文｜任亦

编辑｜阿至

不久前，百度创始人、董事长兼首席执行官李彦宏在西丽湖论坛上分享了对当下大模型发展的见解。他认为，AI原生时代需要100万量级的AI原生应用，但是不需要100个大模型，“不断地重复开发基础大模型是对社会资源的极大浪费。”

从ChatGPT掀起这场技术热潮至今，大模型创业和曾经移动互联网时代的百团大战、百播大战一样，再次迈入了同一条河流：百模大战。公开数据显示截至10月份，中国已经发布了238个大模型，相较于6月份的79个翻了3倍。

热钱涌向了基础大模型，但在落地应用中，就目前为止，并未出现真正被大模型颠覆的场景或行业。

看向海外市场，微软、OpenAI、谷歌已经逐步形成了AI大模型的增长飞轮。ChatGPT推出支持“看、听、说”的聊天机器人服务、Meta 发布基于Llama 2的聊天机器人Meta AI 和类似MidJourney 的文生图服务Emu、谷歌则发布类似微软Copilot的OS智能助理Assistant with Bard，和集体照优化等AI 手机应用。

无论是科技巨头，还是创业公司，他们都正在积极追赶AI大模型应用的发展。

基于此，国内市场也发生了新的变化。11月8日，由36氪 AI协同创新中心联合Colingo共同主办的我爱黑“可颂”大语言模型应用创新挑战赛落下帷幕，25个参赛项目进入最终的线下路演，接受来自企业方评委的点评和考察。

这些来自品牌方、互联网真正的一线技术负责人的视角和观点，某种程度上也代表了当下真实的市场需求和企业业务痛点。而当新技术想要跨越科学和商业的边界，走出象牙塔，就必须走到一线的业务和需求当中，解决实际的问题。

此次大赛创办的初衷，也是希望推动大模型真正走进场景应用阶段，当创业者之间的比拼从宏观转向微观，考验的不仅是团队的交付能力，还有对应用场景以及用户需求的精准洞察。

当开发AI原生应用成为产业趋势，36氪 AI协同创新中心想要借助大赛撕开一道口子，让越来越多的创业者和产业相关方关注并参与到场景和应用中来，推动AI时代的技术落地和新商业飞轮的运转。

大模型带来的生成式AI技术，让人可以用自然语言与机器交互，这是不亚于PC时代到移动互联网时代的又一次革新。

但众所周知，作为底层技术底座，大模型并不能直接创造商业收益，而未来的大模型市场也并不能容纳下上百个大模型底座的存在。

大模型底座只能作为人工智能时代的操作系统而衍生，更多的应用将基于大模型而开发、创新。而这些大量长在大模型上的“AI原生应用”，也必将带来新的流量分配，创造新的增长风口。

但事实上，先进的技术与落地之间往往隔着一道鸿沟。

过去十几年，人工智能领域的新技术接二连三出现，但经过沉淀、研发之后，很多技术和应用成为了昙花一现的存在，无论是企业还是普通大众，在消耗了足够的新鲜感之后，一旦应用的实用价值有限，它们也就随之被冷落。

在相当长一段时间里，AI的发展和应用，从研发走到落地阶段，往往面临着场景难挖掘、落地难提效的问题，生成式AI时代的应用尽管刚刚起步，也同样绕不开上述难题。

根据蒙牛集团数智化研发负责人皮人伟多年以来的观察，技术与落地商业化是有区别的。“一般技术落地的过程要经历从Idea（创意）、Demo（核心功能演示）、Prototype（样品，可行性论证）到Production（产品上线，大规模部署）的演进。”

与此对照，去年12月开始的通用大语言模型爆发至今，大部分的产品还处于Demo阶段。但是，不同于过往人工智能技术下的产品和应用，大模型的通用能力，对各行各业都存在实用价值。在皮人伟看来，这（技术的落地和商业化）需要时间和项目去熬，没有捷径，而所谓的距离，就是时间和经验。

永辉彩食鲜副总裁兼CTO乔新亮阐述了同样的逻辑。在他看来，当应用研发的生产力达到一定程度之后，原有的生产关系必然发生新的变化，因此重构技术和应用体系才能帮助大模型应用释放的更大的能量。

就像乔新亮所言的那样，技术永远是企业拉开差距、推动社会向前的核心因素。但只讲技术，并不意味着能解决企业面临的实际问题，对于这个产业链上的参与者而言，他们必须“下沉”到企业的场景之中。

而从商业化规模的角度去看，乔新亮则表示，新技术的落地和应用必须伴随着企业使用成本的下降和效率的提升，简言之，二者缺一不可。“如果技术能带来提效，但成本却难以被企业承受，那这并非实现产业落地的路径。”

百模大战后，业界的关注点从基础大模型转向了应用层，2023年下半年，几乎所有AI的新概念和风口，都围绕着如何让大模型快速落地、更加普惠而展开。正如乔新亮所言，所有的技术创业公司，最后还是得看企业的盈利模型。

ChatGPT走红之初，国内很多从业者被其技术能力所震撼，选择投身于训练一个属于自己的大模型产品。

但经过一段时间的沉淀之后，很多从业者开始回归理性，在多位大模型从业者看来，大模型只是底层的技术能力。无论是各项参数，还是训练能力的提升都不能带来商业收益。因此，资金和资源更强的科技巨头公司才更有能力承担大模型底层技术底座的角色。

创业公司和巨头公司“卷”大模型技术底座并非明智的选择。而应用层意味着每一位创业者都能够在产业链上做各自擅长的事，通过对应用场景的深入挖掘而实现企业降本增效和产业的发展。

“新技术和产品，更重要的实现商业价值上的循环。”长城汽车智能网联数据总监王珏华表示。“我可以不需要完全用通用能力都可以，而是基于大模型本身并结合应用场景实现真正的商业化。”

他认为，大模型这个技术最好的应用模式是重构自身的业务链条。以营销为例，王珏华提到了大模型应用的两个角度。

一方面，营销预案的物料，素材，能否通过大模型来实现更为精准的生产。另一方面，大模型能否在销售过程中辅助销售人员进行售卖，通过记录用户的喜好和行为实现精准推荐。

也正如李彦宏所言，大模型有没有对互联网公司的DAU、时长、用户留存这些指标产生正向影响，有没有对企业的收入、利润、成本产生影响，才是问题的本质。

贯彻于市场对大模型应用落地的原则，我爱黑“可颂”大语言模型应用创新挑战赛正是基于“人人都可参与AI创新”的愿景出发，希望通过更多创业者的参与和创新，实现产业生态的完善。

作为此次比赛中的底座，低代码平台Colingo将参赛的技术门槛降到最低，让更多有志于投身生成式AI新事业的团队有机会参与到开发的过程中。

Colingo创始人蔡建的目标是让大模型开发就像拼乐高一样简单，用户可以自由组合功能块，无需考虑代码和环境，直接根据系统预制模板和功能快速构建属于自己的大模型应用。

在他看来，基于此，创新者才更有机会关注应用本身。“大家能够从更为深刻的层面去思考，当下市场背景下，这些应用到底能够解决怎样的实际问题。”

基于此，此次我爱黑“可颂”大语言模型应用创新挑战赛中，上述四位评委在对项目的选择上均提出了各自的见解。

蔡建认为创新性是项目的核心。皮人伟则认为，如果没有对技术实现过程清晰的理解，会使大模型应用创新层面方面容易陷入“浮夸陷阱”。乔新亮更关注应用的规模性落地以及成本的降低，王珏华则认为具体场景的应用和提效是关键。

因此，对于创业者而言，与真实应用场景以及用户的链接实现，并找到贴近行业应用的开发灵感是至关重要的方向。

正如皮人伟所言，现在不太流行甩概念了，只有Demo跑通了，才可能有PoC和最佳实践，才可能与业务结合，而这才意味着团队是靠谱的。

大模型原生于互联网，但对于传统行业而言也并不陌生。

以ChatGPT为代表的大模型引领新一轮全球人工智能技术发展浪潮，大模型不断加速实体经济智能化升级，深度改变行业生产力。这一次，传统产业很早就意识到了要在这轮浪潮中实现智能化转型和升级，进而提高生产效率和技术创新。

而从另一个角度出发，大模型其实离不开传统行业的积累。一方面，基础大模型缺乏行业专业知识，需要大模型提供方与垂直行业合作开发行业大模型。另一方面，落地行业应用将实现大模型的价值，而落地离不开传统行业场景的构建。

当然，机遇往往伴随着挑战。传统行业的迭代升级是一个“牵一发而动全身”的过程，相比互联网企业建立在数字化的基础之上，传统行业在转型升级中要经历更为漫长和持久的考验。

因此，在这一轮大模型升级改造中，率先走在企业转型前端的也往往是各个传统行业、领域的头部玩家。

以蒙牛为例，皮人伟提到蒙牛数智化主要以自研为主，早在GPT-3之时就进行了预研，“我们认为大模型在蒙牛落地的最佳方式就是快速用研发产出，通过最佳实践验证新概念与新技术。”

比如AISM（蒙牛自研的AIGC通用技术平台）作为蒙牛研发的一部分，通过AI扩散、全面AI和AI应用三个阶段逐步推进。所谓AI扩散，即蒙牛通过自研的AIGC平台一站式整合多种功能，在内部快速扩散生成式AI应用；全面AI，可以理解为普惠型的AI领域能力培训，蒙牛内部会定期开展培训，主要聚焦在Prompt、模型微调和知识库构三方面能力培养诉求；最后AI应用，则是针对垂直应用领域研发定制化AI产品，比如蒙牛基于AISM平台孵化的AI投手已于10月30日上线。

总结来看，皮人伟认为传统企业应该首先意识到作为生产力提升工具，AIGC是具有革命性的，但就像所有工具一样，需要培训和练习。对于企业而言，根据自研平台或者通用平台形成更多的案例对外推广，才是占据品牌心智的最佳方式之一。与此同时，基于数据统计和不断的迭代，企业要结合成本等角度找到适合自己的应用场景。

此外，他提到当下B端AI产品分为生成式AI和分析式AI，企业可以尝试做AISM实现不同厂商灵活切换，确保AI功能安全稳定的同时，最大化的降低“断供”、“高成本”、“重构”风险。

王珏华则强调，相比其他工具，大模型应用的变化周期更短，技术门槛更高，所带来的变革性更强。

但是，对于传统企业甚至任何企业而言，大模型应用效应的扩大都在于其是否真正在场景上解决企业的问题，而且只降本是远远不够的，要想获得认可，更要强调增效。

从传统企业的角度出发，数字化转型向来是内部的核心工程，这将深刻改变企业的生产力和生产方式。因此，面对新技术、新机遇、新变革，需要企业具备更深刻的变革的决心，并基于此而不断推进。

尽管属于AI和大模型的爆款应用还处在萌芽期，但在上述行业人士的观点中，创业者能够观察到的发展之路却愈加明确和清晰：必须要找到真正适合大模型技术特性和商业规律的应用方向。

近期，OpenAI称今年的收入会超过13亿美元，相比去年的2800万美元年收入，增长40余倍。在国内市场，无论是面向个人用户开发大模型应用，还是面向开发者、企业的用户，都在蓬勃发展，实现商业价值将成为必经之路。

人工智能诞生至今近70年，几度沉浮，技术的回旋前进却从未停止。尽管当下仍有诸多困境待解，但我们更相信大模型及其应用生态会在不断地试错和迭代发展中，找到自己在商业社会和人类文明进程中的位置。

奇点时刻一定会到来，所有人都在时刻准备着。