2023 年，AI 繼續快速發展，展現了廣闊的應用前景。深度學習領域的進步引領了 AI 技術的突破，大型語言模型等先進技術進一步成熟，爲各行業帶來新的發展機遇。
但同時，AI 技術的發展也面臨挑戰，如企業管理、落地場景等問題，需要進一步探讨和解決。
從 ChatGPT 到 AIGC，再到現在 AGI，AI 究竟 " 向善 " 還是 " 向利 "？大模型創業賽道逐漸擁擠，創業者面臨的最大挑戰和痛點是什麽？什麽樣的大模型創業，更容易獲得投資人的青睐？
帶着這些問題，36 氪《CEO 錦囊》的直播邀請到了長江商學院金融學助理教授 梅丹青和深思考人工智能創始人兼 CEO 楊志明，一起探讨大模型領域的相關問題。
在這場直播中，兩位嘉賓主要讨論了以下問題：
1、" 百模大戰 " 時代，大模型公司越多越好？商業化模型如何更好落地？
2、大模型公司如何把握住風口而不是盲目跟風？如何與自己的業務相結合？
3、大模型訓練太燒錢，隻有大廠才能 " 玩得起 "？
4、AI 創業賽道逐漸擁擠，創業者面臨的最大挑戰和痛點是什麽？
5、什麽樣的大模型創業，更容易獲得投資人的青睐？
6、未來 AI 大模型會帶來哪些行業變化？什麽樣的大模型能成爲最後的赢家？
7、AGI 來襲，這個行業到底需要什麽樣的人才？
以下爲兩位嘉賓和 36 氪的對談，部分内容經過整理編輯：
36 氪：" 百模大戰 " 時代，大模型公司越多越好？商業化模型如何更好落地？
梅丹青：現在大家都想争誰是這個 AI 時代的 "iOS"，誰是 AI 時代的 " 安卓 "，但最後一定隻有幾個領先的大模型作爲基座，因爲對于目前大模型時代的範式來講，基座大模型和上層應用是可以解構開來的，所以很多大模型的研究從一定意義上講，可能有點資源浪費。
我覺得基于大模型上的 AI 原生應用應該越多越好，這些大模型的能力能運用實際的應用過程中，能夠幫助用戶解決痛點，我覺得才是更好的。
楊志明：現在的大模型分爲兩類：一類是通用大模型，一類是垂域大模型，目前這兩類大模型都在各自發展中，形成了現在一個 " 百模大戰 "，也可以認爲是 " 百家争鳴 " 的景象。
AI 的商業化落地一直是一個難題，我認爲以大模型的技術基底作爲支撐，我們應該是有更多的技術力量或者是技術手段去解決垂域場景裏面的剛需問題，這樣産品就會有價值，企業也就會有生存的空間。
36 氪：大模型公司如何把握住風口而不是盲目跟風？如何與自己的業務相結合？
梅丹青：首先，我認爲在大模型時代，作爲公司的一把手是要懂一些技術的，而不是手下的人懂就可以。
其次對于創業公司來講，要認清自己在價值鏈條裏的位置，比如更了解客戶、有數據支撐以及在自己的垂域有更好的商業模式，都是更高的價值鏈條，找準自己的定位很重要。
楊志明：我們其實在大模型領域經曆了 3 個階段。第一個階段是我們在公司成立之初到 2017 年左右，其實是在用傳統的深度學習的方法來做我們的建模。第二階段是自己自研了 BM net，它是一個類似于像 XLnet 或者 Roberta 這種自有的，類 BERT 的所謂的輕量級模型。第三階段是 2020 年開始做基于生成式的模型，它是有上下文的有情感的一種模型。
基于落地場景，我們也找到了癌症早篩這個領域，當時很多巨頭還沒有注意到這個方向。關于落地，首先一方面要緊追最前沿的技術，其次還要在垂域場景裏快速的建立自己的壁壘，比如數據壁壘、市場壁壘等等。
36 氪：大模型訓練太燒錢，隻有大廠才能 " 玩得起 "？
梅丹青：其實小公司沒有必要真的去燒錢做一個超大的基座模型，如果你最後做出來的表現還不如大廠做出來的，你可能就死了。所以我覺得更多的資源還是要用到做垂類的應用上，把資源花在這兒，我會覺得會更好一些。
楊志明：用戶其實并不關心是燒多少錢換來的大模型，他們隻關心這個應用能不能解決我最實際的問題。有些超級巨頭鑒于它公司内部的問題，流程比較長，響應也比較慢。我認爲創業公司有兩個方面其實是比大廠有優勢的，一個是在垂域的場景裏能解決一個問題，就肯定能把企業做得很大。第二個就是快速靈活，從我想到了，調研清楚了就開始做，做完就試錯，不停的跟用戶的這個場景去碰撞，讓用戶去做反饋等等，這個企業就能快速地成長起來。
36 氪：AI 創業賽道逐漸擁擠，創業者面臨的最大挑戰和痛點是什麽？
楊志明：AI 本來不是一個行業，人工智能就是一個技術，它是一個賦能行業的技術。作爲創業者最大的痛點還是在于快速建立壁壘，找到落地模式，快速形成商業化，保證自己的資金流。
目前創業者最大的挑戰就是找到客戶痛點和開始重視在垂域場景裏面的數據積累，有了數據的支撐，就能更好的更直觀的跟用戶展示 " 我的 " 成果。
36 氪：什麽樣的大模型創業，更容易獲得投資人的青睐？
楊志明：整體大環境對上一波的 AI 其實是不太友好的，或者說是有點寒冷。上一代的 AI 主要還是基于深度學習技術，落地不太理想，就造成了資本對這個 AI 賽道不看好。針對這種垂域沒有真正凸顯價值的，可能就很難獲得投資人的支持和認可。
我們國内投資人其實是在學習矽谷的投資人，他們投出了一個 OpenAI，也想在國内投出一個 OpenAI，有些大模型企業也拿到了不錯的融資，我認爲這是聚集效應。很多基于大模型的底層技術跟行業垂域深度結合，并且有大規模落地的，我認爲會獲得投資人的青睐。
36 氪：未來 AI 大模型會帶來哪些行業變化？什麽樣的大模型能成爲最後的赢家？
梅丹青：我覺得這個可想象空間挺大的，可能真的是 AGI 通用人工智能這樣的。如果說大模型會給哪些行業帶來變化的話，我覺得幾乎所有的行業都會有變化。如果是現階段，我能看到比較明顯的兩個行業的變化，一個文娛行業，比如陪伴式的模拟虛拟人，另一個就是比較 ToB 垂直領域的應用，可以幫助企業做到降本增效，用來提高生産力。
36 氪：AGI 來襲，這個行業到底需要什麽樣的人才？
楊志明：首先，面對這種行業和技術鴻溝的這種現象，跨界人才特别重要。懂業務的要懂産品技術；懂技術也要有産品思維和探索用戶的思維，這樣才能更好的去落地應用。
其次還是有創新思想，因爲 AI 再怎麽發展，最終還是需要人類情感的，帶有溫度的創新。
梅丹青：随着技術門檻越來越低，AI 行業領域的人才需要行業洞察力，執行力也越來越重要。提高這個人的核心競争力。
點擊可觀看完整版直播回放：
