12月13日～15日，由《中国企业家》杂志社主办的“2024（第二十二届）中国企业领袖年会”在北京举行。在12月14日下午的“未来对话”论坛环节，云帐房首席运营官&事业群总裁王倩作为主理人，与北京智源人工智能研究院院长王仲远，无问芯穹联合创始人、CEO夏立雪以及光源资本创始人、CEO郑烜乐，中科闻歌董事长王磊，围绕AI在算力、大模型、B端应用等热门话题进行了探讨。
以下为论坛核心观点：
1.当前行业对大模型的态度变得更加冷静、客观和健康，更多从ROI角度评估AI的价值。从算力方的角度来看，企业逐渐从预训练大模型转向关注推理场景和工具产品化，以及如何将AI技术与行业深度结合。
2.大语言模型并不能等同于AI，也不是一个能够直接解决企业数字化需求的万能“神器”。人们对未来AGI（通用人工智能）的实现路径，即是否通过大数据、大算力和大参数模型来解决，持有疑问，认知变得更加理性和清晰。
3.创业者和投资界面临的挑战是如何将AI技术应用于实际的客户问题中产生价值，并形成规模化的商业效应。对于创业者来说，如何在共识中利用AI技术解决客户的核心需求，是一个巨大的考验。
4.大模型和小模型之间并不冲突，反而是相互促进的。大模型的发展有助于探索能力上限，而小模型则在实际场景中发挥作用。大模型的发展过程中，其参数和数据规模不断增大，算力需求也随之增加，这有助于了解大模型能够达到的效果和程度。
5.AI和数据是密不可分的，行业AI落地需要做的三大工程：一是数据工程，即理解客户数据场景；二是模型工程，即模型与行业的结合；三是决策需求问题，即通过AI算法解决行业决策问题。
6.AI将给传统产业带来三大变化：产品服务一体化，产业价值链缩短重构以及产研一体、场景驱动。这些变化将使得企业能够更直接地面向终端用户，提供集成产品和服务，以及通过AI优化工作流程和产品迭代。
7.AI是一种智力基础设施，它将在所有需要智力的领域发挥作用，并对各行各业产生影响。尽管AI具有革命性的潜力，但在很多情况下，它仍然是一种工具，其作用是促进各行各业的发展，而不是完全颠覆它们。
以下为论坛的对话整理（有删减）：
新变化
王倩：您觉得今年和去年相比，AI行业发生了什么样的变化？
郑烜乐：光源资本是立足国内放眼全球的产业投行，我们主要的工作是帮助中国创新创业企业去做融资并购，同时我们还设有创新基金及产业孵化业务。过去两年我们为很多中国的AI企业进行了全方位的投行服务。
观察从2022年下半年到2023年全年这个阶段，第一，在全球的AI共识快速形成，国内AI领域的投资热度也快速上升的过程中，国内涌现了很多大模型、具身智能、算力生态的创业企业。及至今年，资本市场更加关注AI与产业的结合以及AI与应用场景的结合，评估AI在不同行业和场景中的作用和价值，并关注其未来1～3年的落地情况。
第二，与去年相比，今年AI行业的资本投入有所增加，市场对AI技术的认知和接受度也在提高，包括模型、算力、Infra、机器人及产业应用仍是愿意投入的领域。尽管市场热度依旧，但由于中国一级市场资金供给不足，尚未达到泡沫状态，大家在共识中寻找能快速跑出产业验证的领域或项目。光源资本将重点关注大模型的产业应用和落地、算力生态的发展以及具身智能在中国的机会。
第三，我们认为具身智能将出现一个“大于电动车级别”的机会。首先，我国在具身智能领域具有硬件优势，其次是场景丰富，软件不落后，最后数据层面也与其他国家处于同一起跑线。中国的大市场和完整的产业链将有助于产生更多场景和数据，从而推动模型、算力的发展，形成良好的闭环。
王倩：从模型的探索或科研的角度来看，这两年有什么变化吗？
云帐房首席运营官&事业群总裁王倩
王仲远：去年发布的GPT-4与ChatGPT-3.5相比，在理解能力和逻辑推理能力有了大幅提升。国际上不少专家对于通过大模型技术路线实现通用人工智能（AGI）持乐观态度。然而，今年可以看到预训练大模型的能力提升遇到了瓶颈，主要原因是可用的文本数据基本耗尽，且算力尚未进一步得到大幅提升。
尽管存在瓶颈，国际上仍在探索几个突破方向，包括合成数据、推理（如o1）和Agent等。与此同时，国内可以利用国际大模型性能提升速度放缓的机会，更快地接近国际上的先进水平。去年国内厂商因与全球先进模型的差距感到焦虑，纷纷投入大模型训练，形成了所谓的“百模大战”。今年，中国的顶尖模型正在快速接近GPT-4的能力。
国内从事基础模型的企业数量正在减少，预示着模型训练达到一定阶段后，应用开发将成为核心的下一步。由于模型提升速度放缓，国内企业将更专注于应用开发，不会被基础模型能力的提升所颠覆，预计明年将出现应用的爆发。
王倩：夏总，无问芯穹一直致力于提供AGI算力解决方案，您觉得这两年的变化有什么？
夏立雪：无问芯穹专注于为大模型及其使用者提供算力应用支持，作为模型与应用企业背后的支撑方，这两年里我们看到许多企业经历了从焦虑中寻求改变到尝试快速应用AI的一个变化。大模型技术突破带来了较高的想象力空间，企业希望快速将其应用到现有产品技术中。
但技术商业化不是一蹴而就的，大模型在实际应用中面临许多挑战，比如打磨用户痛点、市场分析判断等，只有实践才能获得这些经验。比如将大模型放到更多场景中反复尝试后，开发者才会获得许多宝贵的反馈，才能促进模型的快速迭代。
当前行业对大模型的态度变得更加冷静、客观和健康，更多从ROI角度评估AI的价值。从算力方的角度来看，企业逐渐从预训练大模型转向关注推理场景和工具产品化，以及如何将AI技术与行业深度结合。