摘要：环境持续变化，时代总在迭变，“商业之王”们紧随时代浪潮，坚持创造，谋求新动能。立足中国经济大转型的当下，WISE2024 商业之王大会，一同发现真正有韧性的“商业之王”，探寻中国商业浪潮里“正确的事”。

环境持续变化，时代总在迭变，“商业之王”们紧随时代浪潮，坚持创造，谋求新动能。立足中国经济大转型的当下，WISE2024 商业之王大会，一同发现真正有韧性的“商业之王”，探寻中国商业浪潮里“正确的事”。

11月28-29日，为期两日的36氪WISE2024 商业之王大会于北京隆重召开，作为中国商业领域的全明星盛典，WISE大会今年已经是第十二届，在不断变化的时代里见证着中国商业的韧性与潜力。

2024，是有些模糊且变化多于稳定的一年。相比过去十年，大家的脚步正放缓，发展更加理性。2024，也是寻求新的经济动力的一年，新的产业变化对每个主体的适应性提出了更高的要求。今年WISE大会以Hard But Right Thing（正确的事）为主题，在2024，什么是正确的事，成为我们更想交流的。

机器人、人工智能与数据技术正通过赋能与优化，助力效率与创造力的跃迁：技术赋能推动了从智慧社区到商业运营的全面升级；智能化产品为社会创造了更便捷、更个性化的服务；同时，AI成为创新的加速器，激发了人类创造力的新边界。

在11月28日的UP圆桌环节，来自大象机器人、趋境科技、瑞安新天地、中科闻歌、网易云商的五位嘉宾，从AI产业角度讨论了AI大模型的产业价值。

从智慧社区到商业模式的重塑，科技不仅在贴近人们日常生活、创造温度与价值连接，也在揭示信息背后的故事，推动社会持续进化。未来，技术的核心在于赋能与放大人类的创造力，而非取代。

以下为对话实录，经36氪编辑整理：

国产芯片的崛起，不仅是我们国家科技自立自强的有力证明，更是为众多前沿技术提供了坚实的硬件支撑。

而提到前沿技术，就不得不提到近年来备受瞩目的大模型技术。近年来，以大模型为代表的人工智能技术，正在成为引领新一代产业变革的核心驱动力。与生产生活中的实际应用场景结合、为千行百业赋能增效是人工智能大模型的必然发展方向。

在这场由AI大模型引领的产业变革中，我们究竟收获了哪些令人振奋的惊喜？又该如何未雨绸缪，妥善应对可能遇到的挑战与风险？接下来我们将进入“UP局”环节，把舞台交给36氪资深作者邓咏仪女士，同时有请大象机器人董事CMO陈昊天先生、趋境科技CEO艾智远先生、瑞安新天地社区创新助理总经理魏天天女士、中科闻歌副总裁文皓先生、网易云商副总经理周丹先生给我们带来主题分享，有请！

邓咏仪：欢迎大家来到WISE大会，非常感谢大家，我是36氪的邓咏仪。WISE大会是个比较特别的日子，未来过两天就是OpenAI发布的两周年，我相信这两周年里面，全世界都感受到了AI的价值以及对行业内的人来说，推背感更加强烈，经常有采访对象跟我说：一觉醒来又要变天了，不知道工作怎么做了。

所以今天非常高兴，能邀请到五位嘉宾跟我们分享一下，AI在落地这个层面的体感跟观察。

首先还是想请五位嘉宾自我介绍一下，谈谈在这两年里面，自己看到的，AI改变了生活或者工作里面惊艳的时刻。

大象机器人CMO陈昊天

陈昊天： 大家好！我是大象机器人的CMO，大象机器人从工业、商用到消费做了三类产品线：协助机械臂、仿真宠物、人形机器人产品，在过往的历程中我们跟人工智能有不少结缘的地方，分享两点：

首先，在OpenAI推出ChatGPT不到两个月的时间，微软官方就发布了一个案例，这个案例做什么？他是用ChatGPT自动写代码，自动训练模型，让机械臂做分捡模式。

其次，空间智能这个概念，他是做什么？相当于让机器人可以感知、理解，甚至做推理，最后可以自主完成在物理世界的运动，完成相应的任务。这是跟我们目前机器人所在的领域是息息相关的，今年在国内，同济的团队也复现了这样一个案例，也是基于我们的机械臂产品，在今年上海的人工智能大会上，发布了这样一个DEMO，这些案例都可以在b站、公司公众号做分享。

图注：趋境科技CEO艾智远

艾智远： 我来自趋境科技，我们是清华系的一家大模型推理加速AI厂商。

可能大家不是特别了解这个领域。现在有底层芯片，有很多大模型，但怎么让大模型在芯片上跑的更快？这就需要推理优化方面的工作，我们就是做这个的公司。比如Kimi，由于Mooncake的分离推理架构设计，能够增加他们承接流量75%以上。

我们的目标是想让百亿、千亿大模型的落地门槛降下去，这样才能走进千行百业的企业、单位里面去。

从我的认知来讲，现在大模型还达不到完全取代我们工作的这种水平，但它可以辅助或者处理我们日常相对重复、繁琐的工作。

但是让我觉得比较惊讶的点是什么？我们公司有很多程序员，让程序员花钱是比较难的，他们能自己做大概率就不会买，但我发现公司研发同事基本上会两个屏幕，左边是GPT，右边是开发环境，他们也为OpenAI GPT每个月充帐号。消费习惯改变了，证明GPT对他们来讲确实有用处、有帮助。

大模型的出现让人们觉得在日常工作过程中需要这样的工具来辅助、提速，而不是完全取代他本身，这对我来讲还是影响比较大的。

图注：瑞安新天地社区创新助理总经理 魏天天

魏天天： 我们公司叫瑞安新天地，是香港公司，旗下开发的项目包括上海新天地等系列。我的部门做的事情特别一点，是做社区的商业创新和风险投资，所以我们会关注未来城市有哪些底层的结构性变化，围绕城市未来更加可持续、智慧化、以人为本，我们进行商业内容孵化和早期科技项目投资。

我觉得有意思的一点是，我们对AI的认识往往是从应用端或者是消费者需求端去看的。这两年宠物经济很火，大家也知道现在线下发生了很多变化，我看过一个新闻是说硅谷的团队做出了一个轰动很多人的视频，有一个主持人拿着自己的GPT讲了一句人的语言，并翻译成了狗狗的语言，狗狗听懂了，把摇控器拿了回来。

这样的场景让我们非常激动，因为从我们的角度来说，第一次看到了技术的进步——它站在了更细分人的需求角度，不仅是功能性的回应，还是情绪性的回应，这也是我们关注科技，觉得非常有趣的点，我们在人文、关怀、科技的交叉点去看新机会。

中科闻歌副总裁文皓

文皓： 大家好，能够坚持到现在的都是真爱粉丝。

我是中科闻歌文皓。中科闻歌的创办源于一位教师带领学生创业的故事。这位老师是1985级中科大少年班的成员，于1995年前往美国学习人工智能，师从人工智能名师Katia教授，她是多智能体的提出者和推动者之一，在1995年，他就发表了关于强化学习、贝叶斯学习和多智能体的相关学术论文，学术引用率数千次，对相关领域的研究产生重要推动作用。2007年他归国后，便开始带领多名学生，包括中科闻歌的董事长与CEO，承接了多个国家级的大数据项目，并持续为多个政府部门提供服务。

在此，我想分享一个案例——新华社的智媒工程。新华社在全球100多个国家拥有记者，为其提供媒体采编发布平台。这个案例团队产业化进程的一个小小缩影。到了2017年，恰逢国家鼓励创新创业，团队在原先的产学研用的积累上，成立中科闻歌。创业至今，我们在大数据、小模型、人工智能大模型、语言大模型及视频多模态大模型等领域不断进步和创新。

谈到人工智能的实际应用，我们不能不提到中医。中医作为中华文化的瑰宝，曾在历史上多次帮助我们战胜瘟疫，展现出独特的治疗价值。去年，我们与中国中医科学院共同研发了“大医金匮”大模型，成功地将传统的“黑盒”诊疗方法与人工智能相结合，开创了全新的应用模式。值得一提的是，“大医金匮”通过中医执业医师资格测试得到高分。

基于“大医金匮”大模型，我们推出了同系列的中医诊疗APP。有一位用户在使用该应用后反馈，他因发热症状进行了多轮问诊，通过首诊判断其为风寒感冒，而非风热感冒，并得到了相应的食疗建议及OTC药物，该用户在服药后症状得以缓解，对我们的服务给予了高度评价。

人工智能正在不断为我们带来惊喜，未来，我们对相关技术的发展充满期待。谢谢大家！

网易云商副总经理周丹

周丹： 大家好！我是来自于网易云商的周丹，我们网易云商是面向企业的SaaS运营商公司，我们2016年的时候就发布了自己的智能客服产品，大家或多或少都在生活、工作中有所使用。

我们在2016年网易集团内部立项的时候就是以智能化、AI作为自己差异化的点。可能正是因为如此，所以说在几轮客服产品的更迭中顺利发展到现在。

在2023年Q3的时候，我们就已经把大模型结合到我们的产品中去，包括9月份的时候我们发布了客服领域第一款垂直大模型——商和大模型。大家知道网易云商还是一家比较擅长打造产品的公司，在过程中我们还是认为比较平稳、稳健的。

AI如何从线上走向现实世界？

邓咏仪：谢谢几位嘉宾的分享，从普通的个体到整个组织都能感受到AI的价值，今天其实五位嘉宾来自的领域比较多元，我们可以看到比如说像陈总来自硬件领域、艾总、文总、周总都是在模型层或者是应用层去发掘AI的价值，魏总则是在线下的商业空间。

第二个问题想请各位嘉宾谈谈，在这两年里，AI落地在各自领域里是怎么见证他产生价值的，这块可以结合自己的业务来聊聊，这两年里，比如说我们做了哪些AI的探索，看到AI实际产生的价值是怎么样的？

周丹： AI还是比较早落地的，产品落地的时候我们就已经拿AI作为核心的技能点，那时候的AI技术主要是NLP搜索相关的技术，提供了像分类、归纳的能力，但是这个能力还是比较初级，所以我们只能做一些比较简单点对点的问答，没有到ChatGPT的感觉。后面大模型出来之后，有了总结、理解、内容输出能力，这时候我们的产品就有可能去帮一个客服团队做流程改进。

我这边举个例子，每一次客服服务人员服务完客户之后需要做总结：用户的问题是什么，解决方案是什么，用户的问题是不是解决掉，是否满意，以及有什么信息需要传递给客服？原来需要30、40秒时间记录下来，可能总结还不一定到位，有了AI之后可以解决80-90%，AI总结的比较清楚。

再往后AI或者大模型结合Agent框架之后，有了决策以及自主行动这部分能力，我们可以把一些更为复杂的流程任务，需要一些经验沉淀的决策交给AI做。

举个例子，电商场景中有一些比较复杂规则的退换货流程行动，或者说自主性产品营销、产品销售任务，原来AI是不可能做的，因为AI编写需要靠人，没有办法把所有编写完成。当AI结合Agent之后是有机会去做的，更复杂的工作又可以让AI去做。

邓咏仪：上了大模型之后，整体效率提升多少，人工坐席减少多少？

周丹： 效率提升还是比较明显的，典型的客户提升50-70%左右，但是人的规模不一定会减少，AI负责整个调测、适配、内容整理，会把客服资源放到后端做高阶梳理的工作。

邓咏仪：相当于琐碎的事情不用他们做了。

文皓： 中科闻歌在去年成功自主研发了雅意大语言模型，并于今年9月完成了视频平台的训练，推出了优雅大模型。用户可以基于该平台，通过简单的文字输入，生成视频或图像，从而大幅提升生产效率。至今，全国超过500个县市的融媒体中心，已在实际工作中应用了这一平台，极大地提高了工作效率，这是我们在媒体方向的应用。

第二个领域是金融领域。我们依托AI技术，在金融行业打造了多个标杆案例，特别是在信贷审核方面。我们为某大型银行开发了一套信贷审核系统，该系统能够通过大数据分析客户的历史记录及相关交易，迅速评估客户的信用可靠性、潜在风险以及是否符合放贷标准，显著提升了信贷部门的工作效率，这是我们在金融领域的应用。

第三个领域是政务治理。中关村街道作为全国院士最多的街道，其居民包括大量的高端人才，也有许多普通市民，他们的需求多种多样。在街道层面，面对社保、环保、民生教育等复杂事务时，基层工作人员需处理大量信息和事务，这对于普通工作人员来说是一项巨大的挑战。为此，我们开发了“关芯客服”、“关芯助手”和“关芯智巡”三大产品应用。“关心客服”提供智能问答服务，市民在办理事务时，可以通过自然语言查询相关信息，边问边办，提升办事效率。“关心助手”则为街道工作人员提供了一个知识助手，帮助他们快速查阅关于教育、民生、环保、社保等相关政策信息。“关心智巡”则通过二维码技术，允许市民或巡查人员实时反馈环卫、异常天气等问题，确保信息快速流转并及时处理，从而保障社会治理的顺畅运行。这三个应用领域的实践，充分展示了人工智能在提升公共服务效率、推动社会治理现代化中的巨大潜力。感谢大家的关注！

邓咏仪：像一个外挂大脑，更多地方的人或者市民都可以实现最多跑一次，办什么业务都更快了。

文皓： 对。

魏天天： 我们地产行业有相对完整的产业链，大家可能熟悉的就是从投资拓展到融资。刚才文总提到的，再到实际的建设，再到最后的商业资产管理。

在每个环节中，现在都能看到AI的身影。那天我看到一个挺有意思的报告，它说今天中国头部的地产企业会认为AI相较于这两年新出的一些新的其他的科技概念，其中90%的人认为AI最能够给我们这个产业带来新的变革。

举几个我们自己的例子，在融资端，AI特别能够帮我们做融资材料审核、监管，包括像我们这类需要融资的企业（我们去年发行了绿色债券），在绿色债券发行过程中，大家会需要了解你这个企业在整个产业链的环节里面，到底有多么的可持续，我们上下游有5000多家供应商，怎么管理每一个环节的信息？其实AI给了我们很大帮助，所以我们也有自己的云平台是专门做供应链管理的。

第二块说到建设，过去几年，智慧工地管理公司确实是根本上帮我们解决了工地的高危监管、安全作业问题。我们自己也投资孵化了一家企业，创始人来自同济大学教授，这家企业通过AI赋能工地未来的施工管理，这位创始人另一个比较有意思的地方是他同时还是我们国家的绿色建造委员会编委，所以他也要从政策端看行业是否做好好迎接AI时代的准备，有的时候政策往往会推动技术变革。

最后一个例子是在资产管理上，我们新天地的公共街区绿化面积是非常大的，大家很喜欢在我们街区里走来走去。我们有一个合作公司，可以帮助我们从线上平台高效的实时看24万方的公园，比如说苗木有没有问题等等各方面实际运营监管中的问题。

邓咏仪：5000个供应商怎么管理？你刚刚提到的例子里面。

魏天天： 这个是建筑碳中和里面非常大的痛点，怎么check供应商碳排？现在有部分供应商有一些计量方法，但整个建筑行业现在又是刚刚起步的阶段，所以特别需要AI帮助赋能管理。

艾智远： 我们是一家做大模型加速的公司，最大的感知的变化是这两年之内，实际上是大模型变得更大了，去年3.5、4出来的时候，效果变得确实很好，但是也有变慢的趋势，包括现在o1相对更慢了，但是效果变得更好了。

我们客户面临的问题就是他想用更大号的模型，而且他想用更低的成本，既要还要，所有客户都希望这样。我们怎么样把本地化部署的效果做到更好，需要全系统联合做设计。

我们推出的主要是一体机，也就是软硬一体来做大模型推理加速的一体机，我们自己提出了两个比较核心的技术：以存换算和全系统异构协同推理，以存换算是通过存储降低重复计算的量，全系统异构协同是希望把机器里面CPU、GPU、内存、磁盘的算力资源利用上。这样才能把成本降下去。

客户侧的感知就是我们最近和一家做安全的头部公司合作，他们原来在自己的设备上跑不起来千亿级别的大模型，通过我们的技术就可以在一张卡、两张卡的情况下跑起来千亿的大模型。模型的效果肯定是会更好，也能更好的服务于安全很多的场景，这是比较有价值的。

而且我觉得AI Infra，需要通过一些软件算法、更多的硬件协同，才能更好把端侧成本降下去，因为虽然国产化芯片也不停在做革新，但是我们芯片和英伟达的芯片还有一些差距，仅靠GPU的能力是不行的。类似于，IBM当时的大型机很有价值，但是小团队，或者普通人用不上，因为买不起；后来出现了PC化的机器，变成每个人人手一台电脑，每个人的办公和日常都能使用。所以成本降低还是挺重要的事情，也需要和硬件、软件、模型厂商合作推进模型的快速落地。

邓咏仪：咱们是承上启下的角色，上面要在算法层面有一些改进，让应用能以更低的算力跑更多的运算，下面要让芯片发挥出更好的性能。

艾智远： 是的，现在芯片市场挺多产品的，大模型的产品也很多，有一次盘点清华大模型相关的可能有几十个，大模型榜单几百个，怎么选、怎么兼容，对用户来讲是很困难的，所以我们想在Infra这一层降低大家对于选型、适配的负担，同时能够把底层所有硬件资源都充分发挥起来，因为毕竟一张卡还是挺贵的，一台机几百万，在有限的成本里发挥最大的效率和价值就是我们在做的事情。

邓咏仪：给大家省钱了，现在卡比较缺，说不定在资源匮乏的环境下，我们能做更多创新。

陈昊天： 前面四位嘉宾分享了包括营销端、医疗端、政务端、商业地产、模型视角做的工作，我从另外的视角跟大家复盘一下从国际上，人工智能是什么时候开始提出这个概念，再到最后进入机器人领域转折点的问题。

最早是在1950年前后在美国会议上提出人工智能概念，一个技术不是突然降临，他经历长期起伏过程，从1950年开始人工智能经历了多次起伏，我们就以最近一次大的时间点，在2015、2016年前后AlphaGo，基于大量专业的围棋高手棋谱，机器人进行自我博弈学习，最后打造这样的阿尔法GO，甚至能够打败国际围棋大师，也验证了深度学习、强化学习能力的潜力。

但在当时有很多个人用户，他们认同这样的深度学习的系统可以在专业领域，像是围棋，依然缺乏泛化的能力，人工智能后来又经历了热点下行期。直到OpenAI对科研和开发者推出了GPT2.0这样一个开源的产品，让很多当时使用的开发者看到了，基于泛化的语义理解大模型的产品，他其实已经到了新的高度，大家在那个时候，科研工作者就能预想到在不久的将来会有现象级的产品推出，那就到我们最熟悉的2022年年尾OpenAI推出了ChatGPT，基于GPT3.5基于数亿的参数集，推出现象级的产品。

他的热点在于每个个人用户可以在自己手机、电脑上，用着这样一个大模型的系统，大家会发现人工智能成熟度已经到了可以在一定程度上理解上下语境，甚至对专业的用户来说，可以帮助你解决一些工作上的问题，帮助你独立处理一些任务，这个时间点就是整个世界舆论，对人工智能是不是可以进入大家的生活了进行激烈的讨论。

对于机器人领域来说什么是转折点？2024年就是今年，大模型或者说人工智能技术在机器人领域，他做什么事情呢？抽象来说，他是把一个本身在计算机世界的能力延伸到物理世界。举个例子，如果大家下了ChatGPT或者kimi，你问他苹果是什么，他肯定回答你苹果是什么颜色，怎么样成熟，营养价值是什么。但是你问你的手机，你把远处的苹果拿给我，手机做不到，计算机也做不了，因为他没有机械结构，但是如果有了具身智能或者空间智能的机器人，他可以做到，他可以抓取，把苹果拿给你。

他把本身遥远的，存在于计算机世界的能力，已经可以进入到我们真实生活的物理世界，所以他的价值是可以想像，他是很难去表达的有多么盛大，这就是我们机器人行业的历程，跟人工智能发展的关系。

挑战与机遇并存

邓咏仪：在惊艳到我们这些时刻之外，也想和大家探讨一下目前行业存在的挑战跟瓶颈，可能在业内大家看到的角度更加多元。比如说在自己的领域里，各位看到现在AI落地还存在什么样的问题跟挑战，以及现在行业里面有没有一些有效的解决办法？

陈昊天： 比较有意思的是，我昨天从深圳来到北京，参加校友的人工智能创新创业小聚，北京四通八达，能十几个人聚在一起，在望京做这样一个技术型、创新型的探讨是很难得的，基本全员到场。

他们的背景，我的同学、校友们，他们有学心理学、金融、人员管理，各种各样行业的同学聚在一起。这反映一个好消息就是，人工智能仿佛在多个场景、多个应用中已经被大家开始熟知，开始觉得有一些发展潜力，是不是能改善他们的工作，改善他们的生活。

但侧面来看我感受到很大的焦虑，大家发现人工智能时代是不是要来了，对他们来说在过去的两年，很有可能他们的赛道遇到了各种各样的问题，尤其对于一些刚毕业的学生来说，也遇到了工作上，职业发展上的挑战，人工智能这个赛道是不是他们现在可以转型，可以all in，可以成为他下一个职业发展目标的赛道。他们带着这个问题来，带着各种各样的问题来，我想这也是很多观众朋友留在这里跟我们交流的原因，可能你们也有相关的问题，但作为行业从业者来说，我可能要泼一泼冷水。

反映两个现象，第一个现象是大家去想ChatGPT或者国内的Kimi，他们融了很多钱，但是商业化做的怎么样？可以问身边的朋友，有多少人为ChatGPT付费了，有多少人用Kimi，如果是排除对这样新的技术的好奇心，排除害怕不了解人工智能技术可能会被淘汰的心理因素，真实的用这些产品能改善自己的工作、生活、创造价值的目的去购买的又有多少？

资本市场已经告诉了我们一个比较明确的答案，今年下半年，资本对于大模型的投融资，不仅是冷静期，可能是冷冻期了，因为To C端的商业大模型没有达到预期，所以大家开始收紧了脚步。

第二，我们所在的空间智能赛道上，有什么样的问题？其实大家很好理解，人工智能永远是数据驱动，物理世界的数据目前远远少于我们基于文本处理的数据集，所以在具身智能赛道上，数据是远远达不到，可以实现一些非常智能的场景需求，按斯坦福教授李飞飞的原话，迫不及待，但是依然很遥远，遥远是什么意思？可能三五年之后才能落地，但对于科研工作者遥远是什么意思？他可能有更长远的顾虑。

回到这样一个痛点，面临行业的问题，该怎么样去解决他？坦白说，我们坚信空间智能会在某一天实现，但我们能做的就是推动加速这样一个进程。

能做的事情其实比较好理解，就是更多的数据产出，无外乎就是当下有更多物理世界的机器人做训练，采集数据，以及当下的热点就是在虚拟仿真环境不断的训练自己的模型，让更多的数据产出。

另外，我们鼓励更多的科研工作者加入大模型，人工智能领域的科学研究，这个领域是非常值得all in的，包括清华团队也是说all in大模型，但这不代表商业化的all in，代表科研领域的投入。当产出一些科研成果，也鼓励大家开源共享，共同帮助推动大模型技术的落地进程。

邓咏仪：比如说你们缺什么样的数据比较多，因为物理世界里的AI，机器人这块，文字大模型、图像大模型互联网已经有很多数据了，你们缺特定场景里的图像，还是其他什么数据？

陈昊天： 举个最简单的例子，把门打开，我们作为一个正常人，我们不会想，我们知道要把门推开，但是机器人没有办法弄懂什么叫把门打开，你需要拆解开门这个动作，识别把手在哪里，不同的把手是往下，还是推拉式，不同的门，用多大力开，这是必须要通过长期数据积累和训练才能打开的，简简单单的开门动作对于机器人来说，在陌生环境开门就是很艰难、痛苦的事情，所以他需要大量数据训练，才能完成这样一个行为。

邓咏仪：相当于拆解整个流程，每一步都要做训练。

陈昊天： 好在大模型赋予了文本理解、任务拆解的能力，你问大模型把门打开分为几步，他会告诉你，这样去做任务的拆解的能力，对于我们所谓的物理世界的空间智能来说，这就是大模型的潜力。

艾智远： 陈总讲的特别好，他讲了大家的痛点，大模型很热，应用落地稍微慢一点，效果没有想象中那么好，陈总泼了冷水，我再救回来一点。

当前大模型实际上很多，落地过程中有这样一个问题：大模型所提供的价值与他所付出的成本之间的Gap是存在的。比如说我们买一辆自行车，日常代步，花几百块钱对我来说这件事情价值很大，因为可以解决我日常通勤的问题，如果买一辆自行车几十万，这时候我们就要想一想，还不如买一辆汽车。大模型大概两年多的时间，技术革新也很快，基本上过一个月就会有新的东西产生。

虽然它还不如大家所预期的样子，但在朝那个方向发展，可能大家也在想从GPT4到o1，好像好长时间没有太多的信息。但尽管如此，大模型整体热度和推进速度还是比较快的，最起码在科研领域论文推动速度还是挺快的，每天有各种各样新的研究产生。

回到成本角度来讲，成本还是要持续的降低才能让大家真正用起来，再反推大模型的不断进步。虽然现在通过我们的技术，能够把当前大模型成本和延迟降一个数量级左右，但依然挺贵的。

比如谷歌广告费用是高过搜索成本的，所以他能赚钱，但是大模型调用成本是比较大的，从总价值跟成本的Gap上来讲，用大模型就很难赚到钱。就像OpenAI的训练成本也远超过收入，所以我觉得落地成本是要持续降低的。

那成本的降低是从下而上的过程。我们希望的是大模型将来能够用到端侧，比如在机器人上，通过自然语言改变我们操作的逻辑。

但其中也存在很多问题，一方面有底层芯片算力制约，一方面大模型就是那么大，就是要计算那么多的量。这个东西就那么多的计算量级，所以要靠软件的配合等等其他的方式来降低成本。

刚才陈总也讲了需要开源的推动，我也很认可。也跟大家推荐一下，我们跟月之暗面Kimi、清华、阿里、华为、面壁一起发起了开源的项目Mooncake，Mooncake是大模型推理架构，通过以 KVCache 为中心的 PD 分离和以存换算架构来提高推理吞吐、降低成本。我们希望通过开源的贡献大家一起努力，把大模型开源的生态推动下去，可以真正在咱们的工作、生活等方面提供辅助，也在一定程度上帮助企业做智能化的转型。

魏天天： 我认为在实际应用解决方案上还不够成熟，尤其在我们这个行业。商业地产行业与其他工业、医疗等行业都不一样的地方在于，他有很强的再定性，且行业是高度分散的。

过去几年，我们也接触过很多四小龙公司，或者大公司跑来跟我们说想要就地产行业做全行业解决方案，但这个其实是很难很难的。当他深入你的case，做定制化的时候，他的成本算不过来，这是我们看到的大痛点。

相比来说，初创企业想要做这件事情，甚至可能一个团队追着你就做这一件事情，恨不得半年帮你磨出一个产品，但他的稳定性是很大的问题，作为企业这么多资产和办法赌在初创企业，所以这个时候往往是错配的。

邓咏仪：你们的顾虑会是什么，当AI的技术落地的时候，你们会考虑哪些方面的因素，比如成本、稳定性、准确率，还是什么方面？

魏天天： 稳定性是肯定的，现在地产并不是高科技行业，所有工作人都可以做，只是说有一些工作机器做了会更安全、高效。在这种情况下，我用机器去替代的意愿没那么高。比如说我到月球上这件事情，人的身体是有限的，所以我们行业会有这类普遍存在的问题。

在这种情况下，我用机器去替代这件事情，我的意愿没那么高。比如说我到月球上这件事情，人的身体是有限的，所以我们行业会有这个普遍存在的问题。

文皓： 为什么大模型当前备受关注，却在实际应用中面临高成本、融资困难、难以盈利等诸多痛点？在分析这些痛点时，我认为可以从以下四个方面进行思考：

首先，大模型的初衷是通向通用人工智能（AGI），而非为某一行业提供特定工具。因此，大模型与行业应用之间存在较大的工程化挑战，包括对行业深刻理解的需求以及行业本身的复杂性。

其次，大模型发展速度极快，每三个月到半年就会迎来一次技术进步。在这种快速迭代的背景下，试图将大模型与行业应用深度结合，往往会面临技术进步和行业需求之间的巨大差距，进而影响了应用的实际效果。

第三，中国各行各业的数字化进程存在显著差异。正如魏总所提到的，许多传统行业的数字化进程尚未启动，或者仍停留在信息化阶段，距离智能化应用还有较大差距。在缺乏足够数据积累的情况下，如何实现智能化应用便成了一大难题。

第四，工程化落地方便，在我们开发中医大模型的过程中，我们深刻感受到了一些挑战。特别是在将名医的医案和病人问诊记录转化为数据、用以微调模型时，如何将传统中医的知识与数字化技术有效融合，如何与那些没有计算机背景的中医专家进行沟通和协作，都是需要花费大量时间和精力的关键问题。

不过，也正因为中科闻歌专注于To B和To G的业务模式，即便开发周期较长、市场竞争激烈，客户仍然愿意为我们的成果付费。因此，我们在这一领域仍然能够保持一定的生存优势，获得相对稳定的业务发展。这是我们的一项独特优势。

邓咏仪：其实人工智能背后还是需要非常多的人工，要做很多dirty work，数据先有了，才有智能。

周丹： 大模型在场景下的落地，我们有些客户，特别是自己有研发能力的客户，他们从他们的IT部门或者从数科公司开始说想自己搞一个大模型，大模型他们也要落地，落地其实现在最容易的两个场景。

1）企业内部知识管理；

2）客户服务。很多客户自己想落地的诉求来看，落地的非常困难，我们总结起来主要是几条，第一个还是需要行业know how，数据集。

在整个软件工程跟算法，有很多问题需要解决，来让这个模型输出更加有效，更加稳定。比如说客服领域，某些答案是不能润色，不能改一个字的，比如营销活动就是按照市场部的营销活动，一字不差的表述出来，有些情况下我的服务可能是需要给用户提供情绪价值，需要让大模型来做一些相关的润色，给客户提供一些价值。

所以本身为了保证好用户的体验，其实我们对大模型还是要做监控跟质检，在特殊情况下要及时的切换回人工服务，在这些体系下面，其实我们都需要产品背后的技术的能力、以及团队对于这个行业的认知能力，需要独特的数据集来保证我们大模型的效果是真正能够提升的，这也是我们原先做SaaS产品的解决方案或者优势吧。

邓咏仪：我听到一个关键词：可用性。大模型在这两年里面相当于打了地基，但是在垂直场景里面落地的话要做到可用性足够高，出错率不能超过多少。如果没有达到这个层面，很难进入到更复杂的生产环节。

关于这个，五位嘉宾都给了非常精彩的回答。最后一个，想再回到相对轻松一点的氛围。说到底虽然现在gap很多，挑战很大，但是大模型这个事情出来才两年，所以想请问五位嘉宾，结合自己所在领域，比如说用一句话简单展望一下，AI大模型未来还会带来怎么样新的变革，或者说3-5年里最希望看到AI改变什么东西？

陈昊天： 空间智能变革的不仅仅是机器人，而是大部分的自动化设备，最终会让自动化设备自主地完成。

艾智远： 我们还是希望大模型能够重新塑造交互层，改变一些软件的原有形态，随着大模型落地，企业侧、政府侧的算力中心建设，也会更多向推理层转变，希望大模型真的有一天能够在核心业务上发挥更大价值。

魏天天： 我挺认同今天上午一位嘉宾说的一句话，他说我们处理文字的大模型已经跑的很快了，但关于刚才讲到的空间这块，比如说听觉、视觉还是有很大的市场可以做。

线下端今年的奈飞，他很多的内容也有AI辅助生成的成分，但他马上在美国，费城、达拉斯要开奈飞乐园，跑到线下去，他要有交互，在这个过程中，我们今天的视觉大模型、听觉大模型等如果能够再往前跑一跑，那么人在线下的交互其实会是非常有想象力的，这是很大的市场。

文皓： 在科技寒武纪大爆发时代，AI将深刻的改变我们的生产生活的方方面面，谢谢。

周丹： 我们希望AI能够真正的去重塑客户服务的模式，为用户提供真正无与伦比的服务体验。

邓咏仪：感谢五位嘉宾今天给我们带来精彩的圆桌环节，我相信未来随着大模型的发展逐渐深入，在各行各业，包括在座的各位观众生活场景里面肯定有更多可以体现出来的价值点，也希望明年或者说更久以后，36氪也一直能陪伴这个行业一起成长，感谢各位嘉宾的分享，谢谢大家！

来源：小夭看天下一点号