这一年来，被称为“天生式人工智能”的革命性技能引发了环球科技界“把所有软件和硬件重做一遍”的冲动，让具有先发上风的AI根本举动步伐供应商代价暴涨，使得从医疗到航天的科学探索得到被更加赋能的前景，传说中“奇点”的到来从未变得如此具有可能性。
正如历史上任何一次技能变革，ChatGPT也给我们带来了深深的焦虑。既有对AI威胁人类生存的科幻式恐怖，也有对砸掉我们饭碗、骗取我们钱财、操纵我们心灵的现实担忧。连OpenAI自身，也刚刚经历了一场危急，差点没躲过一夜坍塌的命运。
这一年让我们产生了更多疑问：大措辞模型下一步的进化方向是什么？AI芯片短缺何时办理？演习数据快要耗尽了吗？中国的百模之战会如何蜕变？AI技能发展应加速还是减速？AGI（通用人工智能）是否会存在其他形式？为此，我们约请了2023年在AI赛道奔跑的业内人士回答这些问题，并提出他们自己的问题。如果你也有自己的回答或提问，欢迎见告澎湃科技（www.thepaper.cn）。
在天生式人工智能“繁盛热闹繁荣”了一年后，到底有多少企业由于该技能的运用赚到了钱？
“海内运用都在试图产生代价，但很少实现盈利，做数字人的‘小作坊’倒是真挣钱了。”北京开放真切科技有限公司（OpenCSG）创始人兼首席实行官陈冉见告澎湃科技。信也科技副总裁、大数据及AI卖力人陈磊认为，在国外企业中，与OpenAI深度互助的微软公司“营收该当有比较大的转机”。云知声智能科技株式会社董事长兼CTO梁家恩则表示，“AI图像天生公司Midjourney据称已经做到1亿美元的营收了”，但是“还看不到真正的AGI-Native（AGI原生）运用”。
“目前仍处于刚刚开始的阶段，如果打算本钱投入和收益，现在盈利的行业还不多见。”上海市数据科学重点实验室主任、复旦大学教授肖仰华表示，大模型在很多行业都取得了显著效果，但取得效果并不代表能盈利，这涉及到很多成分，尤其是本钱成分，大模型的炼制须要巨大的本钱。
如果换一种问法：大模型最先落地或者落地最成功的家当有哪些？蚂蚁集团副总裁、金融大模型卖力人王晓航认为：“有两类，一类是创造型家当，比如设计、文娱、游戏；另一类是高知识密集型行业，比如金融、医疗、法律。”但是，医疗、金融等强监管行业对可靠性哀求极高，不但是“幻觉”，还有金融的合规性、每个行业的代价主见。如果这3个问题不办理，大模型在严谨家当里落地时潜力就无法发挥。
详细到医疗领域，科大讯飞董事长刘庆峰向澎湃科技先容了“医疗大模型可以完成90%的不合理用药提醒”，英矽智能联合首席实行官兼首席科学官任峰则直言：“彷佛一夜之间，以前做不到的事情忽然就可以做到了。”比如，直接与大模型对话，提问“帮我找到治疗某个癌症的靶点”就可以得到干系结果。
在金融领域，王晓航表示，在很多场景里意图理解、定性剖析、量化剖析等领域已经超过人工，“未来的做事要通过多模态的交互、措辞的交互来完成，怎么跟移动互联网的图形界面领悟，形成一种新的界面和体验，可能是未来两年会发生的。”
对付未来一年是否会涌现征象级的运用，受访者不雅观点不一。百度集团副总裁、移动生态商业体系卖力人王凤阳认为征象级的天生式AI运用一定会涌现，而且会超出大家的预期。IDEA（粤港澳大湾区数字经济研究院）AI安全普惠系统研究中央讲席科学家王嘉平则表示，“会比原来互联网的征象级运用来得更快”。阿里云科技和研究中央主任安筱鹏持谨慎乐不雅观的态度，并指出，对付中国运用处景丰富的说法，条件是特定行业的数据积累足够多。此外，须要底层算力、开源模型以及各种各样的工具才能把全体生态搭建好，把技能门槛、运用门槛及本钱降下来。
“任何一次重大技能变革带来的家当革命拐点，一定来自本钱的拐点。”安筱鹏说，蒸汽机最开始被发明出来，是为了把矿井里的水抽上来，它的本钱很高，会常常坏。“瓦特做了什么？他大幅提高了蒸汽机的稳定性、安全性、可靠性，降落了本钱，以是蒸汽机从一个专用的、只能抽水的机器，变成了一个通用的、可以拉着火车向前跑的机器。”
以下为采访实录，因篇幅缘故原由有删减：
澎湃科技：目前因天生式AI的运用而实现盈利的企业或行业有哪些？
陈磊（信也科技副总裁、大数据及AI卖力人）：我们看到很多估值、用户体量或营收涨了很多的企业。微软由于天生式AI对Office体系的加持，营收该当有比较大的转机，市值又回到了万亿规模。未来该当会有企业由于天生式AI盈利。
张鹏：每个场景下都有。客服事情可以由AI来取代一部分，或者由AI提升质量。在科研场景中，AI帮助阅读文献、查找资料、数据剖析，提升科研事情效率，乃至供应一些关键性的研究创意。
陈冉【北京开放真切科技有限公司（OpenCSG）创始人、CEO】：海内运用都在试图产生代价，但很少实现盈利，做数字人的“小作坊”倒是真挣钱了。国外的运用已经非常适配了，比如Copilot赞助开拓代码，做陪伴的汤姆猫也比较成功。在未来，数据已经准备好的、立时可以用起来的、利用比较多的、给大家带来很多代价的运用会立时形成家当链。
梁家恩（云知声智能科技株式会社董事长兼CTO）：AI图像天生公司Midjourney据称已经做到1亿美元的营收了。过去UGC（注：用户天生内容）只是文本为主，有了这种多模态工具，UGC会更加丰富多彩。以是这块的运用可能会比较快，由于它相称于给我们天生了很多候选，再由人协同处理。如果直接让机器百分之百天生一个非常好的结果，所有AIGC（注：人工智能天生内容）目前都做不到。
肖仰华（上海市数据科学重点实验室主任、复旦大学教授）：是否盈利取决于本钱和收益。大模型运用的本钱问题目前已经非常突出，大模型的炼制须要巨大本钱，大模型的运用也存在本钱。考虑到本钱成分之后，收益是否足够显著，相对付本钱付出是否值得，这也是大模型行业赋能千行百业中的关键问题。
目前仍处于刚刚开始的阶段，如果打算本钱投入和收益，现在盈利的行业还不多见。如果换个问法，大模型取得运用效果的行业和企业有哪些，那么我想答案非常明确，大模型在很多行业都取得了显著效果，比如大量的虚拟主播基于大模型，普通翻译员的大部分事情一定程度上可以被大模型所代替。还是仍旧要强调，大模型能取得效果并不代表它能盈利，这涉及到很多成分，尤其是本钱成分。大模型虽然能够达到普通人的一些能力和水平，但是本钱未必更低，以是这完备是其余一个问题。
澎湃科技：大模型最先落地或者落地最成功的家当有哪些？有哪些难点？
王晓航（蚂蚁集团副总裁、金融大模型卖力人）：有两类，一类是创造型家当，比如设计、文娱、游戏；另一类是高知识密集型行业，比如金融、医疗、法律。大措辞模型是强大的天下知识图谱容器，它能媲美、赋能，乃至某种程度上替代一部分知识型事情者。
大模型是基于全网可得的公开数据所演习的，理解和天生能力非常强，但碰着专业严谨的行业时有非常多寻衅，通用大模型在专业通识方面是短板，比如金融专业性很深。各种金融决策的繁芜性和严谨性哀求很高，医疗行业更加繁芜严谨，比如做家庭资产配置保障操持不是大略推举，而是打算偏离度、风险集中度、风险等级、承受能力，像这样的决策不是大模型善于的，它无法学习，纵然有足够的数据，它的严谨梳理和打算也远远达不到本日的行业哀求。
医疗、金融等强监管行业对可靠性哀求极高，我讲的可靠性不但是“幻觉”，还有金融的合规性、每个行业的代价主见。如果这3个问题不办理，大模型在严谨家当里落地时潜力无法发挥。如何办理这3个问题？一是大模型要跟专业领域的小模型结合，比如资产配置，在理解用户需求后调动资产配置工具，而不须要重新打算资产该怎么配置。二是构造化的知识图谱很主要，比如我们为了做好医疗理赔事情，要建非常完备的医疗和保险知识图谱，在大模型演习过程中注入，降落幻觉，提高专业性，在运用过程中优先考虑知识图谱跟大模型怎么结合。检索增强技能也非常有效，在专业领域中进行内容定位往后进行解答，就像从一本专业书本中找答案，这些技能都可以大幅提高大模型专业性和事实性。这是一个别系工程。
澎湃科技：什么样的大模型运用能够真正产生代价？
张鹏（北京智谱华章科技有限公司CEO）：一个技能在运用中会产生几种代价，降本、增效、提质、创新。更详细一点来说，比如能做到人做不到的事，帮人做大略、重复的事情，把人从这种事情中解脱出来，在数字化时期提升数据流动、交流、处理的效率和效果。
陈冉：运用终极要办理痛点、做事人类，人类为产生代价的过程付费。现在的很多运用不会立时跳跃式形成下一代运用，中间阶段是让现在的运用AI化，终极变成原生运用，也便是说乃至不用到网页上点了，这些运用涉及购物、旅游、餐饮、服装等。
梁家恩：目前还看不到真正的AGI-Native（AGI原生）运用。就像当时移动互联网刚出来时，大家的想法是把PC运用改小了，装进手机就完了，目前大模型运用还勾留在这个阶段，真正的AI-Native（AI原生）运用还须要迭代。
但不管终极形态如何，还是要回答一个问题：帮助用户办理了什么问题。比如在医院里，用户最希望的是有一个超级年夜夫，所有问题都能办理，连医院都不须要去了。但在这种严明场景里，要一步到位不太现实。我们现在可以给年夜夫供应一些工具，帮助年夜夫提升效率和质量，根本性的事情让机器完成，更好开释更多优质医疗资源。人跟机器的协同过程中，人在适应机器，机器也在学习人的过程中不断提升。终极它有可能达到专家的中上水平。但未来可能还会剩下一些疑难问题，须要人来协同办理。
医疗是我们的主要方向之一，这是一个知识非常密集的行业，光靠在互联网上抓取医疗干系的数据，精准度和质量达不到好的医疗专家水平。以是我们还会补充干系数据，针对性优化干系运用。终极还是以办理问题为导向，才能找到终极的AI-Native的形态。
澎湃科技：AI如何运用于智能医学、生命科学，如何考虑隐私和伦理成分？
刘庆峰（科大讯飞董事长）：居民用药中非处方药占45%（2022年我国非处方药市场规模为1951.7亿元，占零售药品市场的45.4%），但在基层6亿多的复诊案例中，涌现4000多万例疑似不合理用药。很多人有根本疾病，随意马虎涌现用药不当的问题。我们身边就有一位85岁老人，患有阿尔兹海默病，服用干系药后牙疼，吃了一个常见的消炎药后就开始不用饭，连续将近20天，此后在省立医院就诊后才逐步规复。后来创造缘故原由在于不知道这款消炎药与原来用药相互之间有反应，除此之外还有些用药禁忌，老百姓不知道，药房里的发卖职员也不知道，也不可能每一个病都去问年夜夫。那么，这个需求如何知足？
我认为我们的医疗大模型可以完成90%的不合理用药提醒。同样的，很多人拿到体检报告后看不懂有没有深层次问题，但又不是每个人都能有机会咨询年夜夫。科大讯飞在内部考试测验了几千个抽样例子，可以看到有40%的样本该当给予更多提醒，有的要立时就医，或者要把稳各种各样的禁忌，还有百分之三点多则提醒要立时处理。
不过，最好的年夜夫也不可能百分百都对，模型就算比年夜夫更专业，也不可能百分百精确。以是我们希望社会对这样的业务，一方面要严格、谨慎，依法，绝不能随便推举处方药，也绝不能随便下定论，一旦创造有问题一定要提醒“就医要到医院”。模型的任务是让患者心中更清楚，不是替代年夜夫，而是帮助患者将来更好地理解情形，以便更好地和年夜夫沟通。
任峰（英矽智能联合首席实行官兼首席科学官）：ChatGPT涌现之后，我们用内部数据基于其进行了二次演习，使模型能够支持生物医药的专业精准的信息问答。之前传统办法是每个靶点的生物学机制都需查阅大量文献，现在可以直接与大模型对话，比如提问“帮我找到治疗某个癌症的靶点”就可以得到干系结果。这对我来说印象深刻，彷佛一夜之间，以前做不到的事情忽然就可以做到了。
我们目前已经在用由AI赞助决策的自动化实验室，把人工智能与自动化、机器人和生物学能力领悟，既可实行单一任务，如高通量筛选、高内涵成像、二代测序等，也可以实现一体化串联流程，比如在14天内完成靶点创造和验证的全自动化干湿实验闭环。效果如何呢？以药物研发的DMTA（Design、Make、Test、Analyze）为例，以前每一轮合成大约须要一名化学家3到6周的韶光来制造、纯化、量化和鉴定所需化合物，再进行一系列生物剖析。而自动化实验室可以24小时处理，反应可以在任何韶光进行，还有可能将合成韶光从3到6周缩短到3到10天。除了研发的角度以外，对付医院、年夜夫以及患者，AI的赋能都是全方位的，比如赞助诊断、以智能的办法追踪患者情形变革等。
陈冉：我们看到多模态分子大模型、影像大模型都在做，须要人类高智商的领域和行业便是大模型的发展方向，医院里的主任便是稀缺资源。
梁家恩：我们最早做的是病历的书写和审核，我们会帮年夜夫检讨诊疗有没有存在风险隐患的地方、哪些不符合医保规范。我们要守住的底线是保护用户隐私，我们和客户干系的数据都是脱敏数据。
澎湃科技：AI会引发哪些详细的教诲变革？可以参考你们的实践。
肖仰华：未来随着通用人工智能技能的快速发展，其对教诲的影响会非常深远。未来教什么学什么，怎么教怎么学都会成为问题。
人工智能的每一次进步彷佛都以AI通过了人类的某种考试为标志，像高考、注册医师考试、注册法律执照考试等。那么AI的进步每每反射出人类教诲的很多问题，比如既然AI通过了如此浩瀚的人类考试，我们考试的意义何在？前辈的人工智能彷佛一贯在把机器培养成人，而掉队的教诲彷佛是把人培养成机器，很多精良的学生被培养成了刷题的机器，这是教诲该当极力避免的问题，以是AI的发展映射出的教诲问题值得我们把稳。
第二个问题是怎么教怎么学。未来知识的获取、技能的学习意义将会降落，当代文明一贯因此知识创造和获取为紧张目的，我们曾经以“饱读诗书，登时书柜”为光彩，这样一种追求在大模型时期，将会变得不再那么刺目耀眼。由于最登时书柜的是大模型，他险些学到了人类的所有知识，那么对付知识的廉价和贬值，取而代之的是人类生存和发展的聪慧将会更加凸显。
张鹏：有一次我跟“好未来”的技能职员互换。AI学习能力比人类强，比人类快，未来我们的孩子还须要学习这些根本知识吗？未来的孩子们要学习啥？我当时用开玩笑的语气说，学习AI。在这样一个时期，大家要节制AI的事理或基本知识。第二，根本知识的学习还是要有，当然可以考虑怎么用赞助手段来提升学习效率。
AI的进化在倒逼人类自身的进化。如果人类不想被AI取代、被AI奴役，人类本身的智能水平以及学习能力须要调度和进化。
陈冉：学校资源是有限的，通过AI把好老师的资源沉淀下来，变成各科老师陪伴在身边，教诲肯定会形成质变。
刘聪（科大讯飞研究院院长）：教诲领域属于讯飞非常主要、也有深厚积累的场景，因此我们在2022年12月开启大模型攻关确立“1+N”体系之时，就明确了教诲属于“N”的主要落地领域之一。面向家长和学生，讯飞星火认知大模型赋能的讯飞AI学习机实现了中英文作文类人批改，在口语对话方面进行陪伴式对话练习，还能对孩子的发音进行评分。星火语伴App可以让学生和虚拟人老师面对面沟通。面向老师，星火西席助手可以创新方案单元传授教化设计、启示创设情境传授教化活动、一键天生互动传授教化课件，提升老师的备课效率。
澎湃科技：参考你们的案例，金融大模型目前有什么进展？
王晓航：在大模型时期之前的小模型时期，我们已经全面AI化了，涉及数字化勾引、风险管理、理赔、理财师、顾问和发卖团队等环节。但大模型的到来给我们带来很大震荡，它在很多金融场景里能够轻易刷新小模型时期的最好表现，意图理解、定性剖析、量化剖析等领域已经超过人工。小模型时期，每一个运用处景都要进行非常深的端到端定制，算法工程师和韶光本钱很昂贵，大模型统一了算法架构，一个模型经由大略的微调和适配后可以办理一大票问题，做得比以前更好，提高企业经营效率，以是加速创新，能让人聚焦在专业有深度的创造性事情上。专业化的金融做事也会有一种替代性的体验。现在所有移动互联网的交互都以图形界面（GUI）为主，未来的做事要通过多模态的交互、措辞的交互来完成，怎么跟移动互联网的图形界面领悟，形成一种新的界面和体验，可能是未来两年会发生的。
我们的大模型已经进行了大半年深度测试，便是支小宝的新版本。我们希望能给大众客户带来代际上的不同做事体验，在金融方面做到有问必答，在几百款数字化工具上能够做到有求必应，定制个性化做事方案，改变图形界面的交互办法。我们期望很高，希望有序网络用户反馈，供应更好的体验。在内部，我们为理财师、剖析师、发卖职员、理赔专家团队、内容运营创作团队供应“支小助”，在原来的数字化展业平台工具根本之上，AI带来新的生产力，提升效率。金融科技作为一个大样板间，我们虽然是刚起步，但也看到了一些快速迭代，在大模型的冲击下打开了眼界。
陈磊：我们做的是垂类大模型，一端赞助人工做事用户，提升客服体验；一端做事内部专业类员工，结合我们在金融里对业务和数据的理解，用于代码赞助天生、数据自动挖掘，在没有调优的情形下，验证阶段的效率提升20%旁边。
澎湃科技：未来一年，会涌现一个征象级的天生式AI运用吗？
王晓航：肯定会，但不知道是什么韶光涌现。下一个运用不会是GPT本身，该当会在家傍边，家当里会涌现不止一个运用，各个行业都会有，比如电商、金融。数字化金融做事已经非常丰富多元了，但对大众来说还是过于繁芜，怎么把大略、专业、智能的财富管理做事带给客户，这样的运用有非常深的代价，下一步做事体验升级只有通过AI才能实现。每个行业都在等待自己的AI超级运用，谁在家当里更有数字化条件，谁把行业和技能相结合，谁就能够带来这样的产品。
陈磊：会的，特殊是像代码天生、代码赞助运用，会很快在行业里铺开，大家都在做考试测验，很多考试测验涌现了初步效果。
王凤阳（百度集团副总裁、移动生态商业体系卖力人）：我们已经看到一些12个小时就能登顶运用商店榜首，后面用户数打破100万的运用。我以为征象级的天生式AI运用一定会涌现，而且会超出大家的预期。
王嘉平【IDEA（粤港澳大湾区数字经济研究院）AI安全普惠系统研究中央讲席科学家】：我认为这会比原来互联网的征象级运用来得更快。天生式AI直接生产内容，不须要努力积累内容生产者，只要找到消费者，以是它的迭代和增长一定会比原来要快得多。但是现有技能还须要提升，由于现在质量不足好，很多人会说一眼可以看出是AI创作的。由于现有的内容体系已经把门槛抬得非常高，AIGC要企及这个高度，我以为还须要韶光。一旦它超过了这个高度，它会“通杀”现在很多以内容消费为主导的家当，包括网文、短视频、短剧等等。我以为这会是颠覆性的，但这个颠覆未必是新的东西，未必是个新的源头家当。
陈冉：一时半会没有，任何技能发展都有阶段性和积累性。我们跳跃式发展，用了一年韶光走了10年的路。现在是蒙着眼睛以100迈的速率在高速公路上跑，你怎么知道下一个出口在哪里，技能在飞速发展，你肯定很难判断方向。当你慢下来才知道哪里的风景是最好的，有可能下了车在阁下开个超市、民宿。在飞奔时轻微停下脚步思考，那时候就会涌现各种各样的商业模式、运用等。
我以为明年是一个主要的韶光点，怎么让各种形式沉淀下来，形成商业闭环。美国形成了上千家公司的生态，海内现在是单打独斗，没有形成生态平台和社区，以是我们公司就干这个事儿。商业模式是从实践中来的，须要平台对接高下游，有人生产大模型，有人利用大模型，有人做事大模型，终极形成生态，A公司和B公司链接在一起才能做生意。平台和社区生态的要素便是开源，通过开源让生态飞速发展。
安筱鹏（阿里云科技和研究中央主任）：对付预测我持谨慎乐不雅观的态度。它是多种成分齐头并进才能产生的结果，而不是靠某一个成分。首先，对付中国的运用处景丰富的说法，我们还是要回到前期根本上，运用处景丰富的条件是特定行业的数据积累足够多，也便是说纵然运用处景非常丰富，如果失落去这个条件，模型的质量便是要打折扣的。第二，须要底层算力，开源模型，模型演习、支配及运营，以及各种各样的工具，才能把全体生态搭建好，把全体技能门槛、运用门槛及本钱降下来，如此才会推动全体商业化的运用，这也是本日阿里云所要做的事情。
任何一次重大技能变革带来的家当革命拐点，一定来自本钱的拐点。当投入产出比没有发生变革的时候，家当革命是不会到来的。蒸汽机最开始被发明出来，是为把矿井里的水抽上来，它的本钱很高。以是在瓦特之前，蒸汽机早就被发明了，但蒸汽机会常常坏。瓦特做了什么？他大幅提高了蒸汽机的稳定性、安全性、可靠性，降落了本钱，以是蒸汽机从一个专用的、只能抽水的机器，变成了一个通用的、可以拉着火车向前跑的机器。
再看数字技能革命，比如打算机，在IBM的大型机、小型机涌现时，它对全体社会进步的影响是有限的，只有到了PC机（个人电脑）的到来，尤其加上互联网网速高度提升以及本钱极度降落时，才推动了全体这一轮的家当革命。以是技能的拐点加上技能本钱拐点的到来，加上利用门槛的降落，才会推动一个家当的技能进步，这是非常关键的。
大家都说GPU很主要，大家都可以去开拓GPU，那么从英伟达的身上我们可以看到最关键的是什么？像吴恩达（注：斯坦福大学教授）所说的，CUDA（注：英伟达开拓的闭源并行打算平台和运用程序编程接口，许可软件利用某些类型的图形处理单元进行通用途理）涌现之前，环球能用GPU编程的可能不超过100人，而目前环球的CUDA开拓者已经达到几百万。CUDA极度降落了利用门槛，而当利用门槛极度降落构建了一个生态的时候，这个生态便是一个强大的护城河。对我们来说也是一样的，真正的商业化须要技能，须要家当化，但实际上普罗大众的利用门槛、利用本钱的急剧降落是个中关键。但这是迭代的结果，不是等着它有一世界降，而是在技能进步、家当运用不断迭代下，它的本钱连忙降落，从而促进全体生态的发展。
澎湃科技：对付大模型的运用方向，你最想知道答案的一个问题是什么？
王晓航：在哪个主流、严谨、深度的行业里会呈现出重大的运用创新，并被大规模认可？
陈磊：大模型的商业化路径到底是什么样的？现在所有大模型的收费模式都是按调用的token（注：在AI领域token常日指文本处理过程中的最小单位）数来收费，但打不平硬件和人力投入。未来大模型运用能够关联到实际产生的业务代价，并反馈到它的定价上，是蛮关键的一个问题，我们也比较好奇。
张鹏：征象级的AI运用是否会存在，或者会在哪存在？
梁家恩：进入垂直行业办理实际问题时大模型的可控性和可靠性问题如何办理？现在大模型框架很难从根本上肃清“幻觉”，还须要很多后真个手段帮大模型完善。在实验室里90%、95%的可控性、可靠性挺高的，但严明场景下让用户放心利用就很难。
陈冉：大模型运用是做事于人的，但各种运用可能会取代人，以是怎么认定人的技能？