大模型短期容易被高估，長期容易被低估。未來兩到三年，大模型是值得期待的。
大模型數智經營 2.0 時代，将具有新的三大特性：知識經營、基于 AI 的決策執行 & 因果推斷、創造性的智能經營。
大模型在 To P（Professional consumer）場景中能更好地提效。
本次 CCF C ³ 活動來到阿裏媽媽，近二十位來自企業、學界的專家、研究人員一同參觀了阿裏巴巴展區，聆聽了來自特邀嘉賓與講者的報告分享，參與高峰論壇讨論。
阿裏媽媽廣告技術部工程技術負責人仇光，北京郵電大學教授杜軍平帶來了與數智商業化技術相關的主題報告。
随後，仇光、杜軍平和阿裏媽媽及閑魚 CTO鄭波，面壁智能聯合創始人兼 CEO、知乎合夥人 CTO 兼高級副總裁李大海，高通公司中國産品技術生态合作負責人劉曉光，阿裏媽媽内容平台與智能創作算法負責人葛鐵铮等在高峰論壇環節讨論了商家該如何應對大模型等問題。
大模型短期容易被高估，長期容易被低估
高峰論壇首先從大模型熱潮的現狀開始談起：大模型是否會像區塊鏈、元宇宙技術昙花一現，還是一次真正産生深遠影響的技術革命？
嘉賓們普遍認爲，大模型技術相比于區塊鏈、元宇宙，具有更多與現實應用的清晰的結合點。初期的大模型存在泡沫是必然的，反映了大家對技術的過于高估。
但是李大海表示大模型「短期容易被高估，長期容易被低估」。也許短時間内，技術沒有對世界産生巨大變化，但是未來兩到三年，大模型是值得期待的。
大模型的創造力帶來可能性
大模型的出現對學術界和産業界都帶來了新的震動。
杜軍平簡單梳理了大模型給學術界帶來的影響。大模型在深度學習領域，推動了模型壓縮、模型可解釋性、模型建置等更加前沿的研究。在此基礎上，模型魯棒性、可解釋性、倫理問題和數據隐私問題等新的問題，也推動了新的研究方向和算法的出現。
大模型浪潮還推動了跨學科的研究合作，同時合成數據的出現，進一步擴充了小樣本、多語言的數據。但是大模型也不可避免地影響了研究興趣的轉移，更多年輕學生轉向做大模型，讓傳統計算機學科研究受到了挑戰。
仇光從産業界的視角出發，認爲大模型對實際問題的解決提出了新的思路。對于公司内部，大模型主要用于内部提效。在電商場景中，大模型賦予了個人獨立、全流程實現開店的能力。如何應用大模型，是發揮想象力的工作。
葛鐵铮在阿裏媽媽負責創意、内容生成方面工作，他表示自己最看重大模型的創造力，大語言模型總能很快地給出稀奇古怪的想法。即使是數據規模較小、質量較差的模型，也能夠完成創造性工作。
但是在邏輯判斷、知識輸出等方面，成熟、完善的大模型才能更好地應對，很多情況下需要外界輔助如搜索增強等來提升能力。
鄭波提到了一個新的概念 ToP（Professional Consumer）。短期來看，大模型帶來的改變是效率提升。相比于 ToB 和 ToC 場景，在 ToP 場景中，專業從業者如内容創作者、程序員、分析師、BI 等能夠更好地利用大模型來提效。
大模型在電商場景還能如何應用呢？
高通劉曉光提出，在移動設備算力及性能飛速提高的基礎上，未來 AI 和大模型可以讓手機等通訊設備成爲個人助理、甚至個人代理。
一方面大模型可以更好地理解用戶的行爲意圖、輔助用戶決策，也能夠幫助商家推薦更符合用戶喜好的産品。另一方面，很多公司在做數字人電商直播，端側的大模型能力能夠讓商家在手機端實時渲染驅動數字人，與用戶即時反饋互動。
大模型的局限性
高峰論壇中，嘉賓們也深入讨論了大模型的局限性。
李大海表示，大模型現在還有很多局限，仍處于早期階段，在多模态、複雜規劃、内容可控性等方面能力有待改善。與此同時，大模型能力增強的同時，意味着成本的增加，這讓應用場景很受限制。
劉曉光也贊同要關注成本能耗的問題，現在大模型還是「大力出奇迹」的時代，未來模型優化提效和算力雲端協同值得關注。大模型訓練和推理都涉及大量的數據，這對個性化數據的隐私安全提出了新的要求，以及端測推理和隐私計算等技術的重要性。
鄭波認爲大模型技術上最大的局限是推理和規劃的能力。在安全風險上，除了隐私安全，鄭波還提到了虛假信息對社會的影響。在成本問題上，他認爲兩年内大模型成本會大幅降低，但是我們需要思考大模型是否能夠帶來足夠多的價值。
大模型在安全風險上，也同樣存在局限性。劉曉光提到了個性化數據被用于模型訓練和實時分析的問題，這既需要保護隐私數據安全，也對端側計算能力提出了要求。
CCF 秘書長唐衛清表示，現在的大模型以平台類爲主，知識範圍大而全；當未來的大模型落到垂直領域時，跨領域知識如何區别和建立聯系仍有待思考。
大模型數智經營 2.0 時代
仇光在《數智商業技術的趨勢和挑戰》主題報告中提到，過去的數智商業技術的 1.0 時代本質上是基于統計分析或經驗判斷來提升投放效果。
仇光表示，結合了大模型的數智經營技術 2.0 時代，将具有新的三大特性：知識經營、基于 AI 的決策執行 & 因果推斷和創造性的智能經營。
在生成式 AI 優化原有數字經營鏈路和模型的基礎上，仇光也期待着 AI Native 能夠給産品鏈路、工作模式等帶來颠覆性的新範式。
他也提出數智商業技術的面臨幾個挑戰，包括大模型浪潮邁入新階段：從 Pretrain 到 SFT、在線推理成爲未來制約大模型應用的關鍵瓶頸、AI Native 的數智經營範式仍然是一個開放課題等。
杜軍平在《大模型賦能的電商大數據智能搜索與推薦》主題報告中，詳細介紹了團隊如何将大模型技術與電商領域應用相結合。
杜軍平詳細介紹了深層次特征提取、多模态語義理解和分析、深度學習和個性化建模等技術和最新研究進展。爲此她總結道，大語言模型在電商大數據的精準畫像、智能搜索、智能推薦等領域展現出了非常大的潛力。
