每經(jīng)記者 淡忠奎    每經(jīng)編輯 劉艷美

清華大學惠妍講席教授、清華大學電子工程系長聘教授、北京銜遠科技創(chuàng)始人周伯文 圖片來源：每經(jīng)記者 淡忠奎 攝

“人工智能的核心是要落地，讓生活更美好，讓經(jīng)濟更發(fā)達?；剡^頭看過去幾年的人工智能發(fā)展，計算在不斷迭代，但是人工智能對經(jīng)濟、尤其是對中國企業(yè)大規(guī)模的營收增長和利潤貢獻，是沒有達到預期的。”7月7日，在2023世界人工智能大會“大模型時代的通用人工智能產(chǎn)業(yè)發(fā)展機遇以及風險”主題論壇上，清華大學惠妍講席教授、清華大學電子工程系長聘教授、北京銜遠科技創(chuàng)始人周伯文指出，AI能否與業(yè)務充分結合，是決定未來AI能否充分實現(xiàn)經(jīng)濟價值的關鍵。

麥肯錫“2022全球AI調查”顯示，全球領先國家AI使用率已經(jīng)達到60%左右，而中國目前的AI使用率僅為41%，暫時落后全球平均水平。更為重要的是，僅有9%的中國企業(yè)可借助AI實現(xiàn)10%以上的收入增長，而領先國家受訪企業(yè)中有19%的公司能實現(xiàn)該增長。

從這一維度來看，我國企業(yè)AI使用率還有較大提升空間，人工智能技術尚未能幫助企業(yè)普遍實現(xiàn)大規(guī)模的營收增長和利潤貢獻。如何進一步加快人工智能尤其是大模型應用落地，真正提升AI與實體經(jīng)濟融合度，也成為與會學者與企業(yè)討論的焦點。

會議期間，周伯文接受《每日經(jīng)濟新聞》記者（下稱“NBD”）專訪，談及大模型產(chǎn)業(yè)化的關鍵問題、AI與產(chǎn)業(yè)深度融合等領域的探索和思考。

大模型是下一代AI爆發(fā)式成長的基石

NBD：如何理解大模型對人工智能的重要性？ChatGPT推出以來，國內城市也不斷入局，您認為眼下大模型面臨的關鍵問題是什么？

周伯文：可以這樣理解，大模型是下一代AI或者說生成式AI爆發(fā)式成長的基石，它極大推動著人工智能前沿技術與應用能力的進步，同時提供了更多可能性。大模型能夠更好地支持機器學習的復雜任務。比如，大模型能夠應對更復雜的語義問答，通過模擬人類智能的思維過程，更好解決復雜業(yè)務場景下的問題。

大模型對算力的改進發(fā)揮著重要作用。大型模型由基于硬件的分布式平臺來實現(xiàn)，并可以支持更多復雜但高效的計算。同時，大模型能夠以更短的訓練周期完成機器學習，從而更快地從數(shù)據(jù)中獲取有效信息。

大模型在跨多種數(shù)據(jù)和多維度分析領域具有顯著優(yōu)勢。比如，大模型能夠同時處理多種數(shù)據(jù)，支持多個維度的分析，從而更高效、更精準地挖掘出數(shù)據(jù)背后的有價值信息。

大模型使得AI落地應用變得更容易。比如，大型模型在無人機領域的應用，有效提高了其圖像識別的準確度和效率，能夠更好地收集有價素材并分析更為復雜的地理信息和環(huán)境數(shù)據(jù)。

與此同時，大模型的產(chǎn)業(yè)化也面臨諸多挑戰(zhàn)：首先是數(shù)據(jù)規(guī)模大，且數(shù)據(jù)質量參差不齊；其次是模型的體積大，訓練難度很高；第三是算力規(guī)模大，性能要求高。

因此，大模型研發(fā)依賴算法算力和數(shù)據(jù)的綜合支撐。它是未來產(chǎn)業(yè)發(fā)展的重點，但大模型的商業(yè)模式值得探討。因為大模型的成本壁壘非常高，大公司和小企業(yè)都有各自的負擔。所以我覺得從端到端做起，慢慢迭代出更大的商業(yè)模型，或許是更適合的做法。

在具備通用能力的基礎之上，于垂直領域不斷訓練、提升大模型的專業(yè)能力，是未來幫助大模型這項技術發(fā)展進步的一種重要手段。我們也希望用AI來推動實體經(jīng)濟的數(shù)智化發(fā)展，意味著我們需要深度理解客戶的業(yè)務場景，理解消費者在不同場景下的消費體驗，以及這種體驗跟商品的品參、生產(chǎn)流程、供應商的關系，進而才能通過AI的推理和生成，找到打造爆款產(chǎn)品的最優(yōu)方式。尤其是還有一些跨品類的遷移學習，這些在技術與業(yè)務層面都并不容易。

ChatGPT對特定行業(yè)的價值有待開發(fā)

NBD：如何看待垂類人工智能和通用人工智能這兩種方向，哪一種更能代表未來的趨勢？

周伯文：我認為，未來那些定義明確、高價值的工作流程，將由專業(yè) AI 模型完成而不是通用 AI 模型。通用大模型在某個垂直場景做成功之后，再去進一步提升其基礎能力，就很容易。另外，從垂直場景切入的話，算力、數(shù)據(jù)、算法方面，我們過去的積累都能更充分的發(fā)揮作用。

對于任何一個創(chuàng)業(yè)團隊而言，在具備大模型的通用技術能力后，能否培養(yǎng)出更專業(yè)的能力十分重要。目前ChatGPT的突破主要在其通用能力上，但對于特定行業(yè)和垂直領域的價值還有待開發(fā)，比如它可以畫很逼真的藝術畫，但是畫不了電路圖，因為它對物理知識的專門學習并不深入，相關判斷上也不夠專業(yè)。

所以，我認為需要有這樣一個工具（具備專業(yè)能力的大模型），讓消費者更容易找到、也更愿意去購買所需的商品，這可能會完全改變人們現(xiàn)有的購物路徑。生成式AI能夠將海量的商業(yè)信息壓縮到這類大模型之中，從而學習商品供應鏈各個環(huán)節(jié)，并以消費者為中心提升關鍵環(huán)節(jié)效率。這是在2021年就已經(jīng)產(chǎn)生的想法和創(chuàng)意。

我們目前就在研發(fā)一個具備通用能力的大模型，這個大模型尤其在鏈接商品和消費者方面具備專長。我們有37項大模型評測指標，其中2/3是推理能力、計算能力等通用能力，還有十幾項專門應用于產(chǎn)品和消費者的連接，以實現(xiàn)“讓每一件商品都應需而生，讓每一個消費者都得償所愿”的目標。

NBD：您在演講中提及，AI能否充分與業(yè)務融合是AI能否實現(xiàn)經(jīng)濟價值的關鍵。應該如何進一步提升AI跟產(chǎn)業(yè)的融合度？

周伯文：當今世界正處于“廣義人工智能”階段，深化專業(yè)學術研究與推動產(chǎn)業(yè)落地應用兩方面都充滿機遇和挑戰(zhàn)。未來，消費行業(yè)將在統(tǒng)一大模型的驅動下由數(shù)據(jù)智能化向業(yè)務場景智能化轉型，人與AI的協(xié)同交互也會日益緊密，共同催生以消費者為中心，從產(chǎn)品洞察、設計、研發(fā)到營銷全流程的數(shù)智化“創(chuàng)新飛輪”。

包括我們公司正在做的，就是通過預測消費者和商品在體驗上的依存關系，以及細顆粒度品參的對應關系，重新深刻理解什么樣的消費者需要什么樣的商品；消費者在什么樣的場景和體驗下，會被什么樣的品參、材質、文化符號、功能打動，從而導致二者之間互動的產(chǎn)生。通過大模型對真實世界各類過程中產(chǎn)生的數(shù)據(jù)進行壓縮表示，重構產(chǎn)品與用戶的二元關系。同時，通過大模型實現(xiàn)對企業(yè)5D全生命周期的賦能，這里說的5D包括：對消費與供給的雙側市場機會進行洞察（Discover）；幫助企業(yè)分析消費人群與場景，定義并孵化爆品（Define）；協(xié)助設計創(chuàng)新型產(chǎn)品的外觀、材質、包裝及開發(fā)流程等（Design）；再到驅動研發(fā)、測試與品參改進（Develop）；最終通過生成千人千面的內容，完成對消費者的精準觸達與高效轉化（Distribute）。而以上這一切，都將在歷史上第一次通過一個大模型來完全解決。

為了實現(xiàn)這一目標，大模型必須同時具備通用能力與專業(yè)性，既要有智商、還要有情商。智商讓它具備語言、認知和推理的能力，能夠明白消費者的反饋信息并根據(jù)指令進行微調；情商讓它能夠準確把握消費者的動機，理解消費者為什么喜歡、為什么不喜歡、為什么購買又為什么不買，基于“共情”的能力與消費者進行有效互動。

我相信大家都具備良好的智商與情商，但并不是每一個具備這類通識能力的人，都能做到你們在做的具體事情。這種差異的來源，即是對商品的深刻理解。

數(shù)據(jù)稀缺性是影響應用落地的一大難題

NBD：人工智能正在重塑全球各經(jīng)濟體的競爭格局乃至產(chǎn)業(yè)結構，我國人工智能產(chǎn)業(yè)發(fā)展有哪些優(yōu)勢和不足？除了大模型，還需要加快哪些領域的建設？

周伯文：從全球已發(fā)布的大模型分布來看，中國和美國大幅領先，超過全球總數(shù)的80%，美國在大模型數(shù)量方面始終居全球最高。從AI三要素來看，數(shù)據(jù)稀缺性明顯是影響大模型應用落地的一大難題。

當前AI大模型的訓練，算法端向神經(jīng)網(wǎng)絡Transformer模型收斂，算力端依賴具備大規(guī)模并行計算能力的AI服務器集群，數(shù)據(jù)端則需要巨大數(shù)據(jù)量的大規(guī)模數(shù)據(jù)集投喂，我們認為AI三要素中數(shù)據(jù)是直接影響AI大模型在垂直行業(yè)落地效果的關鍵，而垂類數(shù)據(jù)通常由政府和行業(yè)機構掌握，相比于模型和算力，數(shù)據(jù)稀缺性明顯。目前通用大模型的訓練數(shù)據(jù)集多來自互聯(lián)網(wǎng)文本數(shù)據(jù)，例如ChatGPT訓練數(shù)據(jù)集來自互聯(lián)網(wǎng)新聞、社交媒體、電子書等。

我認為，單純就中外AI發(fā)展快慢或水平高低的比較，其實并不那么重要。如果從理論、技術層面來看，差異一定是存在的，只需正視現(xiàn)狀，夯實自身能力即可。同時，中國整體的發(fā)展速度在全球常年保持領先地位，中國的消費市場體量與消費需求潛力也是驚人的。同時，我們對技術的場景化落地也有著先天的優(yōu)勢，這一點從移動支付在中國的廣泛普及應用可見一斑。因此，在AI的發(fā)展上，一方面我們是技術層面的追趕者，另一方面我們也很可能成為應用層面的創(chuàng)新者甚至引領者。我相信，中國的AI需要探索一條新的道路，即：垂直整合從自研通用大模型到應用、用戶全場景閉環(huán)，實現(xiàn)生成式人工智能技術與商業(yè)價值“雙落地”。沒有技術愿景和創(chuàng)造力理念無以致遠，但空談技術缺乏商業(yè)化場景落地也不可持續(xù)。

此外，圍繞AI布局與大模型建設，應著重關注以下幾點：第一，要加強資源和研發(fā)力量統(tǒng)籌，促進大模型有序發(fā)展；第二，要加快基礎研究和技術創(chuàng)新，提升學術和開源影響力；第三，要強化大模型發(fā)展中的場景牽引作用，打造大模型標桿項目；第四，要強化國際合作，積極參與全球人工智能治理。

實現(xiàn)生成式AI技術與產(chǎn)業(yè)價值“雙落地”

NBD：近期，上海、北京、深圳相繼發(fā)布人工智能產(chǎn)業(yè)發(fā)展的相關規(guī)劃，他們布局上有哪些特點？與此同時，很多二三線城市也正在不斷入局，應當注意些什么？

周伯文：《中國人工智能大模型地圖研究報告》顯示，據(jù)不完全統(tǒng)計，當前中國參數(shù)在10億規(guī)模以上的大模型已發(fā)布79個。全國有14個省份在開展大模型研發(fā)，其中北京、廣東兩地的大模型產(chǎn)品分別達到38個和20個，居全國前列。在領域分布上，自然語言處理仍是目前大模型研發(fā)最為活躍的重點領域，其次是多模態(tài)領域，在計算機視覺和智能語言等領域的大模型還較少。我國大模型研發(fā)與算力發(fā)展匹配度高，公共算力發(fā)展迅速。北京、廣東、浙江、上海等地的大模型數(shù)量最多，這四地也是近三年人工智能服務器采購數(shù)量最高的地區(qū)。

從政府側來看，北京、深圳、上海、成都等地相繼發(fā)布人工智能支持政策，且均在強調公共數(shù)據(jù)開放與共享。近年來，中國的數(shù)字經(jīng)濟備受國家重視、發(fā)展日新月異，為下一代AI在中國的應用落地提供了基礎和土壤。

我們希望通過AI助力中國制造業(yè)、實體經(jīng)濟的數(shù)智化發(fā)展，這就意味著我們需要深度理解客戶的業(yè)務場景，理解消費者在不同場景下的消費體驗，以及這種體驗跟商品的品參、生產(chǎn)流程、供應商的關系，進而才能通過大語言模型、多模態(tài)技術和AIGC實現(xiàn)訓練、分析、推理和生成等解決垂直場景內復雜問題的能力，從而幫助企業(yè)找到打造爆款產(chǎn)品的最優(yōu)方式，為用戶推薦最適合商品。

在AI布局與大模型應用上，我認為緊抓制造業(yè)數(shù)智化升級，引導鼓勵既有大模型技術與垂直領域經(jīng)濟發(fā)展的深度融合十分重要。應更多關注AI技術在垂直行業(yè)高價值場景的應用落地，幫助垂類企業(yè)敏銳捕捉行業(yè)市場機遇、精準定位創(chuàng)新發(fā)展方向，垂直整合從自有基礎大模型到應用、到終端用戶的全場景閉環(huán)，以實現(xiàn)生成式人工智能技術與產(chǎn)業(yè)價值的“雙落地”。