AIGC年度激辯：3輪交互內(nèi)準(zhǔn)確率95%以上才能真正應(yīng)用| 中國AIGC產(chǎn)業(yè)峰會

編輯部 整理自 AIGC峰會
量子位 | 公眾號 QbitAI

“ROI是衡量AIGC應(yīng)用價(jià)值的唯一標(biāo)準(zhǔn)?！?/p>

“現(xiàn)在AIGC客戶的需求有兩類，一類是嘗鮮，一類是真正在工作流里應(yīng)用。后者如果類比AI 1.0時(shí)代的應(yīng)用金標(biāo)準(zhǔn)，在AI 2.0時(shí)代，應(yīng)該就是在至少3輪交互內(nèi)要達(dá)到95%以上的準(zhǔn)確率?！?/p>

“AIGC應(yīng)用落地的關(guān)鍵，還是要從業(yè)務(wù)和場景中來，到業(yè)務(wù)和場景中去，拿結(jié)果說話?！?/p>

“如果是高質(zhì)量的、投入真金白銀去做的百模大戰(zhàn)，那么就是有意義的?！?/p>

……

從ChatGPT帶動AI產(chǎn)業(yè)爆火，再到現(xiàn)在越來越多AIGC應(yīng)用的出現(xiàn)，AI行業(yè)已經(jīng)從初步探索期，發(fā)展到應(yīng)用落地期。今年也被很多人稱為“AIGC的應(yīng)用元年”。

那么對于所有AIGC玩家來說，都會面臨一個(gè)現(xiàn)實(shí)的問題：怎么將AIGC應(yīng)用落地，如何賺錢？

圍繞這一問題，阿里云通義大模型業(yè)務(wù)負(fù)責(zé)人徐棟、輕松集團(tuán)技術(shù)副總裁高玉石和瀾碼科技創(chuàng)始人兼CEO周健在本次中國AIGC產(chǎn)業(yè)峰會的圓桌環(huán)節(jié)，詳細(xì)分享了自己的看法。

公司產(chǎn)品類型、模式都不同的三位玩家，對AIGC應(yīng)用落地的探索都到了什么階段？

現(xiàn)在的AIGC應(yīng)用，又有什么價(jià)值？

以及最重要的，AIGC應(yīng)用如何落地、怎么賺錢？

中國AIGC產(chǎn)業(yè)峰會是由量子位主辦的行業(yè)峰會，20位產(chǎn)業(yè)代表與會討論。線下參會觀眾近千人，線上直播觀眾300萬，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

話題要點(diǎn)

• AIGC應(yīng)用已在不同細(xì)分賽道上崗
• AIGC產(chǎn)業(yè)確實(shí)越來越卷，但也越來越成熟
• AIGC應(yīng)用落地變現(xiàn)的方式
• AIGC應(yīng)用的價(jià)值
• 如果是高質(zhì)量、投入真金白銀的百模大戰(zhàn)，那么是有必要的

（圓桌環(huán)節(jié)由量子位主編金磊主持。在不改變原意的基礎(chǔ)上，量子位對內(nèi)容進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。）

論壇實(shí)錄

（話題要點(diǎn)為后添加）

AIGC應(yīng)用已在不同細(xì)分賽道上崗

量子位金磊：感謝各位嘉賓朋友參加這次圓桌，我們這次峰會的主題叫做「你好，新應(yīng)用」。為此我們邀請到不同產(chǎn)業(yè)和領(lǐng)域的落地先鋒代表。

從ChatGPT問世到現(xiàn)在一年半的時(shí)間里，我們看到生成式AI行業(yè)發(fā)展有一個(gè)非常明顯的趨勢：從基礎(chǔ)層的建設(shè)和探索，逐步在向怎么把他們用起來去發(fā)展，今年也被很多人認(rèn)為是AIGC的應(yīng)用元年。

我們覺得在這個(gè)時(shí)間節(jié)點(diǎn)上有必要坐下來聊一聊與AIGC有關(guān)、且非常接地氣的話題：「怎么落地，如何賺錢」。

緊扣這次圓桌的話題，我想先問一個(gè)開門見山的問題，就像剛才快刀青衣老師說的，不要告訴我大模型有多厲害，要告訴我它們用得怎么樣了。

首先想請教一下高總，輕松集團(tuán)在去年年底的時(shí)候?qū)?strong>輕松問醫(yī)Dr.GPT做了全面升級，相應(yīng)發(fā)布了7個(gè)創(chuàng)新應(yīng)用，目前病患和醫(yī)生對新應(yīng)用的使用情況是怎么樣的？

輕松高玉石：我來介紹一下我們輕松集團(tuán)的落地情況，算是對應(yīng)快刀青醫(yī)老師說的企業(yè)落地實(shí)踐的過程。

我們在去年上半年發(fā)布了輕松問醫(yī)的大模型，是醫(yī)療健康領(lǐng)域的大模型。

隨著下半年整個(gè)應(yīng)用和場景的拓展，我們在去年年底做了升級。基于輕松問醫(yī)大模型，還有具體應(yīng)用場景里面應(yīng)用模型的結(jié)合，我們在醫(yī)生和患者端確實(shí)做了落地的應(yīng)用，目前看效果還可以。

比如醫(yī)生端，我們會給醫(yī)生提供過往積累了很多的病例數(shù)據(jù)，并且我們做了病例識別AI模型，結(jié)合輕松Dr.GPT對于健康醫(yī)療數(shù)據(jù)識別的能力和推理能力，我們向臨床研究部分推出臨床預(yù)分析的數(shù)據(jù)能力。

做臨床研究的這些醫(yī)生，他臨床收集的病例只需要提交上來，很輕松就可以拿到識別結(jié)果包括結(jié)構(gòu)化，甚至說他在臨床研究過程中收集到各種其他類型的數(shù)據(jù)，都可以綜合做一個(gè)預(yù)分析。

目前我們看到的情況，在我們平臺上采用這種方式去做的，在同等工作上效率相對于傳統(tǒng)臨床研究能提升2倍，目前整體用的效果還是非常不錯(cuò)的。

同時(shí)，我們平臺上還有很多醫(yī)生在做科普。我們能給他們提供一些文字或者視頻類科普內(nèi)容創(chuàng)作過程中的AI輔助工具。

目前看來，這部分醫(yī)生在我們平臺上每個(gè)月可以利用這個(gè)工具生產(chǎn)或者說創(chuàng)作內(nèi)容，大概維持在萬這個(gè)級別的規(guī)模。

同時(shí)，我們還給醫(yī)生推出輔助診療AI工具。它可以自己跟患者溝通、交流，會預(yù)生成出診斷結(jié)果的判斷，包括給診療建議，最終醫(yī)生會對結(jié)果做整體的復(fù)核并給出最終結(jié)論。

我們跟一家互聯(lián)網(wǎng)醫(yī)院做試應(yīng)用，目前看來這個(gè)結(jié)果被醫(yī)生的采納率能達(dá)到86%。一個(gè)醫(yī)生正常問診的過程之前是10分鐘左右，現(xiàn)在只需要1-2分鐘，這是我們醫(yī)生端的。

從患者端來說，因?yàn)槲覀僀端用戶比較多，所以做了健康顧問。

比如對慢病患者，它會提供用藥提醒；對普通用戶，特別我們中老年用戶比較多，它可以提供飲食、生活的健康建議。

我們目前這個(gè)顧問覆蓋30多萬用戶，活躍率可以做到70%多。這在過往很難做到，因?yàn)檫@種方式跟用戶溝通需要非常大的人工團(tuán)隊(duì)去維護(hù)，但現(xiàn)在有了大模型，這個(gè)事情可以做得非常輕松了。

包括我們健康商城里在線的智能客服，整體上了大模型之后收縮了70%人工人力成本、人工客服的成本。由于時(shí)間關(guān)系，還有其他的應(yīng)用我這里不詳細(xì)的展開了。

量子位金磊：剛才高總提到病例分析任務(wù)，這對于醫(yī)生來說應(yīng)該是必須嚴(yán)謹(jǐn)且耗時(shí)的工作，有沒有數(shù)據(jù)通過Dr.GPT給醫(yī)生帶來省時(shí)的數(shù)據(jù)呢，節(jié)省多少時(shí)間？

輕松高玉石：對于一個(gè)完整的問診過程來說，在線問診比線下問診時(shí)間耗時(shí)較長。正常情況下，原本是10分鐘左右，現(xiàn)在大概降到1-2分鐘。

前面很容易的溝通不需要人工，用機(jī)器就能收集上信息，最后醫(yī)生做出決策之前，可以看到大模型提取完的結(jié)果。

如果他想要的信息沒有完整提取到，因?yàn)檫@不僅是完整模型而是一套系統(tǒng)，系統(tǒng)自動就會把想問的問題用人工跟患者溝通，整個(gè)過程看下來時(shí)間節(jié)約了很多。因?yàn)獒t(yī)生看病大量時(shí)間都用在前面的過程，最后出結(jié)論時(shí)，很多時(shí)候很快。

量子位金磊：接下來想問問徐總，咱們通義千問正式開放也有半年多的時(shí)間了，現(xiàn)在用戶使用的情況是怎么樣的？

阿里云徐棟：我跟高總的角度可能會不太一樣，因?yàn)槲覀兪窃茝S商，再加上模型服務(wù)面向全行業(yè)。

坦白說很多客戶比較兩極分化，一方面認(rèn)為模型是萬能的，另一方面有些用戶覺得模型是對原有搜索的增強(qiáng)，可能是這么兩個(gè)角度。我們把市場去做個(gè)分割，AIGC怎么應(yīng)用的情況可以分兩個(gè)層面。

第一個(gè)，大模型塑造了產(chǎn)業(yè)的核心商業(yè)模式。比如游戲行業(yè)的NPC、社交領(lǐng)域的角色扮演，包括高總講的范圍像是SaaS的場景，它是AIGC內(nèi)容生產(chǎn)的上游和下游，而且它有自己特定的work flow，這個(gè)產(chǎn)業(yè)鏈也是在快速變化。

除此之外可以看到像智能硬件包含的范圍很廣，包括車機(jī)、智能座駕、手機(jī)，也能看到手機(jī)廠商和PC廠商分別把名字都改了，叫AI Phone或者AI PC。還有像鼠標(biāo)這種消費(fèi)電子類的穿戴設(shè)備，都有模型上的場景應(yīng)用。

可以把這一大類通稱為大模型對商業(yè)模式做的大升級，它們或多或少可以把模型集中進(jìn)來。

第二大類是企業(yè)級市場，未必是對商業(yè)模式做了根本性重塑，而是在降本增效場景作用比較突出，比如最典型的客服場景、知識庫的問答等等，這些場景在企業(yè)內(nèi)部對提效來說有非常多的幫助。

快刀青衣老師在剛剛講的時(shí)候，說團(tuán)隊(duì)規(guī)模未必未來會足夠大，原因也是這樣。因?yàn)槟銜l(fā)現(xiàn)很多原有崗位角色都是圍繞著具體的業(yè)務(wù)場景的，這個(gè)場景下面很多角色通過AI被提效，因此可以做更好的降本增效模式的改變。

講到阿里巴巴集團(tuán)模型內(nèi)部的模型使用情況，有一個(gè)很好的案例，有機(jī)會可以聽釘釘總裁分享。釘釘是非常好的工具鏈SaaS企業(yè)，他們應(yīng)用分了三步。

第一步把原有IM的Saas應(yīng)用AI化。比如閃記、視頻會議還有文檔，全部接入了像魔法棒這樣一個(gè)能力，所有內(nèi)容都跟AI打包了。

第二步推出了釘釘超級助理。因?yàn)锳I助理、AI Agent這個(gè)場景，也就是一個(gè)AI助理幫助企業(yè)通過IM使用相應(yīng)的功能，不管調(diào)用功能還是做摘要都會變得很方便。

第三個(gè)是釘釘走的另外一條更有突破性的路線，它有一個(gè)場景叫“煉丹爐”，也就是一個(gè)企業(yè)可以把能力包括知識庫跟釘釘原有場景結(jié)合，變成自己所需要的AI助理，或者特定企業(yè)的數(shù)字員工。我覺得這樣場景也是非常有意思的。

今天很多AIGC應(yīng)用場景在慢慢發(fā)展，也在不斷地分層，我們自己看到這兩個(gè)層面客戶的需求會不太一樣，毫無疑問調(diào)用量也正在非?？焖俚脑鲩L，不管在第一個(gè)場景還是在第二個(gè)場景。

量子位金磊：接下來想請教一下周總，瀾碼科技是去年2月份成立的，可以說是非常典型的AI 2.0公司，咱們?nèi)ツ昴甑装l(fā)布了AI Agent平臺AskXBOT，那么咱們這款應(yīng)用現(xiàn)在目前使用情況是怎么樣的？

瀾碼周健：我們一開始從自動化的視角設(shè)計(jì)AI Agent，我們關(guān)注到企業(yè)內(nèi)部員工，特別是一線員工，處理的很多都是數(shù)據(jù)、文檔、應(yīng)用、流程，這四個(gè)核心要素，我們就圍繞這幾個(gè)打造了核心能力。

去年比較多的能力還是在文檔這個(gè)維度上面，比如說最簡單的政策解答、出題判卷，包括保險(xiǎn)產(chǎn)品條款的回答，這樣做一系列的應(yīng)用。今年我們開始有一些所謂的Chart能力或者Work Flow的能力，我們把這些能力組裝在一起，就可以做高級一些的增強(qiáng)自動化，專家可以通過知識去賦能基層的業(yè)務(wù)員工。

這里有一個(gè)典型場景，以前保險(xiǎn)代理只能通過盲打電話推銷新的保險(xiǎn)產(chǎn)品，成功率非常低，現(xiàn)在保險(xiǎn)代理可以根據(jù)體檢情況生成的個(gè)性化保險(xiǎn)產(chǎn)品推薦，去推薦給對應(yīng)的體檢客戶，并且推薦的產(chǎn)品也符合他的健康情況，從而可以大大提高銷售轉(zhuǎn)化率。

另外一個(gè)場景是銀行普惠金融，政府現(xiàn)在也希望引導(dǎo)銀行資金能夠到優(yōu)質(zhì)的中小企業(yè)那里去，這時(shí)候就需要對申請資金的企業(yè)撰寫盡調(diào)報(bào)告。

過去一個(gè)客戶經(jīng)理要花半天時(shí)間寫報(bào)告，因?yàn)橐占鞣N各樣的信息，例如公司章程、營業(yè)執(zhí)照、銀行流水、財(cái)務(wù)報(bào)表，大概要花半天。但是通過Agent，10分鐘就能生成一份報(bào)告，再檢查一下，基本上30分鐘就能完成一份報(bào)告。

我們自己總結(jié)下來，一種是日常辦公的增強(qiáng)自動化，包括剛才講的查詢文檔、差旅預(yù)定、會議預(yù)定、智能客服等都是降本增效，另外可以做一些創(chuàng)新業(yè)務(wù)。

過去因?yàn)槠髽I(yè)內(nèi)部的專家供給是稀缺資源，專家的時(shí)間一天也是24個(gè)小時(shí)，像剛才講的保險(xiǎn)代理、理財(cái)經(jīng)理，不可能每個(gè)理財(cái)經(jīng)理都是專家，一定是初級、中級、高級員工匹配起來，這個(gè)時(shí)候?qū)＜視r(shí)間的供給是瓶頸。

而今天有了AI Agent或者用上大語言模型之后，智能體能發(fā)揮出來專家的能力，這時(shí)候?qū)＜視r(shí)間就不再是瓶頸資源了，我們可以做一些新的業(yè)務(wù)。原來覺得不可能、質(zhì)量太差或者風(fēng)險(xiǎn)太高的業(yè)務(wù)，現(xiàn)在就都有可能了。

這個(gè)是我們看到很多落地的場景中，企業(yè)特別想要去購買的應(yīng)用。

量子位金磊：好的，從三位嘉賓的分享我們可以看到，AIGC應(yīng)用已經(jīng)在不同的細(xì)分賽道上很有效地上崗了。

AIGC產(chǎn)業(yè)越來越卷，也越來越成熟

量子位金磊：與此同時(shí)我們也看到這一年半以來，AIGC的應(yīng)用越來越多，在功能上也呈現(xiàn)出你追我趕的現(xiàn)象?？偠灾絹碓骄?。

所以我想先請教一下徐總。咱們通義千問應(yīng)該算是大廠AIGC應(yīng)用的代表，是否有感受到同類產(chǎn)品迭代速度過快，感受到了一些壓力？

阿里云徐棟：因?yàn)橥x千問跟別的廠商還有區(qū)別，它的開源力度非常大。比如兩周前和一個(gè)月前，我們分別開源了兩次，所以在社區(qū)里會得到很多關(guān)于效果的反饋。有的時(shí)候一個(gè)模型剛放出來，第一周都是噪音，一個(gè)月之后才會慢慢知道效果怎么樣。

坦白說今天如果要卷的話，我們對效果還是比較有信心的，很多客戶會給我們一些反饋，覺得效果還可以。

但是我們今天已經(jīng)開始卷到另外一個(gè)維度，我認(rèn)為是好事情。一個(gè)叫做延時(shí)，我現(xiàn)在發(fā)現(xiàn)有些場景對時(shí)間會非常敏感。比如說有些外呼的場景，還有對圖片語義理解的場景，用戶能接受的時(shí)間點(diǎn)一定是在2秒，2秒以上沒辦法接受。

我們其實(shí)跟一個(gè)手機(jī)廠商合作，是面向視障人士，他們可以通過手機(jī)去識別當(dāng)下環(huán)境的物體是什么樣子。大家都知道視障人士非常敏感，能感受到100毫秒的輔助聲音的理解，但是在今天時(shí)間如果要超過3秒或者4秒、5秒，這個(gè)場景就不可用。

而且性能、延時(shí)、并發(fā)，是我們目前覺得是重點(diǎn)要去卷的方向。

另外一個(gè)我們發(fā)現(xiàn)今天對成本的敏感度也越來越高。因?yàn)檫^去調(diào)用量不大，所以大家覺得成本還好，但是今天我們發(fā)現(xiàn)在成本方面卷得也是非常厲害的。從效果卷到了性能、延時(shí)、成本，這是目前看到比較多的方向。

不過這代表產(chǎn)業(yè)越來越成熟了，進(jìn)入了一些核心的敏感領(lǐng)域，所以才會提這么多需求給我們，這是一方面。

第二方面我們不能只卷語言模型，我們現(xiàn)在在卷多模態(tài)的理解、多模態(tài)的生成，比如剛才講到怎么理解圖像，怎么理解聲音。

前段時(shí)間有個(gè)客戶告訴我，開水的聲音和冷水的聲音是不一樣的。聲音代表很多信息、有很多標(biāo)簽，所以我說聲音的識別不是把語音轉(zhuǎn)化成文字的模式。

有可能今天所有模型輸入的信息可以多元，可以是聲音、圖片、文本，也可以是視頻，輸出內(nèi)容也可能是多元的。如果再加時(shí)間軸，有可能變成視頻。

所以我覺得多模態(tài)應(yīng)該是今年下半年卷得最厲害的方向，也是因?yàn)樯习肽闛penAI在春節(jié)的時(shí)候發(fā)布了Sora這個(gè)模型。

除此之外，我覺得還有一個(gè)目前卷的壓力比較大的方向，準(zhǔn)確地說是插件生態(tài)，或者說是工具鏈。

過去大家都知道工具鏈的核心講的是怎么做SFT，后來開始卷RAG?，F(xiàn)在我們發(fā)現(xiàn)隨著Agent成為重要的商業(yè)化出口后，就需要越來越多的工具或者API，這些API背后代表是不同能力的插件。

所以今天我們能看到，什么樣的模型服務(wù)能夠提供更豐富的插件服務(wù)，可能也是一個(gè)非常重要的事情。

所以我覺得分幾個(gè)層次，我們倒未必覺得今天在效果上會有足夠大的壓力，當(dāng)然我們也是在不斷對標(biāo)國際上最先進(jìn)的模型。

但是我們覺得落地場景上來說，可能會在其他幾個(gè)方面卷的更厲害，而且這幾個(gè)方面真正決定了客戶能不能用模型取得正收益，這是我們的觀察。

量子位金磊：剛才徐總談到卷的不同方向，但是阿里本身通義大模型就是很卷了。10天前在4月7日的時(shí)候，阿里通義千問剛剛開源了千問1.5的34B這個(gè)大模型，在今天又開源了一個(gè)CodeQwen1.5-7B和Qwen-7B-Chat。

接下來在To B應(yīng)用當(dāng)中醫(yī)療是非?；馃岬馁惖?，其實(shí)市場上已經(jīng)有很多醫(yī)療大模型和相關(guān)的應(yīng)用了。高總，您覺得整個(gè)醫(yī)療的AIGC應(yīng)用，目前的困境是什么？

輕松高玉石：首先我覺得這可能是目前整個(gè)AIGC落地過程中普遍存在的問題，就是怎么找到一個(gè)比較合適的場景，能夠把它解決實(shí)際問題，落得下去。

而不是說現(xiàn)在依然大家看到發(fā)布各種各樣的內(nèi)容、造概念、追熱點(diǎn)，甚至說我先把大模型搞出來，然后再去找場景。

我的建議還是從業(yè)務(wù)和場景中來，到業(yè)務(wù)場景中去，拿結(jié)果說話，有沒有增效，有沒有增收。其實(shí)這個(gè)說起來很容易，做起來很難。

我們今年1月份的時(shí)候做了年終總結(jié)，大家看到我們?nèi)ツ闍I落地情況，真正應(yīng)用起來和對業(yè)務(wù)產(chǎn)生價(jià)值，成功率只有30%多一點(diǎn)。等于我做三個(gè)嘗試，最后只能成一個(gè)，這個(gè)東西說起來也很容易，做起來其實(shí)挺難的。

第二點(diǎn)是醫(yī)療的高質(zhì)量的數(shù)據(jù)還是比較少的，而且數(shù)據(jù)也比較分散，是先天的一些因素造成的比較分散，而且這個(gè)行業(yè)里面還有部分?jǐn)?shù)據(jù)的封閉性比較強(qiáng)。怎么把數(shù)據(jù)有效利用起來，能夠給模型強(qiáng)化出來更好的能力，從目前看來可能更好的方式還是通過國家，在數(shù)據(jù)要素這一系列建設(shè)上和規(guī)劃上怎么緩解這個(gè)問題。

第三點(diǎn)是醫(yī)療這個(gè)場景是一個(gè)很嚴(yán)肅的場景，對于容錯(cuò)率要求是非常高的。

包括剛才徐總也講，我們會有一些SFT，包括一些微調(diào)，還有檢索增強(qiáng)的方法，能把這些提升和強(qiáng)化。以現(xiàn)在實(shí)際情況看，我個(gè)人建議還是以輔助的方式為主，比如說無人化和自動化的方式，我建議不宜過早和樂觀地做這件事情，這是我個(gè)人的觀點(diǎn)。

量子位金磊：那在成本上呢，很多客戶肯定都是會希望能拿到一個(gè)又快又好又省錢的解決方案和產(chǎn)品。咱們的產(chǎn)品在上崗醫(yī)院的時(shí)候，在成本上是怎么做到降本增效？

輕松高玉石：這個(gè)核心點(diǎn)在于算賬，用的過程中一定要算賬。

大家都講ROI，有些場景里面，你能獲得的收益其實(shí)是很高的，就可以用到更好的或者說可以付出更大的成本，但有些成本其實(shí)很低的，所以說這個(gè)過程中就需要去平衡。我們那2/3失敗的項(xiàng)目，里面有一部分項(xiàng)目是用起來確實(shí)不錯(cuò)，但最后確實(shí)成本扛不住。

量子位金磊：好的，剛才提到成本，咱們AI Agent屬于AIGC技術(shù)里面非常潮流的一個(gè)，雖然這種方法在交互的場景中效果比較好，但是它的成本應(yīng)該算是一個(gè)硬傷。

所以想請教一下周總，咱們在這個(gè)方面是怎么解決的？

瀾碼周健：在我們實(shí)際實(shí)現(xiàn)過程中，基本上還只是先拿最好的模型去驗(yàn)證這個(gè)場景的可實(shí)現(xiàn)性。

如果現(xiàn)在在GPT-4上面，通過提示詞也沒有辦法做到的話，基本上我們會拒絕這個(gè)項(xiàng)目。如果能做的話，我們的客群里面很多是要私有化部署，因此還是想要通過拆解去解決。一方面通過輔助專家知識，這樣的話就把大模型的能力局限在很多語言理解上，只是去處理、總結(jié)或者說去做自然語言，還有的是實(shí)體識別、或者意圖識別、意圖分類等這樣一些事情。

這時(shí)候?qū)Φ紫履Ｐ偷耐评砟芰Φ囊缶蜁蟠蠼档汀Ｋ赃@樣的話，對于整個(gè)端到端解決方案，就會比用最貴的模型要好很多。

量子位金磊：那么除了在產(chǎn)品應(yīng)用越來越卷之外，放眼整個(gè)宏觀的AIGC市場，必然也產(chǎn)生了一定的變化。還是想先請教一下周總，您覺得市場對于AIGC應(yīng)用的產(chǎn)品是不是越來越嚴(yán)格了？

瀾碼周健：您是說客戶嗎？

量子位金磊：對。

瀾碼周健：客戶的需求其實(shí)是兩類，一類只是嘗鮮，這時(shí)候是不會真的用起來的。第二類是真的要在實(shí)際生產(chǎn)工作流里面被用起來，在AI 1.0時(shí)代都有明確的可以被用起來的指標(biāo)，當(dāng)然今天稍微有一些不同。

以前在人臉識別的應(yīng)用場景，準(zhǔn)確率95%就是金標(biāo)準(zhǔn)，如果準(zhǔn)確率達(dá)不到95%，肯定沒有辦法上線。現(xiàn)在可能可以放寬到在交互三輪以內(nèi)一定要達(dá)到95%的準(zhǔn)確率，這個(gè)還是必須的。

量子位金磊：咱們高總這邊呢？有這個(gè)感覺嗎？

輕松高玉石：在這個(gè)過程中，我覺得用戶對于我們?nèi)萑潭仁潜容^高的。

包括用戶也好，包括內(nèi)部使用一些供給也好，因?yàn)槭切率挛?，所以本身先天有一定的興趣。在這個(gè)過程中，他是接受的。但是可能在這個(gè)過程中需要適當(dāng)?shù)乜刂坪妙A(yù)期。如果給出的收入預(yù)期以及實(shí)際情況的預(yù)期過高，之后帶來的結(jié)果可能會走向另一個(gè)極端。

至于另一個(gè)點(diǎn)，目前整個(gè)市場上對于AIGC有點(diǎn)跟過往的情況不一樣。過往說有一個(gè)比較好的增長就行了，現(xiàn)在可能收入和利潤是同等重要的。如果從資本的層面看，其實(shí)對AIGC產(chǎn)品的要求比以前要高很多。

量子位金磊：現(xiàn)在我想問一問徐總，這一年半來，咱們有沒有對AIGC市場有一個(gè)新的感受？

阿里云徐棟：我個(gè)人感覺越來越樂觀了。

因?yàn)榇蠹疫^去卷的都是在卡層面，前段時(shí)間紅杉在美國有一個(gè)報(bào)告，去年花了500億美元買卡，真正的AIGC產(chǎn)值就30億美金，大概是這么一個(gè)結(jié)構(gòu)。今天來看，剛才周總、高總講了一個(gè)觀點(diǎn)我特別認(rèn)同，就是客戶的預(yù)期變了。原來是認(rèn)為你一上來就是一個(gè)pilot，不是copilot。

所以有些用戶對準(zhǔn)確率不是那么敏感了，他覺得夠用就可以，甚至有些客戶因?yàn)槌杀竞托阅?，主動選擇從千億參數(shù)模型改變到了14B甚至7B的模型，因?yàn)樗雷约阂裁戳?/strong>，這是非常大的轉(zhuǎn)變。

很多客戶今天跟我們聊的時(shí)候，好像不需要這么大的模型了，因?yàn)檫@個(gè)量太大了。而且我覺得是一個(gè)copilot，我不需要把它直接變成最終的生產(chǎn)的結(jié)論，所以我覺得這是一個(gè)非常大的變化。

第二個(gè)我自己覺得市場為什么越來越好了，因?yàn)樵瓉硪婚_始都是像在生產(chǎn)力的辦公工具，或者說像Office 360這個(gè)方向轉(zhuǎn)?，F(xiàn)在看到越來越多不一樣的場景，特別是To C的場景。原來是To B多，因?yàn)檫^去To B的融資比較容易，而現(xiàn)在看到To C的AIGC融資慢慢起來了。這和基礎(chǔ)模型能力的提升，以及性價(jià)比越來越高是有關(guān)系的。

另外還看到了一個(gè)快速發(fā)展的市場，比如智能硬件，尤其是穿戴設(shè)備和一些帶攝像頭的，或者帶一些語音和麥克風(fēng)的小的設(shè)備。

這些設(shè)備原來有一定的ASI或者TTS的能力，或者說有一些圖象識別能力，但泛化性很差，商業(yè)價(jià)值沒有辦法被發(fā)揮出來。今天我們看到淘寶很多類目里面，你搜消費(fèi)電子產(chǎn)品前面加一個(gè)“AI”、加一個(gè)“智能”，鼠標(biāo)、攝像頭、耳機(jī)、手表排名都很靠前。幾乎所有的智能硬件的廠商都在做這件事情。

因?yàn)榻裉觳还軓耐度谫Y角度還是從客戶的預(yù)期角度，大家對大模型的認(rèn)知越來越準(zhǔn)確、清晰了。一開始覺得什么都行，或者什么都不行，但目前需求開始分層了。有些場景的準(zhǔn)確率要求依然很高，需要做精準(zhǔn)的幻覺控制，有些場景覺得不需要。我看還有人做審核，對前面所有鏈路做了大幅提效，這個(gè)場景還是挺有意思的。

我個(gè)人覺得越來越樂觀，今天有跑不完的客戶提需求，而且需求越來越分層，這是非常有意思的事情。

AIGC應(yīng)用落地變現(xiàn)的方式

量子位金磊：接下來我們聊一個(gè)更直接一點(diǎn)的問題：怎么變現(xiàn)，怎么賺錢？

還是想先請徐總分享一下，通義千問目前在C端沒有采取收費(fèi)模式，接下來在商業(yè)變現(xiàn)方面有怎么樣的計(jì)劃呢？

阿里云徐棟：我們對標(biāo)其他廠商的話，比如ChatGPT就是訂閱制，對用戶收訂閱費(fèi)，根據(jù)時(shí)間觀察我們的action是什么，我想先分享一下大的邏輯。

我覺得一旦有新的技術(shù)出現(xiàn)之后，會形成新的產(chǎn)品體驗(yàn)，新的產(chǎn)品體驗(yàn)會把流量吸過來，快速形成洼地，基于流量看到有很多很成熟的商業(yè)模式。不管是廣告，還是最早的短視頻和直播，都跟廣告和電商有關(guān)，還有些做金融服務(wù)、增值服務(wù)賣虛擬商品等等等等。今天還沒有看到C端產(chǎn)品到兩千萬DAU，每個(gè)DAU時(shí)長超過60分鐘，所以今天聊商業(yè)化或者長期商業(yè)化還有點(diǎn)過早。

而今天成熟的商業(yè)模式還是就那些，LM-Base的Agent或者說to C的應(yīng)用，有沒有可能產(chǎn)生一些新的付費(fèi)模式？我覺得是有可能的。

有可能是一個(gè)訂閱制的模式，但訂閱制模式有點(diǎn)太泛了，需要訂閱多個(gè)AI Agent，不同Agent之間怎么通信，這些東西可能都是隨著下半年multi-agent架構(gòu)越來越成熟再解決。比如一個(gè)To C產(chǎn)品背后不是一個(gè)模型，它可能是多個(gè)模型，甚至多個(gè)模型上面分裝出的多個(gè)Agent，之間會相互通信。

我在線下跟高總聊multi-agent這個(gè)架構(gòu)，這個(gè)架構(gòu)其實(shí)未來可以看到這樣的情況。

假設(shè)我們致力于做一家量化教育的基金或者私募，今天首先需要一個(gè)做基本面分析的分析師，需要一個(gè)在二級市場搜集信息、爬取數(shù)據(jù)的一個(gè)角色；同時(shí)需要有個(gè)寫代碼的人；另外還有去挑戰(zhàn)前面所有人邏輯的反對者，它可能就是multi-agent架構(gòu)?；谶@個(gè)架構(gòu)可能就會產(chǎn)出一個(gè)小型的私募量化交易公司，有可能持續(xù)迭代，甚至可能會比人的例如效果會更好一點(diǎn)，因?yàn)樗杏洃浂紩嬖?，也很理性?/p>

我想當(dāng)下單個(gè)To C，尤其是像ChatGPT場景，是不是訂閱費(fèi)是唯一的方法呢？我覺得現(xiàn)在聊這個(gè)可能過早。我們可以到下半年看一看，看看有沒有新的商業(yè)模式可以跑出來，不管是Kimi也好，還是其他的廠商。

我們看到現(xiàn)在流量增長都非常快，但是具體怎么收費(fèi)，我覺得是一個(gè)短期還沒有那么明確，可以觀察一下下半年基于multi-agent架構(gòu)，或者多模態(tài)的架構(gòu)，有沒有新的商業(yè)化的可能性出現(xiàn)。

量子位金磊：那么高總，請問咱們產(chǎn)品面向B端進(jìn)行商業(yè)變現(xiàn)，是按需付費(fèi)還是其他的模式？以及對未來新出現(xiàn)的變現(xiàn)模式有什么樣的想法？

輕松高玉石：我們是健康保障的科技公司，做很多東西還是圍繞著既有業(yè)務(wù)和生態(tài)整合的。所以我們變現(xiàn)模式相對非常純粹的AI公司來說更自如一點(diǎn)。

我們目前的產(chǎn)品主要服務(wù)大量C端用戶，他們對健康有很大的需求，包括還有一些機(jī)構(gòu)、醫(yī)生。所以說我們變現(xiàn)模式是圍繞這些用戶做的。C端圍繞增值服務(wù)，我們提供一些保險(xiǎn)的保障，還有健康TPA的服務(wù)，包括用戶可以通過商城、通過健康管家的服務(wù)來購買我們健康的產(chǎn)品，甚至有些用戶對于我們客戶的知識比較感興趣的話，可以買高端科普的內(nèi)容。

而B端主要以安全付費(fèi)的方式。一類像醫(yī)療、醫(yī)藥的機(jī)構(gòu)做臨床研究，他會做一些付費(fèi)，另一部分則是還有很多的機(jī)構(gòu)的用戶，有健康教育的需求，這類需求也是可以得到滿足的。

量子位金磊：那么周總這邊呢？

瀾碼周健：我們做AI Agent，最近大廠把這個(gè)品類炒起來了，甲方現(xiàn)在要采購一個(gè)Agent平臺基本上成為共識。這是傳統(tǒng)軟件的方式。

還有一些應(yīng)用的方式，不管像剛才提到的信貸盡調(diào)報(bào)告，還是政策解答，我們看到有一種可能性，可以按照數(shù)字員工按月收費(fèi)。因?yàn)楝F(xiàn)在很多業(yè)務(wù)的客戶，比如像某個(gè)分行在很多時(shí)候去采購GPU算力非常困難，需要找算力廠商。這套用現(xiàn)在比較時(shí)髦的詞來說就是，AI智能體是新質(zhì)生產(chǎn)力，專家知識、模型、算力都是全新的生產(chǎn)要素。

假如算力廠商愿意以租用的方式，倒過來變成分行每個(gè)月雇傭員工一樣付費(fèi)，再分成分給模型或者說算力的廠商，這是現(xiàn)在正在探索的一種新的商業(yè)模式。

AIGC應(yīng)用的價(jià)值

量子位金磊：好的，那接下來這個(gè)話題是比較開放的：AIGC應(yīng)用的價(jià)值。

因?yàn)槿患钨e每個(gè)人所身處的細(xì)分賽道也是不同，想必感受也是會有略微的不同。我們按照順序，從高總這邊來依次聊一聊，您覺得什么樣的AIGC產(chǎn)品才算是好產(chǎn)品，才算有價(jià)值，這個(gè)有價(jià)值的標(biāo)準(zhǔn)是什么？

輕松高玉石：從企業(yè)經(jīng)營角度，特別這兩年基本上各家企業(yè)都比較頻繁的提到一個(gè)概念，就是降本增效增收。如果我們把它擴(kuò)展到C端的層面，可能還會有一個(gè)體驗(yàn)的點(diǎn)。

我覺得這四個(gè)點(diǎn)同樣適用于，現(xiàn)在去評價(jià)AIGC產(chǎn)品到底有沒有價(jià)值。就是對于個(gè)人，對于企業(yè)，對于社會有沒有做到降本、增效、增收，或者說帶來很好的體驗(yàn)。如果能做到其中的一到兩個(gè)點(diǎn)，我覺得這個(gè)產(chǎn)品在嚴(yán)格意義上是有價(jià)值的。

量子位金磊：徐總呢？

阿里云徐棟：我覺得大家思路差不多，看ROI。

這樣一個(gè)場景，或者產(chǎn)品，或者用了大模型，用和沒用之間的差額是什么樣子。大家都知道用大模型是有成本的，而且成本不低，起碼從目前來看，背后是跟GPU掛鉤的。所以我覺得ROI這件事情是衡量到底有沒有價(jià)值的第一標(biāo)準(zhǔn)。

但是每個(gè)企業(yè)來評價(jià)ROI的邏輯和方法是不一樣的。比如一個(gè)場景是，一個(gè)企業(yè)每個(gè)月大概有百萬左右的詢單，但是銷售只能接觸其中10%的訂單，原因是大量商品是非標(biāo)的，需要去通過工單的方式問技術(shù)人員，技術(shù)人員給他一來一回的反饋。那如果你讓客戶來補(bǔ)充這個(gè)信息，客戶可能只發(fā)一個(gè)截圖過來，我只要這個(gè)商品，你給我報(bào)個(gè)價(jià)。所以在這種場景下面，90%的生意都丟失了。

但如果在這種場景下，用AI的方式就很容易理解。用一個(gè)chat bot也好，還是說能夠自動生成一個(gè)報(bào)價(jià)單，讓90%那原本會丟掉的生意能夠接起來，這就是對這個(gè)企業(yè)的ROI的非常正面的場景。

所以在這種場景下，對成本不會特別敏感，就會達(dá)到非常好的ROI的效果。

但這個(gè)前提也很復(fù)雜，需要建很好的知識庫、需要把RAG調(diào)到自己覺得可用的狀態(tài)、模型推理效果要好、最后生成的格式是相對標(biāo)準(zhǔn)化的，并且可能還要嵌入到工作流里面，能讓最終銷售人員點(diǎn)擊確認(rèn)……所以還是一個(gè)比較復(fù)雜的體系。但很明顯大家能感受到，這個(gè)場景是ROI比較高的場景。

還有一些用法不一樣，就是短視頻公司、互聯(lián)網(wǎng)公司，拿大模型或者是AIGC內(nèi)容做導(dǎo)流。大家都知道通義千問上面有一個(gè)場景叫做全民舞王，給一張照片能讓里面的人跳起來。因?yàn)檫@個(gè)場景非常有意思，能做流量轉(zhuǎn)化，很多互聯(lián)網(wǎng)公司愿意拿這樣一個(gè)場景對外投放，投放能導(dǎo)回到APP，對他來說也是算ROI。

所以我覺得每個(gè)行業(yè)、每個(gè)場景的價(jià)值判斷不太一樣，但是唯一標(biāo)準(zhǔn)是看投出去算力卡的資源和最終收益比例是什么樣子。有的很敏感，有的不一定很敏感。

比如按照云計(jì)算的邏輯看，其實(shí)手游絕大部分都在云上面。當(dāng)時(shí)我們測算過，云的成本占手游公司的收入差不多是2%-4%，這就是ROI非常大的場景。因?yàn)槭钟魏诵某杀境巳肆χ饩褪欠?wù)器的成本，因?yàn)橐獢U(kuò)服。

我覺得如果未來大模型的成本或者算力的成本，能夠占到客戶營收或這件事情的10%以下，那我覺得就是非常成功，行業(yè)變化一定非常大。

量子位金磊：那么請問周總這邊，您覺得什么樣的AI Agent產(chǎn)品是有價(jià)值的？

瀾碼周健：第一個(gè)是所謂的崗位增效。過去AI 1.0時(shí)代，是用數(shù)字化的方式把崗位的重復(fù)性工作替代掉。今天提供了一個(gè)可能性，是說能夠用專家的方式把這個(gè)崗位的部分任務(wù)自動化掉，這其實(shí)是一個(gè)很明顯的提供價(jià)值的方式。

第二個(gè)是管理的增效。我們現(xiàn)在有個(gè)客戶是做中介平臺，交易員很多信息其實(shí)沒有被傳遞到其他交易員那里去，AI Agent就相當(dāng)于在流程當(dāng)中，能夠把這個(gè)信息更有效、更及時(shí)、更可信地傳遞出去。

過去一直說前線聽得到炮火聲的人能夠呼喚炮火，但中間還是需要通過人去傳遞信息，所以速度會慢，信息會有失真。今天如果中間是一些AI智能體去負(fù)責(zé)傳遞，前線可能只是把這個(gè)信息像無人機(jī)一樣傳遞回去，后臺由Agent總結(jié)，再讓專家做出決策，這可能會帶來更大的價(jià)值。

就像我剛才提到的，我們有服務(wù)過一個(gè)獵頭公司，他內(nèi)部有700個(gè)獵頭，一年可能發(fā)4500個(gè)offer，最終接受offer的只有3000個(gè)，剩下1500個(gè)是優(yōu)秀的候選人，那么能不能通過他內(nèi)部的700個(gè)獵頭把這1500個(gè)優(yōu)秀候選人的線索傳遞出去？這產(chǎn)生的價(jià)值其實(shí)很難用崗位增效去衡量。本質(zhì)上，基于大語言模型的AI提升了信息處理的生產(chǎn)力，我們其實(shí)能看到它在管理上的增效。

One More Thing：百模大戰(zhàn)，還有必要嗎

量子位金磊：熟悉量子位的朋友都知道，在我們公眾號文章底部，經(jīng)常會有一部分內(nèi)容叫“One More Thing”，這次我們在圓桌也設(shè)置了這樣一個(gè)環(huán)節(jié)，想請三位嘉賓發(fā)表一下自己的看法。

現(xiàn)在AIGC應(yīng)用的產(chǎn)品越來越多，對于市場和用戶來說是一件好事情，可以促使產(chǎn)品自身變得更加優(yōu)質(zhì)。但是反過來看底層的大模型，去年百模大戰(zhàn)的盛況，現(xiàn)在還有必要嗎？訓(xùn)那么多的大模型，是不是資源的浪費(fèi)、重復(fù)造輪子？以及會不會出現(xiàn)大模型層面上的一次大洗牌？

先請高總聊一聊。

輕松高玉石：百模大戰(zhàn)如果是高質(zhì)量的、確實(shí)投入真金白銀去做的，我個(gè)人覺得是比較有價(jià)值的。

因?yàn)槟壳癆I這一波的發(fā)展，特別是生成式AI這一波的發(fā)展，整體還是暴力美學(xué)的邏輯，是靠大量堆算力、堆數(shù)據(jù)去做的，就是一個(gè)典型的scaling law的方式。所以說為什么會這樣，它的一些理論到現(xiàn)在也沒有完完全全地透徹出來。整個(gè)模型從訓(xùn)練到推理各個(gè)環(huán)節(jié)，現(xiàn)在也還是有存在很多需要去探索的地方。

舉個(gè)例子，我在前兩天看到中科院發(fā)了論文，意思是說百度貼吧的弱智吧是最強(qiáng)的中文語料庫，訓(xùn)練處理模型的效果甚至要超過豆瓣、小紅書、百科這一類，過往認(rèn)為是非常高質(zhì)量的傳統(tǒng)內(nèi)容平臺。

所以這種高強(qiáng)度的競爭，必然會加速對未知、未確定東西探索的過程。而這對于加快整個(gè)AI一系列技術(shù)的發(fā)展是比較有價(jià)值的。只是在這個(gè)過程中，可能適當(dāng)做得更開放一點(diǎn)，可以緩解一些資源損耗。

至于會不會出現(xiàn)洗牌，我個(gè)人的觀點(diǎn)是看現(xiàn)在整個(gè)AI技術(shù)發(fā)展的曲線，依然是非常陡峭的，還沒有看到任何放緩或者說見頂?shù)膽B(tài)勢。在這種情況下，其實(shí)很難判斷會不會見頂。

舉一個(gè)最明顯的例子，AI視頻領(lǐng)域，在去年像Runway或者Pika基本上就是風(fēng)頭無二的狀態(tài)，但是今年初Sora一出，整個(gè)AI視頻領(lǐng)域競爭態(tài)勢發(fā)生了很大的變化，現(xiàn)在像Runway或者Pika的處境也是挺微妙的。

但是這不代表著所有東西都是不確定的，我覺得還是有一定的確定性。因?yàn)槟壳斑@一波AI是重資本、重算力、重?cái)?shù)據(jù)、重人才大的方式。所以洗牌大概率會發(fā)生在科技巨頭，或者說這些巨頭支持的創(chuàng)意公司。而且我個(gè)人覺得后者的可能性會更大一些。當(dāng)然目前還是局限于整個(gè)基模這一套，因?yàn)樵趹?yīng)用層面完全是另外一套邏輯。

量子位金磊：那徐總您覺得現(xiàn)在還需要那么多大模型嗎？

阿里云徐棟：如果站在我的工作角度當(dāng)然不需要，大家用通義千問就可以了。

事實(shí)上我們可以把這個(gè)問題稍微剖析一下，看看是不是所有大模型都是同質(zhì)的？如果都是同質(zhì)的，那么這個(gè)問題可以探討一下。

大家知道過去很多做基模的團(tuán)隊(duì)，有一些做垂直模型，比如做金融模型、做教育模型等等。以我們的觀察來說，這樣的方向可能有一定的價(jià)值，因?yàn)槠鋵?shí)是它們有獨(dú)立的詞表、有自己特定的下游任務(wù)，有一些自己finetune用的數(shù)據(jù)對在里面，包括對齊的方式都不一樣。所以我們可能還需要探討一下，所謂的基礎(chǔ)模型強(qiáng)調(diào)的是所有東西都懂，而且還有很好的泛化性。

那垂直模型未來不一定叫垂直模型了，有可能叫垂直的Agent，有可能因?yàn)樯厦娴牟寮胁町惢?dú)占的特點(diǎn)，它的詞表到下游任務(wù)、到對齊方式可能完全不一樣。甚至可以閹割掉很多基模原有的能力，就為這個(gè)場景服務(wù)；有可能能在成本和性能方面做到極致。

其實(shí)市場有很多小的模型，其實(shí)做得也非常好，就是專門做閑聊方面，成本極低，千token的成本甚至可以做到1厘以下，這也是非常好的方式。

所以我覺得關(guān)鍵看訓(xùn)練這個(gè)模型的團(tuán)隊(duì)目標(biāo)是為了去對標(biāo)ChatGPT，還是說解決具體的問題？這可能會不太一樣。這是第一個(gè)角度。

第二個(gè)角度是，過去這樣卷挺好的，好在哪里？好在人才都慢慢被培養(yǎng)出來。過去很多人才都是從NLP或者CV領(lǐng)域慢慢轉(zhuǎn)型到大模型，去做這件事情。大家卷到后面會發(fā)現(xiàn)一個(gè)問題，其實(shí)并不是要做模型架構(gòu)，而是很多人會重新理解數(shù)據(jù)工程。

什么叫好的數(shù)據(jù)、數(shù)據(jù)的多樣性是什么樣子的。比如音樂數(shù)據(jù)和語文數(shù)據(jù)和數(shù)學(xué)數(shù)據(jù)，多樣性是什么樣子的；每個(gè)數(shù)據(jù)怎么構(gòu)建復(fù)雜度。因?yàn)閿?shù)據(jù)構(gòu)建越復(fù)雜，最后的效果可能會更好。

另外什么叫做好的數(shù)據(jù)質(zhì)量，包括不同的數(shù)據(jù)的配比。為什么我覺得這件事情是有意義的，是因?yàn)楹芏嗷５闹R經(jīng)驗(yàn)，未來完全可以被復(fù)用到在下游任務(wù)的finetune環(huán)節(jié)。因?yàn)橹R會傳播，所以有這么多人才做這件事情，這對未來整個(gè)模型探索商業(yè)化，最終搭出足夠有用的、正ROI的Agent一定有非常大的幫助。

所以從我的角度來說，我覺得過去卷一卷并沒有造成太多浪費(fèi)，還是挺好的一個(gè)方向。當(dāng)然也特別歡迎大家多用用通義千問，不管是開源還是閉源的，因?yàn)樾Ч_實(shí)還是不錯(cuò)的。

量子位金磊：最后請周總談?wù)剬τ谶@個(gè)問題的看法。

瀾碼周健：我覺得既多又不多。我挺同意徐總講的，攀科技樹這邊最后應(yīng)該只會剩下幾家，因?yàn)橹袊⒉恍枰话偌夷軌蜃汾sGPT4、GPT-5的大模型公司。

今天從商品的角度上來講，往下細(xì)分，比如像代碼的生成模型已經(jīng)明顯占據(jù)一個(gè)品類了，而其他的大家現(xiàn)在更多都是在用13B、33B、72B，這是很詭異的一件事情。包括像大家買商品買的是代碼模型、金融模型，不會買一個(gè)多少參數(shù)的模型。我覺得不同專業(yè)場景下會有不同的數(shù)據(jù)集，他們能夠發(fā)揮出來更好的用途。

當(dāng)然，因?yàn)檫@波風(fēng)潮，準(zhǔn)備好了這些人才，隨著產(chǎn)業(yè)逐步分化、融資游戲結(jié)束之后，二線大模型公司要找自己的定位，就需要進(jìn)場景，找我們應(yīng)用方、場景方合作做一些市場，正向叫Scaling law，反向?qū)嶋H上它需要的算力并不多。其實(shí)越小的模型，通用性能力會越弱，只能用作專業(yè)性。而就專業(yè)性情況來講，13B可能需要100個(gè)，70B可能需要10個(gè)，萬億模型只需要2、3個(gè)，這是我現(xiàn)在能看到的情況。

而我們這樣做Agent的廠商，希望在各種場景當(dāng)中選需要的模型，現(xiàn)在模型都沒有什么描述，包括產(chǎn)品、feature、list都沒有，需要各種各樣去測才知道什么場景用哪個(gè)，這是行業(yè)最早期的時(shí)候。

我相信跟軟件行業(yè)一樣，最終會細(xì)分到ERP、CRM、OA等功能，而不會說我這是7B模型，我這是33B模型。并且下半年逐步會出來細(xì)分的模型，上面做應(yīng)用的廠商就會更容易一些。如果每個(gè)應(yīng)用廠商都要測，太浪費(fèi)整個(gè)行業(yè)的精力了。

量子位金磊：非常感謝三位嘉賓從不同角度數(shù)據(jù)、人才、資源等等方面分享自己關(guān)于這個(gè)問題的觀點(diǎn)。由于時(shí)間問題，這場圓桌到此結(jié)束了。至于AIGC應(yīng)用下半年又會怎么發(fā)展，我們明年大會再揭曉答案，謝謝大家。

版權(quán)所有，未經(jīng)授權(quán)不得以任何形式轉(zhuǎn)載及使用，違者必究。