文｜中國企業(yè)家記者 趙東山

編輯｜姚赟

頭圖來源｜中企圖庫

12月13日～15日，由主辦的“2024（第二十二屆）中國企業(yè)領(lǐng)袖年會”在北京舉行。360集團(tuán)創(chuàng)始人周鴻祎出席本次年會，分享了關(guān)于AI行業(yè)的最新思考。

以下為核心要點(diǎn)：

1.現(xiàn)在大家已經(jīng)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(jī)一樣，買一個(gè)電機(jī)回家在那看他能轉(zhuǎn)27000轉(zhuǎn)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(chǎn)線，你得把它加上風(fēng)扇變成鼓風(fēng)機(jī)，裝上輪子變成車才會有價(jià)值。

2.2023年是大模型元年，大家都在秀大模型的基礎(chǔ)能力，但是2024年已經(jīng)往專業(yè)化垂直化的方向發(fā)展，2025年大模型是智能體之年，也就是大模型在企業(yè)內(nèi)部應(yīng)用真正地要打造每個(gè)企業(yè)的智能體。

3.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(gè)合適的場景。

4.AI跟企業(yè)業(yè)務(wù)怎么結(jié)合，不是由我們AI專家說了算，是由在企業(yè)一線的員工，是由對業(yè)務(wù)最熟悉的企業(yè)員工說了算。所以要找業(yè)務(wù)場景要靠企業(yè)一線員工，這就要求每個(gè)人都要強(qiáng)迫自己學(xué)會AI。從上到下每個(gè)人都用起來，企業(yè)對AI的理解才更深入，企業(yè)的AI化才能成功。

以下是周鴻祎演講實(shí)錄（有刪減）：

這幾年，我覺得每一位只要還在堅(jiān)持做企業(yè)的都不容易，年底了大家應(yīng)該給自己點(diǎn)個(gè)贊鼓個(gè)掌。我是搞技術(shù)的，不太懂經(jīng)濟(jì)，所以我不太談宏觀的東西，抱怨外在的環(huán)境多數(shù)解決不了問題。作為企業(yè)家都有百折不撓的精神，我們?nèi)绾螌ふ耶a(chǎn)業(yè)發(fā)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(diǎn)。

這兩年大模型橫空出世，變成全球產(chǎn)業(yè)變革的核心驅(qū)動力，也帶來了很多創(chuàng)新的機(jī)遇，所以我想分享一下，結(jié)合各個(gè)企業(yè)不同的方向，我們?nèi)绾文軌蚶萌斯ぶ悄埽軌虬盐覀兊男袠I(yè)重塑一遍。

建立AI信仰

有一句很俗的話叫“認(rèn)知決定命運(yùn)”，我覺得認(rèn)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(gè)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(yè)革命，相不相信大模型將重塑所有產(chǎn)品和業(yè)務(wù)？

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(gè)人會被擁抱AI的個(gè)人淘汰？

如果不相信你就可能會錯(cuò)過這個(gè)機(jī)會。新技術(shù)的概念行業(yè)已經(jīng)提了很多了，行業(yè)每年都在造大詞，大家聽過元宇宙，什么區(qū)塊鏈，包括物聯(lián)網(wǎng)這些很多概念，這次大模型的定位是一場工業(yè)革命。如果你相信他是一場工業(yè)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(yè)都會改造一遍，會重塑你所有的產(chǎn)品跟業(yè)務(wù)。但這往往還有很多制造焦慮的言論老是在談?wù)l的企業(yè)要被AI淘汰，什么人要被AI淘汰。

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

對很多企業(yè)家來說，這既是挑戰(zhàn)也是機(jī)會。因?yàn)檎J(rèn)知發(fā)生了偏差，有的人可能看不起就會看不清，因?yàn)檫@種心態(tài)可能就看不懂，但是等到有一天突然覺悟了，想改的時(shí)候發(fā)現(xiàn)已經(jīng)看不見了，所以我的建議是各位企業(yè)家應(yīng)該把AI視成現(xiàn)在一個(gè)巨大的機(jī)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(fā)展空間。

大模型發(fā)展的兩條路線

現(xiàn)在網(wǎng)上談AI的東西很多，我們把它梳理一下，實(shí)際上全球大模型發(fā)展現(xiàn)在已經(jīng)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(yīng)用之路。

我們現(xiàn)在常說的OpenAI，一些大模型公司，實(shí)際上走的是通用人工智能之路。他們的目標(biāo)野心是通過不斷地卷算力、卷數(shù)據(jù)、卷參數(shù)，讓模型向著萬億參數(shù)發(fā)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(gè)是網(wǎng)上能找到的數(shù)據(jù)基本上用完了，所以大家預(yù)想著堆完算力把所有的數(shù)據(jù)都訓(xùn)進(jìn)去后，想自然就會出來一個(gè)強(qiáng)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(fā)展可能就要走專業(yè)化的路線，打造一個(gè)全知全能的超級人工智能在邏輯上是不成立的。舉一個(gè)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(zhì)的結(jié)構(gòu)。

所以人工智能下一個(gè)發(fā)展方向未必是一個(gè)簡單的通用的人工智能，這未必就一定能做出來，這在哲學(xué)上有可能是不成立的。現(xiàn)在大家已經(jīng)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(jī)一樣，買一個(gè)電機(jī)回家在那看他能轉(zhuǎn)27000轉(zhuǎn)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(chǎn)線，你得把它加上風(fēng)扇變成鼓風(fēng)機(jī)，裝上輪子變成車才會有價(jià)值。

將大模型和具體的應(yīng)用場景結(jié)合，向著產(chǎn)業(yè)化和垂直化的方向發(fā)展，做專業(yè)技能的大模型，這個(gè)現(xiàn)在已經(jīng)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(chǔ)能力，但是2024年已經(jīng)往專業(yè)化垂直化的方向發(fā)展，2025年大模型是智能體之年，也就是大模型在企業(yè)內(nèi)部應(yīng)用真正地要打造每個(gè)企業(yè)的智能體。

除了少數(shù)的巨頭，通用人工智能和我們在座絕大多數(shù)企業(yè)家沒有必然關(guān)系。我們這些企業(yè)可能更多的要關(guān)注應(yīng)用之路。為什么這么說呢？除了剛才講的大模型只有跟應(yīng)用結(jié)合才能幫我們企業(yè)解決問題，大模型、人工智能都要成為打造新質(zhì)生產(chǎn)力的核心引擎。要打造生產(chǎn)力就要給企業(yè)降本增效，就要和企業(yè)具體的業(yè)務(wù)進(jìn)行融合。否則我們做了很多大模型，上來一頓秀，寫個(gè)藏頭詩，畫個(gè)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(chǎn)的業(yè)務(wù)到底有什么關(guān)系。

我覺得打造專業(yè)化大模型還有一個(gè)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(dāng)年超級計(jì)算機(jī)出現(xiàn)的時(shí)候，當(dāng)時(shí)的IBM比較狂妄地說全世界需要五臺超級計(jì)算機(jī)就夠了。超級計(jì)算機(jī)并沒有帶來工業(yè)革命，反而像玩具一樣的PC帶來了工業(yè)革命，因?yàn)镻C足夠便宜，進(jìn)入了千家萬戶才帶來了真正的信息革命。

走專業(yè)化大模型之路，我覺得才能把大模型變成“茶葉蛋”，讓每個(gè)企業(yè)都用得起。因?yàn)樽鰧I(yè)化大模型，不需要大模型的能力很全面，只需要在一個(gè)方向上解決一個(gè)問題，這個(gè)是思路范式的變化。如果只解決一個(gè)問題就不需要千億萬億參數(shù)的模型，幾十億的參數(shù)模型就可以用了。在幾十億參數(shù)的模型上，對算力的要求，對數(shù)據(jù)的要求就會降到很低，而且不需要那么多的知識和數(shù)據(jù)，只需要結(jié)合我們在垂直領(lǐng)域的專業(yè)數(shù)據(jù)進(jìn)行訓(xùn)練。

在這塊我們很多企業(yè)有一個(gè)優(yōu)勢。現(xiàn)在大模型發(fā)展趨勢已經(jīng)證明了一點(diǎn)：過去認(rèn)為模型越大能力越強(qiáng)，現(xiàn)在發(fā)現(xiàn)說模型的能力和你的知識密度、知識純度有關(guān)。現(xiàn)在如GPT也碰到這個(gè)挑戰(zhàn)，發(fā)現(xiàn)越來越多的知識在互聯(lián)網(wǎng)上是找不到的，比如鋁業(yè)的生產(chǎn)，如何造一個(gè)航空發(fā)動機(jī)，這些知識是藏在企業(yè)或者專家的腦子里。所以做專業(yè)大模型可以發(fā)揮企業(yè)的優(yōu)勢，解決企業(yè)的痛點(diǎn)，也會使大模型落地的門檻降低。比如，參數(shù)降低后不需要“千卡萬卡”，甚至單機(jī)幾張卡就可以來做了。

可能有的企業(yè)幾十萬、數(shù)百萬人民幣就能夠開展自己的大模型，且響應(yīng)速度更快，部署程度最低。對我們很多企業(yè)來講，大模型里蘊(yùn)含了很多企業(yè)家做企業(yè)多年積累的Know-how和經(jīng)驗(yàn)，這是企業(yè)最重要的核心資產(chǎn)，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(yīng)該是私有化部署在每個(gè)企業(yè)內(nèi)部，專業(yè)大模型就能真正地實(shí)現(xiàn)，才能把大模型拉下神壇，走進(jìn)百行千業(yè)，從“原子彈”變成“茶葉蛋”。

用好大模型的六層能力

企業(yè)如何走應(yīng)用之路呢？

我們不再籠統(tǒng)地來談大模型，因?yàn)楝F(xiàn)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(shí)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(yè)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(yè)的員工和企業(yè)辦公方面。

第二層，大模型有很強(qiáng)的創(chuàng)意能力。所以大模型又被稱為叫生成式AI，它是有創(chuàng)造能力的，現(xiàn)在生成各種圖像、音視頻、文本的創(chuàng)作，這個(gè)比較適合企業(yè)的營銷、宣傳方面。

第三層，多模態(tài)能力。大模型對于聲音、圖片、視頻，把我們世界畫面理解和實(shí)時(shí)的處理，包括現(xiàn)在大模型不僅有語言的能力，還有耳朵和演進(jìn)的能力，從看見到看懂，這個(gè)對企業(yè)更多的業(yè)務(wù)會有更多的幫助。

第四層，我們稱為業(yè)務(wù)能力。可能各位企業(yè)家如果要提高自己的企業(yè)數(shù)轉(zhuǎn)智改的效率可能比較需要關(guān)注的，比如說專家經(jīng)驗(yàn)的沉淀，業(yè)務(wù)流程的資本化，組織的協(xié)同，人機(jī)交互，包括知識的管理，情報(bào)的分析，這個(gè)主要是賦能傳統(tǒng)企業(yè)的數(shù)轉(zhuǎn)智改。

第五層，創(chuàng)新能力。在很多新興產(chǎn)業(yè)未來產(chǎn)業(yè)方面，比如說具身智能、人形機(jī)器人、低空經(jīng)濟(jì)的無人機(jī)，或者智能網(wǎng)聯(lián)車的無人駕駛方面，它本身就是數(shù)字化企業(yè)，實(shí)際上他利用人工智能解決他現(xiàn)在不能解決的問題。

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

大模型應(yīng)用6大方向

基于大模型的六層能力，我總結(jié)了企業(yè)如何讓大模型走應(yīng)用之路的六個(gè)方向，包括人人智能、萬物智能、數(shù)轉(zhuǎn)智改、未來產(chǎn)業(yè)、科學(xué)研究、安全六大方向。

第一個(gè)，是人人智能。AI和云計(jì)算、大數(shù)據(jù)等其他技術(shù)不一樣，很多技術(shù)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(gè)人都要學(xué)習(xí)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(gè)人的能力，甚至能賦予我們個(gè)體具有超能力。它和互聯(lián)網(wǎng)最大的不一樣，就是互聯(lián)網(wǎng)并不直接提高人的能力，互聯(lián)網(wǎng)更多的是解決人和人的連接，人和信息的連接，所以互聯(lián)網(wǎng)創(chuàng)造了很多新的商業(yè)模式。

第二個(gè)，萬物智能，從萬物互聯(lián)走向萬物智能。今天的大模型有一個(gè)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(xiàn)在蘋果已經(jīng)把大模型上手機(jī)了，華為鴻蒙，聯(lián)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(shí)際上，想的更大的機(jī)會是AI能把現(xiàn)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(gè)線并沒有做成功，但是現(xiàn)在新的Facebook演進(jìn)變成人工智能的演進(jìn)，通過這個(gè)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(gè)，數(shù)轉(zhuǎn)智改，助力傳統(tǒng)產(chǎn)業(yè)打造新質(zhì)生產(chǎn)力。對傳統(tǒng)企業(yè)的企業(yè)家來講，通用大模型并不適合你們，企業(yè)內(nèi)部也不要去幻想一個(gè)大模型解決企業(yè)所有的問題，一定是多個(gè)大模型組合起來工作。在這一趨勢下，企業(yè)級的大模型市場將會爆發(fā)，而且這是大模型提供生產(chǎn)力最主要的戰(zhàn)場。對我們很多企業(yè)來講，有了大數(shù)據(jù)之后，要解決如何能夠把大數(shù)據(jù)發(fā)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(yè)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(gè)，未來產(chǎn)業(yè)，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(chǎn)業(yè)，沒有大模型根本做不下去。我舉個(gè)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(tǒng)的自動駕駛用的是基于規(guī)則的積累。但機(jī)器永遠(yuǎn)會遇到他沒有遇見過的規(guī)則，就很難全自動駕駛。現(xiàn)在基于大模型的這種基于樣本學(xué)習(xí)的模式，使得自動駕駛在兩年內(nèi)或許就可以實(shí)現(xiàn)全自動駕駛。

第五個(gè)方向，科學(xué)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(chǔ)科學(xué)的重要驅(qū)動力。對內(nèi)部有一些科學(xué)研究的企業(yè)來講，可能要關(guān)注大模型將會給科學(xué)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(shí)現(xiàn)安全的“自動駕駛”。既然所有的場景都要結(jié)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(gè)大的問題，一個(gè)是數(shù)據(jù)隱私泄露和數(shù)據(jù)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(chǎn)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(gè)方向是為大家用AI大模型來保駕護(hù)航。

AI時(shí)代的3大建議

最后，給大家提幾個(gè)建議。

第一，人人AI，企業(yè)內(nèi)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(yè)不一定需要更換賽道，不一定要轉(zhuǎn)換行業(yè)，但你要去想一想說能不能重做一遍。AI跟企業(yè)業(yè)務(wù)怎么結(jié)合，不是由我們AI專家說了算，是由在企業(yè)一線的員工，是由對業(yè)務(wù)最熟悉的企業(yè)員工說了算。所以要找業(yè)務(wù)場景要靠企業(yè)一線員工，這就要求每個(gè)人都要強(qiáng)迫自己學(xué)會AI。從上到下每個(gè)人都用起來，企業(yè)對AI的理解才更深入，企業(yè)的AI化才能成功。

真正經(jīng)過調(diào)查，發(fā)現(xiàn)企業(yè)里面主動用AI的并不多，為什么？因?yàn)锳I不是天然的習(xí)慣，是需要強(qiáng)迫自己去用才逐漸地有一個(gè)適應(yīng)的過程。

第二，企業(yè)辦公和營銷場景要率先AI化。企業(yè)用AI可以從辦公和營銷這兩個(gè)場景先做，因?yàn)檫@是現(xiàn)在大模型最成熟的，有各種成熟的產(chǎn)品。比如說文稿的撰寫，圖片的處理，會議記錄的整理，面試結(jié)果的分析，這些場景都可以用AI來改造。

第三個(gè)，選擇業(yè)務(wù)場景，打造專業(yè)大模型和Agent數(shù)字員工。不要試圖用AI去解決自己企業(yè)所有的問題，也不要大而化之地說我要做一個(gè)產(chǎn)業(yè)大模型，或者行業(yè)大模型，需要在企業(yè)內(nèi)部分析一些場景，把復(fù)雜的業(yè)務(wù)流程進(jìn)行分解之后，在一些垂直的業(yè)務(wù)場景上打造自己的專業(yè)大模型和數(shù)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(gè)合適的場景。

如何找場景呢？給大家?guī)讉€(gè)建議：

第一，四個(gè)方向、四個(gè)十倍。對上，對領(lǐng)導(dǎo)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(nèi)，內(nèi)部的業(yè)務(wù)管理流程。對外，自己的產(chǎn)品服務(wù)體系，看能不能找到企業(yè)的卡點(diǎn)，所謂卡點(diǎn)就是說能不能降低十倍的人力，提高十倍的效率和體驗(yàn)，

第二，先細(xì)分場景，再拆離業(yè)務(wù)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(shù)字員工來做了。美國最近提了一個(gè)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(wù)，現(xiàn)在這個(gè)概念已經(jīng)落后了，現(xiàn)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(diào)研報(bào)告、競品分析、PPT、研究，現(xiàn)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(xì)就可以訓(xùn)練對應(yīng)的專業(yè)模型來解決問題。

我最后講一個(gè)案例，某省39家鋼鐵企業(yè)他們要聯(lián)合鋼鐵技術(shù)大模型，最初來找我們時(shí)談得很宏大，我就問了一個(gè)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(gè)的冶煉過程、流程分成142個(gè)場景，然后最后在142個(gè)場景里找出來幾個(gè)場景，來通過專業(yè)大模型來提出效率，可能提升生產(chǎn)力，可能提升3%或2%，但都是一個(gè)巨大的收獲。

希望大家從今天開始，如果能開始學(xué)習(xí)用AI，去開始使用AI，全員用AI，一起能抓住大模型時(shí)代的創(chuàng)新機(jī)會。