大模型一周年：造航空母舰、挖地找钱与正向回归
代码辅助，大概占整个付费意愿里面50%以上的场景。
文｜《中国企业家》记者 闫俊文
编辑｜李薇
图片来源｜会议现场
2022年11月，基于GPT3.5的ChatGPT上线，引爆了全球的巨头公司、投资人和创业者。一年的时间过去，在中国，它产生了100多个大模型公司和产品；在美国，它的母公司OpenAI经历了管理层内乱；在欧洲，有关AI治理和安全的话题甚嚣尘上。
在AI时代，人们的共识就是不断打破，然后重建。
12月9日~10日，由《中国企业家》杂志社主办的“第二十一届中国企业领袖年会”隆重举行。在10日举办的“大模型一周年·挑战与出路”论坛上，明势资本合伙人夏令作为主理人，邀请网易执行副总裁、网易有道CEO周枫，小冰公司CEO李笛，智谱AI CEO张鹏，XSKY星辰天合CEO胥昕论道大模型一周年的挑战与出路。
以下为核心要点：
1. AI的价值，慢慢会正向发展，回归正常市场价值的方式去调整。
2. 现在企业自研投入，最主要的部分是在避坑上，而不是技术壁垒和方向上。
3. 坚持商业和技术两条腿在走，公司成立的第一天就有客户、有收益。
4.国外真正的AI落地过程当中最明确的一个需求、一个场景就是代码辅助，大概占整个付费意愿里面50%以上的场景。
5.未来2~3年之内，我们希望能把通用计算模型能力实现到完全跟人的通用化能力对标的水平。
以下为论坛实录（有删减）：
摸着OpenAI过河，也要有自己创新的路
夏令：AI给网易来带来了哪些挑战和哪些机会？
周枫：最近比尔·盖茨发表了文章，他说，智能体或者大模型四大应用领域，这中间就包括教育、医疗、生活娱乐、生产效率。教育和生活娱乐都是网易的核心类业务，必须非常重视和应对。
网易执行副总裁、网易有道CEO周枫
大模型是一个10年周期或者说5~10年周期的过程，如果大家去看移动互联网，周期其实也是很长的，2011年出现微信这样大的应用，2014年手机游戏大幅起规模，一直到2017年才出现抖音、短视频。
中国在大模型领域发展挺快的，但现在有一个很大的挑战，我们非常缺少成功的C端应用，或者说大的应用。
从网易的角度来讲，我们怎么去抓这个机会，我们的看法是，核心就是要抓深度的应用。网易CEO丁磊讲，大模型需要有人造航空母舰，也需要有人开航空母舰，我们先把航空母舰造好，这是我们的定位。对于有道来讲，我们今年就做了子曰大模型以及更重要的是它深度的应用。
夏令：从技术上我们跟OpenAI肯定还是有差距的，但这个差距从这个技术上我们怎么去追赶。有模型能力之后，自己怎么去做商业，怎么去做产品？
李笛：从今年2月开始，在混合模型的基础之上，我们做40亿级参数、130亿级参数以及700亿级参数，这是我们自己所认为应该布局的模型边界。在这个基础之上，我们跟OpenAI的对决更多的是像智谱AI跟OpenAI产生直接的对抗。另外一方面，我们也看到海外的公司也在尝试去落地一些东西，让这些东西能够形成生态。
小冰公司CEO李笛
以前，一个大模型公司或者在其他技术公司提供AI调用的时候，帮助企业创造了很大的价值，但是没有收到相对应的回报。
比如小冰在日本有一个客户罗森，2018年，我们给罗森做了一个销售助理，可以给2000万的罗森用户提供信息，每次我们给罗森drive（调用）几千万次，但罗森只付我们10万元人民币，按照调用次数去计算价值。今天在新的模型范式下，这些商业模式的问题仍然存在，还有赖于我们再去解决。
张鹏：我们开玩笑，OpenAI摸着石头过河，我们摸着OpenAI过河，有人在你前面，你总归还是要去朝着最顶尖的水平成功的目标去努力。这个过程当中不要忘记一件事情，还是要有自己的见解和自己的想法。
我坚信只有自己在这个过程当中去坚持创新，也是一个长期主义，才能够实现所谓的弯道超车，它比我们起步早，资源比我们丰厚，目前也领先我们比较长的时间。你想要赶上甚至超越它，一定要有自己创新的路。
从商业化角度来说，中国和国外确实差别比较大，一开始我们做大模型相关的技术和产品落地的时候就想得非常清楚，在这一点上，在中国，我们团队更熟悉的方式是做to B，比较早在国内提出像MaaS（模型即服务）的方式，就是希望通过这样一种平台化的方式，去赋能更多的企业、机构，让大家在这个基础上发挥AI能力，去创新形成更丰富的基于AI基础设施的生态。
只要大家认识到这件事情里面的价值，慢慢会向正向，回归正常市场价值的方式去调整。
平衡技术和商业化的关系
夏令：我们以前Infra（基础设施）层，大家服务更多是偏云计算、分布式计算这一块，AI和之前的移动互联网的Infra肯定有一些不同，您怎么看这里面的机会和挑战？
胥昕：第一，大家对数据的生命周期看法不一样了。以前大家积累很多数据，一个企业积累的数据不知道怎么用，三五年前很多数据删掉了，没有训练的模式。现在有一个老师出现了，看完所有的数据随时回答你。
XSKY星辰天合CEO胥昕
第二，数据一直积累。过去我们的数据有些在备份上，有些在光盘上，有些在磁带上，有些在硬盘上，只有少部分数据在高性能存储器上，但现在的数据需要高速地训练和访问。
第二个变化，过去大规模的数据集存在硬盘上，现在存储做得再好，对训练来说还是很慢，需要内存，怎么平衡内存到硬盘，甚至还有数据在光盘上的成本问题。大模型万亿级的托管司空见惯，你需要重新审视计算机的内存、网络、硬盘的关系。
第三，过去谁读数据？主要是人，百度一下，人是很慢的，现在，机器帮你去学习所有东西，机器告诉你，生成机器比人快数亿倍，这时候对于你的检索能力和数据读取能力和写入能力的要求数万倍提升。
从这个角度来讲，存储不是第一个挑战，而是网络。今天老百姓或者从业者自己家里面的WiFi快慢就有感受，从1000兆，现在都是40万兆的技术，不到10年时间就演变了。
夏令：对于AI领域前沿技术的创业公司，你们怎么去平衡技术的风险和商业化落地的短中期和长期不同的考量？
李笛：第一，看现在处于技术迭代的哪个时期，当前实际是处于技术迭代迅速喷发而出的时期，在这个时期坚持自研与否其实不是金钱成本的考量，而是时间成本的考量，就是说如果这个时候完全考虑必须要自研，自研之后才可以去尝试某种产品或者商业模式的话，这个周期太长。
就算是投入，这部分在自研的时候最主要的问题是在避坑上，有很多基础性的研究包括研发，能够称之为一个企业的技术壁垒的，通常都不是能够一蹴而就的，如果方向错了的话，花的钱和时间就太多了，只能依靠过多的经验判断，有的时候你要做一些抉择。
张鹏：这个问题确实是大家都很关心的问题，投资人都会问这个问题，怎么来平衡技术和商业化中间的关系。我们一直是坚持两条腿在走，因为我们公司成立的第一天就有客户、有收益，可能和我们的投入相比，目前还不够自己覆盖掉所有的成本。在技术突飞猛进的过程当中，每个点的突破或者每一个小小的突破都可能带来一些新的机会，这个过程当中你就要敏锐地捕捉这些机会落地，想办法转变成你企业的商业化收益。
智谱AI CEO张鹏
像预训练模型这件事，最开始ChatGPT就是聊天，典型的简单的收费方式就是我去做C端的用户收费，比如像OpenAI，20美元一个账号，但这个在国内环境里可能不是那么容易奏效。但是有另外一个类似的场景，帮助程序员写代码，这个付费意愿其实比普通人聊天的付费意愿要高很多的。
我最近也跟一些投资人在聊，国外真正的AI落地过程当中最明确的一个需求、一个场景就是代码辅助，大概占整个付费意愿里面50%以上的场景。
所以我们也在做类似的落地，我们有自己的代码生成模型，目前在线上也向全球超过每天10万的用户去提供数千万行代码的生成能力，也有很多企业说不满足于免费的开放版本，它需要在自己的企业内部去部署面向自己内部的服务，他们因此愿意付这个钱，因为它很清楚能算出这个ROI（投入产出比），我们在技术本身研发过程中找到的落地的点，逐渐把它转换成C端的产品或者B端的产品这样的方式把它转换出来。
软件开发的标准化产品和定制化开发之间的矛盾为什么会产生，有没有可能靠技术的方法去弥补这两者之间的差异，可能是智能体的这种方案，像OpenAI可能是一种路径，我们怎么用技术驱动的方式解决这个问题，进而产生更大的商业落地价值，这就是我们从技术角度看的问题。
当然过程中不可能全靠我们自己，还是要靠大家的生态，包括我们的合作伙伴。
胥昕：因为我们不是专做AI的，没有赶上疯狂迭代快速发展的难处，但我们的难处是研发周期很长，不管是数据库、网络、存储，国产化意愿很强的研发周期很长，研发周期可能长到6~7年，对我们来说最难的是，可能场景都变了，6年前可能没有想到为大模型服务，但是现在可能再研发来不及了。对我们来说平衡短期和长期是另一种难，今天叫长期主义，怎么平衡其实本质上长期是规划、短期是压力，平衡好规划和压力之间的问题。
规划其实考的是你的视野和看到的东西，你看到Transformer2017年、2018年就有了，ChatGPT给大家的震撼是两年的时间，预算、推理一系列的技术流5年前有端倪的。
我们2018年、2019年就立项了超高性能的面向训练、预训练这样的数据流的超高性能存储，但是问题在于卖不出去，因为那个时候没有AI的生态。
第二点，我觉得技术的迭代不是大家想的，一下赶超英美，发射一个很牛的火箭就赚钱去了，可能中间要试出一些技术成果，商业化落地，平衡烧钱和养活自己的差值，不可能完全盈利。
以我们自己为例，可能2018年、2019年我们立项了超高性能，可能要去卖一些中间的过程给到客户，可能有一部分超高性能，大部分是大规模，有一部分有点像训练，核心其实是大数据，不是真正的AI，但这个过程中怎么把中间的成果展现出来。难的在于，你在面向未来架构的中间态和当时大数据最佳的数据结构来拼竞争，你不是最好的，但是你的架构是最可演进的，这个是很关键的。其实要说平衡商业化和平衡烧钱，我觉得可以翻译成平衡长期和短期，再翻译就是平衡规划和平衡压力之间的关系，我觉得一定是有方法论可以去遵守的。
我觉得对于企业来说，很多时候，首先你有没有意愿去平衡，第二才是你有没有能力去平衡，如果有意愿，能力是可以慢慢去积累的。
供应链完备化
夏令：大家期待的AI落地是什么样的，或者未来两三年真正实现应用平衡点、关键是什么样的？
明势资本合伙人夏令
胥昕：我更关注生产领域、工业领域，我们看到，在太平洋彼岸，其实AI对各个行业冲击是非常大的。
举个例子，自动驾驶，其实谈了好多年了，最近两年才从基于规则到基于推理的，自动驾驶的变化是突飞猛进的。我们也看到先进制造行业、先进材料，哪怕做玻璃的、做薄膜的，都可以通过预训练和推理方式来推测它的质量检测。
张鹏：未来2~3年之内，我们希望能把通用计算模型能力实现到完全跟人的通用化能力对标的水平，现在已经看到一些跨模态的能力了，可能还有更复杂的规划能力，完全可以对标提升到可用的水平。
第二，基于生成式AI的基础设施能够变成一种各行各业社会的共识，慢慢落地，形成现实中的基础设施型应用形式。
第三，在这样的基础之上，我们能够打造一个或者形成一个基于生成式AI的产业生态，让大家都能够在这件事情里赚到钱，分享利润。
李笛：10年前，小冰就是socail agent，过去两三年，我比较期待的也是我们也在做的，不是一个狭义的社交网络或者为了获取内容，或者为了联络彼此，而是更多的人和更多的AI的instance能够以各自的不同能力、不同性能、不同属性混同在一起，聚集在一起做一些决策、聚集在一起做一些内容，互相之间有一种更长期的纽带关系，我个人认为这是未来两三年很值得期待的东西。
周枫：第一个，我非常希望整个模型以及到算力供应链的完备化，因为现在很多还存在国产化短板的问题。我希望未来两年能看到，不管外部环境如何变化，整个行业都能够找到好的解决办法，这也是国内大模型产业发展好的一个要点。
第二个，在教育领域，我希望大模型应用能够帮到所有的学习者，能够实现轻松学习或者终身学习的愿景，使教育科技对教育发展起到非常好的推动作用。