自去年ChatGPT徹底點(diǎn)燃了?cè)斯ぶ悄埽ˋI）的開場(chǎng)大秀后，全世界的人們都發(fā)現(xiàn)，從來沒有哪項(xiàng)技術(shù)能像AI一樣，可以用“日新月異”來形容：無論大模型還是芯片，都在以驚人的速度升級(jí)迭代；而以中美為首，帶動(dòng)了整個(gè)行業(yè)呈現(xiàn)出千帆競(jìng)發(fā)的盛況。隨著技術(shù)的飛速迭代與市場(chǎng)的深刻變革，開場(chǎng)秀終將落幕，現(xiàn)實(shí)的問題終將擺在所有人面前：如何應(yīng)用？如何盈利？

于是，一個(gè)清晰的共識(shí)正在逐漸形成：AI的發(fā)展已經(jīng)走過了單純的“大模型軍備競(jìng)賽”階段，正式邁入了“場(chǎng)景應(yīng)用深度挖掘”與“創(chuàng)新理念引領(lǐng)”并重的下半場(chǎng)。

在這個(gè)新的發(fā)展階段，如何在技術(shù)創(chuàng)新與商業(yè)應(yīng)用之間找到最佳平衡點(diǎn)？如何在激烈的競(jìng)爭(zhēng)中尋求合作契機(jī)？如何在挑戰(zhàn)中發(fā)現(xiàn)并抓住發(fā)展機(jī)遇？這些問題，已成為從業(yè)者們深思熟慮并給出答案的關(guān)鍵課題。中美兩國(guó)作為領(lǐng)頭羊，其動(dòng)向無疑吸引了?cè)澜绲哪抗?。兩?guó)的戰(zhàn)略選擇、技術(shù)投入與市場(chǎng)動(dòng)態(tài)，正以前所未有的方式塑造著全球AI的發(fā)展軌跡與競(jìng)爭(zhēng)格局。

1

美國(guó)視角：投資迷霧與商業(yè)化困境

美國(guó)，作為AI技術(shù)的發(fā)源地，其在大模型研發(fā)上的投資巨大，但商業(yè)化進(jìn)程卻步履蹣跚，面臨著投資回報(bào)率低和市場(chǎng)泡沫的風(fēng)險(xiǎn)。

在AI的熱潮之下，市場(chǎng)展現(xiàn)出無比熱情。英偉達(dá)、Meta、特斯拉、亞馬遜、谷歌母公司Alphabet、微軟以及蘋果，這七家被譽(yù)為“七巨頭”（Magna 7）的科技巨頭，在2023年的股市上大放異彩，其股價(jià)分別飆升了239%、194%、102%、81%、59%、57%和48%。

然而，在這股熱潮的背后，卻隱藏著不容忽視的陰影。今年6月末，高盛的一篇名為《投資太多，收益太少》更是將AI泡沫論推向了前臺(tái)，文章直言，大公司計(jì)劃在未來幾年投入巨額資金于AI相關(guān)領(lǐng)域，但除了略微提高開發(fā)人員的工作效率外，并未見到其他顯著成果。紅杉資本也認(rèn)為，AI產(chǎn)業(yè)泡沫正在加劇，而AI盈利的需求缺口不斷擴(kuò)大。不少機(jī)構(gòu)紛紛發(fā)出警示：AI大模型的研發(fā)正面臨前所未有的挑戰(zhàn)。盡管資金投入持續(xù)增加，但商業(yè)化進(jìn)程卻遠(yuǎn)未達(dá)預(yù)期，收入增長(zhǎng)乏力，盈利前景堪憂。更為嚴(yán)重的是，行業(yè)泡沫的風(fēng)險(xiǎn)日益凸顯，投資回報(bào)率低迷，引發(fā)了對(duì)于AI產(chǎn)業(yè)可持續(xù)性的深切憂慮。

具體來看，首當(dāng)其沖的便是商業(yè)化與投入產(chǎn)出問題。當(dāng)前，大模型研發(fā)的投資持續(xù)增加，但商業(yè)化路徑卻尚未明確，導(dǎo)致投入產(chǎn)出比嚴(yán)重失衡。賽道的發(fā)展前景模糊不清，使得投資者和開發(fā)者均面臨巨大的不確定性。此外，AI大模型的收入增長(zhǎng)不足，盈利前景堪憂，進(jìn)一步加劇了市場(chǎng)的焦慮情緒。特別是隨著技術(shù)的進(jìn)步，AI模型的訓(xùn)練成本不斷攀升，例如《2024年人工智能指數(shù)報(bào)告》稱，OpenAI的GPT-4模型訓(xùn)練成本預(yù)計(jì)高達(dá)7800萬美元，而谷歌的GeminiUltra模型更是高達(dá)1.91億美元。這樣的高額成本對(duì)于許多企業(yè)來說是一個(gè)重大的負(fù)擔(dān)，尤其是在回報(bào)不明確的情況下。

另一方面，AI應(yīng)用的實(shí)際發(fā)展情況也令人擔(dān)憂。盡管大模型在技術(shù)上取得了顯著進(jìn)展，但其應(yīng)用落地卻遠(yuǎn)遠(yuǎn)慢于市場(chǎng)預(yù)期。雖然AI技術(shù)在圖像分類、視覺推理和英語理解等任務(wù)上已經(jīng)超過了?cè)祟惖谋憩F(xiàn)，但在更復(fù)雜的任務(wù)上，比如競(jìng)賽數(shù)學(xué)、視覺常識(shí)推理和規(guī)劃等方面，仍然落后于人類。這種發(fā)展滯后不僅影響了市場(chǎng)的信心，也加劇了行業(yè)內(nèi)部的焦慮情緒，使得人們開始重新審視AI技術(shù)的發(fā)展路徑。

在這一背景下，美國(guó)AI領(lǐng)域正經(jīng)歷著一場(chǎng)深刻的反思與轉(zhuǎn)型。從單純的技術(shù)競(jìng)賽轉(zhuǎn)向?qū)ι虡I(yè)化路徑的深入探索，從對(duì)大模型研發(fā)的盲目樂觀到對(duì)場(chǎng)景應(yīng)用落地的迫切需求。

2

愈發(fā)昂貴的賽道亟需尋求新方向

在人工智能的洶涌浪潮中，大模型無疑成為了耀眼的明星，其強(qiáng)大的生成能力和廣泛的應(yīng)用前景使之成為炙手可熱的投資項(xiàng)目。然而，大模型產(chǎn)業(yè)的現(xiàn)狀卻猶如“冰火兩重天”，一面是技術(shù)的飛速突破和投資熱潮的洶涌澎湃，另一面則是企業(yè)在實(shí)際應(yīng)用中面臨的諸多挑戰(zhàn)與困境。

自ChatGPT橫空出世以來，大模型技術(shù)以驚人的速度發(fā)展，不斷拓寬著人工智能的認(rèn)知邊界。谷歌、微軟、Meta等科技巨頭紛紛加大在AI領(lǐng)域的投入，競(jìng)相建設(shè)數(shù)據(jù)中心，算力資源的爭(zhēng)奪戰(zhàn)愈發(fā)激烈，成為行業(yè)關(guān)注的焦點(diǎn)。然而，《華爾街日?qǐng)?bào)》3月31日的報(bào)道卻如冷水澆頭，揭示了一個(gè)殘酷的現(xiàn)實(shí)：AI行業(yè)去年在訓(xùn)練大模型上，僅在英偉達(dá)芯片上的花費(fèi)就高達(dá)500億美元，而收入僅為30億美元，顯示出高昂的投入與微薄的回報(bào)之間的巨大鴻溝。

科技巨頭們的AI支出規(guī)模同樣證明了這一點(diǎn)。據(jù)媒體報(bào)道，Meta預(yù)計(jì)今年的AI支出將激增至多100億美元，谷歌每季度投入約120億美元，微軟更是在一個(gè)季度內(nèi)豪擲140億美元，并預(yù)示這一支出將持續(xù)顯著增長(zhǎng)。隨著超大規(guī)模數(shù)據(jù)中心的迅速崛起，Synergy研究集團(tuán)預(yù)測(cè)，未來每年將有超過120至130座造價(jià)以億美元計(jì)的超大型數(shù)據(jù)中心上線，而每座數(shù)據(jù)中心的造價(jià)都以億美元為單位。

然而，AI及大模型賽道的昂貴不僅僅體現(xiàn)在燒錢速度上，更在于短期難以回本的現(xiàn)實(shí)。盡管OpenAI的年收入已超過34億美元，但高昂的運(yùn)營(yíng)成本和激烈的競(jìng)爭(zhēng)環(huán)境仍使其處于虧損狀態(tài)，預(yù)計(jì)到2024年底，虧損將接近50億美元。

面對(duì)這一現(xiàn)狀，國(guó)內(nèi)科技巨頭展現(xiàn)出了更為審慎與務(wù)實(shí)的態(tài)度，開始從通用大模型的廣泛探索轉(zhuǎn)向行業(yè)垂直大模型的深耕布局。通用大模型作為應(yīng)對(duì)廣泛任務(wù)的基石，其重要性不容忽視；而垂直大模型則以其對(duì)特定行業(yè)的深度挖掘與精準(zhǔn)滿足，成為市場(chǎng)的新寵。在醫(yī)療、金融、法律、教育等領(lǐng)域，垂直大模型正逐步展現(xiàn)出巨大的應(yīng)用潛力，重塑行業(yè)面貌。

值得強(qiáng)調(diào)的是，大模型的廣泛應(yīng)用離不開算力、數(shù)據(jù)與算法的堅(jiān)實(shí)支撐，這為中小企業(yè)或算力資源有限的企業(yè)設(shè)置了高門檻。但正是這樣的挑戰(zhàn)，促使整個(gè)行業(yè)不斷探索創(chuàng)新，尋求更加高效、經(jīng)濟(jì)的解決方案，以推動(dòng)AI技術(shù)的普及與深化。

3

破局：在中國(guó)，AI正在重塑千萬行業(yè)

垂直大模型之所以受到青睞，不僅在于其相對(duì)較低的開發(fā)成本和可控的難度，更在于其能為企業(yè)帶來差異化的競(jìng)爭(zhēng)優(yōu)勢(shì)。通過深耕細(xì)作，企業(yè)能夠顯著提升產(chǎn)品和服務(wù)的智能化水平，從而在激烈的市場(chǎng)競(jìng)爭(zhēng)中脫穎而出。然而，垂直大模型領(lǐng)域仍是一片待開發(fā)的沃土，傳統(tǒng)企業(yè)因IT基礎(chǔ)薄弱、投入產(chǎn)出比考量等因素，往往難以自主研發(fā)大模型，更傾向于借助外部力量共同探索。

即便垂直大模型降低了門檻，可在實(shí)際落地過程中面臨兩大難點(diǎn)：一是如何找到合適的應(yīng)用場(chǎng)景，并設(shè)計(jì)出高性價(jià)比的產(chǎn)品形態(tài)，以最優(yōu)的成本實(shí)現(xiàn)最佳效果；二是戰(zhàn)略規(guī)劃和軟硬件設(shè)施的兼容性問題，客戶目標(biāo)的模糊、技術(shù)認(rèn)知的不足以及系統(tǒng)整合的復(fù)雜性，都增加了大模型落地的難度。

業(yè)內(nèi)人士指出，企業(yè)的目標(biāo)應(yīng)是利用AI解決實(shí)際問題，而非單純追求與大模型的結(jié)合。因此，企業(yè)需思考如何讓人與機(jī)器更好地協(xié)作，以解決問題為出發(fā)點(diǎn)，避免盲目追捧大模型。在此背景下，國(guó)內(nèi)頭部科技企業(yè)正積極調(diào)整戰(zhàn)略方向，將重心轉(zhuǎn)向垂直大模型的精細(xì)化深耕，力求實(shí)現(xiàn)大模型實(shí)際應(yīng)用價(jià)值的最大化，助力企業(yè)實(shí)現(xiàn)效率與效益的雙重飛躍。在中國(guó)，這一趨勢(shì)尤為明顯。其中，華為云的技術(shù)和產(chǎn)品正在幫助各行各業(yè)實(shí)現(xiàn)智能化轉(zhuǎn)型。

以往新藥研發(fā)是一項(xiàng)復(fù)雜且漫長(zhǎng)的系統(tǒng)工程。醫(yī)藥健康行業(yè)長(zhǎng)期面臨新藥研發(fā)周期長(zhǎng)、成本高、成功率低的困境。傳統(tǒng)模式下，新藥研發(fā)常被“雙十定律”束縛，即十年時(shí)間、十億美元投入，且成功率極低。這不僅制約了我國(guó)醫(yī)藥創(chuàng)新，也讓眾多藥企在研發(fā)路上步履維艱。

面向醫(yī)藥健康行業(yè)，華為云推出了以盤古大模型為核心的醫(yī)療健康解決方案，將藥物設(shè)計(jì)的效率提升33%，優(yōu)化后的分子結(jié)合能提升40%以上，實(shí)現(xiàn)早研階段的全流程加速，為“創(chuàng)新藥”解難題，讓“雙十定律”不再困擾藥物研發(fā)。基于盤古藥物分子大模型，西安交通大學(xué)第一附屬醫(yī)院成功將藥研時(shí)間周期從數(shù)年降低至數(shù)周，并降低90%的資金及人力成本；東南大學(xué)借助盤古藥物分子大模型實(shí)現(xiàn)與器官芯片實(shí)驗(yàn)驗(yàn)證一致性超80%的成果；天士力通過盤古藥物分子大模型學(xué)習(xí)350萬天然產(chǎn)物分子數(shù)據(jù)，打造了“數(shù)智草本大模型”，實(shí)現(xiàn)天然產(chǎn)物屬性預(yù)測(cè)和優(yōu)化結(jié)果提升10%。

為了打通AI落地“最后一公里”，華為云提供“AI+行業(yè)”解題思路在越來越多的行業(yè)里出現(xiàn)。面向制造場(chǎng)景的大模型落地，海亮集團(tuán)攜手華為打造了海亮銅箔工藝優(yōu)化大模型，通過工藝優(yōu)化提升生產(chǎn)效率，配方優(yōu)化提高產(chǎn)品品質(zhì)，并通過工藝仿真加速產(chǎn)品創(chuàng)新。面向物流行業(yè)的大模型落地，順豐在華為云昇騰云服務(wù)的支持下，順豐打造了“豐語”大模型，構(gòu)建了AIGC應(yīng)用的宏大版圖。其中，華為云昇騰云服務(wù)提供澎湃算力支持，并通過高效的數(shù)據(jù)、開發(fā)、訓(xùn)練及推理平臺(tái)，助力AI應(yīng)用的高效開發(fā)與資源利用，構(gòu)建起堅(jiān)實(shí)的大模型底座。

在知識(shí)密集型行業(yè)中，大模型的應(yīng)用正推動(dòng)著“智力即服務(wù)”的范式轉(zhuǎn)變。在汽車行業(yè)，廣汽AI研發(fā)助手依托華為云CodeArts，構(gòu)建了代碼助手和診斷助手，實(shí)現(xiàn)了代碼的自動(dòng)編寫與檢測(cè)，以及智能汽車故障的自動(dòng)診斷。圍繞人工智能在礦山領(lǐng)域落地難、復(fù)制性難的問題，依托華為盤古礦山大模型，云鼎科技構(gòu)建了“1+4+N”架構(gòu)的智能化方案，打造國(guó)內(nèi)首個(gè)礦山行業(yè)大模型。通過1個(gè)AI開發(fā)平臺(tái)和4個(gè)盤古大模型能力，開發(fā)N個(gè)高價(jià)值應(yīng)用場(chǎng)景，支撐人工智能大規(guī)?！跋戮?。

如今，AI技術(shù)的應(yīng)用已經(jīng)滲透到了各行各業(yè)，成為推動(dòng)全球經(jīng)濟(jì)發(fā)展的新引擎。同時(shí)，也面臨關(guān)鍵數(shù)據(jù)稀缺、專業(yè)場(chǎng)景識(shí)別、以及模型性能與性價(jià)比的平衡難題等多重挑戰(zhàn)。華為副董事長(zhǎng)、輪值董事長(zhǎng)徐直軍在2024年華為全聯(lián)接大會(huì)上強(qiáng)調(diào)，AI技術(shù)正在成為對(duì)行業(yè)影響最大的技術(shù)，通過AI使行業(yè)數(shù)字化，改變行業(yè)的生產(chǎn)方式，成為各行業(yè)進(jìn)入智能世界的核心引擎。他提出，智能化時(shí)代的企業(yè)應(yīng)具備“六個(gè)A”特征，包括自適應(yīng)體驗(yàn)、自演進(jìn)產(chǎn)品、自治運(yùn)營(yíng)、增強(qiáng)員工、全量全要素全聯(lián)接、智能原生基礎(chǔ)設(shè)施。

作為世界第二大經(jīng)濟(jì)體，中國(guó)在制造、醫(yī)療、交通、家居等應(yīng)用場(chǎng)景和數(shù)據(jù)方面擁有豐富的資源，為AI的發(fā)展提供了廣闊的試驗(yàn)田和應(yīng)用空間。中國(guó)AI領(lǐng)域的發(fā)展前景廣闊而充滿機(jī)遇。然而，只有產(chǎn)業(yè)界共同探索解決方案，才能真正推動(dòng)技術(shù)與應(yīng)用的協(xié)同發(fā)展。面對(duì)AI時(shí)代的種種挑戰(zhàn)，唯有產(chǎn)業(yè)融合、多方協(xié)作才能實(shí)現(xiàn)共贏。通過深度挖掘場(chǎng)景應(yīng)用，中國(guó)將能夠不斷釋放AI技術(shù)的潛力，推動(dòng)各行業(yè)實(shí)現(xiàn)數(shù)智化轉(zhuǎn)型。

來源：環(huán)球時(shí)報(bào)

流程編輯：U022