每經(jīng)記者｜可 楊????每經(jīng)編輯｜陳俊杰????

在實現(xiàn)通用人工智能這一宏偉目標牽引下，大結大模AI（人工智能）產業(yè)正邁向其發(fā)展的構性“下一個十年”。

不過，難題在模型能力持續(xù)提升的制約同時，產業(yè)落地的型規(guī)腳步卻并未同步提速。11月16日，模化在“2025人工智能+”大會上，落地多位業(yè)內人士表示，遇阻高昂的大結大模成本、缺乏高質量行業(yè)數(shù)據(jù)、構性工程化能力不足以及對大模型能力邊界認知的難題偏差，正成為制約AI規(guī)?；瘧玫闹萍s四大結構性難題。

與此同時，型規(guī)從開源與商業(yè)化的?；胶?，到AI入口從云端向終端遷移，落地產業(yè)格局正在發(fā)生微妙變化。

AI落地面臨“攔路虎”

當產業(yè)界嘗試將大模型從實驗室推向車間、辦公室和街頭巷尾時，規(guī)模化落地遇到的阻力遠超預期。

“大模型（當前的）敘事邏輯對賦能千行百業(yè)不友好的地方在于，我們一直說規(guī)模法則，要把模型越做越大、越來越強，對應的結果是成本越來越高?！鼻迦A大學計算機系副教授、面壁智能聯(lián)合創(chuàng)始人兼首席科學家劉知遠在圓桌論壇上表示。

劉知遠指出，敘事邏輯的不友好直接帶來了大模型訓練和使用成本的持續(xù)攀高。他認為，任何技術要對人類社會產生深遠影響，都必須解決標準化和成本問題。正如芯片行業(yè)的摩爾定律，他所在的團隊提出了大模型能力密度法則，即通過技術創(chuàng)新，讓更少的參數(shù)承載更多的模型能力?！澳柖擅?8個月一個周期，使其密度加倍。我們會發(fā)現(xiàn)大模型可以做到每100天，也就是3.3個月至3.5個月左右，實現(xiàn)模型密度翻倍。”

當前，大模型訓練和使用的高昂成本已成為行業(yè)無法回避的問題。云知聲創(chuàng)始人兼首席執(zhí)行官黃偉也提到，一個典型的場景是，客戶雖然認可滿血版的DsspSeek（深度求索）模型效果好，但高昂的成本讓其無法使用，“客戶要的是最終結果，不管用的哪個模型，我就這點預算，搞定我的問題”。

另一個被多次提到的結構性短板是高質量數(shù)據(jù)，尤其是行業(yè)語料不足。“有數(shù)據(jù)不代表有語料。”阿里云智能集團副總裁霍嘉表示，很多行業(yè)依舊存在數(shù)據(jù)質量和數(shù)量不足的問題，導致模型無法訓練。

北京數(shù)據(jù)集團副總經(jīng)理、北京國際大數(shù)據(jù)交易所董事長李振軍指出，人工智能發(fā)展以后，數(shù)據(jù)交易市場對模型訓練數(shù)據(jù)的需求正快速增長，兩年時間里，數(shù)據(jù)交易從零增長到已占到交易所交易量的三分之一。

李振軍強調，AI應用深化的真正瓶頸在于數(shù)據(jù)準備工作。“（企業(yè)）生產經(jīng)營過程中積累了大量數(shù)據(jù)，但是沒有AI需求的時候，數(shù)據(jù)分散在不同專業(yè)業(yè)務系統(tǒng)里邊，沒有以人工智能視角建成數(shù)據(jù)集，這個數(shù)據(jù)集建設其實剛剛起步”。

他認為，這項數(shù)據(jù)集建設工作，是AI技術與產業(yè)結合最關鍵的業(yè)務連接，可能需要兩年時間才會找到比較好的路徑。

工程化能力的不足正成為落地的“最后一公里”障礙。上海交通大學計算機科學與工程系特聘教授、思必馳公司聯(lián)合創(chuàng)始人俞凱在論壇上強調，真正在產業(yè)上交付，必須解決三個核心問題：首先是要交付全系統(tǒng)、全鏈路；其次是軟硬件結合；此外，大規(guī)?？啥ㄖ啤Y合真實場景用大小模型、不同工具進行柔性、快速、大規(guī)模地定制同樣重要。

與此同時，一個更底層的挑戰(zhàn)是產業(yè)對大模型能力邊界的認知偏差?；艏蚊枋隽艘粋€普遍現(xiàn)象：“往往是業(yè)務領導對大模型充滿絕對信心，反而做技術的人對如何落地感到非常擔憂?！?/p>

分工和邏輯正被改寫

從實驗室的原始創(chuàng)新，到產業(yè)鏈的商業(yè)閉環(huán)，AI落地應用原有的分工和邏輯正在被改寫。

清華大學交叉信息研究院助理教授許華哲以具身智能為例，分析了當前創(chuàng)新生態(tài)中的三種不同角色。他指出，高校是人才密集度最高和最好想法的來源地，但也存在資源量不如企業(yè)的問題。企業(yè)則能投入大量的資源，在看清方向后進行大規(guī)模投入。

而新型研發(fā)機構則提供了第三種可能。許華哲認為，這類機構足夠靈活，可以下決心做一件事，但是不一定追求ROI（投資回報率），能承擔那些短期收益不高但長期意義重大的任務。

在商業(yè)模式上，開源與閉源的對立關系也開始松動。智譜華章董事長劉德兵在被問及如何平衡開源與商業(yè)化時表示：“這是相互共生的狀態(tài)，不是相互抵觸的?！?/p>

劉德兵認為，開源對人工智能行業(yè)的發(fā)展至關重要，能讓千千萬萬有知識、有技術的各行各業(yè)人才共同貢獻。從公司戰(zhàn)略角度看，開源帶來的生態(tài)繁榮，最終會轉化為商業(yè)價值。他透露，在開源架構的基礎上，智譜的商業(yè)收益也在快速增長，“我們想象未來AI本身成為社會的基礎設施，為各行各業(yè)賦能的時候，這里面蘊含著巨大的商業(yè)價值，可能是萬億（元）級別的”。

在落地路徑上，AI的入口正在從云端向終端遷移。階躍星辰創(chuàng)始人兼首席執(zhí)行官姜大昕提出了智能終端的定位，即“人、車、家”三大場景。他認為，智能終端將成為下一個人機交互的接口，而智能體是實現(xiàn)這一變革的關鍵。姜大昕認為，終端比場景更關鍵，因為它決定了AI應用的觸點位置與使用頻率。這種理解意味著，AI落地的競爭正從模型能力轉向入口位置，而入口的爭奪，也將從消費端延伸到產業(yè)端。

面對復雜的落地路徑，什么才是真正有價值的AI？范式聯(lián)合創(chuàng)始人、首席科學家、執(zhí)行董事陳雨強認為，人工智能落地的關鍵是能夠改變行業(yè)的北極星指標（衡量業(yè)務核心價值、指引整體發(fā)展方向的關鍵指標）。換言之，AI不是用來提供附加功能，而是用來改善決策速度、生產效率、成本結構或質量穩(wěn)定性等核心業(yè)務指標。

翻譯

搜索

復制