大浪淘沙

“原本這家服裝企業的直播團隊有2名主播、1名運營、1名剪輯，每月光人力成本超過6萬元。現在使用新一代AI數字人主播，直播間可以24小時不間斷工作，人力成本降低了50%。”上海鯤之益人工智能高新技術有限公司創始人、首席執行官曹頡告訴《瞭望東方周刊》，“AI大模型驅動的數字人主播，將行業知識、品類內容、商品信息融合進算法模型中，在形象、聲音、甚至口型等方面都能以假亂真。”

在巴黎奧運會上，AI大模型幫助實時解析運動員運動狀態，處理比賽視頻，分析對手的戰術習慣，實時收集并分析比賽數據……賽場之外，中國人工智能企業迎來奧運高光時刻。

燒錢與賺錢、動力與陷阱、技術突破與應用變革……從2022年底至今，在熱烈的討論和爭議中，以ChatGPT、Sora等為代表的AI大模型引領了全球人工智能技術與產業的新一輪浪潮。海內外大模型相關研究與產品競相涌現、持續迭代，加速開啟AI競爭的“下半場”。

“聊天、寫詩、作畫，絕非AI大模型的全部。我們要深入思考大模型的應用方向，要將大模型切實投入到城市發展、金融科技、生物醫藥、工業制造、科學研究等領域，為產業剛需帶來實實在在的價值。”中國工程院院士鄔賀銓說。

一南一北，交相輝映。與“滬產”AI大模型相比，“京產”AI 大模型的實力更不容小覷。

一南一北

全國首個大模型創新生態社區——模速空間，建在上海徐匯區龍耀路地鐵站旁，距離風光旖旎的黃浦江濱江岸線僅數百米。在這里，隨時能聽到、看到研發人員用中英文召開線下、線上會議。方圓一公里內，坐落著騰訊、阿里、微軟、上海人工智能實驗室、商湯、無問芯穹、蜜度蜜巢等科技巨頭和AI大模型科創公司。

“這是個創新生態社區，聚集著大模型底層技術、應用研發、場景設計、算力支持、產品營銷等產業鏈上下游企業。我們希望在最便捷的物理空間范圍內，讓科研人員能找到任何想見的人、對接任何想接觸的資源、獲取任何想得到的生活服務。”模速空間運營方、上海大模型生態發展有限公司總經理陳海慈告訴《瞭望東方周刊》。

“我們的很多服務對象就在這棟樓里，到隔壁辦公室問一問，在孵化器組織的活動中跑一趟，就能隨時了解行業最新動態。”陳海慈說。自2023年11月28日成立，模速空間已吸引80余家AI大模型企業入駐。

作為引領新一輪科技和產業變革、具“頭雁效應”的戰略性技術，人工智能是國內諸多省市重點布局的產業領域。各地在產業布局、科研投入、資本聚集等方面不斷加碼，競相搶占人工智能創新與發展的制高點，競爭堪稱白熱化。

近年來，歷經市場淘沙，國內AI“王者”企業向少數城市聚焦，總體上呈現出北京、上海、深圳等在前方引領，杭州、成都、南京、合肥等緊追不舍的勢態。

“發展人工智能，對技術、人才的門檻要求極高，對場景、生態等需求很大。”商湯智能產業研究院院長田豐告訴《瞭望東方周刊》。

“截至2024年上半年，包括上海人工智能實驗室‘書生’、商湯‘日日新’在內，上海市已有34款AI大模型通過備案，產生了制造業、金融、具身智能機器人等垂類領域應用；上海人工智能產業投資基金累計募資31億元，撬動投資規模572億元，乘數效應已顯現。”上海市經信委副主任張宏韜介紹，目前我國具備人形機器人整機能力的企業超過25家，其中約一半來自上海。

自2018年起，上海連續七年舉辦世界人工智能大會，規格、規模、影響力持續提升。

2023年11月，上海印發《上海市推動人工智能大模型創新發展若干措施（2023-2025年）》，公布一系列支持AI大模型創新發展的政策措施，明確提出推動大模型語料聯盟的實體化運作，開源一系列高質量語料數據，為全球人工智能開發者創新創造構建更良好的生態環境。

一南一北，交相輝映。與“滬產”大模型相比，“京產”大模型的實力更不容小覷。

2023年5月，北京發布《北京市促進通用人工智能創新發展的若干措施》，以“開展大模型創新算法及關鍵技術研究”等21項措施，在全國城市中率先發布相關領域的城市版 “頂層設計”。

據北京市科委發布的《北京市人工智能行業大模型創新應用白皮書（2023年）》顯示，國內10億參數規模以上的大模型廠商約一半在北京，數量高達122家；北京已通過備案上線的大模型數量達71個。

2024年1-7月，我國大模型產業相關企業超千萬元融資情況結果顯示，北京企業獲得了43筆融資，上海、深圳則分別為11筆、9筆。

據中央網信辦數據，截至目前，已有190多個生成式人工智能服務大模型完成備案并上線，并加速落地應用到互聯網、教育、醫療、金融、政務等多個領域。

然而，在產業火熱的另一面，據國家企業信用信息公示系統數據統計，自2022年11月30日ChatGPT發布到2024年7月29日期間，國內新注冊成立、現在處于注銷＼吊銷＼停業等異常狀態的人工智能相關公司，數量達78612家，占同期新注冊企業總量（87.8萬家）的8.9%。

經過2023年“百模大戰”的“燒錢”，再加上近8萬個“玩家”淘汰出局的現實，讓業界形成了一個共識：通用大模型，只是“少數人的游戲”；下一階段，機會在行業大模型、垂類大模型。

“任何新東西、大機會來的時候，大家肯定會一擁而上，然后有一個大浪淘沙的過程。”百度董事長兼CEO李彥宏說。

先行先試

在一家跨境服裝企業里，印花設計師正操作著“圖蠅”AI生圖軟件，一幅幅絢麗獨特的圖像在云端快速生成，經過精細的印染加工后，成品面料源源不斷地出口至海外。

在服裝紡織領域，印花設計長期高度依賴于圖片庫和設計師的個人技能。設計師完成一幅手稿，一般需要兩周以上時間，單幅手稿價格約為500歐元（折合人民幣近4000元），企業面臨較高的設計成本。不僅如此，即便企業付出高額設計費用，依然面臨著高質量原創設計相對匱乏的局面。

“2023年圖蠅AI與優刻得建立緊密合作關系，將過去在本地環境內運行的AI繪畫平臺整體遷移至云端。借助云平臺的多卡推理集群，有效提升了AI繪畫平臺的圖片生成效率和質量。”優刻得科技股份有限公司AI產品經理王有婷告訴《瞭望東方周刊》，現在，花型設計周期從原來的2周縮短到2-3天，設計效率提升5倍以上。客戶對花型圖案的選中率，也從10%上升到30%。

在中鐵電氣化局京滬高鐵維管公司的“供電AI視覺分析研發中心”辦公室，檢測員正對著電腦查看4C系統拍攝的圖片。

凌晨0時至4時30分，被稱為高鐵檢修的“天窗時間”。過去，在該時間段內，高鐵綜合維修人員要頭頂星空，扛著沉重的接地線，順著高鐵軌道，扶著長長的梯車爬上接觸網支柱旁，人工檢查每一顆螺絲和接觸網設備，以排除隱患。

“過去，完成一次純人工全線巡檢要花費3年時間；后來，4C接觸網檢測車投入運營，拍照代替了人工巡檢，讓檢測時間縮短到一個季度一次，但是仍然需要依賴純人工完成每張照片的分析和判斷。”田豐介紹，4C接觸網檢測車車頂均勻分布32個攝像頭，在以80公里時速的運行過程中，依靠紅外感應，全方位對接觸網部件進行抓拍。在檢測車拍攝的圖片里，檢測工程師要查看是否存在螺栓松動、絕緣子破損、吊弦斷裂等多種部件的顯性缺陷。每年，維修團隊需要分析約1200萬張圖片。

“‘星空’智能分析系統使用了商湯科技提供的AI視覺檢測分析技術。如今，‘星空’系統已經應用在京滬高鐵全線，高鐵接觸網的圖片檢測以‘智能識別+人工復核’的方式進行，檢出疑似缺陷數量可達到純人工檢出數量的3-8倍。”田豐說。

在物流領域，過去快遞員在攬件時，需手動輸入包裹尺寸、報價等信息，搬東西戴手套，輸入時脫手套，再加上輸入信息的手持設備屏幕較小，種種因素嚴重影響了工作效率。

現在，快遞小哥只需口述運單號、派送時間等，顧客就能自動收到通知。業務上有疑問，比如怎樣節省耗材、如何給包裹定價、哪些是違禁品不能郵寄等，只要語音詢問“小哥終端智能助手”，就能立即獲得答案。

幫助快遞員提升效率的是物流AI大模型，其擁有豐富的物流行業知識，對攬收、派送、站內、輔助、客戶服務等環節的信息都“了如指掌”。

“通用大模型靠算力堆起來，企業大模型靠業務跑出來。對大模型而言，數據是養料，場景是練兵場。”在7月30日上海舉行的京東云峰會上，京東集團技術委員會主席、京東云事業部總裁曹鵬說，目前，已有超35萬京東自有配送員、超23萬商家、超5萬副主任級別以上醫生、超2萬采銷運營、超1萬研發人員得到了大模型應用的支持。

2024年7月，李彥宏在2024世界人工智能大會呼吁“不要卷模型，要卷應用”。他認為，技術本身并不是目的，真正的價值在于如何將這些技術應用于實際場景，解決實際問題。

“大模型的產業落地尚處早期，但它已經開始真正被用起來了。”百度智能云事業群總裁沈抖說。

盈利途徑

解決一切技術路線爭議的終點，是看誰能實現商業化，占領市場。

在AI大模型生產端，多數企業還沒有找到實現大規模商業化變現的好途徑，但已主動或被迫進入“肉搏階段”。2024年以來，頭部大模型公司紛紛開啟了一輪面向B端和C端的大降價競爭。

“AI大模型會將所有行業重做一遍”，這一“宣言”在ChatGPT剛推出時就被一些專家反復提及。但企業和市場關心的是：重做什么？如何重做？

“我們不關心大模型有多少花活，最重要的是能幫企業省多少錢、賺多少錢。”一名制造業企業市場負責人在世界人工智能大會現場坦誠地說，“企業會為先進的技術鼓掌，但只會為靠譜的產品埋單。”

經歷2023年的“融資戰”“價格戰”之后，AI大模型的商業變現模式依然不清晰，這是整個行業面臨的共同挑戰。

“很多頭部客戶，在早期對AI大模型的態度就是‘買票上車’。”智譜AI首席執行官張鵬在公開演講中提到，客戶只是看了看公開論文，對模型做了一輪評測，看一下第三方評測榜單，試用一下，就“爽快出手了”。

“相比一年前生怕用不上AI的焦慮，如今企業更關注如何用好AI，對于AI大模型的性能、速度、成本有了新的要求，僅僅從某個性能或價格的單一維度已無法滿足企業的綜合需求。”業內人士分析。

“AI大模型產業經歷繁榮生長，基礎設施已趨于完善。誰能率先在產業落地，誰才會是這一輪競爭的贏家。”田豐說，“2023年行業更關注大模型技術的追趕和突破，2024年則更加聚焦于商業化落地，探索可行的商業模式和盈利途徑。”

據《全球數字經濟白皮書（2024年）》（2024全球數字經濟大會主論壇上發布的報告）統計，目前全球共有基礎大模型1328個，中國有478個（前文提到的190多個是完成備案并上線的），約占全球數量的36%。

“AI大模型落地于場景，才能有持久生命力。”田豐說。目前，AI大模型正在沿著行業軸和場景軸雙線并行，在不同領域和環節產生新的化學反應——在行業端，融入金融、教育、醫療、制造、零售等領域；在場景端，融入研發、生產、財務、人力、營銷等各個環節，用技術改造舊模式，撬動新增量。

比如，在金融領域，“調研2023年100多家金融機構使用大模型的進度發現，10%已在上線階段，25%在立項階段，25%在測試階段，40%處于調研階段”。恒生電子首席科學家、大模型產品總監白碩說。

在礦山領域，AI大模型幫助礦山實現增安（全）提效（益）。井下的作業影像實時上傳到地面的集控室，系統通過識別鉆機的位置、鉆孔的深度和工人的拿取位置等要素，再結合提前設置好的設計參數，就可以自動進行數據分析，判定作業行為是否合格。

在氣象領域，AI大模型僅需在一張V100顯卡上運行1.4秒，即可完成24小時全球氣象預報，包括位勢、濕度、風速、溫度、海平面氣壓等，計算速度相比傳統數值預報提升超過一萬倍。

通用大模型靠算力堆起來，企業大模型靠業務跑出來。對大模型而言，數據是養料，場景是練兵場。

在更多辦公、生產制造環節，企業也在期待著AI大模型能和各類軟件、機器人更好地結合。

“目前，人形機器人與智能駕駛兩大領域已成為大模型商業化最為成功的典范，展現了技術與應用深度融合的巨大潛力。”中國工程院院士王耀南告訴《瞭望東方周刊》。

巨大鴻溝

“隨著人工智能技術快速發展，我們也面臨前所未有的挑戰，特別是在安全和倫理方面。我們強調共同促進人工智能技術發展和應用的必要性，同時確保其發展過程中的安全性、可靠性、可控性和公平性，促進人工智能技術賦能人類社會發展。”2024世界人工智能大會暨人工智能全球治理高級別會議發表的《人工智能全球治理上海宣言》這樣寫道。

“讓大模型真正落地，同時還要使其用起來安全、可信、可控，這是產業和企業普遍關注的話題。”中國科學院院士、清華大學人工智能研究院名譽院長張鈸說，目前，在大模型發展的進程中，已呈現出“三大能力”“一大缺陷”。

張鈸進一步解釋，“三大能力”是指：強大的語言生成能力，這是大語言模型區別于其他計算機生成語言的靈魂和優勢所在；強大的自然語言對話能力；強大的遷移能力，即在代理任務上訓練一個模型，只需要少量數據和微調，就可以適配到下游任務。“一大缺陷”是指大模型的幻覺，在多樣性輸出的過程中，大模型也會犯錯，這個特性與它的創造性同時產生。

鑒于幻覺是大模型的“天然缺陷”，業內專家認為，通用大模型和真正的行業應用之間有著巨大的鴻溝。

通用大模型一般是基于廣泛的公開文獻與網絡信息來訓練的，這些信息可能有錯誤、有謠言、有偏見，專業知識與行業數據積累不足，導致模型的行業針對性與精準度不夠，數據“噪音”過大。

但在產業場景中，企業用戶對大模型提供的服務要求高，容錯性低。可以這樣比喻，“企業所需要的是在實際場景中真正解決了某個問題，而不是在100個場景中解決了70%-80%的問題。”中國科學院計算技術研究所研究員張云泉說。

“下一階段，大模型的能力不能只停留在論文和榜單里，更要走進千行百業，和現實世界深度融合。”張云泉說。

AI大模型產品供應方要積極切合企業需求，但從另一個角度看，想要借助大模型等數字化工具轉型升級，企業也要學好、練好基本功。如果一家沒有數字化基礎的企業想要使用大模型，不僅成本高昂，見效也不會快。據估算，一個規模企業從頭梳理數據、分類匯總數據，到搭建專有云，初步達到數字化基礎，至少要花費兩三年時間。

從全球視野看，中國在AI大模型領域已取得一些成果，但與國際領先水平相比，中國在AI大模型的算法創新和理論研究上仍存在差距。“這對于中國的技術界來說是挑戰，也是機遇。我們要走出適合自己的人工智能賦能實體經濟的高質量發展道路。”王耀南說。