管黄氏定律还跟不上大模型的规模法则，这种从 PC 时代沿袭下来的软硬件互相加速的节奏，如英 特尔 CPU 与 Windows 操作系统的互相借力，正在 AI 时代延续，只是这次换成了英伟达的 GPU 和 OpenAI 大模型正在成为新的操作系统。

生成式 AI，把芯片战提升到了一个新的高度。这不仅是科技巨头之间的竞争，世界上最先进的大模型之 间的竞争，芯片企业之间的竞争，而且也是国家之间的竞争。

在过去的一年，美国升级了对中国的芯片管制，小院高墙扩大了地缘遏制的范围，长臂之手伸向了盟国 和友岸。美国对中国半导体出口控制，商务部的 BIS 每年十月将会审核。2024 年，中美芯片战是否会 扩大升级，仍然值得关注。

中国在 2023 年开始出现突破点，主要是 7 纳米制程。通过用于 14 米制程的深紫外光(DUV)技术的 两次曝光，华为代工方生造出了 7 纳米的麒麟 9000s 芯片。华为通过魔改 ARMv8.2，形成了自己的鲲 鹏 CPU 架构。华为用于数据中心的昇腾 AI 芯片达到了 A100 至 H100 之间的性能。华为已经站到了一 个新起点，2024 年值得期待。

Gartner 预计 2024 年，全球半导体收入将增长 17%，其中内存市场将强劲反弹，增长达 66.3%。而世 界半导体行业统计(WSTS) 预计， 2024 年将出现强劲反弹，预计增长 13.1% ，这一轮增长主要由存储器推动。2024 年，是中国芯片行业值得期待的一年。

自动驾驶换道大模型

大模型重置了智能驾驶竞争格局，特斯拉领先，中国规模量产电动车加速追赶。

今年，大型语言模型改变了自动驾驶技术路线的竞争格局。它正在教会规模量产的电动汽车，像个五星 司机一样开车。特斯拉正处于有利位置，开始探索自动驾驶的世界模型。

Waymo 继续在多个城市运营自动驾驶车队。它向凤凰城、旧金山、洛杉矶和奥斯汀的公众开放。中 国加速更快，年初，北京与加州各自披露年度路测报告，百度近五年来的累计路测里程，实现了对 Waymo 的超越;小马智行也在飞驰。

北京速度仍在延伸。很多大中城市都将成为北京。截至今年三季度，百度的萝卜快跑累计服务订单超过 了 400 万单，去年同期累计 140 万，按这个速度，明年将超越千万订单。百度的全无人自动驾驶车队， 也已驶入北京、武汉、重庆、深圳、上海五城，还将进一步扩容。

但变局在于大型语言模型以及生成式人工智能，尤其是今年以来，它迭代了包含机器视觉在内的多模态 能力。很多学术机构认为 GPT-4V 对自动驾驶影响深远。

这个时代更有利于特斯拉这样的规模量产玩家。特斯拉的 Autopilot(自动辅助驾驶功能)系统，此前 依赖基于规则的方法。今年，马斯克的全自动驾驶技术新版本 FSD V12，开始用数十亿帧人类驾驶的视频， 来教会自己如何驾驶。

这种端到端(end-to-end)的训练，不需要人类明确编写代码或脚本，它的瓶颈很大程度上不再是代码 量，而是视频输入量。神经网络在训练了至少一百万个视频后才能见效。

特斯拉是全球电动汽车销售冠军，今年考虑将 FSD 授权给同行;还传出将在中国继续扩建产能，从目 前的每年 125 万辆，提高至 175 万辆。特斯拉的超算 Dojo 已经投入生产，相当于明年再新增 30 万片 全球稀缺的 A100 芯片，来对付随之而来的海量数据。

但 Dojo 架构早在几年前就定下，非常适合特斯拉当时独特的算法。如果拿它来跑大型语言模型，内存 带宽恐怕不够友好。换道大模型的特斯拉，需要调整它的算力基础设施，或者突破模型底层技术的束缚。马斯克的应急方案是，赶紧抢购了万卡 H100 集群的庞大算力。

马斯克渴望让完全体的 FSD 进入中国。安全监管的障碍正在有序撤去。11 月，工信部等四部门发布了《关 于开展智能网联汽车准入和上路通行试点工作的通知》，首次明确了不同情况下的交通事故责任归属， 鼓励年底前完成试点集体申报，遴选具备量产条件的智能网联汽车。上海经信委“推动特斯拉自动驾驶 在沪布局”或在明年成为现实。

中国汽车行业正在从电动化转向智能化，来自外来者的竞争，将加速中国量产车型拥抱大模型。除了 自动驾驶技术企业外，大模型核心玩家的华为、以及“蔚小理”等一众造车新势力，也在尝试融入 Transformer 架构。毫末智行还发布了 DriveGPT。但它们的规模量产与特斯拉相比，尚处于爬坡阶段， 在技术的垂直整合能力方面还有距离。

比亚迪的电动汽车销量，最早将在年底实现对特斯拉的超越。它与特斯拉一样，正在垂直整合整条汽车 产业链，但尚欠缺一点软实力。比亚迪也在走基于 Transformer 的决策规划大模型，今年大概会有 6 亿 公里的数据，标注自动化率超过 95%;内部架构也发生了调整，近期招聘了超过 4000 名软件工程师， “采用人海战术，保持颠覆性迭代能力”。

国内算力也跟得上。英伟达的智能驾驶芯片，占国内前装 NOA(自动辅助导航驾驶)市场超 50%，并 未被“高墙”所限;今年，比亚迪进一步扩大了与英伟达的合作，两家企业的共识是未来的汽车是可编 程的。地平线占超 30%，年底，它推出了征程 6，专为大参数量 Transformer 设计，明年正式交付; 比亚迪是首批量产意向合作车企。华为也拆分旗下智能汽车解决方案业务单元，引入长安汽车合伙。华 为已经突破了制造等效 7nm 水平的高算力芯片的封锁。

大模型将重置中国与美国这场从电动化转向智能化的竞争格局。2024 年，在中国 500 多万公里的道路 上，将上演国内智能驾驶车企守住领先身位，比拼大模型应用落地的一幕。但无论如何，安全第一。

量产人形机器人

人形机器人完成商业验证，领先企业率先量产，中国加速核心部组件安全可控。

生成式人工智能正在加速人形机器人的生长。技术、市场与政策一起发力，催生人形机器人进入量产时代， 比汽车更便宜。人形机器人将是真正制造业强国的标志。

所有的生物，都是通过身体体验这个物理世界，逐步产生智能的。人形机器人要成为真正的智能体，也 要经过这一步。今年，谷歌先后发布了能理解视觉语言的 PaLM-E 等多模态大模型，让机器人将视觉转 化为行动的 RT-2;微软则发布了“ ChatGPT for Robotics ”，允许人类用熟悉的自然语言对机器人下 达指令。

人形机器人本质是通用机器人:它可以适应多种环境，执行不同的任务;稍加学习，还能做得越来越好。具身智能泛化了人形机器人的能力。通用机器人还意味着在人类社会即插即用。不像上一代机器人，为 了让它更好地工作，人类还得花一大笔钱，为它修建标准化的场地，制造专门的工具，甚至还要让人类 离得远远的。

人类社会无缝交互。而且，这也能更好地形成人类与机器人之间的直接映射，让训练与反馈更具体。

市场正在探索，拥有了泛化场景的感知、理解与决策的“大脑”的最小可行(MVP)的人形机器人是什 么样子。一条路线更侧重稳健有力的双足，一条路线更侧重灵巧精密的双手。两者都需要负责运动控制 的“小脑”与刚柔耦合的“肢体”。中国希望到了 2025 年核心部组件安全可控，到了 2027 年供应链 体系安全可控。

二十多年来，人形机器人技术专利的申请量逐步上升，重心逐步从下肢结构与步态控制，转向手臂结构 及其运动控制，且有进一步增加的趋势。今年很多“具身智能”的演示，几乎都是机器臂完成的。“人” 就是这样的生物，大约 65% 的工种需要移动，其中 20% 需要两条腿来完成;高达 98.7% 的工作，需要 灵巧双手精细操作。

市场尝试拥抱人形机器人。它不知疲倦，没有人口危机，长期来看，单位时间成本更低。今年，亚马逊 在自己的物流仓库试用了人形机器人 Digit。Digit 计划于 2024 年量产。第一条生产线是位于俄勒冈州 的 RoboFab，年最大产能 1 万台。

Digit 原型的成本高达 25 万美元。特斯拉希望 Optimus 成本降至 2 万美元。Figure 创始人认为没有理 由做不到:一个人形机器人，大约 1000 个零件，重量 70 公斤;一辆电动汽车 1 万个零件，重量 2000 公斤左右。秘诀在于规模量产。根据经验曲线，每当量产翻倍，成本有望下降至少 15%。

人形机器人技术与动力电池技术、自动驾驶技术等日益融合，核心供应链高度复用。这也是为什么汽 车企业热衷人形机器人。除了特斯拉，Ashimo 来自日本本田，波士顿动力被韩国现代收编;小鹏发布 PX5，比亚迪投资智元，小米则同时宣布了汽车与 CyberOne。

只有少数几个国家，具备量产商用人形机器人的条件。中国是世界上最大的机器人市场，国际机器人联 合会(IFR)称，供应链企业不断在中国增加产能。此外，应用市场的繁荣，为训练“具身智能”提供 了更充沛的高质量数据。

今年以来，中国各级政府正在引导创业者与投资者抓住机遇。《人形机器人创新发展指导意见》是全球 第一部由政府出台的顶层设计文件。京津冀地区早已行动起来。北京设立 100 亿元规模的机器人产业基 金;河北省 20 亿元的机器人产业基金成立;唐山成立 50 亿人民币的机器人产业基金。长三角与珠三 角地区也有相应政策法规，那里产业集群密集。

设计和商业化下一代人形机器人的竞赛正在进行中。它在人类社会的渗透曲线，将与电动汽车相似。特 斯拉先后在 2008 年与 2012 年开始交付 RoadSter 与 Model S。2024 年，将是人形机器人的“RoadSter 时刻”，卖的不多，但完成了商业化验证，为 2027 年的“Model S 时刻”蓄力。这一次，它可能会首 先发生在中国。

从元宇宙到“新现实”

更多科技巨头卷入空间计算平台竞争，苹果硬件优先与 Meta 用户 优先初次对决。

巨头们很少再提元宇宙。苹果与 Meta 似乎已经心照不宣地达成共识，空间计算才是最近的入口。更自 然的交互方式，很快将与多模态的生成式人工智能合流。

今年，苹果与 Meta 先后展示了 Vision Pro 与 Quest 3。它们兼具 AR(增强现实)或 VR(虚拟现实)的功能， 具备直通显示(VST)技术，通过摄像头与传感器，让人“透过”高分辨率的屏幕，看到身边的物理世界; 它交互更加自然，能捕捉手势或目光的细微移动。

数字世界正在融合物理世界，构成“新现实世界”。先在显示屏上，实现对现实世界的增强与交互，是 巨头们追逐智能眼镜的退而求其次。尽管大方向正在空间计算收敛，但是苹果与 Meta 选择了不同的道路。

硬件创新是苹果的重点。苹果决定从合适的设备开始，然后回到合适的价格。首发的 Vision Pro 定价高 达 3,500 美元，拥有 12 个摄像头、多种传感器，成熟的 M2 芯片，全新的 R1 芯片，试图将从移动计算 时代走向空间计算时代。只有这样的配置，才能驱动苹果定制的那两块 Micro OLED 屏幕。它们的分辨 率远超消费级设备的行业水平。这决定着它能成为生产力工具，还是停留在游戏与娱乐工具。

像素密度的提升，带来了更高的功耗和发热。苹果采用了注视点渲染(Foveated rendering)技术，跟 踪用户的眼睛，确定他们的注意力集中在何处，在此基础上决定使用多少算力，多大范围内运行全分辨率。

Meta 押注用户规模与网络效应。最大的底气是每天活跃在它的社交网络平台的 30 多亿用户。Meta 试 图从合适的价格开始，努力开发合适的设备，将其打造成新的注意力消费平台。

作为 Meta 最成功的尝试，300 美元的 Quest 2 累计销售了超过 2000 万台。今年发布的 Quest 3，售

价 500 美元仅为 Vision Pro 的 1/7，硬件成本只有苹果的 25%。但 Meta 几乎仍是亏本在卖硬件。从现有的布局来看，苹果与 Meta 将在 2024 年展开错位的竞争。它们都有胜算，最主要的对手还是自己。

今年，它们都没来得及直接参与大模型公司业务的竞争。

市场期待 2024 年人工智能的潜力在端侧爆发。年底，苹果发布了机器学习框架 MLX，简化研究人员在 硬件平台设计和部署模型的过程。明年，苹果还将发布 iOS 18 系统，生成式人工智能有机会跑在端侧。最新发布的 M3 芯片，将为此提供算力。Vision PRO 是其他硬件的扩展。iPhone 15 Pro 已经可以为 Vision Pro 拍摄空间视频，期待更多第三方的多模态的空间视频生成技术。

市场也期待生成式人工智能加持社交。Meta 的未来是“具身互联网”，人与人的社交关系，将进化为 包含数字化身与虚拟角色的合成社交网络。生成式人工智能驱动的聊天机器人，将化身为地平线世界的 NPC，用户可以跨平台与之交谈。明年，Meta 将允许用户将游戏里的数字奖杯，“放置”在物理世界 的书架上;甚至还可以将 Facebook 视频等其他应用挂在“墙上”播放。这是社交平台间的相互扩展。

2024 年将变得非常热闹。苹果早已动手开发下一代的 Vision Pro，Meta 还计划明年推出低配版的 Quest 3。谷歌、高通与三星结成了联盟，将阻击苹果独占高端市场。字节跳动旗下 PICO 仍在推进硬 件升级，市场传言华为也将更新它的产品线。

尽管竞争激烈，但无论是谁，都能从对方的进步中获益。量产带来的供应链生态的完善，用户规模扩大; 应用生态的繁荣，催生自然交互的原生应用，以及面向“智能家居”和“物联网”的交互。

市场正处于其短暂历史的关键时刻。明年会是“空间计算元年”，产能不足问题逐步缓解，应用生态摸 透开发平台。2024 年，新品竞相上市，行业出货量增长会达到约 1200 万台，依然在为爆发铺垫。

医疗智能体

大模型的“医生助理”，先从文书工作做起，专家模型逐步集成于医疗智能体。

医院永远人满为患。“鲍莫尔病”是医疗健康行业的顽疾。多年来，科技巨头数度高调进入这个行业， 希望让服务变得像药品那样，可以规模化复制，提升可及性，降低成本。大模型、生成式人工智能以及 智能体，是最近也是最有希望的一次。

上一轮人工智能热潮并非一无所获。近十年来，美国 FDA 批准了 500 多款支持人工智能或机器学习的 医疗设备，截至今年 7 月，已经接近去年全年水平。其中，放射学诊断占了 75%。在今年的北美放射学 会(RSNA)会议上，一半的讨论涉及人工智能。上月，阿里巴巴联合多家医院通过“平扫 CT+AI”， 在 2 万多真实病例的回顾性试验中，发现了 31 例临床漏诊的早期胰腺癌病例。Nature 称基于医疗影像 AI 的癌症筛查，即将进入黄金时代。

问题是不够泛化。已经获批的人工智能算法，往往倾向于专注于特定任务，而不是全面分析图像各种可能， 或考虑到患者病史。原先的解决方案之一，是添加更多的人工智能工具。但这意味着算法过载。

医疗大模型的涌现，提供了新的解决方案。医疗保健数据，本质上由文本、图像和时间序列数据组成的， 甚至可以把专业医生视为这些数据的“标注员”。今年以来，随着强大的预训练大模型尤其是开源模型 相继问世，医疗大模型家族化演进，迭代升级加速。中国也是重要的参与者，扁鹊、本草大模型等相继 问世。

科技巨头已经构造了可以理解多种数据模态的全科医疗人工智能(GMAI)，可以根据交互对象的不同， 输出或专业或通俗的解释。谷歌的 Med-PaLM 2 是其典型，医学考试的表现基本接近“专家”，准确率 达到 85%。关键不在于它能在何时取代多少专家医生，而在于它能惠及多少缺少顶级医疗资源的患者。谷歌搜索每天都会有 10 亿个健康相关的搜索，它们有需求获得更好的服务。

特定任务的专家模型也仍有其用武之地。分诊导航、辅助诊断、临床文档、预后追踪等这些相对较小的 模型，甚至各类人工智能支持的细分科室的诊断工具，都可以集成到一个全面的人工智能平台中，智能 体(Agent)就是它的中央调度中心，理解意图，分拆任务，调用模型，输出结果。最终，医生负责审 核并给出最终方案。

短期内，生成式人工智能用于医疗服务，监管阻力最小，确定性最高的应用场景，是扮演医生的“文书 助理”。医生希望人工智能带走他们工作中最无聊和最乏味的部分。

美国数十家综合医疗卫生系统正在试点的生成式人工智能应用，几乎主要面向临床医生提供服务，作为 他们的助手，在接诊过程中，捕获与患者的对话，记录符合规范的电子病历;搜索病人的既往病史与检 查结果、临床指南手册、临床试验机会等;对即将接手的护士给出注意事项摘要;向患者解释术语，叮 嘱按时按量服药;还可以生成转诊、出院文件等。

它们的顶级开发者包括微软与谷歌等科技巨头，以及 Epic 这样的医疗软件巨头。今年，微软宣布将 GPT-4 集成到 Nuance 全新的 DAX 平台，减少了 50% 的临床文档记录时间，并与 Epic 合作，将生成式 AI 工具集成到后者的电子健康记录系统中。

科技巨头已经展开全面竞争。亚马逊推出了自动生成病历的 HealthScribe，谷歌则与梅奥诊所等测试类 似的生成式人工智能工具。百度的灵医大模型，以及腾讯医疗大模型也围绕病历等场景展开。

还有很多技术需要突破。谁掌握了提示技术，谁获得更好的答案，这在医疗服务领域不可接受;要更好 地辅助诊断，大模型要更多地输出针对性的“追问”，而不是一味扮演“回答”者的角色。

2024 年，生成式人工智能扮演的“医生助理”，会先从文书工作与调度工作做起，逐步积累数据与经验， 赢得医生与患者的信任;同时，继续与人类专家合作，探索更前沿的诊断与治疗技术。

“通用”基因编辑

更“通用”的基因编辑工具，更“泛化”的适应症，陆续进入临床， 人工智能加速临床前研究。

年底，全球首款 CRISPR 基因编辑药物先后在英国与美国获批，预示着药物研发“可编辑”的时代，已 经正式到来。它是技术、资本与监管合力创新的典范。

第二场革命也早已酝酿，它的获批开启了下一个十年。它重塑着人们认识疾病与认识药物的方式，它治 疗疾病的原因，而不是症状。只要它能在基因组的某个位置编辑，那么就有理由相信它的成功可以复制。何况测序硬件、基因组数据、人工智能算法的创新，仍在迅速扩展基因编辑的工具库。

2012 年，科学家 Emmanuelle Charpentier 和 Jennifer A. Doudna 发现，CRISPR 系统可以精确定位 并剪切任何物种的任何基因。2020 年，两人因此获得了诺贝尔奖。张锋证明了它在实验室中的惊人能力。三位科学家各自迅速成立公司，改进技术，寻找应用场景。资本也积极响应。十年来，张锋旗下公司至 少达到了 7 家，Doudna 达到了 4 家，尝试用它来满足药物递送、临床诊断、治疗的需求，甚至农作物改良。

CRISPR Therapeutics 赢得了竞速的第一程。与它同时获批的，还有蓝鸟生物(Bluebird Bio)基于慢 病毒载体的基因疗法，也针对同一患者群体，但接到了 FDA 提示风险的黑框警告，获批当日，股价暴 跌 40%。医药市场的逻辑，已经彻底改变。单次给药，终生治愈，意味着一旦获批，就会完全占领市场， 除非后来者效果更好，或者风险更低。

第一款获批的基因编辑药物，迈出了重要但不完美的第一步。标准的 CRISPR-Cas9 方法，实质上是对 靶向基因的破坏，相当于将“编辑”功能限定在“删除”上。正如只有很少的情况下，才能通过划掉 某几个单词，来纠正整个文本的错误，治疗大多数遗传性疾病，仍然需要更广泛的“编辑”功能，增 加或替换某些单词。刘如谦先后发明了了基于 CRISPR 的碱基编辑(Base Editor)与先导编辑(Prime Editor)，可以精准插入或替换单个或多个单词。

另一种缺陷是药物的可及性。这款新药非常昂贵，高达 220 万美元。它需要从患者体内获取细胞，然后 在患者体外，用 CRISPR 工具编辑纠正它，再注入患者体内。为了给新细胞腾出位置，患者往往还需要 先进行化疗，破坏骨髓。整个流程环节复杂，难度巨大。

降低成本的一种思路，是在更“通用”的细胞上，进行基因编辑，以便它们可以用于治疗许多不同的患者。但在体外生长和维持细胞安全稳定，成本高昂。更直接的思路是在患者体内编辑，难度在于 CRISPR 药 物必须被递送到这些目标细胞。用于 mRNA 疫苗的 LNP 递送技术在这里也有用武之地。科学家还在不 断尝试新的递送工具。

目前，全球近百项涉及 CRISPR 疾病治疗应用的重要研究正在进行或已经结束。美国占了绝大多数，中 国居于第二。很多研究已经进入临床。据药明康德统计，中国的博雅辑因、邦耀生物、瑞风生物，同样 瞄准地中海贫血;本导基因与中因科技主要聚焦于眼部疾病。

大多数基因编辑临床试验，都聚焦于罕见病或遗传病，它们多由基因问题导致。但这样的患者往往分散、 有限。收入捉襟见肘的企业，有时候不得不因外界风吹草动调整研发节奏。Church 尝试将基因编辑动 物的器官安全地移植到人类身上。2024 年，异种移植的尝试还会继续。

今年年初，诺奖得主 Doudna 畅想，在十年后，CRISPR 编辑会适用于所有人，会先在农业世界中体验它。而稍近未来的“FDA 批准治疗镰状细胞病”已经实现。

CRISPR 编辑正在进入 2.0 时代。这将主要由前述碱基编辑、先导编辑与表观基因组编辑(Epigenome Editing)引领。机器学习也在发力，张锋研究了新算法，搜索海量基因组数据，发现了 188 种新型 CRISPR 系统，丰富了工具库。此前，研究人员确定了 6 种 CRISPR 系统，CRISPR-Cas9 是最常用的一种。

《自然》杂志选出了 2024 年最值得关注临床试验。其中，Verve Therapeutics 首例进入临床的体内的 碱基编辑药物，有望取代日常服用的降胆固醇药物。Prime Medicine 计划在明年寻求针对慢性肉芽肿 病这一致死性遗传疾病的临床试验。表观基因编辑的 Tune Therapeutics，刚展示了乐观的临床前实验 数据。

2024 年将是 CRISPR 编辑 2.0 时代的开端，大佬们的竞速将鼓舞更多创新者涌入，无论它们成功，还是短暂失利，都在推动行业“编辑”出更精准、更安全、更便宜的药物。

为什么说科大讯飞在未来有机会成为十万亿市值的全球科技巨头

导读

科大讯飞发布了万亿参数级别的“星火大模型”，这一突破性技术给人工智能领域带来了巨大冲击。究竟这项新技术会给行业带来怎样的改变？一起来看看！

科大讯飞发布“星火大模型”

有很多人对科大讯飞的技术是持怀疑态度的，这也是可以理解的，因为在人工智能技术领域，科大讯飞实在是走的太顺利了，很少有挫折和失败的消息传出来 一切似乎都是那么顺理成章，从公司成立开始，到后来登上科创板，都没有受到太多的阻挠 有人说这是因为公司的产品确实有竞争力，是市场和客户自愿选择的结果 但是总有一些人不屑于相信这些，他们认为科大讯飞是靠着某种关系才取得今天的成就的，是政策和资本市场人为炒作的结果

针对这些质疑声音，科大讯飞偶尔会做出一些回应，但大部分时间还是选择沉默以待，因为一家真正做出来了东西，是不需要去证明和解释的 而且科大讯飞也不可能为了取悦一部分人，就去公开自己的技术细节和实验数据，这对公司来说是非常不明智的

但是近日科大讯飞却主动发声了，在一场技术交流会上，公司向外界展示了自己最新研发的“星火大模型”，并且进行了现场演示 这个模型最大的亮点就是规模之大，已经达到了万亿参数的级别 作为对比，此前一直被认为规模最大的GPT-3模型拥有的参数数量仅为1750亿左右 而“星火大模型”的参数数量达到了1万亿以上，可以说是突破了当前人工智能技术的一个极限

当然光靠规模是不够的，要让这些参数发挥出应有的作用，还需要很多基础设施和技术支持 在此之前很多人都认为万亿级别的模型在当前阶段是不可能实现的，即便理论上可以实现，但是实际操作的过程中会遇到各种各样的问题 包括计算资源、能耗、模型稳定性等等

但是科大讯飞偏偏就是做到了，不仅仅发布了这个“星火大模型”，而且还在会上进行了多个领域的现场演示 包括机器翻译、代码生成、智能问答等等 这些方面都是目前人工智能技术发展得比较成熟的领域 之所以选择在这些方面进行演示，就是为了证明“星火大模型”的稳定性和通用性

从表现来看，“星火大模型”似乎确实达到了预期的效果，准确率很高，而且回答的速度也很快 一些复杂的问题，以往可能需要人工智能模型猜想很久才能给出答案 但是对于“星火大模型”来说，几乎是呼应即出。#展示新技术

可以说，“星火大模型”给行业和外界带来的冲击是巨大的 之所以说这是一项新技术，是因为万亿级别的超大规模已经超出了我们以往对人工智能技术发展的认知 在这之前，很多人都认为200亿左右的参数规模已经达到了瓶颈，再往上增加规模会变得越来越困难

但是科大讯飞偏偏就是凭借自己20多年的技术积累，在一年之内就打破了这个局限，并且把规模直接提升到了万亿级别 这个变化可以说是非常惊人的，也让原本对科大讯飞持怀疑态度的人开始重新审视这家公司

其实作为国内人工智能行业的龙头企业之一，科大讯飞一直都在努力探索和研究新技术 但是以往取得的成就相对来说还是比较局限的，很难引起技术圈和行业内部的关注

这一次不同往日，在“星火大模型”发布之后，国内外媒体都纷纷报道了这则消息 很多专家和学者也开始对这项技术进行深入研究，并且给出了自己的分析意见

有人认为，“星火大模型”的发布就像是给行业投入了一颗重磅炸弹，彻底改变了目前人工智能技术发展的现状 以往那种缓慢迭代的模式已经无法满足需求，在“星火大模型”的带动下，整个行业仿佛进入了加速前进的快车道

不管是创新公司还是传统企业，在人工智能技术研究和应用上都投入了更多的资源和精力 而作为龙头企业之一的科大讯飞，在技术上已经拉开了很大的距离优势

有人甚至直言，“星火大模型”就像给科大讯飞搭建了一个超级高速公路，在20多年技术积累和探索的基础上，公司终于迎来了爆发

从成立到现在，科大讯飞一直都在坚持自己的初心，并且从未改变过。公司成立之初就明确了自己要走的道路，那就是人工智能

初始阶段团队面临着各种各样的困难和挑战，在国际巨头如日中天的当时，很多人都劝阻讯飞不要继续浪费时间和精力在这个方向上

但是创始人刘庆峰并没有被外界的言论所左右，他深知人工智能技术对于国家未来发展的重要性，并且也看到了其他国家在这方面投入巨大资源后取得的丰硕成果

在他看来，东方大国也完全有可能走出自己在人工智能领域。所以他坚持下来，并且带领团队一步一个脚印走到今天

20多年过去了，在外界看来似乎是一眨眼的功夫，在讯飞创始人和整个团队来看，这是漫长探索和坚持后换来的成功

此次“星火大模型”的发布无疑给外界一个强有力的回答。那些怀疑和质疑公司取得成就是否真正建立在技术基础上都得到了回应

结语

科大讯飞一直在人工智能领域默默耕耘，这次的“星火大模型”发布可谓是一次重磅炸弹，给了所有质疑者一个强有力的回应。无论是对科大讯飞还是整个人工智能行业来说，这都是一个重大的里程碑。你认为这项新技术会给人工智能领域带来怎样的改变？快来留言分享你的看法！

相关问答

万亿行业有哪些?

1、高科技养殖行业此次疫情之前,猪瘟,禽流感大家都已经看到了,小规模养殖在未来会被淘汰,高科技猪场在以后必将成为趋势。2、教育行业教育行业在2020年规模...

一年上万亿的产业有哪些?

中国目前城市停车是个难题,在智能制造领域的智能停车行业市场有万亿级的市场,将来在该行业或许会出现巨无霸企业!中国目前城市停车是个难题,在智能制造领域的...

中国目前有几家市值达到万亿级的企业?

根据最新的12月份由21数据新闻实验室发布的中国公司市值排名的数据显示,中国市值过万亿的企业有十家,分别是腾讯控股(市值30934.56亿元)、阿里巴巴(市值2917...

四川万亿级企业有几家?

截至2021年,四川万亿级企业有两家,分别是四川长虹电子控股集团有限公司和四川省宜宾五粮液集团有限公司。不过,需要注意的是,随着时间的推移,可能会出现新...

万亿超级市场!储能行业彻底火了，多省市力推!哪些公司站上风口?

经过最近一轮大盘的大跌,泥沙俱下,现在应该做的是寻找被错杀的金子,而不是沮丧那些既成事实的浮亏。此前,我们在《新型储能:五年十倍的高确定性赛道》一文...今...

云南2021年百强企业名单?

1、云投集团云南省投资控股集团有限公司,是1997年成立的大型国有独资企业、昆明知名企业,是云南省资产规模最大的综合类投资控股企业;近年来持续优化产业布局...

小米未来会是万亿级别的企业吗?

手机市场的天花板。小米如今主营业务为手机,而如今手机市场增量已经到达一个天花板,而在没有核心的技术做开路先锋,以小米如今状态很难在国内市场,欧美市场再...

四个8万亿“新基建浪潮”来了，对中小微企业有什么影响?

今年更大的变化是在于增加新型基础设施建设的投资。如下图所示,有七个方面。对于小企业而言,如果主营业务涉及基建或者新基建,比如物联网充电桩之类的。那么...

贵州茅台市值再度突破万亿人民币，万亿市值的底气是什么呢?

近日,贵州茅台再创历史新高,市场再次破万亿大关。贵州茅台市值破万亿有以下三个原因:首先,茅台上涨是基于MSCI指数纳入比重增加到20%,而外资偏爱食品、饮料...浮...

全球营收超万亿美元企业?

沙特阿拉伯原油企业沙特阿美可能就是沙特阿拉伯原油企业沙特阿美可能就是