9月11日-14日，由鈦媒體與ITValue共同主辦的2024 ITValue Summit數字價值年會在三亞舉行。此次峰會主題為“Ready For AI”，交流經驗教訓，交叉行業思考，推動創新交易，以創新場景為基礎，共同探索AI驅動下數字經濟時代的全新機遇，共同打造一場數字經濟時代的AI創新探索盛宴。

格靈深瞳創始人、董事長、CEO趙勇以《是虛假繁榮還是爆發前夜？論大模型時代的AI產品進化》發表了主題演講。他表示，格靈深瞳要做一家AI時代的產品公司，在泛安防、工業檢測、人機交互等領域持續深耕，深度理解用戶和場景，用好的產品為廣大客戶創造更大的價值。

趙勇指出，之前AI之所以落地難，主要原因在于交付成本高、有效數據少、泛化能力弱。而大模型帶來的是一個構建行業AI應用的全新技術范式。

用大模型解決物理世界中的原子操作問題，可以做到99.99%的體驗感。并且在該領域，未來3-5年會出現一批優秀成果，能夠基于人工智能生成物理世界的API。

當然，技術只是基礎，產品和場景才是應用落地的關鍵。

以下為格靈深瞳創始人、董事長、CEO趙勇演講實錄，經鈦媒體編輯整理：

今年，紅杉資本分享的一項數據發現，僅過去一年，AI公司購買英偉達GPU的花費就已經超過500億美元，而目前所有AI公司產生的營收總和卻遠低于這個數值。這意味著，AI行業的落地還在早期，還沒有出現真正意義上的killer app。

那么AI落地難在哪兒？以自動駕駛為例，2009年我博士畢業后，花了很大精力解決谷歌自動駕駛項目中有關視覺算法的問題。十年過去，中國仍未出現一家真正規模化商業運營的自動駕駛汽車公司。我們離真正安全且可商用的無人駕駛還有較長的路要走。

相較之下，AI在安防領域取得了一定成功。市場需求推動了安防產品的發展，也給國內的AI公司帶來了第一次大規模商業落地的契機。

NLP領域也曾經歷“百箱大戰”，但很多用戶購買了智能音箱后發現，產品遠未達到自己預期的智能交互水平。去年大模型的涌現，智能音箱產品的性能有所提升，包括在汽車場景下的語音通話能力也有所增強。這讓我又有了新的期待。

總結來講，過去AI之所以落地難，主要原因在于交付成本高、有效數據少、泛化能力弱。

而大模型帶來的是一個構建行業AI應用的全新技術范式。大模型理論上可以通過付出較少的成本，來高效解決長尾需求從而降低交付成本，通過通用能力來解決少樣本數據的問題，同時大幅提升模型的泛化能力。舉幾個例子。

格靈深瞳在銀行安防領域深耕多年，在視頻智能化應用這個細分領域做到了行業第一，過去幾年為客戶開發了幾十個場景算法，公司自研的視覺大模型在銀行這個場景落地后，很多算法的性能和穩定性得到了極大的提升；在軌道交通領域，公司研發的巡檢機器人主要應用于高鐵、地鐵等列車的日常巡檢場景，檢測識別列車的零部件缺陷、故障等，但是這些真正有價值的負樣本數據量不大，且很難窮舉，因此以前我們的做法是跟客戶一起去造一些負樣本數據，比如故意弄壞一些零部件，然后作為負樣本數據進行標注，但這樣的效率很低。現在，我們用AIGC的方式生成了大量的負樣本數據，同時軌交大模型上線后，相關算法的準確性得到了顯著提升，軌交運維場景的很多長尾需求也得到了解決；在教育領域，格靈深瞳服務于學校的體育教學和考試場景，體育的項目很多，跳繩、仰臥起坐、籃球、游泳、踢毽子等，以前的模型泛化能力不強，因此我們需要針對每一個項目采集數據，訓練模型，大模型能很好地解決這些問題。

有一點我需要提一下，我們通常理解的大模型往往代指的是大語言模型，目前的應用主要集中在聊天機器人和AI助手等輕量級應用上。但實際上，大模型并不僅僅包括大語言模型，視覺大模型和多模態大模型在產業界有更大的想象空間。

在算法層面，大語言模型的智能涌現有其原因。本質上，NLP研究的是人類符號語言，它本身就具備語義，大量的互聯網內容都是由文字構成，而這些信息同時又是廣泛開放且容易獲取的。文本數據可以做無監督訓練，因此在純數字世界做機器學習相對簡單。

讓我們把視線從數字世界轉移到物理世界。在視覺領域，攝像頭捕捉的往往是物理世界中的自然數據，視覺數據不能直接用于無監督學習，且規則約束永遠無法窮舉，而行業數據又無法通過公開渠道獲取，因此大模型在物理世界中的應用價值更大。與此同時，人工智能技術在物理世界中的交付，比數字世界要難。但是越難走的路，往往走通后的收獲越大。盡管從視覺數據中獲得Insight，比文本信息更難，但相應的價值更高，也更值得做。

與數字世界不同，物理世界不存在一個穩定可靠的API。今天，我們的方法是用大模型解決物理世界中的原子操作問題，然后在上層去做組合應用，從而解決不同復雜場景下的問題，這樣可以做到99.99%的體驗感。并且在該領域，未來3-5年會出現一批優秀成果。這也是格靈深瞳未來幾年的工作重心。

而在數據方面。數據孤島問題的形成原因之一是，客戶不愿意將數據分享出來。我的建議是，如果想推動數據孤島問題的解決，大客戶最好直接找科技公司交付項目，不需要太多集成商作中間商去交付。這會增加數據流動的障礙。此外，模型訓練需要非常多標注數據，今天人工標注成本依然很高，我們多年前就開始用自動標注的方式來處理數據。

此外，我認為行業Insight跟行業數據一樣重要。去年OpenAI的CEO說過一段話，我挺反對。他說，大模型出來后，所有的產品經理會失業，不需要太多套殼應用。但在我看來，對場景、客戶以及業務流程的深刻了解，還是極其有價值的，只有那些愿意躬身沉入到行業中的公司才能真正解決客戶的問題。一方面把AI算法與特定行業場景深度融合的經驗，是難以在短期內獲得的；另一方面，跟很容易從開源數據學習到的語言信息不一樣，視覺的東西沒見過或者沒做過，你就是不知道，只有深耕行業，才能積累到足夠多的有效數據。大模型再厲害，也無法替代產品文化，未來優秀的產品經理和產品文化，對交付AI產品來說極其重要。

算力方面。今天最強大的H100的CUDA核數量也只有1.5萬個，而人腦神經元的數量約1000億個，差距非常大。大模型的潛力還沒有被充分挖掘出來。

但是，如果每個場景都通過大模型進行實時視覺處理，非常不現實。大模型很重要，但它不能獨立地主導一切，相當長一段時間里還需要小模型。而它又不同于傳統深度學習的小規模模型，現在更多是依賴于大數據，在場景里通過大模型蒸餾出小模型，實現輕量部署。同時，在中心端用大模型去彌補小模型帶來的性能差異。所以，我們在產品落地時采用了很多方法來分散算力，在邊緣側用小模型處理實時任務，在中心端側用大模型驗證，這種模式成本比較低。

當然，歸根結底，技術只是基礎，產品和場景才是應用落地的關鍵。唯有深耕行業，AI才能開花結果。格靈深瞳致力于做一家AI時代的產品公司，在泛安防、工業檢測、人機交互等領域持續深耕，深度理解用戶，理解場景，用好的產品為廣大客戶創造價值。