每經(jīng)記者｜可 楊????每經(jīng)編輯｜陳俊杰????

在實(shí)現通用人工智能這一宏偉目標牽引下，大結大模AI（人工智能）產(chǎn)業(yè)正邁向其發(fā)展的構性“下一個(gè)十年”。

不過(guò)，難題在模型能力持續提升的制約同時(shí)，產(chǎn)業(yè)落地的型規腳步卻并未同步提速。11月16日，?；凇?025人工智能+”大會(huì )上，落地多位業(yè)內人士表示，遇阻高昂的大結大模成本、缺乏高質(zhì)量行業(yè)數據、構性工程化能力不足以及對大模型能力邊界認知的難題偏差，正成為制約AI規?；瘧玫闹萍s四大結構性難題。

與此同時(shí)，型規從開(kāi)源與商業(yè)化的?；胶?，到AI入口從云端向終端遷移，落地產(chǎn)業(yè)格局正在發(fā)生微妙變化。

AI落地面臨“攔路虎”

當產(chǎn)業(yè)界嘗試將大模型從實(shí)驗室推向車(chē)間、辦公室和街頭巷尾時(shí)，規?；涞赜龅降淖枇h超預期。

“大模型（當前的）敘事邏輯對賦能千行百業(yè)不友好的地方在于，我們一直說(shuō)規模法則，要把模型越做越大、越來(lái)越強，對應的結果是成本越來(lái)越高?！鼻迦A大學(xué)計算機系副教授、面壁智能聯(lián)合創(chuàng )始人兼首席科學(xué)家劉知遠在圓桌論壇上表示。

劉知遠指出，敘事邏輯的不友好直接帶來(lái)了大模型訓練和使用成本的持續攀高。他認為，任何技術(shù)要對人類(lèi)社會(huì )產(chǎn)生深遠影響，都必須解決標準化和成本問(wèn)題。正如芯片行業(yè)的摩爾定律，他所在的團隊提出了大模型能力密度法則，即通過(guò)技術(shù)創(chuàng )新，讓更少的參數承載更多的模型能力?！澳柖擅?8個(gè)月一個(gè)周期，使其密度加倍。我們會(huì )發(fā)現大模型可以做到每100天，也就是3.3個(gè)月至3.5個(gè)月左右，實(shí)現模型密度翻倍?！?/p>

當前，大模型訓練和使用的高昂成本已成為行業(yè)無(wú)法回避的問(wèn)題。云知聲創(chuàng )始人兼首席執行官黃偉也提到，一個(gè)典型的場(chǎng)景是，客戶(hù)雖然認可滿(mǎn)血版的DsspSeek（深度求索）模型效果好，但高昂的成本讓其無(wú)法使用，“客戶(hù)要的是最終結果，不管用的哪個(gè)模型，我就這點(diǎn)預算，搞定我的問(wèn)題”。

另一個(gè)被多次提到的結構性短板是高質(zhì)量數據，尤其是行業(yè)語(yǔ)料不足?！坝袛祿淮碛姓Z(yǔ)料?！卑⒗镌浦悄芗瘓F副總裁霍嘉表示，很多行業(yè)依舊存在數據質(zhì)量和數量不足的問(wèn)題，導致模型無(wú)法訓練。

北京數據集團副總經(jīng)理、北京國際大數據交易所董事長(cháng)李振軍指出，人工智能發(fā)展以后，數據交易市場(chǎng)對模型訓練數據的需求正快速增長(cháng)，兩年時(shí)間里，數據交易從零增長(cháng)到已占到交易所交易量的三分之一。

李振軍強調，AI應用深化的真正瓶頸在于數據準備工作?！埃ㄆ髽I(yè)）生產(chǎn)經(jīng)營(yíng)過(guò)程中積累了大量數據，但是沒(méi)有AI需求的時(shí)候，數據分散在不同專(zhuān)業(yè)業(yè)務(wù)系統里邊，沒(méi)有以人工智能視角建成數據集，這個(gè)數據集建設其實(shí)剛剛起步”。

他認為，這項數據集建設工作，是AI技術(shù)與產(chǎn)業(yè)結合最關(guān)鍵的業(yè)務(wù)連接，可能需要兩年時(shí)間才會(huì )找到比較好的路徑。

工程化能力的不足正成為落地的“最后一公里”障礙。上海交通大學(xué)計算機科學(xué)與工程系特聘教授、思必馳公司聯(lián)合創(chuàng )始人俞凱在論壇上強調，真正在產(chǎn)業(yè)上交付，必須解決三個(gè)核心問(wèn)題：首先是要交付全系統、全鏈路；其次是軟硬件結合；此外，大規?？啥ㄖ啤Y合真實(shí)場(chǎng)景用大小模型、不同工具進(jìn)行柔性、快速、大規模地定制同樣重要。

與此同時(shí)，一個(gè)更底層的挑戰是產(chǎn)業(yè)對大模型能力邊界的認知偏差?；艏蚊枋隽艘粋€(gè)普遍現象：“往往是業(yè)務(wù)領(lǐng)導對大模型充滿(mǎn)絕對信心，反而做技術(shù)的人對如何落地感到非常擔憂(yōu)?！?/p>

分工和邏輯正被改寫(xiě)

從實(shí)驗室的原始創(chuàng )新，到產(chǎn)業(yè)鏈的商業(yè)閉環(huán)，AI落地應用原有的分工和邏輯正在被改寫(xiě)。

清華大學(xué)交叉信息研究院助理教授許華哲以具身智能為例，分析了當前創(chuàng )新生態(tài)中的三種不同角色。他指出，高校是人才密集度最高和最好想法的來(lái)源地，但也存在資源量不如企業(yè)的問(wèn)題。企業(yè)則能投入大量的資源，在看清方向后進(jìn)行大規模投入。

而新型研發(fā)機構則提供了第三種可能。許華哲認為，這類(lèi)機構足夠靈活，可以下決心做一件事，但是不一定追求ROI（投資回報率），能承擔那些短期收益不高但長(cháng)期意義重大的任務(wù)。

在商業(yè)模式上，開(kāi)源與閉源的對立關(guān)系也開(kāi)始松動(dòng)。智譜華章董事長(cháng)劉德兵在被問(wèn)及如何平衡開(kāi)源與商業(yè)化時(shí)表示：“這是相互共生的狀態(tài)，不是相互抵觸的?！?/p>

劉德兵認為，開(kāi)源對人工智能行業(yè)的發(fā)展至關(guān)重要，能讓千千萬(wàn)萬(wàn)有知識、有技術(shù)的各行各業(yè)人才共同貢獻。從公司戰略角度看，開(kāi)源帶來(lái)的生態(tài)繁榮，最終會(huì )轉化為商業(yè)價(jià)值。他透露，在開(kāi)源架構的基礎上，智譜的商業(yè)收益也在快速增長(cháng)，“我們想象未來(lái)AI本身成為社會(huì )的基礎設施，為各行各業(yè)賦能的時(shí)候，這里面蘊含著(zhù)巨大的商業(yè)價(jià)值，可能是萬(wàn)億（元）級別的”。

在落地路徑上，AI的入口正在從云端向終端遷移。階躍星辰創(chuàng )始人兼首席執行官姜大昕提出了智能終端的定位，即“人、車(chē)、家”三大場(chǎng)景。他認為，智能終端將成為下一個(gè)人機交互的接口，而智能體是實(shí)現這一變革的關(guān)鍵。姜大昕認為，終端比場(chǎng)景更關(guān)鍵，因為它決定了AI應用的觸點(diǎn)位置與使用頻率。這種理解意味著(zhù)，AI落地的競爭正從模型能力轉向入口位置，而入口的爭奪，也將從消費端延伸到產(chǎn)業(yè)端。

面對復雜的落地路徑，什么才是真正有價(jià)值的AI？范式聯(lián)合創(chuàng )始人、首席科學(xué)家、執行董事陳雨強認為，人工智能落地的關(guān)鍵是能夠改變行業(yè)的北極星指標（衡量業(yè)務(wù)核心價(jià)值、指引整體發(fā)展方向的關(guān)鍵指標）。換言之，AI不是用來(lái)提供附加功能，而是用來(lái)改善決策速度、生產(chǎn)效率、成本結構或質(zhì)量穩定性等核心業(yè)務(wù)指標。

翻譯

搜索

復制