清華大學惠妍講席教授、清華大學電子工程系長聘教授、北京銜遠科技創始人周伯文 圖片來源：每經記者 淡忠奎 攝

(相關資料圖)

“人工智能的核心是要落地，讓生活更美好，讓經濟更發達。回過頭看過去幾年的人工智能發展，計算在不斷迭代，但是人工智能對經濟、尤其是對中國企業大規模的營收增長和利潤貢獻，是沒有達到預期的。”7月7日，在2023世界人工智能大會“大模型時代的通用人工智能產業發展機遇以及風險”主題論壇上，清華大學惠妍講席教授、清華大學電子工程系長聘教授、北京銜遠科技創始人周伯文指出，AI能否與業務充分結合，是決定未來AI能否充分實現經濟價值的關鍵。

麥肯錫“2022全球AI調查”顯示，全球領先國家AI使用率已經達到60%左右，而中國目前的AI使用率僅為41%，暫時落后全球平均水平。更為重要的是，僅有9%的中國企業可借助AI實現10%以上的收入增長，而領先國家受訪企業中有19%的公司能實現該增長。

從這一維度來看，我國企業AI使用率還有較大提升空間，人工智能技術尚未能幫助企業普遍實現大規模的營收增長和利潤貢獻。如何進一步加快人工智能尤其是大模型應用落地，真正提升AI與實體經濟融合度，也成為與會學者與企業討論的焦點。

會議期間，周伯文接受《每日經濟新聞》記者（下稱“NBD”）專訪，談及大模型產業化的關鍵問題、AI與產業深度融合等領域的探索和思考。

大模型是下一代AI爆發式成長的基石

NBD：如何理解大模型對人工智能的重要性？ChatGPT推出以來，國內城市也不斷入局，您認為眼下大模型面臨的關鍵問題是什么？

周伯文：可以這樣理解，大模型是下一代AI或者說生成式AI爆發式成長的基石，它極大推動著人工智能前沿技術與應用能力的進步，同時提供了更多可能性。大模型能夠更好地支持機器學習的復雜任務。比如，大模型能夠應對更復雜的語義問答，通過模擬人類智能的思維過程，更好解決復雜業務場景下的問題。

大模型對算力的改進發揮著重要作用。大型模型由基于硬件的分布式平臺來實現，并可以支持更多復雜但高效的計算。同時，大模型能夠以更短的訓練周期完成機器學習，從而更快地從數據中獲取有效信息。

大模型在跨多種數據和多維度分析領域具有顯著優勢。比如，大模型能夠同時處理多種數據，支持多個維度的分析，從而更高效、更精準地挖掘出數據背后的有價值信息。

大模型使得AI落地應用變得更容易。比如，大型模型在無人機領域的應用，有效提高了其圖像識別的準確度和效率，能夠更好地收集有價素材并分析更為復雜的地理信息和環境數據。

與此同時，大模型的產業化也面臨諸多挑戰：首先是數據規模大，且數據質量參差不齊；其次是模型的體積大，訓練難度很高；第三是算力規模大，性能要求高。

因此，大模型研發依賴算法算力和數據的綜合支撐。它是未來產業發展的重點，但大模型的商業模式值得探討。因為大模型的成本壁壘非常高，大公司和小企業都有各自的負擔。所以我覺得從端到端做起，慢慢迭代出更大的商業模型，或許是更適合的做法。

在具備通用能力的基礎之上，于垂直領域不斷訓練、提升大模型的專業能力，是未來幫助大模型這項技術發展進步的一種重要手段。我們也希望用AI來推動實體經濟的數智化發展，意味著我們需要深度理解客戶的業務場景，理解消費者在不同場景下的消費體驗，以及這種體驗跟商品的品參、生產流程、供應商的關系，進而才能通過AI的推理和生成，找到打造爆款產品的最優方式。尤其是還有一些跨品類的遷移學習，這些在技術與業務層面都并不容易。

ChatGPT對特定行業的價值有待開發

NBD：如何看待垂類人工智能和通用人工智能這兩種方向，哪一種更能代表未來的趨勢？

周伯文：我認為，未來那些定義明確、高價值的工作流程，將由專業 AI 模型完成而不是通用 AI 模型。通用大模型在某個垂直場景做成功之后，再去進一步提升其基礎能力，就很容易。另外，從垂直場景切入的話，算力、數據、算法方面，我們過去的積累都能更充分的發揮作用。

對于任何一個創業團隊而言，在具備大模型的通用技術能力后，能否培養出更專業的能力十分重要。目前ChatGPT的突破主要在其通用能力上，但對于特定行業和垂直領域的價值還有待開發，比如它可以畫很逼真的藝術畫，但是畫不了電路圖，因為它對物理知識的專門學習并不深入，相關判斷上也不夠專業。

所以，我認為需要有這樣一個工具（具備專業能力的大模型），讓消費者更容易找到、也更愿意去購買所需的商品，這可能會完全改變人們現有的購物路徑。生成式AI能夠將海量的商業信息壓縮到這類大模型之中，從而學習商品供應鏈各個環節，并以消費者為中心提升關鍵環節效率。這是在2021年就已經產生的想法和創意。

我們目前就在研發一個具備通用能力的大模型，這個大模型尤其在鏈接商品和消費者方面具備專長。我們有37項大模型評測指標，其中2/3是推理能力、計算能力等通用能力，還有十幾項專門應用于產品和消費者的連接，以實現“讓每一件商品都應需而生，讓每一個消費者都得償所愿”的目標。

NBD：您在演講中提及，AI能否充分與業務融合是AI能否實現經濟價值的關鍵。應該如何進一步提升AI跟產業的融合度？

周伯文：當今世界正處于“廣義人工智能”階段，深化專業學術研究與推動產業落地應用兩方面都充滿機遇和挑戰。未來，消費行業將在統一大模型的驅動下由數據智能化向業務場景智能化轉型，人與AI的協同交互也會日益緊密，共同催生以消費者為中心，從產品洞察、設計、研發到營銷全流程的數智化“創新飛輪”。

包括我們公司正在做的，就是通過預測消費者和商品在體驗上的依存關系，以及細顆粒度品參的對應關系，重新深刻理解什么樣的消費者需要什么樣的商品；消費者在什么樣的場景和體驗下，會被什么樣的品參、材質、文化符號、功能打動，從而導致二者之間互動的產生。通過大模型對真實世界各類過程中產生的數據進行壓縮表示，重構產品與用戶的二元關系。同時，通過大模型實現對企業5D全生命周期的賦能，這里說的5D包括：對消費與供給的雙側市場機會進行洞察（Discover）；幫助企業分析消費人群與場景，定義并孵化爆品（Define）；協助設計創新型產品的外觀、材質、包裝及開發流程等（Design）；再到驅動研發、測試與品參改進（Develop）；最終通過生成千人千面的內容，完成對消費者的精準觸達與高效轉化（Distribute）。而以上這一切，都將在歷史上第一次通過一個大模型來完全解決。

為了實現這一目標，大模型必須同時具備通用能力與專業性，既要有智商、還要有情商。智商讓它具備語言、認知和推理的能力，能夠明白消費者的反饋信息并根據指令進行微調；情商讓它能夠準確把握消費者的動機，理解消費者為什么喜歡、為什么不喜歡、為什么購買又為什么不買，基于“共情”的能力與消費者進行有效互動。

我相信大家都具備良好的智商與情商，但并不是每一個具備這類通識能力的人，都能做到你們在做的具體事情。這種差異的來源，即是對商品的深刻理解。

數據稀缺性是影響應用落地的一大難題

NBD：人工智能正在重塑全球各經濟體的競爭格局乃至產業結構，我國人工智能產業發展有哪些優勢和不足？除了大模型，還需要加快哪些領域的建設？

周伯文：從全球已發布的大模型分布來看，中國和美國大幅領先，超過全球總數的80%，美國在大模型數量方面始終居全球最高。從AI三要素來看，數據稀缺性明顯是影響大模型應用落地的一大難題。

當前AI大模型的訓練，算法端向神經網絡Transformer模型收斂，算力端依賴具備大規模并行計算能力的AI服務器集群，數據端則需要巨大數據量的大規模數據集投喂，我們認為AI三要素中數據是直接影響AI大模型在垂直行業落地效果的關鍵，而垂類數據通常由政府和行業機構掌握，相比于模型和算力，數據稀缺性明顯。目前通用大模型的訓練數據集多來自互聯網文本數據，例如ChatGPT訓練數據集來自互聯網新聞、社交媒體、電子書等。

我認為，單純就中外AI發展快慢或水平高低的比較，其實并不那么重要。如果從理論、技術層面來看，差異一定是存在的，只需正視現狀，夯實自身能力即可。同時，中國整體的發展速度在全球常年保持領先地位，中國的消費市場體量與消費需求潛力也是驚人的。同時，我們對技術的場景化落地也有著先天的優勢，這一點從移動支付在中國的廣泛普及應用可見一斑。因此，在AI的發展上，一方面我們是技術層面的追趕者，另一方面我們也很可能成為應用層面的創新者甚至引領者。我相信，中國的AI需要探索一條新的道路，即：垂直整合從自研通用大模型到應用、用戶全場景閉環，實現生成式人工智能技術與商業價值“雙落地”。沒有技術愿景和創造力理念無以致遠，但空談技術缺乏商業化場景落地也不可持續。

此外，圍繞AI布局與大模型建設，應著重關注以下幾點：第一，要加強資源和研發力量統籌，促進大模型有序發展；第二，要加快基礎研究和技術創新，提升學術和開源影響力；第三，要強化大模型發展中的場景牽引作用，打造大模型標桿項目；第四，要強化國際合作，積極參與全球人工智能治理。

實現生成式AI技術與產業價值“雙落地”

NBD：近期，上海、北京、深圳相繼發布人工智能產業發展的相關規劃，他們布局上有哪些特點？與此同時，很多二三線城市也正在不斷入局，應當注意些什么？

周伯文：《中國人工智能大模型地圖研究報告》顯示，據不完全統計，當前中國參數在10億規模以上的大模型已發布79個。全國有14個省份在開展大模型研發，其中北京、廣東兩地的大模型產品分別達到38個和20個，居全國前列。在領域分布上，自然語言處理仍是目前大模型研發最為活躍的重點領域，其次是多模態領域，在計算機視覺和智能語言等領域的大模型還較少。我國大模型研發與算力發展匹配度高，公共算力發展迅速。北京、廣東、浙江、上海等地的大模型數量最多，這四地也是近三年人工智能服務器采購數量最高的地區。

從政府側來看，北京、深圳、上海、成都等地相繼發布人工智能支持政策，且均在強調公共數據開放與共享。近年來，中國的數字經濟備受國家重視、發展日新月異，為下一代AI在中國的應用落地提供了基礎和土壤。

我們希望通過AI助力中國制造業、實體經濟的數智化發展，這就意味著我們需要深度理解客戶的業務場景，理解消費者在不同場景下的消費體驗，以及這種體驗跟商品的品參、生產流程、供應商的關系，進而才能通過大語言模型、多模態技術和AIGC實現訓練、分析、推理和生成等解決垂直場景內復雜問題的能力，從而幫助企業找到打造爆款產品的最優方式，為用戶推薦最適合商品。

在AI布局與大模型應用上，我認為緊抓制造業數智化升級，引導鼓勵既有大模型技術與垂直領域經濟發展的深度融合十分重要。應更多關注AI技術在垂直行業高價值場景的應用落地，幫助垂類企業敏銳捕捉行業市場機遇、精準定位創新發展方向，垂直整合從自有基礎大模型到應用、到終端用戶的全場景閉環，以實現生成式人工智能技術與產業價值的“雙落地”。