21 对话丨专家共议 AI 新趋势：技术转向应用与商业模式，资方关注重点改变

近年来，我亲身经历并见证了人工智能领域的飞跃式发展，尤其是大型语言模型GPT在我国的崛起。历经百家争鸣，如今业已形成稳定的产业格局，其中充满了挑战与机遇。本文旨在分享本人对此领域发展的观察与感悟，深入剖析大模型与小模型在市场中的角色定位及平衡关系，以及其对未来的深远影响。

技术与应用的平衡

在人工智能初期，各大企业普遍以标榜技术参数与性能来提升自身竞争力。然而，随着时间推移，业界日益关注实际应用及场景开发。这使得企业不再只注重指标比较，更致力于利用现有技术来解决现实挑战。这种转型使我深感振奋，因科技应以人为本，服务大众。

模型大与小的平衡

回首昔日，我国内各大模型如蓬勃春笋般兴起，每个均妄自尊大地宣示其独有算法与模型。然而，时光流转，以更冷静视角观之，“大”与“小”之权衡重新引发思辨。大型模型固然擅长应对复杂任务，然而小型模型在特定情境中的高效性与针对性亦不容忽视。这一均衡态势的显现，凸显了技术多元化之重要性。

资本与商业的考量

资金注入成为推动科技进步的重要驱动力之一。然而近年来，我注意到投资者们正在逐步调整投资策略，从单纯关注技术指标转向了更注重企业的商业模式与变现潜力。对于这样的转变，我深感技术商业化对于长期稳健发展的必要性。

通用与专业的分化

对于通用大型模型而言，产品的趋同性已是不可避免的现象。然而，我不禁反思：怎样在维持广泛适用性的基础上，实现特色化服务？回顾过去，从桌面电脑到移动互联网，都呈现出主导的市场格局。因此，我坚定地认为：聚焦特定细分市场的小型模型将拥有更为广阔的成长空间。

技术积累与创新

硅谷在大模型科技领域的丰富积累，推动其成为技术革新的佼佼者。与此同时，中国本土的大模型制造商凭借高效的推广和应用，展现了独树一帜的竞争优势。对于这两种不同的发展路径，使我深信，技术的研习和革新应保持双向性。

数据的重要性

优质数据为模型训练奠定根基。我国高度重视数据要素，具备迅速填补该领域缺失之潜能。尤其在中文数据领域，中国大型模型优势更为显著。其优势源于数据规模庞大以及深度理解本土市场。

应用场景的深入

随着行业应用的不断深化，垂直领域大模型的运用日益广泛。这类模型专注于特定场景下的服务，以实现更精确、更高效的效果。这既是对技术创新的挑战，亦是对市场洞察力的检验。

算力、算法、数据与应用场景的综合考量

算力、算法、数据及实际场景被广泛视为影响大型模型发展的关键要素。深入理解之后发现，需全面衡量这四个层面，并实现协调发展。若有短板，势必直接影响模型性能与应用效益。

未来展望

展望未来前景，大中型机器学习模型之间的均衡发展将成为行业发展之关键所在。在这一过程中，我们不但需拥有先进的技术力量作为支撑，还需精心设计各类应用策略予以配合。归根结底，我们的宗旨在于使科技更好地为人类生活服务，并在此基础上创造更大的社会价值。

在文末，我愿提出一个思考性议题：在人工智能行业的未来发展之路中，如何保证大型及小型模型能够共同繁荣发展，推进人工智能技术迈向更广阔的领域？诚邀各位专家学者共同探讨、共享观点，以期共同推动该议题的深入研究。