2024年，全球人工智能产业迎来了一系列重大事件，SORA的崛起、Llama3的开源等技术成果层出不穷，“大模型”也开始进入人们的视野，乘上了发展东风，迅速成为科技圈的新宠。
科技浪潮奔涌而来，企业应该如何应对？AI科技如何驱动未来发展？5月在深圳举行的2024长江独角兽峰会邀请到360集团创始人、长江商学院CEO8期校友周鸿祎做闭幕演讲。在演讲中, 周鸿祎提出：大模型作为工业革命级的生产力工具，将引领新一轮工业革命。要想通过大模型掀起工业革命，就需要把它“拉下神坛”，让它走进千家万户、百行千业。
以下为周鸿祎在2024长江独角兽峰会上的演讲精编，一起来看看他对大模型发展趋势及中国大模型发展路径的思考。
分享 | 周鸿祎
360集团创始人、长江商学院CEO8期校友周鸿祎
在2024长江独角兽峰会做闭幕演讲
大模型作为工业革命级的生产力工具，将引领未来的工业变革。
今年1月我参加了长江EMBA至诚讲坛的活动，与大家分享了大模型时代企业如何拥抱人工智能的话题。过去三个月，全球人工智能产业又发生了很多大事件，在技术创新、产品落地、开源建设等领域全面开花，SORA横空出世、Llama3开源......由科技进步带来的度日如年的感受依然在继续，我们正处在一场史无前例的科技变革当中。
2024长江独角兽峰会的主题——“AI驱动的未来”，让我眼前一亮。大模型出现后，我有一个明确的观点：大模型作为工业革命级的生产力工具，将引领新一轮工业革命。
AI信仰与All in AI
最近半年我去了两次美国，深切地感受到美国科技界对于AI的投入和狂热。他们将AI视作再次实现产业升级的机会，所有的创业者都在围绕AI做创新，投资者也锁定了AI项目。
面对摧枯拉朽的AI浪潮，我提出两个概念：“AI信仰”和“All In AI”。
大模型在中国真正推动起来，首先要解决认知问题，即所谓的“AI信仰”。我先提出六个判断：
●大模型是真智能；
●AGI（通用人工智能）正在加速到来；
●大模型会带来一场工业革命；
●大模型会重塑所有产品、业务和流程；
●目前有一种制造焦虑的声音，认为大模型会代替很多人的岗位。我对此则很乐观：大模型是人类发明的最好的生产力工具，会大大提高企业和个人的组织能力；
●不拥抱大模型的人和公司将会被时代淘汰。
如果你认同我的这六个判断，我们再来讨论企业如何All in AI。
Think Different：
中国大模型发展应另辟蹊径
目前，在全球范围内，大模型发展的其中一条路是越做越大——也就是OpenAI的道路，不断地堆参数、堆数据、堆算力，试图做出一个全球超级人工智能，并希望全球所有公司与个人都使用它的产品。
中国也要打造自己的通用大模型，这需要政府参与指导、鼓励民间开源、开放、共享的理念，组织开源社区，让更多的公司和个体参与进来，共同推动技术的进步，实现产业跨越式发展。
但正如苹果公司的Slogan“Think Different”，大模型发展并不只有这一条路，除了越做越大，还应该越做越小，越做越专。
我们不该被OpenAI牵着鼻子走，更应该开辟第二战线，发展专业能力的企业场景大模型。
要想通过大模型掀起工业革命，就需要把它“拉下神坛”，让它走进千家万户、百行千业。
当年超级电脑发明后，只有极少数单位使用，并未带来工业革命。真正带来信息革命的是个人电脑，当它走进千家万户、百行千业时，才实现了信息技术的真正普及，带来了新一轮工业革命。
把模型不断做大，参数规模将是千亿、万亿、十万亿级。如果跟随OpenAI的路，我们在算法、算力、数据、能源、人才方面会面临很大的挑战。
首先是「武器」不足。中国很多公司拥有的显卡加起来还不如美国一家巨头公司；
其次是知识不足。中国互联网的中文数据的规模和质量正在下降，在严重“APP化”的移动互联网上，很难获取到完整的知识和数据。即使是OpeneAI，也同样面临知识不足的问题。
然而，如果我们坚定地走企业级专业大模型道路，这些问题就不再是问题。
走“窄路”：专业大模型，
解决特定场景下的专门问题
首先要建立一个认知：一个大模型无法解决企业所有问题。
在真实的场景里，没有一套软件既能管理员工，又能管理生产、财务以及客户。未来一定是一个大模型解决一个场景的垂直问题，在企业内组合多个大模型协同工作。
以专业大模型的思路，许多问题都将迎刃而解：
第一，参数量级大大下降。专业大模型只需专注解决企业在特定场景下的一个专门问题，不需要它同时能够写诗或解奥数题，那么训练一个专业大模型不再需要千亿、万亿的参数，百亿甚至几十亿的参数就够用了。
第二，研发成本降低。参数量级下降，对算力的要求也将相应降低，企业无需投入千万、上亿资金，百万或几十万资金就可以训练自己的大模型。成本缩小了上百倍，中小企业也能很快上手。
第三，术业有专攻。专业大模型不需要GPT4面面俱到的全方位能力，开源模型达到GPT3.5的能力就够用。目前，国产大模型基本都达到了这一水平。
第四，企业无需从头开始训练开源的大模型，只需进行微调，不用重复发明轮子。这对企业的AI人才的要求也会相应降低。
总的说来，专业大模型大大降低了企业应用大模型的门槛，算法、算力、成本、能源都不再是问题。
找准明星场景：
发挥专业大模型的潜力
那么，核心问题是什么？
是要找到适合大模型发挥价值的明星场景。
所谓“明星场景”，可以化繁为简地概括为：
在企业内部，往上看领导使用的场景，往下看员工的使用场景，往内看企业内部管理业务流程，往外看对外提供的产品和服务。
在这四个方向上，能否找到一个场景，在大模型应用之后提高识别的效率，提高识别的用户体验，降低识别的人力，或降低识别的成本，从而真正打动企业客户。
四个方向之外，企业寻找场景时还有一个思路：将场景细化。
企业不要先做大模型再找场景，这叫“拿着榔头找钉子”；而要先找到“明星场景”，根据场景需要设计功能，再根据功能需求来训练专有大模型。
以360为例，我们打造的“360安全大模型”是行业内首个安全大模型。
针对网络安全发现攻击难、溯源难、处置耗费人力高、漏洞发现难、大模型自身安全漏洞等安全行业的普遍问题，我们利用专家协同架构开发了安全分析、威胁溯源、响应处置、代码漏洞、安全知识问答、大模型内容安全6个大模型。目前，360安全大模型在安全专业能力上可以做到领先GPT4。
需要强调的是，专有大模型的能力不比通用大模型逊色，并非退而求其次的选择。时间将会证明，用百亿或不到百亿的大模型做垂直训练，只需选好场景、用好企业专有知识，它的专业能力可以超过GPT。
文中图片来自图虫创意，转载需获授权。
