技术扩散能力在国家技术力量中非常重要，特别是在AI的背景下。有研究显示，与美国分散且更利于扩散的生态系统相比，中国的扩散能力远远落后于创新能力——比后者排名低近30位。目前，中国正在计划提高扩散能力，重要方式是对AI教育进行大规模投资，以培养中端、以工业为重点的AI劳动力。 美国最近在大型语言模型（LLM）和扩散模型方面取得了源源不断的突破。这些成功推动了美国风险投资对专注于科技和服务行业的生成式AI初创公司的激增，如HarveyAI、Jasper和Runway。美国的这种乐观情绪与中国相对较慢的AI创业公司形成了鲜明对比。例如，有分析称备受关注的阿里巴巴支持的初创公司零一万物(01.AI)的语言模型在很大程度上是基于Meta的开源LLaMA基金会模型。 然而，中国在生成式AI领域的迟缓，可以解释为政府将工业应用置于服务业和传统知识工作应用之上的战略优先地位。特别是，政府希望通过工业部门的AI投资来对抗工业生产力增长的下降，以期摆脱中等收入陷阱。 为此，政府已要求教育部在国内的工业部门推广尖端的机器学习技术。因此，中国各大学开设了2300多个AI本科生项目，其中大多数是专注于工业应用的应用AI项目。教育部的AI高等教育包括两个目标：①旨在降低传统工业企业采用AI的障碍；②庞大的中端AI劳动力将如何在经济中扩散AI。 AI在工业企业中的商业模式 教育部对应用AI高等教育项目的空前投资在于政府认识到大多数专注于工业的AI公司面临的一个根本问题：构建特定行业的AI解决方案需要耗费大量时间和资金，通常无法通过横向商业模式实现。这个问题很普遍，因为除了回收等利基行业（AMP Robotics等成功的西方初创公司已经出现）之外，大多数工业部门都有特定于公司的数据基础设施。制造公司通常在称为制造执行系统（MES）和监控与数据采集（SCADA）的软件系统上运行。这些系统往往结合了内部工具和SAP或西门子等传统供应商构建的软件服务的混乱组合。 因此，为了构建一个可以实际部署的AI模型，这些不同的系统必须首先通过跨系统的数据通道进行统一。这项工作的大部分都是定制的，涉及在传统的、断开连接的系统之间构建强大的数据通道的繁琐过程，这些系统通常来自具有不同数据模式的不同提供商。只有完成了这项艰巨的工作，计算机视觉模型才能开始训练和部署。即使在这些复杂的数据通道建成后，对AI系统进行工业流程培训也会带来自身的挑战： 鉴于工业企业使用的产品和流程众多，每个模型都必须在公司或产品线的特定系统上进行培训。换言之，大规模、全行业的多样性限制了工业AI解决方案的可扩展性。 此外，每当一家公司改变流程或转向新产品时，该公司不仅必须建立新的制造流程，还必须重新培训其计算机视觉模型——如果这是一个没有大量现有培训数据的新产品或流程，这通常是一项艰巨的任务。因此，如果没有一个稳健的数据集来调整新过程的机器学习算法，制造商往往被迫手动测试和生成体能训练数据，直到模型变得足够可靠。 在工业AI领域，由于需要不断更新、客户规模有限以及高昂的前期成本，软件即服务（SaaS）公司利润丰厚的经济效益不再适用。李开复的AI产业初创公司创新奇智(AInnovation)，为中钢国际和建筑巨头中铁四号等工业企业开发AI系统。随着创新奇智扩大其客户群，它被迫增加软件支出，部署更多专有的低利润硬件，导致毛利率从2018年的62.9%暴跌至2020年的29.1%。 由于工业部门的AI不能通过一刀切的横向解决方案来采用，该行业需要一大批新的中级AI人才——比一般的数据分析师更熟练，但比ML工程师和研究人员成本更低。中国的AI教育战略旨在填补这一应用AI人才的利基市场，以便每家工业公司都可以聘请内部团队来构建自己的机器学习基础设施。 这项投资的成果已经开始显现。例如，CATL等公司正在电池制造质量控制过程中大规模部署计算机视觉。当然，考虑到电池的同质化和商品化性质，政府战略能否将其AI努力扩大到这一相对较低的成果之外，还有待观察。 AI的教育扩散 除了促进现有AI技术与工业部门的融合外，AI高等教育政策还寻求建立所需的受过中等教育的劳动力队伍，以将新兴的AI突破传播到全国其他地区。随着许多新的应用AI项目位于农村和工业地区，新一波AI项目旨在将AI的好处传播到全国各地，而不是将其限制在北京和深圳等以服务为重点的沿海科技中心。 同时，通过关注这一中级AI人才，中国将以成本效益培训那些愿意建设其工业企业所需数据基础设施的工人，同时也了解前沿的相关突破。这一点可以通过创建应用AI程序来实现，这些程序省略了复杂的AI概念的教学，而是专注于数据模型和最基本的机器学习概念——事实证明，这种方法具有很强的可扩展性。 这种方法不同于美国大学的AI教育。美国本科生AI课程很少让学生参与并学习构建数据通道和清理数据集的混乱但关键的技能，而是专注于深度学习和transformer等更具理论性的主题。教授这些主题可能会带来更前沿的研究突破，但在培养一支能够将这些突破扩散到整个经济中的传统行业的劳动力方面并不那么有效。 相比之下，长春吉林大学的一名毕业生——教育部在那里启动了一个新的应用AI项目——将精通为建筑和制造公司构建有效的数据通道，同时也熟悉卷积神经网络（CNN）等基本的机器学习概念。由于这些学生主要学习如何构建AI系统的基础设施，大学并不依赖罕见的顶级AI教授，这使得应用AI项目更容易扩大规模。 中国有大量具备ML基础知识的毕业生，不一定需要在AI突破方面领先。随着清华等大学或者像OpenAI这样的西方实验室涌现出新技术，国内训练有素的劳动力可以在整个经济中快速学习和利用这些新兴技术。例如，尽管工作人员可能主要花时间构建数据整理流程和通道，但他们仍然会对ML技术感到足够舒适，从而学习如何使用CLIP或其他图像处理突破，即使他们最初只熟悉CNN等基本技术。这种领域专业化、AI快速追随者的队伍在ML领域尤其有效，在ML领域，知识可以通过开源论文轻松获取。 需要指出的是，对AI工业应用的关注与国家的发展愿景一致，即中国要实现类似德国的高端制造业模式，而不是更以服务业为导向的美国经济模式。事实上，今年两会提出的最新AI提案——包括备受关注的AI+倡议——就是旨在将“AI技术的进步转化为实体经济中的有形生产力”。 查看详细>>

如今，芯片制造需要复杂、昂贵且污染严重的工艺。它需要关键的变革，从建筑设计到可持续材料和端到端制造，以满足对半导体日益增长的需求。为了实现这一目标，该行业正在采用最新技术来提高效率并满足环境要求。 从最近这些年的发展情况来看，2024年全球半导体业将呈现以下发展趋势。 1.物联网 物联网设备满足某些要求，例如更小的尺寸、多样化的连接技术和更低的功耗。为了满足这些要求，半导体制造商将重点放在传感器和集成电路开发上。这就是为什么初创公司正在开发具有更多电路的灵活多功能芯片组的原因。它们还将微控制器和分析功能结合到物联网中，以将计算转移到源头，从而降低设备的脆弱性。 2.人工智能 人工智能（AI）解决方案的快速崛起迫使芯片行业开发人工智能就绪的硬件。半导体公司还将人工智能集成到制造工作流程中，以优化运营并提高产品质量。这就是为什么初创公司提供运行神经网络的基于硬件的加速技术。这些高级处理器可处理深度学习工作负载，并可跨行业查找应用程序。 3.先进材料 除了减小结构尺寸外，半导体初创公司还通过利用新型材料来追求「超越摩尔」的创新。它们包括碳化硅（SiC）和氮化镓（GaN），它们具有更宽的带隙。这带来了几个优点，例如耐高压性、更高的工作温度、更快的开关速度和更小的外形尺寸。 4.新颖的架构 由于对更快处理速度的激烈竞争，芯片行业正在利用新颖的架构。初创公司构建非易失性存储芯片，集成异构3D设计，并使用纳米技术开发新型处理器架构。 5.先进封装 电子封装技术会显著影响芯片功耗、性能和成本。先进的封装解决方案使制造商能够将多个组件合并到一个具有更好信号连接的电子设备中。 6.5G网络 5G的硬件要求是确保其市场渗透率和性能的关键方面。因此，初创公司正在开发技术驱动的解决方案，以实现室内和室外网络的低延迟连接和可靠性。这些面向5G的产品包括专用网络、毫米波芯片组和信号放大器等。 7.内部芯片设计 半导体公司正在过渡到内部芯片设计，以更好地控制其产品路线图和供应链。具有灵活架构和重复使用组件的定制芯片也使生产商能够缩短开发时间。内部芯片设计将行业从通用通用处理器转变为更定制的硬件。 8.制造技术 芯片几何形状的持续小型化需要精确和注重细节的制造技术。它还带来了挑战，例如形成精细图案并将它们放置在纳米级的芯片上。为减少电路中的布线延迟而实施的金属增加了额外的复杂性。 9.汽车芯片 具有自动驾驶能力的现代汽车已经改变了对汽车半导体的需求模式。这些车辆需要更好的电子解决方案，以改善连接性、增强传感器、电池性能等。因此，对支持实时和复杂分析的专用HPC芯片的需求不断增长。 10.可持续制造 为了保持人们对半导体日益增长的兴趣，同时满足生态要求，制造商正在仔细审查整个供应链的排放。由于制造工具、化学品、原材料和广泛的亚晶圆厂设施，芯片制造会产生大量排放。因此，芯片制造商正在转向沼气和绿色氢气等替代燃料，以确保可持续运营。 半导体行业十大趋势的影响 下面的树状图说明了2024年十大半导体趋势和创新的影响。初创公司和规模化企业正在开发专用集成电路（ASIC），以适应物联网、人工智能和5G。它们带来了经济价值并增强了制造能力。此外，汽车芯片提供高质量的传感器，以确保安全的驾驶体验。此外，企业正在向内部设计过渡，以实现个性化芯片设计。新颖的架构通过多组件集成和直接到芯片接口来扩展容量，从而确保更好的性能。可持续制造的努力使半导体企业能够在快速创新和生态考虑之间取得平衡。 半导体行业正在整合数字工具、制造技术以及材料和设计的新颖性。此外，越来越多的公司正在整合内部芯片生产，以解决芯片短缺问题。这将推动创新，使其易于扩展和部署的制造单元。未来的创新还将使个性化芯片更容易获得，同时使芯片生产更加高效，更重要的是，具有可持续性。 查看详细>>

在我看来，苹果公司（NASDAQ：AAPL）经历了一段艰难的时期。近几个月来，这家iPhone制造商遭受了打击，部分原因是这家iPhone巨头在华的智能手机销量同比下降24%。该公司旗舰产品之一的需求趋于稳定。 在欧洲其他地方，该公司正面临对其应用商店的监管行动，迫使该公司开放其技术产品以直接下载应用程序，从而允许消费者和应用程序提供商绕过应用程序商店，并导致高达30%的收入削减苹果从应用商店销售中获取收入。这扰乱了苹果最赚钱的部门之一。 然而，苹果公司在其一生中经历过多次“成败”关头，而且每次都取得了胜利。我相信这一次也不会有什么不同，这将创造一个强大的买入机会。 在我看来，这家科技巨头可能会进入一个超级周期，因为他们预计将先进的人工智能集成到他们的产品阵容中。我相信，这种整合实际上将帮助该公司应对美国和欧洲的新监管推动，并有助于应对iPhone在中国的销售问题。 通过与谷歌和百度等主要法学硕士制造商的合作等技术，以及对iOS 18重大升级的预期，苹果将自己定位为加速市场份额并促进增长。这些进步可能会让苹果看到一个更大的升级周期，类似于“超级周期”。 与任何论文一样，它并不是一目了然的。该公司面临美国司法部的反垄断挑战以及欧盟的监管行动。尽管如此，我仍然看好。我认为该公司仍然是智能手机行业的强大市场领导者，并且我预计他们在未来将继续保持领先地位。我认为该股仍然值得买入。 从历史上看，苹果的行动都是沉默的。我的意思是，他们似乎并没有吹嘘自己早期的技术进步。考虑到人工智能行业的快节奏和影响力，让投资者了解任何可能的进步至关重要。Chat-GPT的发布唤醒了科技行业的玩家；每个人都在竞相成为人工智能领域的领军人物。考虑到苹果在iPhone和电脑市场的强势地位，他们没有公开参与这场竞争令人怀疑。不过，这也与苹果首席执行官蒂姆·库克在上次电话会议中所说的一致： 如果你愿意的话，我们的行事方式一直是先做工作，然后再谈论工作，而不是在自己面前出丑。-2024财年第一季度电话会议。 2011年，苹果在iPhone 4S中推出了Siri，创造了一个“超级周期”，显着提高了销量和消费者兴趣。这是苹果首次将人工智能集成到iPhone中。 自2011年以来，Siri通过语音识别为用户提供帮助，充当虚拟助手。用户友好的界面和功能得到了消费者的广泛采用，从而推动了iPhone在发布初期的销售。除了Siri之外，苹果还进一步努力发展其人工智能服务，自2017年初以来，他们已经收购了21家人工智能初创公司，这比许多竞争对手都多。 然而，苹果目前的处境至关重要。竞争激烈的中国市场已经发生了变化：2024年初，研究显示，苹果在中国大陆的iPhone销量比去年同期减少了24%。这种下降是收入下降趋势的一部分，到2024财年第二季度末，中国的收入下降幅度可能更大。这种下降的原因可能是中国消费者认为苹果的人工智能产品不及竞争对手。苹果在华市场最大的竞争对手之一华为的销售额增长了64%。这些本地公司提供先进的人工智能功能、有竞争力的价格以及针对当地偏好的服务。 从本质上讲，苹果需要创新。我认为他们对人工智能的推动将会做到这一点。 在苹果2月份发布的2024财年第一季度报告中，投资者的注意力集中在他们的产品阵容中人工智能（“AI”）的整合上。苹果最近发布的iOS 17包含由人工智能技术驱动的新功能。其中一些功能包括个人语音和实时语音邮件，以及救生应用程序，例如Apple Watch上的跌倒检测、碰撞检测和心电图监测。 截至本财报，苹果强调其目前活跃设备数量超过22亿台，拥有坚实的扩张基础。在我看来，由于人工智能的催化剂（以及人工智能将带来引起消费者兴趣的新功能这一事实），这些设备中的大多数最终都可以升级。我在估值部分更多地谈论了我对升级周期的期望，但我认为即使活跃设备基础的一小部分升级，对苹果收益的好处也可能是巨大的。 顺便说一句，从长远来看，苹果目前在全球智能手机市场的定位并不处于困境。事实上，苹果在2023年全球智能手机市场份额（按品牌）上名列前茅。他们的销量甚至超过了主要竞争对手三星。我认为这是进行潜在超级循环升级的绝佳场所。 如上所述，人工智能在苹果设备中的集成和进步是该公司的核心关注点，其中之一就是iPhone。 此类技术有潜力通过无缝语音识别、预测文本输入、智能任务自动化和上下文感知建议等功能使iPhone成为更加智能和主动的助手。苹果自己的人工智能模型Ajax可以改进Siri等已经实现的技术，使其更具对话性和上下文感知能力，类似于ChatGPT。其他潜在的人工智能功能可能包括Pages和Keynote等核心应用程序中的自动总结和自动完成。报道显示，苹果还在开发新版本的Xcode和其他内置人工智能代码补全的开发工具，这将提高iPhone上第三方应用程序的质量。 聊天机器人的进步、个性化的应用程序体验和改进的硬件性能都是由深度学习算法提供支持的。该技术旨在实现更直观和个性化的服务，根据个人喜好和行为量身定制。然而，我认为这对苹果来说很关键。 这些新的人工智能模型预计将在6月份的全球开发者大会(WWDC)上发布。为了保持与技术竞争对手的竞争力，苹果部署Ajax等新人工智能模型的时间表据称与即将推出的iPhone迭代的发布保持一致。此活动通常是苹果发布即将推出的操作系统和软件升级的时候。 iPhone并不是唯一集成先进人工智能的设备，Mac可能也是。苹果在将人工智能集成到Mac设备方面已经取得了重大进展。搭载M3芯片的新款13英寸和15英寸MacBook Air目前被评为“全球最佳AI消费笔记本电脑”，而这还是在苹果对专用AI硬件进行任何更改之前。M3芯片采用业界领先的3纳米技术构建，拥有更快、更高效的16核神经引擎，以及具有加速器的CPU和GPU，可改善设备上的机器学习。这使得MacBook Air成为出色的人工智能平台，提供节能的性能和便携性。 其他公司已经开始将先进的人工智能技术集成到他们的设备中，例如微软在Windows中的人工智能计划。微软最近为Windows 11 PC推出了新的Copilot键。按下此键后，将调用Windows中的Copilot体验，从而使Copilot能够无缝地参与日常任务。苹果使用带有人工智能特定密钥的类似框架可以让他们构建类似的机制。 人工智能技术的整合对苹果的未来做出了重大贡献，但他们也可能为销售自己的人工智能技术提供了机会。苹果多年来一直在开发自己的生成式人工智能。预计苹果将推出一款新的软件开发工具，该工具将使用生成式人工智能来帮助实现编码工作的自动化。 苹果是全球科技行业的领军人物之一，但竞争激烈的在华市场所面临的挑战以及美国和欧洲最近的监管行动表明了格局正在发生变化。尽管遇到这些挫折，我相信苹果对创新的承诺，特别是通过将合作伙伴的人工智能集成到其产品系列中，将很快扭转这些困境。结合外部LLM的发展以及围绕iOS 18计划升级的暗示表明，苹果的目标不仅是保持市场份额，还要重新定义用户体验。我相信该公司前面有一个良好的发展轨迹。 查看详细>>

中国的出口数据显示变压器这种不算高技术的产品出口猛增，其中对美国的出口暴涨了128%，考虑到当下火热的美国AI行业，业界普遍认为这是因为美国AI行业对电力的需求猛增所致。 变压器这种产品虽然不算高技术产品，但是在全球的电力网络已相当完善的情况下，许多国家都已不再生产，而中国制造由于拥有完善的产业链、庞大的市场以及成本优势，中国就成为全球最大的变压器生产国。 中国是一个非常重视基础设施建设的国家，通信网络、电力网络、高速公路、高铁等全都居于全球第一，特别是通信网络和电力网络的完善在全球都非常罕见，偏僻的农村都实现完善的覆盖，可以看出中国对基础设施建设的重视程度。 中国完善的产业链也让中国有迅速扩充产能的能力，就如2020年的公共卫生事件，全球对口罩的需求激增，仅有中国有能力短时间内增产口罩、呼吸机、制氧机等产品，其中口罩产能中国仅用一个月时间就从日产2000万增加至1亿以上，随后几个月进一步增产到8亿只，凸显出中国制造的产能扩张能力。 变压器这种产品也是如此，全球诸多国家的制造业都难以与中国竞争，而且这种产品因为欧美早已建成完善的电网系统，对变压器的需求早已减少，这都导致海外市场的变压器生产能力大幅下降，而形成由中国主导全球变压器生产的局面。 美国的供电网络本来已足以应付美国的工业和民用需求，但是AI的大发展却导致美国对电力的需求突然猛增，并且预计接下来几年对电力的需求都将继续增长，如此就促使美国突然大举进口变压器这种产品，而中国正是唯一能满足美国需求的国家。 此前美国媒体指出仅是openAI的ChatGPT由于客户需求大幅增长，促使它不断采购NVIDIA的AI芯片，而NVIDIA的AI芯片耗电量了巨大，据称ChatGPT目前每天的耗电量就相当于1.7万个家庭的耗电量，可见AI大模型对电力的需求有多大。 由于ChatGPT的兴起，美国诸多企业正在大举采购NVIDIA的AI芯片，导致NVIDIA的AI芯片供不应求，业界预期接下来几年美国的AI企业还将采购更多的AI芯片，由此促使美国的供电企业加紧采购变压器，从中国进口的变压器由此猛增1.28倍，由于美国的采购量太大，据称中国的变压器厂商的生产已排到数个月之后。 对于美国突然增长的需求，中国并没有如美国那样动辄就卡脖子，而是在全力满足，只不过在如此急单需求之下，中国企业由于成本的上涨必然提价，可以为中国企业带来更多的利润，这是中国制造的意外之喜。对比之下，美国在AI芯片方面卡中国脖子，中国则在大举以国产AI芯片替代，让NVIDIA损失了不少收入。 对此美国知名富豪马斯克就曾预言美国目前短缺AI芯片，而接下来可能会出现电力短缺，如今可谓印证了他的预测；NVIDIA的创始人兼CEO黄仁勋也指出AI大发展的最大障碍将能源，如果按目前的势头，消耗10多个地球的能源也难以满足AI的需求，他期待其他新能源的兴起能满足AI的需求，而在新能源方面，中国在风能、太阳能、核能等方面都居于全球领先地位，这将让美国思考在芯片供应方面是否要妥协一下，以在新能源方面与中古合作。 查看详细>>