AI+产业08 | AI大模型已经告别“越大越好”的时代了？【商汤科技杨帆】

本期课题 

杨帆-AI大模型已经告别“越大越好”的时代了？

如火如荼的大模型目前已经进展到什么阶段了？行业目前亟待解决的问题有哪些？未来它的核心竞争力又是什么？

对此，商汤科技联合创始人、大装置事业群总裁杨帆分享了他对AI大模型现状及未来发展的看法。

本期嘉宾

商汤科技联合创始人、大装置事业群总裁杨帆

大模型落地挑战

我觉得现在对整个行业的感受我觉得大模型现在特别火，但实际上我觉得它落地首先还是会有大量的挑战的。一方面是场景和价值其实还是蛮多的，也挺清晰的，但还是那个老问题，性价比的问题，就今天大模型的生产成本高到天上去了，你都不要说研发了。就是你把那个模型做出来，就是那个对话，就OpenAI，你知道它那个对话在后面，你每跟它对话，跟那个机器人每对话一下，OpenAI是要赔好多钱的。是因为成本太高了。

所以有时候其实我们自己这些年也一直在复盘一件事情，人工智能这件事情，就是再往前走，从技术革新的角度，我们觉得这事完全没有问题，而且我们是坚信这个东西，在接下来持续十年、20年会对整个产业，甚至包括整个社会产生巨大的变革和影响力，但是从一个商业公司的角度来讲，我们确实现在看到一个比较大的挑战，就是整个人工智能公司普遍性的盈利能力都比较差，这也不用回避，open Al都那样，国内的不用说了，你横向拉一拉，全都不行。

我们也在想说这个东西问题到底在哪里，有时候说这是不是这个领路者的宿命？好像又不应该这么悲观，是吧？不应该这么悲观，那我们在这里的思考就是，还是觉得说，其实最后它的核心可能还是在说我们到底怎么去优化这件事情的性价比，就是AI天然作为一个使用价值极其广泛的这样的一个场景，但是它现在最大的问题还是它整个的成本高。

首先为什么最后大模型出来这么多人对它的认可度高？我觉得一方面是它在应用上有巨大的改善。另外一方面是大家从这里看到了一些，就是说白了一个更好的通用性，从长期来看肯定是降低成本。所以很多人更看重的是它的这一点，包括我刚才讲为什么基模型重要。就基模型它有一个泛化的逻辑推理能力，这个逻辑推理能力你未来是可以用到各行各业的。当然现在是这个研发的早期，大家还在基模型上不断的投入，所以你会看到它成本特别高，但是它投入期过了之后，它再往下它去用的时候，它可以产生巨大的价值，这个价值是可以被横向放大的，这是从产业的角度。那从商汤的角度，这也是为什么后来商汤就是说我们把AI基础设施也罢，我们今天讲这个大装置加大模型也罢，作为整个集团的一个核心战略来去推的一个原因。就是我们想来想去觉得整个AI对产业的价值是巨大的，而且实际上从客户的需求来讲是非常明确的，而且很重要的一点就是很多客户的需求的解决，问题的解决，你比如说什么生产线的优化，你的一些这种什么什么高清卫星照片的识别，就各种各样的场景，你知道在AI以前，这种场景的问题它都是一个单点被解决的，是它单点的一个问题，一个科研领域快的搞个两年，慢的搞个三五年，长的可能等10年解决，今天解决这一点，明天解决那一点，后天解决那一点，它都是这么发生的。

AI商业化展望

AI这东西出来之后它是什么？它就忽就扫过去，它不敢说扫过去全解决，那十个问题解决七个问题是不大的，就是它其实从整体上来看，就是他不是说单个问题本身，而是说我们这么多的这个产业困难，或者说产业需求被整体被解决的效率，其实从整体来看是一个极大的加强，但是你发现这个过程中因为成本高，所以导致他单点你去做商业化反而很困难。

所以我们最后得出的一个结论，或者说一个判断，就是说那你要想把这件事情做得好，因为它本身就是一个足够通的东西。那你可能就是要去提供一个更加通用的这样的这种泛化的，你说场景或者能力，就是你的商业模式是要围绕这个去设计，这是为什么其实商汤喊赋能百业，很多人说你就瞎扯，哪有一个公司赋能百业的，我说确实没有任何一个公司能赋能百业，但我们赋能百业的方式最后就是说我其实要下沉，我要去提供更加基础通用的东西，而且AI的，它的这个核心的这个产品，如果我们把它看成是一个大的模型的话，它天然是具备这样的可复制性和可拓展性的，包括我们刚才讲这个大装置，AI基础设施也罢，它天然也是具备这样的可复制拓展性。

所以我们就说我要把更多的资源和能力集中在这，我把这件事情做好，那他其实才能真正支撑产业上更多的人，更多的公司未来能够以更低的门槛和更低的成本去服务更多的行业、更多的客户。当然我们觉得这件事情可能其实这一两年才开始逐步的显现，因为说实话倒回3年前啊，中间疫情耽搁了一下，就是倒回18年，19年的时候你会发现说产业链上还是人太少。因为我们想来想去就是你一家公司纵向打通，这个ROI怎么算都算不过来。

那你能够解决一个问题，但是AI最大的价值就这种快速规模扩张的这个价值，就利用不起来。那最后快速规模扩张我们感觉它可能是一个产业层级的，它不是一个公司层级，它是整个产业生态层级，一定会变成这样。那我的定位是什么？我的定位就是去提供这个产业生态最底下的这个东西，这个东西是从一个公司层面，从一个产品和服务级别能够去未来支撑这个扩张。

但是他就是说他首先产业规模得到一定的阶段，那我们今天讲说，我们现在很欣喜的发现说这个阶段好像出现了，为什么今年有这么多的一些，不管你说客户还是应用，他对这个事情这么热，就是说他这个阶段更加清晰的过来。那我们自己是觉得这件事情实际上是商汤，就是我们一直在想AI到底它最大的优势和它最大的挑战在哪？最大的优势就是它极强的通用性和可扩张性，但这个因为它分布的太广了，最大劣势就是性价比，就是最大的就是成本和门槛。

那所以我们现在找到的路就是说拿这件事情去解决这个问题，那只不过说回过头来看，你看当年工业革命前前后后从它第一台蒸汽机被发明出来，到它真正形成产业化、产业化规模，稳定的这个全行业70年。

我觉得人工智能到现在你实打实的产业化，我觉得把以前的一些大数据的科学算进来的话，可能也就20年。因为我觉得人工智能最核心的点，或者说就是那个生产资料最核心的其实是数据。那我们真正对数据进行有效的窥计和使用。为什么说60年前不算？他还是在讲规则、方法、机制。他没有真正的是以数据为核心去看待这件事情。那这件事情我觉得满打满算也就互联网出现这样事件。那就还要走的路还是很长的。

本期观点总结

因为成本过高的问题，大模型已经告别“越大越好”的时代，业界开始将注意力转向提高模型性价比的研究上。试图通过打造高效率、低成本、规模化的下一代AI基础设施与服务，从而赋能AI生产新范式。

互动

听完这节课，你觉得未来AI大模型的发展趋势会是什么？欢迎大家留言告诉我。

我是能和你聊天、但不智障的机器人新小知。我们下期见。