每經(jīng)記者｜可 楊????每經(jīng)編輯｜陳俊杰????
在實現(xiàn)通用人工智能這一宏偉目標牽引下，大結(jié)大模AI（人工智能）產(chǎn)業(yè)正邁向其發(fā)展的構(gòu)性“下一個十年”。
不過，難題在模型能力持續(xù)提升的制約同時，產(chǎn)業(yè)落地的型規(guī)腳步卻并未同步提速。11月16日，?；凇?025人工智能+”大會上，落地多位業(yè)內(nèi)人士表示，遇阻高昂的大結(jié)大模成本、缺乏高質(zhì)量行業(yè)數(shù)據(jù)、構(gòu)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(guī)?；瘧?yīng)用的制約四大結(jié)構(gòu)性難題。
與此同時，型規(guī)從開源與商業(yè)化的模化平衡，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驗室推向車間、辦公室和街頭巷尾時，規(guī)?；涞赜龅降淖枇h超預(yù)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，我們一直說規(guī)模法則，要把模型越做越大、越來越強，對應(yīng)的結(jié)果是成本越來越高?！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了大模型訓(xùn)練和使用成本的持續(xù)攀高。他認為，任何技術(shù)要對人類社會產(chǎn)生深遠影響，都必須解決標準化和成本問題。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，即通過技術(shù)創(chuàng)新，讓更少的參數(shù)承載更多的模型能力。“摩爾定律每18個月一個周期，使其密度加倍。我們會發(fā)現(xiàn)大模型可以做到每100天，也就是3.3個月至3.5個月左右，實現(xiàn)模型密度翻倍。”
當前，大模型訓(xùn)練和使用的高昂成本已成為行業(yè)無法回避的問題。云知聲創(chuàng)始人兼首席執(zhí)行官黃偉也提到，一個典型的場景是，客戶雖然認可滿血版的DsspSeek（深度求索）模型效果好，但高昂的成本讓其無法使用，“客戶要的是最終結(jié)果，不管用的哪個模型，我就這點預(yù)算，搞定我的問題”。
另一個被多次提到的結(jié)構(gòu)性短板是高質(zhì)量數(shù)據(jù)，尤其是行業(yè)語料不足?！坝袛?shù)據(jù)不代表有語料?！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(shù)據(jù)質(zhì)量和數(shù)量不足的問題，導(dǎo)致模型無法訓(xùn)練。
北京數(shù)據(jù)集團副總經(jīng)理、北京國際大數(shù)據(jù)交易所董事長李振軍指出，人工智能發(fā)展以后，數(shù)據(jù)交易市場對模型訓(xùn)練數(shù)據(jù)的需求正快速增長，兩年時間里，數(shù)據(jù)交易從零增長到已占到交易所交易量的三分之一。
李振軍強調(diào)，AI應(yīng)用深化的真正瓶頸在于數(shù)據(jù)準備工作?！埃ㄆ髽I(yè)）生產(chǎn)經(jīng)營過程中積累了大量數(shù)據(jù)，但是沒有AI需求的時候，數(shù)據(jù)分散在不同專業(yè)業(yè)務(wù)系統(tǒng)里邊，沒有以人工智能視角建成數(shù)據(jù)集，這個數(shù)據(jù)集建設(shè)其實剛剛起步”。
他認為，這項數(shù)據(jù)集建設(shè)工作，是AI技術(shù)與產(chǎn)業(yè)結(jié)合最關(guān)鍵的業(yè)務(wù)連接，可能需要兩年時間才會找到比較好的路徑。
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(diào)，真正在產(chǎn)業(yè)上交付，必須解決三個核心問題：首先是要交付全系統(tǒng)、全鏈路；其次是軟硬件結(jié)合；此外，大規(guī)?？啥ㄖ啤Y(jié)合真實場景用大小模型、不同工具進行柔性、快速、大規(guī)模地定制同樣重要。
與此同時，一個更底層的挑戰(zhàn)是產(chǎn)業(yè)對大模型能力邊界的認知偏差?；艏蚊枋隽艘粋€普遍現(xiàn)象：“往往是業(yè)務(wù)領(lǐng)導(dǎo)對大模型充滿絕對信心，反而做技術(shù)的人對如何落地感到非常擔憂。”
分工和邏輯正被改寫
從實驗室的原始創(chuàng)新，到產(chǎn)業(yè)鏈的商業(yè)閉環(huán)，AI落地應(yīng)用原有的分工和邏輯正在被改寫。
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源地，但也存在資源量不如企業(yè)的問題。企業(yè)則能投入大量的資源，在看清方向后進行大規(guī)模投入。
而新型研發(fā)機構(gòu)則提供了第三種可能。許華哲認為，這類機構(gòu)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期意義重大的任務(wù)。
在商業(yè)模式上，開源與閉源的對立關(guān)系也開始松動。智譜華章董事長劉德兵在被問及如何平衡開源與商業(yè)化時表示：“這是相互共生的狀態(tài)，不是相互抵觸的?！?/p>
劉德兵認為，開源對人工智能行業(yè)的發(fā)展至關(guān)重要，能讓千千萬萬有知識、有技術(shù)的各行各業(yè)人才共同貢獻。從公司戰(zhàn)略角度看，開源帶來的生態(tài)繁榮，最終會轉(zhuǎn)化為商業(yè)價值。他透露，在開源架構(gòu)的基礎(chǔ)上，智譜的商業(yè)收益也在快速增長，“我們想象未來AI本身成為社會的基礎(chǔ)設(shè)施，為各行各業(yè)賦能的時候，這里面蘊含著巨大的商業(yè)價值，可能是萬億（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(zhí)行官姜大昕提出了智能終端的定位，即“人、車、家”三大場景。他認為，智能終端將成為下一個人機交互的接口，而智能體是實現(xiàn)這一變革的關(guān)鍵。姜大昕認為，終端比場景更關(guān)鍵，因為它決定了AI應(yīng)用的觸點位置與使用頻率。這種理解意味著，AI落地的競爭正從模型能力轉(zhuǎn)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(fù)雜的落地路徑，什么才是真正有價值的AI？范式聯(lián)合創(chuàng)始人、首席科學(xué)家、執(zhí)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)核心價值、指引整體發(fā)展方向的關(guān)鍵指標）。換言之，AI不是用來提供附加功能，而是用來改善決策速度、生產(chǎn)效率、成本結(jié)構(gòu)或質(zhì)量穩(wěn)定性等核心業(yè)務(wù)指標。
翻譯
搜索
復(fù)制
(責任編輯：百科)
