大模型商業化臨界點即將來臨？

21世紀經濟報道記者駱軼琪 廣州報道

隨着AI大模型快速迭代發展，尋找新一代技術變革下的核心應用成爲重要命題。

9月20日舉行的第三屆琶洲算法大賽頒獎暨生態賦能大會上，政界、學界、產業界共同探討了AI技術的現狀與未來。

廣州市政府和中國人工智能學會聯合主辦的這場大會，旨在推動人工智能領域的高端人才培養、企業交流以及科技成果轉化。

當日舉行了第三屆琶洲算法大賽頒獎儀式、琶洲領軍算法師頒證，琶洲算法生態社區正式上線，兩項技術應用合作簽約。此外，《2024年大模型技術白皮書》和大模型可信能力測評榜單也正式發佈。

當前雖然大模型技術還在持續迭代發展，其商業化落地還面臨一系列挑戰。但業界普遍認爲，隨着模型應用成本快速下降，大模型爲諸多行業帶來技術普惠將很快實現，由此，盈利臨界點的出現也指日可待。

AI疾行

大會現場，工信部信息技術發展司副司長楊亞俊，廣州市副市長江智濤，國務院參事、中國工程院院士、清華大學信息科學技術學院院長戴瓊海，中國工程院院士、中國自動化學會理事長、西安交通大學原校長鄭南寧先後進行致辭。

戴瓊海在演講中指出，人工智能作爲新一輪科技革命和產業變革的重要驅動力量，是一項理論與實踐並重、基礎與前沿兼得、多學科交叉融合的技術，作爲一名人工智能科技與教育工作者，如何把握這個特點，做好人工智能多學科交叉教育、顛覆式創新和產學研合作、複合式人才培養，一直是其思考的重要問題。

“琶洲算法大賽作爲廣州乃至全國人工智能領域的重要活動，自2022年成立以來已經成功舉辦三屆，成爲展示最新算法成果、挖掘新技術、培育新人才的重要平臺。”他表示。

中國工程院院士、中國自動化學會理事長、西安交通大學原校長鄭南寧着重分析了具身智能發展的現狀和挑戰。

他指出，具身智能的實現道路還很漫長，當前還面臨四個維度的挑戰：一是如何實現更加先進、靈活的計算算力，能夠讓智能系統在一個複雜多變的環境中自適應地行動，也即實現端側智能；二是要有更聰明的算法，爲具身智能系統帶來更高級的認知策略，要讓智能系統像人一樣思維和行動；三是具身智能在不斷普及、應用、發展過程中，會產生大量數據，如何保證安全和隱私性；四是隨着具身智能滲透到人類生活、工作的各層面，如何制定更加健全的倫理指南也不可忽視。

AI大模型典型企業則圍繞AI產業的發展邏輯以及產業落地方向進行闡釋。

百川智能創始人、CEO王小川在演講時指出，走向通用人工智能的趨勢已逐步得到行業認可，他稱今年爲“智能紀元二年”。

王小川回顧道，上一輪AI發展過程中，AlphaGo在單項領域超過了人類頂尖選手，因爲這是一個自我博弈的思考性系統，由此“強化學習”理念發展多年。但大模型興起後發現，數據越來越多，由此形成了一個學習型系統。未來的一個方向就是學習型系統和思考系統融合。

整體看，智能時代發展如今經歷了四步，其中前兩步用了四十年打基礎，形成今天的DIKW模型，即從Data（數據）到information（信息），走向Knowledge（知識）進入Wisdom（智慧）。這次OpenAI“草莓”模型的發佈，就意味着開始走向“智慧”階段。

王小川着重提到，業界此前認爲“自然語言處理是人工智能皇冠上的明珠”，如今這已經得到兌現，語言問題被攻克後，人工智能發展的確取得了質的突破。如今他認爲，“醫療是大模型皇冠上的明珠”，因爲醫療對知識有足夠大的需求，也是一種“AI for Science”的落地。

面壁智能聯合創始人、CEO李大海則提出“知識密度”概念，認爲這是推動大模型應用走向成熟的關鍵因素。

他把“知識密度”定義爲模型整體的智能水平除以參與推理的參數量，參與推理的參數量決定了模型推理時的能耗。

李大海分析，“知識密度定律”是第一性的，因爲在同樣能力條件下，有更高的知識密度就能用更低的能耗完成。努力做到大模型跟人一樣聰明、推理時功耗更小，是要努力的方向。

據介紹，面壁智能下一步給自己設定的目標是，在2026年底做到用端側模型全面達到當前GPT4o的水平。真正達到這個目標，在端側就可以打開豐富的應用想象力。

戴瓊海在現場發佈了《2024年大模型技術白皮書》。他提到，大模型已經成爲科技創新走向產業應用重要的樞紐。

探路商用

大會的高潮部分是頒獎儀式，全球36個國家和地區的6003支隊伍經過激烈角逐，誕生了賽區優勝隊伍、賽題冠亞季軍以及全球總冠軍。成都球形世界科技有限公司憑藉其在音樂創作社區領域的創新應用，榮獲全球總冠軍。

在路演環節，面壁智能、中科雲圖、筷子科技、和元達、智用開物、GLM法律行業大模型挑戰賽獲獎選手等各自展開了介紹。

圓桌對話過程中，業內人士對大模型的應用落地和商業模式探索進行了熱烈探討。

對於大模型會打開多大的市場空間，香港科技大學（廣州）協理副校長熊輝指出，大模型發展過程中，最大的挑戰是技術本身還在不斷快速發展。他看好大模型推理的巨大機會，其機會可能未必是直接對商業的推動，而更多是對產業範式將帶來巨大改變，由此也將誕生新的商機。

但其中也離不開產業界對數據的一定程度開放，並推動技術更加成熟、平民化和低成本，才能加速推動大模型應用的快速普及。

MiniMax副總裁蘇彤更關注對B端應用場景的開拓，她認爲，儘管AI大模型技術發展迅速，但目前C端缺少殺手級應用，B端應用場景也還不夠豐富。蘇彤認爲，提升AI大模型對生活的滲透度是行業未來發展的關鍵。

浙江大華股份研發副總裁殷俊分析道，在做人工智能產品交互時，面臨的挑戰是供給側是否可以滿足實際需求。由此，在供給側要提升產品化效率，能夠更好更快滿足市場需求；在需求端要切實幫助解決客戶的痛點。他樂觀看向市場化預期。

阿里夸克工程技術負責人萬明成認爲，簡單來說，第一要看應用成本，第二要找到有價值的場景，第三要找到良好的商業模式。

對於未來大模型的盈利空間，蘇彤認爲，持續提升技術的邊界比單純進行優化更爲重要，模型能力和效率是成正比的關係。

“MiniMax從去年底認識到這一點，開始做MoE專家模型。她指出，MoE模型是未來發展的趨勢，同時，文本模型的能力決定了語音模型和視頻模型的好壞，所以從去年開始，公司開始All In做MoE模型。目前看來，效果的確有顯著提升。”她續稱。

亞馬遜雲科技架構負責人吳金福介紹道，在亞馬遜，每推出一款產品或者解決方案，都要遵循逆向工作法機制，以此滿足客戶不斷變化的需求。“大模型未來的發展方向在於行業應用，應創造出更有價值的解決方案甚至有機會顛覆行業，這就有望成爲大模型未來的盈利點。”

萬明成堅定相信大模型帶來的技術普惠效應。“大模型最重要的是在很多場景都能帶來價值，但是苦於無法大規模落地。但過去一年，大模型應用成本下降速度很快，因此我樂觀認爲，在未來一兩年內，大模型將在更多場景中實現落地。”