原文來源：I黑馬

圖片來源：由無界 AI生成

A：坦率來說,，我們公司雖然 All in AI，已經(jīng)要求每個(gè)人都去用大模型,，我們整個(gè)業(yè)務(wù)流程也考慮用大模型來優(yōu)化,。但實(shí)事求是地說，現(xiàn)在確實(shí)還沒看到殺手級應(yīng)用,，大模型并不能馬上取代過去的一些東西,。

B：我不認(rèn)為大模型是一個(gè)簡單的降本增效的問題，它是個(gè)資產(chǎn)屬性的東西,，咱們國家在推數(shù)據(jù)的資產(chǎn)化,，模型本身就是一個(gè)數(shù)據(jù)資產(chǎn)。

前兩天,，智譜辦了一場活動(dòng)——技術(shù)開放日,。

全天的AI活動(dòng)，上午場和下午場,，分別向外釋放出兩個(gè)信息：

第一點(diǎn)：智譜很牛,， GLM升級了，夸張地形容，國產(chǎn)的的大模型可以比肩OpenAI的GPT-4了,；

第二點(diǎn)：關(guān)于AI的未來,，大家其實(shí)都很懵，這時(shí)候需要大模型廠商繼續(xù)探索技術(shù),，需要企業(yè)真正落地到產(chǎn)業(yè)中去實(shí)踐,，需要科學(xué)家等超級大腦指引AGI路徑。

很遺憾,，看了幾篇科技商業(yè)文章,，只提到上面第一點(diǎn)。

中國科學(xué)院院士張鈸,，就有提到：“生成式人工智能,，仍有不可預(yù)測和不可控性,。為了人工智能產(chǎn)業(yè)的健康發(fā)展，必須將科學(xué)研究,、技術(shù)創(chuàng)新和產(chǎn)業(yè)發(fā)展（市場）結(jié)合起來?！?/p>

如此看來,，下午場的3個(gè)圓桌討論，《如何回答大模型這道必答題》,、《大模型產(chǎn)業(yè)化》,、《2024-AGI元年？》,，更值得大家關(guān)注,。

一共3個(gè)圓桌，全程4個(gè)多小時(shí)，17位嘉賓,，超20萬字的文檔實(shí)錄……

先跟各位分享33條筆記吧,。

或許，這篇文章的33條內(nèi)容,，就是2024年最前沿最真實(shí)的產(chǎn)業(yè)洞察,。

其實(shí)可以將“或許”去掉。為什么,？一般真正前沿的分享不多,，真實(shí)的就更少之又少。這33條內(nèi)容觀點(diǎn)來自,，真正的AI和產(chǎn)業(yè)的先行者們：智譜AI,、德勤中國、君聯(lián)資本,、百圖生科,、360集團(tuán)、馬蜂窩,、分眾傳媒,、蒙牛集團(tuán)、金山辦公……

中國的大模型,和世界頂尖水平的差距還有多大,？

1,、要問我這個(gè)差距有多大，我還真說不太出來,。我自己感覺,，差距沒有進(jìn)一步的拉大。

2,、我想從這方面來說,，兩個(gè)國家，兩個(gè)不同的環(huán)境,，各自大模型就像兩個(gè)孩子,，基礎(chǔ)能力的角度上差別并不大，但需要拉長了來看,。更多的,，還要看生態(tài)的問題，落地場景的問題,。而在生態(tài)和落地場景角度上來說,，這個(gè)差距和差別還是比較大的。

3,、有一些方面,，一些垂直落地的這些領(lǐng)域，國內(nèi)的大模型甚至比國外更加先進(jìn)。一些垂類,，很多情況下被通用AI領(lǐng)域的這些工程師,，或者整個(gè)業(yè)界所忽略。垂類也是有許多的機(jī)會(huì)去提升通用人工智能的能力,，提升這種預(yù)訓(xùn)練模型能力,，以及加速它帶來產(chǎn)業(yè)級的影響和落地。

4,、差 6 個(gè)月還是差1年,，我們各個(gè)維度看不太一樣。從打榜來看,，國內(nèi)很多都超過GPT4.0了,。我也是關(guān)心整個(gè)的生態(tài)以及垂類，最終中美情況不太一樣,，可能不能直接用通用大模型來做對比,。舉個(gè)例子，之前云計(jì)算在美國,，公有云的比例遠(yuǎn)遠(yuǎn)大過私有云的比例,，但在國內(nèi)，主要還是跑在私有云,。大模型也一樣,，最終可能還會(huì)走不同的路吧。

大模型應(yīng)用這件事,，短期內(nèi)就會(huì)爆發(fā),？還是說一年內(nèi)不會(huì)有什么進(jìn)展？

5,、坦率來說,，我們公司雖然 All in AI，已經(jīng)要求每個(gè)人都去用大模型,，我們整個(gè)業(yè)務(wù)流程也考慮用大模型來優(yōu)化,。但實(shí)事求是地說，現(xiàn)在確實(shí)還沒看到殺手級應(yīng)用,，大模型并不能馬上取代過去的一些東西,。所以，我們經(jīng)常談“小切口大縱深”,，這么多的初創(chuàng)公司,，這么多的專家都在琢磨,，期待產(chǎn)生翻天覆地的變化吧,。

6、我覺得需要通用人工智能以及垂類的這些大模型一起齊頭并進(jìn)，才能夠形成一個(gè)覆蓋更多行業(yè),、更多領(lǐng)域的這么一個(gè)變革,。可能要超過一年的時(shí)間去達(dá)成,。

7,、今天大模型一出現(xiàn)，就必須多快好省,，既能夠降本增效,，又能夠帶來很多實(shí)實(shí)在在的非常非常多的好處，這個(gè)是不現(xiàn)實(shí)的,。就如同蒸汽車剛出來,，也跑不過馬車，對吧,？這個(gè)事情是需要一段時(shí)間的磨合和準(zhǔn)備的,。我覺得，還需要三年的時(shí)間,。

8,、我們投了幾百家的企業(yè)，各種SaaS公司,、企業(yè)服務(wù)的公司,、軟件的公司，都是在用各種各樣的大模型,。我都問過了,，沒有任何一家告訴我說馬上就覺得太好了，沒有一家說可以直接裁員了,，也沒有說用完成本就大幅度下降,，客戶體驗(yàn)大幅度提升的。但是所有人都知道,，這個(gè)時(shí)間點(diǎn)如果再不做,，可能三年后你的位置就不知道在哪了。所以說,，這一段時(shí)間不能夠簡單地用成本效率來考慮這個(gè)問題,。

9、我們自己總結(jié),，大模型應(yīng)用其實(shí)是三個(gè)階段,。第一步，提升產(chǎn)能,，很多人結(jié)合這個(gè)技術(shù)提高自己的一個(gè)產(chǎn)能,。第二步,，怎么去找增長點(diǎn)？怎么結(jié)合這個(gè)技術(shù)讓我的這個(gè)企業(yè)能夠更好的去增長,？最后一步,，就是轉(zhuǎn)變，怎么圍繞這個(gè)技術(shù)去轉(zhuǎn)變我整個(gè)的運(yùn)營模式,。我們的一個(gè)說法,，大模型不是一個(gè)技術(shù)或技能，它可能是一個(gè)戰(zhàn)術(shù),，幫很多企業(yè)帶來新的思維,。簡單比喻，它不是教你一個(gè)新的投籃方式,，而是教你新的進(jìn)攻打法,。

大模模型真正應(yīng)用落地，更應(yīng)該看重降本增效,？還是產(chǎn)業(yè)升級,？

10、我不認(rèn)為它是一個(gè)簡單的降本增效的問題,。我覺得使用大模型或者說我們研發(fā)大模型,，它是個(gè)資產(chǎn)，是一個(gè)資產(chǎn)形成的過程,。它是不斷地用各種參數(shù),，各種數(shù)據(jù)訓(xùn)練，最后端出來的東西本身是塊資產(chǎn),，是個(gè)資產(chǎn)屬性的東西,。所以說，我們不應(yīng)該用一個(gè)工具或買一個(gè)東西來用的這種概念,。

11,、咱們國家在推數(shù)據(jù)的資產(chǎn)化。大模型本身就是一個(gè)數(shù)據(jù)資產(chǎn),。實(shí)際上,，要用一個(gè)投資性的概念，來看待大模型本身,。在這個(gè)過程當(dāng)中,，中國必須有自己的標(biāo)準(zhǔn)。

12,、降本增效這個(gè)詞,，我們覺得應(yīng)該把它拆開去看。拿我們自己來看,，增效其實(shí)是在C端,，我們自己的員工端他們會(huì)增效,，對個(gè)人的產(chǎn)能有提升。但對企業(yè)端,，短期并不一定有降本的一個(gè)影響。

13,、我們傾向于它是一個(gè)工業(yè)革命,，或者說產(chǎn)業(yè)革命。是不是一個(gè)工作方式的變化,？是不是一個(gè)產(chǎn)業(yè)價(jià)值鏈的變化,？從這個(gè)角度來說，我們認(rèn)為是,。

從現(xiàn)在的“大模型時(shí)代”走到“AGI時(shí)代”,，之間缺的是什么？

14,、如果說終局是AGI 時(shí)代,，現(xiàn)在我們站在模型時(shí)代，我們怎么能夠穿越過去,？只靠模型可以嗎,？OpenAI 給了我們一個(gè)非常好的范例，那就是通過價(jià)值驗(yàn)證來穿越這個(gè)鴻溝,。相當(dāng)于 ChatGPT的發(fā)布,，極大地推動(dòng)了GPT往前。應(yīng)用層面的推動(dòng),，也帶來了整個(gè)生態(tài)的繁榮,。

15、我們從模型到價(jià)值中間,，是不是還是有一個(gè)巨大的鴻溝,？這個(gè)鴻溝比我們預(yù)想的要大。我們?nèi)ツ?月份就開始做商業(yè)化,，說實(shí)話當(dāng)時(shí)我們是非常簡陋的方式,，我們甚至給客戶交付是拿著硬盤跑到對方的機(jī)房去交付。

16,、從技術(shù)層面看,，我們希望能夠得到一個(gè)不可能三角：模型效果足夠好、價(jià)格足夠低,、易用性足夠強(qiáng),。當(dāng)這幾個(gè)都滿足了，我們覺得它就能幫助我們的企業(yè)去跨越這個(gè)鴻溝,。

17,、從業(yè)務(wù)層面看,，如何來把控方向，幫助企業(yè)找到自己的最佳路徑,，去實(shí)現(xiàn)這樣的一個(gè)穿越,？我們還需要有一個(gè)業(yè)務(wù)上的理解，提供工具和一些方法論來幫助我們的企業(yè)更好地去應(yīng)用模型,。大模型廠商,，要做企業(yè)的copilot，幫助大家打造專屬的大模型戰(zhàn)略,。

企業(yè)在做產(chǎn)業(yè)落地應(yīng)用的時(shí)候,，有哪些洞察，遇到了哪些坑,？

18,、我曾經(jīng)一直有一個(gè)疑惑，有個(gè)很焦慮的點(diǎn),，什么呢,？就是通用大模型的能力是非常非常強(qiáng)大的，那這個(gè)通用大模型和垂類這個(gè)關(guān)系,，到底會(huì)不會(huì)把垂類給完全吞噬掉,？我目前的一個(gè)結(jié)論，通用大模型有所為有所不能為,?；蛘哒f，我覺得通用大模型,，能跑前面90公里,，最后10公里，通用大模型可能是做不到的,。我覺得必須有垂類的價(jià)值和應(yīng)用,，甚至有那個(gè)閉環(huán)的商業(yè)的場景才是最關(guān)鍵的。

19,、第一個(gè)坑,，研發(fā)成果或者說產(chǎn)品的可視化，或者說如何長久保持大家對AI產(chǎn)品的新鮮度,，是我們最頭疼的,。偶爾玩玩還行，長時(shí)間的話,，大家這個(gè)熱情和新鮮度就淡了,。我們嘗試不斷地引入數(shù)字分身，引入場景,，讓大家感受變化,，這是早期遇到的第一個(gè)坑,。第二個(gè)坑，也是眾所周知的,，API不穩(wěn)定,。第三個(gè)也比較麻煩，高并發(fā)領(lǐng)域的性能問題,，我們采取技術(shù)解決方式,，包括不斷增加緩存或者同步已經(jīng)生成好內(nèi)容的發(fā)放方式，但是缺點(diǎn)也不能做到千人千面,。第四個(gè)坑，如何解決它生成文章內(nèi)容的合規(guī)性問題,。

20,、我們有兩個(gè)誤區(qū)，第一個(gè)是覺得模型什么都能干,。然后當(dāng)我們在任何一個(gè)場景深入進(jìn)去以后,，又會(huì)發(fā)現(xiàn)它其實(shí)什么都不能干。早期我們花過去10%的精力就能得到一個(gè)60%的結(jié)果,，團(tuán)隊(duì)都非常樂觀,。然后當(dāng)我們對它的準(zhǔn)確度有了一個(gè)工業(yè)級的要求的時(shí)候，又會(huì)發(fā)現(xiàn)從60%提高到80%才是一個(gè)可用的范圍,，這個(gè)過程又極其的艱難,，這個(gè)中間整個(gè)團(tuán)隊(duì)就會(huì)陷入到一個(gè)從樂觀到過于悲觀的過程。

21,、很多企業(yè)都經(jīng)歷過數(shù)字化轉(zhuǎn)型的過程,，有的企業(yè)轉(zhuǎn)得快，有的企業(yè)轉(zhuǎn)得慢,。大模型在企業(yè)的應(yīng)用,，實(shí)際上它不是一個(gè)緩慢的過程，很多領(lǐng)域在企業(yè)內(nèi)部是要被顛覆性的改造,。這個(gè)時(shí)候要投入的戰(zhàn)略目標(biāo)和戰(zhàn)略定力其實(shí)是完全不一樣的,。很多企業(yè)就在猶豫進(jìn)不進(jìn)，進(jìn)了之后誰來進(jìn),？怎么進(jìn),？這個(gè)過程一直在搖擺。

22,、很多中小型企業(yè),，他們也想跟著大模型這個(gè)浪潮起來，但是他們在數(shù)字化的基礎(chǔ)并沒有達(dá)到一個(gè)能夠應(yīng)用大模型的水平,。所以這個(gè)時(shí)候,，它其實(shí)還要去先經(jīng)歷一個(gè)信息化,、數(shù)字化的過程，然后再把大模型用起來,。

大模型對大家的公司戰(zhàn)略,、組織產(chǎn)生了什么變化？

23,、我覺得從戰(zhàn)略上來說,，能走向未來的公司一定是有AI思維的公司。

24,、對AI這個(gè)方向,，分眾是一個(gè)戰(zhàn)略級的項(xiàng)目，我們要持續(xù)去做,，為什么呢,？我們一直在想，如何以技術(shù)為載體,，把公司里人的知識(shí)承接起來,，然后用模型知識(shí)觸達(dá)以前服務(wù)不到的客戶，這對我們的業(yè)務(wù)來說是一個(gè)增量,。此外,，存量角度，對既有客戶的服務(wù)的能力,，大模型也有一些幫助,。

25、蒙牛集團(tuán)整個(gè)AI戰(zhàn)略一直比較清晰,，針對AIGC,，領(lǐng)導(dǎo)也提出了兩個(gè)比較重要的戰(zhàn)略。針對個(gè)人叫做超級個(gè)體,，針對我們的業(yè)務(wù)場景,，今年主推的是智能流程和智能決策。

26,、金山也在 All in AI,，這件事情貫穿了我們?nèi)甑乃械臉I(yè)務(wù)嘗試。在這個(gè)過程中,，我們發(fā)現(xiàn)經(jīng)常左右互搏。一方面金山辦公是一個(gè)生產(chǎn)力工具,，在AI這個(gè)時(shí)代是最容易被挑戰(zhàn)的,，我們看AI是在革自己的命，我們更多地是把自己的東西打碎掉，重新去組織,。我們將成為一個(gè)更智能的知識(shí)服務(wù)的提供商,，這件事情可能是我們最終的方向。

回顧自家AI落地的路徑,，大家覺得什么是最佳實(shí)踐,？應(yīng)該按什么樣的步驟去落地？

27,、要重視數(shù)據(jù),，就是數(shù)據(jù)質(zhì)量，我覺得是整個(gè)決勝的基礎(chǔ)內(nèi)核,。無論是AI應(yīng)用,，還是垂類的或者行業(yè)的大模型，都是非常非常關(guān)鍵,，而且這個(gè)數(shù)據(jù)應(yīng)該變成一個(gè)活數(shù)據(jù),，要不斷地去迭代，不斷地去維護(hù),。

28,、這件事情對很多企業(yè)來說應(yīng)該是個(gè)一把手工程,。為什么是這樣,？因?yàn)楝F(xiàn)在社會(huì)上最大的共識(shí)，就是AI一定會(huì)顛覆我們所在的各個(gè)行業(yè),，以及各個(gè)行業(yè)對應(yīng)的一些角色,，這是一個(gè)很大的共識(shí)。但是也有一個(gè)不太有共識(shí)的地方,，就是它什么時(shí)候落地,，什么時(shí)候影響到我？

29,、經(jīng)驗(yàn)就一句話,，研發(fā)視角，結(jié)硬寨打呆仗,。建議大家集中優(yōu)勢兵力,，先把核心功能全部做出來，演示功能做出來,，然后基于此在做應(yīng)用場景驗(yàn)證,，這樣速度反而更快一些。

30,、應(yīng)用場景應(yīng)該怎么找,？拿著錘子找釘子？怎么去找到那個(gè)好釘子？我們的經(jīng)驗(yàn),，自上而下的找到AI落地的場景,，可能比自下而上的性價(jià)比要高很多。一些場景,，所有的員工,、所有的職能崗位可能都會(huì)有各種各樣的不同層級的需求。但當(dāng)從CEO的角度去看這些問題的時(shí)候,，去看整個(gè)的業(yè)務(wù)流程,，有可能基層員工的問題都不是問題，甚至基層員工的崗位都不再必要了,。

31,、從組織角度，包括我們自己在做這件事情的時(shí)候,，它一定是個(gè)一把手工程,，一定你在組織結(jié)構(gòu)中把它單獨(dú)獨(dú)立出來，所以我們現(xiàn)在孵化出一個(gè)小團(tuán)體,，它不是原來的信息化部門,，也不是原來的某個(gè)業(yè)務(wù)部門。它是一個(gè)單獨(dú)的,、橫向的,，然后由一把手擔(dān)任的獨(dú)立小組，這個(gè)小組一定想清楚這件事情要長時(shí)間的投入,。這個(gè)戰(zhàn)略問題解決了之后,，后續(xù)的事情會(huì)更簡單一點(diǎn)。

32,、另外,，我們自己的感覺，我們需要一個(gè)真正懂業(yè)務(wù)的人去推動(dòng)這件事情,。而不是說我們?nèi)フ乙粋€(gè)多么懂這個(gè)大模型的人,。真正懂業(yè)務(wù)的人，再去思考,，怎么把這個(gè)東西用好,？

33、總結(jié)一下,，大家莫慌,！2024年，AI才剛剛從去年的慌亂和興奮,，走向“沉淀”,，走向“價(jià)值”,。