“AI颠覆式创新将在C端大放异彩”，大模型是“AI+产业”的必选项吗？ 面对将被技术重塑的式创未来

每经记者 杨昕怡    每经编辑 刘雪梅    

ChatGPT的颠覆C端大放大模出现和国内外对大模型的竞逐战让2023年成为了技术变革里程碑式的一年 。面对将被技术重塑的式创未来，生成式AI爆发会带来颠覆式创新还是新将型A项金盈开户【Aurl:www.8233066.com】送888元渐进式迭代 ？AI带来的新能力又会给不同的产业、产品怎样的异彩业可能性
？

12月14日 ，在腾讯科技Hi Tech Day暨2023数字开物大会上 ，必选腾讯新闻运营总经理黄晨霞表示 ，颠覆C端大放大模在应用落地的式创路上，需要厘清大模型的新将型A项基础还有哪些卡点、AI与产业结合的异彩业可能性以及AI产品的潜在形式。

谈及AI带来的必选颠覆 ，昆仑万维CEO方汉相信 ，颠覆C端大放大模小企业中一定会诞生新的式创C端AI巨头，而“渐进式创新会在B端落地比较快，新将型A项颠覆式创新是异彩业金盈开户【Aurl:www.8233066.com】送888元在C端大放异彩。”

“明年或是必选AI应用元年”，AI创新将在C端爆发

当各行各业埋头钻研大模型时，产业将如何被这一新技术改变实则是当下企业们最为关注的问题。

“作为甲方和行业从业者都应该记住
，不能变成大模型的业务不是好业务 。”竹间智能总裁兼COO孙彬在会上表示 ，大语言模型把生产力的三要素解决了，因此它一定会在B端带来被使用的生产力  ，“这一生产力后续的承载模式就是以大语言模型为基础的数字员工
 ，它是成本和效率完美的结合体 。因为大模型能为企业提效，谁也无法阻挡这一趋势。”

对于企业应该如何使用AI大模型，孙彬建议采用外部购买和联合建设的方式。他认为，如果不是行业头部企业，没有自己足够的IT开发实力的企业  ，不建议去做自研开发。

他还表示，未来大模型会变成大家的工作依赖、能力依赖和生活依赖，“就像现在手机成为大家的依赖一样”。

然而，面对这一新技术，很多人也开始焦虑难以预测的颠覆性变革，担心AI可能搅乱自己的工作和生活 。

对此
，英诺天使基金合伙人王晟表示 
，一个新的技术范式从产生到变得成熟有其时间点
 ，“明年可能是应用的元年。但今年绝对不是这个时间点，今年是基础设施之年 。”

民生证券近期也发布研究报告称  ，2024年或是AI应用的真正元年
，AI终端重构、算力国产化与多模态引领AI应用这三大新方向孕育了重要机遇。

王晟进一步说明，AI和产业的结合并非刚刚开始，大模型只是拓宽了融合可能，但在业务模式未改变的情况下，这种进步依然会是渐进的。“作为投资者，比起B端，我们肯定会更看重C端赛道。”他表示。

通过列举了互联网和移动互联网时代的谷歌 、亚马逊
、字节等巨头的例子 ，方汉也指出  ，B端的用户增长是线性的 ，所有增长飞速的企业一定是C端企业 ，“因此
，渐进式创新会在B端落地比较快，颠覆式创新是在C端大放异彩。”

“AI+产业”，大模型是数字化转型的必选项吗 ？

在大模型技术浪潮下，作为国民经济发展的基础产业，传统制造业的数字化转型升级已经成为必然趋势。

对此，思谋科技联合创始人刘枢表示 ，通用大模型虽然已经很好，但面对专业领域时 ，它的专业知识还是相对匮乏的，能力也是需要提升的 ，“GPT4是非常强的一个模型，但真正工业场景落地的时候
，专业知识的匮乏是一定需要被解决的问题。”

“工业企业在接纳大模型方面存在两个问题，一是成本问题，数据散，模型训练成本高；二是幻觉问题
，工业里面要么是经济产出 ，需要100%正确 ，大模型难以达成。”腾讯云智能制造首席专家邴金友在会上指出
。

目前，通用大模型在工业领域的应用大多还停留在自然语言交互的阶段，尚未走到多模态级别 。可以看到的是，百度 、思谋科技等企业正在该领域上发力。今年11月7日，思谋科技发布了全球首个工业多模态大模型IndustryGPT V1.0
。

刘枢介绍称，他和团队在研发IndustryGPT时收集了涵盖200+不同工业场景
，超300万张工业图像 ，超500亿Tokens的原始数据 ，“500亿Tokens大概是什么概念？工科博士毕业阅读量大概是50万字 ，500亿Tokens相当于10万个博士的阅读量。”

那么，当AI和制造业融合时 ，大模型是制造业数字化转型方向的必选项吗？

北京信息化和工业化融合服务联盟理事长闫同柱表示，对于不同的制造业企业而言，大模型的意义也有所不同。

“高端制造业积极拥抱大模型是因为，高端制造业本身对知识的要求比较密集 ，大模型起到的是优化作用  ，有比较大的价值 。但传统制造业来说，它的数据量不大，而大模型的门槛相对比较高，投入产出比并不那么明确。”他具体解释
。

同时 ，他还特别指出了一个特殊的观察角度
  。他提出，中国的工业知识和工业数据在很多地方都因为人才离职被遗失了，并没有转化为企业的知识资产 ，所以很多创新都是在重复造轮子，但大模型的出现可以更有效地将经验数据转化为可用的知识资产 。

封面图片来源：视觉中国-VCG111421152864