AI行业调研报告专题合集（精选21份）
资料时间：2023年8月
精选报告来源公众：人工智能学派
1.2023年人工智能行业：AI大模型赋能千行百业
AI+办公是此次AIGC浪潮中的核心受益方向
AIGC即生成式人工智能，是一种面向文字、音视频、图像等内容自主创作场景的AI技术；基于自然语言处理大模型技术的文字创作工具ChatGPT快速成长为火爆全球的现象级应用，引爆了本轮AIGC浪潮。随后，基于对图像、视频、音频等进行处理的多模态大模型的应用也快速推广起来；AIGC可以直接提升现有各类型办公软件的产品力，从而推动办公软件的迭代升级。
微软推出Microsoft365Copilot订阅服务，用AIGC技术重塑办公体验
2023年3月16日，微软正式发布Microsoft365Copilot订阅服务，其背后技术支撑是Copilot引擎，使用了Microsoft365Apps、MicrosoftGraph和LargeLanguageModel三大核心基础技术；Microsoft365Apps是Word、Excel、PowerPoint、Outlook、Teams等一系列常见的微软办公软件；MicrosoftGraph是一个可以帮助访问在Microsoft365Apps上积累的用户业务数据的安全智能网关，这些数据来自于用户的文档、电子邮件、会议、聊天、日历等环节；大语言模型（LLM）是一个创造性的引擎，能够解析并产生人类可以阅读的文字，其使用了OpenAI的ChatGPT及最新发布的GPT4模型。
2.2023大模型伦理原则与实践白皮书
2022年，是人工智能发展历程中极具里程碑意义的一年。以ChatGPT为代表的生成式人工智能工具迅速火爆全球，成为人类迈向通用人工智能时代的历史性节点之一。
ChatGPT基于NLP基础模型（NLP即自然语言处理），体现出跨知识领域、跨语种、多模态为特征的海量知识挖掘、人机自然交流，能实现撰写代码、回答问题、书写论文、诗歌、剧本等指令，可以让AI生产力从重复性体力生产环节向认知和创造性生产环节延伸。上线仅两个月，ChatGPT活跃用户便突破1亿大关，一举成为人类科技史上消费者增长速度最快的应用程序。
3.2023大语言模型提示注入攻击安全风险分析报告
近期，基于Transformer的大语言模型（LargeLanguageModel，LLM）研究取得了一系列突破性进展，模型参数量已经突破千亿级别，并在人类语言相似文本生成方面有了卓越的表现。
目前已有多个商业化大模型发布，如OpenAI推出的GPT系列、Google推出的T5和PaLM，以及Meta推出的OPT等大语言模型等。特别是OpenAI推出ChatGPT，由于其强大的理解与生成能力，在短短2个月内突破了1亿用户量，成为史上用户增长速度最快的消费级应用程序。为了应对市场冲击，谷歌也推出了BARD聊天机器人，Meta则开源了LLaMA模型。国内各大企业、高校和研究机构也纷纷进入大模型领域，推出了一系列对话大模型，包括百度文心一言、360智脑、讯飞星火、商汤商量、阿里通义千问、智源悟道、复旦MOSS、清华ChatGLM等。
4.2023年AI和大模型行业下半年展望
语言大模型服从技术发展规律，为什么认为机会可能7月
大量公司开始正式投入，2023年1-2月：一般选择GPT（decoder-only）路线，开源大模型选择LLAMA或者BLOOM；第一批百模大战开始时间，4月：但这一批对话模型效果一般：普遍测试水平为GPT3左右，即，逻辑、情感、数学、归纳测试都无法通过，和小模型对话工具差异不大，让人没有付费意愿。
但是3.5后，生产力工具大发展，体验效果不同，付费意愿和定价出现！
指令微调时间：2个季度左右可以达到3.5水平。即1月开始，最早7月会有变化。
5.2023年AI系列报告：AI大模型加速落地，汽车智能化迅速发展
AI技术提升汽车智能化：汽车智能化主要体现在自动驾驶和智能座舱两方面，AI技术的发展持续提升汽车的智能化能力。据工信部等数据，22年L2级辅助驾驶渗透率34%，30年L3自动驾驶渗透率将达70%。AI是自动驾驶模块化系统和端到端系统的关键：主流的模块化自动驾驶系统可分为感知、决策和执行三层，AI算法是其中感知层和决策层的核心，而在端到端系统中，输入数据到输出控制仅通过一个AI大模型实现。AI大模型技术的发展，让自动驾驶技术可以通过提升感知能力来去除对高精地图的依赖。
多种AI大模型将应用在智能汽车：AI大模型在智能汽车的应用，需满足海量数据、模型、强大算力的三重要求，BEV、认知、NLP语言等AI大模型技术有望助推汽车智能化登上新高度。NLP大模型实现人车的更友好交互，推动座舱智能化进程；CV大模型助力数据标注、仿真和感知等；多模态AI大模型为城市场景辅助驾驶乃至高等级自动驾驶的规模量产拉开帷幕，同时也有望用于智能座舱中的人机交互，融合语音、视觉、手势等多种交互方式，满足用户在不同场景下的不同使用习惯。
AI大模型带来感知层、决策层和人车交互的变化：在自动驾驶感知层，大模型推动传感硬件的复杂度和精度提升，也有望降低自动驾驶传感器硬件成本，加速自动驾驶普及。在自动驾驶决策层，AI认知大模型上线，基于学习的决策规划算法走向主流。在人车交互领域，通用型NLP模型以车载语音助手或集成化车机操作系统的形式搭载在智能座舱，主要功能包括对话式交互、逻辑推理、策略规划和知识问答。
6.2023年ChatGPT浪潮下看中国大语言模型产业发展
ChatGPT的横空出世拉开了大语言模型产业和生成式AI产业蓬勃发展的序幕。艾瑞将撰写AIGC系列报告，包括此篇《ChatGPT浪潮下，看中国大语言模型产业发展》、《AIGC系列-中国生成式AI基础层行业研究报告》、《AIGC系列-中国生成式AI应用层行业研究报告》等，为市场描绘AIGC产业全景与辨析产业发展价值与空间。
此篇专题将着重分析“OpenAIChatGPT的成功之路”、“中国类ChatGPT产业发展趋势ChatGPT应用场景与生态建设”、“ChatGPT浪潮下的危’与机’”四个问题。聚焦国内市场，辨析中国自研通用基础大语言模型的重要意义、分析中国大语言模型产业参与角色分化路径及原因、杭理呈现中国大语言模型产业受益链图谱。大模型(以大语言模型为主，包含多模态模型等)产业的蓬勃发展将改变数字产业生态，助力AI工业化进程、变革海量应用交互方式、创造数字产业新的增长空间。
ChatGPT及大语言模型丰富价值的背后，也隐藏着社会对其及生成式AI技术(AIGC与通用人工智能(AGI)的疑虑，可信、数据与隐私安全、滥用风险、伦理等层出不穷的问题需要规范与解决。但“未来已来”，国家、企业到个体都需立足长远，迎接AIGC与AGI时代的到来。
7.2023年大语言模型提示注入攻击安全风险分析报告
大语言模型正在各个应用领域引起巨大的变革，并已经在搜索、金融、办公、安全、教育、游戏、电商、社交媒体等领域迅速普及和应用。例如微软将GPT4应用于必应搜索引擎和Office办公软件，而谷歌把PaLM2等模型应用在Workspace办公套件、Android以及Bard聊天机器人。
此外，大模型系统近期也被相继爆出多个安全漏洞。例如，ChatGPT的Redis客户端开源库的一个错误，导致1.2%的ChatGPT付费用户个人信息泄露，包括聊天记录、姓名、电子邮箱和支付地址等敏感信息。随后，OpenAI网站又被爆出Web缓存欺骗漏洞，攻击者可以接管他人的账户，查看账户聊天记录并访问账单信息，而被攻击者察觉不到。360AI安全实验室近期还发现大模型软件2LangChain存在任意代码执行的严重漏洞。
总体而言，目前大语言模型面临的风险类型包括提示注入攻击、对抗攻击、后门攻击、数据污染、软件漏洞、隐私滥用等]，这些风险可能导致生成不良有害内容、泄露隐私数据、任意代码执行等危害。在这些安全威胁中，恶意用户利用有害提示覆盖大语言模型的原始指令实现的提示注入攻击，具有极高的危害性，最近也被OWASP列为大语言模型十大安全威胁之首。
8.2023年计算机行业：紧抓算力、大模型、应用迭代周期，把握AI带来信息产业革命
OpenAI推动GPT模型快速迭代，ChatGPT成为标志。随着ChatGPT引爆全球科技行业，关于AI大模型的突破成为关键焦点。第一阶段GPT-1到GPT-3主要以参数扩张为主：基于Transformer模型，通过学习大量未标记的文本数据，逐步结合无监督预训练的技术，开始具备少样本及零样本学习的能力；模型参数也从1.2亿，提升至15.8亿，最终达到GPT-3的1750亿。第二阶段为模型增强阶段：InstructGPT引入了人类反馈强化学习方案（RLHF），鼓励模型输出与人类偏好一致的结果，随后ChatGPT面向公众，产生更多的有效标注数据；GPT-4则实现了多模态模型，可以接受文本和图像形式的输入，其真实性和有效性方面取得了有史以来最佳成果。
GPT-4再进化，能力进一步提升。OpenAI经过6个月的对抗测试，以及结合ChatGPT的经验对GPT-4持续调整，在真实性和可控性取得了历来最好结果。GPT-4处理文本量达到25000字左右，约等于ChatGPT的八倍，也能接受图像输入。根据实验结果，GPT-4在各种专业测试和学术基准上表现与人类水平相当。与GPT-3.5相比，当任务复杂性达到一定阈值后，GPT-4比3.5具有更好的表现，其能够处理更细微的指令。GPT-4目前的整体表现优于现有的大型语言模型。
媒体爆料GPT-4模型细节，参数体量再扩大。OpenAI并没有披露GPT-4模型的细节，近期媒体semianalysis发布文章《GPT-4Architecture,Infrastructure,TrainingDataset,Costs,Vision,MoE》介绍了GPT-4的模型细节。文章表示，GPT-4在120层中总共包含了1.8万亿参数，是GPT-3的10倍以上；GPT-4采用混合专家（MoE）模型，共有16个专家，每个专家的MLP参数约为1110亿；GPT-4的训练使用了大约25,000个A100芯片，一次的训练的成本为6300万美元。从GPT-4模型比GPT3.5更好的效果表现来看，无论是参数体量、模型优化都有进一步的提升。性能的持续提升，为AI应用的进一步打下基础，同时也大规模拉动了算力的需求。
9.2023年人工智能AI不只有大模型，自动驾驶或为其最全面的表达
小马智行：致力于打造适应各种车辆类型及场景的“虚拟司机”
小马智行于2016年底在美国硅谷成立，至今已走过约六年半的历程。尽管公司最初成立于硅谷，但在诞生之初便迅速进军中国市场，至今已在北京、上海、广州以及深圳等地设立了研发及运营基地，全球员工总数超过一千人。从硅谷到中国，公司认定中国是自动驾驶企业的最佳本土市场。
小马智行的核心目标在于通过AI技术打造的“虚拟司机”。虚拟司机可比喻为经验丰富的人类司机，具备驾驶各种车辆类型和适应多种驾驶场景的能力，如城市、高速公路，以及封闭场所。
商业模式中，小马智行扮演着多重角色，包括同时解决供应端和需求端的问题。供应端方面，小马智行的战略是与车企（OEM，OriginalEquipmentManufacturer）深度合作，共同量产具有商业化资质和能力的无安全员Robotaxi，并将其投入到网约车平台运营。
从需求端看，乘客可通过打开应用（如滴滴、曹操、T3等平台）预约网约车，而公司将赚取虚拟司机这部分的收入。目前，客户支付的费用一部分给应用平台，一部分给司机，还有一部分给车辆保有公司负责车辆的维护。
10.2023年人工智能AI大模型商业模式对比
国内外大型科技公司都纷纷利用自身在数据、算法、算力等方面的优势，构建自己的NLP、CV、多模态系列大模型平台，并已有较多成功的商业落地应用。
从大模型功能测试方面来看，各家大厂在自身“老本行”的领域发挥最为出色。国产大模型对中文语料的处理较海外模型更加完善和准确，但国产大模型起步较晚，当前语言模型训练尚不充分，在语义理解、逻辑思维、连续对话以及代码能力上不及海外模型成熟。
从大模型参数量看，相比于国外知名大模型，国内科技大厂的参数规模也存在优势。在性能方面，GPT综合表现最优，文心更擅长中文文本识别与生成。
从大模型生态布局方面看，各家企业在大模型领域探索路径各有特色。互联网大厂依托自身领域优势，逐步将模型并入自身已有的产品矩阵中。我们预期，那些已经有较为成熟的可应用场景的企业，更容易在模型落地后迅速铺开占领市场。
11.2023年人工智能AI大时代系列报告之一（基础篇）：大模型与算力共振，奇点时刻到来
大模型涌现，ChatGPT开启AI未来时刻。人工智能是引领未来的新兴战略性技术，自19世纪50年代诞生以来，相关理论和技术持续演进，近十余年得益于深度学习算法的突破、算力设备性能不断提升与海量数据的持续积累，人工智能得以大范围地从实验室研究走向产业实践。2017年Transformer架构推出，创新提出注意力机制，有效提升了自然语言处理任务的精度和质量，计算效率和资源利用率亦明显改善，成为了当前自然语言领域的主流模型架构。2022年11月，美国初创企业OpenAI推出ChatGPT聊天机器人，发布后访问量爆发式增长，发布5天用户数突破100万，2个月过亿，用户增速创历史新高。ChatGPT展示的连续对话、上下文理解、敢于质疑、用户意图思考捕捉的能力，让产业看到了人工智能的非凡力量，国内外厂商纷纷加入AI大模型军备竞赛，大模型参数规模与计算需求呈量级提升，同时积极探索大模型商业化落地应用，AI奇点时刻正加速来临。
算力需求指数级增长，英伟达打造AI时代引擎。算力芯片包括GPU、FPGA、ASIC、TPU等。从1950年至今大模型参数与算力需求均呈现指数级增长，应用领域逐步从学术拓展至产业，全球企业持续增加对AI的投资，人工智能芯片搭载率有望持续增长，算力正成为新的生产力。目前GPU是AI算力的主要选择，中国人工智能芯片市场GPU占比接近90%，其并行计算能力可大幅提升计算效率，可大幅缩短AI算法的训练和推理时间，成为AI时代的算力核心。据JPR统计，2023年一季度英伟达GPU市占率达84%，是GPU市场的主导者。英伟达1999年首次提出GPU概念，2006年推出CUDA运算平台，2023年5月发布超级计算机DGXGH200，其算力规模达到1Eflops，支持万亿参数AI大模型训练，为巨型人工智能模型提供线性可扩展性。英伟达基于其GPU与CUDA等生态体系的构建，已成为AI算力关键供应商。
12.2023年通用人工智能大模型工业领域知识问答性能评估
人工智能大模型作为实现通用人工智能的重要途径，正在对互联网的关键技术、架构体系、产业发展、应用模式产生变革性影响。近期，在工业和信息化部科技司的指导下，中国工业互联网研究院依托通用人工智能与工业融合创新中心(筹备组，简称“中心”)，深入研究人工智能大模型在工业领域的应用性能、技术架构、标准体系。
本报告聚焦评测人工智能大模型在中文工业领域的知识问答能力，通过选取工业领域典型的八大行业，构建知识测试集，对国内外具有代表性的若干大模型进行评测，选取性能前六名的模型进行公布，并发布前十名的数据，供业界进行参考。
13.2023年我国人工智能大模型发展动态
国内大模型研发应用领域热潮持续高涨。据不完全统计，目前国内至少有19家企业及科研院所涉足人工智能大模型训练，主要分为大型科技公司、科研院校和初创科技团队三类。从大模型的布局体系来看，百度、阿里、华为等大型科技公司从算力层、平台层、模型层、应用层进行了四位一体的全面布局，科研院校及初创科技公司主要以研发大模型算法及细分领域应用为主；从大模型参数量看，大型科技公司的参数量远大于科研院所，但基本都处于千亿及以上规模；从大模型应用方向看，大部分企业前期以内部应用为主，后续主要向B端企业拓展服务，预计少数企业将在C端市场形成规模。
总体来说，业界普遍认为国内大模型与GPT-3的水平相当，与GPT-4仍有较大差距。
14.2023年医疗AI产业链深度研究：AI大模型+医疗龙头公司
医疗AI平台整体框架：迈入大模型时代，多模态AI通用化成为未来趋势
医疗人工智能平台包括数据资源层、人工智能平台和医疗应用层。开源框架和算法占有重要地位，如选择工程化能力较强的TensorFlow或在图像方面表现良好的Caffe等开源框架，选择在图像识别方面常用的卷积神经网络（CNN），循环神经网络（RNN）算法模型等。
GPT开启多模态通用AI大模型时代，NLP、CV、科学计算多模态大模型AI通用时代来临。
AI大模型将在医疗信息化、互联网医疗、医卫和医保信息化等领域产生生产力变革性推动
AI大模型+插件模式推进AI应用领域进入全新发展阶段。OpenAI大模型推出插件可以对接下游应用程序，为开发者提供接入平台，极大助力了AI大模型下游应用的落地。OpenAI与微软Azure合作助力ChatGPT、GPT-3.5、GPT-4对接企业，提供toB服务，推动了AI应用端发展浪潮。
GPT-4已实现医疗领域商用合作。微软旗下NuanceCommunications发布与OpenAI的GPT-4集成的支持语音的医疗病历生成应用程序DAX（DragonAmbienteXperience）。GPT-4对于事实的阐述精度对比GPT-3.5高出40%，在医学知识自测评论考试表现更优秀，支持多模态输入，预测会对医疗信息化、互联网医疗、公卫、医保信息化细分领域产生效率的变革性推动。
百度文心一言前期有很多互联网医疗、医疗信息化、创新药械、医保等接入进行内测和工具开发，预计随着百度千帆的企业服务大模型发布，将会进一步推动医疗AI的发展。
15.2023年中科创达-AI大模型链接智能终端，三大业务齐增长
全球领先的智能操作系统产品和技术全栈提供商。成立于2008年，从操作系统服务商起家，产品边界不断扩张，形成“手机+汽车+物联网”三大主营业务。通过并购Rightware等公司，公司在智能驾驶领域布局趋于完善，已具备基于芯片底层的全栈操作系统技术能力。
连接智能终端产业链上下游，形成难以复制的卡位和生态优势。操作系统向上兼容应用软件，提供多样化内容服务，向下适配硬件系统、发挥芯片等硬件的最佳效能，起到承上启下的关键作用。中科创达依托操作系统核心能力，不断拓展与产业链中领先的芯片、操作系统、云厂商等长期紧密合作，产业地位不可替代。
启动SmarttoIntelligent战略转型，发布魔方Rubik大模型。公司坚定投入自研大模型，加速AI大模型与业务场景的融合，产品类型覆盖了智能产品从底层软硬件开发到终端应用的整个生命周期。
16.2023年AI+应用系列：AI+金融-大模型引爆金融科技革命
AI+金融并非单纯的技术累加，而是针对不同业务场景需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程，以及推动金融业务高质量发展的一系列配套解决方案。
Al+金融更侧重于为传统行业的模式创新和流程再造提供新的思路和方法，促进新经济形态的演进，从而催生新的商业模式，提高运营效率，带来整个产业的全面升级。AI应用场景涵盖前中后台中的市场营销、产品设计、风险管控、客户服务、运营支持等。
智能营销是利用机器学习、深度学习相关算法构建模型，通过汇集客户在消费、社交、交易等方面的大数据，深度分析客户的真实需求和偏好，并进一步形成更具针对性、个性化的营销解决方案。
17.2023年AI+应用系列：从Llama 2看开源大模型产业机会
Meta 正式发布 Llama 2，大模型产业“安卓时刻”开启。7 月 19 日，Meta 在其 官网发布 Llama 2，这是 Llama 系列模型的最新版本，也是 Meta 首个免费商业大 模型。据机器之心及 Meta 公布的测评结果可以看出，Llama 2 在推理、编码、精 通性和知识测试等多个外部基准测试中均优于其它开源语言模型（包括 MPT、 Falcon、Llama 1 等），并在某些维度上性能接近 GPT-3.5。Llama 2 的开源意味着 AI 大模型的“能力下限”被大幅提高，大模型产业迎来“安卓时刻”。
相较Llama1，Llama2在各维度能力均显著升级。据Meta官网显示，在模型训练上，Llama2的训练数据量为2TTokens，是Llama1的1.4倍。在模型规模上，Llama2最大参数量达700亿，Llama1为650亿。在模型能力上，Llama2上下文长度达4096，是Llama1的两倍。同时，在MMLU、GSMK、AGIEval等各模型基准评测结果上，Llama2均明显优于Llama1大模型。
18.2023年AI大模型应用于汽车智能驾驶梳理
智能驾驶系统按工程落地可分为两类：
1）模块化：将整个系统划分为环境感知、决策规划、控制执行，车辆将传感器采集到的信息进行感知处理，再将感知结果输入至决策规划层进行分析决策并生成控制命令，最终将控制命令下达至各执行器完成加速、转向、刹车等操作；
2）端到端（end-to-end）：车辆将传感器采集到的信息通过深度学习神经网络直接输出驾驶命令（可实现输入图像等感知信息到输出方向盘转角等控制量、输入感知信息到输出车模的状态量如速度和坐标等）。当前，端到端仅应用于感知系统；全面端到端智能驾驶系统需要大量数据支持，具备精简人工复杂升级+泛化性高+硬件成本小等优势，是智能驾驶的终极实现方案。
19.2023年大模型对企业数智化升级与业务经营的影响与应对
技术局限尚需突破方能释放更大价值
知识更新与自主学习能力，目前大语言模型仍然为静态数据驱动的学习范式，无法实现新知识的快速学习与选代，尤其是涉及到时效数据与专有数据的场景下存在障碍，OpenAl正在通过Piugins生态来突破这一局限。
垂直领域泛化能力，通用任务的卓越能力已经显现，但是进入垂直细分领域与知识体系下，大模型的性能与泛化能力仍然需要增强，行业大模型训练是当前挑战的破局之道之一。
长期记忆能力，目前正在通过增大上下文容量、数据向量化，以及Alagent等多种方式探索突破。
巨大的模型训练与推理算力等成本拉低效益比
训练与微调成本，该训练成本仅针对企业应用基础模型结合行业知识与数据集进行训练与微调的成本，并非基础大模型训练成本，与上述“垂直领域泛化能力”相对应，该成本仍然为行业知识壁垒显茗的企业必须承担的成本，开源基础模型在一定程度上可以降低这一阶段的训练成本。
推理成本，大模型在参数体量巨大的情况下，仍然存在较高的推理成本，这方面可以通过模型压缩与剪枝等技术的发展进一步障低。
模型能力与业务场景的适应成本，这部分成本虽然由于人机交互方式的变化显著降低，但是前期仍然需要考虑提示工程在特定场景的磨合成本。
20.2023年人工智能AI大模型时代：智能设计的机遇和挑战
加速创意迭代#行业实践
设计博主CodexCommunity运用人工智能内容生成(AIGC)工具推进鞋类网页设计的创意选代。该博主采用chatGPT编写创意方案，并将该创意方案作为文字提示输入到Midjourney中，进而获得多样化的鞋类设计网页，快速完成创意设计。
加速工作流推进#解决方案
Kaedim平台支持由图片引导的快速和高清化3D模型生成。该功能使设计师能够更加迅速地将创意转化为3模型，从而进行实时的视觉评估与改进。这种工作流显著提升了设计的迭代速度，能帮助设计师更快地实现设计目标。
21.2023年中国市场大模型落地进展与趋势洞察
大模型：参数量超过10亿、具备泛化能力的模型，可以被称为大模型。
企业用户是从应用视角出发，分成生成类应用、决策类应用和多模态应用。受限于模型能力、应用效果等因素，当前阶段以生成类应用为主。
集团企业重点是大模型能力建设，一般企业/部门重点是应用场景探索。大模型能力建设分成三个层面：基础设施建设、大模型训练和大模型应用，当前以基础设施建设和大模型训练为主。
SFT试错成本低，成为多数企业的选择。未来随着基础/通用模型成熟和算力持续降低，模型预训练成为主流方式。
当前以小模型为主，模型级联是未来主要应用方向。分成三种形式，现阶段以（1）和（2）为主：
1）小模型为主，大模型提升小模型的开发效率；
2）大模型与小模型级联，小模型连接应用，大模型增强小模型能力；
3）大模型与小模型融合。
（本“人工智能学派”已获上百家出品方授权。本文仅供参考，不代表我们的任何立场。如需使用相关信息，请参阅报告原文，内容版权归原撰写/出品方所有。）
受篇幅限制，仅列举部分内容。
精选内容来源公众：人工智能学派，获取完整PDF电子版