大模型有什么用？中国最懂模型的人是这么看的

大模型产业化，ToB落地更快，但企业付费意愿低；

目前基础设施的硬件最赚钱，如芯片、服务器；

无人驾驶是首个具身智能大应用，其安全性比人类驾驶至少高10倍；

绝大多数应用并不需要人形机器人，机器人最终形态要为实际应用场景服务；

AGI定义尚无共识，它是让人类为未来做准备的愿景；

Scaling Law提升3到4个数量级是确定的，但仅扩展网页文本数据可能会遇到推理瓶颈；

端侧算力是推动应用落地的重要力量，需云端协同。

6月14日，一年一度的智源大会召开，几乎全中国最好的生成式AI公司创始人都来到了现场。成立于2018年的北京智源人工智能研究院，定位是新型研发机构，而非市场化公司。所以在生成式AI浪潮兴起后，一年一度的智源大会，由于其相对中立的立场，也就成为了中国AI行业内的顶级盛会。

这其中有两场会谈尤其值得一听。

一场是由智源研究院理事长黄铁军担任主持，邀请零一万物CEO李开复与清华大学智能产业研究院院长、智源学术顾问委员张亚勤，就大模型产业化、具身智能等话题展开的对谈。李开复认为，在中国，ToC场景在短期内更有机会，大模型在ToB场景可以带来更大价值，但企业付费意愿较低。张亚勤则认为，目前大模型赚钱的环节还在基础设施层的硬件。

**另一场会谈则请到了中国的四家大模型明星公司：智谱AI、百川智能、月之暗面和面壁智能。四位CEO就「通往AGI之路」的主题展开讨论，发表了不同见解。**月之暗面CEO杨植麟认为AGI不一定要精确定义，它更重要的作用是让大家对未来有所准备；百川智能CEO王小川则将AGI的标准类比成医生——这是他眼里智力密度最高的职业；面壁智能CEO李大海认为，执行任何任务的边际成本都为零时，就达到了AGI；智谱AI CEO张鹏认为，定义不清反而是件好事，天花板上限未知，还有很多空间等待探索。AGI究竟是什么？业内尚未形成共识——这恰恰就是四位CEO讨论的共识。

以下是「新皮层」根据现场速记整理的内容：

会谈一AI 2.0如何落地

大模型产业化ToB、ToC谁更快？

李开复认为，在中国ToC短期更有机会，国外两者都有机会。从PC到移动互联网时代，再到AI时代也是一样，产业发展的第一阶段应该是生产力工具；第二阶段可能会是娱乐、音乐、游戏；第三阶段可能会是搜索；再下一个阶段可能会是电商；然后可能会有社交、短视频、O2O，这是不变的定律。但是在大模型领域做应用，推理成本太贵。ToB方面，大模型可带来更大的价值，而且应该更快实现。但大公司难以接受颠覆性技术变革，且中国大公司未充分认识软件价值，不愿付费。因此，零一万物坚决不做「赔钱的ToB」，只精选能赚钱的ToB项目。

清华大学智能产业研究院院长张亚勤。

张亚勤认为，目前真正赚钱的是基础设施层，如芯片、服务器、存储等硬件环节。AI分层具体分为信息智能、物理智能(具身智能)和生物智能三个阶段。在具身智能阶段，ToB应用可能会比ToC更快些，而在生物智能阶段，ToC可能会更快一些。

具身智能里，自动驾驶和人形机器人，谁会先有机会？

张亚勤认为，无人驾驶L4+是具身智能第一个最大的应用，无人驾驶本身就是一个特殊机器人，就是机器去开车。目前，无人驾驶在安全性已经比人类驾驶要高至少10倍，但是，仍存在不够熟练的问题，「无人驾驶要变成主流，通过新图灵测试，需要是好司机，也需要是老司机。我认为在明年会实现，第一个真正实现具身智能或者物理智能的AGI无人驾驶。」

零一万物CEO李开复。

李开复认为，相较于人形机器人，他更看好无人驾驶的前景，因为无人驾驶现在已经有了落地的应用。他的创新工厂投资了6家无人驾驶公司，但是并没有投资人形机器人。在他看来，具身智能很重要，但是短期内做好难度很大，做投资不能去投资10年以后才能够发生的事情。李开复投资过的几家机器人都不属于具身智能，这些机器人都能确实解决一个场景里的问题。他还给出了一个观点：绝大多数应用并不需要人形机器人，机器人的最终形态是要为实际的应用场景服务。

会谈二—「通往AGI之路」

什么是AGI？业界尚未有共识

月之暗面CEO杨植麟认为，大模型本质上是数据的压缩，但这个压缩可以产生智能，随着不断规模化模型，做更好的压缩，它能产生越来越多的智能。AGI现在并不一定需要精确的、量化的定义，它可能是一个定性的、感性的东西，它最重要的作用是能让所有人对接下来要发生什么事情有一个准备。

百川智能CEO王小川。

百川智能CEO王小川认为，现在到了AGI时代，有足够的科学家与资源参与进来，人类能够走向AGI。但是以现在的Scaling Law来看，这个事情还做不到AGI。AGI的定义在全球很难有一个完整的共识。如果要做类比，医生在所有职业里是智力密度最高的，要多模态，需要少幻觉，也需要记忆，有推理能力、查文献能力等。如果以此做标准，人造医生就是AGI。

面壁智能CEO李大海尝试从经济学的角度来定义AGI：如果执行任何一个任务，边际成本都为零，这就是理想中的AGI。做大模型落地，很多场景还需要做微调，边际成本很高。李大海相信，随着模型能力的提升，慢慢从微调逐步地只需要做Promot generate，慢慢地连Promot generate都不需要做，「未来的门槛与成本会越来越低。低到接近于零的时候，我觉得AGI基本就到来了。」

智谱AI CEO张鹏认为，「如果能把一个事情说得非常量化、清晰，这件事情也就那样了，估计天花板在哪儿大家都能看得到了。现在的问题就在于，没有人能够说清楚。反过来讲是一个好事，这个事情还有很多未知空间等待我们探索。」

Scaling law仍然有效，未来内涵可能有变化

月之暗面CEO杨植麟认为，Scaling Law（规模定律）提升3到4个数量级是确定的。但仅仅扩展网页文本数据可能会遇到推理能力的瓶颈。Scaling Law的本质是通过更多算力和数据提升智能，但未定义具体模型、模态、数据来源和训练目标。Scaling Law的第一性原理会持续，但扩展的方式会发生变化，以突破当前的局限。

智谱AI CEO张鹏。

智谱AI CEO张鹏认为，到目前为止，人类认识的所有规律都有可能有推翻的一天，只是看它的有效期是多长。到目前为止，还没有看到Scaling Law会失效的预兆，未来的相当一段时间之内它仍然有效。

百川智能CEO王小川认为，Scaling Law早期关注的就是参数量规模，现在慢慢扩展到参数量、数据量、数据质量也很重要，变成了一种计算量。其内涵也在慢慢变化。

面壁智能CEO李大海。

面壁智能CEO李大海认为，Scaling Law经验公式，是行业对大模型这样一个复杂系统观察后的经验总结，随着训练过程中实验越来越多、认知越来越清晰，会有更细颗粒度的认知。

大模型的价格战可以让更多人先用上AI

月之暗面CEO杨植麟有三个判断：第一、未来投入在推理上的算力，在某个时间点之后会显著超过训练的算力。第二、从C端角度来说，推理成本可能会显著低于获客成本。第三、目前AI在整个人的工作流程里占比可能是1%，未来AI做的事超过人做的事情后，可能会产生新的商业模式，它可能不是在B端用API做价格战，而是一个普惠AI，同时根据它产生的价值里面去分成产生的商业模式。这三点可能会是改变商业模式本身很重要的方式。

月之暗面CEO杨植麟。

百川智能CEO王小川认为，价格战是一个市场行为，它至少带来两个好结果：其一，更多人和企业用上了大模型。其二，之前由于对大模型认识不足，很多企业盲目尝试自行训练大模型，导致资源的浪费。出现价格战后，许多企业退回成为用户。市场不需要一万个大模型，市场分层做好，每一家企业都能受益。

智谱AI CEO张鹏认为，从宏观上看，低价格有利于中国大模型产业发展，更多人使用大模型，将其视为基础设施，意味着它便宜且随时可用，无需考虑高投入。当AI大模型能力变成水、电一样的基础能力时，将为企业带来更好的发展空间。但是也不要过多宣扬这件事，去牺牲企业的短期成本，不是正常的商业逻辑。

面壁智能CEO李大海认为，面壁智能做端侧，就是看到了端侧能更早更快落地的可能性。最近有机构做调研，发现全国10亿用户手机端侧的算力，约相当于100万片A100。如果不同手机上的算力被好好利用，很多应用就可以落地了。现在到未来，都需要端侧跟云侧模型协同。在他看来，当前所谓的价格战，多少有一些营销成分在，「但我相信未来（价格）一定会比现在还低，并且大家都有利润，这才是健康的方式，并且才真的能让千行百业的应用往下落地。」