文｜任亦
編輯｜阿至
不久前，百度創始人、董事長兼首席執行官李彥宏在西麗湖論壇上分享了對當下大模型發展的見解。他認爲，AI 原生時代需要 100 萬量級的 AI 原生應用，但是不需要 100 個大模型，" 不斷地重複開發基礎大模型是對社會資源的極大浪費。"
從 ChatGPT 掀起這場技術熱潮至今，大模型創業和曾經移動互聯網時代的百團大戰、百播大戰一樣，再次邁入了同一條河流：百模大戰。公開數據顯示截至 10 月份，中國已經發布了 238 個大模型，相較于 6 月份的 79 個翻了 3 倍。
熱錢湧向了基礎大模型，但在落地應用中，就目前爲止，并未出現真正被大模型颠覆的場景或行業。
看向海外市場，微軟、OpenAI、谷歌已經逐步形成了 AI 大模型的增長飛輪。ChatGPT 推出支持 " 看、聽、說 " 的聊天機器人服務、Meta 發布基于 Llama 2 的聊天機器人 Meta AI 和類似 MidJourney 的文生圖服務 Emu、谷歌則發布類似微軟 Copilot 的 OS 智能助理 Assistant with Bard，和集體照優化等 AI 手機應用。
無論是科技巨頭，還是創業公司，他們都正在積極追趕 AI 大模型應用的發展。
基于此，國内市場也發生了新的變化。11 月 8 日，由 36 氪 AI 協同創新中心聯合 Colingo 共同主辦的我愛黑 " 可頌 " 大語言模型應用創新挑戰賽落下帷幕，25 個參賽項目進入最終的線下路演，接受來自企業方評委的點評和考察。
這些來自品牌方、互聯網真正的一線技術負責人的視角和觀點，某種程度上也代表了當下真實的市場需求和企業業務痛點。而當新技術想要跨越科學和商業的邊界，走出象牙塔，就必須走到一線的業務和需求當中，解決實際的問題。
此次大賽創辦的初衷，也是希望推動大模型真正走進場景應用階段，當創業者之間的比拼從宏觀轉向微觀，考驗的不僅是團隊的交付能力，還有對應用場景以及用戶需求的精準洞察。
當開發 AI 原生應用成爲産業趨勢，36 氪 AI 協同創新中心想要借助大賽撕開一道口子，讓越來越多的創業者和産業相關方關注并參與到場景和應用中來，推動 AI 時代的技術落地和新商業飛輪的運轉。
大模型應用，未來已來
大模型帶來的生成式 AI 技術，讓人可以用自然語言與機器交互，這是不亞于 PC 時代到移動互聯網時代的又一次革新。
但衆所周知，作爲底層技術底座，大模型并不能直接創造商業收益，而未來的大模型市場也并不能容納下上百個大模型底座的存在。
大模型底座隻能作爲人工智能時代的操作系統而衍生，更多的應用将基于大模型而開發、創新。而這些大量長在大模型上的 "AI 原生應用 "，也必将帶來新的流量分配，創造新的增長風口。
但事實上，先進的技術與落地之間往往隔着一道鴻溝。
過去十幾年，人工智能領域的新技術接二連三出現，但經過沉澱、研發之後，很多技術和應用成爲了昙花一現的存在，無論是企業還是普通大衆，在消耗了足夠的新鮮感之後，一旦應用的實用價值有限，它們也就随之被冷落。
在相當長一段時間裏，AI 的發展和應用，從研發走到落地階段，往往面臨着場景難挖掘、落地難提效的問題，生成式 AI 時代的應用盡管剛剛起步，也同樣繞不開上述難題。
根據蒙牛集團數智化研發負責人皮人偉多年以來的觀察，技術與落地商業化是有區别的。" 一般技術落地的過程要經曆從 Idea（創意）、Demo（核心功能演示）、Prototype（樣品，可行性論證）到 Production（産品上線，大規模部署）的演進。"
與此對照，去年 12 月開始的通用大語言模型爆發至今，大部分的産品還處于 Demo 階段。但是，不同于過往人工智能技術下的産品和應用，大模型的通用能力，對各行各業都存在實用價值。在皮人偉看來，這（技術的落地和商業化）需要時間和項目去熬，沒有捷徑，而所謂的距離，就是時間和經驗。
永輝彩食鮮副總裁兼 CTO 喬新亮闡述了同樣的邏輯。在他看來，當應用研發的生産力達到一定程度之後，原有的生産關系必然發生新的變化，因此重構技術和應用體系才能幫助大模型應用釋放的更大的能量。
就像喬新亮所言的那樣，技術永遠是企業拉開差距、推動社會向前的核心因素。但隻講技術，并不意味着能解決企業面臨的實際問題，對于這個産業鏈上的參與者而言，他們必須 " 下沉 " 到企業的場景之中。
而從商業化規模的角度去看，喬新亮則表示，新技術的落地和應用必須伴随着企業使用成本的下降和效率的提升，簡言之，二者缺一不可。" 如果技術能帶來提效，但成本卻難以被企業承受，那這并非實現産業落地的路徑。"
百模大戰後，業界的關注點從基礎大模型轉向了應用層，2023 年下半年，幾乎所有 AI 的新概念和風口，都圍繞着如何讓大模型快速落地、更加普惠而展開。正如喬新亮所言，所有的技術創業公司，最後還是得看企業的盈利模型。
這是屬于創業者的機會
ChatGPT 走紅之初，國内很多從業者被其技術能力所震撼，選擇投身于訓練一個屬于自己的大模型産品。
但經過一段時間的沉澱之後，很多從業者開始回歸理性，在多位大模型從業者看來，大模型隻是底層的技術能力。無論是各項參數，還是訓練能力的提升都不能帶來商業收益。因此，資金和資源更強的科技巨頭公司才更有能力承擔大模型底層技術底座的角色。
創業公司和巨頭公司 " 卷 " 大模型技術底座并非明智的選擇。而應用層意味着每一位創業者都能夠在産業鏈上做各自擅長的事，通過對應用場景的深入挖掘而實現企業降本增效和産業的發展。
" 新技術和産品，更重要的實現商業價值上的循環。" 長城汽車智能網聯數據總監王珏華表示。" 我可以不需要完全用通用能力都可以，而是基于大模型本身并結合應用場景實現真正的商業化。"
他認爲，大模型這個技術最好的應用模式是重構自身的業務鏈條。以營銷爲例，王珏華提到了大模型應用的兩個角度。
一方面，營銷預案的物料，素材，能否通過大模型來實現更爲精準的生産。另一方面，大模型能否在銷售過程中輔助銷售人員進行售賣，通過記錄用戶的喜好和行爲實現精準推薦。
也正如李彥宏所言，大模型有沒有對互聯網公司的 DAU、時長、用戶留存這些指标産生正向影響，有沒有對企業的收入、利潤、成本産生影響，才是問題的本質。
貫徹于市場對大模型應用落地的原則，我愛黑 " 可頌 " 大語言模型應用創新挑戰賽正是基于 " 人人都可參與 AI 創新 " 的願景出發，希望通過更多創業者的參與和創新，實現産業生态的完善。
作爲此次比賽中的底座，低代碼平台 Colingo 将參賽的技術門檻降到最低，讓更多有志于投身生成式 AI 新事業的團隊有機會參與到開發的過程中。
Colingo 創始人蔡建的目标是讓大模型開發就像拼樂高一樣簡單，用戶可以自由組合功能塊，無需考慮代碼和環境，直接根據系統預制模闆和功能快速構建屬于自己的大模型應用。
在他看來，基于此，創新者才更有機會關注應用本身。" 大家能夠從更爲深刻的層面去思考，當下市場背景下，這些應用到底能夠解決怎樣的實際問題。"
基于此，此次我愛黑 " 可頌 " 大語言模型應用創新挑戰賽中，上述四位評委在對項目的選擇上均提出了各自的見解。
蔡建認爲創新性是項目的核心。皮人偉則認爲，如果沒有對技術實現過程清晰的理解，會使大模型應用創新層面方面容易陷入 " 浮誇陷阱 "。喬新亮更關注應用的規模性落地以及成本的降低，王珏華則認爲具體場景的應用和提效是關鍵。
因此，對于創業者而言，與真實應用場景以及用戶的鏈接實現，并找到貼近行業應用的開發靈感是至關重要的方向。
正如皮人偉所言，現在不太流行甩概念了，隻有 Demo 跑通了，才可能有 PoC 和最佳實踐，才可能與業務結合，而這才意味着團隊是靠譜的。
大模型如何改變傳統行業的生态？
大模型原生于互聯網，但對于傳統行業而言也并不陌生。
以 ChatGPT 爲代表的大模型引領新一輪全球人工智能技術發展浪潮，大模型不斷加速實體經濟智能化升級，深度改變行業生産力。這一次，傳統産業很早就意識到了要在這輪浪潮中實現智能化轉型和升級，進而提高生産效率和技術創新。
而從另一個角度出發，大模型其實離不開傳統行業的積累。一方面，基礎大模型缺乏行業專業知識，需要大模型提供方與垂直行業合作開發行業大模型。另一方面，落地行業應用将實現大模型的價值，而落地離不開傳統行業場景的構建。
當然，機遇往往伴随着挑戰。傳統行業的叠代升級是一個 " 牽一發而動全身 " 的過程，相比互聯網企業建立在數字化的基礎之上，傳統行業在轉型升級中要經曆更爲漫長和持久的考驗。
因此，在這一輪大模型升級改造中，率先走在企業轉型前端的也往往是各個傳統行業、領域的頭部玩家。
以蒙牛爲例，皮人偉提到蒙牛數智化主要以自研爲主，早在 GPT-3 之時就進行了預研，" 我們認爲大模型在蒙牛落地的最佳方式就是快速用研發産出，通過最佳實踐驗證新概念與新技術。"
比如 AISM（蒙牛自研的 AIGC 通用技術平台）作爲蒙牛研發的一部分，通過 AI 擴散、全面 AI 和 AI 應用三個階段逐步推進。所謂 AI 擴散，即蒙牛通過自研的 AIGC 平台一站式整合多種功能，在内部快速擴散生成式 AI 應用；全面 AI，可以理解爲普惠型的 AI 領域能力培訓，蒙牛内部會定期開展培訓，主要聚焦在 Prompt、模型微調和知識庫構三方面能力培養訴求；最後 AI 應用，則是針對垂直應用領域研發定制化 AI 産品，比如蒙牛基于 AISM 平台孵化的 AI 投手已于 10 月 30 日上線。
總結來看，皮人偉認爲傳統企業應該首先意識到作爲生産力提升工具，AIGC 是具有革命性的，但就像所有工具一樣，需要培訓和練習。對于企業而言，根據自研平台或者通用平台形成更多的案例對外推廣，才是占據品牌心智的最佳方式之一。與此同時，基于數據統計和不斷的叠代，企業要結合成本等角度找到适合自己的應用場景。
此外，他提到當下 B 端 AI 産品分爲生成式 AI 和分析式 AI，企業可以嘗試做 AISM 實現不同廠商靈活切換，确保 AI 功能安全穩定的同時，最大化的降低 " 斷供 "、" 高成本 "、" 重構 " 風險。
王珏華則強調，相比其他工具，大模型應用的變化周期更短，技術門檻更高，所帶來的變革性更強。
但是，對于傳統企業甚至任何企業而言，大模型應用效應的擴大都在于其是否真正在場景上解決企業的問題，而且隻降本是遠遠不夠的，要想獲得認可，更要強調增效。
從傳統企業的角度出發，數字化轉型向來是内部的核心工程，這将深刻改變企業的生産力和生産方式。因此，面對新技術、新機遇、新變革，需要企業具備更深刻的變革的決心，并基于此而不斷推進。
盡管屬于 AI 和大模型的爆款應用還處在萌芽期，但在上述行業人士的觀點中，創業者能夠觀察到的發展之路卻愈加明确和清晰：必須要找到真正适合大模型技術特性和商業規律的應用方向。
近期，OpenAI 稱今年的收入會超過 13 億美元，相比去年的 2800 萬美元年收入，增長 40 餘倍。在國内市場，無論是面向個人用戶開發大模型應用，還是面向開發者、企業的用戶，都在蓬勃發展，實現商業價值将成爲必經之路。
人工智能誕生至今近 70 年，幾度沉浮，技術的回旋前進卻從未停止。盡管當下仍有諸多困境待解，但我們更相信大模型及其應用生态會在不斷地試錯和叠代發展中，找到自己在商業社會和人類文明進程中的位置。
奇點時刻一定會到來，所有人都在時刻準備着。
