以下為創業家&i黑馬編輯后的周鴻祎演講：

我是黑馬的老朋友，黑馬“不端不裝有點二”的Slogan，就是從我這兒借來的。前面的演講者講得非常好，我就講講細節： 在座的各位企業家和創業者，如何擁抱大模型？

如果認知不對，你就賺不到錢。 要建立AI信仰， 保持敏銳、要有緊迫感，但也不用慌。我把它寫成“信仰”，是因為每次出現新技術、新變革、新商業模式，總是有很多人懷疑。典型的是心態上看不起，因為看不清，也不愿花時間把它看懂，到最后就看不見了。

AI是一個比互聯網更大的機會。

AI這件事，特別是從2023年大模型橫空出世到今天，依然有很多爭論。我編了三個問題，叫 “AI三問” ，大家可以自我對照下。

你相不相信大模型是真智能，是人工智能的重大拐點？

你相不相信大模型是一場工業革命，將重塑所有產品和業務？

相不相信不擁抱AI的組織和個人，會被擁抱AI的組織和個人淘汰？

把AI比喻成工業革命，意味著它會把所有行業、所有業務、所有產品都重做一遍。網上現在有很多人熱烈討論，會不會被AI淘汰？其實AI不會淘汰人，而是你自己拒絕AI，不用AI，你會被擁抱AI的企業和個人淘汰掉。歷史上，工業革命進程持續了上百年，從計算機出現到互聯網革命，也用了三五十年，AI革命最快也需要三到十年。

AI給了我們一個比互聯網更大的機會。

很多人總喜歡用互聯網模式看人工智能，覺得歷史可以重復。我認為這兩者非常不一樣。當然，沒有互聯網算力、數據、人才和算法的積累，AI不可能走到今天，但互聯網只是連接平臺，人工智能則是生產力；互聯網是賦能性技術，生產力屬性較弱，而人工智能既能單兵作戰，也能外部賦能。

互聯網之所以具有顛覆性，是因為它切斷了舊鏈接，建立了新鏈接?；ヂ摼W通過虛擬空間和虛擬社區，建立了新的人和人、人和信息的聯系，這是一種零和游戲，用戶到了你那，就不在我這兒了，并不是直接給生產力賦能。但是 AI技術，改變的不只是連接，它的工業屬性非常強，而且可以直接帶來科技的進步和轉化。 就像Alpha Fold 得諾貝爾化學獎的蛋白質研究，可以直接讓人類攻克疾病。

人工智能有很多屬性，但一定要把握其中最重要的屬性，那就是生產力屬性。 我國打造新質生產力的核心抓手，就是人工智能和大模型。我不建議各位復用互聯網經驗去刻舟求劍，不要一上來就想著做顛覆式創新，要先賦能，再顛覆，因為它的生產力屬性很強。

我們看目前所有耳熟能詳的國內外大公司，包括蘋果、特斯拉、谷歌等等，目前用AI做的主要工作都是賦能，而不是思考怎樣顛覆別人。先思考自己的業務能不能用AI重做一遍，在這個過程中，企業的第二曲線，或者說企業的未來戰略就呼之欲出了。

01

大模型發展的八大趨勢

下面分享一下，我最近看到的幾個大模型發展趨勢。

1）AGI發展步伐在放慢。 我之前以為AGI很快能實現，因為山姆·奧特曼特別會說，我也相信了他的預言。但是最近的AGI發展步伐在變慢，Scaling law效應在遞減。之前人們以為，堆了算法和算力，只要規模無限加大，訓著訓著，一個宇宙超級無敵的人工智能就會出來。但最近llya說，可用的數據已經用得差不多了，大模型也還沒達到那個境界。所以，我覺得AGI不會那么快，像之前說2027年會到來，現在我認為，至少還要有5年到10年的等待。

2）“慢思考”成為新的發展范式。 這與第一個趨勢是相關的，Open AI一開始做的GPT，屬于快思考模式，你問問題，它即時回答。人們發現，這一模式的AI智力達到一定水平后，就上不去了。于是人們進行了新探索，發布了新模型，采用“慢思考”的模式。就像別人問我問題，我想的時間越長，答案就越精準。這也可能是一個AGI在早期的突破點。

3）越做越專。 之前很多國內廠商宣傳大模型時，都強調無所不能，既能寫詩，又能作畫。但現在發現，真正在某項能力方面超越人類的模型，都是專業模型。我最近看了很多資料，包括Open AI都開始承認，背后用了多個專業模型來協同工作，而不是用一個大模型做所有事情。舉個最簡單的例子，谷歌的阿法狗下圍棋很好，但是不會寫作文。所以，人工智能超越人類，是先在某個領域超過人類，還是一下子變得無所不能？我個人認為，越做越專是未來的趨勢。

4）越做越小。 大模型發展還有個問題，是應該越做越大，還是越做越?。孔龃螅瑫硭懔统杀镜膯栴}?，F在有一個趨勢，大模型要進入手機、汽車和各種智能硬件，所以大模型要往小的方向做。如今，10億參數以內的模型比比皆是，而且越來越多。

5）能力越來越強。 有人說，模型做小以后，能力也會變弱，這個觀點被顛覆了。因為之前訓練模型，什么東西都往里灌，很多數據的質量不高，導致模型能力不強。今天的大模型能力取決于訓練數據的質量，數據質量越高，大模型能力越強。這也給了我們一個啟發，Open AI覺得數據枯竭了，但是我們做專業模型，在公司內部有很多隱藏的顯性或隱性的知識，并不會提供給別人。所以在知識上，大家不要眼睛盯著互聯網，而是要盯自己的業務，通過慢思考，也能增強小模型的能力。

6）成本越來越低。 前兩年，買一個大模型要好幾千萬，還有人開價上億。經過這幾年的發展，大模型變成了大宗生意，開源大模型比比皆是，你可以拿來做自己的模型，比白菜還便宜。而且國內外提供的云服務價格也下降了百倍。

7）智能體推動大模型快速落地。 之前大模型在企業里落不了地，很大程度上是因為它的形態。它只是一個對話機器人，以聊天為主，“君子動口不動手”。但是大模型要在企業里落地，一個最基本的要求，是一定得能挽得起袖子，干得了活，腳能踩泥。所以AI Agent這兩年起得很快，我叫它“智能體”，更貼切的說法是“數字員工”或“數字專家”。之前是輔助性技術，現在變成比大模型還要關鍵的核心技術，大家一定要關注Agent，它是驅動大模型落地干活的重要力量。

8）Infra（基礎設施）接近成熟，應用開始興起。 美國前段時間有一個討論，大家買了英偉達很多顯卡，英偉達的股價這么高，還需要繼續這樣下去嗎？答案是NO。說明當下Infra（基礎設施）已經可以了，要開始做應用了。這跟互聯網很像，當年互聯網泡沫破滅時，很多公司投了很多錢在光纖網絡和路由器，把基礎設施搭起來了，如果沒有后來出現的一系列應用，互聯網真的會成為一場泡沫。現在，大家不要再琢磨Infra的事了，直接做應用吧。

02

未來的兩條發展路線

剛才講了跟企業應用相關的八個趨勢，下面是今天大家要記住的最重要的結論。

如果說2023年是大模型之年，2024年是專業大模型之年，那么2025年將是智能體之年。

在2024年，大家已經開始反思，大模型走向專業化和場景化。到2025年，大家將更清楚，只訓練大模型也還不夠，需要打造智能體。

大模型產業，已經演化出兩條發展路線。

第一條是AGI之路， 探索全面超越人類的超級人工智能，卷算力、卷數據，讓大模型向著萬億參數發展，這條路跟絕大多數人和絕大多數企業沒有關系。

第二條是應用之路， 放棄打造全能大模型的執念，讓一個大模型干一件事，把大模型“拉下神壇”，向場景化、應用化、專業化、垂直化方向發展。

我反復提出要把大模型拉下神壇，為什么？因為如果它像超級電腦一樣，被供在高高在上的地方，不會給各位帶來什么影響。當年IBM發明了超級電腦，并沒有發生信息革命，是PC走入千家萬戶和千行百業后，才帶來革命。今天大模型跟應用相結合，對我們國家來說特別有意義，因為我們的工業門類最齊全，產業鏈最豐富，而且我們的實業場景是最多的。

AGI（通用人工智能）是全球少數巨頭的游戲，在美國這條路就屬于那七八家巨頭公司。而且通用人工智能競爭很激烈，辛辛苦苦訓練一個模型，沒幾天就被超越了，無法形成技術壁壘。所以， 普通的創業者和中小公司唯一的機會，是在應用之路上找創新場景。

去年有部電影叫《年會不能停》，里面講了一句特別深奧的話：“解決問題的關鍵在于找到關鍵的問題”。我認為， 目前關鍵的問題，就是應用一個大模型就做好一件事。 當年使用過ChatGPT以后，我就說，這是一種強大的能力，但不是產品。如果一個產品承諾啥都能干，用戶對它的期望就不知道落在什么地方，而且滿意度會非常不穩定。對話機器人的聊天方式，需要復雜的提示詞的使用方式，決定了它是強大的能力而不是產品。

有人說，我是在把大模型庸俗化。 沒錯，我的目標就是把大模型“庸俗化”，讓普通人不再仰視，撤下它的神秘面紗。

03

用好六大能力，發展六大應用方向

如果走應用之路，就要用好大模型的幾大能力。過去，國內大模型公司普遍犯了一個錯誤，每次介紹大模型時，都只介紹好玩的東西，最好玩的就是寫小作文，做小視頻，畫奇奇怪怪的圖案。這讓很多傳統企業有一個誤解，覺得大模型很有趣，但是不能干活，跟業務沒有關系。

其實，大模型有六個層面的能力：

第一層，跟 語言文字 相關的基本能力。

第二層，AIGC的 創意能力 。

第三層， 多模態能力。 這一點越來越重要，因為企業要處理各種數據，各種物聯網絡，多模態讓人工智能不僅能理解文字和語言，還能聽得懂我們的聲音，看見發生了什么事情。

第四層， 業務能力 。這是對傳統企業最重要的能力，傳統企業普遍面臨數字化改造的任務，利用大模型可以加速數字化進程，把數字化結果進一步智能化。

第五層， 創新能力 。

第六層， 科學能力 。

與這六層能力對應，我們總結了大模型的 六大應用方向 ，供大家參考。

方向一，人人智能，打造個體超能力。 人工智能是人類發明的最有力的工具，攜帶人工智能助手，可以讓每個人擁有超能力，圍繞這個方向有很多創業機會。比如，對于一個不善于交流的人，HR助手給出一個建議，根據剛剛的聊天內容，應該提這些問題等等。在這個方向上，要避開巨頭的常見場景，深入了解現在人們對人工智能的具體需求。

方向二，萬物智能，從萬物互聯走向萬物智能。 有人已經在討論，什么時候硬件可以AI化？我的觀點是不管三七二十一，先試著用AI改造，未來所有的硬件都會有一個大模型。無論是車，還是手表、眼鏡、PC，都可能因為大模型化，創造出新的能力。最近Facebook做了一個智能眼鏡，沒那么重，看到以后馬上可以拍照搜索，賣了幾百萬副。有了AI以后，虛擬現實和元宇宙就有可能成真。

方向三，數轉智改，助力傳統產業打造新質生產力 。 AI可以幫助很多傳統企業推動數轉智改。這時就不能用通用大模型，因為通用大模型對企業的知識不了解、語境不了解。所以必須要給企業打造一系列的私有化大模型，而且不要幻想用一個大模型解決企業所有的問題。未來企業內部，一定會有多個大模型和多個智能體協作，來推動業務的發展。

像美國斯坦福醫學院，就是一個利用AI實現傳統企業數轉智改的典型范例。他們發現目前的業務運轉有三個卡點：第一，病人看病要通過家庭醫生給斯坦福醫院發傳真，需要有人去理解傳真、錄入，這需要一個上百人的隊伍；第二，需要有很龐大的客服隊伍給病人打電話，來落實什么時候來看?。坏谌赐瓴∫院?，還得有人寫很專業的報告，找保險公司報銷。所以他們就與一家AI公司合作，針對這三個場景，做了三個智能體，來解決這三個問題，背后是三個大模型，分別應用了大模型的多模態能力、寫作能力和知識獲取能力。

方向四，賦能未來產業和新興產業，變不可能為可能。 大模型會給未來的數字化企業帶來的新的算法和新的解決問題范式。如果沒有大模型，今天所有的自動駕駛想做到無人駕駛是不可能的。特斯拉的Robotaxi之所以有信心在全國推廣，就是因為經過訓練后，大模型產生了舉一反三的智慧涌現能力。另外，有一些大模型已經可以把工程師寫的人工代碼替換掉，全部變成機器學習。這為企業提供了新的解決問題的范式。

方向五，AI for Science，打造科研新范式。 這是“皇冠上的明珠”，今年的諾貝爾獎物理學獎和化學獎，給了兩位AI科學家。這也給了我們一個啟示，未來研究基礎科學也要利用AI范式。AI處理文字和語音的過程，是把它看作一個序列，如果已知序列足夠多，就能把下一序列預測出來。那么，也可以把基因看作一個序列，把一個細胞的分子構成看作一個序列，把蛋白質的構成看作一個序列，試試大模型，有可能會產生奇效。

方向六，AI安全，實現安全的自動駕駛。 這個方向是我塞進來的，因為我是做安全的。今天使用大模型，都是當作個人工具，哪怕說錯一句話也沒有什么大影響。但如果大模型跟企業業務系統融合在一起，跟無人機結合在一起，可以按武器發射按鈕時，它出錯就會產生很大問題。大模型可能產生幻覺，可能偽造信息，也可能被人PUA，這就需要安全防范。

04

從應用到服務，四個建議

最近，美國人又造了一個新詞，叫 “從SaaS到SaaS”。之前的SaaS是“軟件即服務”，現在SaaS是“服務即軟件”。

我一開始沒理解，后面看了一些案例才明白。美國的軟件是一個萬億美金的市場，但是有兩個問題：第一，軟件只是人類的工具；第二，有很多事情軟件干不了，比如請人寫訴狀，或到保險公司報銷。后者在美國叫服務市場，由人提供服務，是個十萬億級別的市場。現在有了人工智能以后，用人工智能打造專業大模型，加上智能體，很多過去非要用人做的事情，就可以用大模型做，把軟件取代。像前面提到的斯坦福醫院100人的傳真隊伍，智能體上線以后，只要保留2個人就可以了。

智能體與APP有本質上的不同。 APP是個工具，需要有人用；智能體卻可以主動幫你干活或協助你進行干活，所以價值有了根本性轉變。 從“軟件即服務”，到“服務即軟件”，萬億美元的軟件市場轉變為十萬億美元的服務市場，從“工具輔助人創造價值”，變成了“AI直接創造價值”。

過去很多企業在教育云計算市場時，把云計算比喻成電力。如果按照同樣的思路，大模型應該建在云端。但是我認為， 大模型更像是電動機。 當年，一臺蒸汽機是工廠布局的核心，所有工廠的動力都是由這一臺蒸汽機提供，空氣錘、鼓風機都是由一個蒸汽機操作，直到數十年以后，人們有能力把電動機做小、做便宜，工廠一下子就擺脫了中心驅動的模式，變成了分布式驅動和單元驅動。過去需要動力的地方，單獨買個電動機裝上就可以了，這給工廠帶來了格局的革命、流程的改造和組織架構的改變，由此引發了生產力革命性進步。

如果我們把電動機換成大模型，是否會感覺很貼切？所以， 大模型不是中心化的“電力”，而是去中心化的“電動機”。

在這里，我給大家四個建議：

建議1：人人AI，企業內部人都先用起來。 企業內部，從老板到員工要強迫用AI。用AI不像看電影，不是人的本能，但是很多企業最終都要用AI。所以，企業的每個人都要去了解，而不是回避AI。

建議2：企業辦公和營銷場景要率先AI化。 360提供了企業辦公門戶，把300多個企業辦公營銷的工具做了集成，可以幫助企業快速把辦公和營銷的能力率先AI化。

建議3：要建立企業知識中樞。 如果想做自己公司的數轉智改，我的建議是在應用大模型之前，一定要把企業的知識管理做好。所有企業做到最后，最有價值的就是Know how，最有價值的事不在紙上，而是在老板和高管的腦子里，在企業的業務流程里。要做好知識捕捉、知識加工、知識沉淀、知識生產和知識搜集，把內部知識管理做起來。沒有知識庫的支持，企業的數字人就會胡說八道；有了知識庫，它就能圍繞企業的業務回答問題。

建議4：選擇業務場景，打造專業大模型和Agent數字員工。 不要追求宏大敘事，而是要把場景細分。一句話，找到企業的卡點和堵點，也就是過去解決不了事和解決不了的問題，看看能不能用AI重做。

文章評價

匿名用戶

發布

發布