圆桌论坛：颠覆与自我革命：如何把智能化的主动权把握在自己手中｜WISE2023颠覆AIGC产业发展峰会

整理：Ricky

5月23日，36氪举办「颠覆·AIGC」产业发展峰会。本次峰会汇聚产业力量，共同探讨企业、行业在面临变革时的应对策略，分享思考，探索和发现产业中最具潜力的企业与最具价值的技术，在激荡的环境中探寻前行的方向。

大会的第三场圆桌论坛上，主持人36氪分析师王与桐，与源数创投创始合伙人沈栋梁、星尘数据创始人&CEO章磊、Cocos CEO林顺，围绕AIGC对技术的颠覆与技术对AIGC的重塑问题进行讨论。受邀嘉宾分别从投资方、数据方、AI应用方三个不同的角度，就AIGC与行业间的相互影响以及行业未来发展方向分享了自己的见解。

源数创投创始合伙人沈栋梁在讨论中表示，AI技术降低了创业门槛，相关赛道的从业公司竞争压力更大。对于需要行业经验与底层技术积累的赛道来说，大模型可以帮助非赛道公司实现弯道超车。他指出，ChatGPT为代表的通用大模型起到关键的市场教育作用，成为市场普及工作的重要转折点；同时它将动摇企业的传统用人结构，为就业市场带来隐忧。谈及创业与资本市场间的关系，沈栋梁认为，一级市场有时同样不够理性，会被市场情绪所影响，创业者应该坚定内心的想法，保持理智。

星尘数据创始人&CEO章磊表示，在技术层面，ChatGPT背后的数据生产流程比想象中复杂得多，这是大模型得以颠覆各行各业的基础。他也指出，AI可以为各行各业直接赋能，在保持技术优势的前提下，工程问题的解决同样需要关注。届时，定制化将成为大模型发展的新趋势。对于AI可能带来的影响，章磊从教育、机器人与数据行业角度分享了自己的见解。首先，教育行业将受到最大的冲击，就业者应利用AI提高个人生产力；其次，在大模型帮助下，机器人效果将得到大幅提高；最后，未来的数据技术将趋于工程化、流程化，为人类智慧与机器智慧搭建桥梁。

Cocos CEO林顺则表示，在AI的加持下，不同的工作流形式通过自然语言交互模式后，都会颠覆现有的生产模式，带来产业的提升。他认为，随着AI工作流的深入，行业入门门槛将下降，整体效率会得到提升；同时AI技术释放出更多时间和空间，孵化出更具创新性的内容。得益于游戏行业本身闭环小、更迭快等特点，AI的发展也将被行业反向推动。谈及AI生成3D内容的技术路径，他表示相关技术目前仍不成熟，处于成熟可大规模商用的前夜。

圆桌论坛 | 颠覆与自我革命：如何把智能化的主动权把握在自己手中

以下为嘉宾讨论实录（经36氪整理编辑）：

王与桐：接下来还是圆桌环节，我们将讨论AIGC对技术的颠覆，以及技术如何重塑AIGC。我们欢迎：

源数创投创始合伙人 | 沈栋梁

星尘数据创始人&CEO | 章磊

Cocos CEO | 林顺

特别感谢嘉宾参与这次圆桌三位自我介绍一下。

沈栋梁：我是源数创投沈栋梁，我们专注于数字化领域早期一个创业投资机构，基本上在看得7分赛道大数据、人工智能、saas软件，本人之前也是赛道创业者，转做投资人这样的过程，我们愿意陪伴更早期创业者成长产业性的创投机构。

章磊：大家好，我是章磊，星尘数据2017年成立，是一家提供AI数据服务、数据策略服务和数据闭环系统的公司。大家都知道，AI三要素是算法算力数据，2017年AlphaGo大火之后，我们发现数据在AI发展中起到非常重要的作用。我之前是做算法出身，在华尔街和硅谷待了10年，回国后创业的第一家公司是做算法相关的AI公司，在这个过程中发现了数据的重要性以及中国在数据基础设施方面的一些缺失，所以星尘成立之初就专注于AI数据服务，给各大AI公司和自动驾驶公司提供数据服务。目前星尘也为大模型提供数据服务，在ChatGPT各项能力搭建数据集方面做了不少事，希望和大家一起交流。

林顺：大家好，我是 Cocos CEO 林顺。Cocos 于2010年成立，是全球三大跨平台游戏引擎之一，并且是拥有独立知识产权的国产引擎，Cocos 在全球有160万注册开发者。游戏引擎是专业化的开发工具，不论是 PC 游戏、手机游戏、小游戏几乎都是游戏引擎开发的。大家耳熟能详的《开心消消乐》、《口袋奇兵》，以及去年爆火的《羊了个羊》，都是基于 Cocos 引擎开发。Cocos 引擎在国内手游占有率达40%，国内小游戏占有率达64%，海外手游占有率达20%。游戏引擎是通用的渲染工具，不仅可以用来做游戏，Cocos 引擎也大量应用在车机、元宇宙、虚拟数字人、XR 等领域。

王与桐：我们这场圆桌包括数据方，以及AI应用方。那我们想先讨论一个较为宏观的问题，你们觉得这波AI浪潮，对技术最颠覆的点是什么？

沈栋梁：技术我肯定没有二位专业，我自己感觉首先AI涌现能力，今天有很多嘉宾讲到智能涌现，我觉得这就像一个小孩上学，突然有一天开窍了，这个实际上是一个非常大的一个改变冲击，所以现在我们每天接触各行各业的创业者，大家在讨论一个问题，是AI+还是+AI问题，各行各业一定有很多拥抱AI原生nativeAI公司，他们在考虑是怎么AI+，原来在各行各业有一定积累公司在怎么加AI，毫无疑问是谁不及时拥抱就被AI淘汰。

章磊：我觉得今天大家说的大模型，其实给我们打开了一扇窗口。因为我很早之前就是做NLP相关工作的，ChatGPT刚出来我只是觉得AGI的大门一直被各种各样的技术冲击，今天看到一个大锤子撞了一把，看完以后我觉得挺好的，就结束了。没想到年后这个东西就火了，当时感觉又证明一件事情，在深度学习上面，大力出奇迹这个结局仍然没有结束，仍然在持续大力出奇迹过程当中。作为一家数据公司，年后我们对ChatGPT背后数据的整个生产流程进行了深度分析，的确比大家想象复杂很多，大家以为有三个数据集SFT、PPO、RM数据集，其实没有那么简单。在生产数据过程中有很多专项能力搭建，我们对它分成三个层次，一个是公开域数据，第二个是专项能力私有化搭建，第三个私有化数据知识体系搭建，里面每一个层次的数据里面都有很多的细节。所以我去给其他行业介绍的时候，我经常说大模型就向相当于搭台，大家看了一场戏，这个戏非常丰富、非常饱满、非常好，其实背后的整个后台工作非常多、非常细，这就是对我们最大启发。就是他可以搭一场大型综合的一场戏了，不像以前只是一个角色，只能唱歌、跳舞。现在能做综合事情，我觉得之后在多模态、超常记忆、LangChain、逻辑链等等buf叠加之后，大模型可能会成为一个具有自主意识的agent的大脑，加上LangChain这样的技术可以调用API能力，互联网搜索能力，能够去做一些自我思考，这是最颠覆我的，或是最期望的一件事情。具体落地到现在，此时此刻，大模型其实对各行各业都有很大冲击。

林顺：在宏观上，AI 对于技术的冲击可以用两个词来概括：自动化和智能化。

游戏行业是一个非常激进地拥抱新技术的行业。两三个月前，大家也肯定看到一些网络帖子，某大厂的美术被裁员，因为 AI 下岗了，某美术外包公司接不到单了，这是游戏行业真实发生的事情，但是还是引发很多讨论的。短短几个月过去，大家已经坦然接受并拥抱 AIGC 了。

在 Cocos 社区已经有开发者，通过自然语言交互的方式，2 个小时做出一个3D 版本的贪吃蛇。理论上能做 3D 贪吃蛇游戏，一定可以做更复杂的内容。技术冲击最终将带来生产力和生产关系的变革。

无论是“AI+工具”和“工具+AI”，我们认为这两点会同时发生。站在 Cocos 的角度，第一阶段是原有工作流的增强，第二阶段是人机协同、多段式交互的工作流，第三阶段则是智能化的工作流，更接近于 AI 原生工作流的使用模式。

高可控性和高可用性，是 AIGC 进入实际生产最关键的一环。Cocos 也会推出自己的自动编码产品 Cocos Copilot，不仅可以帮助用户写代码，通过引入专家系统等方法，还可以将引擎的 API 和客户的业务代码都教给 AI，让 AI 的智能化更高，提高准确度和专业性。

就像汽车替代马车一样，因为有了 AI 技术的加持，不管是多段式的工作模式，还是全智能化的工作流，通过自然语言交互的模式，都会颠覆现有的生产模式，带来全新的分工分层革命，带来产业的提升，产生全新的机会。

王与桐：想问一下沈总，我看到你们投了很多AI+营销相关的公司，我之前采访过一个公司叫fancytech，你觉得在营销，或者说更大的tob应用层面，AI对他们有什么负面影响吗？如果有，企业您觉得该如何做才能避免？（第二个小问，可从企业自身管理建议、资本帮助的角度回答）

沈栋梁：其实首先我解释一下，我们实际上我们看的数字化这个赛道，不一定是一定AIGC或者是加营销或者什么，我们看的是用AI大数据手段在各个领域大幅度降本增效面向企业落地应用，这个是我们核心看的一个投资策略，像刚才您提到fancytech这类AIGC公司我们大概在两年前看内容生成这个赛道，那时候还没有AIGC这个词，但是有内容生成这个词，也有很多公司做，内容赛道已经发展很多年包括内容管理、生成一系列的相当多的从业公司。在这个过程中，如果有什么负面最直观感觉就是其实会更卷，这个是最直接带来负面，首先第一个因为AI技术到来之后，首先创业门槛降低。

举个例子，比如说客服赛道，这个以前还是需要有一个知识库的积累，有相应行业经验，有一系列的底层技术，有了这个ChatGPT之后明显有非赛道公司很快的通过大模型能力，切入到智能客服赛道，也能很快构建产品也跟你竞争，这个典型加剧内卷降低创业门槛过程，这个对很多公司是一个如果算负面，至少算一个竞争加剧。

大家的相应效率都提高了，所以这个是看谁跑得快，谁拥抱的快，我身边有一个做家具老板，是在网卖家具大概养了10个设计师，每个月大概上5款新产品，用了AI工具之后，就开始逐步砍设计师人员，他现在经过一段时间之后，设计只剩4个，但是每个月可以上15款新品，所以说这个对大家来说对对手来说是一个正面还是负面，其实这个事情都有两面性。

王与桐：谢谢沈总。我上个月采访过章总，当时是在和其他机构合作开源数据集，为大模型发展服务。这波AI浪潮来临后，你们的业务是否发生了一些变化？

章磊：之前有一个词叫AI普惠，这个很抽象，就是AI惠普各行各业，今年以来我强烈感觉到了AI真正落地不仅仅是给AI公司去创造出他们自己的工具和系统，间接赋能，而是AI直接赋能各行各业，刚才家具行业这个东西直接可以用，普通人可以玩可以用，这个事情是一个非常具有冲击性，对行业各方面都有颠覆性事情，对于数据公司来说，我们发现这个数据需求量是递增状态。

第二，国内外目前此时此刻还有一个很大的差距，这个差距到底是什么，我们中国传统一个思维——武林秘籍，我们要找一个武林秘籍学什么东西，只要学会就可以了，但是如果用现代西方观点去看的话，很多问题都是工程问题，包括现在的大模型。大模型技术本身其实非常简单，无非就是一个transformer不断生成字，出的什么字的这件事情根据之前学习到案例决定。因此我们把个大模型落地项目分解以后，其中60%是数据工作，20%是算法相关工作，20%是是工程相关工作，数据变成非常核心一件事情。之前我们服务的客户是AI公司、自动驾驶公司、AI研究院、高校研发机构等等，现在我们的客户是各行各业。所以我们觉得锤子已经最够好用，关键怎么找钉子问题，谁拥有钉子就可以跑得更快。

第三，我们认为马上出现国内大模型泛滥的局面，大家看到一堆，每个公司都有。很早之前我们在创立星尘之初就确定，Hugging Face是开源模型平台，我们要做Hugging Face这样的开源数据平台，不是像数据交易所一样简单进行数据交易，而是进行一个模型效果分析。因为没有一款AI算法、AI模型解决所有人不同问题，以后模型肯定是定制化，每一个人都有一款模型，那么怎么找到最有效果的模型，需要公正、公开、公平的一个评测系统帮你做。您上传100条数据和希望得到的结果，把标准定好，我就可以快速帮你在市面上1000个大模型里面挑一个最适合你的，如果还没有适合你的，没关系我还可以标数据，还可以定制落地模型。这就是我们马上推出的，和国内一些科研机构、海外院校一起打造的中文世界的大模型能力测评benchmark，对大家很有很大好处。目前我们也和一些大厂内部研发工程师在紧密进行联调，同时也欢迎在座或者在线同学朋友们，如果您这边有评测需求也可以随时欢迎找我们。

王与桐：刚才提到hugging face独角兽分析，大家可以关注一下。问一下Cocos林总，Cocos是游戏引擎行业的翘楚，而游戏行业也与此次AI浪潮联系非常紧密。在你们看来，目前AI生成3D内容有哪些技术路径？不同的路径之间，会对内容生成产生什么影响？

林顺：相对于 AI 生成 2D 内容，AI 生成 3D 内容在当前并不成熟状态。 技术路线主要有两种，第一种是对抗网络的技术路线，输入 3D 模型，生成 3D 模型。需要喂大量的模型数据，最后才能让 AI 更好的生产 3D 资产。目前还存在难度，因为 3D 资产数据总量还是非常少，且主要应用在游戏行业，散落在各个地方，可以得到的高质量的数据集可能有限，我认为这个路径是可行的，但还需要时间。

第二个路线是先产出多视角的 2D 图片，然后再从中通过 NeRF 或者其他技术萃取出 3D 的模型，精确度还有待改进。2D 的美术资产的迭代非常快速，这是优势。

我相信 3D 的资产生成一旦行业的平台厂商军备竞赛启动，一定会发展的很快，目前来看，还属于成熟可大规模商用的前夜，有机会近期突破。

无论选择哪种路线，生产出来的 3D 美术素材，现阶段还需要用渲染引擎或者游戏引擎来驱动，包括材质、动画，以及完整不同素材 在3D 场景中的场景搭建。

在 3D 内容的工作流生成方面，也有两个不同的路径：一种是，目前的专业引擎工具，加上 AI 技术，从工作流增强，过渡到多段式交互生成，到最后的全智能化。另外一种是，AI 原生引擎，第一天就瞄准全智能化的生产流程。

两个路径的终点，可能殊途同归，但在中短期的应用上，第二个路线可能只能做一些比较简单 的内容，比较难解决 AI 模型太泛化和不可控的问题，以及也需要面对和解决传统游戏引擎擅长的领域，比如跨平台，跨渲染标准，资产处理，多线程性能优化等领域的专业技能。

Cocos 引擎会沿着第一个路线发展，首先推出专家系统来辅助 AI，让可用性和可控性更强，从原有的工作流增强，逐步走向多端半自动生成，最终到达全智能化的最终目标。

王与桐：最后一个问题，想讨论下更宏观的内容，你们觉得未来5年，AI对我们所在行业的影响，会是什么？我们所在行业，对AI影响，又会是什么？

林顺：未来五年 AI 工作流深入改变整个行业，会带来的影响有两方面。因为整体效率提升，入门门槛其实下降了，这会带来全新人群参与，因为可以互动内容始终是更高维的内容。另外 AR、VR 设备成熟的时候，用 AIGC 模式填充内容可能性更高。

第二个方面，因为 AI 可以释放出更多时间和空间，会带来创意创作的改变，从而孵化出完全不一样的内容。游戏行业，闭环更小，迭代更快，边际成本更明显，有非常强的动力尝试创新，可以反向输入给 AI 更多的虚拟空间训练后的资产，用更小的闭环，收集更多交互数据，进一步推动 AI 的成长，横向降维，落地到更多行业。游戏行业，也确实是非常多先进技术的孵化地，在 AI 领域也是如此。

王与桐：可能这个门槛会降低，会涌入更多玩家进来，你们怎么是怎么看待竞争这件事情的？

林顺：对专业生产工具来说，大家都在相同的奇点上，如何更高效利用专业领域的数据，产出自己的专家系统，让 AI 做到高可控性、高可用性，可能是这轮 AIGC 竞争的核心点之一，生产模式的变革其实也是弯道超车的机会。

章磊：针对这个问题我抛砖引玉说三个方向。

分别是教育、机器人和我们自己所处的数据行业。

我觉得首先影响最大是教育这个行业，因为大家今天意识到一个问题，死记硬背没有用了，这是最关键的一个点，死记硬背这件事情可以交给机器去做，人应该去做更具创造力的，能够体现人类思维发散性的、需要灵感的、或者类似于商业决策等等一些高复杂性的任务上面，体现人的优势。

我看可汗学院它就可以做定制化教学，你这个人从小学初中到高中，我可以有一个模型慢慢陪伴你成长，知道我过去所有教会你的内容以及不会的内容，可以定制化，你可以问任何开放性的问题，它都可以解答，教育资源不会像这么匮乏，海淀区房价是不是跌一下。但是它也有负面的作用，现在有句话，在上班和上进之间，年轻人选择了上香，就是说其实冲击最大可能就是现在00后和05后，这波人在传统教育当中成长出来，进入社会之后突然发现，入门门槛非常高，需要年轻人有非常快的适应能力，快速抓住AI给到的便利和高效率性，未来公司很可能不招初级的人了，这是很有可能的现状。

所以我们怎么发挥人类这个优势。当然还有一个担忧，大家觉得会不会造成大量失业、下岗潮，这个问题分两个层面来看，首先人类历史上经过多次工业革命、机器革命，人类依然是非常高效状态，短期内局部人会面临这个压力，年轻人一定要用AI提高生产力，让自己快速变强变大，直接产生工作价值，做好心理准备。

即使前两年教育行业经历整顿和变革，现在的很多创投都不敢去投，但是我觉得现在黎明前的黑暗是最黑，但是光明来得也会非常非常快。教育是一个非常值得我们期待和变革行业。

第二点是机器人，我是指广义的机器人，包括自动驾驶、工业机器人、家居以及未来万能通用的机器人。我们都知道自动驾驶分为感知决策两部分，马斯克一直推感知层需要一个大的统一模型。我认为3-5年后，会出现一个端到端的大模型，虽然目前我认为大模型在物理和数学上面，有很大一个弱势或者缺陷，不代表三到五年技术发展后会是什么样。我们其实去年开始做copilot逐渐发现，大模型训练不仅仅能增加写代码能力，也可以增加逻辑分析能力，或许将来我们发现某一些特定数据，能够去让大模型激发出一些特有的，我们需要的一些物理等等方面的能力，我觉得这个是很重要一个方面，所以大家可以持续关注自动驾驶、机器人等等这些方面，并且刚才林总提到传感器，传感器也是一个瓶颈，人之所以为人，是每一寸肌肤细胞都可以感受到非常微小的力量和微弱的信号，我们怎么把传感器做到精度更高，更加敏锐也会极大提高机器人的效果。

第三个行业是我们自己的数据行业，提到数据标注这件事情，大家往往想到一群人在四线城市做一个苦活、累活、脏活，现在其实已经变化了。我们现在在标大模型数据其实非常非常难，要精通天文历史物理，每一个方向都有这个方向非常了解的人，非常熟练的人把他的知识进行系统化输出，而且我们数据的输出方式非常拗口，例如“请给出下面逻辑有谬误的一个结论”，“请撰写一个有逻辑谬误但是看似又合理的一句话”，这个很难，但这仅仅是开始。将来可能是各行各业专业人士去进行输出，就像今天医疗问答机器人、诊断机器人这个数据标注由医生完成。我们将来的谈判机器人、法律机器人都需要非常专业的人进行梳理，这个过程当中不仅仅是简单的空口而谈，它要符合一定的计算机程序、NLP、甚至多模态的一些范式，需要数据策划、规划、设计的能力加上专业能力一起做。我们想象一个律师将来可能白天在律所上班，下班戴一个虚拟头盔在VR世界当中，扮演一个谈判或者辩论的角色，机器把整个多模态过程都学会，这是数据标注行业将来会演变成为一个状态。

我们觉得将来的数据技术就是一个像芯片设计一样的方法论问题，真正生产出来，像芯片生产一样是工程化、流程化的一件事情，因为本质上我们星尘数据的定位就是人类智慧和机器智慧的桥梁，所以我们桥梁一直存在并且越来越会壮大。

王与桐：比如说所在数据标注行业对AI产生什么样的影响？

章磊：今天其实就已经有了，模型最后效果能达到多少，其实不仅仅是算法工程师自己拍脑袋，或者看很多论文决定的，最后得根据我们数据的一些细节情况，数据生产经验，通过数据迭代工艺决定。

还有一个观点，一些人认为算法是一次性迭代的事情，但其实大模型越来越像互联网产品敏捷开发的过程，在生产上线之后需要不断通过用户反馈的更多数据让下一个版本更好，其中最重要的是数据迭代速度和数据生产能力。数据生产过程多快决定了算法迭代有多快；数据有效性决定了模型的上限。前者通过搭建完整的DataOps系统解决，后者通过巧妙的数据策略和生产工艺决定。这也是星尘专注的方向。

沈栋梁：我觉得数字化这个事，中国还有很长路要走，这个从信息化到数字化到智能化，所以有AI以后大幅度提升了数字化到智能化这个进度，但是实际上中国还有大量企业在信息化没到数字化，这波以chatGPT为代表通用大模型，给大家展现出来能力，实际上起到非常关键市场教育作用，不管普通人、中小企业主瞬间理解AI能干什么，能提高效率还是怎么样，这个市场普及工作瞬间解决，这是很重要的转折点。

影响我觉得很明显一点，人员结构用人结构接下来发生最大变化，非常传统企业做这样的调整，其实我们和很多传统企业老板有交流，也有分享现在技术变化，这些企业老板第一反应，真的太可怕影响太大，可能整个用人结构发生很大变化，接下来马上有人想到会不会有很多失业，会不会出社会问题。我觉得这是一个不可逆的事情，历史车轮一定往前滚，积极拥抱它，在这个时代尽量走在前面，相应一定出现一些问题，这些问题怎么去解决，用一个方式就可以战斗，说到投资行业就符合这个。

投资行业人特别少，一个投资人一年至少看两三百家三四百家公司，我们这个行业是不是可以设计模型，让我的模型和创始人聊一会天，就可以打分，判定这个创始人能不能投。

章磊：我们要做模型，要不要搞一个模型回答。

沈栋梁：创始人得先怎么挑战你的模型，找到你们模型bug，会带来很多相应变化。反过来实际上在这个过程当中，我觉得现在是或者摸索阶段，一定在过程中找到新的模式或者更不一样模式，反过来在推动AI行业，向更高台阶发展，这里面我特别想大家说的一点，在资本市场和创业中间一定是有gap，比如说大家觉得二级市场不理性，但是实际上一级市场也不理性，会被市场情绪影响，我一直觉得看一个赛道，但是经常会这两年你投这个赛道很好，再过两年别人说您还投这个赛道，我没有什么变化，会发现外界对你的感官不一样，这是市场情绪。

创业者需要在这个过程中坚定自己内心最底层东西，认为什么事情是对，坚持做，不要被市场情绪太多带动，我们确实见到在市场好的时候，有泡沫时候拿了很高估值，拿了很多钱开始膨胀，接下来后续收入也好、业绩方面跟不上，把自己架在一个不上不下的状态不太好。

王与桐：您刚才提到我们和传统行业走的比较近，我这段时间和一些+AI工具和软件在聊，他们就是说有的人客户对于AI这件事情不敏感，有的人客户对AI特别敏感，在传统企业他们对于AI认知是什么？

沈栋梁：大部分传统企业把它当成一个工具，现在市面上能够用所谓AI工具都在一定程度上提高效率，一定不是彻底替代人，这个可以非常确定。在未来相当一段时间不会替代人，但是很明显提高效率。敏感一类相对来说销售渠道、团队本身和数字化互联网化这种方式接触更多，更容易接纳新方式，但是不代表这个只能是这样，传统行业也有非常传统老板，做的非常传统的模式，但是也活的很舒服，不代表不能够活下去，随着新模式效率提升，他们受的挑战更大一些，我相信同行在越来越多转变时候也会被触到。