2024年，是人工智能發(fā)展史無法忽視的一年。

這一年，在經(jīng)歷了2022年ChatGPT這一“超級應用”問世，經(jīng)歷了2023年的“百模大戰(zhàn)”之后，2024年的模型世界每天都有新故事，從多模態(tài)，到語音助手；從開源看齊閉源，到推理計算直追訓練擴展。每個月甚至每個星期，這個時代都在發(fā)生變化。

換句話說，地球在物理學科有“重力加速度”，在計算機學科又有了新的 “AI加速度”。

在這樣的“AI加速度”下，大模型出現(xiàn)在公眾視野其實才兩年時間，但已經(jīng)幾乎完全改變了產(chǎn)業(yè)邏輯。

基于此，11月16日，由PEC China、至頂科技、軟積木主辦的2024 AI創(chuàng)新者大會暨PEC·提示工程峰會上，舉行了一場《預見2025》的圓桌對話，邀請了中國信通院人工智能研究所所長魏凱，硅基流動創(chuàng)始人袁進輝，釘釘副總裁、解決方案&戰(zhàn)略客戶部總經(jīng)理邱達，郵儲銀行RPA+AI創(chuàng)新實驗室（總行級）負責人潘淳，智譜AI首席生態(tài)官劉江的共同參與，至頂科技CEO兼總編輯高飛擔任主持。

幾位專家齊聚一堂，分享在他們眼中的2024，并一起預見“AI加速度”下的2025。

ChatGPT兩周年，產(chǎn)業(yè)還在加速

高飛：先請問魏所，從您個人角度來看，過去一年，AI發(fā)展速度如何，比起第一年，是更快還是更慢，印象中最深刻的事件是什么？

魏凱：肯定是更快，不斷在加速。經(jīng)常有人說，在AI界，地上一年、天上一天。技術(shù)進步速度、應用發(fā)展速度都在刷新。

我印象最深刻是有一種撲面而來的加速感，每隔幾天有新模型出現(xiàn)，每隔幾天有新應用冒出來，所以整體上是一個不斷壓縮時間、加快節(jié)奏的過程。當然，這里面空間很大，未來方向也越來越清晰，也堅定了大家的投入信心。

對于創(chuàng)業(yè)者來說，黃金時代大幕正在拉開。OpenAI創(chuàng)始人Sam Altman曾說過，一個人的公司已經(jīng)有了，公司法已經(jīng)允許大家創(chuàng)立一人公司了，所以，一個人的獨角獸公司可能會很快出現(xiàn)。因為你不需要會編程，不需要雇很多員工，有若干個大模型為你服務。所以，創(chuàng)業(yè)者的黃金時代到來了！

中國信通院人工智能研究所所長魏凱

高飛：有人講AI產(chǎn)業(yè)變化速度很快，以至于大家都有點跟不上節(jié)奏，智譜作為國內(nèi)基礎模型的代表，感覺到今年主旋律是什么？

劉江：主旋律是落地、科研突破。智譜自2020年開始做大模型，比較早期做大模型進入大眾視野，總體來講是搞科研、發(fā)論文、做模型。

當然，模型確實也發(fā)展非�？�，如果說今年上半年OpenAI還是偏引領(lǐng)，方向是多模態(tài)，比如Sora等都是這個方向。到了下半年，GPT-o1又出現(xiàn)。這三個模型，是三條技術(shù)路線。

智譜AI首席生態(tài)官劉江

模型落地，為何總有分歧？

高飛：說到落地，釘釘是非常接地氣且落地的企業(yè)�，F(xiàn)在大家談大模型應用有兩種角度，第一種角度說AGI快實現(xiàn)了；第二種說法是，AI好像還沒什么用，還沒看到在生產(chǎn)環(huán)境中能發(fā)揮多大作用。這兩種觀點非常撕裂，怎么看待這個問題？

邱達：邏輯上來講，為什么會存在分歧，這和AGI的本質(zhì)、概念、定義還不夠清晰，是有強關(guān)聯(lián)的，這是我的第一觀點。

第二觀點，到底什么可以稱之為真正意義上的AGI，可能要有一個標志性特征，模型可能真的要具備自我迭代和進化的能力，在非人為干預的情況下。

這可能會引發(fā)爭執(zhí)。所以，怎么在又符合安全、又有和人類對齊的方向?qū)崿F(xiàn)進化，可能是一個觀測點。

所以，對AGI能來到，我是保持比較謹慎的、樂觀的態(tài)度。我也會非常實際去觀測，模型世界里是否出現(xiàn)了自我進化的點，或者出現(xiàn)早期成功的標志性事情。

釘釘副總裁、解決方案&戰(zhàn)略客戶部總經(jīng)理邱達

高飛：有一句話在金融領(lǐng)域叫Money never sleeps，金錢永不眠�？磥硪院笫茿I never sleeps，AI也要永不眠。

接下來想問硅基流動。硅基流動致力于提升模型開發(fā)效率，推動產(chǎn)業(yè)鏈和模型接軌，當時為什么瞄準這個方向，是要解決這個產(chǎn)業(yè)鏈的什么痛點？

袁進輝：過去一年，AI發(fā)展非常快，今天無論是閉源模型、開源模型，能力已經(jīng)非常強大，基本上可以認為，我們解決了AI模型的有無問題，最重要是落地過程。

在這個過程中我們判斷，需要更多的人參與到這波浪潮里來，不僅是專家或科學家的事，還要解決基礎設施建設的問題，比如修一些路，讓大家都能開車，讓大家不用專門去研究GPU，不用去研究AI芯片，或者不用研究模型選擇，以及構(gòu)建應用時不用重復開發(fā)一些基礎組件。

比如云、RAG系統(tǒng)，這些通用部件都可以直接當成水龍頭一樣打開就能用，我們希望解決AI技術(shù)普惠化的過程，變成在場景里的產(chǎn)品經(jīng)理，我們即使不是工程師，如果有想使用AI能力的愿望，或者有這種idea，就能夠把idea變成現(xiàn)實，這里面要解決很多基礎設施的搭建。

所以，我們主要想解決的問題是，把算力、模型、基礎架構(gòu)搭好，這樣大家開發(fā)AI應用時，只關(guān)心自己業(yè)務就好。

硅基流動創(chuàng)始人袁進輝

行業(yè)滲透，路線如何選擇？

高飛：接下來提問郵儲銀行。比起當年的云計算，你覺得現(xiàn)在AI和行業(yè)之間的滲透率如何，行業(yè)內(nèi)的人，特別是金融行業(yè)的技術(shù)決策者，對AI在金融行業(yè)的總體態(tài)度是怎樣的？

潘淳：我先說一下對ChatGPT的感受，因為我還有一個身份是，微軟技術(shù)俱樂部的主席，所以我從2022年11月ChatGPT剛發(fā)布時就開始接觸，也趁機建了國內(nèi)第一波AIGC生態(tài)社區(qū)，接觸到大量場景。

大概在2023年3-6月，有一個超速發(fā)展的機會。2023年底，各種大模型出現(xiàn)，現(xiàn)在國內(nèi)有260個模型。再到今年6月份，有兩個重要產(chǎn)品出現(xiàn)：一個是Sora，文生視頻突然火起來。第二個是Claude 3.5�，F(xiàn)在，應用生態(tài)開始向上爬坡。

回到金融領(lǐng)域，銀行有一個非常微妙的變化。銀行的特點是，網(wǎng)絡分為兩塊，辦公網(wǎng)、生產(chǎn)網(wǎng)，生產(chǎn)網(wǎng)絕對是物理隔離，調(diào)不了API，只能自己去建。所以這導致，銀行如果要在AI分析有所作為，必須要自建。

從應用的角度看，是從無到有、從有到優(yōu)。從無到有，是有無模型的問題，自己去弄硬件、去弄模型。第二部更重要的是，應用生態(tài)。

郵儲銀行RPA+AI創(chuàng)新實驗室（總行級）負責人潘淳

高飛：關(guān)于AI應用，想請問釘釘。目前圍繞AI應用落地有兩種方式，一種是在原有產(chǎn)品上做轉(zhuǎn)型，疊加AI的能力；還有一種是AI原生。你覺得未來占主流的會是哪一種，是轉(zhuǎn)型路線的應用占主流，還是從0到1的原生方式要顛覆一切？

邱達：我分享一個思考方式。我們做產(chǎn)品的核心是為了解決問題，正如剛才各位專家提到的關(guān)鍵詞“落地”�？梢詫⑦@個問題拆解一下，對這兩種形態(tài)（AI原生和疊加AI）做一些信息上的對比分析。

首先，釘釘產(chǎn)品中有一個觀點，叫“實現(xiàn)最小閉環(huán)功能的能力”，類似于MVP（最小可行產(chǎn)品）。如果這個MVP的核心邏輯可以通過窮舉或者固定規(guī)則完成，那么大概率適合走“疊加AI”的路線。

舉個例子，在服務制造業(yè)客戶時，比如涉及工藝、配方、參數(shù)的場景，目前還是以邏輯為主導。而制造業(yè)的一個特點是容錯率極低甚至不能容錯。比如，如果AI直接接管配方調(diào)整，每個批次的產(chǎn)出可能需要精確到0.01，但一旦出錯，就會導致整條產(chǎn)線的問題。

在這種情況下，AI更適合作為輔助工具，提供配方優(yōu)化建議，但最終的決策仍然需要由人或傳統(tǒng)邏輯系統(tǒng)來完成。

所以，在這種場景下：第一，容錯率極低；第二，業(yè)務邏輯相對清晰。這屬于“疊加AI”的應用場景。

另一方面，如果產(chǎn)品的核心是傳統(tǒng)邏輯系統(tǒng)難以實現(xiàn)的功能，比如情緒價值，這是大模型非常擅長的領(lǐng)域。

以前的邏輯系統(tǒng)幾乎無法提供情緒價值，但現(xiàn)在的生成式AI或陪伴式AI可以實現(xiàn)這一點，比如通過生成內(nèi)容與用戶互動。

這類場景中，會產(chǎn)生新的變量，因此更適合“AI原生”的路徑。

舉三個更適合“AI原生”路徑的例子：

第一，陪伴式/有情緒價值的產(chǎn)品，我們一定要優(yōu)先考慮大模型的應用。

第二，智力生成類應用，比如生成視頻、生成音樂等，這部分很多時候已經(jīng)遠超人類了，或者遠超邏輯系統(tǒng)了，完全可以“AI原生”。

第三，未來在物理世界，端到端的智能介入和迭代產(chǎn)品，比如具身智能。

高飛：謝謝，回答的特別清晰，特別是情緒價值，“我虐AI千百遍，它待我如初戀”，怎么批評它，它都承認錯誤。

我們既然說預見2025，硅基流動作為全球化布局的先鋒，是如何考慮全球布局的，現(xiàn)在有很多AI應用公司在布局海外，您有什么建議？

袁進輝：在技術(shù)研發(fā)階段，過去一段時間，硅谷比國內(nèi)節(jié)奏要早幾個月或者半年。所以，從應用的角度，多觀察國外，就像所謂的時光機理論一樣，能夠預測中國幾個月之后的大致情況，這也是硅基流動很關(guān)注海外資料的原因。

從做產(chǎn)品和商業(yè)化角度，我們也認同出海是一個大趨勢，也是一個好機會。這里面有種種原因，比如說技術(shù)發(fā)展節(jié)奏、市場成熟程度、用戶付費意愿等等。

總體來看，海外更看重產(chǎn)品的競爭力，產(chǎn)品是否真的被用戶喜歡才是最重要的。

而在國內(nèi)，可能噪音多一些，比如一個剛開始可能不是那么好的產(chǎn)品，也有可能把大家的注意力吸引過來，這里面涉及到國內(nèi)流量的投放機制等等，一定要花錢去買到這個流量。

布局出海，一些原生的、自下而上的產(chǎn)品，因為其競爭優(yōu)勢，獲得了一些市場群體的喜歡，用戶會把你投票上來，形成一種自發(fā)傳播。所以，出海的時候蠻重視這點，比如Hacker News會收集這些用戶或KOL的反饋。

還有一個不同點，海外Web流量非常發(fā)達，主要以谷歌的索引為主。做好所謂的ICU，能有很多很多自來水流量，如果谷歌覺得是一個非常好的內(nèi)容，會利用生態(tài)，會開始索引，就會產(chǎn)生流量。

相比之下，國內(nèi)的精品Web內(nèi)容幾乎枯竭，好的內(nèi)容都在APP里，然而APP已經(jīng)非常分裂，在幾個巨頭玩家手里，“后浪們”要想獲得注意力，必須在巨頭玩家手里買流量。

預見2025

高飛：在我們外界看來，做前沿基礎模型的公司，或多或少都有一些使命感。請請您談談，在智譜內(nèi)部，大家談得最多的一個目標或者愿景是什么？

至頂科技CEO兼總編輯高飛

劉江：我剛才回答了兩個方向：技術(shù)突破/科研突破、落地。2025年也還是延續(xù)這兩個節(jié)奏。

沿著前面的問題來談。我是云計算最早的鼓吹手之一，因為我大概在2008年、2009年就在說云計算。所以，相比較來講，大模型這一波落地，確實比之前很多技術(shù)要快很多，最明顯是比如OpenAI今年講年化收入能達到40億美元左右。

ChatGPT算是它商業(yè)化的起點，兩年能達到40億美元的收入，在之前的云計算時代是達不到的，可能要花更長時間。

我也在思考大模型到底跟以前的技術(shù)有什么不一樣，其實答案是非常強的通用性。大家想，現(xiàn)在大模型就要開放心態(tài)，思路要開拓，不要想“我是不是只做AI原生”，要反過來想問題，而是“要解決什么問題”、“大模型能提供什么能力”，這樣一個不知疲倦、也沒有數(shù)量限制的智能物種，到底怎么用好，這里頭想象空間非常大，這是落地層面。

科研突破層面，也非常讓人期待。大模型熱了以后，你會發(fā)現(xiàn)它把全世界頂級的理工科人才全吸引到這個賽道。最先進的、最聰明的孩子，原來學數(shù)學、物理的人才，全都來搞大模型，所以接下來科研突破也非常令人期待。

高飛：我們這次是提示工程大會，請各自談談，怎么用好AI、有什么小技巧？

潘淳：下午有個講座，正好要介紹，用大模型直接生成Office插件，比如Excel插件，只需要用一個提示詞就行。

我們郵儲銀行財務部最復雜的一張報表，用144張報表加工成1張報給監(jiān)管單位，平時用人工操作就很麻煩，現(xiàn)在用提示詞一鍵生成Excel插件，提示進去，Excel插件出來，以后再做這個報表，點擊一下，自動做完，這就是辦公自動化。

邱達：順便說一下，具備這個功能的插件，在釘釘表格已經(jīng)上線了。

劉江：簡單講，要多用。我們這些公司，免費燒很多錢，免費提供給大家用，這么一個明顯的“新質(zhì)生產(chǎn)力”的東西，相當于你的數(shù)字同事、數(shù)字員工，你怎么把它用好考驗的是管理能力，大家以后都是管理者、領(lǐng)導者。

所以，我給大家的建議是“多用”。大家首先要有這樣一個主觀意識，大模型有個特點，它不是原來傳統(tǒng)的軟件，如果這個東西用的效果不好，不是大模型的問題，是你自己不會用的問題。

袁進輝：剛才說到，關(guān)注海外，瀏覽海外的信息，都用瀏覽器插件，因為確實讀中文比讀英文快多了。比如“沉浸式翻譯”這樣的插件，背后語言模型已經(jīng)比過去專用的機器翻譯模型做的好多了。

所以，今天鼓勵大家在生活中、工作中多用，但凡是語言相關(guān)的，比如翻譯、寫作這些，能做的比普通人都要好，這是肯定可以多用的。

另外，這次大會關(guān)鍵詞是提示工程，在解決問題中，提示工程也是三板斧的第一板斧，也能解決大部分的問題，如果不行再試試其他更復雜的技術(shù)，比如微調(diào)等。

魏凱：未來做什么，其實還是看你是誰。

作為像智譜這樣的基座模型公司，會沿著大模型水平提升的方向一如既往去追求。而如果是開發(fā)者，這一塊的潛力洼地比基座模型的空間大。

所以相比之下，中國的基座模型與國外的差距，可能沒有應用產(chǎn)業(yè)的差距大。我們需要把國內(nèi)已有的大模型水平完全發(fā)揮出來，填補這個空間，跨過這個鴻溝。

在行業(yè)和消費者兩方面：如何給大模型建一個很好的基礎設施，如何給企業(yè)里的中臺、數(shù)據(jù)供應鏈、數(shù)據(jù)治理做好，編程框架做好，這是ToB市場要做的事情；而ToC市場要做的事情就更多了，要根據(jù)用戶需求不斷迭代。

總體來看，明年在落地方面，產(chǎn)業(yè)鏈要細分，不要卷相同的東西，那會讓大家耗費很多資源。確實應該在應用鴻溝里做大家差異化的定位，空間將會無比巨大，等待大家去填補。

而提示工程，就是一個工程化地把大模型用到應用里的方法論。

高飛：謝謝大家。這是一個加速的時代，AI的“A”，是人工的含義，也是加速度的含義，我們期待未來和產(chǎn)業(yè)一起加速，讓AI永無眠，替我們干活。