2018 年以来，超大规模预训练模型的出现推动了 AI 科研范式从面向特定应用场景、训练专有模型，转变为大模型+微调+模型服务的AI工业化开发模式。直至对话大模型 ChatGPT 引发全球广泛关注，人们终于欢呼 AI 2.0 时代来了。当我们立足由大模型推动的AIGC元年，AI 正在迎来新的一轮全球应用和研发热。

随着两波AI崛起浪潮接连在寒冬中袭来，人们终于看到了大模型+AIGC 将人工智能从当前低谷带到下一个拐点的星火。在过去十年的尾声，以深度学习为基础的人工智能为何在产业落地方面变得缓慢？人工智能的下一个十年将是何图景？或许要从 AI 的开发范式变迁说起。

AI开发范式三重变

过去多年，每年虽有几万篇 AI 领域的 Paper 产出，但其产业落地进展依然缓慢，究其原因主要有以下几点：

第一，AI研发的人力成本太高，且大量依赖算力研究者。人工智能是知识密集型产业，聘用算法研究人员和算法工程师的成本通常在 5 万~ 8 万元/月，在AI产业中的企业，人力资源的支出占比非常高；

第二，训练数据的成本太高。在传统AI项目里，60 %-80 %的时间和成本花在了数据上。通常，在算法研发项目中，购买数据所需的成本大约占整个项目的 60 %，而 80  %的时间被数据准备相关的工作占据，如采集，清洗和标注等。因为在不同的