“它仍然是一種工具，其作用是促進各行各業(yè)的發(fā)展，而不是完全顛覆它們?！?/p>

文｜《中國企業(yè)家》記者 趙東山

編輯｜姚赟

頭圖來源｜中企圖庫

12月13日～15日，由《中國企業(yè)家》雜志社主辦的“2024（第二十二屆）中國企業(yè)領袖年會”在北京舉行。在12月14日下午的“未來對話”論壇環(huán)節(jié)，云帳房首席運營官&事業(yè)群總裁王倩作為主理人，與北京智源人工智能研究院院長王仲遠，無問芯穹聯(lián)合創(chuàng)始人、CEO夏立雪以及光源資本創(chuàng)始人、CEO鄭烜樂，中科聞歌董事長王磊，圍繞AI在算力、大模型、B端應用等熱門話題進行了探討。

以下為論壇核心觀點：

1.當前行業(yè)對大模型的態(tài)度變得更加冷靜、客觀和健康，更多從ROI角度評估AI的價值。從算力方的角度來看，企業(yè)逐漸從預訓練大模型轉向關注推理場景和工具產(chǎn)品化，以及如何將AI技術與行業(yè)深度結合。

2.大語言模型并不能等同于AI，也不是一個能夠直接解決企業(yè)數(shù)字化需求的萬能“神器”。人們對未來AGI（通用人工智能）的實現(xiàn)路徑，即是否通過大數(shù)據(jù)、大算力和大參數(shù)模型來解決，持有疑問，認知變得更加理性和清晰。

3.創(chuàng)業(yè)者和投資界面臨的挑戰(zhàn)是如何將AI技術應用于實際的客戶問題中產(chǎn)生價值，并形成規(guī)模化的商業(yè)效應。對于創(chuàng)業(yè)者來說，如何在共識中利用AI技術解決客戶的核心需求，是一個巨大的考驗。

4.大模型和小模型之間并不沖突，反而是相互促進的。大模型的發(fā)展有助于探索能力上限，而小模型則在實際場景中發(fā)揮作用。大模型的發(fā)展過程中，其參數(shù)和數(shù)據(jù)規(guī)模不斷增大，算力需求也隨之增加，這有助于了解大模型能夠達到的效果和程度。

5.AI和數(shù)據(jù)是密不可分的，行業(yè)AI落地需要做的三大工程：一是數(shù)據(jù)工程，即理解客戶數(shù)據(jù)場景；二是模型工程，即模型與行業(yè)的結合；三是決策需求問題，即通過AI算法解決行業(yè)決策問題。

6.AI將給傳統(tǒng)產(chǎn)業(yè)帶來三大變化：產(chǎn)品服務一體化，產(chǎn)業(yè)價值鏈縮短重構以及產(chǎn)研一體、場景驅動。這些變化將使得企業(yè)能夠更直接地面向終端用戶，提供集成產(chǎn)品和服務，以及通過AI優(yōu)化工作流程和產(chǎn)品迭代。

7.AI是一種智力基礎設施，它將在所有需要智力的領域發(fā)揮作用，并對各行各業(yè)產(chǎn)生影響。盡管AI具有革命性的潛力，但在很多情況下，它仍然是一種工具，其作用是促進各行各業(yè)的發(fā)展，而不是完全顛覆它們。

以下為論壇的對話整理（有刪減）：

新變化

王倩：您覺得今年和去年相比，AI行業(yè)發(fā)生了什么樣的變化？

鄭烜樂：光源資本是立足國內放眼全球的產(chǎn)業(yè)投行，我們主要的工作是幫助中國創(chuàng)新創(chuàng)業(yè)企業(yè)去做融資并購，同時我們還設有創(chuàng)新基金及產(chǎn)業(yè)孵化業(yè)務。過去兩年我們?yōu)楹芏嘀袊腁I企業(yè)進行了全方位的投行服務。

觀察從2022年下半年到2023年全年這個階段，第一，在全球的AI共識快速形成，國內AI領域的投資熱度也快速上升的過程中，國內涌現(xiàn)了很多大模型、具身智能、算力生態(tài)的創(chuàng)業(yè)企業(yè)。及至今年，資本市場更加關注AI與產(chǎn)業(yè)的結合以及AI與應用場景的結合，評估AI在不同行業(yè)和場景中的作用和價值，并關注其未來1～3年的落地情況。

第二，與去年相比，今年AI行業(yè)的資本投入有所增加，市場對AI技術的認知和接受度也在提高，包括模型、算力、Infra、機器人及產(chǎn)業(yè)應用仍是愿意投入的領域。盡管市場熱度依舊，但由于中國一級市場資金供給不足，尚未達到泡沫狀態(tài)，大家在共識中尋找能快速跑出產(chǎn)業(yè)驗證的領域或項目。光源資本將重點關注大模型的產(chǎn)業(yè)應用和落地、算力生態(tài)的發(fā)展以及具身智能在中國的機會。

第三，我們認為具身智能將出現(xiàn)一個“大于電動車級別”的機會。首先，我國在具身智能領域具有硬件優(yōu)勢，其次是場景豐富，軟件不落后，最后數(shù)據(jù)層面也與其他國家處于同一起跑線。中國的大市場和完整的產(chǎn)業(yè)鏈將有助于產(chǎn)生更多場景和數(shù)據(jù)，從而推動模型、算力的發(fā)展，形成良好的閉環(huán)。

王倩：從模型的探索或科研的角度來看，這兩年有什么變化嗎？

云帳房首席運營官&事業(yè)群總裁王倩

王仲遠：去年發(fā)布的GPT-4與ChatGPT-3.5相比，在理解能力和邏輯推理能力有了大幅提升。國際上不少專家對于通過大模型技術路線實現(xiàn)通用人工智能（AGI）持樂觀態(tài)度。然而，今年可以看到預訓練大模型的能力提升遇到了瓶頸，主要原因是可用的文本數(shù)據(jù)基本耗盡，且算力尚未進一步得到大幅提升。

盡管存在瓶頸，國際上仍在探索幾個突破方向，包括合成數(shù)據(jù)、推理（如o1）和Agent等。與此同時，國內可以利用國際大模型性能提升速度放緩的機會，更快地接近國際上的先進水平。去年國內廠商因與全球先進模型的差距感到焦慮，紛紛投入大模型訓練，形成了所謂的“百模大戰(zhàn)”。今年，中國的頂尖模型正在快速接近GPT-4的能力。

國內從事基礎模型的企業(yè)數(shù)量正在減少，預示著模型訓練達到一定階段后，應用開發(fā)將成為核心的下一步。由于模型提升速度放緩，國內企業(yè)將更專注于應用開發(fā)，不會被基礎模型能力的提升所顛覆，預計明年將出現(xiàn)應用的爆發(fā)。

王倩：夏總，無問芯穹一直致力于提供AGI算力解決方案，您覺得這兩年的變化有什么？

夏立雪：無問芯穹專注于為大模型及其使用者提供算力應用支持，作為模型與應用企業(yè)背后的支撐方，這兩年里我們看到許多企業(yè)經(jīng)歷了從焦慮中尋求改變到嘗試快速應用AI的一個變化。大模型技術突破帶來了較高的想象力空間，企業(yè)希望快速將其應用到現(xiàn)有產(chǎn)品技術中。

但技術商業(yè)化不是一蹴而就的，大模型在實際應用中面臨許多挑戰(zhàn)，比如打磨用戶痛點、市場分析判斷等，只有實踐才能獲得這些經(jīng)驗。比如將大模型放到更多場景中反復嘗試后，開發(fā)者才會獲得許多寶貴的反饋，才能促進模型的快速迭代。

當前行業(yè)對大模型的態(tài)度變得更加冷靜、客觀和健康，更多從ROI角度評估AI的價值。從算力方的角度來看，企業(yè)逐漸從預訓練大模型轉向關注推理場景和工具產(chǎn)品化，以及如何將AI技術與行業(yè)深度結合。

無問芯穹聯(lián)合創(chuàng)始人、CEO夏立雪

王倩：王磊總，中科聞歌作為to B領域的AI應用，從您的角度看到了這兩年AI的哪些變化？

王磊：中科聞歌成立于2017年，是中國科學院自動化所孵化企業(yè)，我們應該是國內相關創(chuàng)業(yè)公司里為數(shù)不多經(jīng)歷過AI發(fā)展三階段的企業(yè)?；仡櫲斯ぶ悄艿陌l(fā)展歷程，可以將其分為三個階段：AI 1.0經(jīng)典人工智能，AI 2.0專用人工智能，以及當前的AI 3.0大模型驅動的生成式機器學習和人工智能。

在過去的一年到一年半時間里，無論是投資界還是創(chuàng)業(yè)者，對AI特別是大語言模型的認知越來越清晰。大語言模型并不能等同于AI，也不是一個能夠直接解決企業(yè)數(shù)字化需求的萬能“神器”。人們對未來AGI（通用人工智能）的實現(xiàn)路徑，即是否通過大數(shù)據(jù)、大算力和大參數(shù)模型來解決，持有疑問，認知變得更加理性和清晰。

市場和用戶對大模型如ChatGPT的認知越來越清晰，從最初神話般的無所不能到認識到它只是一個工具，需要解決復雜的業(yè)務場景下的智能化提升。未來一年左右將是生成式AI的冷卻期和冷靜期，真正的價值體現(xiàn)可能還需要2～3年。

當下，創(chuàng)業(yè)者和投資界面臨的挑戰(zhàn)是如何將AI技術應用于實際的客戶問題中產(chǎn)生價值，并形成規(guī)?；纳虡I(yè)效應。盡管所有的基金都投給了做基礎模型的公司，但這種趨同的特點非常明確，對于創(chuàng)業(yè)者來說，如何利用AI技術解決客戶的核心需求，是一個巨大的考驗。

AI的商業(yè)化落地需要結合數(shù)據(jù)工程、模型工程和行業(yè)決策需求，這三者必須統(tǒng)一起來，才有可能創(chuàng)造出價值。中科聞歌的定位是做行業(yè)的決策智能服務商，目的是通過AI算法解決行業(yè)的決策問題，提升決策效率，追求企業(yè)效益的最大化。從技術追求到市場價值體現(xiàn)，再到商業(yè)價值的核心關注和落地，是AI和AI創(chuàng)業(yè)企業(yè)發(fā)展的必經(jīng)之路。

需求和價值驅動

王倩：to B領域中，我們要講究產(chǎn)出ROI，所以從投入到產(chǎn)出我們怎么去平衡這個ROI，大家對這一方向的創(chuàng)業(yè)者有什么建議？尤其過去可能用了一些決策性AI，再到生成AI變革過程中的B端企業(yè)。

王磊：創(chuàng)業(yè)界在談論AI時往往強調技術驅動，但市場接受的是需求驅動和價值驅動，客戶關注的是技術進步能否解決他們的復雜需求。軟件業(yè)的發(fā)展經(jīng)歷了從信息化到數(shù)據(jù)化再到智能化的發(fā)展，核心驅動始終是業(yè)務問題的解決。AI的核心思考不應僅追求技術指標，而應關注客戶側的開放、復雜場景問題，包括決策、預測和推理等問題。當前大模型還解決不了基于時間序列的決策性場景推演，這是AI技術需要突破的方向。

中科聞歌董事長王磊

AI和數(shù)據(jù)是密不可分的，行業(yè)AI落地需要做的三大工程：一是數(shù)據(jù)工程，即理解客戶數(shù)據(jù)場景；二是模型工程，即模型與行業(yè)的結合；三是決策需求問題，即通過AI算法解決行業(yè)決策問題。

現(xiàn)有的基礎大模型往往理解不了行業(yè)問題，因為它們的數(shù)據(jù)基于公開的互聯(lián)網(wǎng)，缺乏深度的行業(yè)數(shù)據(jù)訓練。中科聞歌定位于做行業(yè)的決策智能服務商，目的是通過AI算法解決行業(yè)決策問題的分解，推理和推演，提升決策效率，追求企業(yè)效益最大化。

數(shù)據(jù)、模型和決策問題三者必須統(tǒng)一起來，才有可能創(chuàng)造出價值。否則，無論to B還是to C的大模型企業(yè)，在市場化考驗時都會遇到難以突破的難題。

王倩：有沒有已經(jīng)被發(fā)現(xiàn)或者正在探索的具體場景？

王磊：盡管AI大模型與行業(yè)的結合尚未出現(xiàn)爆發(fā)式的場景數(shù)量，但過去數(shù)據(jù)驅動的場景中已經(jīng)形成一些商業(yè)模式，并且這些模式仍在延續(xù)。AI的第一步應該是與數(shù)據(jù)場景結合，以增強效率和能力。未來通過AI技術的發(fā)展有可能被重塑的行業(yè)，可能需要2～3年時間才能看到。

以醫(yī)療場景為例，大語言模型目前無法做到有邏輯地預診病人狀況，但如果經(jīng)過醫(yī)生知識的萃取和問診場景的知識工程，大模型可以掌握方法，從而大幅減少醫(yī)生預診的工作量。未來大模型有可能在某些路徑上取代醫(yī)生和醫(yī)療工作，但這需要大模型能夠掌握和應用專業(yè)知識。

大模型，還是小模型

王倩：行業(yè)里曾有大小模型之爭，王院長如何看待這個問題。

王仲遠：大模型和小模型之間并不沖突，反而是相互促進的。大模型的發(fā)展有助于探索能力上限，而小模型則在實際場景中發(fā)揮作用。大模型的發(fā)展過程中，其參數(shù)和數(shù)據(jù)規(guī)模不斷增大，算力需求也隨之增加，這有助于了解大模型能夠達到的效果和程度。

從更長的時間周期來看，大小模型是相對的。過去被認為是大模型的參數(shù)規(guī)模，隨著時間推移，可能會變成小模型。在產(chǎn)業(yè)落地時，企業(yè)更關心的是投資回報率（ROI）而非通用人工智能（AGI）。小模型因其輕量化技術，更有利于推廣和落地。

北京智源人工智能研究院院長王仲遠

模型的部署環(huán)境對其實用性有很大影響。能夠部署在手機或PC上的模型在推廣普及上比云端部署的模型更有優(yōu)勢。以具身智能為例，大模型技術需要能夠直接部署在硬件上，才能實現(xiàn)加速發(fā)展。隨著時間的推移，當前的大模型將逐漸變成小模型，并進入實際使用狀態(tài)。

王倩：垂直領域，更適合大模型還是小模型？

王仲遠：人工智能已經(jīng)有七八十年的歷史，我們目前正處于第三波浪潮中，這波浪潮起始于2006年，2012年深度學習技術在產(chǎn)業(yè)界的爆發(fā)標志著第三次浪潮的開始，即AI 1.0。大模型時代為AI 2.0，這一波浪潮與以往不同，因為它帶來了范式的變化。

AI 1.0時代，已經(jīng)有很多領域模型，針對特定場景和任務收集數(shù)據(jù)并訓練模型。但這些專用模型不具備泛化性，不能遷移。但即使如此，過去十年中，人工智能技術已經(jīng)滲透到各行各業(yè)和每個人的生活中。大模型時代的變化在于我們不再直接收集領域數(shù)據(jù)，而是將大模型蒸餾成小模型后，利用這些具備通用能力的模型，并使用領域數(shù)據(jù)進行微調。

在AI 2.0時代，一個可能的變化是訓練范式的變化。在訓練領域模型的時候，會基于具備通用理解和推理能力的大模型，結合領域數(shù)據(jù)進行微調，以適應特定場景。這是與過去的一個重要區(qū)別。

AI算力的挑戰(zhàn)和解法

王倩：夏總，AI算力方面，未來是否會遇到算法和算力的天花板？這方面您有什么樣的洞察？

夏立雪：當前人工智能在數(shù)據(jù)和算力層面已逐漸接近天花板，特別是高質量的文本數(shù)據(jù)，未來幾年可能會被耗盡。除文本數(shù)據(jù)外，其他類型的數(shù)據(jù)如圖像數(shù)據(jù)也將變得非常稀缺。解決數(shù)據(jù)天花板的方法有很多，如深度思考和反復利用現(xiàn)有數(shù)據(jù)（如GPT4的o1），或者將大模型從數(shù)字世界帶入真實世界，通過具身智能機器人等技術引入更多數(shù)據(jù)。

算力面臨的挑戰(zhàn)也有，比如摩爾定律接近極限，物理效應的影響，以及國內算力產(chǎn)業(yè)未被充分發(fā)揮等問題。通過將多元異構算力形成標準化服務、軟硬件聯(lián)合優(yōu)化提升算力性價比，以及通過發(fā)展端上智能來減輕云端壓力等策略，都可以緩解算力挑戰(zhàn)。

更高層次上，促進AI系統(tǒng)進化需要對算法、算力和數(shù)據(jù)進行資源配置的整體優(yōu)化，這是一個巨大的系統(tǒng)設計問題。這點上，企業(yè)與產(chǎn)業(yè)生態(tài)上下游保持協(xié)同是很重要的，包括資源、生產(chǎn)關系和信息的協(xié)同，以及小模型與底層硬件設計的配合。

與此同時，我們要從全局視角設計更大的系統(tǒng)，形成更高效的分工，比如提供算力標準化服務，讓下游合作方專注于產(chǎn)品應用和AI研發(fā)。

王倩：那企業(yè)以后應用AI的門檻或者成本是不是會逐漸下降？

夏立雪：是，并且這是一個需要全行業(yè)共同解決的問題，最終我們只有讓利用算力、算法的門檻和成本都降下來，才能讓這個技術更好地被應用到真實生產(chǎn)中。

給產(chǎn)業(yè)帶來哪些變革

王倩：未來，AI與傳統(tǒng)產(chǎn)業(yè)的結合有哪些想象空間？

鄭烜樂：與以往的工業(yè)革命不同，AI不再僅僅是生產(chǎn)工具的改進，更是直接成為生產(chǎn)力本身。

AI技術不再是單一的生產(chǎn)力工具，人工智能直接生產(chǎn)生產(chǎn)力本身，一方面是體現(xiàn)在“智力”生產(chǎn)力：不管是通過大模型結合強化學習產(chǎn)生深度思考推理能力，還是借用Agent或者各種各樣AI For Science的技術作用于生產(chǎn)場景，可以形成智力的生產(chǎn)力。另一方面體現(xiàn)在“體力”生產(chǎn)力：具身智能通過機器人泛化進入到工業(yè)場景、物流場景形成了體力的生產(chǎn)力。制造生產(chǎn)力本身就是最大的變化，這也是所有的傳統(tǒng)行業(yè)最關心的幾件事情。

傳統(tǒng)產(chǎn)業(yè)如何擁抱新質生產(chǎn)力，擁抱AI？我用自動駕駛來舉個例子，就像自動駕駛的L2到L5級別，AI在不同階段也會對生產(chǎn)力產(chǎn)生不同的影響。比如L2車賣得好不好？肯定是以前賣得沒有那么好，因為它形成的功能并不直接轉化成生產(chǎn)力。到L3，它可能在某一個環(huán)節(jié)替代形成了更高效、更大規(guī)模的生產(chǎn)力或者很明顯降低了成本，這時候傳統(tǒng)行業(yè)或工業(yè)企業(yè)開始大規(guī)模部署。接下來L4，L4在整個鏈條對原有人力的替代，這時候付費意愿或部署意愿會更強。L5可能是整個網(wǎng)絡，不管是生產(chǎn)網(wǎng)絡，研發(fā)網(wǎng)絡都被AI替代重新做了一遍，產(chǎn)業(yè)格局、鏈條都會被顛覆掉。

我們目前的觀察，現(xiàn)在應該是在一個從L2到L3切換的過程，明年可能是AI在某些環(huán)節(jié)替代人力的元年。AI可以在質檢、材料研發(fā)、客服、排班等環(huán)節(jié)替代傳統(tǒng)工作方式，提高效率和降低成本。

光源資本創(chuàng)始人、CEO鄭烜樂

展望未來，AI將給傳統(tǒng)產(chǎn)業(yè)帶來三大變化。

第一，產(chǎn)品服務一體化：工業(yè)和制造業(yè)企業(yè)的產(chǎn)品將更加深入地融入服務場景，如醫(yī)療器械將與AI驅動的服務相結合，形成產(chǎn)品即服務（PaaS）的新模式。用戶購買產(chǎn)品的同時，也將獲得由AI集成的全球專家智能和數(shù)據(jù)支持的服務。

第二，產(chǎn)業(yè)價值鏈縮短重構：AI技術將大幅縮短生產(chǎn)制造業(yè)企業(yè)與終端用戶之間的距離，減少中間環(huán)節(jié)，如經(jīng)銷商和代理商，實現(xiàn)產(chǎn)品和服務的直接結合。這將使得企業(yè)能夠提供更加標準化、高效的服務，直接滿足用戶需求。

第三，產(chǎn)研一體、場景驅動：AI將推動研發(fā)與產(chǎn)品生產(chǎn)的深度融合，形成產(chǎn)研一體的新模式。AI自適應地收集場景數(shù)據(jù)，驅動產(chǎn)品迭代和研發(fā)，使得研發(fā)更加貼近市場和用戶需求，實現(xiàn)場景驅動的創(chuàng)新。

這些變化將使得企業(yè)能夠更直接地面向終端用戶，提供集成產(chǎn)品和服務，以及通過AI優(yōu)化工作流程和產(chǎn)品迭代。

AI未來對我們意味著什么

王倩：假設AI已經(jīng)成為一項基礎設施，未來會有什么樣的可能性？

王磊：目前，我覺得依賴數(shù)據(jù)、知識和經(jīng)驗的行業(yè)可能是最先與AI融合的。比如說教育，教育有一部分可能跟人性相關，包括醫(yī)生，以及和文字打交道的行業(yè)，都有可能率先被AI取代。但最后的效果怎么樣，只能拭目以待，現(xiàn)在不太好預測。

夏立雪：AI是一項很重要的科技進步，而科技進步最重要的目的就是提高人民的生活水平。我們期待技術幫助更多人從一些無趣的重復性勞動中解脫出來，去做一些更有意義更有創(chuàng)造性的工作。

從這個角度，我認為AI在每一個行業(yè)都會產(chǎn)生不小的影響，比如說更多基于歷史數(shù)據(jù)做預測、給定條件做簡單判斷、淺層信息加工相關的行業(yè)，會受到比較大的沖擊。另一方面，為應對這樣的科技進步，我們的學校教育和社會教育方面也需要跟上，培養(yǎng)出更多且能夠更好地把AI技術用起來的人才。

王仲遠：AI是一種智力基礎設施，它將在所有需要智力的領域發(fā)揮作用，并對各行各業(yè)產(chǎn)生影響。盡管AI具有革命性的潛力，但在很多情況下，它仍然是一種工具，其作用是促進各行各業(yè)的發(fā)展，而不是完全顛覆它們。

目前最成熟的大語言模型將對所有與文字相關的行業(yè)產(chǎn)生率先沖擊，預示著這些行業(yè)可能會經(jīng)歷重大變革。多模態(tài)模型（涉及圖像和視頻生成）還在發(fā)展中，將對廣告、創(chuàng)意和市場營銷等行業(yè)產(chǎn)生影響，優(yōu)化和提升行業(yè)效益。具身智能目前還處于早期階段，期望它們在未來能夠進入工廠和家庭服務，但這可能需要5～10年的時間。

鄭烜樂：所有依賴智力積累和交互的行業(yè)，如教育、醫(yī)療、法律等，都將被AI重新塑造。要強調的是，這些行業(yè)不會消失，但會經(jīng)歷根本性的變化。人類之間知識和經(jīng)驗的交流是一個低效的生物學過程，而AI能夠通過大模型和深度學習實現(xiàn)超級智能網(wǎng)絡，突破人類在信息交互和知識生成效率上的限制。

未來的企業(yè)組織形式可能也將發(fā)生變化。比如，出現(xiàn)更多一人企業(yè)，利用AI完成大量原本需要多人完成的工作。隨著AI的應用，每個人的產(chǎn)出將會提高，這可能會導致企業(yè)產(chǎn)出增加而人數(shù)規(guī)模減少。

許多行業(yè)將被AI顛覆，但這并不意味著這些行業(yè)的消失，而是它們可能提供更好的服務。人們的角色將發(fā)生變化，從直接提供服務轉變?yōu)樘峁┲橇W(wǎng)絡或使用工具的人，這將引發(fā)行業(yè)的新一輪迭代。