市场波动，为何科技总有热点？

市场波动，为何科技总有热点？

6月以来，以半导体、通信为代表的科技成长板块持续反弹，走出了独立行情。截至6月21日，申万电子指数月内涨幅超6%，领涨市场。这背后离不开新质生产力政策的积极促进，叠加行业出现拐点、全球算力高景气、AI终端进入加速落地阶段。

回顾上半年国内市场虽然呈现结构化行情，但科技板块不断涌现新热点 ：“Sora”、“kimi”、“低空经济”、“科特估”等等。市场波动，为什么科技总有新话题，热点行情是昙花一现还是能够持续呢？

从趋势上看，科技是第一生产力。这两年AI应用的发展成为见证科技进步的最大体现。从大模型到算力芯片，再到高端芯片，仿佛迎来一轮新的科技革命。

从技术层面看，人工智能未来无限可能。在图像分类、视觉推理和英语理解等任务上，AI已经超越了人类，这不仅仅是技术上的飞跃，更是对人类智能的一种扩展。然而，这并不意味着AI无所不能，比如在竞赛级数学、视觉常识推理和规划等更复杂的任务上，AI仍然在人类之后。

2023年大模型是国内外AI技术发展的核心竞争，从海外的chatgpt到国内的各种同类语言大模型平台诞生，迸发了一大波相关产学研成果。然而，这也带来了问题：当AI研究越来越依赖于产业界的资金和资源时，我们如何确保技术产出的多样性和开放性？今年以后大模型还会是我们AI发展的重点吗？同时面对海外技术的开放性限制，国产AI模型开发和应用技术面临怎样的攀升空间？

图源澎湃新闻：斯坦福大学2024 AI Index 报告，2023 年全球发布的新大型语言模型数量比上一年翻了一番。三分之二的模型是开源的.但性能最高的模型来自拥有封闭系统的行业参与者。

但是技术成果背后的AI模型成本问题也不容忽视。随着模型规模的不断扩大，训练成本也在飙升。OpenAI的GPT-4和谷歌的Gemini Ultra的训练成本分别达到了7800万美元和1.91亿美元。这一数字也让我们不得不思考：如此高昂的成本背后消耗的是什么？是否可持续？AI的发展是否会因为成本问题而放缓脚步？

此外，AI使用责任和标准化评估也是一个严峻的话题。目前，负责任的AI严重缺乏标准化，不同的开发商根据自己的标准测试模型，这使得比较不同模型的风险和局限性变得复杂。未来AI技术日益普及，如何确保AI的正确使用，也是一个亟待解决的问题，或许用AI打败AI会是一种思路吗？

不过面临诸多挑战也意味着AI的发展前景依然广阔。同时市场对生成式人工智能的投资仍旧充满热情，为行业持续加满动能。科技热点行情有波动也情有可原，并不代表这就是昙花一现，毕竟长期还要在挑战中不断前进。

未来AI发展趋势或许更像是一场技术的双重奏，既有激昂的旋律，也有深沉的低音。那么AI科技现在的发展焦点在哪？对于我们普通人可以关注什么？或许不仅可以关注那些在棋盘上战胜人类的算法、在医疗诊断中超越肉眼的精准器械，更或者工作中可以增加效率的工具，还有非常多可以关注和探讨的问题。