人工智能（AI）作为一门前沿的技术领域，正在以惊人的速度改变我们的生活和工作方式。这也是我们I.D.E.A策略长期以来的坚守，就是布局那些具有长期增长前景的行业，然后长期持有。

人工智能开发的最新进展似乎使人工智能超越了迄今为止都占据主导地位的特定任务模型。例如，使用经过广泛的非结构化数据训练的基础模型，生成式人工智能模型可以执行超出其直接训练内容的多项任务，甚至似乎表现出自己的创造力——这标志着人工智能进步的巨大飞跃。要衡量这项进步的重大意义，只需看看ChatGPT风靡全球的传播速度，它在发布后仅五天时间就达到了100万用户的里程碑。与其他生成式人工智能原型一样，ChatGPT已经让世界对这项技术将会如何重塑人类企业的无限可能性兴奋不已。

图一：生成式人工智能随时间的关注度

资料来源：谷歌趋势、星展银行

在AI的广泛应用背后，有四个主要构成部分，我们将其划分为：

顶层：软件和应用程序、统一计算架构；

支柱：中央处理器、图形处理器、专用集成电路和FPGA;

基础：内存、存储器和云；

大型科技企业：通过其跨领域的技术优势，来衔接不同细分领域以共同完成人工智能工作。

接下来让我们一起来了解这些部分，并看看它们如何相互配合来完成AI的工作。

顶层的软件和应用程序是AI领域中最直接与用户互动的部分。它们通过使用复杂的算法和模型，使得计算机能够感知、理解和处理人类的语言、图像、声音等信息。假设你正在使用一个语音助手应用程序，比如Siri或Google Assistant。当你提出一个问题时，顶层的软件和应用程序会将你的语音输入转换成文本，并利用AI算法进行语义分析和理解。这些软件和应用程序就像一个智能的助手，帮助你回答问题、提供信息或执行任务。

统一计算架构是顶层软件和应用程序运行的基础设施。它提供了一个统一的计算环境，允许不同类型的计算单元和处理器协同工作。这种架构的目标是提高计算效率和性能，并降低开发和部署的复杂性。它可以将大量的计算任务分配给不同类型的处理器，比如CPU、GPU、专用集成电路（ASIC）等。这些处理器像一支庞大的军队，各司其职，共同合作完成任务。CPU负责处理通用的计算任务，GPU用于高效地进行并行计算，而ASIC则专门为特定的AI计算优化。

支柱部分包括了CPU、GPU、专用集成电路（ASIC）和可编程逻辑器件（FPGA）等处理器和芯片。它们提供了计算和处理的能力，使得AI算法能够高效执行。而且不同类型的处理器或者芯片有各自擅长的领域。

比如，GPU在深度学习训练中可以加速图像识别模型的训练过程，而专用的AI芯片（如谷歌的Tensor Processing Unit）可以在较短的时间内完成复杂的图像处理和推理任务。这些处理器和芯片就像一支强大的图像识别团队，帮助我们准确地识别和理解图像内容。

基础部分包括内存、存储器和云等基础设施，为AI应用提供支持和存储能力。想象一下，当你使用语音识别应用时，你的语音输入被转换成文本后，会被存储在内存中以供后续处理。同时，云计算提供了弹性和可扩展的计算资源，使得AI应用可以处理大规模的数据集，比如在人脸识别或自然语言处理中。

          强者恒强。众所周知，在势不可挡的技术颠覆和数字化长期趋势下，大型科技企业已成为结构性赢家。他们拥有（a）数十亿美元的现金储备，（b）触手可及的科技人才，以及（c）用于训练人工智能模型的庞大用户数据库，人工智能革命下的结构性东风会越发强劲。

图二：大型企业在人工智能专利上的投入

资料来源：Statista、律商联讯PatentSight、星展银行

结合以上提及的这几个部分，这些技术的协同使用能够使得AI实现更加复杂和智能的任务，为我们的生活和工作带来许多潜在的好处。当顶层的软件和应用程序利用统一计算架构提供的计算能力进行任务处理时，支柱部分的处理器和芯片负责高效的计算和推理，而基础部分则提供存储和数据支持。这种协同合作使得AI系统能够更加准确和高效地完成各种任务。