AI+，从技术服务向应用落地场景转变。
工业革命以来，技术创新驱动着全球产业格局演变，深刻影响着时代变局和大国兴衰。
第四次工业革命浪潮下，人工智能和大数据的蓬勃发展催生了新技术和新业态的产业洪流，以战略新兴产业及未来产业为代表的新质生产力站到了前台。
7月11日，2024融中夏季峰会之融中2024新质生产力创新企业峰会于北京四季酒店盛大举办。
峰会由融中传媒、融中母基金研究院主办、融中财经、融中咨询协办，以“技术的进化”为主题，新经济链主和龙头企业以及上市公司、资本大咖、知名投资机构齐聚一堂，共同展望2024年产业发展、技术创新以及战略性新兴产业发展的前景。
会上，“AI+，从技术服务向应用落地场景的转变”论坛，由极佳科技合伙人、工程副总裁毛继明主持，金智维董事长廖万里、摩尔线程产学院执行院长及投融资部总经理罗文勇、商汤智能产业研究院创始院长田丰、百川智能技术联合创始人谢剑等嘉宾，围绕AI产业变革、大模型技术创新等话题展开热烈讨论。
以下为【AI+，从技术服务向应用落地场景的转变】论坛精彩内容，由融中财经编辑整理：新一轮AI产业变革AGI并不是终点毛继明：大家上午好，欢迎来到我们这次“AI+，从技术服务向应用落地场景的转变”专题论坛。
在过去的几十年里，人工智能技术已经从实验室的深奥理论走向了现实世界的广泛应用。
这一转变不仅仅是技术的进步，更是商业模式、工作方式乃至我们生活方式的彻底革新。
随着机器学习、深度学习等技术的成熟，我们见证了人工智能如何在医疗、金融、教育、制造业等多个行业中找到其价值的实际落地点。
今天，我们将深入讨论AI技术的最新商业应用，探索如何更好地将这些前沿技术转化为推动经济增长和社会进步的实际力量。
AI技术飞速发展，催生出了一系列新的应用场景和商业模式。
各位嘉宾可以结合各自公司的业务情况，介绍一下人工智能技术所带来新应用场景，或者你们感受到这一轮AI大模型技术带来了怎样新的产业变革？廖万里：大模型对AI产业带来的变革很明显的。
结合金智维的发展来看，我们原来主要是基于RPA（机器人流程自动化）做数字员工。
我以证券公司为例，以前每天早上开市到晚上闭市，有近2000个步骤操作需要人去完成。
后来证券公司利用金智维RPA数字员工，每天早上六点半可以通过RPA去自动操作开市流程的步骤，八点半再由人类员工来检查业务流程就可以。
从这我们可以看到，RPA这项技术能够帮助人去做规则明确的重复性工作，但也正是需要基于固定规则和流程进行工作，因此RPA的灵活性稍有不足。
从去年大模型出来以后，我们就开始做大模型和RPA融合的探索，并通过两者结合研发AI Agent类产品，将我们的数字员工从基于RPA逐步升级成为基于AI Agent，可以说大模型带来的变化是非常积极和高效的。
打个简单的比喻，原来的RPA数字员工就像小学生，你让他去买酱油得清楚地告诉他去哪买、买什么牌子、多少钱。
融入大模型之后数字员工就变成了大学生，你直接告诉他去买个酱油，他会自己思考这些问题和执行，不用你操太多的心。
因此可以说，有了大模型之后，我们的数字员工开发效率和智能化程度都得到了极大的提升，可以帮助企业实现更多业务流程的重构。
目前，我们已经在各行各业打造了将近30000个业务场景，我们结合大模型研发AI Agent，基于AI Agent打造数字员工，数字员工再应用至实际业务场景，可以预见，未来将有更多产业业务流程迈向自动化、智能化，未来所有企业也都会进入人机协同、创新生产力组织的生态，业务流程一半是自然人完成，一半是数字员工完成。
罗文勇：GPU服务于各种算力应用，大模型是人工智能这一阶段做出贡献最大的算法，GPU的一半专长是用作AI计算，但也被广泛应用在金融、教育、视频、娱乐、工业、农业等应用场景，AI只是一个很好的应用场景，现在甚至成了最大的应用场景。
现在AI的发展就像20年前的移动互联网，可以赋能千行百业。
AI产业的发展，一浪接一浪，快速增长。
两年时间，对算力需求猛增，甚至单个大模型对算力的需求也是呈现数量级的。
在这个基础上，算力带来智能化提升，相信在不久的将来，人工智能的智慧会超出大部分人，比如很多人做垂直大模型，法律、医生，这些领域的智能智慧可能会超出大部分行业从业者。
田丰：关于大模型的实际应用案例与故事，一直是业界关注的焦点。
去年ChatGPT的出现，激发了市场的广泛关注。
概括人工智能的两个发展方向，一个是作为新质生产力的工具，与人类共事协同工作；二是与人类共情，提供情绪价值。
从这个方向，讲一讲过去一年，商汤日日新大模型在各个行业里落地的几个有趣案例。
上海银行有上百万用户群，其中大多数都是老年人，因为要给上海地区银发族发养老金，老年人不太愿意用传统金融APP，他们搞不懂各种操作，太复杂，金融服务也非常多，共有四千款理财产品。
商汤科技和上海银行练手开发了金融大模型，后端金融大模型学习了四千款大模型产品，针对老年人提的各种复杂问题做解答。
前端交互做了4K超写实数字人，就像线下大堂经理、理财顾问一样，给老年人非常好的专业服务与聊天对话，获得市场好评。
我们经常说，人工智能上半场是知识工程，下半场是工业革命。
前者，把大量非常专业的像律师、医生、工程师等高水平知识工作者服务门槛持续降低，通过AI大模型人机对齐，真正普惠社会大众。
原来只能为大B企业提供专业知识服务，现在可以服务小微企业甚至个人消费者，带来了更大规模的市场空间与新质生产力。
再看AI与人类共情。
最近有个电视剧比较火，《庆余年2》，筑梦岛APP联合商汤拟人大模型开发，推出了范闲的虚拟角色，可以同观众粉丝们在QQ上聊天；之前商汤拟人大模型跟微博合作，推出了热门电视剧《狂飙》高启强的虚拟角色博客，粉丝可以跟强哥聊聊怎么吃带鱼。
目前，高人气度的IP角色，在筑梦岛上有300多个，而用户自己创建UGC虚拟人物达到了十五万个，包括二次元影视游戏角色、科学家、创业者、英语老师等虚拟角色，都带来了很好的情绪价值。
未来大家会体会到更多人工智能带来的情绪价值和生产力价值。
目前，人工智能只是刚刚开始，解决了生产生活中不到15%的问题，未来还有非常巨大的发展空间，给我们进一步提升新质生产力，留出了非常大的创新潜力。
谢剑：以商汤为首的四小龙，上一代技术最关键的是深度学习，让AI往前走了一步。
但是上一代的技术中往往一个任务类型需要训练一个专有模型，无法实现很好的泛化能力。
而AGI最核心的地方在于跨模态、跨任务的泛化性，以LLM为代表的技术，展现了实现AGI的可能性，带来的产业变革有两个部分：第一个，“造人”，用一个模型创造一个个不同领域的专业“应用人”，可以和人很好的协作甚至替代，或者提升岗位人效。
未来也会出现更多的超级个体，一个“人+AI”就能够匹敌原来的一个公司，“造人”意味着AI带来是将工具变到伙伴，这是比较大的变革变化。
第二个，造世界，一定程度上用视频为载体，模拟和展现一个开放的新世界的规律。
总结来说，这一套新的所谓通用人工智能，有可能在“造人”和“造世界”上给整个产业带来巨大变革。
行业大模型、基础大模型不是“二选一”的关系毛继明：下一个问题主要是想问一下曲总、田总、谢总。
智谱、商汤、百川都是业界非常知名的大模型公司，大家会选择通用大模型，还是优先考虑某些垂直领域应用。
大家各自有哪些优势？田丰：行业大模型和基础大模型这个话题很有讨论的意义。
首先，过去两年，基础模型从互联网上学习了各个领域的知识，基础能力、通用能力一下子就上来了。
后半阶段，随着互联网上高质量数据越来越少，会由行业大模型形成行业的专业技能和知识储备。
简单讲，行业大模型是基础大模型的老师，会带来行业专家的思维逻辑和思维链条。
第二点，基础大模型是通过学习理解这个世界而建立起的通用认知，行业大模型是在行业里做实践和反馈，从认知到实践形成闭环。
AGI就是攻克一个接一个的专业能力，最终让基础大模型能力不断上升。
第三点，基础大模型随着百科知识记忆能力逐步向严谨推理能力演进。
一旦在复杂推理能力上实现突破，基础大模型将迎来真正的工业化拐点和技术红利拐点，这将极大推动行业大模型的快速发展。
以高考理科的最后一道大题为例，涉及多达60步的解题推导过程，难度较高，往往成为考生们和大模型的挑战。
大模型长链条推理能力的逐步实现，离不开各类专业数据集的深厚积累，以及逻辑学家与数学家的贡献。
谢剑：对百川而言，很多公司都在提我们是以AGI为目标，但真正在商业化落地过程中，AGI有很多定义。
谷歌曾专门发文对AGI进行界定，其核心观点在于，当AI技术能力能够超越90%具备专业技能的个体时，即达到AGI的标准，这里的“个体”涵盖了各行各业的从业者。
因此，企业在以AGI为目标时，面临一个关键抉择：是全面以全行业的普遍技能水平为基准，还是专注于人类社会中专业知识及技能要求极高的特定行业领域。
这两种选择，均代表了不同的战略方向。
关于百川，我们致力于以AGI为目标，但在实现这一目标的过程中，我们特别强调以具备专业最高水平的人才作为核心牵引力。
提及美国的两家引人瞩目的公司，openAI和anthropic，后者由openAI团队成员创立。
观察这两家公司的竞争策略，我们不难发现其独特之处。
经过评测，cloud 3.5模型被证实为通用模型，但是在医疗和金融这两个领域，其能力显著优于GPT。
尽管两者在通用能力上相差无几，但在医疗和金融领域的专业能力尤为突出。
未来，我们将持续增强通用模型的能力，并特别关注最具挑战性的领域，将其作为抓手和牵引力。
如果我们能够开发出医疗和金融领域的专业模型，这意味着我们在通用人工智能领域将取得更高的成就。
这一成就并非如无人驾驶技术那样普及，而是需要深厚的技术积累和专业知识。
这是我要分享的第一个观点。
第二个，百川始终秉持开放与合作的态度，不仅关注自身的发展，也关注在座各位所代表的企业或外部产业。
对于产业内的公司而言，是否拥有私有化数据或独特数据，是决定是否构建自有模型的关键因素。
如果具备这样的数据资源，那么构建自有模型将是一个值得考虑的选择。
对于百川而言，在2B领域，我们愿意提供领域增强的整套解决方案和能力，帮助产业伙伴充分利用其私有数据，实现更精细化的数据应用。
这就像培养一个人，除了广泛阅读公开资料外，还需要深入钻研每个领域的细分知识，以获取更专业的见解和能力。
这是我们在产业落地方面的努力方向。
除了数据和算力普惠AI是智能向善的关键毛继明：国内生成式AI发展非常快，也是现在的风口。
从目前发展来看，有两个路径，一个是优化技术，把技术做好以后进行应用落地，自底向上的过程。
另一种思路有点像国内互联网的发展策略，在应用层下很大功夫，通过应用倒逼技术发展。
大家认为，生成式AI的发展，两种方案哪种路径更好？廖万里：从我们的角度来说，技术肯定是推动社会创新的源泉。
技术创新刚出现的时候，可能给人特别震撼的感觉，但并不代表能够真正推动社会进步。
技术还是要服务于应用场景。
特别是像我们做ToB生意的，推出一个产品，不但要让用户“用的好”，还要考虑能不能让用户“用得起”，这很关键。
也就是说，你做技术解决客户痛点问题的时候，要考虑投入产出比。
因为用户很多时候并不关注你用了什么技术，更重要的是我用了你的方案解决了什么问题，花了多少代价。
我们对这个问题特别有感受，十多年来我们一直在给企业实现业务场景业务流程的自动化。
从客户角度来说，能不能和我们快速签单，他们考虑的不仅是解决业务痛点问题，还得能算明白账。
回到商业价值本身，技术创新是我们进步的动力，但也只有技术真正落地到应用场景，真正解决客户的问题，让客户“用得起，用得好”，技术的创新才能带来产业革命。
从资本角度来看，这也是非常有趣的问题。
做创新技术的公司，如果资本投入很大，但在落地给客户创造价值的时候，入不敷出，不能形成收入与投入的正循环，那这项技术这门生意也将难以为继。
因此我认为，一个创新技术，必须要有市场价值、商业价值。
换个角度看，现在不论是科创板也好、创业板也好，大家也都是更关注企业的业务发展质量。
罗文勇：应用更重要还是硬件更重要？二者其实是相辅相成的。
没有技术作为源泉，根本不会有应用的诞生。
归根结底，一家公司技术再好，也需要得到用户认可，才有收入回报，才能获得资本市场的青睐和投入，才能开发更先进的技术或者产品。
毛继明：最后一个问题。
人工智能从技术服务走向场景应用落地，大模型技术本身带来的价值是不可否认的。
除了大模型技术本身以外，哪些要素会在落地过程中产生负向作用影响，需要提前加以限制或制约？廖万里：为了确保大模型技术实现更稳健的进步，我认为核心在于要构建一个真正能够促进社会进步的生态。
在大模型尚未问世之际，我们已经开发了数以万计的应用场景，助力企业实现自动化与数字化转型。
未来，通过结合先进的GPU算力和基础模型，我们将进一步升级产品矩阵，从而赋能原有和更多的应用场景向更智能化的方向发展。
只有生态系统不断壮大，行业才能迎来更为繁荣的发展。
在推动AI大模型应用落地的过程中，我们期望GPU和算力成本能够进一步降低，基础模型的价格需更具竞争力。
我们必须讲究性价比，给用户创造更多价值，从而推动整个行业的持续健康发展。
罗文勇：大模型并不等于人工智能，人工智能已经发展了半个多世纪，大模型只是当前爆发力较强有算力应用落地的场景。
在某一个应用领域，还是需要看通用性。
越通用，发展越快。
应该考虑的制约因素，应该是对昂贵算力的投入。
此外，第二个制约，在社会上广泛提到的，越是技术界的人越觉得机器AI超越人类还非常遥远。
我们还有很多路要走。
但不代表伦理、社会、法律、道德的约束要等到做成以后才考虑。
田丰：未来，影响人工智能发展的因素：第一个，算力，现阶段芯片成本仍然很高，这也是AIGC应用没有遍地开花的因素之一。
应用开发者保不了本，不能像互联网应用一样迅猛增长。
GPU算力一定会通过技术创新、工程创新持续降低才能促进智能产业繁荣发展。
第二个，数据。
中国的产业场景很丰富，数据量整体大于美国，但“大而不聚”，99%的数据都在大型企业、龙头企业中，数据像原油一样被埋在地下，尚未从AI训练角度筛选汇聚。
未来中国有没有可能形成类似OpenAI一样的“数据伙伴计划”、“数据联盟”，不管是通过市场化机制还是国家举国体制，打通企业数据双边、多边合作，这对我国人工智能+战略创新发展很重要。
第三个，中国科研体系对AI青年科学家科研与创业的扶持，鼓励全球华人青年科学家，回国创业、做基础科研，给予他们更多的资金预算和研发自由度。
第四个，普惠AI是智能向善的关键。
人机共智的社会关系中，人工智能天然存在一个大众的“认知鸿沟”，大众并不太理解当前层出不穷的AI科技与社会创新应用，容易形成误解和误判。
从AI科学家到百姓用户之间，需要大量科普工作。
例如我的全网视频专栏《田丰说》告诉大众，全球AI发展到什么程度，能给大家带来什么样的机会。
谢剑：在产业变革中，除了大模型技术，还有哪些关键的要素？第一个观点，看待一个阶段的技术，不要短期高估、长期低估它的价值，要结合产业场景，找到可以很好发挥作用的最终场景。
第二个观点，虽然我们在追求通用人工智能，落地场景的过程中，大模型需要结合更多工具，可以是小模型，也可以是其他技术，或者私有化数据，私有化API。
更多技术结合，才能更好的在产业场景上落地。
毛继明：今天我们圆桌论坛的讨论非常精彩，我们一同探讨了人工智能的未来发展方向及其在多个行业中的深远影响。
人工智能作为一个技术，它一定要完成应用场景落地，一定要为各行各业进行产业升级提供支撑才能发挥其应有的价值。
同时，在AI技术与场景结合的过程中，领域数据与经验也会完成下沉，反哺AI技术底座，令其得到快速进化。
技术与场景应用，两者会相互促进相互推动，产生飞轮效应，这也是企业拥有持续竞争力的重要手段之一。
今天这场关于AI产业的圆桌论坛就此结束。
感谢各位嘉宾带来的精彩分享。
让我们期待在不久的将来再次相聚，共同见证人工智能引领的新时代到来。