文：汪青 來源：經(jīng)濟觀察網 

“盡管目前AI大模型發(fā)展勢頭很猛，但在實際落地上仍屬于淺層次的理解式AI。随著(zhe)時間推移，行業也將(jiāng)會(huì)更爲理性地評估其實際效果和經(jīng)濟價值。”中關村科金副總裁胡建林在10月9日接受記者采訪時表示，而距離AI大模型大規模普及則需要考慮多重關鍵因素。比如，行業數字化水平、任務容錯率以及安全合規要求。此外，還(hái)需攻克大模型容易産生幻覺傾向(xiàng)、以往非結構化數據應用率低、企業流程性知識無法充分應用以及領域常識注入造成(chéng)通用能(néng)力下降等技術挑戰。

産業數字化在數字經(jīng)濟發(fā)展中持續主導，與不斷創新的數字技術緊密融合，其規模和深度迅速提升，成(chéng)爲數字經(jīng)濟增長(cháng)的引擎。

根據沙利文日前發(fā)布的《2023年中國(guó)AI技術變革企業服務白皮書》（以下簡稱《白皮書》）顯示，中國(guó)數字産業化規模在2022年達到8.8萬億元，占據數字經(jīng)濟比重達到18.3%。與此同時，産業數字化規模攀升至39.3萬億元，其在數字經(jīng)濟中的比重高達81.7%。預計到2025年，整個數字經(jīng)濟市場規模將(jiāng)達到55.7萬億元。

在此過(guò)程中，AI大模型的落地應用備受各界關注。相較于傳統AI技術通常需要大量的數據和計算資源，AI大模型通過(guò)自身的學(xué)習能(néng)力，可以在一定程度上自動地學(xué)習和提取數據中的特征，從而降低AI開(kāi)發(fā)難度，也使得更多開(kāi)發(fā)者和企業能(néng)夠更容易地利用AI技術來解決問題。

“自從ChatGPT推出，生成(chéng)式AI已經(jīng)在整個技術産業中引起(qǐ)了廣泛關注。尤其在資本和産品層面(miàn)，整個行業的熱度明顯上升。此外，生成(chéng)式AI的應用也不再僅局限于基礎的聊天機器人模式，而是廣泛滲透到企業服務、營銷和金融等多個領域。”胡建林表示，通過(guò)大模型技術爲智能(néng)客服産品賦能(néng)，大幅提升客服系統問答意圖識别準确率和回複準确率，預期後(hòu)期可減少70%以上的系統運營工作。

不過(guò)，就現階段而言，AI大模型對(duì)各類産業的影響程度亦各不相同。

根據《白皮書》顯示，在服務型産業中，AI能(néng)夠實現5.8%的顯著成(chéng)本降低，主要集中在客戶營銷、客戶運營、客戶服務等獲取和轉化客戶的成(chéng)本方面(miàn)，具有高替代潛力。在媒介型産業中，成(chéng)本降低比例爲2.8%，主要表現在銷售渠道(dào)管理和營銷内容等關鍵領域。對(duì)于産品型産業，AI有望減少1.6%的成(chéng)本，這(zhè)些企業通常在産品研發(fā)設計和市場營銷方面(miàn)投入較多，因此未來將(jiāng)通過(guò)自動生成(chéng)産品模型、外觀設計以及宣傳材料來重塑工作模式。然而，在制造型和基礎源頭型産業中，AI大模型滲透率相對(duì)較小，成(chéng)本下降幅度僅爲0.5%。

需要指出的是，面(miàn)對(duì)生成(chéng)式AI技術的高熱度，盡管許多企業熱衷于擁抱這(zhè)種(zhǒng)新技術，但其實在落地應用層面(miàn)仍面(miàn)臨諸多挑戰。

“首先，大模型的訓練複雜度高，需要大量算力和資源，雖然未來可能(néng)随著(zhe)技術進(jìn)步而得到解決，但近期仍是一個顯著的瓶頸。其次，随著(zhe)AI的應用，公民隐私和信息安全問題愈發(fā)凸顯，這(zhè)需要相應的法規來進(jìn)行約束和管理。此外，大模型在處理異常或複雜場景時，其抗幹擾能(néng)力和穩定性仍需提高。最後(hòu)，雖然一些企業已經(jīng)開(kāi)始在垂直領域探索大模型的應用，但大部分仍然在初級階段，怎樣(yàng)真正爲客戶創造價值、如何將(jiāng)技術與實際業務深度融合仍是一個巨大的挑戰。”雲蝠智能(néng)聯合創始人兼CMO張亞慧在此前召開(kāi)的2023沙利文新投資大會(huì)上表示，如何克服上述挑戰，真正實現其應用價值，是各行各業企業需要深入思考和探索的課題。

胡建林也指出，盡管在語言生成(chéng)上表現出色，但生成(chéng)式AI在事(shì)實判斷和過(guò)程生成(chéng)方面(miàn)仍存在問題，特别是在輸出看似合理但實則不确切的信息時。雖然部分挑戰已經(jīng)得到解決，例如通過(guò)外挂知識庫來增強事(shì)實判斷，但某些問題，如倫理和心智問題，仍然難以解決。從應用角度上來看，如何有效地利用非結構化數據，如音視頻内容，和如何在高頻與低頻問題中平衡模型的使用也是核心挑戰。同時，數據安全和合規性也是行業需要面(miàn)對(duì)的問題。

在技術不斷叠代過(guò)程中，生成(chéng)式AI的技術發(fā)展路徑又將(jiāng)如何演變？未來又將(jiāng)有哪些新的落地産品形态及應用場景？

據胡建林觀察，雖然大模型能(néng)力在不斷增強，但未來的複雜任務無法僅靠單一大模型解決。解決策略將(jiāng)涉及多技術和多模型的融合，而多agent多智能(néng)體的開(kāi)源框架爲此提供了一個方向(xiàng)。

胡建林認爲，未來，産品形态主要分爲兩(liǎng)類：基于聊天的工具類産品，如ChatGPT，這(zhè)些泛工具類的産品具有廣泛應用性，但缺乏行業特性；第二類是領域大模型，這(zhè)些模型針對(duì)特定行業，如金融、政務、醫療和法律，爲知識密集和高隐私性行業提供更具商業價值的解決方案。選擇落地領域時，需要考慮三大維度：任務的容錯性、領域的專業知識需求和場景的價值。例如，對(duì)于高風險任務，人機結合的方式是初步有效的選擇。