周鸿祎：大模型走进千行百业，要从“原子弹”变成“茶叶蛋”

周鸿祎 360集团创始人（图片来源：中企图库）

12月13日-15日，由《中国企业家》杂志社主办的“2024（第二十二届）中国企业领袖年会”在北京举行。360集团创始人周鸿祎出席本次年会，分享了关于AI行业的最新思考。

以下是周鸿祎演讲实录（有删减）：

这几年，我觉得每一位只要还在坚持做企业的都不容易，年底了大家应该给自己点个赞鼓个掌。我是搞技术的，不太懂经济，所以我不太谈宏观的东西，抱怨外在的环境多数解决不了问题。作为企业家都有百折不挠的精神，我们如何寻找产业发展新的突破方向，可能我还是从人工智能的角度来跟大家分享一些观点。

这两年大模型横空出世，变成全球产业变革的核心驱动力，也带来了很多创新的机遇，所以我想分享一下，结合各个企业不同的方向，我们如何能够利用人工智能，能够把我们的行业重塑一遍。

有一句很俗的话叫“认知决定命运”，我觉得认知还是很重要，行动之前先解决相不相信的问题，所以要有AI信仰，在座的各位大家可以扪心自问，对照这三个问题：

第一，你相不相信大模型是真智能，相不相信AGI正在加速到来？

第二，你相不相信大模型是一场工业革命，相不相信大模型将重塑所有产品和业务？

第三，你相不相信不拥抱AI的组织会被拥抱AI的组织淘汰，相不相信不拥抱AI的个人会被拥抱AI的个人淘汰？

如果不相信你就可能会错过这个机会。新技术的概念行业已经提了很多了，行业每年都在造大词，大家听过元宇宙，什么区块链，包括物联网这些很多概念，这次大模型的定位是一场工业革命。如果你相信他是一场工业革命，是基于信息革命之后的第四次智能革命，那么它就会把所有的行业都会改造一遍，会重塑你所有的产品跟业务。但这往往还有很多制造焦虑的言论老是在谈谁的企业要被AI淘汰，什么人要被AI淘汰。

也有人问我，到底我这个行业还行不行。我不知道，但是我知道一点，就是不拥抱AI的人和组织肯定会被懂得AI的人淘汰。网上对AI还有很多人在争论，AI这两年的发展用一个词来讲叫“度日如年”。什么叫“度日如年”？就是每天的发展都等于过去一年的进步。

对很多企业家来说，这既是挑战也是机会。因为认知发生了偏差，有的人可能看不起就会看不清，因为这种心态可能就看不懂，但是等到有一天突然觉悟了，想改的时候发现已经看不见了，所以我的建议是各位企业家应该把AI视成现在一个巨大的机会，要有紧迫感，但是也不用特别慌张，AI未来5～10年都有大的发展空间。

现在网上谈AI的东西很多，我们把它梳理一下，实际上全球大模型发展现在已经分成了泾渭分明的两条路，一条路是通用人工智能（AGI）之路，还有一条是应用之路。

我们现在常说的OpenAI，一些大模型公司，实际上走的是通用人工智能之路。他们的目标野心是通过不断地卷算力、卷数据、卷参数，让模型向着万亿参数发展——这基本上是在“造原子弹”。

但是最近这条路碰到了问题。一个是网上能找到的数据基本上用完了，所以大家预想着堆完算力把所有的数据都训进去后，想自然就会出来一个强人工智能，这一想法遇到了巨大的瓶颈。

第二，大家也在反思，人工智能在模仿人类的智力再往前发展可能就要走专业化的路线，打造一个全知全能的超级人工智能在逻辑上是不成立的。举一个例子，比如说谷歌有一家公司叫DeepMind，他做了AlphaGo只会下围棋但是可以打败一切人类高手，他做了AlphaFold得了诺贝尔奖，但是只会研究蛋白质的结构。

所以人工智能下一个发展方向未必是一个简单的通用的人工智能，这未必就一定能做出来，这在哲学上有可能是不成立的。现在大家已经开始改变方向，不再追求全能的大模型，开始意识到大模型是一种能力。尤其像电机一样，买一个电机回家在那看他能转27000转是没有任何意义的，你得把它加上齿轮组，变成工厂里的生产线，你得把它加上风扇变成鼓风机，装上轮子变成车才会有价值。

将大模型和具体的应用场景结合，向着产业化和垂直化的方向发展，做专业技能的大模型，这个现在已经变成新的方向。2023年是大模型元年，大家都在秀大模型的基础能力，但是2024年已经往专业化垂直化的方向发展，2025年大模型是智能体之年，也就是大模型在企业内部应用真正地要打造每个企业的智能体。

除了少数的巨头，通用人工智能和我们在座绝大多数企业家没有必然关系。我们这些企业可能更多的要关注应用之路。为什么这么说呢？除了刚才讲的大模型只有跟应用结合才能帮我们企业解决问题，大模型、人工智能都要成为打造新质生产力的核心引擎。要打造生产力就要给企业降本增效，就要和企业具体的业务进行融合。否则我们做了很多大模型，上来一顿秀，写个藏头诗，画个小图片，大家觉得很好玩。这和刚才魏桥张波总讲的，它和生产的业务到底有什么关系。

我觉得打造专业化大模型还有一个趋势，就是要把大模型拉下神坛，让大模型从“原子弹”变成“茶叶蛋”。当年超级计算机出现的时候，当时的IBM比较狂妄地说全世界需要五台超级计算机就够了。超级计算机并没有带来工业革命，反而像玩具一样的PC带来了工业革命，因为PC足够便宜，进入了千家万户才带来了真正的信息革命。

走专业化大模型之路，我觉得才能把大模型变成“茶叶蛋”，让每个企业都用得起。因为做专业化大模型，不需要大模型的能力很全面，只需要在一个方向上解决一个问题，这个是思路范式的变化。如果只解决一个问题就不需要千亿万亿参数的模型，几十亿的参数模型就可以用了。在几十亿参数的模型上，对算力的要求，对数据的要求就会降到很低，而且不需要那么多的知识和数据，只需要结合我们在垂直领域的专业数据进行训练。

在这块我们很多企业有一个优势。现在大模型发展趋势已经证明了一点：过去认为模型越大能力越强，现在发现说模型的能力和你的知识密度、知识纯度有关。现在如GPT也碰到这个挑战，发现越来越多的知识在互联网上是找不到的，比如铝业的生产，如何造一个航空发动机，这些知识是藏在企业或者专家的脑子里。所以做专业大模型可以发挥企业的优势，解决企业的痛点，也会使大模型落地的门槛降低。比如，参数降低后不需要“千卡万卡”，甚至单机几张卡就可以来做了。

可能有的企业几十万、数百万人民币就能够开展自己的大模型，且响应速度更快，部署程度最低。对我们很多企业来讲，大模型里蕴含了很多企业家做企业多年积累的Know-how和经验，这是企业最重要的核心资产，不可能把它传到公有大模型里去分享给所有人使用。所以大模型应该是私有化部署在每个企业内部，专业大模型就能真正地实现，才能把大模型拉下神坛，走进百行千业，从“原子弹”变成“茶叶蛋”。

企业如何走应用之路呢？

我们不再笼统地来谈大模型，因为现在大模型的演示给大家造成了误解，以为它只会写诗作画，做视频。实际上，我们大模型简单分解一下，可以把它分为六层能力，不同的能力用在企业的不同场景。

第一层，基本能力。指的是大模型的语言能力，阅读理解、逻辑推理、知识问答，这些能力只有赋能给企业的员工和企业办公方面。

第二层，大模型有很强的创意能力。所以大模型又被称为叫生成式AI，它是有创造能力的，现在生成各种图像、音视频、文本的创作，这个比较适合企业的营销、宣传方面。

第三层，多模态能力。大模型对于声音、图片、视频，把我们世界画面理解和实时的处理，包括现在大模型不仅有语言的能力，还有耳朵和演进的能力，从看见到看懂，这个对企业更多的业务会有更多的帮助。

第四层，我们称为业务能力。可能各位企业家如果要提高自己的企业数转智改的效率可能比较需要关注的，比如说专家经验的沉淀，业务流程的资本化，组织的协同，人机交互，包括知识的管理，情报的分析，这个主要是赋能传统企业的数转智改。

第五层，创新能力。在很多新兴产业未来产业方面，比如说具身智能、人形机器人、低空经济的无人机，或者智能网联车的无人驾驶方面，它本身就是数字化企业，实际上他利用人工智能解决他现在不能解决的问题。

第六层，科学能力。也就是AI For Science，今年的诺贝尔奖物理学奖和化学奖都给了几位AI科学家。这证明了一个观点：AI大模型会成为我们科学研究的新范式，成为科学研究的新工具。

基于大模型的六层能力，我总结了企业如何让大模型走应用之路的六个方向，包括人人智能、万物智能、数转智改、未来产业、科学研究、安全六大方向。

第一个，是人人智能。AI和云计算、大数据等其他技术不一样，很多技术普通人并不需要了解，只要享用它的成果。但是AI可能是每个人都要学习的一种能力，所以AI是人人普惠、人人共享、人人受益的。大模型是人类有史以来最好的工具，把人类所有的知识都能随身携带，它能提升每个人的能力，甚至能赋予我们个体具有超能力。它和互联网最大的不一样，就是互联网并不直接提高人的能力，互联网更多的是解决人和人的连接，人和信息的连接，所以互联网创造了很多新的商业模式。

第二个，万物智能，从万物互联走向万物智能。今天的大模型有一个很重要的方向，是把大模型做小，做到能够上各种智能硬件。比如，现在苹果已经把大模型上手机了，华为鸿蒙，联想再把大模型上电脑，如果我们的车辆能自动驾驶那大模型也可以“上车”。实际上，想的更大的机会是AI能把现在所有的硬件重做一遍。

包括最近的VR眼镜又卷土重来。原来VR+眼镜这个线并没有做成功，但是现在新的Facebook演进变成人工智能的演进，通过这个眼镜可以看到世界，用人工智能来解释，反而有可能做起来。

第三个，数转智改，助力传统产业打造新质生产力。对传统企业的企业家来讲，通用大模型并不适合你们，企业内部也不要去幻想一个大模型解决企业所有的问题，一定是多个大模型组合起来工作。在这一趋势下，企业级的大模型市场将会爆发，而且这是大模型提供生产力最主要的战场。对我们很多企业来讲，有了大数据之后，要解决如何能够把大数据发挥得更好；有了大模型，可以想如何利用大模型打造智能体，如何把我们企业里过去想解决不能解决的问题，或者想克服但不能克服的问题都通过人工智能解决掉。

第四个，未来产业，变不可能为可能。刚才我讲的智能驾驶、具身智能、生物制药等新兴产业，没有大模型根本做不下去。我举个例子，最近特斯拉推出他的全自动驾驶，就用在大模型新的解决方案，在没有大模型之前，传统的自动驾驶用的是基于规则的积累。但机器永远会遇到他没有遇见过的规则，就很难全自动驾驶。现在基于大模型的这种基于样本学习的模式，使得自动驾驶在两年内或许就可以实现全自动驾驶。

第五个方向，科学研究，打造科研新范式。刚才讲了AlphaFold成功证明，AI For Science将成为推动基础科学的重要驱动力。对内部有一些科学研究的企业来讲，可能要关注大模型将会给科学研究提供什么新的研究范式和新的研究工具。

第六，AI安全，实现安全的“自动驾驶”。既然所有的场景都要结合人工智能，那人工智能的安全问题就要受到特别的重视。人工智能典型的几个大的问题，一个是数据隐私泄露和数据污染的问题，还有人工智能容易用人工打击的问题，还有AI胡说八道产生幻觉的问题。360提出“以模制模”的问题，用大模型来解决新型的AI安全，这个方向是为大家用AI大模型来保驾护航。

最后，给大家提几个建议。

第一，人人AI，企业内部人人都先用起来。大模型未来5～10年都会把我们的赛道重塑一遍，我们的企业不一定需要更换赛道，不一定要转换行业，但你要去想一想说能不能重做一遍。AI跟企业业务怎么结合，不是由我们AI专家说了算，是由在企业一线的员工，是由对业务最熟悉的企业员工说了算。所以要找业务场景要靠企业一线员工，这就要求每个人都要强迫自己学会AI。从上到下每个人都用起来，企业对AI的理解才更深入，企业的AI化才能成功。

真正经过调查，发现企业里面主动用AI的并不多，为什么？因为AI不是天然的习惯，是需要强迫自己去用才逐渐地有一个适应的过程。

第二，企业办公和营销场景要率先AI化。企业用AI可以从办公和营销这两个场景先做，因为这是现在大模型最成熟的，有各种成熟的产品。比如说文稿的撰写，图片的处理，会议记录的整理，面试结果的分析，这些场景都可以用AI来改造。

第三个，选择业务场景，打造专业大模型和Agent数字员工。不要试图用AI去解决自己企业所有的问题，也不要大而化之地说我要做一个产业大模型，或者行业大模型，需要在企业内部分析一些场景，把复杂的业务流程进行分解之后，在一些垂直的业务场景上打造自己的专业大模型和数字员工。积小胜为大胜，不追求宏大叙事，不追求面面俱到的全能大模型，要找到一个合适的场景。

如何找场景呢？给大家几个建议：

第一，四个方向、四个十倍。对上，对领导的决策如何提供支持。对下，对员工提高工作效率如何支持。对内，内部的业务管理流程。对外，自己的产品服务体系，看能不能找到企业的卡点，所谓卡点就是说能不能降低十倍的人力，提高十倍的效率和体验。

第二，先细分场景，再拆离业务流程。过去很多解决不了的问题，今天用人工智能可以解决了，过去必须用人力的地方可以用数字员工来做了。美国最近提了一个新的概念叫新的SaaS。

过去我们知道SaaS叫Software as a Service就是把本地的软件变成云端服务，现在这个概念已经落后了，现在新的概念叫Service as a Software。什么概念呢？过去很多非人力不可的事，比如说写各种调研报告、竞品分析、PPT、研究，现在都可以用人工智能来做，可以变成用软件来做，场景要分得足够细就可以训练对应的专业模型来解决问题。

我最后讲一个案例，某省39家钢铁企业他们要联合钢铁技术大模型，最初来找我们时谈得很宏大，我就问了一个问题，钢铁大模型要解决什么问题。这把大家得问住了，最后大家找钢铁制造的专家，把钢铁整个的冶炼过程、流程分成142个场景，然后最后在142个场景里找出来几个场景，来通过专业大模型来提出效率，可能提升生产力，可能提升3%或2%，但都是一个巨大的收获。

希望大家从今天开始，如果能开始学习用AI，去开始使用AI，全员用AI，一起能抓住大模型时代的创新机会。

责编｜许加林