周鴻祎 360集團創始人（圖片中企圖庫）

12月13日-15日，由中國企業家雜志社主辦的“2024（第二十二屆）中國企業領袖年會”在北京舉行。360集團創始人周鴻祎出席本次年會，分享了關于AI行業的最新思考。

以下是周鴻祎演講實錄（有刪減）：

這幾年，我覺得每一位只要還在堅持做企業的都不容易，年底了大家應該給自己點個贊鼓個掌。我是搞技術的，不太懂經濟，所以我不太談宏觀的東西，抱怨外在的環境多數解決不了問題。作為企業家都有百折不撓的精神，我們如何尋找產業發展新的突破方向，可能我還是從人工智能的角度來跟大家分享一些觀點。

這兩年大模型橫空出世，變成全球產業變革的核心驅動力，也帶來了很多創新的機遇，所以我想分享一下，結合各個企業不同的方向，我們如何能夠利用人工智能，能夠把我們的行業重塑一遍。

有一句很俗的話叫“認知決定命運”，我覺得認知還是很重要，行動之前先解決相不相信的問題，所以要有AI信仰，在座的各位大家可以捫心自問，對照這三個問題：

第一，你相不相信大模型是真智能，相不相信AGI正在加速到來？

第二，你相不相信大模型是一場工業革命，相不相信大模型將重塑所有產品和業務？

第三，你相不相信不擁抱AI的組織會被擁抱AI的組織淘汰，相不相信不擁抱AI的個人會被擁抱AI的個人淘汰？

如果不相信你就可能會錯過這個機會。新技術的概念行業已經提了很多了，行業每年都在造大詞，大家聽過元宇宙，什么區塊鏈，包括物聯網這些很多概念，這次大模型的定位是一場工業革命。如果你相信他是一場工業革命，是基于信息革命之后的第四次智能革命，那么它就會把所有的行業都會改造一遍，會重塑你所有的產品跟業務。但這往往還有很多制造焦慮的言論老是在談誰的企業要被AI淘汰，什么人要被AI淘汰。

也有人問我，到底我這個行業還行不行。我不知道，但是我知道一點，就是不擁抱AI的人和組織肯定會被懂得AI的人淘汰。網上對AI還有很多人在爭論，AI這兩年的發展用一個詞來講叫“度日如年”。什么叫“度日如年”？就是每天的發展都等于過去一年的進步。

對很多企業家來說，這既是挑戰也是機會。因為認知發生了偏差，有的人可能看不起就會看不清，因為這種心態可能就看不懂，但是等到有一天突然覺悟了，想改的時候發現已經看不見了，所以我的建議是各位企業家應該把AI視成現在一個巨大的機會，要有緊迫感，但是也不用特別慌張，AI未來5～10年都有大的發展空間。

現在網上談AI的東西很多，我們把它梳理一下，實際上全球大模型發展現在已經分成了涇渭分明的兩條路，一條路是通用人工智能（AGI）之路，還有一條是應用之路。

我們現在常說的OpenAI，一些大模型公司，實際上走的是通用人工智能之路。他們的目標野心是通過不斷地卷算力、卷數據、卷參數，讓模型向著萬億參數發展——這基本上是在“造原子彈”。

但是最近這條路碰到了問題。一個是網上能找到的數據基本上用完了，所以大家預想著堆完算力把所有的數據都訓進去后，想自然就會出來一個強人工智能，這一想法遇到了巨大的瓶頸。

第二，大家也在反思，人工智能在模仿人類的智力再往前發展可能就要走專業化的路線，打造一個全知全能的超級人工智能在邏輯上是不成立的。舉一個例子，比如說谷歌有一家公司叫DeepMind，他做了AlphaGo只會下圍棋但是可以打敗一切人類高手，他做了AlphaFold得了諾貝爾獎，但是只會研究蛋白質的結構。

所以人工智能下一個發展方向未必是一個簡單的通用的人工智能，這未必就一定能做出來，這在哲學上有可能是不成立的?，F在大家已經開始改變方向，不再追求全能的大模型，開始意識到大模型是一種能力。尤其像電機一樣，買一個電機回家在那看他能轉27000轉是沒有任何意義的，你得把它加上齒輪組，變成工廠里的生產線，你得把它加上風扇變成鼓風機，裝上輪子變成車才會有價值。

將大模型和具體的應用場景結合，向著產業化和垂直化的方向發展，做專業技能的大模型，這個現在已經變成新的方向。2023年是大模型元年，大家都在秀大模型的基礎能力，但是2024年已經往專業化垂直化的方向發展，2025年大模型是智能體之年，也就是大模型在企業內部應用真正地要打造每個企業的智能體。

除了少數的巨頭，通用人工智能和我們在座絕大多數企業家沒有必然關系。我們這些企業可能更多的要關注應用之路。為什么這么說呢？除了剛才講的大模型只有跟應用結合才能幫我們企業解決問題，大模型、人工智能都要成為打造新質生產力的核心引擎。要打造生產力就要給企業降本增效，就要和企業具體的業務進行融合。否則我們做了很多大模型，上來一頓秀，寫個藏頭詩，畫個小圖片，大家覺得很好玩。這和剛才魏橋張波總講的，它和生產的業務到底有什么關系。

我覺得打造專業化大模型還有一個趨勢，就是要把大模型拉下神壇，讓大模型從“原子彈”變成“茶葉蛋”。當年超級計算機出現的時候，當時的IBM比較狂妄地說全世界需要五臺超級計算機就夠了。超級計算機并沒有帶來工業革命，反而像玩具一樣的PC帶來了工業革命，因為PC足夠便宜，進入了千家萬戶才帶來了真正的信息革命。

走專業化大模型之路，我覺得才能把大模型變成“茶葉蛋”，讓每個企業都用得起。因為做專業化大模型，不需要大模型的能力很全面，只需要在一個方向上解決一個問題，這個是思路范式的變化。如果只解決一個問題就不需要千億萬億參數的模型，幾十億的參數模型就可以用了。在幾十億參數的模型上，對算力的要求，對數據的要求就會降到很低，而且不需要那么多的知識和數據，只需要結合我們在垂直領域的專業數據進行訓練。

在這塊我們很多企業有一個優勢?，F在大模型發展趨勢已經證明了一點：過去認為模型越大能力越強，現在發現說模型的能力和你的知識密度、知識純度有關。現在如GPT也碰到這個挑戰，發現越來越多的知識在互聯網上是找不到的，比如鋁業的生產，如何造一個航空發動機，這些知識是藏在企業或者專家的腦子里。所以做專業大模型可以發揮企業的優勢，解決企業的痛點，也會使大模型落地的門檻降低。比如，參數降低后不需要“千卡萬卡”，甚至單機幾張卡就可以來做了。

可能有的企業幾十萬、數百萬人民幣就能夠開展自己的大模型，且響應速度更快，部署程度最低。對我們很多企業來講，大模型里蘊含了很多企業家做企業多年積累的Know-how和經驗，這是企業最重要的核心資產，不可能把它傳到公有大模型里去分享給所有人使用。所以大模型應該是私有化部署在每個企業內部，專業大模型就能真正地實現，才能把大模型拉下神壇，走進百行千業，從“原子彈”變成“茶葉蛋”。

企業如何走應用之路呢？

我們不再籠統地來談大模型，因為現在大模型的演示給大家造成了誤解，以為它只會寫詩作畫，做視頻。實際上，我們大模型簡單分解一下，可以把它分為六層能力，不同的能力用在企業的不同場景。

第一層，基本能力。指的是大模型的語言能力，閱讀理解、邏輯推理、知識問答，這些能力只有賦能給企業的員工和企業辦公方面。

第二層，大模型有很強的創意能力。所以大模型又被稱為叫生成式AI，它是有創造能力的，現在生成各種圖像、音視頻、文本的創作，這個比較適合企業的營銷、宣傳方面。

第三層，多模態能力。大模型對于聲音、圖片、視頻，把我們世界畫面理解和實時的處理，包括現在大模型不僅有語言的能力，還有耳朵和演進的能力，從看見到看懂，這個對企業更多的業務會有更多的幫助。

第四層，我們稱為業務能力。可能各位企業家如果要提高自己的企業數轉智改的效率可能比較需要關注的，比如說專家經驗的沉淀，業務流程的資本化，組織的協同，人機交互，包括知識的管理，情報的分析，這個主要是賦能傳統企業的數轉智改。

第五層，創新能力。在很多新興產業未來產業方面，比如說具身智能、人形機器人、低空經濟的無人機，或者智能網聯車的無人駕駛方面，它本身就是數字化企業，實際上他利用人工智能解決他現在不能解決的問題。

第六層，科學能力。也就是AI For Science，今年的諾貝爾獎物理學獎和化學獎都給了幾位AI科學家。這證明了一個觀點：AI大模型會成為我們科學研究的新范式，成為科學研究的新工具。

基于大模型的六層能力，我總結了企業如何讓大模型走應用之路的六個方向，包括人人智能、萬物智能、數轉智改、未來產業、科學研究、安全六大方向。

第一個，是人人智能。AI和云計算、大數據等其他技術不一樣，很多技術普通人并不需要了解，只要享用它的成果。但是AI可能是每個人都要學習的一種能力，所以AI是人人普惠、人人共享、人人受益的。大模型是人類有史以來最好的工具，把人類所有的知識都能隨身攜帶，它能提升每個人的能力，甚至能賦予我們個體具有超能力。它和互聯網最大的不一樣，就是互聯網并不直接提高人的能力，互聯網更多的是解決人和人的連接，人和信息的連接，所以互聯網創造了很多新的商業模式。

第二個，萬物智能，從萬物互聯走向萬物智能。今天的大模型有一個很重要的方向，是把大模型做小，做到能夠上各種智能硬件。比如，現在蘋果已經把大模型上手機了，華為鴻蒙，聯想再把大模型上電腦，如果我們的車輛能自動駕駛那大模型也可以“上車”。實際上，想的更大的機會是AI能把現在所有的硬件重做一遍。

包括最近的VR眼鏡又卷土重來。原來VR+眼鏡這個線并沒有做成功，但是現在新的Facebook演進變成人工智能的演進，通過這個眼鏡可以看到世界，用人工智能來解釋，反而有可能做起來。

第三個，數轉智改，助力傳統產業打造新質生產力。對傳統企業的企業家來講，通用大模型并不適合你們，企業內部也不要去幻想一個大模型解決企業所有的問題，一定是多個大模型組合起來工作。在這一趨勢下，企業級的大模型市場將會爆發，而且這是大模型提供生產力最主要的戰場。對我們很多企業來講，有了大數據之后，要解決如何能夠把大數據發揮得更好；有了大模型，可以想如何利用大模型打造智能體，如何把我們企業里過去想解決不能解決的問題，或者想克服但不能克服的問題都通過人工智能解決掉。

第四個，未來產業，變不可能為可能。剛才我講的智能駕駛、具身智能、生物制藥等新興產業，沒有大模型根本做不下去。我舉個例子，最近特斯拉推出他的全自動駕駛，就用在大模型新的解決方案，在沒有大模型之前，傳統的自動駕駛用的是基于規則的積累。但機器永遠會遇到他沒有遇見過的規則，就很難全自動駕駛?，F在基于大模型的這種基于樣本學習的模式，使得自動駕駛在兩年內或許就可以實現全自動駕駛。

第五個方向，科學研究，打造科研新范式。剛才講了AlphaFold成功證明，AI For Science將成為推動基礎科學的重要驅動力。對內部有一些科學研究的企業來講，可能要關注大模型將會給科學研究提供什么新的研究范式和新的研究工具。

第六，AI安全，實現安全的“自動駕駛”。既然所有的場景都要結合人工智能，那人工智能的安全問題就要受到特別的重視。人工智能典型的幾個大的問題，一個是數據隱私泄露和數據污染的問題，還有人工智能容易用人工打擊的問題，還有AI胡說八道產生幻覺的問題。360提出“以模制模”的問題，用大模型來解決新型的AI安全，這個方向是為大家用AI大模型來保駕護航。

最后，給大家提幾個建議。

第一，人人AI，企業內部人人都先用起來。大模型未來5～10年都會把我們的賽道重塑一遍，我們的企業不一定需要更換賽道，不一定要轉換行業，但你要去想一想說能不能重做一遍。AI跟企業業務怎么結合，不是由我們AI專家說了算，是由在企業一線的員工，是由對業務最熟悉的企業員工說了算。所以要找業務場景要靠企業一線員工，這就要求每個人都要強迫自己學會AI。從上到下每個人都用起來，企業對AI的理解才更深入，企業的AI化才能成功。

真正經過調查，發現企業里面主動用AI的并不多，為什么？因為AI不是天然的習慣，是需要強迫自己去用才逐漸地有一個適應的過程。

第二，企業辦公和營銷場景要率先AI化。企業用AI可以從辦公和營銷這兩個場景先做，因為這是現在大模型最成熟的，有各種成熟的產品。比如說文稿的撰寫，圖片的處理，會議記錄的整理，面試結果的分析，這些場景都可以用AI來改造。

第三個，選擇業務場景，打造專業大模型和Agent數字員工。不要試圖用AI去解決自己企業所有的問題，也不要大而化之地說我要做一個產業大模型，或者行業大模型，需要在企業內部分析一些場景，把復雜的業務流程進行分解之后，在一些垂直的業務場景上打造自己的專業大模型和數字員工。積小勝為大勝，不追求宏大敘事，不追求面面俱到的全能大模型，要找到一個合適的場景。

如何找場景呢？給大家幾個建議：

第一，四個方向、四個十倍。對上，對領導的決策如何提供支持。對下，對員工提高工作效率如何支持。對內，內部的業務管理流程。對外，自己的產品服務體系，看能不能找到企業的卡點，所謂卡點就是說能不能降低十倍的人力，提高十倍的效率和體驗。

第二，先細分場景，再拆離業務流程。過去很多解決不了的問題，今天用人工智能可以解決了，過去必須用人力的地方可以用數字員工來做了。美國最近提了一個新的概念叫新的SaaS。

過去我們知道SaaS叫Software as a Service就是把本地的軟件變成云端服務，現在這個概念已經落后了，現在新的概念叫Service as a Software。什么概念呢？過去很多非人力不可的事，比如說寫各種調研報告、競品分析、PPT、研究，現在都可以用人工智能來做，可以變成用軟件來做，場景要分得足夠細就可以訓練對應的專業模型來解決問題。

我最后講一個案例，某省39家鋼鐵企業他們要聯合鋼鐵技術大模型，最初來找我們時談得很宏大，我就問了一個問題，鋼鐵大模型要解決什么問題。這把大家得問住了，最后大家找鋼鐵制造的專家，把鋼鐵整個的冶煉過程、流程分成142個場景，然后最后在142個場景里找出來幾個場景，來通過專業大模型來提出效率，可能提升生產力，可能提升3%或2%，但都是一個巨大的收獲。

希望大家從今天開始，如果能開始學習用AI，去開始使用AI，全員用AI，一起能抓住大模型時代的創新機會。

責編｜許加林

排版｜王紫薇