编辑：腾讯科技/郭晓静
(资料图片)
被称为“AI春晚”的世界人工智能大会在7月8日热闹落幕， 这可能是AI界最有“人缘”的一届大会了。超400家企业参展，30多个大模型集中亮相，展区面积达到了5万平方米，创历届之最。
展馆内，展位按照行业的布局划分得整整齐齐——大模型、算力、应用、具身智能，观展的“专业观众”能一眼看清楚排布，而参展的厂商和友商并列在同一区域，大有群雄逐鹿的架势。从现场流量来看，最受关注的肯定是大模型，另外就是可以实际体验的应用，比如机器人、办公软件等。
有些展商甚至还提前开始了流量焦虑：“大模型的现场可体验场景不多，我们认真讨论了如何用一些游戏的方式来吸引参展观众。”这种流量焦虑侧面反应了这半年AI行业尤其是大模型赛道的“热与卷”，三个月内发布76个大模型、仅现场参展的大模型就有30多个。
一、中国大模型，“用起来”比“做出来”更重要
被称为AI奠基人的特伦斯·谢诺夫斯基（Terrence Sejnowski）这样描述大语言模型的出现：“奇点降临，似天外来客，忽纷沓而来，语四国方言。”这句话形象地描述出大众面对大模型技术突破之后的反应——惊喜、警觉、期待一个新时代的可能到来。
虽然争相推出大模型，但是中国产业界，思考也会更加现实。如何落地？如何让客户买单？华为常务董事、华为云CEO张平安直接给“盘古”定调——华为盘古大模型“不做诗，只做事”。 在其主办的论坛中，华为与30多家公司、研究机构发布了大模型训练、推理部署计划。华为云也正式发布了盘古大模型3.0。
然而，新的算法不再开源、算力底座不稳、高质量训练数据稀缺，被称为人工智能发展的三驾马车中，似乎每个要素都布满荆棘。国内短期内发布这么多大模型，是不是同质化严重？区别于其它大模型的核心竞争力究竟在哪里？
商汤科技首席科学家、联合创始人，在大会现场对腾讯科技谈到对大模型壁垒的看法：“大模型的护城河主要体现在三个方面：第一是算力基础设施；第二是大模型的能力，好的大模型就像有天赋的运动员，能够很好地完成任务；第三是和垂直行业深度结合，并基于行业快速迭代的能力。”
将大模型落地于行业和垂直场景，是这次大会上被频繁讨论到的议题。
落地于具体行业，深耕于具体场景，不盲目追求规模，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生，在大会全体会议-产业发展论坛上表示，“通用大模型有很强的能力，但并不能解决很多企业的具体问题。企业的大模型应用需要综合考虑行业专业性、数据安全、持续迭代和综合成本等因素。基于行业大模型，构建自己的专属模型，也许是企业更优的选项。”
“通用大模型可以在100个场景中，解决70%-80%的问题，但未必能100%满足企业某个场景的需求。”企业如果基于行业大模型，再加上自身数据进行精调，可以建构专属模型，打造出高可用的智能服务。而且模型参数比通用大模型少，训练和推理的成本更低，模型优化也更容易。
另外，大模型落地过程，还需要经过算法构建、模型部署一系列环节，每个环节都不能“掉链子”。模型后续还需要不断地迭代调优，这需要用到系统化、工程化的工具。
针对这些问题，腾讯云最近也公布了腾讯云MaaS服务全景图，基于腾讯云TI平台打造行业大模型精选商店，提供金融、文旅、政务、医疗、传媒、教育等10大行业，50多个解决方案；推出行业大模型精调解决方案，帮助模型开发者与算法工程师，一站式解决模型调用、数据与标签管理、模型精调、评估测试与部署等任务，减轻创建大模型的压力。在这些模型和工具平台基础上，企业只用加入自己的场景数据，就可以快速生成自己的“专属模型”。
2014年就深耕TOB模式的第四范式，推出了式说大模型，大胆尝试了过去深耕、但是在行业看来，很难使用大模型的垂直领域，比如医疗、金融。大模型目前还有一个未解的技术难点，就是产生“幻觉”，一本正经地胡说八道，所以这种要求十分严谨的行业，应用大模型可能会有一定困难。
“大模型自身的技术决定了可靠性一定不是它的原生特性，如何让大模型做100%准确的事情？需要分成三层：一小部分100%准确的内容可以即时满足用户需求，我们要通过技术迭代，让这部分内容越来越多；第二层是不那么准确的事情，模型要能告诉用户，这个可能是不准确的，来源是这些，用户可以二次确认；第三层是模型完全不知道的，一定要能说“我不知道”。一个通用语言大模型，通常是不会说“不”的，它会一本正经的告诉你很多理由，而在工业等场景，一定要让他说“不”，再配合其它的运营、数据的闭环等等，让大模型可以落地到严谨的应用场景，帮助企业降本增效。”
AI创业投资：机会很大，泡沫也很大
算力成本高，门槛不低，这个行业是否给创业公司留有机会？清华大学教授、中国工程院院士张亚勤认为，大模型的出现，对创业公司是一个机会，但即使存在商业的大模型和开源的大模型，作为创业公司，可以直接调用这些模型，不需要自己从头做起。因此，对于创业公司来说，这是一个巨大的机会，进入门槛更低了。
中金公司原总裁兼CEO朱云来则提到，大平台公司可以推动科技进步，小公司有强烈的创新冲动。但需要防止大公司过分垄断，同时鼓励和保护小公司。这样，平台和小公司都可以生存，推动社会更系统、更快的进步。
张亚勤称，“如果我是投资者，我现在会非常害怕。”不管投大模型也好，垂直模型也好，可能95%甚至更高，两三年之后都没了，但是又不能不投，因为这个机会成本太高。虽然有很多机会，但大部分投资可能会一无所获。“现在的人工智能有点像98年的互联网。机会很大，但也有泡沫。”
朱云来接着阐述了他的观点，“人工智能会在这个泡沫中涌现出来”。从投资的角度看，你需要关注的是整个大局，而不只是某个特定领域。只有当你做出投资决策时，才有可能获得成功，而如果你没有投资，那肯定会失败。但请不要误以为，只要你投了，就可以高枕无忧，自认为是最大的赢家。其实，你需要不断的投资和调整，保持谨慎，持续关注市场的变化。
启明创投合伙人周志峰在现场展示了AI创投领域的变化曲线。
与AI1.0时代不同，周志峰认为，这次由超大规模预训练模型所掀起的AI浪潮，实际是解决了过去AI企业无法实现产业化落地的难题。比如，AI算法的训练、数据、推理和具体应用场景无法实现规模性落地，完善的开发基础设施与环境也没有建立，同时，也缺乏对AI上市公司和资本市场估值体系等。
而在AI2.0时代，所产生的泛化与涌现能力，提振了投资人、创业者与科技大厂对这一代的AI的信心。在他看来，大厂业务的边界自然会随着技术的演进拓展边界，但创业者并非没有机会。“要寻找自己创业的黄金通道，跨过死亡峡谷。”
AGI之辩：人类必须严肃认知AI风险
关于技术的未来，MidjourneyCEO大卫·霍尔兹在2023世界人工智能大会上发言，他并不确定可能的走向。但融合模型（图像 /文字用的模型进行融合）可能是比较可能的发展方向。他认为AI的这次技术进步的潜力还没有完全发挥出来，比现在强上十倍，百倍的进步是必然的。
AI将成为创造和想象力的新的载体和引擎。通过AI，我们有可能放大整个人类种族的原始想象力。到目前为止技术上的大部分进步都来自于试图让人变得更好，试图放大人的能力。因此AGI也许并非是必要的，AI作为我们人的延伸，赋能人类才是更好的选择。
图灵奖得主，Meta AI基础人工智能研究（FAIR）团队首席AI科学家杨立昆（Yann LeCun）依然直言，“不喜欢AGI（通用人工智能）这个名词。”他也曾不止一次的表达过，类ChatGPT产品并不能真正理解世界，更无从谈起实现人类智慧。杨立昆认为，现在还没有一个足够智能的系统来处理各种事情，所以人工智能系统需要一个世界模型（World Model），这个模型主要通过观察来训练，并通过少量交互处理不确定性。世界模型就像人类理解世界的方式一样，通过物理直觉等方式了解世界的一切，对于未来10年的人工智能研究来说，这是个巨大挑战。
CEO埃隆·马斯克（Elon Musk)在大会开场演讲警示说，“计算机和人类的比例每年都在急剧升高，这意味着机器和生物之间的算力差距在进一步扩大。这将导致根本性变化，对未来人类文明产生深远的作用和影响。因此，当下就是对人类文明最为关键的时期。”
关于AGI的潜在风险，清华大学电子工程系长聘教授，IEEE Fellow周伯文表示，从技术角度来讲，需要在三个方面做出准备，一是如何从治理的角度对ChatGpt的输出加以标注，如何能够自动识别出哪些是AGI生成的；二是关注ChatGpt引发的知识产权问题；三是关于ChatGpt对行业造成的冲击如何界定等。
而在中国，目前对于人工智能的治理和呼吁有三个特点，一是促进发展、发展第一；二是重视治理；三是伦理约束。所以在支持治理的前提下，技术上一个重要的点在于如何做到可信赖的AI，让监管的可行性更容易落地，也让用户更放心使用。
无论如何，未来已来，AI已经走入普通人的视野和生活，夏日高温之下，连续三天每天不到九点，观众就已经聚集在世界人工智能大会场馆外面排起长队，还有许多人因为没有提前预约而无法进入会场，甚至拿着手机在门口看起了直播。
关键词：
