作者：李家伦

AI是什么？

人工智能(AI)是通过训练把资料输入电脑找出规则建立模型再作推论去预测未来:

1.拿模型去作决策叫决策式AI用于投资理财，自动驾驶。

2.利用模型产生新的内容叫生成式AI，用于聊天，咨询。

AI的基本工作原理在数学上其实并不复杂, 其核心过程是将输入数据分解为更小的部分, 将这些部分通过加权, 和组合的方式处理, 最终生成一个输出结果。尽管这一过程涉及大量的数学运算, 但这些运算, 本质上是简单的重复计算并不包含最前沿或复杂的数学理论。

AI 人工智能崛起

2017年 Deepmind 的Alpha Go 阿尔法狗打败李世石与柯洁后名噪一时, 阿尔法狗团队表示，他们使用一个非常简单的程序，算法和机器学习，与人工智能相去甚远。 

直到2022年底 Open AI偷偷秘密训练ChatGPT , 并在2023年初向全球公布ChatGPT 4.0。它能做什么呢，例如：

1. 你问问题GPT 4.0不但告诉你答案并且教你方法所以可以直接给你干掉家教。

2.  第二个PC端, 直接读取你所有的工作页面, 分析你的工作然后帮助你完成工作直接干掉办公室文员。

3. 实时翻译可以多国语言交流, 直接干掉翻译员。

4. 单看照片就能找出地方的位置, 精确到经纬, 直接干掉刑侦人员。

5. GPT 4.0 能实时感受到你的情绪变化，马上安慰妳，直接干掉你的男朋友, 你的闺蜜，你的兄弟。

在同一年， OpenAI发布Sora一个人工智能模型，可以根据文本指令创建逼真和富有想象力的视频。对大众来说，这个APP可以让我们自己制作视频，把自己放到全世界任何城市旅游，自创空间环境等。但对AI 教母李飞飞：Sora 仍是二维图像只有三维空间智能才能实现AGI。

不久前, 一间10个华人的公司Cognition AI（3个创始人）通过LLG和机器学习推出全自主AI软件工程师“Devin”可以执行自主编程并更正错误。这个APP 一出，惊动整个IT界。因为这代表以后不需要软件工程师帮我们编写程序，我们只需要告诉Devin要做什么，Devin就会自动编写程序把软件做好。所以以后用电脑通过AI会很方便很简单。

人工智能的工作原理是输入数据。

如果说AI的尽头是数据，那么数据的尽头就是人。

今年19岁的Alexander Wang和21岁的 Lucy Guo（他们是大学同学）成立了Scale AI公司。Scale Al就是帮各大公司处理数据的。Scale AI 有超过200万名任务执行者大多数都是在肯尼亚、菲律宾和委内瑞拉这些国家把全世界众多数据筛查处理后为谷歌，Meta等科技巨头提供有用的数据训练自己的AI系统。

AI, 为什么现在受追捧？

第四波科技浪潮

1. Mainframe 大型电脑主机年代

2 .PC 个人电脑网机网络年代 + internet (text)互联网

3 .Mobile Phone 行动电话+ 互联网 + 4G/5G (声音和图像) + 数据中心 (云)

4 .Robot机器人 + 互联网 + 5G/卫星 + AI人工智能 + 数据库

互联网 <–> IoT物联网 <–> 云 <–> 数据中心 <–> AI人工智能 

过去50年的电脑硬件科技和数字化发展历程, 造就了今天AI人工智能崛起。

中美人工智能的差距现在有多大

数据的对比

算力的对比

算法的对比

图1 AI专利             Source : World Intellectual Property Organization

人工智能国际竞争是中美领先的双头格局(见图1) 但是自从ChatGPT问世,我们就落后因为硬件的算力被美国卡脖子了。中国通用人工智能大模型 (AGI) 发展和美国比短期不乐观 (希望技术上有突破) ：一是训练成本过高， 二是担心砸钱研发的速度还赶不上别人开源的速度，GPT这样的通用大模型建造成本非常高， AI芯片从一万美金一片炒到6万美金一片，同时需要用最新一代的存储器HBM。一片AI芯片加4-8块HBM 的AI模块成本就要10多万美金。

一间数据中心运行 GPT 大模型需要1-2万模块起  (硬件20-30亿美金）。

末来每个企业都有自己的私有数据运行在 GPT , 但并非每个企业都能负担得起去训练打造自己的私有大模型, 因为成本太贵。即使租赁也会很贵。例如， 一个 ChatGPT 大型语言模型训练要用上万个处理器, 租用 一次一个月要花1千万美金。

今天的AI如GPT需要更多数据和法则去训练， 不然的话它会一本正经地胡说八道。

采用全球数据去训练LLM通用大模型的AI, 美国AGI进度效果会比我们中国自己单一国家数据好。通用人工智能就是一个模型做所有应用就像人的大脑，但基于今天的进展10年内人工大脑智能做不到。

当今人工智能是一种资料分析技术和统计方法依照不同应用用不同数学和算法去统计才会精准。所以我们应向国内大众或生产方面的专业数据进行训练特别在应用模型发挥我们的优势。

机器人

图2  人形机器人                              Source : www.lifearchitect.al/humanoids

2023年，人形机器人市场 (见图2) 规模为18亿美元，预计到2028年将达到138亿美元，2023年至2028年的复合年增长率为50.2%。

2024年 1 月，埃隆·马斯克表示，他预计到 2040年代将有超过10 亿个人形机器人投入运行。

工业机器人在工厂一大堆，把五官放进去, 最后放进智慧才真正转变成人工智能机器人。

GPT 已经进化出人类五官的三个了, 5年左右它的智商可以达到人类天才级的智商水平, 连上成千上万机器人 - 超级打工仔 - 到时候人类社会就会开始变天。

- 力气又大

- 脾气又好

- 爱学习

- 不顶嘴

- 不休假

- 不涨薪

- 不跳槽

人工智能机器人是未来10年发展方向但目前AGI是不成熟和成本太贵。

人工智能驱动的新时代，人形机器人正逐渐从科幻小说变成现实，带领我们进入一个人类和机器共存的新世界。

在这股技术进步的浪潮中，从波士顿动力公司（Boston Dynamics）的阿特拉斯（Atlas）到特斯拉（Tesla）的“擎天柱”(Optimus)，再到迅速崛起的中国人形机器人，都向我们展示了技术的无限可能性。

这些有着类似人类外形和智能大脑的机器人正在逐渐融入我们的生活，无论是在工业生产、商业服务还是家务活中，它们都将无处不在，成为我们工作和生活中不可或缺的伙伴，对人形机器人的需求将远远超过对汽车的需求。

每个人都将会拥有一个具有人工智能的机器人，具有强大感知能力和决策能力。我们会看到机器人运用于医疗保健、酒店、物流、零售、仓储、生产制造和其他行业。

马斯克看好人形机器人, 声称人形机器人将在3年内获得重大突破, 末来将变得和汽车一样普及,机器人的数量是电动汽车的几十倍。机器人普及程度比汽车高, 成本比汽车低, 量产成本大约在两万到三万美元之间 (中国人形机器人已出台低至9万人民币) 。

之前美国波士顿动力机器人的动作都是用油压系统推动。去年开始改变用电动系统并特别举办展览展示新型电动机器人的灵活度和活动性。可能因为中国在电动车, 自动驾驶和无人机 (Drone) 的技术方面全球领先和拥有完整机器人供应链可快速制造出新型机器人。所以展览后3个月，中国机器人公司就能制造出一模一样的电动机器人。

汽车 电动汽车 混合动力电动汽车

中国汽车生产量

- 2025年     3千万辆

- 2030年     8千万辆

- 2035年     1亿辆

- 2040年     4亿辆

中国去年销售2千4百万辆汽车 (电动车约4百万）

每辆电动车每天用电量约65度电, 2千4百万辆电动车每天在路上跑需要200亿x度电 = 全国人民一天的用电量

换句话说中国路上的车全变成电动车，中国的电力要求翻一番。 如果中国汽车增量到2040年4亿辆等于15年增长13倍，相应电力增长可观。

中国制定电动车电压标准在600V以上, 很多已达800V甚至1000V以上。600V 以上硅芯片性能不稳定需要改用SiC 碳化硅。新芯片材料的改变对电力有关的IGBT (包括发电，存储，变压等) 生产制程通过采用新的银浆或银膜材料加强芯片和基板的链接(银烧结工序)。(见图3)

图3 银烧结工序                      Source : AMX of Italy

中国在SiC wafer制造方面没有技术问题，没有被卡脖子。所以中国在电力发展没有任何阻碍。

人工智能 (AI) = 能源消耗

图4 电力消耗                                                  Source : Visual Capitalist

Al大模型的爆发，碳中和的指标，让科技行业对于电力资源的需求呈现指数级增长。因为AI消耗大量电力, 一间国际跨国公司一年用电量可以媲美一个中等国家全年用电量。(见图4) 现在全世界大的科技公司都在加快抢占清洁能源。

Amazon亚马逊, Facebook和Google谷歌三家最为积极 ，清洁能源的投资包括风能和太阳能。苹果也宣布要加快清洁能源的投资力度。

AI对数据存储与计算资源的需求庞大，这就需要建设更多的数据中心，并提供相关基础设施的配套支持，比如电力系统。

如果不对现有的电力设施（核能、风力、太阳能和水力）进行重构 (见图5), 我们就无法提供足够能源去支持人工智能的发展。

图5 电力来源             Source : Energy Institute

能源发电的选择

今天中美在能源方面60%以上是靠煤和石油发电。因为碳中和，今后能源不会再靠石化燃料发电。但还能靠什么？水力风力发电存在很多限制，核能需要大量水源（看日本核电站事故）所以只能在中国沿海地区 （内陆是江/湖，水不能污染）。现在中国沿岸已有20多幢核电站还可以建多少？太阳能和其他新能源是唯一希望，按产能比例我们可见将来太阳能和新能源发电站量将会是倍数的增加。

中国光伏装机容量已超过300吉瓦，是全球光伏装机容量最大的国家。

中国风电装机容量已超过350吉瓦，是全球风电装机容量最大的国家。
中国的特高压输电技术世界领先，建成了世界上最大的特高压输电网络。

中国的智能电网也是世界领先，通过智能调度、分布式能源管理、微电网、需求侧管理等，可更好去应对数据中心的高峰负荷需求。

中国的储能技术同样处于世界领先，中国拥有全球最大的电池生产能力，具备大规模制造和供应链整合的优势。

半导体

预计到2028年，半导体市场将从2023年的912亿美元增至1498亿美元，2023年至2028年的复合年增长率为10.4%。由电动汽车、5G和人工智能驱动。(见图6)

图6 半导体市场                Source : Yole Intelligence

IDC预测，随着库存减少和市场复苏，2024年全球半导体销售额将增长20%，达到6,302亿美元。

存储市场增长率高达                        52.5%

其次是数据中心，增长率为              45.4%

通信市场将增长                               13.5%

IOT物联网市场增长                          6.8%

汽车电子增长                                   6.5%。

2025年将继续增长，额外增加14.4%。

科技一直在变化不管是网络, 5G, 电动车,人工智能, 机器人等。 半导体其实也一直不断往前推进。芯片在7nm以下摩尔定律已不在有效所以从经济角度大家都想通过先进封装技术去减低成本同时能达到技术上要求的效果。

因为AI推动高端芯片和存储器的需求, 异质集成与芯片堆叠 2.5D 和3D 的先进封装。CoWoS 是一种2.5D、3D 的封装技术就是把芯片堆叠起来再封装于基板上, 最终形成 2.5D、3D 的形态同时还减少功耗和成本。2.5D 主要应用于拼接逻辑运算芯片和高带宽内存，3D 封装则是垂直堆叠芯片的技术主要面向高效能逻辑芯片。

短期中国在高端芯片（2-3 nano) 和HBM (3代以上）制造还是没有好办法，要时间去克服。半导体除了受不同制程影响也受不同新材料影响、如3D的TSV、TCV、TGV分别是硅通孔、陶瓷通孔和玻璃通孔。玻璃要比硅更容易做薄以及实现轻量化。目前提出的第三代TGV技术已经可以在一平方厘米差不多开出一百万个孔。

芯片有70多种半导体封装形式如LGA, TSOP, QFN, BGA, COB, CLCC, Flip Chip, SiP, Chiplet等等。(见图7) Memory有SRAM, DRAM, FLASH, NOR, Flash, Nand Flash, HBM。IC有 CPU, GPU, NPU, TPU, OPU, CPU等等。半导体产品升级迭代非常快，种类数量又多要全懂不容易。但对SMT来说只需要了解产品大小，贴装精度，贴片链接要求，至于其他技术性要求如堆叠，压力控制，视觉反光都能解决方便组装。(见图8)

图7 先进封装  Source : Yole Intelligence

图8 先进贴片机    Source : Fuji Corporation of Japan

SMT

中国SMT市场是从2000年后开始快速发展。2010年之前每年中国贴片机进口金额在10-15亿美元(美国最高峰时SMT市场也没有那么大，所以当时已有很多人在想中囯SMT市场是不是已被炒作）。2010年至2020年平均每年进口升至20亿美元，期间每年大家都在想什么时候会回落。2020年开始疫情，因为全世界工厂大部分不能全面开工生产并且常常因为疫情要停产，所以国外订单都搬到中国因为中国管控疫情效果最佳。2021年贴片机进口金额是有史以来最高约30亿美元。

如果我们看中囯SMT进口金额图 (见图9)，5年上升周期在2018完成。2019年应该开始下降周期但因为疫情2020升2021升上历史高位2022只是回落到2018年水平，大家都把周期性忘了，还在想为什么现在市场不好。

图9 中国海关贴片机进口数据   Source : First Technology China Limited

其实2000年后SMT市场高速增长的原因是因为中囯入世贸WTO，全世界倡议全球化生产。中国的低成本和亚洲市场把外资都吸引到中国。

80年代中国电子业以家电，消费电子如室内无线电话和玩具等为主。90年代台湾SMT企业搬來大陆带动电脑和IT产品生产。2000年外资EMS加快加大投资中国生产多类型的电器产品供应全球。之后就是手机，从Motorola, Ericsson 到Nokia，Samsung, 和苹果再到华为和其他中囯手机品牌推动中国SMT市场规模到最高峰。同时汽车电子和LED显示屏加速市场增量。

回顾中国SMT市场的成长是因为全球化令产品生产外移去低成本，高效率，接近市场的地点-中国。今天因为政治原因全球2个供应链，同时中国成本上升，中囯SMT市场不可能继续增长。回落是必然，只是厂家们应该怎样应付。老套路-生产外移为了长期性降低成本和获得产品全球市场份额。

中国电子行业的企业在这20-30年的奋斗建立了不单是SMT生产技术还有非常长和完整电子元器件供应链。所以SMT企业在外移的同时可向外提供中囯元器件和材料。加上品牌，产品设计，生产工艺可以在一定程度上掌控SMT行业发展。

换句话说，中国SMT企业需要考虑像当年国外资EMS企业在中国不单是SMT制造但提供附加值服务去贏得订单。电子制造商调整为以服务为导向, 作为服务行业，公司必须到客户需要他们的地方去。能够快速分配紧急订单的生产能力，并能够成为全球供应链中的全面参与者。

不只做来料加工但承担备材料供材料。垂直整合或合作或收购加大自己终合性力量。也可以考虑毗邻产业如半导体的参与。

结束语

中国错失了头三次工业革命的发展机会但过去几十年中国已追上现代化工业并且中美差不远。

至于今次中国能否抓住机会赢得第四次工业革命主宰世界经济决定人类未来。带领这次工业革命的新科技可能就是新材料、生物科技/基因工程、或人工智能。

至于人工智能，不能一味去追随大算力、大模型，大数据这些热点。我们通过大模型来赋能制造业或各个具体的领域来实现人工智能的应用去实现一个差异化的发展道路。中国有更好的制造业基础，在AI与产业融合上有巨大优势；得益于庞大市场规模和广阔应用场景，中国企业有快速的执行力，以推进AI技术应用落地和商业化。

当然AGI成熟的话，在科研方面会突飞猛进。5年超越一般人类智慧、再过3年时间可达Einstein 爱因斯坦智商。到时候谁抓住AGI谁领导科技, 得AI得天下。

所以我们不能只顾效率、商业价值去发展智能应用、也要靠政府、学院、 大企业的研发去创造出AGI。

末来人工智能(AI) 达到AGI通用智能水平并允许继续进化, 到时候我们可能无法理解, 无法控制人工智能机器人。人工智能机器人(AGI 加 Robot) 就像一个小孩生出来, 聪明100倍, 强大1000倍, 我们需要怎样教育它成人, 将会是一门大课题。

到人工智能机器人普级化时候, 如果你做一份工作为了爱好，你可以去做。除此之外，AI和机器人将提供任何你需要的物品和服务。之后人类做的任何工作只会作为备胎。

一位财经界人士说过新科技会令今后人类过着数字化生活, 中国将会用数字化人民币加电（能源）来打败美囯的美元加石油经济。所以不但从科技上看，互联网，5G通讯，机器人，人工智能, Metaverse, 太空探索都离不开新能源, 连财经界人士也看到新科技和新能源的重要性。他们估计中囯今后30年投资在新能源新科技会达1万万亿也就是中囯30年房地产市值450万亿的20倍！这也是我对金钱 (金融）感兴趣的人现在也投身在高新科技领域的原因所在。