AI行業的地理分佈：依舊是贏家通吃？

來源：TOP創新區研究院

作者：創新區研究組

隨著ChatGPT的問世，我們正見證著新一輪的人工智能革命。這場革命不僅改變了人類與機器、技術與產業、虛擬與現實之間的關係，而且對人類社會文明秩序帶來了深刻的挑戰。

而要抓住這些機遇，或是迎接潛在的挑戰，**不僅取決於技術能力，也取決於你“在哪裡”。 **

** **

旱的旱死，澇的澇死

日前，福布斯發布了人工智能50強名單：**上榜的43家美國公司僅來自四個州，其中加利福尼亞州尤為突出，擁有高達35家公司；**紐約州（4）、德克薩斯州（2）和馬薩諸塞州（1），其中一家公司完全遠程運營。沒有一家位於鐵鏽地帶、中西部或南部。

在其他AI榜單中，我們也可以看到這種高度的地理集中性。 另一份IVP Enterprise 55名單中，有18名來自加州舊金山↓

**美國頂級智庫布魯金斯學會近期發表了一則詳盡的報告，**通過對涵蓋384 個都市區人工智能研究和商業化七項指標的都市區數據進行聚類分析，發現美國的人工智能活動高度集中在“超級明星”——舊金山灣區(包含SF metro與san jose metro)，和13個“早期採用者”(early adopters)

根據來自Lightcast 的2023 年1 月至2023 年5 月的職位發布數據，60%的新生成式AI職位發布僅分佈在上述15個都市區。同時在過去的10 個月裡，**僅六個都市區（舊金山、聖何塞、紐約、洛杉磯、波士頓和西雅圖）就佔據了全美國生成式人工智能職位發布的近一半(47%)。 **

** **

網絡效應

在全球範圍內，科技行業的就業在持續增長，但如果細細研究，就會發現——**行業(尤其是科技行業)在地理分佈上在繼續集中，而不是“擴散”。 **

現在科技發展進入到“人工智能和機器學習”時代，特別是在早期階段，**更“需要”公司們集中在一起，而不是分散——**公司的聚集不僅為公司們提供了更多的資源和機會，還加強了他們之間的合作和競爭關係。

UCB經濟學教授恩里科·莫雷蒂（Enrico Moretti）長期研究城市經濟學，在大量的研究後，他也得出了一個堅實的結論：**美國的高科技產業越來越集中在少數昂貴的沿海城市。 **

在其著作《高薪城市》中，Enrico Moretti提到了一個現象——城市大分化（the Great Divergence）。核心觀點是：

**那些在企業家與科技驅動的創新經濟上出色的城市贏得了人才與機會，並且由於馬太效應，這種差距正在不斷拉大，形成了“贏家通吃”的局面。 **

但是，能成為“贏家”的創新城市是少數。他們幸運地擁有“正確”的產業(集群)，有堅實的人力資本基礎，聚集著受過良好教育的勞動力和強大的創新生態，這些城市們在蓬勃成長，越來越大，創造出更多更好的工作崗位，吸引更多的高技能人才。

而且這些城市一旦成為“贏家”，就一直留在了牌桌上——

一項研究了過去20年的29項顛覆性技術的報告發現，這些高科技工作的分佈仍然高度集中——比如，在計算機科學、半導體、生物化學排名前十的城市分別佔據所有發明人總數的佔70%、79%和59%，而且常年保持領先。

這其中的原因之一就是堅韌的網絡效應：

拿灣區來看。疫情期間，不少(打工)人、企業家都在策劃“矽谷大逃離”——高企的房價、讓人肉疼的生活成本、擁擠，堵車、不能忍的高犯罪率、不斷蔓延的流浪漢問題、還有高稅收……

**但灣區作為全球技術和創新的中心，早已培育了一個強大堅韌的創新網絡：**這裡有大量的技術公司、創業公司、風險投資機構和頂尖的研究機構——生態系統的價值來自於多個相互依賴的群體之間的交流互動。當生態系統的要素更加多元，互動也會更為複雜。

**而你不得不承認的是，網絡才是一個生態系統最難復制，也最容易“贏家通吃”，並且一直不下場的原因。 **

當然，在AI這個技術領域，還有一些獨特的挑戰。

**首先它對人才的要求高。 **理論上說，只要有足夠的專業知識，任何足夠聰明的人都能做出生成式人工智能，無論他們是在灣區還是在上海。

**其次，它需要海量的資金。 **訓練人工智能模型需要大量的算力，這意味著海量的資金。

矽谷有著在人工智能研究領域的世界兩所頂尖大學（斯坦福大學和加州大學伯克利分校）以及許多世界領先的人工智能研發投資者，包括Alphabet、Facebook、Salesforce 和NVIDIA——這個“大公司支持+頂級人才幹活”的配方貢獻了大量的2022年被引用次數最多的人工智能論文。

隨著越來越多的AI公司在加利福尼亞州成立，這裡形成了一個強大的網絡效應。這種效應進一步加強了灣區在AI產業中的主導地位，使其成為科技公司和人才的首選地。

** **

“AI共同富裕”

看起來，AI行業也將成為另一個高度集中、以灣區為中心的行業。

這時候，美國政府決定實行一下“AI共同富裕”，因為它認為：不平衡的分配可能會加劇社會不平等，導致某些地區的經濟停滯。

方式就是——**資助AI研究、提供教育和培訓、制定有利於創新和公平競爭的政策來幫助更廣泛的地區和人群受益於AI的好處。 **

自2020年以來，NSF已經在全國各地的大學建立了國家人工智能研究所的分佈式網絡。迄今為止，五年內總計投資近5億美元，已在19個城市開展，幫助建立人工智能人才庫，並與37個州建立了聯繫。

圖片來源：

美國的學術界越來越多地強調“基於地方的產業政策”的成功——畢竟之前美國政府發起的太空競賽，就是一個政策導向的成功案例。

加上現在製造業回流美國，比如去年《芯片和科學法案》中包含的“區域技術和創新中心”計劃，不少人意識到：

**為了恢復美國工業基礎的活力，就需要有更多的地方有基於AI的創新，如果人工智能更加集中，其他地區被邊緣化，那工業基礎也會受到負面影響。 **

所以第117屆國會提出了800億美元的“基於地方place based”的產業政策措施，其中包含了多項明確尋求改善國家高度集中的人工智能地理的投資計劃。

美國版的產業政策

** **

AI + 行業

目前，生成式人工智能部署還處於早期階段，但是速度非常快：技術和產業的深度融合正在全球範圍內發生。生成式人工智能不再僅僅是提供信息內容服務的工具。它已經成為金融、醫療、自動駕駛等多個行業的“技術基座”，**並有望成為未來社會的“技術基礎設施”。 **

而中國在這方面的機遇和挑戰都非常巨大。

在最近的2023中國算力大會上，不少專家表示：相對於以ChatGPT為代表的通用大模型，中國在這方面的短板相當明顯：首先是起步較晚，技術積累和研發投入相對較少；另外不得不承認的是，通用大模型的訓練需要大量的數據。儘管中國擁有龐大的互聯網用戶基數，**但在多語言、多文化的數據收集和處理上，與國外的技術巨頭相比還存在一定的差距。 **

**不過，中國的機會在於行業大模型。 **

早在2017 年，凱文·凱利就預測道：接下來的10,000 家初創公司的公式是，你在某個行業已經在做一些東西，然後將人工智能添加到其中。重複一百萬次，威力無窮。

我預測接下來的 10,000 家初創公司的公式是，你採取一些東西，然後將人工智能添加到其中。我們將重複這一百萬次，這將是非常巨大的。

行業大模型是專門為某個特定垂直行業設計的大型深度學習模型。行業特定的知識和經驗可以被整合到模型中，從而提高模型的質量和準確性。

**中國擁有世界上最完整的產業鍊和龐大的實體產業基礎，**從農業、製造業到服務業，涵蓋了幾乎所有的行業領域。這為行業大模型提供了豐富的應用場景和真實數據，使得模型能夠更加貼近實際業務需求進行優化。

同時，中國的市場規模巨大，對於各種技術和產品都有著廣闊的應用空間。行業大模型在中國有著巨大的市場潛力，無論是在傳統行業的技術改造，還是新興行業的創新發展中，都有著廣泛的應用前景。

隨著中國經濟的轉型升級，各行業都面臨著技術改造和創新的壓力。行業大模型作為一種能夠為特定行業提供精準服務的技術，正好能滿足這一需求。

比如隨著製造業的自動化和精細化，傳統的人工質檢方式已經無法滿足大規模生產線的需求。為了提高生產效率和產品質量，不少廠家開始利用計算機視覺和機器學習技術來開發智能質檢模型。

其實在國內，已經逐步建立了涵蓋理論方法和軟硬件技術的體系化研發能力。例如，華為雲盤古大模型已經在礦山、藥物分子、電力、氣象、海浪等領域推出了大模型，並在各行業中推出了超過1000個創新項目，助力人工智能技術與行業應用的深度融合。

**基於通用大模型的基礎能力，行業大模型已經成為技術發展的必然趨勢。中國擁有龐大的實體產業基礎，有著豐富的行業數據、對技術與產業深度融合的迫切需求、巨大的市場規模和快速的技術迭代能力。 **

這或許也是在大模型時代，中國產業在人工智能領域的機遇所在。