長江商學院2024-01-29 18：31
2024年，AI創新之船將進入第二年。 從大模型的不斷發展，到AI技術在不同行業的延伸，再到開源與閉源戰略的較量，AI發展的每一步都在描繪著未來趨勢的輪廓，每個企業都在爭奪一張通往未來的門票。
在近日舉行的長江商學院EMBA“誠信論壇”上，360集團創始人、長江商學院CEO8屆校友周弘毅發表了題為“AI+時代企業的飛躍”的萬字演講，從AI對行業格局的影響和未來發展趨勢等方面分享了自己的見解， 大型模型如何在企業中落地，以及2024年大型模型十大發展趨勢的判斷，並與長江商學院技術與運營特聘院長孫天樹進行了深度對話。
周弘毅指出，企業要把AI信念付諸行動，敢於改革自己的生活。 大模型是有史以來最強大的工具，總會有人去開發，而不去開發是最大的不安全感。
今天的文章與大家分享校友周弘毅的獨家觀點，希望能對大家有所啟發。
分享 |周弘毅.
* |長江商學院EMBA （ID： CKemba201314）.
周弘毅. 360集團創始人。
長江商學院校友 首席執行官 8.
觀點表達。 01.大型模型更有可能像 PC 一樣無處不在。 未來，每個**、企業和個人都可能擁有自己的大模式，這將導致更加分布式和私有化的大模式。
02.大模型學習資料背後的知識、規律和原理，而不是死記硬背資料和資訊，才是真正智慧型的體現。 大型模型將成為企業數位化系統的標準配置，重塑上百個行業，激發行業創新，解決行業發展難題。
03.我們應該積極擁抱大型模型技術，並思考如何將其與我們的行業融合，以創造更多可能性，抓住機遇實現創新。 這將是一場深刻的行業變革，是抓住第四次技術革命機遇，推動社會進步的關鍵。
04.只有結合“暗知識”訓練的大型垂直模型，才能真正解決企業問題。 企業是大模型應用的第一驅動力，大模型與業務的結合最終由業務主導，才能真正服務於業務。
05.為了實現大模型在企業中的順利實施，我們建議採取“小切口，大深度”的策略。 AI轉型業務不是巨集大敘事，其實是幾個業務場景的集合，所以需要分解業務，在業務中尋找小切口，選擇與大模型成熟能力相匹配的業務環節作為切入點。
06.一方面，網際網絡巨頭將持續推進雲端大模型的研發，探索人類智慧型的新高度; 另一方面，企業級模型將更加注重成本效益和實用性，通過“蒸餾”等技術將大模型精簡為高效、低成本的小模型，同時保持其效能優勢。
大模型是怎麼來的？
過去，我們所說的AI往往只能完成一些單一且有限的任務，比如人臉識別、語音助手等。 這些技術或許在某些特定場景中能夠發揮一定的作用，但與真正的智慧型感還有很大的差距。 因此，有人開玩笑地稱其為“人工遲鈍”也不是沒有道理的。
然而，隨著時間的流逝，尤其是在2023年，AI領域迎來了重大突破。 今年，我們看到了技術的快速進步，人工智慧開始顯示出更強大的能力。 它不再侷限於單個任務或領域，而是可以使用通用演算法來完成過去需要許多專業任務才能完成的任務。 這就是我們所說的通用人工智慧（AGI）的原型。
大型模型成功出現的關鍵因素。
這個大尺度模型的成功出現，可謂是“大力奇蹟”，類似於吳宇森倡導的“暴力美學”新正規化。 關鍵要素如下：
1.演算法的基石已經奠定：神經網路、深度學習、谷歌推出的Transformer演算法都為大模型的出現提供了必要的演算法基礎。
2、算力的歷史積累：隨著網際網絡的發展和GPU技術的進步，人類積累的算力達到了乙個新的階段。 過去，我們可能已經有了成熟的演算法和想法，但由於算力的限制，我們無法實現它們。 如今，算力的提公升為大模型的成功提供了重要保障。
3、海量知識和資料的整合：網際網絡的普及造就了大量的知識和資料。 OpenAI等機構巧妙地將這些知識融入到Transformer大模型的訓練中，打破了以往實用主義的侷限，引領了大模型的新發展。
與以往專注於實用主義的科技巨頭不同，OpenAI的投資和願景更具前瞻性和顛覆性。 他們致力於將所有人類知識整合到模型中，這導致了質的變化，從而產生了 ChatGPT 等劃時代的成就。
需要明確的是，大型模型並不侷限於自然語言處理領域的應用。 其強大的影響力和潛力正逐漸滲透到各個領域。 通過克服語言理解的核心挑戰，大型模型使人工智慧能夠更自然地與人類交流，從而更深入地理解和描繪世界的知識。 這種理解不僅提高了計算機的語言掌握程度，而且使其對世界結構有了全面的理解，為各種複雜的任務提供了強有力的支援。
以日常生活中的某場景為例，大模型能夠理解和處理“去東方廣場長江商學院交流”等自然語言指令。 這是由於大模型對詞彙和上下文的深入理解和學習能力。 這也是大型模型與傳統搜尋引擎的顯著區別之一。 大型模型更側重於知識理解和推理，而不是簡單的關鍵字匹配和網頁索引。
在訓練過程中，大模型會學習大量資料，以掌握其背後的能力和正規化。 此功能允許大型模型利用類似的問題。
3. 靈活變通。 同時，大模型也會對資料進行壓縮和優化，提高處理效率。 然而，需要注意的是，這種壓縮不僅僅是減少資料量，而是通過提取關鍵資訊和模式來實現的。
雖然大型模型在知識細節上可能存在一些不足，但其強大的處理能力和泛化能力使其在自動駕駛和機械人領域具有廣泛的應用前景。
大型模型的訓練過程。
大型模型的成功應用可以歸結為四個關鍵步驟。
首先是預培訓，這類似於我們不斷學習新知識和獲得經驗的方式。 通過吸收大量的資料和資訊，大型模型逐漸積累了對世界的知識和理解。 正如中國古話所說，“讀一本書一百遍，它的意義就會被自己看到”，當大模型接觸到足夠的資料時，它就能整合這些知識，形成自己的理解和判斷。
接下來是微調，這一步驟旨在教模型如何更好地與人溝通和回答問題。 通過有針對性的訓練和調整，大型模型可以逐漸學會用人類易於理解的語言和方式表達自己的想法和意見。
第三步是對齊，這是至關重要的。 因為知識本身沒有好壞之分，而是大模式的思想和行動必須遵循人類的道德和價值觀。 通過對齊過程，我們可以確保大模型在回答問題、提供建議時不會偏離正確的軌道，並且不會以違反人類倫理和道德的方式行事。
最後一步是應用，即將大型模型應用於真實場景，與人類進行互動和交流。 在這一步中，人類可以通過提出問題、提供反饋等方式來指導大模型的行為和思考。 同時，大型模型能夠根據人類的需求和偏好不斷優化其效能。
大型模型的智慧型效能並非沒有根據。 它的成功離不開海量資料的支援、先進演算法的應用以及不斷的優化和調整。 相比之下，其他一些技術，如web3，雖然被寄予厚望，但還沒有看到它們真正的爆炸性增長和對生活和工作的實質性改變。 然而，在2023年短短一年的時間裡，人工智慧已經展現出了驚人的發展速度和應用潛力。 這充分說明，大模型作為人工智慧技術的重要代表，正在引領新一輪科技革命和創新。
如何正確看待大模型？
在人工智慧的浪潮中，大型模型以其卓越的綜合能力逐漸湧現，不僅在多個領域展現出超越人類的實力，而且在各種專業考試中如魚得水，令人嘆為觀止。 然而，在為大模式喝彩的同時，我們也需要理性地審視它的侷限性和潛力。
首先，儘管大型模型具有出色的效能，但我們不能誇大其功能。 他們可能在某些領域仍有理解缺陷，例如數學、物理和其他科學問題。 此外，“製造”是大型模型的乙個重大問題，它有時會構成不存在的資訊。 這種現象可能會在一些關鍵領域產生嚴重後果，例如醫學。 因此，我們在應用大型模型時需要保持警惕，避免盲目依賴。
然而，這並不意味著我們應該低估大型模型的未來潛力。 技術的飛速發展證明，一旦達到拐點，進步速度就會呈指數級增長。 作為人工智慧領域的一顆新星，大型模型正呈現出前所未有的發展態勢。
最近，扎克伯格的言論在人工智慧領域掀起了波瀾。 他炫耀的超強算力，不僅支撐著人工智慧訓練的巨大需求，也預示著未來可能出現的驚人發展。 有人擔心人類知識會迅速枯竭，但事實上，隨著技術的進步，人工智慧有望通過擴大其知識庫來打破這一限制，例如通過自我生成的知識。
除了算力的提公升，人工智慧領域也在積極探索新的訓練方式。 利用人工智慧產生的知識來訓練人工智慧本身，已經成為乙個前沿的、有前途的研究方向。 這種方法不僅能夠不斷產生新的訓練資料，推動人工智慧的持續學習和進步，而且有可能為我們解鎖更多未知的可能性。
同時，多模態學習的興起也為人工智慧的發展注入了新的活力。 隨著多內容的日益豐富，人工智慧已經能夠同時處理文字、影象等型別資料，從而獲得更全面、更深入的知識和資訊。 可以想象，如果世界各地的相機都能為人工智慧提供學習材料，那麼未來人工智慧的增長曲線將是多麼驚人。
大型模型的開發和安全。
隨著GPT和國產大模型的興起，人工智慧開始引起廣泛關注。 通過模擬人類打字和交流的方式，人工智慧的概念迅速在世界範圍內流行起來。 然而，許多人可能只將大型模型理解為聊天機械人，但實際上，它的潛力遠不止於此。
大型模型的三個應用方向。
1.機械人。
大型模型技術為機械人行業注入了新的活力。 過去，訓練機械人需要對每個任務進行繁瑣的規則訓練，但現在大型模型可以讓機械人更深入地了解世界並採取相應的行動。 這一技術進步預示著機械人領域的重大突破，機械人有望在更多領域發揮更廣泛的作用。
2.自動駕駛。
大規模模型技術也有望推動自動駕駛的發展。 目前的自動駕駛系統嚴重依賴感知層面的技術，如雷達和攝像頭。 然而，大型模型技術的引入將使車輛能夠像人類駕駛員一樣深入思考，準確判斷道路上的障礙物並做出決策。 這將顯著提高自動駕駛系統的安全性和可靠性，並推動其發展到更高的水平。
3、科研助理。
大模型技術不僅可以用於語言交流和個人助理，而且有望成為科學研究的有力助手。 在生物學和疾病研究以及物理學和數學領域，大型模型可以幫助科學家進行複雜的資料分析和理論推導。 這項技術的應用將加速科學研究的進步，促進人類社會的進步。
隨著算力、資料和訓練方法的成熟，大模型技術的應用門檻逐漸降低。 關鍵在於如何巧妙地將大模型技術應用到真實場景中，並最大限度地發揮其潛力。 現在，無論是國內還是國外，人們都認識到，大型模型技術正在引領新一輪的工業革命，並將重塑各個行業。 因此，我們需要思考如何充分利用我們自己行業中的大模型技術來帶來真正的變革。
與將大型模型與作業系統進行比較不同，大型模型更有可能像 PC 一樣無處不在。 未來，每個**、企業和個人都可能擁有自己的大模式，這將導致更加分布式和私有化的大模式。 同時，隨著大規模模型技術的發展，數字孿生等前沿應用也將成為可能。 這將為我們提供全新的數字體驗，甚至在一定程度上實現數字不朽。
此外，大型機型還將廣泛應用於各種終端裝置，如手機、家用裝置等。 這將為使用者提供更加智慧型和便捷的服務。 特別是在汽車行業，沒有大型車型的汽車將很快被淘汰。 有了大模型，汽車可以與我們進行全面對話，管理整個自主駕駛艙和娛樂系統，提供比現在更先進的體驗。
因此，我們應該積極擁抱大型模型技術，並思考如何將其與我們的行業融合，以創造更多可能性並抓住機遇實現創新。 這將是一場深刻的行業變革，是抓住第四次技術革命機遇，推動社會進步的關鍵。
大型模型的開發和安全問題。
關於大型模型的開發及其伴隨的安全問題，世界上有兩種相反的觀點。
一方面，“安全派”主張對大型車型的開發持謹慎甚至限制的態度。 他們認為，大型模型的潛在風險可能對人類構成不可逆轉的威脅。 這些擔憂在軍事領域應用尤為突出，比如OpenAI最近解除了對人工智慧進入軍事領域的限制，美國國防部也開始嘗試將大模型用於各種應用，這無疑加劇了人們對大模型安全性的擔憂。
另一方面，“發展主義者”堅信，大模式是社會進步的重要工具。 他們認為，大模型的應用將為個人和企業提供強大的知識助手和支撐力量，幫助解決各種問題，促進社會經濟的快速發展。 這種樂觀情緒得到了大型模型在各行各業的廣泛使用的支援，這些應用例項展示了它們對行業發展的巨大推動力。
但是，無論觀點如何，我們都不能忽視大型模型開發中的安全問題。 為保證大型機型的安全性和可控性，需要加強技術研究和監管措施，防止其被惡意使用或產生不可控的後果。 同時，還需要解決內容安全問題，確保大模型生成的內容可信可靠。
在推動大模型發展的過程中，對其原理和機理有深刻的理解是很重要的。 我們需要探索如何將大型模型的能力限制在可管理的範圍內，以便它們可以成為為人類服務的有用工具，而不是潛在的威脅。 此外，利用大型模型的優勢來監控和糾正其行為也是確保其安全性的有效手段。
國家也提出了“數位化轉型、智慧型化改革”的口號。 “數位化轉型”是指數位化轉型，強調以大模型為基礎，推動各行各業的數位化程序。 如果沒有數位化轉型，就無法收集足夠的資料來提取有價值的知識來訓練自己的大型模型。 “智慧型化改造”是指智慧型化改造或智慧型公升級。
如何在企業中實現大型模型？
企業在使用大模型時遇到的問題。
企業在應用大型模型時確實會遇到多重挑戰。 雖然大型模型是用公共知識和資料訓練的，但企業內部有價值的“暗知識”，如專有圖紙、獨家配方和獨特的管理流程，是其競爭的核心。 這些獨特的資訊資產在通用模型中往往沒有得到充分利用。
問題的癥結是雙重的：
行業深度不足。 一般模型可能很舒服地回答基本的、一般的問題，但當他們觸及專業領域更深層次的問題時，它們就會變得捉襟見肘，甚至可能提供誤導性資訊。
企業適應性差。 一般的大模型難以充分理解和適應企業的具體環境和需求，限制了其在企業場景中的有效應用。
此外，資料安全問題也不容忽視。 將敏感的內部資訊輸入到外部模型中會帶來洩漏或濫用的風險。 因此，私有化部署成為保障資料安全的關鍵。
大型模型中的“亂碼”問題在企業環境中尤為嚴重。 單獨使用可能會容忍偶爾的不準確，但在企業方案中，此類失誤可能會導致嚴重的業務後果，例如錯誤警報導致的混亂。
成本也是中小企業面臨的挑戰。 通用大模型訓練所需的算力和資源成本高昂，讓許多企業望而卻步。 因此，未來大模式的開發應更加注重產業化、垂直化、企業化和產業定製化，以滿足不同企業的實際需求。
這一趨勢將為行業帶來前所未有的機遇。 與網際網絡領域不同，該行業具有廣泛的應用場景和未開發的市場。 結合企業“暗知識”培育大模型，將有效解決各種經營難題，促進行業可持續發展。
預計未來，大模型將呈現雙軌發展趨勢：一方面，網際網絡巨頭將持續推進雲端大模型的研發，探索人類智慧型的新高度; 另一方面，企業級模型將更加注重成本效益和實用性，通過“蒸餾”等技術將大模型精簡為高效、低成本的小模型，同時保持其效能優勢。
對於很多企業來說，打造千億模型成本高昂，不切實際。 相反，100 億模型經過優化，可在單台計算機上執行，成本低，並且易於擴充套件。 雖然規模較小，但 100 億模型在特定領域表現出色。
隨著大模型技術的普及，關鍵是要將其應用到具體場景中，並與企業知識相結合進行培訓。 使大型模型與企業業務保持一致需要技術和業務洞察力。 未來，人工智慧將成為企業的核心競爭力，掌握人工智慧技術的人才將具有競爭優勢。 因此，企業應積極推動人工智慧的普及應用，培養員工對人工智慧的意識和信任，以應對新的工業革命。
人工智慧內容“評估。
在當今企業對人工智慧的應用中，我們觀察到兩個核心層面：一是利用人工智慧通用產品把握其工作原理和侷限性，並相應地優化內部業務流程; 二是探索如何利用人工智慧來增強向外界提供的產品和服務。 雖然經常被問到如何在企業中有效利用人工智慧，但現實情況是，人工智慧可以自行創造新產品的案例仍然不多。
2023年，我們面對的現實是，大型模型技術雖然不斷進步，但仍不完善，潛力巨大但尚未完全實現。 因此，我們還沒有看到人工智慧帶來的那種顛覆性應用。 然而，這並不意味著我們不能從人工智慧中獲得真正的價值。 Microsoft和Salesforce的成功案例證明了這一點。 他們沒有試圖創造全新的產品，而是巧妙地將人工智慧技術整合到現有的產品線中，以增強使用者體驗和產品價值。
這引發了對創新本質的質疑。 創新不等同於發明，有時以新的方式呈現現有產品也是一種創新。 對於非 IT 背景的人來說，要求他們使用 AI 建立全新的產品可能不切實際。 相反，我們可以從Microsoft和Salesforce的策略中學習，並謹慎地將人工智慧技術整合到現有產品中，以便隨著時間的推移進行創新和改進。
為了推動人工智慧在企業中的廣泛應用，我提出了“人工智慧內容”的概念。 這意味著需要對員工進行培訓，以掌握人工智慧的基本原理和應用場景，並將其納入考核體系。 只有這樣，我們才能培養出對AI有深刻理解的開拓者，帶領公司與AI深度融合。 如果一家公司對人工智慧一無所知，那麼僅僅通過購買乙個大模型就無法產生真正的影響。 因此，“AI內容”不僅是對員工技能的要求，也是企業推進數位化轉型、提公升競爭力的重要指標。
與雲計算和大資料技術不同，人工智慧的應用高度依賴於特定的業務場景。 在購買了GPT賬號或對接外部大模型後，很多企業仍然發現很難將其與自己的業務有效整合。 這是因為人工智慧需要與業務深度耦合，並由業務驅動。 不同行業、不同企業的AI應用場景可能差異很大，因此企業需要根據自身業務特點來定義和引導AI應用。
為了實現大模型在企業中的順利實施，我們建議採取“小切口，大深度”的策略。 企業應首先聘請業務專家，將其業務需求分解為一系列具體的、定義明確的任務和場景。 然後，這些任務將與大型模型已演示的方案和功能相匹配。
在匹配過程中，有三個關鍵要素需要關注：大模型的能力能否在場景中發揮作用，是否有足夠的資料和知識來支援大模型的應用，以及場景的容錯能力如何。
以人力資源領域為例，企業可以從多個潛在場景中選擇痛點最突出、成本最高或當前表現最差的幾個場景，並嘗試引入AI技術來解決。 同時，為了保證大型模型的有效訓練和評估，企業必須保證自己有足夠的歷史資料和知識積累。 在容錯方面，企業也需要謹慎對待AI技術在關鍵業務環節的應用，確保不會對業務造成不可挽回的影響。
落地框架。 大型模型在企業中的應用需要乙個全面的框架來確保有效性和安全性。 該框架由以下三個主要部分組成：
首先，“資料工廠和模型工廠”的概念對於每個擁有自己大模型的企業來說都是必不可少的。 這意味著企業需要將一部分本地知識融入到模型中，通過資料工廠和模型工廠的支援，可以訓練出符合企業特點的大模型，以更好地適應和解決實際業務問題。
其次，構建外部知識庫也是關鍵。 企業內部的知識是不斷更新的，所以除了將知識整合到大模型中之外，還需要通過外部知識庫來管理和糾正模型中可能出現的錯誤。 通過將知識搜尋的準確性與大模型的智慧型性相結合，可以保證大模型在處理企業知識時不會出錯，從而提高其應用的可靠性。
最後，代理框架的引入賦予了大模型更強大的執行能力。 Agent可以理解為乙個大模型的延伸，使其能夠與企業內部的CRM、ERP、OA等系統連線，甚至通過網際網絡進行互動。 這樣一來，大模型就不僅僅是乙個對話工具，而是可以實際參與到企業的業務流程中，提高效率和智慧型化水平。 但是，代理的引入也帶來了安全風險，因此必須解決安全問題，以確保其雙刃劍性質不會對企業造成傷害。
2024年大型車型十大發展趨勢判斷。
大模型普及：大模型將成為每個企業的標準配置，無處不在。
開源大模型的爆發：隨著技術的日益成熟和開源社群的蓬勃發展，大模型的技術壁壘將逐漸消失，它們將以更人性化的模型進入千家萬戶。
小模型智慧型終端應用：為了滿足更多智慧型終端的需求，小模型應運而生，為物聯網、邊緣計算等領域注入新的活力。
企業級市場的崛起：隨著企業對智慧型化需求的不斷增加，大型模型在企業級市場的應用將迎來爆發式增長。
代理：大模型就像乙個強大的引擎，代理是將其與實際應用相結合的底盤和車輪。
TOC場景下出現殺手級應用：在面向消費者的場景中，一批殺手級應用有望湧現，引領新一輪消費公升級和生活方式變革。
多模態：隨著技術的進步和應用需求的提高，多模態將逐漸在企業中流行起來，成為處理音訊、音訊等多模態資訊的標準技術。
AIGC：人工智慧生成內容（AIGC）技術將取得突破，從最初的影象生成逐步擴充套件到第一代等領域，為營銷、設計等領域提供強大的輔助工具。
機械人：隨著大型模型技術的不斷滲透和應用，機械人行業將迎來新的發展機遇，有望在未來幾年實現爆發式增長。
促進基礎科學研究：大型模型將逐漸成為基礎科學研究的有力工具。