李开复认为，AI2.0时代的第一个现象级应用是生成式AI（GenerativeAI），也就是国内流行的AIGC。生成式AI能够实现无需标注的自监督学习，让AI从“辅助”人到逐步“替代”人，如AI与搜索引擎、电商/广告、金融、医疗、元宇宙/游戏、影视/娱乐等行业的结合等。
目前，国内外包括微软、谷歌、腾讯、百度等巨头厂商先后公布在生成式AI领域的布局。如据记者了解，此前腾讯已在AI大模型（预训练大模型）方面备有腾讯混元AI大模型，覆盖NLP（自然语言处理）、CV（计算机视觉）、多模态等基础模型和众多行业/领域模型。
腾讯云副总裁、腾讯云智能平台负责人李学朝表示，目前AI行业已经进入深水区，过去客户群体可能有一些单点应用就足够，但现在他们会更强调AI在自身业务场景下是否真的解决问题了。也有一部分客户开始通过购买企业技术能力，来搭建自身AI平台与应用，培养自身研发实力。再往下走的话，李学朝认为行业会深挖垂类应用——如智能客服、语音助手，或数智人等。
无论如何，焦虑感已经在中国产业界蔓延。旷视科技联合创始人兼CEO印奇表示，整体来说，中国AI行业已经算挺争气了。其次，美国在中国最为人所熟知的除了大厂之外，就是DeepMind和OpenAI，美国在纯技术创新方面确实有更大的资金量，且长期投入，而中国AI公司仍面临相对短周期商业化的压力。
从务实角度来看，印奇称，中国AI公司不可能具备类似OpenAI和DeepMind的研发条件。因此，中国企业一方面要用最艰苦朴素与节约的方法做技术科研。其次，别有幻想，在中国AI公司想活得长必须要商业化。印奇表示，“这是个既要也要的事情，大家对中国AI公司不用太苛责，他们已经挺努力了。”
作为从科研侧转型至业务侧的创业者，澜舟科技创始人兼CEO周明认为创业公司的长板是能够快速迭代，落地容易，短板便是GPU资源与人力成本需要考虑，不适合追风大模型，过早将钱烧没了，“千亿万亿的成本别说小公司，BAT也烧不起这么多钱。”
其次，周明表示，需审时度势，先花几千万元人民币的价格训练出百亿或千亿参数的模型，这是初创公司可承受的，再为客户点对点地提供服务，进行业务落地，“不要想着将所有能力都做到极致后再去挣钱，不需要全面超越OpenAI，找到自己的发展空间再滚雪球到其他领域，甚至研发更多AGI（通用人工智能）能力也是可期待的，但路要一步步地走。”周明称。
印奇认为，国内行业还是需要有极强的危机感，GPT4到5还有更多技术迭代。GPT3.5是更重要的节点，至少可以让行业建立共同的基准线，未来无论是应用还是技术创新也都有感觉。如果是GPT4到5的程度，行业投入至少是一个跨越10亿美元起跳的差距，门槛较高。
中美之间有差距但可追赶
经过多方考察，任博冰也认为真正优秀的项目在这个阶段非常少，但任博冰相信在一段时间的发酵以及创业者之间碰撞、试错之后，有些行业新的需求会诞生，“只不过现在的时间点早了些”。
另外，任博冰称，国内整体在应用层与模型层的公司越来越多了，虽然相对来说美国创业公司冒出头的速度更快一些——近乎每天都有十个，国内稍微少一点。但中国创业者在产品创新层面的能力完全不亚于美国创业者，在面临不同路径选择方面——如可控性这件事上，美国公司也并没有给出更好的解决方案。
作为人工智能三大基石——算法、算力、数据，算力问题一直被行业认为在制约中国企业追赶的核心因素，行业已尝试通过多种方式进行缓解。
在算法领域，腾讯将混元等大模型的相关能力用在产业场景中，通过腾讯云TI平台对外输出能力，方便客户自己做数据训练，目前已有八个行业超过五十家用户使用了这个能力。在工业领域，富驰高科算了一笔账，通过TI平台，工作效率是原来人工的20倍，在机器持续满载生产的情况下，一年可为公司节省数千万元成本。在算力领域，腾讯云异构计算产品负责人宋丹丹表示，紫霄是腾讯面向AI推理场景的自研芯片，沧海是腾讯自研的视频编解码芯片，目前先在自研业务上部署。
宋丹丹表示，每家AI公司都有核心的算法与模型，云厂商可提供的方案如通过模型分层或降低时延，减少重复调用，做到训练成本与推演成本的降低，将算力更多地释放到应用层。比如云原生的架构非但不会制约AI工程化进程，反而会助推，让AI落地应用越来越快。
下游领域，任博冰认为中美差距很大，完全照搬美国利用API接口的方式在中国并不完全适用，中国消费者的基数、使用习惯，近些年在企业市场发展出不同的走向。
以ToB行业为例，周明表示，很多中国企业不接受SaaS的形式，而选择本地化部署，因为他们存在不将数据拿出来的自身理由。而一旦本地化部署，便意味着要花更多成本——包括了解客户需求，承担项目交付与维护的成本等。一旦公司模型本身就很脆弱，便意味着做一个项目赔一个项目。所以中国公司必须先将底座做好，对用户进行统一了解，且具备快速迭代的能力，这都是中国企业做大模型必须面对的现实，“快速复制一个ChatGPT然后快速赚钱的想法，我个人认为非常幼稚。”周明表示。
如果要从AI去颠覆之前的产品，任博冰认为创业者需谨慎思考之前哪些领域的产品做得好，哪些要素是不能解决的。如果要做一个新的产品，无论是ToC还是ToB，要小步快跑地去验证和试错，这里面需要的还是大胆想象。目前行业内还没有创业者真的利用AI技术去尝试没人走过的方向，美国也没有，未来几年可能会有重新定义新的内容生态、新的工艺形态出现。
周明表示，ChatGPT得到了很好的“包装”，体现出大模型与通用能力，以及AGI的产业力。但中国企业会走出中国特色，如每个功能做到更加可控、ToB落地方面走在ChatGPT前面等，甚至形成所谓武林派别中的“中国派”，将中国特色发挥到极致。这是行业目前需要思考的问题。
相关阅读 >>
瑞莱智慧完成超3亿元a轮融资，加大AI安全、隐私计算等平台产品研发投入
夸克举办“AIgc与场景化应用创新”主题研讨会 探讨大模型应用新趋势
更多相关阅读请进入《AI》频道 >>
