8月底，由未来科技力主办的【模型思辨：大模型产业生态论坛：沸腾的资本、踏浪的 AGI】在上海举行，我们围绕大模型的 iPhone 时刻、垂直大模型的爆发，AIGC 产业落地应用和算力架构设计，同猎豹移动、易观、浪潮信息、网易伏羲、IDEA研究院、竹间智能等产业链上下游、学界和投资界的20多位好朋友们进行了深入的讨论，也吸引了400多位业内人士及媒体朋友们的参与。作为全球化视野的科技内容平台和创新连接器，未来科技力始终密切关注中国大模型产业的发展，我们深信，中国的人工智能行业最终将走出一条属于自己的创新与突破之路。

以下为易观智慧院院长、首席分析师李智《大模型对于产业数智化的影响分析》演讲实录，由未来科技力整理发布：

易观智慧院院长、首席分析师李智演讲实录：大模型对于产业数智化的影响分析

大家好，我是易观智慧院的分析师，我今天分享的这个视角恰恰站在最底下机会最大的那一层，到底企业应用大模型的时候我们今天看到的现状和未来的发展可能是什么？我给主办方的主题只有副标题，主标题需要解释一下才能更清楚的知道我们要表达的意思是什么。今天所有的大的行业用户，或者说大的甲方考虑应用大模型的时候，他们会问非常多的问题，但是只有很少的问题有一个明确答案，也就是说今天很多的行业客户最大的底层机会其实是未知远远大于已知，真正的大模型落地并没有在中国实实在在地发生，大家都是在讨论，但是也恰恰因为说问题重重答案了了。我们怎么看待这个事情，不是不去看，不是不去做，而是超越以往我们对于任何一个技术的预知，把技术重新的贯穿，打破原来的思维逻辑，去用好它，这12个字代表今天企业应用大模型的时候蛮重要的一个思考，不是来源于我的原创。

企业的终极目的是增长，是发展，我们不能把大模型的应用作为终极，还是要看企业核心目标是什么，然后识变，在既有业务当中寻求大模型中的作用点，可能存在的风险和变量是什么？既然问题非常多，答案非常少，但是要拥抱它我们应该怎么做？

识变：高质量发展下的企业增长逻辑

最大的一个背景是高质量发展。高质量发展当中最重要的一个事情就是全要素生产率的提升，而在全要素提升的这个事情上就意味着，也许以前我们投入很多的土地，劳动力资本去实现增长的驱动，但是今天我们要依赖于技术和数据要素实现创新的驱动的增长。

在这样一个大背景下企业增长的逻辑是什么？一定是先思考的是战略目标。商业模式是否发生比较大的变化，最简单的事情是绝大多数的企业都需要以往只卖产品进入到未来产品跟用户的生命周期勾连在一起，未来跟用户长期的互动，能够产生更新的商业模式和变现，组织变革，今天大量的人工智能，包括前面提到的数字员工，考验我们每个人、每一家企业的是——今天大模型可以赋予个人生产力的提升。易观作为一家咨询公司，我们每个分析师都用大模型提高自己的效率，但是组织有没有因为个人效率的提升获得红利，这是在组织上非常重要的挑战。我看到非常多的个人员工自发地应用大模型，但是坦白说这样效率的提升组织没有收益。从业务策略上整个业务关系在重构，营销策略包括研发生产方式在重构，包括说前面我们说，所有的企业都是单点突破，未来需要链式创新。生态策略成为我们每个企业要在这样数字化图景当中实现增长非常重要的一个板块，而在所有的部署当中，这些作为企业重塑增长目标的时候，无论是关系智能还是生态智能，我们在企业增长的路径上思考到底大模型可以发挥什么样的价值？也就是第二部分识变的目标。

拥抱AGI之路上的挑战

什么是大模型，还有哪些能力？今天我们处在应用的环节去看大模型的时候，今天不是踏浪的AGI，今天只是AGI的零点，也只是一个开启，确实只是交互的革命，而真正要进入AGI，一定是进入到知识的革命当中。而这个的前提确实跟前面我们提到的数据要素发挥作用是非常重要的，今天如果没有更多的知识沉淀数据沉淀可用的数据，我们更多不是围绕通用人工智能对于企业数字化的影响去走，而是围绕生成式人工智能对于企业数字化的价值，发现它可能发挥路径的价值，整个的智能经济还在路上，还没有真正的能够走到让通用人工智能发挥价值。

所有的企业拥抱AI的过程当中，哪怕今天有了大模型仍然会存在什么样的挑战？仍然是技术人员的短缺。大模型已经把技术应用门槛降低了，但是仍然需要有技术人员了解怎么用好大模型，所以缺乏技术人员，缺乏质量高的，尤其是私有数据，仍然是今天大量的企业去拥抱大模型、拥抱AI、部署AI的时候非常重要的挑战。在这个挑战的过程当中，其实我们会看到大语言模型对于这个挑战带来了哪些正向作用呢？

第一个正向作用，从这个意义上以业务驱动的方式拥抱AI。虽然易观每年都做趋势判断，CTO、CIO推动它，使得企业内部效率提升，但是大模型chatgpt这样的方式，不到9个月，让业务部门自发的思考“在我的工作和经营的场景当中怎么去发挥这个AI的价值？”易观有时候会收到一些行业客户的邀请，希望邀请到企业内部做分享，科技部邀请我们给业务部门分享AI可以解决他们什么问题？但是有了大模型和chatgpt对于所有人的教育，其实这样的分享以后可以降低了，因为不需要科技部的人推动业务部门思考这个事情，是业务部门真正在自己的思考这个事情是否可行，并且主动找到科技部的说我们想在这个场景当中应用AI。

第二是降低AI的门槛，虽然企业AI应用的挑战是缺少技术人员，AI和开发门槛是大幅度降低了。包括增强用户体验，比如说前面提到的不是人工智障，是人工智能。大数据模型对于企业的增长发挥了推动作用，但是为什么仍然说它是问题重重答案了了？现在的应用未来有非常大的想象空间，今天没有跨越这个鸿沟，我们希望推动行业大模型的科技厂商沟通，他们认为大模型在行业头部客户上落地，至少这个头部客户的预算至少是七位数八位数的量级，但是我们认识的头部用户他们做预算非常低，这是非常大的鸿沟。虽然今天的成本已经大幅度降低了，但是坦白说，供给侧和需求侧对于这个事情认知没有拉到一起，对于需求侧来说，愿意出一部分费用尝试，主要的节点不是因为没有预算，在于对于需求方来说，对于企业方来说仍然没有很好的建立一个评测体系，因为所有的场景现在在中国市场没有跑完闭环，没有办法做预算，在大的客户这儿只能是一个创新项目，创新项目现阶段没有拿到足够多的资源做这个事情，所以鸿沟的跨越现阶段恰恰是我们今年处的这样一个时间节点。

鸿沟的跨越，在变化中寻找突破

大家没有达成共识实际上是创业者的机会吗？在这个事情上达成共识但是通往终点的位置非常多，是一个机会。但是沿着什么方向走，终点虽然一致，但是中间的探索也是我们所有创业团队的机会。我们服务很多的行业客户，他们在这个事情上虽然每个行业问的问题不一样，基本上他们觉得现阶段他们应用大模型，推动大模型在企业内部应用，他们有这三个问题，其实他们没有办法在内部启动正式的立项，虽然很多行业客户对外已经说了，他们已经给某个大场达成大模型的合作，核心卡点在这三个方向上。

第一，确实大模型能力很强，但是没有强到足够面对所有的问题，它没有出现幻觉等等这样的问题，所以他仍然有需要去突破的地方。

第二，我前面讲的这个例子，如果我要私有部署的大模型，成本非常高，虽然貌似未来可以提高很多的人时效率，可以降低成本，但是测算闭环没有跑完，我就没有办法立项这样的一个项目给我带来的收益是什么？

第三是安全合规，尤其是中国头部客户非常重要的一个卡点，我没有办法做安全合规保障的情况下，我们怎么去做这个事情，去年chatgpt没有发布之前我们跟很多头部客户探讨可信AI，虽然chatgpt发布以后可信这个事情仍然在很多的企业需要回答这样的问题，所以那个鸿沟的跨越需要解决这些问题，这就是我前面提到的问题非常多，不见得有明确答案，但是只能往这样一个终极目标去讨论，去探索。

大模型可以发挥作用的地方非常多，如果真的要去探索可以从哪些方向上做这些事情？我就不一一展开了，包括我们在中国市场行业应用一定可以倒逼大模型，进入到哪些环节？无论是金融、电商、娱乐、游戏等等，但是坦白说这里面放了金融，放了工业制造，放了医药医疗，其实恰恰是因为它的想象空间，但是大模型首先是收益的一定是更强调创意性工作的部分，而不是金融医疗这样的强监管，安全性足够要求高的这样一些行业，所以其实大家会看到，我们进一步去拆解它的时候，其实大模型，首先发挥更大作用的仍然是在前端，比如说市场营销，比如说用户和客户运营容错率比较高的部分，而在产品研发生产设计制造或者供应链管理的环节，应该在一些行业去尝试，其实仍然是在探索。软件工程现在也有程序员去判断它，所以会走的比较快。我们讲行业应用的时候个人认为有很多企业会忽视，但是我觉得很重要，虽然它的环节跟前面几个不在一个层次上，但是软件工程的速度非常快。所以前端用户环境是源自于它的容错率相对来说比较高的，而稀缺资源的运营，虽然我们说大模型可以提效，但是在金融这样的行业它的资源还是够的，它没有那么的稀缺，但是在医疗，在教育等等这样的资源稀缺的情况下，它更应该发挥大模型提效的作用，所以第二部分识变我们要看到变化，我们应该看到的是不同的行业特点，以及突破口可能在什么方向上，虽然有非常多不确定性的问题，但是至少这些方向是我们应该去考量的。

业务为刚 打造中国自己的大模型

整体上来说企业应对这个事情我们的建议是什么？仍然是业务才是最重要的，业务为刚，机制兜底，有一个合理的机制在创新的过程当中不要说翻船或者是什么样子的问题。中国的市场一定要有自己的大模型，现在的“百模大战”，其实是在浪费资源，应该把更多的资源往应用层走，这是非常合理的资源分配的机制。在过程当中，我觉得最重要的一个事情，在中国市场一定会发生，并且中国的能力一定会体现出来的是两个事情：一个是应用的倒逼，中国在这样的所谓的硬科技和基础能力上，也许仍然需要去追赶，但是中国市场一定会用应用倒逼大模型的技术升级是什么样子？第二个事情，中国市场仍然需要有数据驱动。数据要素在中国只是没有被更好地利用，但是中国的数据能力和资源是值得所有的企业进一步挖掘的。在应用层面上，确实垂直大模型是最主要的中国市场大模型的一个机会，而在这个环节当中，用应用倒逼，用应用往回找的这样一个过程，与其把所有的精力放在通用大模型，不如去思考我的应用场景是什么？应用场景倒逼大模型在哪一块能力应该更适配我的需求。

企业如何更好地拥抱大模型

企业拥抱大模型从哪些环节入手？从我们的视角来看要自建大模型。但是今天的视角，我们更愿意所有的企业更灵活的应用AI的能力，不要执着于必须有一个自己的大模型。虽然跟中国很多头部行业客户思路不一致，但是无非是数据安全怎么保障的问题。与其花非常多的时间和精力训练自己的大模型，不如在训练自己大模型的同时，保障自己现在就把大模型的能力和应用给应用起来，这才是我们的竞争力一直提升的关键。

虽然我们没有办法让所有的行业客户一定是先用，但是我们仍然希望走的我要有自己的大模型。我们仍然坚持建议的是，跟通用大模型场合合作，不要自己从头开始，或者跟垂直大模型合作，不要从头开始。

认真评估选择大模型的合作伙伴

怎么选择行业大模型的合作伙伴？其实今天所有的发布会都在讲的我在某一个模型能力上特别强，但是真正意义上行业客户在选型的时候，我们建议从这四个维度上认认真真做一下评价和评估。不要只是盯着模型能力，人家的模型能力强，但是产品分装弱你用不起来，所以模型能力，产品能力，包括生态能力， 除了应用本身的生态之外还有大量的生态，无论是数据准备还是模型训练，还是数据库没有这些生态，坦白说我们很多行业客户和用户也用不起来，无论科大讯飞也好，百度也好，讲他们的模型能力、产品能力的时候，我们需要关注他们为大模型推向行业市场他们的生态怎么样了？包括可持续发展，百模大战最后一定有一大批落马的，把企业的可持续发展把对大模型的投入纳入非常高的考量标准，这四个放一起才是我们今天应该跟哪些大模型合作，用哪些大模型帮助我们提高效率非常重要的考量要素和指标，千万不要忽视今天我们看到的产品和生态能力。

其实除了选大模型合作最主要的是选应用，我前面提到我们建议所有的企业先从应用开始，只是说在选型应用的时候原来的评价维护和指标发生变化，要把AI能力的灵活应用作为非常重要的一个评价指标，所以无论是现有的应用还是所谓的AI核心应用，核心还是回到核心里面谁最解决我们的问题，AI是我们评价的权重而已。

举个例子，chatgpt涌现能够比较强的，文本生成营销场景比较多的，收入的体量也是今天中国的AI应用公司所没有办法抗衡的，是上亿美元的收入的。这是AI应用的一个公司，本身大模型并没有颠覆AI原生应用，虽然chatgpt的能力非常强，但是JSB（音）的收入是涨的，它看到了机座模型对于它能力蔓延所带来的影响，所以它未来就跟今天的钉钉一样的，打算应用的场景最重要，用哪个机座模型用好是我的能力，现在他拿来更多的机座模型，卡住营销文案生成的几个场景，底座模型是我屏蔽在下面的。从我们现有的视角来看，原生应用的竞争最值得我们关注，比如说JSB我们应用它的时候，一定是文本生成的场景额外跳到JSB用它，但是今天的WPS已经融入了AI，包括微软的office已经把AI的能力融入进来了，用AI增强它的能力优势是什么？我就在用户的工作场景和工作流里面，也许未来的角逐不是在机座模型和上面应用层谁能力蔓延过谁，而是谁嵌入到企业的经营场景里面去，文档这个已经不是最先深入到业务流程里面的，可能在座各位很少用JSB的，如果是随便一个应用你是在习惯用WPS，直接用AI能力还是嵌入到JSB里面，未来企业选型AI应用的标准一定会发生变化的，但是未来到底是现有应用用AI能力增强，还是说AI原生能力应用能够获得足够多的用户，这是待解的问题，应变过程当中是看AI整体的能力和水平了。

这里面有一个非常重要的要素是AI能力原来是很多头部企业和后面的企业拉开差距重要的科技能力，原因在于AI原来的门槛高，但是现在AI普惠了之后，企业的竞争力又重新体现在什么地方？我觉得这是值得我们所有人去思考的，就像AI能力普惠带来的不止是AI这个事情本身。我们拿游戏举例，腾讯网易有足够多的设计师UI和研发的同学，所以他们的作品可以堆资源去解决的，但是AI能力普惠以后，很多的中型的游戏公司工作室可以通过AI提升自己的能力，所以在研发效率上不比大厂差了，未来腾讯和网易的竞争力体现在什么地方？而中型游戏工作室的能力体现在什么地方？所以整个的所有环节企业的竞争力因为AI能力普惠，是要发生竞争力要素的变化的，我们在这里面更加突出的是行业本身和数据资产的重要性，中级游戏公司走的路是什么？走风格化的作品，走特色的，走艺术家和我的风格，因为我的能力最强，我这一块沉浸的数据资产是远远大于其他公司，我们不能只看到AI本身，是看背后沉淀的是什么东西。

应变：聚焦于业务之上

最终我们应变是什么？我们的目的始终不是大模型，我们的目的是业务，所以可能我们需要重新站一下业务的视角来规划人工智能的上限和在企业内部推广的计划，数据资产才是拉开所有企业核心科技应用能力最重要的一个指标。大模型一定会让AI能力，把这个门槛拉的足够低，当所有的算法对咱们在座的所有的企业是同一个水平线的时候，数据资产才拼出来。我们利用大模型的能力，对于头部客户来说我们一定有一个机制来兜底，因为未知仍然是存在的，当未知和风险发生的时候我们怎么去考量这个事情，我们怎么规避这个事情，也许我们规避不了，因为未知足够大，但是发生的时候我们怎么调整和后续的应对。最后从组织能力上仍然是非常重要的，就像前面举例子提到的今天有足够多的员工聪明，开始提效了，但是企业没有享受到这样的福利，这样的例子比比皆是，很少的公司像猎豹这样子享受到提效。但是大部分公司是个人和组织关系协调的事情，一定会横在我们中间。所以最后我们建议的应变是什么？还是业务为导向，但是有一个机制能够兜底，除了关注技术本身以外，还要回到组织这一侧，来理解未来这样的技术对于我们可能带来的更大影响是什么？虽然是问题重重，答案了了，相信大模型对于企业数字化的影响一定会超越我们所有人的想象。

谢谢各位。