NIE 2023丨圆桌论坛：大模型后时代生成式AI改造千行百业

　　9月28日，弗若斯特沙利文（Frost & Sullivan，简称：沙利文）第二届新投资博览会暨第十七届沙利文全球增长、科创与领导力峰会（简称“沙利文新投资大会”）的数字经济分论坛圆满闭幕。

　　AI大模型在推进我国科技领域的创新研发中，起到了哪些核心功能，其在未来科研和产业结合中的地位又将如何稳固和拓展？

　　在数字经济分论坛上，中关村科金副总裁胡建林、云蝠智能联合创始人兼CMO张亚慧、至本医疗AI负责人邓新宇博士、海松资本高级副总裁李阳就《大模型后时代，生成式AI改造千行百业》主题展开讨论。本场圆桌论坛主持人为沙利文大中华区执行总监崔楠。

　　崔楠：自ChatGPT去年推出以来，AI行业在资本和产品端均呈现热门态势。至今，国内研究机构和企业发布的大模型近200个。生成式AI不仅应用于to C的chatbot，还广泛涉及企业服务、营销、医疗、金融和教育等行业。那么，在此时点，生成式AI的应用现状如何？它是如何与传统业务模式和产品结合的？有无一些创新的成功案例可供参考？

　　胡建林表示，自从ChatGPT的推出，生成式AI已经在整个技术产业中引起了广泛的关注和讨论。尤其在资本和产品层面，整个行业的热度明显上升。此外，生成式AI的应用也不再仅局限于基础的聊天机器人模式，而是广泛渗透到企业服务、营销、金融、医疗、教育等多个领域。至于大模型，尽管初期备受瞩目，但随着时间的推移，企业和研究机构开始更为理性地评估其实际效果和经济价值。

　　近期，中关村科金与诺亚财富在大模型的合作已成功落地。通过融合自研的金融领域大模型、智能客服等人工智能技术，中关村科金为诺亚财富打造了智能知识库，具备多模态文档分析、QA问答对自动抽取、知识内容自动标签化处理能力。通过集成诺亚财富的企业微信和旗下财富管理平台iNoah APP应用，为其员工和用户提供基于企业知识文档的智能问答查询功能。通过大模型技术为智能客服产品赋能，大幅提升客服系统问答意图识别准确率和回复准确率，预期后期可减少70%以上的系统运营工作，有效帮助诺亚财富降本增效。

　　此外，金融、信托以及其他行业也正在探索将大模型与其业务结合的可能性。如在财务共享中心，大模型被用于升级和优化知识库，提供更准确和高效的服务。总的来说，当前大模型在知识帮助和服务升级方面展现出巨大的潜力和价值，未来的应用前景值得期待。

　　张亚慧表示，当前，大模型在AI领域的应用得到了广泛关注。尽管其发展迅速，但多数应用仍处于基础阶段。其中的原因，一方面是大模型存在一定的局限性，如对某些垂直行业知识的学习不足，导致其难以直接投入生产环境；另一方面，当前市场尽管已经相当庞大，但随着大模型与各种业务的结合，市场潜力还将得到进一步放大。

　　目前，大模型已在社交媒体、艺术创作、电商、医疗和教育等领域得到初步应用，但多数仍属于浅层次的理解式AI，而非深度AI。对于企业，结合大模型优化客户服务，如智能语音交互和智能客服，可以提升服务质量并为未来的深度应用打下基础。综上所述，大模型的前景广阔，但深度挖掘和应用仍需时间。

　　邓新宇博士表示，在医疗大健康领域，近期有众多公司推出自家的大语言模型，如“医联”的MedGPT和复旦团队的Disc-MedLLM，以及百度、华为和腾讯的布局。与他们不同，至本医疗专注于肿瘤精准诊疗领域，利用多年积累的宝贵专业数据，基于至本互联网医院推出了国内外第一款肿瘤垂直领域的大语言模型应用“至慧陪伴”。该应用的功能不是替代医生，而是为患者提供一个专业的助手，随时解答关于肿瘤治疗指南、药物信息、药物医保信息、可入组的临床试验、真实案例等多方面的专业问题，同时也为医生提供一个不断更新的专业资讯工具，辅助医生做出判断。

　　此外，大语言模型的发展速度惊人，如ChatGPT即将推出的多模态模型，预示着该领域将迎来更多创新应用。

　　李阳表示，从资本市场角度看，自去年大模型如Stable Division与OpenAI亮相以来，AI热度持续升温，但今年Q2至今热度有所减退。

　　原因有二：首先，许多投资机构觉得大模型创业公司间的差异性不大，难以找到特色应用场景；其次，实际应用场景并未带来显著的提升。在技术诊断方面，存在两种区分：一是基于原AI应用进行的优化，这种优化可能是数量级的提升；二是完全基于新AI技术，颠覆原有技术进行行业应用。例如，BI行业通过AI实现数据分析与报表自动生成，是第一类应用；而知识库查询，利用AI对于非结构化数据处理的优势，通过AI实现跨数据库信息抓取则属于第二类。对资本市场而言，第二类属于增量市场，投资机会和潜力更大。

　　崔楠：随着生成式AI技术热度的持续攀升，我们必须认识到它仍是一种新兴技术，并伴随着一系列的挑战和担忧。您认为当前生成式AI技术在行业中面临的主要挑战是什么？在这些挑战中，哪些可以在短中期内得到有效解决，而哪些可能仍缺乏明确的解决路径？

　　胡建林表示，生成式AI技术，作为一种新兴技术，尽管备受关注，但仍面临一系列挑战。首先，尽管它在语言生成上表现出色，但在事实判断和过程生成方面仍存在问题，特别是在输出看似合理但实则不确切的信息时。此外，虽然部分挑战已经得到解决，例如通过外挂知识库来增强事实判断，但某些问题，如伦理和心智问题，仍然难以解决。从应用的角度看，如何有效地利用非结构化数据，如音视频内容，和如何在高频与低频问题中平衡模型的使用也是核心挑战。同时，数据安全和合规性也是行业需要面对的问题。

　　总的来说，虽然生成式AI技术在某些方面已经取得了进展，但仍然需要跟随其发展趋势，结合实际应用，不断地进行调整和完善。

　　张亚慧表示，面对生成式AI技术的高热度，尽管许多企业热衷于拥抱这种新技术，但其实在创业和应用层面都面临诸多挑战。

　　首先，大模型的训练复杂度高，需要大量算力和资源，虽然未来可能随着技术进步而得到解决，但近期仍是一个显著的瓶颈。其次，随着AI的应用，公民隐私和信息安全问题愈发凸显，这需要相应的法规来进行约束和管理。此外，大模型在处理异常或复杂场景时，其抗干扰能力和稳定性仍需提高。最后，虽然一些企业已经开始在垂直领域探索大模型的应用，但大部分仍然在初级阶段，怎样真正为客户创造价值、如何将技术与实际业务深度融合仍是一个巨大的挑战。总的来说，虽然大模型技术带来了巨大的机会，但如何克服上述挑战，真正实现其应用价值，是各行各业企业需要深入思考和探索的课题。

　　邓新宇博士表示，当前生成式AI技术的浪潮下，虽然许多企业都希望拥抱并应用这一新技术，但面临的挑战依然巨大。首先是技术层面：算力资源和人才都是目前的瓶颈。尤其在国内环境下，高性能GPU的获取难度增加，同时培养专门从事大模型研发的人才仍然是一大难题。另外，大语言模型的实时学习和长期记忆的缺失也是其应用的限制之一。现阶段的大语言模型更像是一个固定版本，缺乏即时学习能力，并且短期内看不到很好的解决办法，类似向量库更新的方法只是一种过渡的解决方案。

　　再者，商业化落地也是一大问题。尽管技术的可及性逐渐增加，但如何真正利用它并创造竞争优势却是每家企业必须面对的问题。在一个竞争激烈的市场环境中，如何保持和扩大自己的市场地位，特别是在面对资本雄厚的大公司时，是每个创业公司都要思考的。短期内，企业可能可以依靠某个特定领域的专业性来建立优势，但长期来看，如何持续创新并保持行业领先地位将是关键。

　　总体而言，无论是技术还是商业化的应用，生成式AI都面临着不少的挑战。对于企业而言，如何克服这些挑战，并利用其带来的机会，将是他们未来发展的关键。

　　李阳表示，从投资机构视角，国内AI领域面临几大风险和挑战。首先，尽管国内多家大型公司发布了先进的模型，但实际能力仍然落后于GPT-4，与国外存在明显差距。其次，政策风险也不容忽视，特定政策制定为AI行业设定了不明确的边界，让许多公司处于不确定状态，不敢轻易拓展业务范围。此外，在应用层面，甲方客户的选择并非完全基于技术优势，而更多取决于对供应商的信任度。不可控的AI输出结果可能导致某些客户持保留态度。对AI真实性和准确度宽容度低的场景，渗透会比较慢。最后，投资者越来越关注企业是否为AI-Native；仅仅依赖技术热潮进行简单优化的公司，可能难以获得长期投资。

　　崔楠：每一个挑战都潜藏着机会。在此背景下，如果我们成功地克服了这些挑战，您认为我们的未来会呈现何种发展趋势？从各位大咖的视角来看，生成式AI的技术发展路径将如何演变？最为期待生成式AI在未来的产品形态及应用场景将是什么样的？

　　胡建林表示，从生成式AI技术的角度出发，我们观察到虽然大模型的能力在增强，但未来的复杂任务无法仅靠单一大模型解决。解决策略将涉及多技术和多模型的融合，而多Agent（智能体）的开源框架为此提供了一个方向。未来，产品形态主要分为两类：基于聊天的工具类产品，如ChatGPT，这些泛工具类的产品具有广泛应用性，但缺乏行业特性；第二类是领域大模型，这些模型针对特定行业，如金融、政务、医疗和法律，为知识密集和高隐私性行业提供更具商业价值的解决方案。

　　选择落地领域时，我们考虑三大维度：任务的容错性、领域的专业知识需求和场景的价值。例如，对于高风险任务，人机结合的方式是初步有效的选择。总的来说，虽然当前AI应用仍有其局限性，但生成式AI无疑是一个巨大的趋势。为了行业的长期繁荣，各方应该联手，共同推动这一生态的发展和正向循环。

　　张亚慧表示，成式AI在垂直领域的技术趋势明确体现在两大方向：智能化和拟人化。以智能语音交互和智能客服为例，未来的数字智能体需要在复杂场景下更准确地理解客户的真实意图，尤其是针对中文的丰富语境和含义。而拟人化的追求不仅局限于更自然的对话方式，更涉及情感交互的深度，使其更接近真人的交流体验。

　　随着技术的进步，预见未来企业官方门户将由数字智能体代替传统文本，与客户进行交互。此外，电话机器人客服可能升级为视频形式的数字智能体。特定垂直领域如保险行业，数字智能体可以作为培训讲师，积累和传递企业知识。但当前，多数企业的方案仍停留在简单模型的结合。未来，对于专业场景的深度挖掘和应用需求将更为关键。我们的目标应当是将“人工智障”真正转变为“人工智能”，为社会带来实质性的贡献。

　　邓新宇博士表示，从生成式AI的发展趋势来看，未来热点主要是一实一虚两个方向。一实是指具身智能，一虚指的是虚拟的元宇宙。在具身智能领域，大型语言模型将更多的与实体化硬件结合，以拓展应用范围。挑战在于如何实现大型语言模型的本地化，并将其有效地整合到实体载体如机器人、机器狗或其他载体中，赋予其与环境交互和学习的能力。在医疗健康领域，护理和家政机器人展现出巨大的潜力。

　　另一方面，元宇宙必将重返舞台中央成为焦点。其发展的关键在于解决用户接入问题，如脑机接口技术的进步、AR/VR/MR技术的成本控制和性能优化。一旦这些技术取得突破，元宇宙将真正兴起，并推动大型语言模型Agent在元宇宙中快速进化，甚至可能在虚拟世界中快速出现强人工智能。面对未来的机遇和挑战，具身智能方面需要不断提高多模态技术、算力硬件小型化并解决大语言模型的实时学习问题，而在元宇宙领域，XR硬件的创新和脑机接口技术的发展将起到关键作用。

　　李阳表示，从应用角度，我们可以突破几个方向。首先，新一代AI特点在于深入的用户语义理解和多轮对话能力。这使得AI可以高效地与高龄群体或低文化层次的人进行互动，提高交互效率达十倍甚至二十倍。其次，AI的设计能力不会替代设计师，但可以在策略和流程上赋能，大幅提升效率。再者，未来社会的碎片化数字化数据提供了巨大的机会，AI有能力整合并高效利用这些分散的碎片信息。最后，大模型可以作为一个中心控制平台，结合专家模型、内部模型和小模型，构建一个综合性的控制系统，这可能是一个具有价值的方向。

　　所有转载不得对原文进行任何篡改、曲解、诠释和改编。沙利文保留对所有原创文章的版权及解释权。如有违反，沙利文保留依法追究相应法律责任的权利。

　　全球增长咨询公司，弗若斯特沙利文（Frost & Sullivan，简称“沙利文”）融合全球62年的咨询经验，25年来竭诚服务蓬勃发展的中国市场，以全球化的视野，帮助超10,000家客户加速企业成长步伐，助力客户在行业内取得增长、科创、领先的标杆地位，实现融资及上市等资本运作目标。

　　沙利文深耕全球资本市场及企业咨询服务，通过首创的“全域投资管理 (Total Investment Management, TIM）”为企业提供全方位的投融资及其他各类专业咨询服务，包括投融资CDD、估值服务、技术顾问、财务顾问、ESG、募投可研、债券发行行业顾问、行业顾问、评估服务、奖项服务、行业白皮书、战略及管理咨询、规划咨询、技术洞察等。

　　沙利文大中华区的投融资业务实现了对中国国民经济的全行业覆盖，包括对新经济、新基建等所有经济热点的高度关注，涵盖生物医疗、消费零售、互联网及科技、娱乐传媒、金融服务及金融科技、双碳环保、机械制造、能源电力、地产物业、矿产资源、基础设施、汽车出行、物流运输、轨道交通、船舶航运、航空航天、农林牧渔、工业材料、建筑工程、教育培训等。

　　沙利文团队为企业领袖及其管理团队开展投融资顾问咨询服务以来，已帮助近千家公司成功在香港及境外上市，是国内投融资战略咨询领域的领军企业。近10年来，沙利文连年蝉联中国企业赴香港及境外上市专业行业顾问市场份额第一名的领导地位；且近年来，沙利文报告也被广泛引用于业内领先的A股、科创板等上市公司的招股文件、一级和二级市场研究报告及其他资本市场公示文件中。

　　62年以来，沙利文通过其遍布全球的近50个办公室，利用强大的数据库和专家库、运用丰富的专业知识和咨询工具，帮助大量客户（包括全球1000强公司、国内外顶级金融机构以及其他各类领先企业等）完成了包括但不限于尽职调查、估值分析和第三方评估工作等工作，达成了战略目标；创立市场地位确认体系，首创“FSBV沙利文品牌价值模型”，已向超500家企业提供市场地位确认及品牌估值服务，持续助力大量中国品牌共赴增长未来。