生成式AI技術正在改變人工智能行業(yè)，時隔僅半年,，國內大模型發(fā)展已完成從技術到產品,、再到商業(yè)的階段跨越，并深入垂直行業(yè)領域,。7月6日世界人工智能大會期間,，澎湃科技邀請北森人才管理研究院副院長王丹君、中金公司研究部副總經理于鐘海,、中關村科金技術副總裁張杰做客元宇宙聊天室,，共同探討大模型“涌現”下的商業(yè)創(chuàng)新機遇,。本場對話由澎湃科技記者邵文主持,，在一個小時的對話中，嘉賓們討論了多個相關問題,，包括：

通用大模型和垂直領域大模型在未來的商業(yè)場景中如何找到自身的價值,？

企業(yè)如何抓住大模型的商業(yè)機遇？抓住機遇的關鍵點是什么,？

大模型的前世與未來

澎湃科技：眼下國內市場已經形成了“百模大戰(zhàn)”的局面,，各位覺得國內大模型為何發(fā)展如此之快？對各位所在領域都有什么樣的影響,？

王丹君（北森人才管理研究院副院長）：從技術的角度來講,，大模型的發(fā)展并不是最近這一兩年的事情。很多年前在學術領域,，大家已經開始做研究,。只是這幾年伴隨數據量的增加，技術水平的提高,，尤其是在OpenAI發(fā)布了ChatGPT以后,，引發(fā)了廣泛的關注。

對于各個領域來講,，大家思考的都是怎么把這樣一個新技術,，運用到自己的領域，如何去改善自己的商業(yè)模式,。

比如說,，我們北森人才管理研究院屬于人力資源行業(yè)，服務的客戶都是企業(yè)的HR（人力資源）群體。我們覺得大模型在人力資源領域的應用,，未來可能產生一些顛覆性的價值,，譬如它確實能夠更好地提高大家的工作效率；它會在一定程度上幫助我們的伙伴,，不管是HR還是員工更好地掌握工作技能,；它能夠更好地指引員工的發(fā)展；同時,，也能幫助企業(yè)回答很多人力資源管理上的問題,，包括我們在招聘員工時經常問的：誰更適合、誰可能帶來更好的績效,、薪酬應該如何確定等,。我覺得大模型的發(fā)展與應用會在非常短的時間改造人力資源行業(yè)。

于鐘海（中金公司研究部副總經理）：王院長講到了非常重要的一點,，就是大模型技術并不是今天才發(fā)生的,。2017年，谷歌寫了一篇很有名的論文,，叫Attention Is All You Need（注意力就是你所需要的一切）,，提出了transformer架構。

其實中國人工智能產業(yè)的踐行者很早就發(fā)現了大模型技術的潛力,。我們在2021年也撰寫了相關的研究報告,，當時已被人工智能大模型的發(fā)展所震撼。現在ChatGPT這個具體的產品讓老百姓都知道了大模型,，不管你懂不懂技術,，只要玩一下，就能感受到它的魅力,，所以大模型火了,。

大模型能夠這么快的被千行百業(yè)應用起來也依賴于技術平權，這是我們提出的一個很重要的概念,。得益于開源社區(qū)的發(fā)展,，知識的自然傳播，使得很多企業(yè)都快速做出了自己的大模型,。

另外我想補充的是,，這次我們看到整個科技圈乃至全社會形成了一股合力，即“所有的人都認為這事非常重要”,，這是以往很少見到的,。

張杰（中關村科金技術副總裁）：我覺得大模型元年可以追溯到2020年GPT3推出的時候。為什么過去這半年發(fā)展如此之快,？我認為是三方面的原因：

第一方面是有一些企業(yè),、高校之前就有很多積累，比如百度,、華為,、清華大學等，他們之前就有預訓練語言模型或者大模型,，最近半年對他們來說就是版本的更新迭代,；

第二方面是各個企業(yè)包括一些投資機構加大了投資力度；

第三方面是依賴于開源,，開源社區(qū)帶動了企業(yè)推出各種各樣的領域大模型,。

關于大模型對所在領域的影響，對客戶和我們來說是雙向利好,。中關村科金作為一家領先的對話式AI技術解決方案提供商,，大模型降低了我們定制化開發(fā)各種場景模型的成本，這對我們來說是利好消息,。對我們客戶而言,，智能化項目成本降低，使得很多中小企業(yè)也開始考慮立項,，整個市場規(guī)模變大了,。

澎湃科技：最近騰訊云、OpenAI都先后提出定制化模型軟件的大模型商店,，有點類似于app store的這種形式,，各位如何理解這個趨勢,？

王丹君：不管是投資者,，還是這個領域的實踐者，相信大家都期望看到這個趨勢,，因為它促使更多人參與到這個領域的共創(chuàng)上來,。我們認為，對于基礎服務廠商來講,，未來一段時間肯定會趨向商店模式,，這樣更容易貼近客戶。大模型商店的模式也使得接受服務的用戶能更好地利用大模型去創(chuàng)造一些新的應用場景和服務價值,。

于鐘海：這其實是資本市場非常關注的一個問題,。我會認為大模型的發(fā)展將來更像中國的公有云和私有云。

公有云其實當時叫IaaS（Infrastructure-as-a-Service,，基礎設施即服務）,，到了大模型這，我們叫MaaS（Model as a Service模型即服務）,。海外有一個很知名的企業(yè)叫Hugging Face（抱抱臉）,，它就是把很多模型放在網上，你只要調用他的API（Application Program Interface，應用程序接口）就能使用不同的AI模型,。

但也有很多企業(yè),，由于安全合規(guī)、細分場景落地等要求,，需要部署自己的大模型,，并用自己的知識給它增強做自己的Fine Tune（微調），這可能會像中國的私有云市場一樣,。

廣義上來說,，大模型其實是不適合大家直接去使用的，包括ChatGPT,，它其實也是在大模型的基礎上包裝成一個產品,，讓每個老百姓都能體驗。所以基于大模型去做應用,，實際上是一個非常廣闊的市場,，它能衍生出很多商業(yè)模式，比如說數字員工,，再比如剛剛主持人提到的這個app store的概念,。

其實ChatGPT也被很多人認為是一個流量入口，據我所知有一些大模型手機廠商也可能會下場去做搜索,，那這件事情就截然不同了,，它的可及市場就會從企業(yè)的IT支出變成營銷支出。中國企業(yè)可能在IT上的支出平均為收入的1%-3%,，但可能會花30%的收入在營銷上,。因此當你有了流量后，商業(yè)模式可以發(fā)生非常大的變化,，這是非常有意思的地方,。

張杰：我覺得OpenAI和騰訊云是有不同側重的。OpenAI的側重點可能仍在于基礎大模型,，它通過一些生態(tài)合作伙伴,，幫它在一些碎片化的場景里邊補足基礎大模型的準確度或者專業(yè)度上的不足。而騰訊云并沒有過分強調自己的基礎大模型,，而是強調要做垂類行業(yè)的大模型,。

他們不同的側重點顯示出一個共同問題，即基礎大模型在一些專業(yè)性很高的具體行業(yè)或場景里是不能直接拿來用的,，它還需要一個適配層,。我覺得這里可能會有一個新的商業(yè)模式，就是未來越來越多的知識是可以資產化的,。原來大家用AI的時候,，技術范式是不一樣的,。所以大家能夠共用的資產就是一些原始的數據，拿到原始數據以后,，用不同的技術手段去加工,，在這個過程中數據的中間形態(tài)是沒辦法交易的。

但是大模型把很多AI的任務基本上都統一到一起了,，整個研究范式和處理流程趨同,，這使得很多中間環(huán)節(jié)的產物可以交易，比如標注后的數據,、做指令對齊的數據,、提示詞、以及提示詞組所組成的提示鏈等,，甚至是具體場景下訓練出來的機器人或者助手等,，都可以去做一些交易，被資產化,，這可能是未來新的商業(yè)模式,。

通用大模型VS垂直領域大模型

澎湃科技：剛剛其實三位都提到領域大模型和通用大模型這兩種不同的商業(yè)路徑，能不能具體談一談這兩個不同的商業(yè)模式下的機遇和挑戰(zhàn),。

王丹君：將來圍繞大模型的商業(yè)一定會變成一個商業(yè)生態(tài),，商業(yè)生態(tài)里面核心的特征就是會分層。首先會有一些廠商來提供基礎的服務,，因為大模型需要數據的基礎,，需要算力。大模型作為底層引擎服務,，雖然本身能力很強,，但是它并不了解特定領域的知識和服務模式以及客戶需求。

隨之而來的是垂直領域的大模型,。這些垂直領域的大模型,，有一些是領域廠商自有大模型,，有一些是基于基礎大模型訓練出來的,。通俗地講，就是讓這些模型變成一個專家,。比如說金融領域可能有專門去幫助投資者去做商業(yè)決策的一些服務,，像人力資源領域，可能有專門幫企業(yè)去做人才決策的服務,。

這其中可能還有很多細分的領域,。這些細分領域可能同樣也需要行業(yè)積累，需要訓練,，需要了解到底通過什么樣的方式去解決客戶的問題,，甚至涉足到交互界面的用戶體驗層次,。這些累積起來其實都是前面我們談到的app store背后的一些能力。

于鐘海：在我們來看,，其實這兩類市場還真的挺不一樣的,。

首先說通用大模型，構建一個好的數據飛輪也很重要,。

舉個例子,，今天我教你打乒乓球，我說你應該這么打,。然后我發(fā)一個球,，你沒有接住，你就知道這么打不對,。那再換一個方式,，這次你接住了，你就記住了對的方法,。那我不斷給你發(fā)球,，你不斷去接，一點點地調試你的肌肉記憶,，找到最好的方法,。其實模型的訓練也是這樣一個過程。你每次跟ChatGPT交流的時候,，它底下會有一個點贊或者點踩,。或者有的時候你什么也沒說,，只是非常失望重新生成了一個,。或者比如每次用Midjourney畫畫的時候,，它都會出現四個圖像,，然后你默認選了第三個，把它放大了,，下載了,，它就知道這張好像是更好的，以后會往這個方向稍微再偏一點,，模型一點點就學會了,。沒有數據反饋的話，模型就停留在這里無法進步,。所以這就是我們強調的數據飛輪,，強調場景的卡位。作為一個通用大模型,，其實最重要的是有人用,，這也是中國的一個優(yōu)勢,。中國的老百姓喜歡擁抱科技，對大模型的接受度也更好,。我們有很多人去提供反饋,。

對于領域大模型，我認為更重要的是know-how（從事某行業(yè)或者做某項工作,，所需要的技術訣竅和專業(yè)知識）,。

領域大模型關鍵是要迎合客戶的需求，理解客戶在某一個深度領域里面的know-how,。像中關村科金這樣的企業(yè),，他們的優(yōu)勢就在這里，他們在具體的領域場景里面理解客戶的know-how,，理解客戶的痛點,。

張杰：感謝于總的認可。我理解通用大模型和領域大模型是一個上下游的關系,，不是一個競爭的關系,。通用大模型講究大而全，領域大模型是一個小而美的生意,。

通用大模型的特點是“三高”,，即投資高，回報高,，但是不確定性也很高,。因為訓練一個基礎的大模型，在算法,、數據,、人才方面要求都很高。比如算力,，起碼要有萬卡天級別的算力,。

為什么不確定性很高呢？因為入圍的廠商基本都是互聯網的大廠或者是科技大佬,，要使訓練出來的大模型具備通用能力和涌現能力,，對技術要求非常高，如果想要在市場上立足,，最起碼要能夠跑贏開源大模型,，才有存活下來的可能。未來市場上,，我覺得基礎大模型會多家并存，但是可能也不會太多,。

領域大模型可能就是一個小而美的賽道,。訓練一個領域大模型對算力要求并不是很高,，據我們的實驗，只需要單周就能夠做到領域大模型的迭代,。兩張卡就可以實時做一些推理,。然后在數據方面還是要建立起一些自己的門檻，也就是剛才于總講的數據飛輪效應,，這就要八仙過海,，各顯其能了。

最重要的一個競爭點就是人才,。領域大模型把整個產業(yè)的技術鏈壓扁了,，你的人才既要懂算法，還要懂得怎么把算法很好地工程化,，還要懂場景,、懂業(yè)務，甚至還要懂產品的設計,。需要激發(fā)人才的復合能力,，然后激發(fā)人才的主動性、創(chuàng)造性,，非?？简灲M織能力。

大模型在哪個領域最有用武之地,？

澎湃科技：三位最看好的垂直領域應用方向是什么,？

于鐘海：我們看了很多方向，現在最看好的方向是AI Answer,，這我們自己造的一個詞,，它指的是一類產品。比如今天你考我一個事情,，你問我說嬰兒車買哪個品牌更好,。我相信各位應該也都有類似的情況，找三個朋友問一問,，看五篇小紅書,，然后再去網上搜十個帖子。最后看完以后,，總結出來三個型號,，然后再看看價格，做出決定,。

其實很多事情你問人工智能也是這樣,，大模型是有一定的記憶的，它知道這些東西之間相關,，但它會產生幻覺,，就像人一樣,，也會搞混，記不住到底誰長成什么樣子,。所以企業(yè)里經常做的事情就是基于內部的知識庫做一定的查詢,，然后基于這些東西做一個總結。另外還有基于一個文檔,，比如基于好幾百頁的一篇保險條款做一個問答,、總結或者對比?；蛘呋谒阉鹘o一個答案,。這類產品我們都統稱為AI Answer。另外我們也比較關注比如辦公,、AI學習機等機會,。

張杰：我覺得可以先分行業(yè)看，再分場景看,。領域大模型理想的行業(yè)是知識密度高,、流程邏輯性強、安全隱私性敏感的行業(yè),，比如說像金融,、醫(yī)療、法律,、政務這些行業(yè)可能是未來領域大模型落地比較理想的行業(yè),。

場景可能最開始的時候是先面向內部員工賦能的。比如做一些知識問答,，然后是培訓,、陪練。內部員工賦能之后,，再看怎么去to c（對客戶）做一些服務,，或者是賦能銷售人員、客服人員,，做成營銷客服助手,。總之應用的時候可以先考慮從容錯性比較高的場景入手,。

王丹君：我們也認為現在大家的應用經驗里,，大模型幫我們解決最多問題的還是在知識密集型行業(yè)。像北森或者中關村科金所在的To B領域,，確實會有一些企業(yè)從中更容易受益,。比如說在企業(yè)的人力資源管理里面，大家希望能夠讓大模型去解決一些對人來說很枯燥、很無聊的事情,，如回答員工的各種共同關注的問題,。北森和中關村科金也在探討這方面的合作,，希望將來通過大模型這種底層設施建立一些數字員工,，回答這些似乎不是特別需要人類的經驗和知識性的問題。

另外我們發(fā)現還有一些高價值的領域,，比如企業(yè)的領導力教練,。一家企業(yè)有多個層級的管理者，每個管理者每天都會遇到各種各樣的挑戰(zhàn),，但是他沒有那么多機會去請教別人,，我們認為在這個場景下AIGC可以提供非常好的幫助，并且能夠很好滿足個人對于私密性的一些要求,。

澎湃科技：最近微軟宣布與OpenAI合作打通應用生態(tài),，中關村科金作為國內的大模型應用廠商代表，目前產品落地應用進展如何,？未來是否每家企業(yè)都會擁有自己的專屬模型,？

張杰：我覺得并不是每個企業(yè)都需要自己的專屬模型，因為大模型技術我覺得可以由淺至深分成三層：

第一層,，如果行業(yè)或者企業(yè),，沒有那么多的知識或文檔，或者企業(yè)本身的特殊性不強,，就沒必要用一個專屬的模型,，直接用通用大模型就可以。在通用大模型之上,，針對具體的場景需求,，去調prompt（提示語）就可以了。在這期間企業(yè)需要的是一個用戶體驗良好的,、低門檻的提示詞管理工具,。可能需要一些業(yè)務專家在特定場景底下積累一些好用的提示詞,；復雜一點的需要把一些提示詞變成一個小的提示集合,，然后不同的集合之間再串成鏈條，鏈條之間有先后的邏輯關系,，有一個提示鏈的管理工具就夠了,。

第二層就復雜一點。有些企業(yè)碎片性知識比較多,，這時候提示詞或者提示鏈可能不夠,，就需要在通用大模型之上，再外掛一個知識庫，用于管理低頻長尾的知識,。通用大模型面對具體問題的時候去知識庫里面找答案,。這是通用大模型+知識庫+提示工程的技術路線。

第三層,，對于領域常識總量大的企業(yè),，需要構建企業(yè)專屬的領域大模型，將領域里的通識輸入到大模型的腦子里,，既保持通用的常識和推理,，又具備領域內的專業(yè)知識和技能，讓大模型由文科生變成領域專家,。這是一種領域大模型+領域知識庫+提示工程的路線,。

中關村科金針對上述三種情況都有一些應用落地實踐，我們前段時間一直在嘗試解決三個技術難點,，解決后形成了兩套助手類的應用,。這三個技術難點是什么呢？

第一個就是解決大模型經常出現幻覺的問題,，即一本正經地胡說八道,。這就需要有一個領域的知識庫，讓大模型知道,，被問到什么問題時,，要去知識庫里找相關的知識。構建知識庫的時候,，往往需要處理富文本格式的文檔,，需要讓大模型先理解文檔布局，再理解里邊的內容,。

第二個就是訓練領域大模型的時候,，要防止訓練過程中的遺忘問題。否則你往它腦子里輸送新知識的時候,，它會忘記老的知識,。這里會用到高效微調的技術手段，讓它既具備原來的通識,，又能夠學到領域內的常識,。

第三個就是怎么能讓用戶更方便且低成本地使用它。無論是領域大模型,、還是領域知識庫,、還是提示詞，都不是一蹴而就的,，都需要持續(xù)反饋迭代,，這就要讓客戶自己具備維護能力,，工具層面要做好產品設計和工程化封裝。

澎湃科技：想問問于總從投資的角度看,，相對于移動互聯網和硬科技時代的投資邏輯,，在這一輪大模型熱潮中，對于選擇項目的核心關注點,，包括投資的決策點是什么,？

于鐘海：這個也是資本一直在探尋的問題。過去大半年,，大模型的行情也經歷了很多輪的演變,。剛開始,，很多人把它當作一個主題投資,，那時炒的是跟AI相關的公司，很受大家重視的是真正有大模型底層能力的公司,。后來出現“百模大戰(zhàn)”,，大家覺得大模型好像有點太卷了，發(fā)現算力好像是掘金場買鏟的受益者,，所以算力相關的企業(yè)估值又漲了很多,。到今年五六月份的時候，我們提出了“AI應用迎來了爆發(fā)的寒武紀”,。很多企業(yè)都拿出了自己的產品,，AI的應用又開始漲。

其實大模型的投資節(jié)奏也是漸變的,，從一開始只要是AI公司就可以漲,，到后面要拿出應用，再到大家開始探索這個應用有沒有客戶為它買單,，有沒有真正的訂單,。我覺得可能再過一年左右的時間，大家就會去思考這個應用到底有沒有壁壘,，商業(yè)是不是長期可持續(xù)的,。我們其實最看好的是應用層面，我們很重視真正能在大模型和企業(yè)應用之間實現連接的企業(yè),，他們能真正創(chuàng)造價值,。

澎湃科技：下一個問題是問王院長，從人才的角度,，現在大模型正在構建一種人機協同的新型生產關系,。那么這對企業(yè)的人才管理會產生什么樣的影響？

王丹君：這是一個特別好的問題,。因為我們看到在社會層面,，可能大家非常熱衷于討論“我的工作將來會不會被大模型取代,？”對于這個問題，我建議可以從兩方面來看：

一方面大家討論比較多的是大模型能力越來越強,，垂直領域的應用也越來越深入,，將來可能會替代很多一般性員工的工作。這幾年即使沒有大模型發(fā)展的背景下,，大家都非常關注降本增效,，就涉及企業(yè)里人力成本占比。如果能夠通過一些新技術去降低人力成本,，對企業(yè)很有價值,，這是它可持續(xù)發(fā)展的一個很重要原因。

另一方面,，大模型的出現,，以及未來更多的垂直領域的工具出現，對于員工來講,，是能力的加持,。從積極層面來看，如果員工能夠更好地利用人機協作,，可以給公司創(chuàng)造更多的價值,。

我們預測未來的組織形態(tài)會有一些變化。現在絕大部分的公司是職能型架構,，不同的職能去服務同樣的客戶,，職能之間有很多協作、溝通的問題,，對公司來講是極大的消耗,。但是未來當員工個體或者群體，具備了在工具幫助下全方位的能力,，這個組織的單元勢必會更小,，它能更敏捷、更靈活,、更快速響應,。

澎湃科技：我想問三位在百模大戰(zhàn)的時代背景下，企業(yè)最需要具備什么樣的能力,？

張杰：對于基礎大模型廠商而言,，他們最需要的就是具備特別強的、獨到的技術能力,，要跑贏開源大模型,，然后在多模態(tài)或者復雜推理上有一些技術的獨特性。對于領域大模型廠商,，最需要的就是復合型人才,，而且組織能力非常重要,。因為要發(fā)揮人才的主動性、創(chuàng)造性,，把一些前沿的商機對接給他,，讓他知道客戶需要什么。此外,，還要有一些工程性的能力和算法性的能力,。

于鐘海：我認為數據蠻重要的，特別是對想用大模型的企業(yè)來講,，數據真的很重要,。其實數據很快就會成為我們的一個壁壘，就像中關村科金這樣的提供大模型應用的企業(yè),，他們很大的優(yōu)勢就在于數據,。

王丹君：其實對于絕大部分的企業(yè)來講，將來比較大的可能性都是大模型的消費者,，而不是大模型的創(chuàng)造者,，積極擁抱大模型可能會極大加速其數字化管理的進程。組織和個體可能都需要去擁抱變化,，各個層級的領導者需要增強擁抱這種新機會的意識，員工需要保持持續(xù),、自驅的學習能力,。

澎湃科技：在這個過程中，垂直領域企業(yè)擁有了行業(yè)know-how的優(yōu)勢,。他們是不是更容易突破大模型數據的卡點,？

張杰：我覺得行業(yè)know-how要具體來看，可能有幾種形態(tài)要特別關注,。

行業(yè)know-how最顯而易見的一種形態(tài)就是存在文檔里邊的一些數據,，這些都是符號性的表達。怎么從文檔里邊挖掘出來prompt（提示詞）或者提示鏈,，這是當前階段就需要去處理的一類問題,。很多企業(yè)里面有大量的文檔，而且這些文檔里面很多是PPT或PDF的格式,。既需要讀懂它的格式,，又要讀懂里面的內容。

除了這類行業(yè)的know-how以外,，還有就是隱藏在行業(yè)專家或者場景專家腦子里的知識,，需要給他一個工具，總結成prompt詞,，prompt模板是密度更高的行業(yè)know-how,。

還有一類比較隱性的行業(yè)know-how就是藏在系統日志里的集體智慧,。這些日志經過挖掘，能夠把比較零散的知識變成結構化的鏈條的知識,。然后再從千千萬萬的鏈條里邊,，歸納總結變成一個特定場景底下的最佳實踐。比如銷售人員每天會打很多電話,，每天能夠積攢下來對話的日志有幾百萬通,，按照成單、流單或者掛電話等不同結果做一些裁剪,，就能夠沉淀出來營銷新產品話術的最佳實踐,。

這三類問題，其實都是特別好的行業(yè)know-how,。這里邊也有一些技術挑戰(zhàn),，比如怎么從文檔里、日志里挖掘出提示詞,，挖掘出提示鏈條,。doc2prompt和log2prompt是值得投入研究的重點。

于鐘海：其實張杰總有一句話我印象很深,，他說把太陽系八大行星幾千幾百萬年的運轉軌道都記錄下來,，都不如抽象出來一條萬有引力定律更能解釋事情的本質。

我覺得這就是know-how,。垂直領域的公司在相關的領域里有很多經驗,，我舉一個例子，大家在人工智能火了之后都說有一個新的年薪百萬的職業(yè)叫prompt engineer,，

就是去寫prompt的工程師,。那為什么他們這么值錢呢？我自己也使用人工智能繪畫的工具,。有一次我想要畫一個穿西裝的人,，我試了很多關鍵詞都不好使。后來我輸入 “領帶”,，這個人馬上就穿上了西裝,，你會發(fā)現這才是那個magic word。

大模型有一點像概率游戲,，它其實是有很多先驗的概率,。在剛剛那個場景里，領帶就是西裝對應的那個非常重要的詞,。而prompt engineer知道哪些關鍵詞能擾動這個模型,，他知道我們到底想寫出什么樣的東西來，這個就是他的價值,。那如果我們把這件事情放在做應用的場景里面,，它其實就是垂直領域公司的價值,。既懂人工智能，他又懂行業(yè)的know-how,。

王丹君：目前看起來除了基礎大模型公司,，垂直領域公司是第二批市場上大家會很關注的企業(yè)。我覺得在接下來的一段時間,，對他們也是非常有挑戰(zhàn)的,。垂直領域公司的經驗不一定能夠直接轉化成新技術加持下的新創(chuàng)造力。需要先要花更多的時間去學習,，去理解大模型運作的底層邏輯是什么,，去學習它如何能夠幫助我，甚至是去幫助我挖掘我們的知識,，或者幫助我們給客戶提供服務,。我認為未來一段時間，他們首先面臨的是這個挑戰(zhàn),。在這些基礎上,，基于這些模式找到給客戶創(chuàng)造價值的新的機會點。

澎湃科技：最近有一些新的動向,，例如ChatGPT訪問人數的增速在放緩,。它其實沒有成為一個超級入口這樣的存在,。有觀點認為ChatGPT不能代表GPT的未來,，只是OpenAI和微軟拿出來向市場展示的一個產品。三位怎么看這個觀點,？

于鐘海：這個觀點確實蠻有趣的。我個人相對樂觀一點,，因為我是一個經常使用大模型產品的人,。而且我想補充一點，現在的ChatGPT不是它的最終形態(tài),。我認為谷歌下一代安卓系統里的google assistant（谷歌助手）會由自己的大模型來支持,，因為這也是一個非常重要的流量入口。

王丹君：對很多行業(yè)人士來講,，大家都很樂觀,。它作為一個新的產品，發(fā)展到這個階段,，自然會有一些分化,。對于終端用戶來講，會對這樣的工具感興趣,，愿意去嘗試,，并持續(xù)使用,。哪怕使用的頻次在降低，關注度在降低,，但是用戶的行為是很難改變的,。

張杰：我覺得ChatGPT增速放緩是早晚要發(fā)生的一件事，畢竟流量是有天花板的,。早晚有一天流量要見頂或者大眾對閑聊的應用場景會熱情減退,，閑聊畢竟不是高頻剛需，但是它給大家?guī)硪粋€特別好的啟發(fā),。

一方面,，圍繞著Chat會有很多種應用，例如通過聊天生成圖片,、視頻,、報表、PPT等,，如ChatDoc,、ChatPdf、ChatBI,。另外一個場景,，就是剛才所說的領域大模型，比如金融GPT,、法律GPT,、醫(yī)療GPT，這些將來可能都會是一些新的商業(yè)入口,。