" 中國有世界上最好最優秀的 B 端和 C 端市場，把做 AI 應用的門檻和成本降下來，就會激發出更大的産業應用空間。"
這是面對 AIGC 産業應用現狀，商湯科技聯合創始人、大裝置事業群總裁楊帆的最新判斷。
當前，Scaling Laws（尺度定律）仍在主導着 AI 的技術叠代，與此同時，也帶來了大模型應用投入産出比不夠好的問題。
而商湯的觀察是，AI 基礎設施，正是破解這一難題的關鍵。
以上分享來自楊帆在中國 AIGC 産業峰會的現場演講。爲了完整體現楊帆的思考，在不改變原意的基礎上，量子位對演講内容進行了編輯整理，希望能給你帶來更多啓發。
中國 AIGC 産業峰會是由量子位主辦的行業峰會，20 位産業代表與會讨論。線下參會觀衆近千人，線上直播觀衆 300 萬，獲得了主流媒體的廣泛關注與報道。
話題要點
中國 AI 應用市場潛力巨大，預計今年下半年或明年上半年将迎來爆發式增長。
AI 基礎設施的意義在于提供算力、算法、數據三要素的一體化平台，降低産業創新門檻，激活 AI 生态。
未來中國 AIGC 應用的大規模爆發，很大程度上取決于基礎設施提供方能否有效降低下遊門檻和成本。
AI 應用的決勝點在于針對細分場景提供更好的解決方案、把握用戶需求以及優化性價比。
打造開放生态的基礎設施和服務體系，降低 AI 應用開發門檻，激活更多參與者，是推動 AI 應用生态長期健康發展的關鍵。
以下爲楊帆演講全文。
尺度定律仍在主導 AI 技術的叠代
大家上午好，很榮幸今天在這裏跟大家分享一下我們最近的工作和進展。
最近兩年，人工智能伴随着生成式 AI 掀起了新的熱潮，國内外對它的關注度都非常高。
過去一年跟很多業界的朋友聊，爲什麽國内市場增速沒有那麽快？其實背後的原因很簡單，我們今天的能力還是有差距的。包括一些頭部企業的機器模型能力，也是最近才逐漸接近 GPT-4 的水平。
但我們也有一個判斷，自去年底以來，中國 AI 應用的普及程度正在不斷提高，越來越多的新場景正在被發掘。我們預計，在今年下半年甚至明年上半年，中國的生成式 AI 市場将迎來爆發式增長。
之前跟很多朋友介紹過，2019 年商湯在上海臨港投建了一個計算中心。我們當時做這件事情的時候，大部分人持不理解甚至否定的态度：商湯作爲算法和軟件的輕資産研發企業，爲什麽投這麽多資産做這樣一個項目？
回過頭來看，整個人工智能技術的發展方向和發展方式印證了當時的思考和判斷。
△商湯上海臨港 AIDC
盡管有些業内人士認爲人工智能需要更好的叠代方式，但今天的 AI 實在是太消耗能源了，從單位能源智能的角度來看，其性能仍然較弱。
至少到目前，我們看到，一方面，尺度定律還沒有失效，隻要把更多更好的數據灌進算法裏，就能夠形成更強大更通用的智能。這是目前整個行業内可以明确看到的清晰可行的路徑，尺度定律仍在主導 AI 技術的叠代。
另一方面，我們也會注意到 AI 核心的關鍵性産業問題尚未得到解決，就是産業端的投入産出比不夠理想。
今天，大模型研發的投資成本非常高，怎麽讓這些研發投入在市場端産生最大的回報和價值，是擺在大家面前共同的課題。
在當前 AI 生産甚至應用成本越來越高的背景下，降低門檻和降低成本就是必然的趨勢，這也是 AI 基礎設施出現的意義：
一方面，AI 基礎設施很好地契合了當前以尺度定律爲主導的算法創新路徑，爲更大規模的 AI 三要素提供了基礎化能力。
另一方面，隻有把這些通用能力，不管是大規模算力集群還是模型 API，甚至未來圍繞超大規模數據的完整體系，把它做标準化、基礎設施化、服務化，才有可能在未來讓整個 AI 産業創新門檻更低、性價比更高，讓更多人進來，在上面賺到錢。
我們始終覺得人工智能的基礎設施，不僅僅是算力中心，而是三要素一體的基礎設施化，這是激活人工智能産業生态的關鍵。
這裏也向大家彙報一下商湯臨港智算中心的最新進展。截至去年底，包括臨港在内，我們已建成 7-8 個互聯互通的算力節點，還有多個新節點在建設中。
這些節點的總算力超過 12000P，其中臨港單點算力接近 10000P。這樣的超大規模、智能化的先進 AI 算力，在當前仍是核心稀缺資源和關鍵能力。
另外我們看到未來芯片産業鏈将出現分化趨勢。從 2001 年起，我們在芯片層面做了大量工作，與業内很多合作夥伴展開對接和适配。目前臨港中超過 15% 的算力來自國産芯片，我們相信在未來産業發展過程中，這将創造更多價值。
AIGC 應用爆發前提：降低門檻
除了基礎的資源能力外，更重要的是如何幫助企業降低使用門檻，降低使用成本。這不僅僅是提供低成本機器和用低成本的電去提供租賃服務，盡管這也非常重要且必要。
在此基礎上，我們希望通過對 AI 的理解、在 AI 軟件方面的沉澱，以及不同層級的軟件産品和服務體系，幫助大家更低門檻、高效率、低成本地進行人工智能大模型的研發和使用。
這件事我們做了很多年。去年底，沙利文在《中國 AI 開發平台市場報告》中，将商湯在這個領域的能力定義爲全國領先。當然，我們看到業内今天仍在持續地發生快速的叠代和演變，我們希望在新時代浪潮之下，商湯緊跟節奏，持續地往前進步和叠代。
今天很多人做大模型應用的開發時，首先面臨的問題是：在構建自己的模型，或基于開源模型叠代場景化模型時，如何快速地将模型部署爲可用的推理服務，并在其後附加應用服務，同時降低推理服務的成本。
大家都知道今天市場上有非常多的模型應用，特别是去年，向終端用戶收費還沒有所付的資源費高，調用越多越賠錢，調用成本非常之高。
爲了解決這一問題，我們提供了全套的解決方案，包括多層次的架構、工業化的調用。我們通過混合模型的調用方式，包括訓練與推理的混合，降低了用戶使用模型的成本。這是一個最簡單的方法，也是目前業内大家都在嘗試的：在爲客戶提供模型應用時，背後挂載的并非單一模型，而是多個模型。根據語言對話應用、用戶問題的不同以及提示詞設置的不同，模型引擎會在後面選擇調用超大模型、中等模型或小模型，從而在優化用戶側服務體驗的同時，極大地降低後台資源開銷。
這種方式無疑會增加系統的複雜度。爲了降低使用門檻并減少中間成本，我們采用了将所有這一切以标準化管線形式提供給模型和應用開發人員的策略。此外，我們還進行了大量的推理優化，包括單位算子和硬件匹配的優化，以使同樣的計算任務獲得更好的性能優勢。
在我看來，未來中國 AIGC 應用大規模爆發的關鍵因素之一，是如何降低基礎設施使用者的下遊門檻和成本。
我們看到中國模型開發還是需要更加強大的生态，這方面落後蠻多的。從商湯的角度來說，我們推出了自己的生态計劃，包括提供算力資源、開發者社區建設，以及基礎的模型能力。我們相信這樣的能力能夠幫助業内更好地提升最終在終端的場景價值。
中國有世界上最好最優秀的 B 端和 C 端市場，當我們把做 AI 應用的門檻和成本降下來，就會激發出更大的産業應用空間。
除了提供基礎設施，商湯自己也在開發大模型，擁有一套完整的日日新大模型體系。
商湯過去做計算機視覺業務比較多，更擅長相關算法，所以在語言類任務之外，現在更多關注于 3D 圖像、視頻、三維重建等領域，希望在其中貢獻更多行業模型。在過去幾個月，我們已經可以拿 AI 模型實現三維場景的制作。
大模型下一步發展的關鍵性挑戰是世界知識。除了在電子設備裏學習人類曆史上的知識，大模型如何更好地感知現實世界、形成更深入的理解并提供有效反饋，也是今年大家重點關注的領域和方向。第一步還是對于現實世界信息的收集、理解以及重建。這方面我們做了很多探索，把這樣的能力應用到傳統線下文化、旅遊、社交場景，能夠提供很多價值。
我們可以看到，AI 大模型能夠推動的場景還是非常多的。從商湯的角度來講，還是希望以自身的基礎設施和平台化能力，支撐更加繁榮的場景生态。
我們通過過去十年 AI 産業探索獲得的關鍵認知是：人工智能的未來發展和應用成功的決勝點，并不僅僅在于技術本身。當越來越多的企業和平台提供開源或閉源的模型服務時，AI 應用的關鍵在于誰能在細分場景中提供更好的解決方案，誰能更準确地把握用戶需求，誰能打造出更高的性價比。
從這個角度來看，我們這一代人的核心使命，或許就是要打造一個能夠爲開放生态賦能的基礎設施和服務體系，以此降低 AI 應用開發的門檻，吸引更多創業者參與進來。
每個人在不同行業、不同場景、不同領域都有自己的專長和優勢。他們中的許多人可能并不精通 AI 核心技術，也沒有雄厚的資源投入到 AI 基礎能力的研發中，但隻有激活這些參與者，AI 應用生态才能形成長期、持續、健康的發展。這也是商湯希望與在座同仁以及量子位這樣的平台共同推動的目标。
以上就是我今天的分享，謝謝！
— 完 —
點這裏關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
