投行高盛采訪了硅谷投資公司Conviction的創始人莎拉·郭(SarahGuo)、紐約大學的加里·馬庫斯(GaryMarcus)以及高盛的首席軟件和互聯網分析師卡什·雷根(KashRangan)和分析師埃里克·謝里丹(EricSheridan)，探討該技術在現階段能做什么和不能做什么。的經濟學家隨后評估了人工智能對生產力和經濟增長的潛在巨大影響。高盛的股票策略新聞和觀點工智能發展史關于人工智能的討論工智能對經濟的潛在巨大影響股市：衡量人工智能上行空間力繁榮時期的市場將簡要介紹全球市場最重要的經濟體。 國的專有數據/觀點的重大變化--鑒于我們對經濟增長的預測高于共識以及美聯儲官員發出的信號，我們最近將美聯儲終端能在7月份)。們關注的數據點/趨勢到大流行前的水平。的專有數據/觀點的重大變化I匯假設。們關注的數據點/趨勢YCC可能的的專有數據/觀點的重大變化央行8月份的預測，目前預計英國央行將在6月份加息50個基點 這意味著對英國通脹的更多擔憂以及英國央行反應函數的轉75%(之前為5.5%)。們關注的數據點/趨勢.7%。新興市場的專有數據/觀點的重大變化們關注的數據點/趨勢馬當先。 月發布了ChatGPT——一種利用自然語言提示創建內容的生成式人工智能工具，引發了投而少數幾家構建生成式人工智能核心基礎大型語言模型(LLMs)的大型科技公司的表現也大及探討一下吸引投資者注意力的人工智能生成技術的與眾不同之處。高盛美國軟件分雷根解釋說，該技術能夠以文本、圖像、視頻、音頻和代碼的形式創建新內容，并通過語言而非編程語言來實現，這是其關鍵的變革性特征。的風險投資公司Conviction的創始人莎拉·郭進一步解釋說，以前的人工智在基礎模型(通過開源或API)的廣泛可用性(這些模型具有自然語言能力、推理能力和對世界的一般知識)減輕了企業收集訓練能力來改造或提升其業務。開發人員的工作效率在某些情況下提高了15%-20%。隨著這些工具的使用越來越普遍，莎PeterCallahan所有方面。高盛全球高級經濟學家約瑟夫·布里格斯(JosephBriggs)認為，這種變革潛力可能會產生產率增長提高約1.5個百分點，并最終將全球年國內生產總值提高7%。高盛美國股票策略師瑞安·哈蒙德(RyanHammond)和大衛·科斯提(DavidKostin)認為，這種生產率的提能會在中長期內將迄今為止人工智能引領的相對狹窄的美國股市漲勢轉變為更廣泛的漲--以及市場定價是多少--的炒作是否已經過頭了？在談到當今人工智能系統的智能時，美國紐約大學心理學和神經科學名譽教授加里·馬庫斯(GaryMarcus)認為：“(目前)人工智能統的智能化程度并不高。”，目前人工智能工具中經常被吹噓的神經網絡與人類大腦神經網絡的功能完全不談到市場，高盛的市場策略師多米尼克·威爾遜(DominicWilson)和維姬·常(VickieChang)指出，在過去創新引領的生產力繁榮時期，如電力(1919-1929年)、個人電腦和互聯網 互聯網分析師謝里丹感到欣慰的是，最近在人工智能主題上表現出色的絕大多數公司仍以相對合理的市盈率進行交易。雷根認為，與其他大型技術周期(如從分布式系統到云當前的“建設”階段獲取收益。莎拉·郭對此應注意哪些風險？謝里丹正在密切關注消費者計算習慣改變的前景，這可能 k人。她在訪談中表示，人工智能的進步迎來了技術范式的轉變，這帶來了豐富的投資機會，特別是隨著軟件工程向“軟件3.0”轉型，傳統服務領域越來越多地由人工智能提。但她也警告說，投資者有可能誤判如此巨大的技術變革的時間表，而且很難區分人艾莉森·內森(AllisonNathan)：作為人工智能領域的長期投資者，是什么吸引你進入這個Greylock工作時期就開始關注人工智能。機器學習(ML)推動了許多我們熟知并喜愛的業k機器學習技術對這些企業的重要性，我們自然而然地開始探索如何將這些經典的機器學習方法應用到其他領域。一個顯而易見的領域是網絡安全領域，如Awake、Abnormal或的發展正在迎來范式轉變--這肯定是我投資生涯中看到的最大的技術轉變--絕大多數投資機廣泛應用。言能力、推理能力和世界常識。在這種模式下，企業不需要收集大量的訓練數據，這使得該技術突然變得更加有用、易用且成本更低。任何選擇投資人工智能的公司現在都可以投資調整這些模型，以增強或改造其業務。nd一些則在十年后才出現。發現使用案例和構建優秀軟件需要時間和企業家的智慧。沒有進行估值。但作為早期投資者，在一定范圍內，我們可以不那么關注估值，而更多地擇市場和企業家，以發現突圍的贏家。視頻和機器人領域。我們尤其期待通過更好的代碼模型實現軟件開發的民主化。一般來，我最感興趣的機會是應用層。許多投資者對這一層并不確定，他們認為所有的價值成，現在可以開始由更多的軟件提供服務。我們對人工智能帶來的民主化效應感到興奮，莎拉·郭：在廣泛的機會集中，現有企業肯定有一些優勢--他們的分銷和數據--因此毫無疑問家隱形的人工智能安全公司，該公司的目標是將勞動密集型環節自動化。有效收集這些數據將是一個自由競爭的問題。言之，這些公司在建立軟件業務的多個方面展開競爭，我不認為人工智能從根本上有利高度技術化的領域，技術水平每周都在變化。上市公司領導層對人工智能趨勢的快速承諾聲明中進行人工智能營銷也不會有什么好處。對上市公司而言，為人工智能工作投資者通常用來評估公司業績的指標--參與度、交易量、廣告庫存等--在引入新的人工智能 能用人工智能(AGI)。格林伯格(JennyGrimberg)：如今，生成式人工智能工具究竟是如何工作的？前所有生成式人工智能工具的核心基本上都是一個自動完成功能，該功能已在互似的神經網絡。你對此有何看法？反，這些工具并不像人類那樣進行推理。人工智能機器最多只是進行一些諾貝爾獎得主丹尼爾·卡尼曼(DanielKahneman)稱之為系統1思考(system1thinking)--反射性統計型，這個模型讓人類能夠理解彼此和周圍的環境。人工智能系統沒有這樣的模型，也沒有人和周圍世界互動的過程中可以學到更多。作是否過于夸張？麻省理工學院的工程和計算機科學本科考試，這激起了人們的極大興趣。我的長期合作者厄尼·戴維斯(ErnieDavis)就指出，事實證明該方法存在缺陷，己處可靠地駕駛汽車。我們離實現通用人工智能(AGI)還很遙遠。珍妮·格林伯格：人工智能在概念/技術層面是否出了問題，以至于該技術離通用智能如此之在計算背景下研究這個問題的大多數努力都只有不到75年的歷史，這對于一門科學的發展學習新的舞蹈動作或完成任何有趣的人類活年內掌握所有這些技能可能并不現實。？我相信是這樣。我認為現階段的人工智能類似于煉金術時代，在那個時代，人們知 軟件架構師格雷迪·布赫(GradyBooch)進行過一場辯論，他持悲觀立場，認為生成式人工里。當的激勵措施，并在正確的方向上分配資金。態度和心態也必須改變。的人們過于自信。他們堅信自己已經發現了開發智能系統的唯一真正方法，并20西構成的，結果發現是DNA。奧斯瓦爾德·艾弗里(OswaldAvery)發現了這一點，該領域型語言模型是實現生成式人工智能的答案。我認為這是一種令人沮喪的分心--大型語言模型答案的一部分，但幾乎可以肯定它們不是答案的全部。因此，機器學習社區必須在某人工智能的進展將非常迅速。？馬庫斯：要警惕炒作--人工智能并不像許多人想象的那樣神奇。我不會說現在投資人工智能為時過早；對那些擁有聰明的創始團隊、對產品市場契合度有很好理解的公司進行投資很用這些系統是，這似乎是世界發展的方向。一些政府領導人和大型科技公司的負責人最近都提出道路上的一個重要開端。 括機器學習、自然語言處理、神經網絡和深度學習。為是"式人工智能是一種根據自然語言提示生成文本、圖像和其他內容的人工智能系統。機器學習(MachineLearning)是計算機科學的一個子領域。 ； 自然語言處理(NLP，NaturalLanguageProcessing)是人工智能的一個子領域。能夠理解文本和口語。于詞語的主題含義及其在句子中的上下文。谷歌翻譯是自然語言處理技術在現實世界中NeuralNetworks領域。神經網絡的每個神經元或節點大型語言模型(LLM，LargeLanguageModels)是一種機器學習模型，它在大量無標注模型實例。深度學習(DeepLearning)是指具有三層或更多層的神經網絡。深度學習與“經典”機器的不同之處在于其使用的數據類型和學習方法。機器學習算法利用結構化程度較高的標 能走過的幾十年：了圖靈測試(TuringTest)來測試機器表現出智能行為的能力。1960年代：對人工智能的熱情不斷高漲，資金不斷涌入該領域，最終開發出第一款人工智 解2015年1月，埃隆·馬斯克(ElonMusk)、斯蒂芬·霍金和史蒂夫·沃茲尼亞克等人在一封公nAIElonMuskSamAltman)等人創辦成立。o軍李世石。2016年2月，漢森機器人公司(HansonRobotics)首次推出了一款名為索菲亞(Sophia)x前是有史以來最大的語言模型。幾乎無法完成的語言任務。lforDialoqueApplicationsiLaMDA 業。以前是從未有過的。人工智能的出現對個人和職業生產力的影響是巨大的--如果計算機能夠生成高質量的內容，謝里丹：人們現在非常關注人工智能，因為消費者和企業的想象力已經趕上了這項技術。能嵌入大多數日常產品(如搜索算法和推薦引擎)已有一段時間。但是，生成式人工智能工樣，使其能夠非常迅速地擴展。這些都是“解鎖”的時刻。iPhone花了幾年時間才成為消TM布式架構。現有的企業內部系統和技術提供商反對從分布式計算轉向云計算，警行討論，他們對這項技術在內部部署后可能帶來的生產力優勢感到驚訝。而所有這一切不像一個炒作周期。謝里丹：在推出ChatGPT(OpenAI)和Bard(Alphabet)之后，消費互聯網公司現在正，一些解決方案將需要在現實世界中部署，以了解哪些方案可行、可擴展并獲得采用。從那時公司才可以占發達市場經濟體專業員工總數的三分之一。軟件公司正在準備產品，這些產品將在2024這些人群產生積極影響。能生成技術中獲得收益？操作系統層的二元應用分發機制。企業將擁有更大的定價權。開發方面已經支付了成本結構。計算提供了大規模部署人工智能所需的計算資源和基礎設施。因此，人工智能驅動的舉措可客戶都優化了支出，這可能會為2023年和2024年的超大規模企業創造積極的收入軌跡。利地位，因為它們已經花費了10年時間和數千億美元來建設們將利用大量已經到位的設施，在技術行業有史以來最大的投資周期之上增強人工可能是人工智能的基準線。：為生成式人工智能開發基礎模型的少數大型科技公司顯然處于有利地位。半導體公域的超大規模公司看起來也處于有利位置，可以在構建階段獲得收益。雷根：我們預計，人工智能軟件的總可尋址市場將達到1500億美元。基礎設施軟件公司也IT支出占資本支出和總收入的比例持續上升。式人工智能被置于現有的云架構之上，它需要能夠與云應用對話，這就成倍增加了交互；技術變革的歷史表明，通常只有少數有規模的贏家才能獲得操作系統層的絕大多(SaaS)公司會從云計算中成長起來，也沒有。至少比創新曲線落后50年。相比之下，人工智能監管曲線聯網數據收集、隱私和信息傳播等方面也處于落后狀態。這使得監管力量在此次事件中發揮作用。創新的同時就為這項技術設立防護欄。還有一種頗為憤世嫉俗的觀點認為，大型科技公司新。投資者風險是，人工智能生成技術變得如此普遍，以至于成為商品。如果家專門從事生成式人工智能研究，這限制了大型語言模型的學習速度。大型語言模型確術可能就不再有價值了。約瑟夫·布里格斯(JosephBriggs)發現，廣泛采用生成式人工智能有可能大幅提高全球生，這將大大節省時間和勞動力成本，導致生產力爆發，并加快經濟增長速度。盡管當前生智能對勞動力市場的影響式人工智能對經濟的最大影響可能來自其對勞動力市場的影響。為了評估這種影響的潛數據。數據包含了與每個職業相關的各種任務的重要性和難度的測量值，我們結合這些數據來算人工智能節省勞動力的自動化在總工作中所占的比例。具體來說，我們根據對生成式人每個職業的基本工作任務的重要性和復雜性進行加權平均，以估算人工智能可能取代的總作量份額。工作任務可能會被人工智能自動化，其中行政(46%)和法律(44%)職業的風險尤其高，而建筑(6%)和維修(4%)等體力密集型職業的風險較低。%的工 工智能提高生產率球生產率和國內生產總值。數工人所從事的職業會部分受到人工智能自動化的影響，在采用人工智能后，他能會將至少部分騰出的能力用于生產活動。這種動態在已經采用人工智能的企業中可以工人的生產力提升所產生的更高水平的總需求和勞動力需求。信專業人員等新職業的產生，并間接增加了醫療保健、教育和食品服務等服務行業的勞動力求。意味著過去80年中超過85%的就業增長可以用技術驅動的新職造來解釋。道如何共同提高美國的生產率增長，我們結合了對非流離失所工人的生產率、流離失所工人的勞動力成本節約以及流離失所工人在新崗位上再就業的構成效應的估提升與現有研究的估計一致。為說明起見，我們假定生成式人工智能對生產率的全面提升是在10年時間內實現的(但不一定是未來10年)，從很大一部分企業采用生成式人工智能上述假設，我們估計廣泛采用生成式人工智能可使美國的整體勞動生產率年增長率提高革性技術(如電動馬達和個人電腦)后的增長規模大致相同。智能對勞動生產率增長影響的大部分差異，我們估計對其他發達經濟體的生產率也有類似每年提高1個百分點以上(外匯加權平均值)，盡管這種影響在新興市場經濟體中可能會延。響巨大，但也有高度不確定性性，最終將取決于人工智能所能完成的任務的難度水平、自動化工作的數量以及應用的速度。我們對這些因素的不同假設表明，對美國年生產力增長的促進作用可能在0.3-3.0個百。，當國企業已經采用了該技術。多數公司開始將生成式人工智能納入日常工作流程之前，公司仍需要克服數據隱私等一 高盛股票策略師瑞安·哈蒙德(RyanHammond)和大衛·科斯汀(DavidKostin)認為，更多上漲空間。國生產力、收益和股票的潛在提振百分點。根據我們的股息貼現模型(DDM)中的這些假設，我們估計標準普爾500指數未設高出11%。1.我們的經濟學家估計，采用人工智能對生產力增長的影響每年從0.3個百分點到3.0個百點不等，這取決于采用的速度、人工智能的力量以及勞動力轉移的廣度。基于這一系列的產率情景，我們估計標準普爾的上行空間為DP他條件相同的情況下，利率只需在當前水平上調30個基4.標準普爾500指數的價格更明顯地與近期的周期性動態掛鉤，即使人工智能的應用可能 熱期望的危險大的人工智能受益公司目前的估值與2000年代一些最大的網絡泡沫繁榮受益公司(微軟、英特爾)的估值相似，盡管沒有最極端的例子那么高。互聯網繁榮時期的歷史先例表明了高多米尼克·威爾森(Dominic