作者｜冰拿铁

编辑｜方奇

媒体｜AI 大模型工场

2024 为大模型应用元年已是不争的事实：

3 月 23 日，OpenAI 前全球商业化负责人扎克·卡斯在 2024 全球开发者先锋大会上论断，随着大模型精度与规模的急速增长和成本的日益下降，随着大模型精度与规模的急速增长和成本的日益下降，人类将在 2030 年前实现计算能力与屏幕分离、“戴眼镜取代看手机”的“AGI 时代”。而在此前，还有三个阶段要走，目前正处于应用增强阶段，即使用 AI 赋能工作和生活。

无论 AGI 乌托邦能否实现，大模型必须走向应用、从玩具变成生产力工具已成 AI 界共识，对此，一向有着务实土壤、“AI 致用”的国内互联网大佬应该深有感触。

回看在大模型刚刚爆发之初，头部科技企业、互联网大厂还处于“不管往哪里开，先上车再说”的百模大战阶段，一时之间，大模型领域群魔乱舞，花式炫技、比武，让本就稀缺的 GPU 更是洛阳纸贵。而去年下半年，百度创始人李彦宏抛出了灵魂拷问：

“对于互联网产业而言，大模型有没有给你的 DAU、用户时长、留存率、变现效率带来正向影响，对于所有企业来说，大模型有没有让你的成本变低，收入、利润变得更高，增速更快？这才是问题的本质。”

如今，越来越多大佬举双手赞同——大模型领域“能抓到耗子才是好猫”。随之而来的，是一方面，走向应用端的大模型开始“变小、变精”。

今年 1 月，360 集团创始人周鸿祎表示，一定要给 AI 找场景，而不是瞄着 OpenAI 造大模型，思考运用大模型去做一些原有应用的升级改变。同时，一定要尖锐：

“要从小的场景深入，做重度垂直，做大的纵深，而不是往 OpenAI 上面去做架构升级，做技术嫁接，这是方向没选对，一定会随着 OpenAI 的技术升级而被淘汰。”

在学界，北京师范大学教授喻国明同样认为，大模型算力不足下，不应该一窝蜂做“大”模型，而是应该做一些垂直行业、边缘计算的小模型，从而解决实际应用问题。

另一方面，是以降本增效为导向，大模型应用领域开始出现分流。在消费领域，面向 C 端、赋能用户工作生活的产品成为此前发力重点，随之而来的是所有产品迎来重塑；而在 B 端，产业大模型开始在医疗、教育、金融等行业进行试水，并颇具商业化想象空间，在企业方面接受度较高。IBM 商业价值研究院的调研报告显示，有四分之三的受访 CEO 认为，部署先进的生成式人工智能将为企业带来竞争优势。

与此同时，在应用阶段，阵痛期已然出现——成本、商业化前景及安全问题，已然成为大模型应用绕不开的荆棘丛。

大模型重塑产品时代，

新老玩家“生产力比武”

在去年的阿里云峰会上，阿里云智能集团 CEO 张勇宣布，所有产品都值得用大模型重做一遍，天猫、淘宝、钉钉、高德地图、闲鱼、饿了么等一系列产品所有产品未来将接入“通义千问”大模型。

“AI 大模型的出现是一个划时代的里程碑，人类将进入到一个全新的智能化时代，就像工业革命一样，大模型将会被各行各业广泛应用，带来生产力的巨大提升，并深刻改变我们的生活方式。”

在赋能 C 端领域，如何提升“打工生产力”成为了巨头发力的重点。

比如，拿天然具有大模型落地优势的钉钉来说，接入大模型的钉钉像是一个“AI 秘书与监工头”的结合体，可以帮打工人撰写邮件、生成营销策划方案、总结未读群聊信息中的要点及待办事项等等，也可以帮老板写招聘启事，生产会议记录。

和钉钉并称为“打工人头上两霹雳”的腾讯会议也不甘落后。今年 2 月，腾讯公司公关总监张军通过其个人微博宣布，腾讯会议的 AI 小助手上线，腾讯会议会员版、商业版、企业版用户更新腾讯会议版本后可体验 AI 小助手。张军称其为“这是一个真正的大模型应用”。

和钉钉的 AI 功能类似，腾讯会议 AI 小助手由腾讯混元大模型提供支持，与会者接入后，通过简单指令，就能完成个性化提醒、总结会议内容、整理会议待办、提炼关键信息等任务。这意味着在未来，二者将掀起新一轮基于大模型的生产力较量。

同样作为生产工具，浏览器产品领域，今年 1 月，360 大模型搜索产品“360 AI 搜索”移动 App 上架，致力于打造“新一代答案引擎”，在 360AI 搜索中输入问题时，将触发问题分析、网页检索、重新匹配排序、提取内容等流程，最终会生成思维导图式答案。

在此前，百度也对旗下包括搜索在内的功能进行了 AI 原生化重构：如新搜索从提供一堆链接，进化到通过对用户问题的理解，生成文字、图片、动态图表等多模态的答案；而百度文库可以在 1 分钟内生成一个 20 几页的 PPT，包括图表生成，格式美化等。

值得一提的是，随着新生产工具风吹，惠及者从文字从业者到码农，如百度孵化的智能代码助 Comate，每新增 100 行代码，有 20 行是 AI 生成的，而且据李彦宏称，这个比例还在快速增长中。

而在应用阶段，所有产品都面临着“是骡子是马拉出来遛遛”的市场检验，以长文本拆解能力为例，百度、阿里、360 等大厂之间角逐激烈，并面临着和异军突起的月之暗面正面交锋。

近日爆火的大模型创业公司月之暗面，就以其“全球首个支持 20 万汉字超长文本输入的智能助手产品”kimi 高调吸引资本市场目光，站上风口浪尖。据 kimi 方面称：“过去要 10000 小时才能成为专家的领域，现在只需要 10 分钟，Kimi 就能接近任何一个新领域的初级专家水平 ”。

这无异有在长文本领域向老玩家宣战的意味。紧接着，阿里宣布通义千问开放 1000 万字长文本能力，360 宣布 360 智脑正式内测 500 万字长文本处理功能，即将入驻 360AI 浏览器。

虽然这一轮比拼中谁能脱颖而出还是未知，但能够确定的是，用户及资本市场不再会为大模型噱头与漂亮的故事买单，切实提升生产力，才能在大模型时代获得投资者青睐。

与此同时，在产业端，大模型“忽如一夜春风来”，在千行百业纷纷落地，进行“水土适应”。

医疗、教育、金融……

大模型试水产业端数据积淀成竞争重点

竞争激烈的通用大模型赛道外，更为专业、垂直的行业大模型让市场看到了更多可能性。有市场研究机构预测，到 2025 年，全球生成式 AI 市场规模将达到 100 亿美元以上。其中，企业级生成式 AI 市场将占据相当大的份额，成为最大的应用领域之一。

然而，行业大模型意味着专业壁垒更强、场景适配度和数据质量要求更高，在现阶段发展并不成熟，而是基于大模型本身的特点，在部分领域进行试水。

那么，哪些领域和大模型更为适配？事实上，大模型最得天独厚的优势，即在于 GPT 式一问一答的“和人打交道”，正如 IEEE 标准协会新标准立项委员会副主席林道庄所言，目前，大模型的应用主要集中在“三产”居多，重点是辅助人更快、更好地服务其他人。

“行业大模型能率先落地的垂直行业具有一个普遍的共性——知识密集型行业，某种程度上讲，通过知识收集、知识管理，实现辅助人生成内容、提出决策建议，而不是代替人。”

基于此，如医疗、教育、法律、金融等领域，正成为大模型应用落地的一线战场。

今年 3 月，微医与腾讯在深圳签署战略合作协议，融合腾讯、微医在人工智能领域的积累与应用场景，共推医疗大模型，聚焦“六病共管”（肿瘤、心脑血管等）为抓手形成专病智能产品，基于大模型及数字人技术打造“智能医生”、“智能健管师”、“健康数字人”等。可以看到，随着大模型和医疗领域的进一步结合，有望缓解医疗资源短缺，患者排队时间长等现实问题，在非急诊的情况下可以先与“AI 医生”沟通后进行分流与初步诊，再由医生复审。

值得一提的是，微医此前已积累了 4 亿 + 对话数据，超过 2 亿病例和 20 余万医生诊疗数据。这正指向大模型的落地关键，即“巧妇的有米之炊”：只有此前积累到一定程度数据与 AI 能力，才能与大模型进一步结合，而非“平地起高楼”，写下大模型落地神话。

这在金融领域同样有体现：此前，据报道，在部分银行的大模型实践中，“让 AI 客服取代经理、通过客户资金情况给出资金配置和投资意见”成为重点，然而相对并不成功，主要原因就在于数据模型和数据库的不完善，除却高净值客户外，普通用户获得的建议大同小异。

不过，可以想像，随着数据库的逐渐完善，大模型有望逐步辅助甚至取代人工客服，在降低成本的同时优化服务体验。而在当下，没有数据困扰的前提下，一些“大模型插件”则在金融领域取得了不错的效果，如在中国经济信息社，依托大模型提供的智能查询小工具，经济信息分析师可以用自然语言来下达命令，生成 SQL 语句，从而便捷查询到统计数据，工作流程被简化。

而在教育行业，双减背景下，AI 教育有着天然的落地场景。民生证券在研报中指出，ChatGPT 的问世带动下游应用场景的产业迎来新一轮变革，其中大模型和教育天然适配。

此前，教育部等十八部门发布通知，要求“探索利用人工智能、虚拟现实等技术手段，改进和强化实验教学，弥补优质教育教学资源不足的状况”，这在商业化领域无疑非常有想象空间，在课外教辅机构被明令禁止的当下，相关大模型产品有望填补这一市场空白。

当然，想象归想象，在当下，大模型应用阶段亟需面对的，是不成比例的投入与收益，以及急需解决的安全问题。

成本、利润与安全：

大模型的“不能承受之重”

虽然大模型一定程度上象征着未来，但不可避免的是，在当下仍处于“少年穷”阶段。在大模型上游，就算是“大模型教父”OpenAI，也无法避免在 2022 年亏损 5.4 亿美元的窘境。即使今年 1 月，据《路透社》报道，OpenAI 在 2023 年一整年的营收已经达到了 16 亿美元，但相比其巨大的投入成本仍然是九牛一毛。

自 2019 年以来，微软已向 OpenAI 投资 130 亿美元，据微软高管透露，为 ChatGPT 提供算力支持的 AI 超级计算机，是微软在 2019 年投资 10 亿美元建造一台大型顶尖超级计算机，配备了数万个英伟达 A100 GPU，还配备了 60 多个数据中心总共部署了几十万个英伟达 GPU 辅助；同时，训练 ChatGPT 同样需要巨额资金注入。

可以说，微软就像《老友记》里的钱德勒，前期为供养乔伊的表演梦想投入无数资金，溅起的收益水花却可以说忽略不计。

另一家 AI 独角兽 Adept AI 同样如此，即使在去年 3 月宣布获得来自包括微软、英伟达在内的 3.5 亿美元融资，估值一举突破 10 亿美元，然而 growjo 对其年收入预估只有 0.04 亿美元，赚钱能力堪忧。

而市场下游，虽然企业都对接入大模型表现出兴趣，但付费意愿还是未知。拿钉钉去年 8 月的商业化方案，在钉钉专业版年费 9800 元基础上，增加 10000 元即可获得 20 万次大模型调用额度；在专属钉钉年费基础上，增加 20000 元即可获得 45 万次大模型调用额度。对此，钉钉方面认为“不贵，未来还有可能有下调空间”，然而，目前市场方面的接受程度仍待反馈。

不止如此，前不久，香港和陕西西安相继出现的“AI 换脸诈骗案”，也再次把大模型带来的风险问题推上了风口浪尖。IEEE 调研显示，2024 年将会出现其他更具威胁的网络安全问题，包括勒索软件攻击、网络钓鱼攻击以及内部威胁。

一言以蔽之，理想很丰满，现实很骨干，大模型属于未来，但需要面对的却是现实问题，在理想的“AGI 乌托邦”和骨干的现实之间，处于应用阵痛期的大模型，还有一段路要走。