招商局创投汪婧谈AI：科技新范式重构产业生态，ToB成为大模型商业化关键路径 | 阿里云峰会·粤港澳大湾区活动回顾

6月1日，以“智在粤港澳 为创新提速！”为主题的2023阿里云峰会·粤港澳大湾区专场在广州举办。招商局创投、招商数科基金负责人汪婧带来《AI新世界：新技术经济范式》主题演讲，以投资人的视角分享了她对技术-经济新范式的观察，分析当下AI产业的发展机遇与挑战，探讨大模型商业化落地路径。

汪婧：“AI的发展是一个螺旋上升的过程，科技的进步推动着整个社会和经济的发展。”

（以下为本次分享精选内容，仅供交流。）

一、人工智能时代迎来2.0，多模态大模型带来新技术-经济范式

在过去短短的两年间，生成式AI领域不断涌现新黑马，其中一些企业或平台在极短时间内获得1亿美金营收/融资或超1亿用户数。这种难以想象的增速和扩张规模，是新范式的体现之一。

我们从Open AI说起。Open AI坚信通用人工智能，对技术路径进行了非共识选择和坚定不移地持续投入。 通用大模型是人才、数据、算力、模型等多维组合的系统化工程能力推进的突破性技术进展，团队和组织是系统化能力的基石。此外，OpenAI搭建了多维生态，在这个生态中，包括产品、技术、投资孵化和接入伙伴及合作客户的演进和支持。

OpenAI引领的新范式，让更多企业和大众相信通用人工智能。越来越多头部企业、创业者、科研机构以及学校研发团队加入大模型的研发。当下，人工智能时代的拐点已经到来。

人工智能时代的第一个阶段，是以计算机视觉为代表的AI1.0。这个阶段的特点是一个任务对应一个模型，需要进行劳动密集的数据标注工作。诸多的数据集和诸多模型各成孤岛，复用度低，也导致了这个阶段的规模化和有效商业化落地存在挑战。

来到AI2.0的通用大模型时代，可实现多模态的输入和多能力的输出。在一个模型中集合了文字、图像、语音等多模态海量数据和“世界知识”，使模型具备推理、理解和创作等综合能力，真正实现生产力的提升。

信息时代的60年间，全球GDP增长了60倍。AI2.0迎来的智能时代，带来的GDP增速和动能会更快。大模型的能力推动思维及实践的新范式出现，一方面将模型的应用建设从烟囱式的孤岛向平台式拉通；另一方面也带来了整体产业成本的结构性变化。在原来的孤岛式开发模式下，每个任务都需要花费一定量的人力和资金来完成一个模块的模型开发，并且不同客户和不同场景间的复用度低，知识仍然在人脑中。而在AI新范式下，密集人才和资金投入搭建的基座模型所具备的能力，知识沉淀在模型中，可以支撑上层轻量化投入搭建各种产品和应用。未来，也许可以实现需基于一个能够进行自主学习和训练的世界通用大模型，加之与机器人相结合，就能与真实世界实现顺畅交互。知识无处不在，认知无处不在，所以模型也会无处不在。

虽然大模型技术还处于早期发展阶段，还存在一些事实性错误、幻觉等问题，但我们相信这些技术层面的问题会被更好地解决，包括使用安全、模型能力、多模态能力提升，以及自学习能力等方面。

二、AI新范式驱动产业重构，带来新职业形态与创业热潮

科技的进步会对整个社会产生广泛的影响，包括国家、产业和个人。

经济学家卡洛塔·佩雷斯（Carlota Perez）认为：“每次技术革命都使得整个生产体系得以现代化更新，从而每50年左右都会使总体效率水平达到一个新的高度。”

技术范式变革是一个双重性的互动，从基础设施到组织的结构性变化，推动整个社会生产效率的提升，进而对国家发展产生重要影响。技术-经济范式在核心国家发展成熟后会向外围国家（后发国家）扩散，为其带去范式追赶的历史机遇。所以自主的大模型对国家也非常重要。

AI技术会驱动各个产业的业务创新，甚至产业重构，从信息娱乐，到金融、法律，以及更为广阔和长远的教育、医疗、工业、农业等产业，均会受到这次新范式的影响。

对于个人而言，AI2.0可能带来交互入口的颠覆，也会带来生产效率和生活方式的变革，未来每个人工作上可以有copilot，生活上可以有超级助手。

根据高盛今年3月份的调研数据显示，AI会影响相当于3亿份全职工作的工作量，可能意味着带来新的就业机会和生产力繁荣。从长期来看，AI的发展将带来7%的GDP增长。另外，高盛的报告指出，今天60%的职业在1940年时并不存在，例如滴滴司机和外卖这些职业。随着技术的进一步发展，未来一定会出现新的职业形态；同时，技术成本的结构性变化还会引发一轮创业潮。

我们以投资视角去梳理AGI产业整体结构，可以分为应用层、中间层、模型层、计算层。

● 应用层的构建变得更加容易，但面对不断涌现的新团队和产品也可能更加难以防御。又或者相反：对于已经有工作流和用户积累的产品来说，AI工具的叠加可以带来提升效果，从而增强其竞争壁垒。

● 虽然目前中间层在国内较少，但未来一定会成为AI生态繁荣的重要支撑。如果我们将大型基础模型视为一个新的应用平台，更为广泛的技术堆栈和生态会来支撑整个产业进一步的发展。

● 模型层处于技术快速演变的过程中，每天都有新的变化。基础模型正在经历快速的民主化和开源，目前基础模型和专有模型相结合，而专有模型包括行业和领域模型。

● 在计算层，我们认为算力是所有模型的基础。

参考AZ16调研，从当前AGI产业的价值流向看，生成式AI总营收的10-20%将流向云服务提供商。模型应用公司平均将约20-40%的年收入用于模型的推理和定制化的微调，模型提供商将大约一半的收入投入云基础设施。未来我们希望算力和训练成本能够持续下降，从而进一步带动整个产业链的发展。

三、关注大模型B端应用，抓住机遇也要关注潜在风险

海内外的大模型先行者起到了引领和示范作用，也让国内的厂商可以更低成本进行模型开发。中国的科技巨头和中国AI科学家正在不懈地努力，追赶构建自己的大模型。目前许多应用领域也尚未开发，但随着后续国内基础模型的能力提升和产业成本下降，预期未来会百花齐放。

我们认为，ToB是国内大模型商业化的重要路径。

B端用户有自己的私有数据以及工作流的反馈，这些反馈可以进一步优化模型的能力。对于大B端用户来说，更关注技术对业务场景的价值提供。当中有几个需求特点：

●  模型和场景适配上，高价值的业务场景需要高质量，日常的业务场景需要好效果。高价值的业务场景需要专有模型服务， 例如在交易、风控等核心场景。针对日常办公场景，可以通过调用通用模型API或已有工具嵌入的AI能力，例如使用加入AI能力的钉钉。

●  部署方式上，B端大模型的部署应该是云加端的方式，当中既有私有化的模块，也有云调用的模块。

●  模型选择上，很可能是多对多模型。现今模型的快速发展和动态变化，B端在不同业务场景可能接入多个模型。

在当今快速变革的数字化时代，B端企业必须具备良好的适应能力，从人员结构、技术体系、工作模式等方面进行改变，保持敏捷度和开放度，以保持在业务场景的先进性。可以根据需要场景进行微调，沉淀数据和微调过程，基座模型上实现快速而灵活的插拔式能力。这样对于B端的企业来说会更有利。

人工智能2.0时代充满了机遇和责任。随着AGI产业的持续发展，其带来的潜在风险也不断升级，包括数据安全风险、社会信任风险、知识产权风险、社会伦理风险等，这些风险具有广泛性和可变性。相应的监管也毫无疑问具有紧迫性和重要性，需要依赖企业自治、行业监督还有政府的引导，多维措施早期介入。现在无论是国内还是海外，政府都在积极地推行一些暂行办法和管理条例。

像阿里云这样的大厂是重资本、重人才投入的通用大模型开发的重要参与者。在专业化的专有模型和技术堆栈，基于我们的产业背景，我们会积极寻找和对接产业专业模型及中间层技术栈的产品和服务，促进技术与产业的合作与创新。