專題：2024中國企業未來之星年會

　　2024中國企業未來之星年會于7月26日-28日在上海舉行。 智譜AI COO張帆出席并演講。

　　大模型時代如何構建企業的競爭力？張帆指出，要選擇合適的基座模型，與之搭配相適應的組織，并且重新定義在新的生產工具下的數據資產，并且找到業務場景與之融合，變成一個增正向的飛輪，讓每一輪飛輪都變成數據資產，沉淀一部分。

　　“在選擇基座模型的時候要算大賬，算整體支出和業務的整體成本，組織并不是技術越強越好，也不是人越多越好，如何恰如其分的選擇在模型上層應用需要的技術，我覺得很重要”，他強調。

　　他還指出，以往的數據資產全部都是建立在結構化體系上的，但結構化注定只是少量數據，并且由于上下文的缺失損失了部分信息，在今天大模型的背景下，更廣泛的數據、非結構化的數據都會變成資產，極大地擴充資產邊界，為資產帶來了全新的定義。

　　“在此之后，在數據之上如何把數據轉化為業務場景，大模型并不是簡單的對話，它應該是潤物細無聲的貫穿整個服務體系，并且在每一次的循環當中把這些能力沉淀下來，成為我們的核心競爭力”，他說。

　　以下為演講實錄：

　　張帆：非常高興今天有機會和大家做交流。我想講應用上的探索，就是應用的落地和在座企業家有什么關系，應該如何利用這個時代。

　　大家肯定比較熟悉，ChatGPT從發布之后非常快的時間，只用了兩個月，全球用戶過億。在這歷史上從來沒有這么現象級的產品，TikTok都用了9個月的時間。而且絕大多數人對大模型的理解，并不是概念，而是我們感受到了應用，所以大模型天然就是已經可以落地的技術，不需要等待，就可以用。

　　我們看到了IDC、Gartner等預測機構對大模型都非常有信心，預測2026年會有80%的企業會應用大模型，目前看起來一定也不激進，而且今天看到幾乎所有的企業或多或少都在應用，無論是個人還是企業。這次和以往有什么不一樣。

　　AI從誕生到今天差不多七八十年了，為什么這次讓大家高度共識、這么熱情的應用這個技術？簡單向大家介紹一下，不講太遠的。從移動互聯網時代來看也就是所謂的0.5時代，10年左右我們已經在應用AI了，只不過當時在搜索以及視頻網站的推薦都在應用，只是那時候的AI每個都是獨立應用，一個單詞做一個實現，選一個數據訓練一個模型，任何一個錯誤都可能導致白做。做發票識別，如果發票格式變化了，就白做了。那時候AI是高門檻技術，只有互聯網大廠才能應用。

　　到了13年、14年，我們看到一個變化，就是神經網絡的突破，一下子把算法層統一了，大家都用一個算法，某種程度上帶來了AI的第一次普惠，讓AI的成本和門檻比原來下降一個數量級，就激發了大家的應用，就是從互聯網大廠開始轉移到產業和行業里，這也是大家真正把它和產業結合了，今天所有企業或多或少都會使用，包括人臉識別、客服等等。

　　2.0時代是什么？大模型把一切都統一了，算法到模型，到任務，全都統一了，包括未來的多模態，它會進一步帶來普惠，相信大家都有感受，應用場景更多。另一方面，它把產品和門檻下降了兩個數量級，讓AI變成了一個基礎技術，不再是高端技術。

　　如果企業內部做一個文檔或者簡歷抽取，如果不花兩三個高階工程師做半年很難有不錯的效果，而兩三個工程師的半年就是兩三百萬，成本非常高。但是，今天利用大模型可以用一個不同編程的運營或者產品經理，花一個禮拜的時間就可以達到以前一樣好甚至更好的效果，所以AI變成了所有人都可以使用的基礎生產要素。它變成基礎生產要素以后，所有的上層建筑都會重構，我們的協作方式、組織方式、用戶體驗、商業模式都會變化，這是在今天帶來的巨大變化。

　　說一下智譜AI，我們是2019年成立的公司，成立之初就把機器像人一樣思考作為我們的使命，也是AGI的另一種表述。成立之初，我們就專注于大模型的研究，發布了完全自主知識產權，我們不叫GPT，叫GLM，2022年已經開源了千億基座模型、代碼大模型，2023年開源了更多的模型，多模態模型等其他專項模型，今天GLM已經更新到第四代了。

　　今天我們有了非常完備的模型矩陣，語言模型既有1.5B、3B的端側模型，而且端側模型已經有跑在了汽車上，在汽車端側8295芯片上就可以跑一個模型，而且完全跑通了，包括AIGC、手機、NAS，我們也開源了9B，目前為止全球累計下載量已經超過了1600萬，我們的Flash、Air等不同size的模型幫助大家組合不同的應用。代碼有代碼模型，多模態模型就是文生圖、圖生視頻等等模型，我們還有專項大模型，專項UI或者是評測等等，所以我們有完全對標OpenAI的模型矩陣，我們開源了19個模型。

　　今年1月份發布之后，GLM-4基本上達到了GPT4的平替了，我們考慮的是中文，我們的128K比OpenAI長3倍，也就是比它寬3倍。我們還開源了9B模型，它也是唯一一個可以直接跑到百萬窗口，而且完全開源了，大家都可以應用。

　　還有多模態的模型能力，簡單講講它有什么用。大家可以看一下這和以往的CV有什么不一樣，第一張圖上面有三個小房子，問大模型，它會說有四個，因為旁邊有半個房子，所以它推理旁邊還有第四個房子，以前只是圖生圖，但現在它已經可以基于圖做推理，這就是帶來的深度應用。

　　下面偏哲學的圖片，就是機器人媽媽帶一個機器人，圖片是“GPT也不過如此”，它是有隱諱含義的圖，但它依然可以理解，就是暗示人工智能已經達到了人的水平，但人類并沒有驚訝。我們把大模型的應用場景和天花板拉得更高，非常復雜的表格可以不做任何針對性訓練，就可以直接輸出markdown，降低了AI的門檻。

　　昨天我們發布了文生視頻的大模型，昨天上午發布了，很多人進行試用之后有很好的反饋。

　　[多媒體演示]

　　這是完全由大模型生成的，人只是把生成的東西做了一點簡單的剪輯，拼到了一起，整個內容都是由機器生成的。昨天我們也看到了很多有做了非常有意思的視頻發到朋友圈。它當然有很多不完美，但這只是第一個版本，相信大模型迭代的速度，它會非常快的進步和進化。

　　我們也提供了致力于通過AGI，我們打造全新一代的MaaS平臺，讓大家可以隨時微調我們的千億模型，讓每個人都用自己的私有模型，比我們開源的成本低出數十倍，門檻非常低。我們適配了國內端側模型，還適配了國內40個廠家的信創芯片，應用上更加自由。

　　今天大模型已經開始落地在各種各樣的地方，無論是消費、指導、游戲、醫療、教育、文旅等等，今年我們已經看到了很多深入企業內部，帶來了直接的價值。

　　看幾個例子。在汽車領域，從文本模型到文生圖模型、圖像理解模型做成了一個組合，如果再分層，有部分在端側，有部分在云側，做了部分的矩陣組合。在車里的文本模型可以解決原來很難解決的問題，比如聊天，siri很容易聊死了，它可以繼續聊下去；比如車控，以前只能簡單的開窗、關窗，現在可以復雜車控，條件意圖以及隱含意圖，都可以搞定；還有車書問題，問燈為什么會亮，不用掏出使用手冊，它可以直接給出答案。很多小朋友可以在車的后面生成繪本，這就是圖文創作。車外景物識別是外部信息和內部信息的感知，比如問前面的車是什么牌、是不是快到了，對內還可以說是不是系了安全帶、小朋友是不是爬上去了等等，有很多應用場景。

　　還有手機和音響助理，大模型都帶來了明顯超越傳統方法的效果。還有銷售助手，在銷售企業，銷售給客戶打電話和智能工牌，把聲音錄下來之后，轉成結構化的需求和結構化的用戶畫像，客服之間銷售摘要，還有銷售話術提煉、戰敗歸因、模擬訓練，變成一個假的客戶讓它給銷售打分等等。還有撰寫文案，可以改性、縮寫，生成PPT等等。

　　如果各位企業家落地的時候，應該怎么做？談不上最佳實踐，把我們的實踐和大家做一些分享。企業判斷大模型是否ready，我見過兩個極端案例，一個是把它當成許愿池，好像什么都可以搞定。另一個是無時無刻找一些大模型干不成的事，證明它不行。這兩個極端都不對，顯然我們知道今天的大模型相當于iPhone1.0，上面的應用一定比PC好嗎？不一定，但它起碼是一個開始，我們可以找到合適化的程度以及試點，找到對應的負責人并且有合理的期待，這是我們的關鍵。

　　從模型的角度應該怎么思考呢？我們發現今天很多人在應用模型的時候切入點就是錯的，這不是模型能搞定的事。由于時間關系就不展開了，但是如何把能力轉變為軟件和工程的體系。

　　大模型時代如何構建自己的競爭力，就是四個維度：第一，選擇合適的基座模型，與之搭配相適應的組織，并且重新定義在新的生產工具下數據資產，并且找到業務場景與之融合，變成一個增正向的飛輪，讓每一輪飛輪都變成數據資產，沉淀一部分。在選擇基座模型的時候要算大賬，算整體支出和業務的整體成本，組織并不是技術越強越好，也不是人越多越好，如何恰如其分的選擇在模型上層應用需要的技術，我覺得很重要。以及過去的數據資產全部都是建立在結構化體系上的，我們做知識圖譜和業務系統也好，永遠都是要結構化，但結構化注定只是少量數據，并且由于上下文的缺失損失了部分信息，今天大模型背景下，更廣泛的數據、非結構化的數據都會變成資產，極大地擴充了資產邊界，為資產帶來了全新的定義，在此之后，在數據之上如何把數據轉化為業務場景，大模型并不是簡單的對話，它應該是潤物細無聲的貫穿整個服務體系，并且在每一次的循環當中把這些能力沉淀下來，成為我們的核心競爭力。

　　所以，我們認為其實每個企業家或者個人都應該思考如何借助模型增強我們的競爭力。謝謝大家！ 

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點或證實其描述。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：梁斌 SF055