2022年11月30日，可能將成為一個改變?nèi)祟悮v史的日子——美國人工智能開發(fā)機(jī)構(gòu)OpenAI推出聊天機(jī)器人ChatGPT。它不僅催生了人工智能界的又一輪高光期，還并不常見地被譽(yù)為“蒸汽機(jī)時刻”、“iPhone時刻”甚至“鉆木取火時刻”。
這一年來，被稱為“生成式人工智能”的革命性技術(shù)激發(fā)了全球科技界“把所有軟件和硬件重做一遍”的沖動，讓具有先發(fā)優(yōu)勢的AI基礎(chǔ)設(shè)施提供商價值暴漲，使得從醫(yī)療到航天的科學(xué)探索獲得被加倍賦能的前景，傳說中“奇點(diǎn)”的到來從未變得如此具有可能性。
正如歷史上任何一次技術(shù)變革，ChatGPT也給我們帶來了深深的焦慮。既有對AI威脅人類生存的科幻式恐懼，也有對砸掉我們飯碗、騙取我們錢財(cái)、操縱我們心靈的現(xiàn)實(shí)擔(dān)憂。連OpenAI自身，也剛剛經(jīng)歷了一場危機(jī)，差點(diǎn)沒躲過一夜坍塌的命運(yùn)。
這一年讓我們產(chǎn)生了更多疑問：大語言模型下一步的進(jìn)化方向是什么？AI芯片短缺何時解決？訓(xùn)練數(shù)據(jù)快要耗盡了嗎？中國的百模之戰(zhàn)會如何演化？AI技術(shù)發(fā)展應(yīng)加速還是減速？AGI（通用人工智能）是否會存在其他形式？為此，我們邀請了2023年在AI賽道奔跑的業(yè)內(nèi)人士回答這些問題，并提出他們自己的問題。
在生成式人工智能“喧鬧”了一年后，到底有多少企業(yè)因?yàn)樵摷夹g(shù)的應(yīng)用賺到了錢？
“國內(nèi)應(yīng)用都在試圖產(chǎn)生價值，但很少實(shí)現(xiàn)盈利，做數(shù)字人的‘小作坊’倒是真掙錢了。”北京開放傳神科技有限公司（OpenCSG）創(chuàng)始人兼首席執(zhí)行官陳冉告訴澎湃科技。信也科技副總裁、大數(shù)據(jù)及AI負(fù)責(zé)人陳磊認(rèn)為，在國外企業(yè)中，與OpenAI深度合作的微軟公司“營收應(yīng)該有比較大的起色”。云知聲智能科技股份有限公司董事長兼CTO梁家恩則表示，“AI圖像生成公司Midjourney據(jù)稱已經(jīng)做到1億美元的營收了”，但是“還看不到真正的AGI-Native（AGI原生）應(yīng)用”。
“目前仍處于剛剛開始的階段，如果計(jì)算成本投入和收益，現(xiàn)在盈利的行業(yè)還不多見。”上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室主任、復(fù)旦大學(xué)教授肖仰華表示，大模型在很多行業(yè)都取得了顯著效果，但取得效果并不代表能盈利，這涉及到很多因素，尤其是成本因素，大模型的煉制需要巨大的成本。
如果換一種問法：大模型最先落地或者落地最成功的產(chǎn)業(yè)有哪些？螞蟻集團(tuán)副總裁、金融大模型負(fù)責(zé)人王曉航認(rèn)為：“有兩類，一類是創(chuàng)造型產(chǎn)業(yè)，比如設(shè)計(jì)、文娛、游戲；另一類是高知識密集型行業(yè)，比如金融、醫(yī)療、法律。”但是，醫(yī)療、金融等強(qiáng)監(jiān)管行業(yè)對可靠性要求極高，不只是“幻覺”，還有金融的合規(guī)性、每個行業(yè)的價值主張。如果這3個問題不解決，大模型在嚴(yán)謹(jǐn)產(chǎn)業(yè)里落地時潛力就無法發(fā)揮。
具體到醫(yī)療領(lǐng)域，科大訊飛董事長劉慶峰向澎湃科技介紹了“醫(yī)療大模型可以完成90%的不合理用藥提醒”，英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官任峰則直言：“好像一夜之間，以前做不到的事情忽然就可以做到了。”比如，直接與大模型對話，提問“幫我找到治療某個癌癥的靶點(diǎn)”就可以得到相關(guān)結(jié)果。
在金融領(lǐng)域，王曉航表示，在很多場景里意圖理解、定性分析、量化分析等領(lǐng)域已經(jīng)超過人工，“未來的服務(wù)要通過多模態(tài)的交互、語言的交互來完成，怎么跟移動互聯(lián)網(wǎng)的圖形界面融合，形成一種新的界面和體驗(yàn)，可能是未來兩年會發(fā)生的。”
對于未來一年是否會出現(xiàn)現(xiàn)象級的應(yīng)用，受訪者觀點(diǎn)不一。百度集團(tuán)副總裁、移動生態(tài)商業(yè)體系負(fù)責(zé)人王鳳陽認(rèn)為現(xiàn)象級的生成式AI應(yīng)用一定會出現(xiàn)，而且會超出大家的預(yù)期。IDEA（粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)研究院）AI安全普惠系統(tǒng)研究中心講席科學(xué)家王嘉平則表示，“會比原來互聯(lián)網(wǎng)的現(xiàn)象級應(yīng)用來得更快”。阿里云科技和研究中心主任安筱鵬持謹(jǐn)慎樂觀的態(tài)度，并指出，對于中國應(yīng)用場景豐富的說法，前提是特定行業(yè)的數(shù)據(jù)積累足夠多。此外，需要底層算力、開源模型以及各種各樣的工具才能把整個生態(tài)搭建好，把技術(shù)門檻、應(yīng)用門檻及成本降下來。
“任何一次重大技術(shù)變革帶來的產(chǎn)業(yè)革命拐點(diǎn)，一定來自成本的拐點(diǎn)。”安筱鵬說，蒸汽機(jī)最開始被發(fā)明出來，是為了把礦井里的水抽上來，它的成本很高，會經(jīng)常壞。“瓦特做了什么？他大幅提高了蒸汽機(jī)的穩(wěn)定性、安全性、可靠性，降低了成本，所以蒸汽機(jī)從一個專用的、只能抽水的機(jī)器，變成了一個通用的、可以拉著火車向前跑的機(jī)器。”
以下為采訪實(shí)錄，因篇幅原因有刪減：
澎湃科技：目前因生成式AI的應(yīng)用而實(shí)現(xiàn)盈利的企業(yè)或行業(yè)有哪些？
陳磊（信也科技副總裁、大數(shù)據(jù)及AI負(fù)責(zé)人）：我們看到很多估值、用戶體量或營收漲了很多的企業(yè)。微軟因?yàn)樯墒紸I對Office體系的加持，營收應(yīng)該有比較大的起色，市值又回到了萬億規(guī)模。未來應(yīng)該會有企業(yè)因?yàn)樯墒紸I盈利。
張鵬：每個場景下都有。客服工作可以由AI來取代一部分，或者由AI提升質(zhì)量。在科研場景中，AI幫助閱讀文獻(xiàn)、查找資料、數(shù)據(jù)分析，提升科研工作效率，甚至提供一些關(guān)鍵性的研究創(chuàng)意。
陳冉【北京開放傳神科技有限公司（OpenCSG）創(chuàng)始人、CEO】：國內(nèi)應(yīng)用都在試圖產(chǎn)生價值，但很少實(shí)現(xiàn)盈利，做數(shù)字人的“小作坊”倒是真掙錢了。國外的應(yīng)用已經(jīng)非常適配了，比如Copilot輔助開發(fā)代碼，做陪伴的湯姆貓也比較成功。在未來，數(shù)據(jù)已經(jīng)準(zhǔn)備好的、馬上可以用起來的、使用比較多的、給大家?guī)砗芏鄡r值的應(yīng)用會馬上形成產(chǎn)業(yè)鏈。
梁家恩（云知聲智能科技股份有限公司董事長兼CTO）：AI圖像生成公司Midjourney據(jù)稱已經(jīng)做到1億美元的營收了。過去UGC（注：用戶生成內(nèi)容）只是文本為主，有了這種多模態(tài)工具，UGC會更加豐富多彩。所以這塊的應(yīng)用可能會比較快，因?yàn)樗喈?dāng)于給我們生成了很多候選，再由人協(xié)同處理。如果直接讓機(jī)器百分之百生成一個非常好的結(jié)果，所有AIGC（注：人工智能生成內(nèi)容）目前都做不到。
肖仰華（上海市數(shù)據(jù)科學(xué)重點(diǎn)實(shí)驗(yàn)室主任、復(fù)旦大學(xué)教授）：是否盈利取決于成本和收益。大模型應(yīng)用的成本問題目前已經(jīng)非常突出，大模型的煉制需要巨大成本，大模型的應(yīng)用也存在成本。考慮到成本因素之后，收益是否足夠顯著，相對于成本付出是否值得，這也是大模型行業(yè)賦能千行百業(yè)中的關(guān)鍵問題。
目前仍處于剛剛開始的階段，如果計(jì)算成本投入和收益，現(xiàn)在盈利的行業(yè)還不多見。如果換個問法，大模型取得應(yīng)用效果的行業(yè)和企業(yè)有哪些，那么我想答案非常明確，大模型在很多行業(yè)都取得了顯著效果，比如大量的虛擬主播基于大模型，普通翻譯員的大部分工作一定程度上可以被大模型所代替。還是仍然要強(qiáng)調(diào)，大模型能取得效果并不代表它能盈利，這涉及到很多因素，尤其是成本因素。大模型雖然能夠達(dá)到普通人的一些能力和水平，但是成本未必更低，所以這完全是另外一個問題。
澎湃科技：大模型最先落地或者落地最成功的產(chǎn)業(yè)有哪些？有哪些難點(diǎn)？
王曉航（螞蟻集團(tuán)副總裁、金融大模型負(fù)責(zé)人）：有兩類，一類是創(chuàng)造型產(chǎn)業(yè)，比如設(shè)計(jì)、文娛、游戲；另一類是高知識密集型行業(yè)，比如金融、醫(yī)療、法律。大語言模型是強(qiáng)大的世界知識圖譜容器，它能媲美、賦能，甚至某種程度上替代一部分知識型工作者。
大模型是基于全網(wǎng)可得的公開數(shù)據(jù)所訓(xùn)練的，理解和生成能力非常強(qiáng)，但遇到專業(yè)嚴(yán)謹(jǐn)?shù)男袠I(yè)時有非常多挑戰(zhàn)，通用大模型在專業(yè)通識方面是短板，比如金融專業(yè)性很深。各種金融決策的復(fù)雜性和嚴(yán)謹(jǐn)性要求很高，醫(yī)療行業(yè)更加復(fù)雜嚴(yán)謹(jǐn)，比如做家庭資產(chǎn)配置保障計(jì)劃不是簡單推薦，而是計(jì)算偏離度、風(fēng)險集中度、風(fēng)險等級、承受能力，像這樣的決策不是大模型擅長的，它無法學(xué)習(xí)，即使有足夠的數(shù)據(jù)，它的嚴(yán)謹(jǐn)梳理和計(jì)算也遠(yuǎn)遠(yuǎn)達(dá)不到今天的行業(yè)要求。
醫(yī)療、金融等強(qiáng)監(jiān)管行業(yè)對可靠性要求極高，我講的可靠性不只是“幻覺”，還有金融的合規(guī)性、每個行業(yè)的價值主張。如果這3個問題不解決，大模型在嚴(yán)謹(jǐn)產(chǎn)業(yè)里落地時潛力無法發(fā)揮。如何解決這3個問題？一是大模型要跟專業(yè)領(lǐng)域的小模型結(jié)合，比如資產(chǎn)配置，在理解用戶需求后調(diào)動資產(chǎn)配置工具，而不需要重新計(jì)算資產(chǎn)該怎么配置。二是結(jié)構(gòu)化的知識圖譜很重要，比如我們?yōu)榱俗龊冕t(yī)療理賠工作，要建非常完備的醫(yī)療和保險知識圖譜，在大模型訓(xùn)練過程中注入，降低幻覺，提高專業(yè)性，在應(yīng)用過程中優(yōu)先考慮知識圖譜跟大模型怎么結(jié)合。檢索增強(qiáng)技術(shù)也非常有效，在專業(yè)領(lǐng)域中進(jìn)行內(nèi)容定位以后進(jìn)行解答，就像從一本專業(yè)書籍中找答案，這些技術(shù)都可以大幅提高大模型專業(yè)性和事實(shí)性。這是一個系統(tǒng)工程。
澎湃科技：什么樣的大模型應(yīng)用能夠真正產(chǎn)生價值？
張鵬（北京智譜華章科技有限公司CEO）：一個技術(shù)在應(yīng)用中會產(chǎn)生幾種價值，降本、增效、提質(zhì)、創(chuàng)新。更具體一點(diǎn)來說，比如能做到人做不到的事，幫人做簡單、重復(fù)的工作，把人從這種工作中解脫出來，在數(shù)字化時代提升數(shù)據(jù)流動、交換、處理的效率和效果。
陳冉：應(yīng)用最終要解決痛點(diǎn)、服務(wù)人類，人類為產(chǎn)生價值的過程付費(fèi)。現(xiàn)在的很多應(yīng)用不會馬上跳躍式形成下一代應(yīng)用，中間階段是讓現(xiàn)在的應(yīng)用AI化，最終變成原生應(yīng)用，也就是說甚至不用到網(wǎng)頁上點(diǎn)了，這些應(yīng)用涉及購物、旅游、餐飲、服裝等。
梁家恩：目前還看不到真正的AGI-Native（AGI原生）應(yīng)用。就像當(dāng)時移動互聯(lián)網(wǎng)剛出來時，大家的想法是把PC應(yīng)用改小了，裝進(jìn)手機(jī)就完了，目前大模型應(yīng)用還停留在這個階段，真正的AI-Native（AI原生）應(yīng)用還需要迭代。
但不管最終形態(tài)如何，還是要回答一個問題：幫助用戶解決了什么問題。比如在醫(yī)院里，用戶最希望的是有一個超級醫(yī)生，所有問題都能解決，連醫(yī)院都不需要去了。但在這種嚴(yán)肅場景里，要一步到位不太現(xiàn)實(shí)。我們現(xiàn)在可以給醫(yī)生提供一些工具，幫助醫(yī)生提升效率和質(zhì)量，基礎(chǔ)性的工作讓機(jī)器完成，更好釋放更多優(yōu)質(zhì)醫(yī)療資源。人跟機(jī)器的協(xié)同過程中，人在適應(yīng)機(jī)器，機(jī)器也在學(xué)習(xí)人的過程中不斷提升。最終它有可能達(dá)到專家的中上水平。但未來可能還會剩下一些疑難問題，需要人來協(xié)同解決。
醫(yī)療是我們的重要方向之一，這是一個知識非常密集的行業(yè)，光靠在互聯(lián)網(wǎng)上抓取醫(yī)療相關(guān)的數(shù)據(jù)，精準(zhǔn)度和質(zhì)量達(dá)不到好的醫(yī)療專家水平。所以我們還會補(bǔ)充相關(guān)數(shù)據(jù)，針對性優(yōu)化相關(guān)應(yīng)用。最終還是以解決問題為導(dǎo)向，才能找到最終的AI-Native的形態(tài)。
澎湃科技：AI如何應(yīng)用于智能醫(yī)學(xué)、生命科學(xué)，如何考慮隱私和倫理因素？
劉慶峰（科大訊飛董事長）：居民用藥中非處方藥占45%（2022年我國非處方藥市場規(guī)模為1951.7億元，占零售藥品市場的45.4%），但在基層6億多的復(fù)診案例中，出現(xiàn)4000多萬例疑似不合理用藥。很多人有基礎(chǔ)疾病，容易出現(xiàn)用藥不當(dāng)?shù)膯栴}。我們身邊就有一位85歲老人，患有阿爾茲海默病，服用相關(guān)藥后牙疼，吃了一個常見的消炎藥后就開始不吃飯，連續(xù)將近20天，此后在省立醫(yī)院就診后才慢慢恢復(fù)。后來發(fā)現(xiàn)原因在于不知道這款消炎藥與原來用藥相互之間有反應(yīng)，除此之外還有些用藥禁忌，老百姓不知道，藥房里的銷售人員也不知道，也不可能每一個病都去問醫(yī)生。那么，這個需求如何滿足？
我認(rèn)為我們的醫(yī)療大模型可以完成90%的不合理用藥提醒。同樣的，很多人拿到體檢報(bào)告后看不懂有沒有深層次問題，但又不是每個人都能有機(jī)會咨詢醫(yī)生。科大訊飛在內(nèi)部嘗試了幾千個抽樣例子，可以看到有40%的樣本應(yīng)該給予更多提醒，有的要馬上就醫(yī)，或者要注意各種各樣的禁忌，還有百分之三點(diǎn)多則提醒要馬上處理。
不過，最好的醫(yī)生也不可能百分百都對，模型就算比醫(yī)生更專業(yè)，也不可能百分百正確。所以我們希望社會對這樣的業(yè)務(wù)，一方面要嚴(yán)格、謹(jǐn)慎，依法，絕不能隨便推薦處方藥，也絕不能隨便下定論，一旦發(fā)現(xiàn)有問題一定要提醒“就醫(yī)要到醫(yī)院”。模型的任務(wù)是讓患者心中更清楚，不是替代醫(yī)生，而是幫助患者將來更好地了解情況，以便更好地和醫(yī)生溝通。
任峰（英矽智能聯(lián)合首席執(zhí)行官兼首席科學(xué)官）：ChatGPT出現(xiàn)之后，我們用內(nèi)部數(shù)據(jù)基于其進(jìn)行了二次訓(xùn)練，使模型能夠支持生物醫(yī)藥的專業(yè)精準(zhǔn)的信息問答。之前傳統(tǒng)方式是每個靶點(diǎn)的生物學(xué)機(jī)制都需查閱大量文獻(xiàn)，現(xiàn)在可以直接與大模型對話，比如提問“幫我找到治療某個癌癥的靶點(diǎn)”就可以得到相關(guān)結(jié)果。這對我來說印象深刻，好像一夜之間，以前做不到的事情忽然就可以做到了。
我們目前已經(jīng)在用由AI輔助決策的自動化實(shí)驗(yàn)室，把人工智能與自動化、機(jī)器人和生物學(xué)能力融合，既可執(zhí)行單一任務(wù)，如高通量篩選、高內(nèi)涵成像、二代測序等，也可以實(shí)現(xiàn)一體化串聯(lián)流程，比如在14天內(nèi)完成靶點(diǎn)發(fā)現(xiàn)和驗(yàn)證的全自動化干濕實(shí)驗(yàn)閉環(huán)。效果如何呢？以藥物研發(fā)的DMTA（Design、Make、Test、Analyze）為例，以前每一輪合成大約需要一名化學(xué)家3到6周的時間來制造、純化、量化和鑒定所需化合物，再進(jìn)行一系列生物分析。而自動化實(shí)驗(yàn)室可以24小時處理，反應(yīng)可以在任何時間進(jìn)行，還有可能將合成時間從3到6周縮短到3到10天。除了研發(fā)的角度以外，對于醫(yī)院、醫(yī)生以及患者，AI的賦能都是全方位的，比如輔助診斷、以智能的方式追蹤患者情況變化等。
陳冉：我們看到多模態(tài)分子大模型、影像大模型都在做，需要人類高智商的領(lǐng)域和行業(yè)就是大模型的發(fā)展方向，醫(yī)院里的主任就是稀缺資源。
梁家恩：我們最早做的是病歷的書寫和審核，我們會幫醫(yī)生檢查診療有沒有存在風(fēng)險隱患的地方、哪些不符合醫(yī)保規(guī)范。我們要守住的底線是保護(hù)用戶隱私，我們和客戶相關(guān)的數(shù)據(jù)都是脫敏數(shù)據(jù)。
澎湃科技：AI會引發(fā)哪些具體的教育變革？可以參考你們的實(shí)踐。
肖仰華：未來隨著通用人工智能技術(shù)的快速發(fā)展，其對教育的影響會非常深遠(yuǎn)。未來教什么學(xué)什么，怎么教怎么學(xué)都會成為問題。
人工智能的每一次進(jìn)步似乎都以AI通過了人類的某種考試為標(biāo)志，像高考、注冊醫(yī)師考試、注冊司法執(zhí)照考試等。那么AI的進(jìn)步往往反射出人類教育的很多問題，比如既然AI通過了如此眾多的人類考試，我們考試的意義何在？先進(jìn)的人工智能似乎一直在把機(jī)器培養(yǎng)成人，而落后的教育似乎是把人培養(yǎng)成機(jī)器，很多優(yōu)秀的學(xué)生被培養(yǎng)成了刷題的機(jī)器，這是教育應(yīng)該極力避免的問題，所以AI的發(fā)展映射出的教育問題值得我們注意。
第二個問題是怎么教怎么學(xué)。未來知識的獲取、技能的學(xué)習(xí)意義將會降低，現(xiàn)代文明一直是以知識發(fā)現(xiàn)和獲取為主要目的，我們曾經(jīng)以“飽讀詩書，學(xué)富五車”為榮耀，這樣一種追求在大模型時代，將會變得不再那么耀眼。因?yàn)樽顚W(xué)富五車的是大模型，他幾乎學(xué)到了人類的所有知識，那么對于知識的廉價和貶值，取而代之的是人類生存和發(fā)展的智慧將會更加凸顯。
張鵬：有一次我跟“好未來”的技術(shù)人員交流。AI學(xué)習(xí)能力比人類強(qiáng)，比人類快，未來我們的孩子還需要學(xué)習(xí)這些基礎(chǔ)知識嗎？未來的孩子們要學(xué)習(xí)啥？我當(dāng)時用開玩笑的語氣說，學(xué)習(xí)AI。在這樣一個時代，大家要掌握AI的原理或基本知識。第二，基礎(chǔ)知識的學(xué)習(xí)還是要有，當(dāng)然可以考慮怎么用輔助手段來提升學(xué)習(xí)效率。
AI的進(jìn)化在倒逼人類自身的進(jìn)化。如果人類不想被AI取代、被AI奴役，人類本身的智能水平以及學(xué)習(xí)能力需要調(diào)整和進(jìn)化。
陳冉：學(xué)校資源是有限的，通過AI把好老師的資源沉淀下來，變成各科老師陪伴在身邊，教育肯定會形成質(zhì)變。
劉聰（科大訊飛研究院院長）：教育領(lǐng)域?qū)儆谟嶏w非常重要、也有深厚積累的場景，因此我們在2022年12月開啟大模型攻關(guān)確立“1+N”體系之時，就明確了教育屬于“N”的重要落地領(lǐng)域之一。面向家長和學(xué)生，訊飛星火認(rèn)知大模型賦能的訊飛AI學(xué)習(xí)機(jī)實(shí)現(xiàn)了中英文作文類人批改，在口語對話方面進(jìn)行陪伴式對話練習(xí)，還能對孩子的發(fā)音進(jìn)行評分。星火語伴App可以讓學(xué)生和虛擬人老師面對面溝通。面向老師，星火教師助手可以創(chuàng)新規(guī)劃單元教學(xué)設(shè)計(jì)、啟發(fā)創(chuàng)設(shè)情境教學(xué)活動、一鍵生成互動教學(xué)課件，提升老師的備課效率。
澎湃科技：參考你們的案例，金融大模型目前有什么進(jìn)展？
王曉航：在大模型時代之前的小模型時代，我們已經(jīng)全面AI化了，涉及數(shù)字化引導(dǎo)、風(fēng)險管理、理賠、理財(cái)師、顧問和銷售團(tuán)隊(duì)等環(huán)節(jié)。但大模型的到來給我們帶來很大震撼，它在很多金融場景里能夠輕易刷新小模型時代的最好表現(xiàn)，意圖理解、定性分析、量化分析等領(lǐng)域已經(jīng)超過人工。小模型時代，每一個應(yīng)用場景都要進(jìn)行非常深的端到端定制，算法工程師和時間成本很昂貴，大模型統(tǒng)一了算法架構(gòu)，一個模型經(jīng)過簡單的微調(diào)和適配后可以解決一大票問題，做得比以前更好，提高企業(yè)經(jīng)營效率，所以加速創(chuàng)新，能讓人聚焦在專業(yè)有深度的創(chuàng)造性工作上。專業(yè)化的金融服務(wù)也會有一種替代性的體驗(yàn)。現(xiàn)在所有移動互聯(lián)網(wǎng)的交互都以圖形界面（GUI）為主，未來的服務(wù)要通過多模態(tài)的交互、語言的交互來完成，怎么跟移動互聯(lián)網(wǎng)的圖形界面融合，形成一種新的界面和體驗(yàn)，可能是未來兩年會發(fā)生的。
我們的大模型已經(jīng)進(jìn)行了大半年深度測試，就是支小寶的新版本。我們希望能給大眾客戶帶來代際上的不同服務(wù)體驗(yàn)，在金融方面做到有問必答，在幾百款數(shù)字化工具上能夠做到有求必應(yīng)，定制個性化服務(wù)方案，改變圖形界面的交互方式。我們期望很高，希望有序收集用戶反饋，提供更好的體驗(yàn)。在內(nèi)部，我們?yōu)槔碡?cái)師、分析師、銷售人員、理賠專家團(tuán)隊(duì)、內(nèi)容運(yùn)營創(chuàng)作團(tuán)隊(duì)提供“支小助”，在原先的數(shù)字化展業(yè)平臺工具基礎(chǔ)之上，AI帶來新的生產(chǎn)力，提升效率。金融科技作為一個大樣板間，我們雖然是剛起步，但也看到了一些快速迭代，在大模型的沖擊下打開了眼界。
陳磊：我們做的是垂類大模型，一端輔助人工服務(wù)用戶，提升客服體驗(yàn)；一端服務(wù)內(nèi)部專業(yè)類員工，結(jié)合我們在金融里對業(yè)務(wù)和數(shù)據(jù)的理解，用于代碼輔助生成、數(shù)據(jù)自動挖掘，在沒有調(diào)優(yōu)的情況下，驗(yàn)證階段的效率提升20%左右。
澎湃科技：未來一年，會出現(xiàn)一個現(xiàn)象級的生成式AI應(yīng)用嗎？
王曉航：肯定會，但不知道是什么時間出現(xiàn)。下一個應(yīng)用不會是GPT本身，應(yīng)該會在產(chǎn)業(yè)中，產(chǎn)業(yè)里會出現(xiàn)不止一個應(yīng)用，各個行業(yè)都會有，比如電商、金融。數(shù)字化金融服務(wù)已經(jīng)非常豐富多元了，但對大眾來說還是過于復(fù)雜，怎么把簡單、專業(yè)、智能的財(cái)富管理服務(wù)帶給客戶，這樣的應(yīng)用有非常深的價值，下一步服務(wù)體驗(yàn)升級只有通過AI才能實(shí)現(xiàn)。每個行業(yè)都在等待自己的AI超級應(yīng)用，誰在產(chǎn)業(yè)里更有數(shù)字化條件，誰把行業(yè)和技術(shù)相結(jié)合，誰就能夠帶來這樣的產(chǎn)品。
陳磊：會的，特別是像代碼生成、代碼輔助應(yīng)用，會很快在行業(yè)里鋪開，大家都在做嘗試，很多嘗試出現(xiàn)了初步效果。
王鳳陽（百度集團(tuán)副總裁、移動生態(tài)商業(yè)體系負(fù)責(zé)人）：我們已經(jīng)看到一些12個小時就能登頂應(yīng)用商店榜首，后面用戶數(shù)突破100萬的應(yīng)用。我覺得現(xiàn)象級的生成式AI應(yīng)用一定會出現(xiàn)，而且會超出大家的預(yù)期。
王嘉平【IDEA（粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)研究院）AI安全普惠系統(tǒng)研究中心講席科學(xué)家】：我認(rèn)為這會比原來互聯(lián)網(wǎng)的現(xiàn)象級應(yīng)用來得更快。生成式AI直接生產(chǎn)內(nèi)容，不需要努力積累內(nèi)容生產(chǎn)者，只要找到消費(fèi)者，所以它的迭代和增長一定會比原來要快得多。但是現(xiàn)有技術(shù)還需要提升，因?yàn)楝F(xiàn)在質(zhì)量不夠好，很多人會說一眼可以看出是AI創(chuàng)作的。因?yàn)楝F(xiàn)有的內(nèi)容體系已經(jīng)把門檻抬得非常高，AIGC要企及這個高度，我覺得還需要時間。一旦它跨越了這個高度，它會“通殺”現(xiàn)在很多以內(nèi)容消費(fèi)為主導(dǎo)的產(chǎn)業(yè)，包括網(wǎng)文、短視頻、短劇等等。我覺得這會是顛覆性的，但這個顛覆未必是新的東西，未必是個新的源頭產(chǎn)業(yè)。
陳冉：一時半會沒有，任何技術(shù)發(fā)展都有階段性和積累性。我們跳躍式發(fā)展，用了一年時間走了10年的路。現(xiàn)在是蒙著眼睛以100邁的速度在高速公路上跑，你怎么知道下一個出口在哪里，技術(shù)在飛速發(fā)展，你肯定很難判斷方向。當(dāng)你慢下來才知道哪里的風(fēng)景是最好的，有可能下了車在旁邊開個超市、民宿。在飛奔時稍微停下腳步思考，那時候就會出現(xiàn)各種各樣的商業(yè)模式、應(yīng)用等。
我覺得明年是一個重要的時間點(diǎn)，怎么讓各種形式沉淀下來，形成商業(yè)閉環(huán)。美國形成了上千家公司的生態(tài)，國內(nèi)現(xiàn)在是單打獨(dú)斗，沒有形成生態(tài)平臺和社區(qū)，所以我們公司就干這個事兒。商業(yè)模式是從實(shí)踐中來的，需要平臺對接上下游，有人生產(chǎn)大模型，有人使用大模型，有人服務(wù)大模型，最終形成生態(tài)，A公司和B公司鏈接在一起才能做生意。平臺和社區(qū)生態(tài)的要素就是開源，通過開源讓生態(tài)飛速發(fā)展。
安筱鵬（阿里云科技和研究中心主任）：對于預(yù)測我持謹(jǐn)慎樂觀的態(tài)度。它是多種因素齊頭并進(jìn)才能產(chǎn)生的結(jié)果，而不是靠某一個因素。首先，對于中國的應(yīng)用場景豐富的說法，我們還是要回到前期基礎(chǔ)上，應(yīng)用場景豐富的前提是特定行業(yè)的數(shù)據(jù)積累足夠多，也就是說即使應(yīng)用場景非常豐富，如果失去這個前提，模型的質(zhì)量就是要打折扣的。第二，需要底層算力，開源模型，模型訓(xùn)練、部署及運(yùn)營，以及各種各樣的工具，才能把整個生態(tài)搭建好，把整個技術(shù)門檻、應(yīng)用門檻及成本降下來，如此才會推動整個商業(yè)化的應(yīng)用，這也是今天阿里云所要做的工作。
任何一次重大技術(shù)變革帶來的產(chǎn)業(yè)革命拐點(diǎn)，一定來自成本的拐點(diǎn)。當(dāng)投入產(chǎn)出比沒有發(fā)生變化的時候，產(chǎn)業(yè)革命是不會到來的。蒸汽機(jī)最開始被發(fā)明出來，是為把礦井里的水抽上來，它的成本很高。所以在瓦特之前，蒸汽機(jī)早就被發(fā)明了，但蒸汽機(jī)會經(jīng)常壞。瓦特做了什么？他大幅提高了蒸汽機(jī)的穩(wěn)定性、安全性、可靠性，降低了成本，所以蒸汽機(jī)從一個專用的、只能抽水的機(jī)器，變成了一個通用的、可以拉著火車向前跑的機(jī)器。
再看數(shù)字技術(shù)革命，比如計(jì)算機(jī)，在IBM的大型機(jī)、小型機(jī)出現(xiàn)時，它對整個社會進(jìn)步的影響是有限的，只有到了PC機(jī)（個人電腦）的到來，尤其加上互聯(lián)網(wǎng)網(wǎng)速高度提升以及成本極度降低時，才推動了整個這一輪的產(chǎn)業(yè)革命。所以技術(shù)的拐點(diǎn)加上技術(shù)成本拐點(diǎn)的到來，加上使用門檻的降低，才會推動一個產(chǎn)業(yè)的技術(shù)進(jìn)步，這是非常關(guān)鍵的。
大家都說GPU很重要，大家都可以去開發(fā)GPU，那么從英偉達(dá)的身上我們可以看到最關(guān)鍵的是什么？像吳恩達(dá)（注：斯坦福大學(xué)教授）所說的，CUDA（注：英偉達(dá)開發(fā)的閉源并行計(jì)算平臺和應(yīng)用程序編程接口，允許軟件使用某些類型的圖形處理單元進(jìn)行通用處理）出現(xiàn)之前，全球能用GPU編程的可能不超過100人，而目前全球的CUDA開發(fā)者已經(jīng)達(dá)到幾百萬。CUDA極度降低了使用門檻，而當(dāng)使用門檻極度降低構(gòu)建了一個生態(tài)的時候，這個生態(tài)就是一個強(qiáng)大的護(hù)城河。對我們來說也是一樣的，真正的商業(yè)化需要技術(shù)，需要產(chǎn)業(yè)化，但實(shí)際上普羅大眾的使用門檻、使用成本的急劇降低是其中關(guān)鍵。但這是迭代的結(jié)果，不是等著它有一天降低，而是在技術(shù)進(jìn)步、產(chǎn)業(yè)應(yīng)用不斷迭代下，它的成本急速降低，從而促進(jìn)整個生態(tài)的發(fā)展。
澎湃科技：對于大模型的應(yīng)用方向，你最想知道答案的一個問題是什么？
王曉航：在哪個主流、嚴(yán)謹(jǐn)、深度的行業(yè)里會涌現(xiàn)出重大的應(yīng)用創(chuàng)新，并被大規(guī)模認(rèn)可？
陳磊：大模型的商業(yè)化路徑到底是什么樣的？現(xiàn)在所有大模型的收費(fèi)模式都是按調(diào)用的token（注：在AI領(lǐng)域token通常指文本處理過程中的最小單位）數(shù)來收費(fèi)，但打不平硬件和人力投入。未來大模型應(yīng)用能夠關(guān)聯(lián)到實(shí)際產(chǎn)生的業(yè)務(wù)價值，并反饋到它的定價上，是蠻關(guān)鍵的一個問題，我們也比較好奇。
張鵬：現(xiàn)象級的AI應(yīng)用是否會存在，或者會在哪存在？
梁家恩：進(jìn)入垂直行業(yè)解決實(shí)際問題時大模型的可控性和可靠性問題如何解決？現(xiàn)在大模型框架很難從根本上消除“幻覺”，還需要很多后端的手段幫大模型完善。在實(shí)驗(yàn)室里90%、95%的可控性、可靠性挺高的，但嚴(yán)肅場景下讓用戶放心使用就很難。
陳冉：大模型應(yīng)用是服務(wù)于人的，但各種應(yīng)用可能會取代人，所以怎么認(rèn)定人的技能？
（原標(biāo)題：ChatGPT一周年｜AI應(yīng)用如何賺錢？大模型等待“瓦特時刻”）
本文鏈接：ChatGPT一周年｜大模型等待“瓦特時刻”http://www.sq15.cn/show-11-1656-0.html
聲明：本網(wǎng)站為非營利性網(wǎng)站，本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻(xiàn)，不代表本站觀點(diǎn)，本站不承擔(dān)任何法律責(zé)任。天上不會到餡餅，請大家謹(jǐn)防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。