繼工業時代、電氣時代、信息時代之后，真正意義上的智能時代正在呼嘯而來。在大模型的牽引下，這次變革改變了此前的“造工具”模式，且不斷涌現出“新物種”“新伙伴”。

　　“2024年一定是大模型應用爆發的一年。”在接受證券時報記者專訪時，騰訊云工業AI解決方案總經理鄭海清如是判斷。云天勵飛董事長陳寧也預判，“未來三年將是AI(人工智能)關鍵階段，全球可能80%的企業會運行在大模型之上;可能五年，機器人和數字人的數量會超過人類的數量。”

　　以行業應用為支點，大模型從“上新品”向“強應用”階段嬗變，加速了大模型走進百業千家的節奏。隨著國產大模型的開發應用步入深水區，始于技術、強于應用、惠于生態的發展路徑已經成形。

　　大模型 “向下”扎根

　　國內某頭部航空航天企業，此前結構仿真都是利用軟件和算子去做一些數學或者是物理的模型，要想算出結果需要極大算力。如今，這個計算過程已經可以省略，只需用大模型，就能把結果預測出來，測試結果至少實現一到兩個量級的提升。

　　這是騰訊大模型“扎根”行業的一次落地。鄭海清介紹，除了高端制造業之外，在工業質檢、傳統行業等不少領域，騰訊云從去年下半年開始都陸續落地。

　　無獨有偶?？拼笥嶏w的星火大模型也持續在行業應用領域落地生根。

　　科大訊飛AI工程院院長潘青華介紹，最初啟動大模型攻關的時候，公司就明確了“1+N”的路線，“1”為基礎模型，“N”指的便是行業應用，即讓大模型在教育、醫療、汽車、辦公、工業、智能硬件等多個領域落地。截至目前，“訊飛星火”已陸續在教育、辦公、汽車、金融、工業、醫療等行業推進真實可見的應用落地案例。

　　大模型向下扎向產業的根須越發茂密。

　　阿里云日前在發布通義千問大模型新版本的同時，推出八大行業大模型;華為云發布了盤古醫學大模型;百度去年也發布國內首個“產業級”醫療AI大模型——靈醫大模型。繼“AI For Science”之后，大模型已然開始步入“AI For Industries”新階段。

　　“扎根”產業的大模型，有望給不少產業帶來顛覆式影響。以創新藥為例，傳統藥物研發存在耗時十年以上、耗費十億美元的“雙十定律”，但是大模型落地后，隨著對蛋白質結構等越來越準確的預測，藥物研發的周期或大大縮短。

　　大模型向下扎根，演繹出不同以往的新趨勢。2023年上半年大模型趕潮推出之際，市場關注點主要集中在大模型的參數數量和效果優化上。從下半年開始，已經將關注重點轉向如何實際進行應用，以及企業怎樣利用其帶來革命性提效。

　　這加速了大模型向通用與垂直兩大路徑的分野。通用大模型和垂直大模型針對或解決問題的目標不盡相同，通用大模型需要具備更強的泛化性，憑借語言理解、邏輯推理、知識問答、文本生成等通用能力，這些大語言模型產品一經推出，用戶規模不斷擴大，并向圖片、視頻等多模態形式深化演繹;而垂直大模型則必須要在垂直行業內的應用中保持高準確度，實體經濟是大模型應用的“大賽道”。

　　與通用大模型相比，B端客戶在數據安全、精準性、成本等方面更為關注。這給大模型廠家提出了更高的要求。

　　比如，針對大模型在面對某些輸入時，會生成不準確、不完整或誤導性的輸出，出現“幻覺”問題，騰訊優化了預訓練算法及策略，通過自研的“探真”技術，讓混元大模型的“幻覺”相比主流開源大模型降低了30%—50%。同時，還通過強化學習的方法，讓模型學會識別陷阱問題，通過位置編碼的優化，提高了模型處理超長文的效果和性能。在邏輯方面，騰訊提出了思維鏈的新策略，讓大模型能夠像人一樣結合實際的應用場景進行推理和決策。

　　潘青華預測，最終能夠走出來的通用大模型可能只有幾家，“未來國內可能就是幾個底座，大家各自選擇合適的底座去做自己上層的應用”。

　　終端部署多元化

　　大模型不僅被“引入”產業，還被“帶入”終端，并呈現多元化布局特點。

　　PC(個人電腦)被視為通用人工智能普惠到每個人的首選終端。業內普遍將2024年視為AI PC爆發元年。1月17日，包括聯想拯救者、聯想小新在內的多款AI PC新品發布，同時明確，個人AI Agent也將于3個月后正式與用戶見面;在今年CES期間，戴爾、惠普、宏碁等PC企業也發布了多款基于人工智能的全新設備和解決方案。

　　按照聯想集團構想，每個個體都可以擁有一個專屬于自己的AI PC，運行屬于自己的“個人大模型”。個人大模型能夠繼承公共大模型強大的能力，又能夠為個人所有、提供個性化專屬服務。機構預計，2024年起，將陸續有多款AI PC產品問世，2027年出貨量有望超1.75億臺，將占整體PC市場份額的60%，成為PC市場的主流產品。

　　作為重要個人終端，大模型新變局也開始席卷手機行業。韓國三星公司1月17日發布了首款AI手機系統集成了AI大模型Galaxy AI，可實現通話實時翻譯、AI組織優化筆記、照片、視頻等功能。在此之前，國產主要手機品牌已經紛紛布局大模型，無論是小米自研大模型MiLM，還是vivo的藍心大模型以及華為的盤古大模型，手機端AI大模型儼然成為新一輪的競技重點，吸引主流玩家悉數到場。

　　有接近小米的產業人士認為，目前大模型手機還在起步探索階段，未來哪家廠商能夠決勝千里，還要取決于模型、應用和產品的迭代創新。同時，蘋果iPhone如何讓大模型發揮所能，答案依然懸而未決。

　　產業化終端之外，一些尚未完全步入商業化之旅的“未來終端”也借助大模型，向通用人工智能最理想的載體晉級;基于大模型的大腦，具備感知、記憶、規劃和使用工具的能力的AI Agent(人工智能助理)的演進也備受關注。

　　CES期間上，初創公司Rabbit發布了其手持式AI硬件產品——R1，定位為用戶個人助理，能夠幫助用戶完成打車、訂餐、放歌等日常任務，目前第一批設備已售罄，第二批預訂預計交貨日期排到2024年4月至5月。

　　“類比移動互聯網的智能手機類產品，人工智能時代的產品就是AI Agent，預計未來五到十年的時間，我們每個人都會有三臺機器人。”云天勵飛董事長陳寧預測，未來三年將是人工智能關鍵階段，全球可能80%的企業會運行在大模型之上;可能五年的時間機器人和數字人的數量會超過人類的數量。

　　機器人成為AI Agent的典型代表之一。

　　日前，科大訊飛發布業內首個集成全自主國產星火認知大模型的具身智能人形機器人?？拼笥嶏w硬件中心機器人產品總監季超表示，短期內，人形機器人將以實際應用場景為牽引，各行業也會為不同的任務推出不同型號的機器人產品;長期看，未來人形機器人將會在各行各業充分打磨，本體上下游產業鏈和任務數據積累會日益完善。伴隨著通用AI的“奇點”降臨和機器人硬件成本不斷降低，人形機器人有望走進千家萬戶。

　　夯實底層技術架構

　　大模型從“上新品”向“強應用”的嬗變，影響萬千產業，也會關乎“百模大戰”競逐的終局。

　　底層技術底座自主可控愈發重要。其中，算力視為大模型發展的重要推手。以英偉達為代表的人工智能訓練芯片當前壟斷著全球AI算力市場供應，但在業內人士看來，算力是一整套生態體系，相關芯片布局充滿機遇和挑戰。

　　“算力是一整套生態體系。”云岫資本合伙人兼首席技術官趙占祥介紹，從AI芯片分類來看，目前中國在訓練芯片方面與國際領先水平還有差距，但發展迅速，預計到2024年年底，許多場景將開始使用國產訓練芯片;推理芯片方面，劃分為云端推理和邊緣端推理(如智能手機上的AI功能)，尤其是在低功耗環境下實現高效能邊緣側AI，對模型輕量化的需求提升。中國正積極利用新型架構如存算一體來提高整體算力，并通過光電互聯等新技術手段增強算力表現。

　　2023年10月，科大訊飛發布了基于華為昇騰生態的自主可控算力平臺“飛星一號”，并在此技術上開展更大規模的模型訓練。在推理人工智能芯片領域，2023年11月的深圳高交會上，云天勵飛發布了基于國產的14納米工藝Chiplet技術的大模型邊緣推理芯片，可拓展支持千億級大模型部署。

　　“AI訓練不是目的，大模型在千行百業的推理應用才是產業化落地的最終目標。我們預計未來5到10年的人工智能推理芯片需求量會到萬億顆。”陳寧介紹，尤其是Chiplet D2D工藝可以實現一次設計流片、多次封裝，生產多顆不同計算規格的芯片，能降低成本，滿足市場在各個領域對不同規格的大模型推理芯片的需求。

　　潘青華也指出，未來大模型的普及程度一方面取決于算法的創新，另一方面取決于硬件的進步，即如何在單位芯片功耗相同的情況下，實現更強的計算能力。以語音識別為例，初始使用成本非常高，現在語音識別算法集成到本地硬件上，不需要構建云端的算力，已經可以支持每天幾十億次的語音識別的訪問。

　　目前主流的云端大模型，參數量都在千億級別，對于內存、算力、功耗的需求龐大。相比較，手機廠商自研的端側大模型體量都比較小，將參數壓縮到了數十億到百億左右，以便在手機端運行。為了實現大模型體驗和手機性能的平衡，廠商們目前普遍采取了“端云協同”的策略，同時部署端側和云端兩種模型，根據不同的應用場景和需求來進行選擇。

　　除了算力系統升級，算法的創新要求也將“水漲船高”。“基于現有算法框架，仍然看到模型(參數)越大，越能帶來能力提升，但無限堆算力可能不是最優路徑，預計很快就會進入算法層面的創新比拼階段。”潘青華表示。

　　這意味著隨著大模型等通用人工智能應用的進一步發展，對底層產業鏈的自主可控程度要求進一步提升。

　　陳寧介紹，結合當前國際環境和中國市場需求以及產業鏈成熟情況，公司致力于打造中國的算法芯片化技術平臺，即面向算法計算加速定制處理器設計。同時，推動多模態大模型技術的逐步突破、成熟，以及國產工藝的人工智能芯片的進步。

　　應對通用人工智能時代發展，數據也亟需治理和升級。

　　陳寧表示，過去物聯網沉淀的海量數據，并不能直接反哺到人工智能，還需要消耗大量的成本來做數據治理，才可以真正去訓練人工智能的算法，推動AI應用的落地。

　　對于大模型的產業模式，百度集團副總裁吳甜認為可以類比芯片代工廠，“大模型平臺是價格昂貴的大算力系統，可以把大數據、大算力、大算法都封裝，并且可以建設自動化、數字化、標準化的的生產模式。應用方只需定義好問題，把對AI模型的能力要求交給大模型平臺，由大模型平臺進行生產，這樣才有可能實現產業應用遍地開花”。

　　不過，大模型在快速發展過程中，也引發了各界對于數據保護、合規風險及隱私泄露等問題的擔憂。潘青華表示，從算法原理來看，大模型距離形成自主意識還為時尚早。而從大模型本身的安全性來看，如何防止生產有害的、錯誤的信息，這是必須引起重視的，可以從數據源頭、訓練方法、算法等技術層面建立配套的鑒偽等機制;與此同時，還需要從政策法規層面進行引導，在不影響技術迭代的前提下，避免技術濫用。

　　“還是需要鼓勵實事求是的精神，對人工智能技術不要過度包裝，讓市場能夠客觀理性認識技術。”潘青華說，希望更多的人能夠參與到人工智能生態，以更積極的心態擁抱技術，促進生態繁榮，推動社會進步。