今天分享的是AIGC专题系列深度研究报告：《AIGC专题：深化AIGC教育应用助力教育提质增效》

（报告出品方：腾讯云）

报告共计：18页

海量/完整电子版/报告下载方式：公众号《人工智能学派》

#观点 1:数字科技演进的两条主线，人和场。

RIGC 领域很多人说目前真正赚钱的公司就一家，就是那个卖铲子的〔英伟达]。确实从商业现实来看RIGC还在快速发展，需要资金、算力等大量投入，创业短期之内获得高额回报还是比较难的，底层卖算力的公司确实能直接赚钱，那么做平台、做应用这样的公司，到底怎么办?这是个核心问题。我觉得可能要从更长的逻辑看这个事情。

我认为数字科技未来发展有两条主线，人和场。今天开会就是一个典型的场，但是实际上今天的场不仅仅包括物理的部分，还包括数字的部分，比如在线会议。但为什么我们有了很多在线的产品和服务有很多的事情还是需要面对面才能解决?是因为今天数字化的场还不够完善，因为追求效率，很多信息其实缺失了。

那么围绕“场”，现在还缺什么样的信息，能够用数字化的方式去复现?今天做的最多的第一个是视觉,然后还有交互时的感知。那其实还有其他的感官、信息，未来需要在技术上继续创新突破，比如嗅觉味觉等，能够用数字化的方式进行复现和增强，数字化的场就能够提供逼近、甚至超越现实的体验。

#观点 2:A1大模型的发展趋势

第二条主线就回到今天最关注的 HI 这件事情上。在大模型出现之前，R! 能力还是比较有限的，它是单一任务的。下国棋就只能下国棋，不可能再做其他事情，基本只能在工具层面。

今天最大的突破是大模型用具备了多模态能力，像GPT到4的时候很快演进出来，它既能处理文字也能处理语音，还能处理图像，甚至到 sora 的时候能处理视频，它就越来越像人。当它能够处理多模态信息的时候，智能就有了明显的飞跃，快速逼近人，也引起今天最大的争议:未来到底是 A1 +人[H/增强人〕还是 月-人[P替代人]?

为什么大模型这件事情会变得这么厉害?因为 open 月l的“scaling law”，也就是大力出奇迹，堆算力、堆参数，涌现了智能。但是现在，开始出现一些分叉的情况，这是我们的机会。

回到大模型本身来讲，就是通过无监督学习、有监督学习，加上人类反馈强化学习三件事情实现的，过程中堆了大量的数据，很多数据是这么多年互联网发展积累下来的，公共数据、开源数据、开放数据。所以算力和数据，实际上成为今天A1时代的核心竞争力。

接下来的发展趋势，第一个当然是多模态，再往前走是具身智能，第三个就是专业化、也就是 to B。到今天，通用大模型可能已经卷到一个阶段性的瓶颈期，比如[hatGPT用户数增长的持续放缓。未来可能就是两条路，一条路是 openp! 这样的公司，它有自己的技术信仰和星辰大海，继续相信自己的逻辑放大这样的资源投入，继续做通用大模型、实现通用人工智能[AGI]。另外一条路，就是现在要做一些收毁了，比如行业大模型，做小型化、专业化。

行业大模型里面跑的最快的，可能是像广告和内容这样的一些行业。然后接下来是泛软件包括互联网to℃的种种应用，也包括了to8的 5aa5 这样的一些工具，有些工具跑的也是比较快的。然后再往下就是教育。当然教育这块又细分，整体而言教育还是比较快的，但是在基础教育校内部分，跑得比较慢。而教培行业市场化，就会跑得比较快。最后把场景打开做归纳，我们认为在场景上和 HIGC结合也存在类似工业领域的微笑曲线，研发/设计和营销/服务两端跑得快、中间生产/运营跑得慢。它背后核心逻辑就是两个，一个是需求适配度、一个是数据可得性。

报告共计：18页

海量/完整电子版/报告下载方式：公众号《人工智能学派》