第三届琶洲算法大赛举办，大模型商业化临界点即将来临？

21世纪经济报道记者骆轶琪 广州报道

随着AI大模型快速迭代发展，寻找新一代技术变革下的核心应用成为重要命题。

9月20日举行的第三届琶洲算法大赛颁奖暨生态赋能大会上，政界、学界、产业界共同探讨了AI技术的现状与未来。

广州市政府和中国人工智能学会联合主办的这场大会，旨在推动人工智能领域的高端人才培养、企业交流以及科技成果转化。

当日举行了第三届琶洲算法大赛颁奖仪式、琶洲领军算法师颁证，琶洲算法生态社区正式上线，两项技术应用合作签约。此外，《2024年大模型技术白皮书》和大模型可信能力测评榜单也正式发布。

当前虽然大模型技术还在持续迭代发展，其商业化落地还面临一系列挑战。但业界普遍认为，随着模型应用成本快速下降，大模型为诸多行业带来技术普惠将很快实现，由此，盈利临界点的出现也指日可待。

AI疾行

大会现场，工信部信息技术发展司副司长杨亚俊，广州市副市长江智涛，国务院参事、中国工程院院士、清华大学信息科学技术学院院长戴琼海，中国工程院院士、中国自动化学会理事长、西安交通大学原校长郑南宁先后进行致辞。

戴琼海在演讲中指出，人工智能作为新一轮科技革命和产业变革的重要驱动力量，是一项理论与实践并重、基础与前沿兼得、多学科交叉融合的技术，作为一名人工智能科技与教育工作者，如何把握这个特点，做好人工智能多学科交叉教育、颠覆式创新和产学研合作、复合式人才培养，一直是其思考的重要问题。

“琶洲算法大赛作为广州乃至全国人工智能领域的重要活动，自2022年成立以来已经成功举办三届，成为展示最新算法成果、挖掘新技术、培育新人才的重要平台。”他表示。

中国工程院院士、中国自动化学会理事长、西安交通大学原校长郑南宁着重分析了具身智能发展的现状和挑战。

他指出，具身智能的实现道路还很漫长，当前还面临四个维度的挑战：一是如何实现更加先进、灵活的计算算力，能够让智能系统在一个复杂多变的环境中自适应地行动，也即实现端侧智能；二是要有更聪明的算法，为具身智能系统带来更高级的认知策略，要让智能系统像人一样思维和行动；三是具身智能在不断普及、应用、发展过程中，会产生大量数据，如何保证安全和隐私性；四是随着具身智能渗透到人类生活、工作的各层面，如何制定更加健全的伦理指南也不可忽视。

AI大模型典型企业则围绕AI产业的发展逻辑以及产业落地方向进行阐释。

百川智能创始人、CEO王小川在演讲时指出，走向通用人工智能的趋势已逐步得到行业认可，他称今年为“智能纪元二年”。

王小川回顾道，上一轮AI发展过程中，AlphaGo在单项领域超过了人类顶尖选手，因为这是一个自我博弈的思考性系统，由此“强化学习”理念发展多年。但大模型兴起后发现，数据越来越多，由此形成了一个学习型系统。未来的一个方向就是学习型系统和思考系统融合。

整体看，智能时代发展如今经历了四步，其中前两步用了四十年打基础，形成今天的DIKW模型，即从Data（数据）到information（信息），走向Knowledge（知识）进入Wisdom（智慧）。这次OpenAI“草莓”模型的发布，就意味着开始走向“智慧”阶段。

王小川着重提到，业界此前认为“自然语言处理是人工智能皇冠上的明珠”，如今这已经得到兑现，语言问题被攻克后，人工智能发展的确取得了质的突破。如今他认为，“医疗是大模型皇冠上的明珠”，因为医疗对知识有足够大的需求，也是一种“AI for Science”的落地。

面壁智能联合创始人、CEO李大海则提出“知识密度”概念，认为这是推动大模型应用走向成熟的关键因素。

他把“知识密度”定义为模型整体的智能水平除以参与推理的参数量，参与推理的参数量决定了模型推理时的能耗。

李大海分析，“知识密度定律”是第一性的，因为在同样能力条件下，有更高的知识密度就能用更低的能耗完成。努力做到大模型跟人一样聪明、推理时功耗更小，是要努力的方向。

据介绍，面壁智能下一步给自己设定的目标是，在2026年底做到用端侧模型全面达到当前GPT4o的水平。真正达到这个目标，在端侧就可以打开丰富的应用想象力。

戴琼海在现场发布了《2024年大模型技术白皮书》。他提到，大模型已经成为科技创新走向产业应用重要的枢纽。

探路商用

大会的高潮部分是颁奖仪式，全球36个国家和地区的6003支队伍经过激烈角逐，诞生了赛区优胜队伍、赛题冠亚季军以及全球总冠军。成都球形世界科技有限公司凭借其在音乐创作社区领域的创新应用，荣获全球总冠军。

在路演环节，面壁智能、中科云图、筷子科技、和元达、智用开物、GLM法律行业大模型挑战赛获奖选手等各自展开了介绍。

圆桌对话过程中，业内人士对大模型的应用落地和商业模式探索进行了热烈探讨。

对于大模型会打开多大的市场空间，香港科技大学（广州）协理副校长熊辉指出，大模型发展过程中，最大的挑战是技术本身还在不断快速发展。他看好大模型推理的巨大机会，其机会可能未必是直接对商业的推动，而更多是对产业范式将带来巨大改变，由此也将诞生新的商机。

但其中也离不开产业界对数据的一定程度开放，并推动技术更加成熟、平民化和低成本，才能加速推动大模型应用的快速普及。

MiniMax副总裁苏彤更关注对B端应用场景的开拓，她认为，尽管AI大模型技术发展迅速，但目前C端缺少杀手级应用，B端应用场景也还不够丰富。苏彤认为，提升AI大模型对生活的渗透度是行业未来发展的关键。

浙江大华股份研发副总裁殷俊分析道，在做人工智能产品交互时，面临的挑战是供给侧是否可以满足实际需求。由此，在供给侧要提升产品化效率，能够更好更快满足市场需求；在需求端要切实帮助解决客户的痛点。他乐观看向市场化预期。

阿里夸克工程技术负责人万明成认为，简单来说，第一要看应用成本，第二要找到有价值的场景，第三要找到良好的商业模式。

对于未来大模型的盈利空间，苏彤认为，持续提升技术的边界比单纯进行优化更为重要，模型能力和效率是成正比的关系。

“MiniMax从去年底认识到这一点，开始做MoE专家模型。她指出，MoE模型是未来发展的趋势，同时，文本模型的能力决定了语音模型和视频模型的好坏，所以从去年开始，公司开始All In做MoE模型。目前看来，效果的确有显著提升。”她续称。

亚马逊云科技架构负责人吴金福介绍道，在亚马逊，每推出一款产品或者解决方案，都要遵循逆向工作法机制，以此满足客户不断变化的需求。“大模型未来的发展方向在于行业应用，应创造出更有价值的解决方案甚至有机会颠覆行业，这就有望成为大模型未来的盈利点。”

万明成坚定相信大模型带来的技术普惠效应。“大模型最重要的是在很多场景都能带来价值，但是苦于无法大规模落地。但过去一年，大模型应用成本下降速度很快，因此我乐观认为，在未来一两年内，大模型将在更多场景中实现落地。”

更多内容请下载21财经APP