行业前沿｜畅想AIGC技术研究与应用实践(一)

圆桌环节由数美科技高级副总裁周秋野主持。在不改变原意的基础上，数美科技对内容干货进行了加工整理，分两期分享。希望能为大家带来关于AIGC的更多启发与思考。

话题要点：

·ChatGPT第一次将科技圈和大众圈连接了起来

·ChatGPT核心是解决了如何用逻辑来构建世界的问题

·国内上半年基于LLM竞争，下半年的竞争将聚焦应用层

·给予创业公司的容错率及时间窗口非常小，23-24年做不到头部很容易被洗掉

·未来的挑战：成本、应用场景以及合规问题

以下为圆桌内容实录：

周秋野：欢迎大家来参加数美的AIGC专场沙龙活动。当前由ChatGPT引爆的AIGC热潮，在国内已形成了燎原之势。我们今天的圆桌环节有幸邀请到了经纬创投投资董事王冰醒、启元世界战略总监王思捷、AMD大中华区销售副总裁周俊杰、阿里云弹性计算资深产品专家吴天议，四位嘉宾将在这里与关注AIGC的朋友一起探讨该话题。

第一轮话题，我们想请几位嘉宾从各自的视角谈一下，当前AIGC技术处于什么发展阶段？什么原因导致AIGC突然火了？同时预判AIGC的发展面临哪些挑战？

嘉宾在回答问题之前先简单介绍下自己或自己的公司。

经纬创投投资董事王冰醒

大家好，我是经纬创投中国投资团队的董事王冰醒，我先简单介绍一下经纬，我们是1978年在美国东海岸波士顿创立的一个VC，是美国历史最悠久的创业投资基金之一。2008年进入中国，由于起源美国，至今我们也是人民币和美金两个币种在并行管理，很荣幸我们也是数美的一个投方。

2008年进入中国之后，有几个核心的大的时代浪潮是投资重点考虑方向，先是2008-2010年是一个PC互联网阶段，接着是11年-18年移动互联网的浪潮，后面到了18年-19年，整个赛道就比较分化，像智能工业、应用科技、新能源以及半导体等都有关注，在这个周期下我们比较重点投资方向是应用科技的方向。我本人在经纬负责应用场景下的科技和消费的投资。

刚刚主持人提到的三个问题，我先回答第二个问题，为什么AIGC突然火了？我们一直关注AI、应用科技的行业蛮久，这次最大的一个变化其实是user interface第一次推到了C端，我们回溯AI历史，几波大公司的诞生，上一波是由CV驱动的，包括一些垂类着端到端的，所谓做一些小模型和技术方案，其实每个路径基本都辐射一小部分C，或者在B的场景里，但ChatGPT第一次打到了C端的user interface，科技圈和大众圈第一次连接了起来。

回到第一个问题，关于AIGC技术的发展阶段。各个应用技术都有一个相应的曲线，后面23年和24年应该会有很多公司受到比较大的挑战。但是这一波因为推到了c端，我们觉得它可能是跟前几波的AI在应用层的发展周期会有一点不太一样，它可能是一个长周期的起点。关于这个长周期如何解读，我的理解是不要高估两三年的变化，也不要低估5~10年的这个窗口的变化。现在这个时间点，大家讨论最多的是今年上半年可能都是基于LLM的一个竞争。

下半年随着中国的LLM陆续就位，包括美国再涌现出一些多模态的更多能力的话，那这个竞争就像美国这个时间点，没有人再去竞争LLM了，基本都在以更低成本训练LLM，或者说是我就直接去竞争应用层的东西，我们觉得中国这个时间点也差不多。

从投资角度，我们看的横向信息的话，基本上今年下半年到明年年初就开始快速要转应用层的东西，这块最大的一个挑战其实是场景，其次是成本或者可以理解为资金。一方面是现在中美的这个格局下，在投资市场有可能去支持这个创业公司的这个资金，其实是没有上一个TMT的周期多的，大家都对投资的寒冬有一定的体感。但是钱现在迅速向这个赛道集中的话，其实给创业公司的容错率或者是时间窗口是非常小的。在拿到融资后，后面你自己有做LLM的能力也好？或者是你有驾驭LLM的能力去找应用场景也好，基本上留给你的时间窗口就是一年半到两年吧。如果你做不到头部，也就没有机会了，23-24年可能有一波公司作为创业公司的视角就会被洗掉。

另外一个点。其实我觉得这个成本和钱的原因导致很多大型的公司，尤其像巨头的互联网公司其实也在争LLM的赛道，通过这两年的降本增效以及宏观大环境来看，这个时间点他们用于这个赛道的资金也是有限的。所以我觉得未来这个赛道最大的挑战一方面来自于资金。这个资金并不是说没钱，而是说资金在这个周期内的高效使用。然后另外一个就是商业化，就是极快的能通过现有的一些技术能力和已经找到的一些方法去迅速落定B端或者C端。

另一个挑战可能是在这个时间环境下，中国这一波要真正独立自主，并不能在完全开放的国际环境下去做这个事，所以这一波的技术上会有一些中国印记和中国特色的流派，也会建立一些中国特色的商业模式。

启元世界战略总监王思捷

我是启元世界的王思捷，我们公司是一家有自研平台的通用人工智能公司。

前几年谈通用智能，大家可能还觉得我们是骗子，去年的时候我们在说我们的技术路径是和DeepMind、Open AI是一样的，而且我们是2017年就按着这个技术路径在做的。但是去年基本上包括投资机构其实都听不懂这件事，而且也不觉得Open AI和DeepMind是一个多么牛的公司。

今年我们还讲一样的话，人家就说你们是在蹭热点，就是没听说中国有跟这个OpenAI和的一样的公司。我希望把这个技术叫通用人工智能，AIGC只是其中的一部分。大家现在提到AIGC主要就是指文本、图片、视频这些形式的内容。但其实我们可能更早做的是决策、策略，然后现在做到文本图形，未来会生成一些指令动作，他真正能接入这个现实世界，整个这一套更合适把它称作为AGI，背后的技术就是深度学习加强化学习。GPT预训练模型主要是基于深度学习。后面ChatGPT把预训练模型对齐应用场景到通用对话小助手，主要就是基于强化学习技术。我们目前的落地应用领域主要是泛游戏场景以及电商、教育等。

关于AIGC的发展阶段，主要就是两个转折点。第一个是在2016年，阿尔法狗击败李世石，这个其实是生成决策序列、策略序列，这是一个转折点。虽然这个事儿很多时候不把它归结为AIGC，但是从整个AGI发展的角度上来讲，这个肯定是一个关键的转折点。第二个转折点是2020年GPT发布，ChatGPT其实是一个应用，真正的底层能力2020年就已经出现了。我们作为业内人士非常了解，因为有ChatGPT，它破圈了，被公众认识，才产生了这么个爆发的阶段。我们认为就是整个这个事儿就是从科技圈到公众圈，真正破圈，现在是在公众领域的一个起点。

为什么这个事儿突然间这么火？去年年底，OpenAI强化学习主要的负责人John Schulman。他认为GPT-3都已经出来两年了，这么牛大家都不了解，GPT-4放出来也不会有很好的效果，那就用两个月的时间做一个ChatGPT，然后就火了，其实本来他是想放GPT-4出来的。大家可以看到ChatGPT出来的时候，除了技术能力以外，其他的都是很弱，包括它的UI和后台都比较弱，因为它就是一两个月的时间做出来的。我觉得破圈儿是很偶然的事件，因为科技圈跟公众圈的认知一直有很大的Gap。

未来发展的挑战，我认为还是在监管这一块。另外推理算力需要的成本也是个很大的挑战，现在行业普遍高估了训练需要的算力，低估了推理需要的算力。大规模商业应用的话推理肯定就是非常重要的，包括我们现在在游戏中就是做的这些在线调用，推理成本才是真正需要着力去优化的。

AMD大中华区销售副总裁周俊杰

AMD是一家半导体公司，1969年成立，是在美国纳斯达克上市的公司，现在的市值差不多是一千四百多亿美金，公司的发展也得益于最近十年来全球算力需求的高速增长。

AMD的产品涵盖了从CPU、GPU、FPGA到现在非常火的DPU领域，整个全球的半导体市场总额大概是3000亿美金。目前AMD的CPU、GPU、FPGA跟所有的自有产品的目标市场大概是1500亿美金。在整个行业中，我们也在不断挑战自己，并一直秉承着提供高算力的宗旨，和我们的客户以及合作伙伴共同成长。

我认为现在的AIGC就像前一两年的元宇宙一样，是所有人关注的焦点。同时大家又需要有一个冷静的思考期，思考它到底能创造出什么价值？

在这个思考期的时候可能会遇到一些低谷。因为有人觉得他无法变现，成本压力也比较大，这个时候有人会选择退出。当然我个人认为这只是个阶段的问题，最终只要对整个人类的生产力、生活有推动，对人类知识的获得有推动，我觉得还是会蓬勃发展的。

第二个问题，为什么突然间这么火爆？我觉得从硬件底层来看，这几年的算力开始支撑这样一件事情。如果把这件事情放到五年之前，他所要用的GPU或者CPU的算力函数可能就不止一个集群，是一万卡集群，可能是5万卡甚至更多，全球没有一家公司会去投资尝试，包括微软也可能不会去尝试。

其次我认为是互联网内容为王的大环境下促成了这件事，我们看到文字、图片、视频这些内容已经成为整个互联网行业里个人或者团体生成的重要载体，在这个上面产生了大量的经济效益。不管是个人的收入也好，小团体、工作组的收入也好，这棵树已经慢慢长出来了，有了这样一个功能的加持，让这个经济会飞速的往前发展。举一个例子，将来可能短视频制作不一定要去拍摄，直接可以在虚拟的环境去生成，这个生产力是十倍甚至百倍的。

当然挑战也是一定会存在的，我觉得像法律法规、版权归属以及鉴别真假的问题。我看到美国有些规定说人工智能生成的内容都不受到版权保护，这个也是一个挑战。还有一个挑战就是追踪的问题，我认为NFT的技术会被广泛应用于AIGC上，如果将来你自己写的文章你想要传播，必须你是带着NFT标签的，即使被篡改之后也可以避免法律上的问题。

阿里云弹性计算资深产品专家吴天议

我觉得阿里就不用我来介绍了，大家都清楚。我介绍一下我们这个团队，阿里云计算。过去的十年，很多计算聚焦在通用计算领域，就是怎么把一些包括Intel/AMD的X86，ARM算力通过服务的方式来提供给大家。在通用计算时代，通过10多年努力，阿里云构建了包括倚天ARM、DPU等自研芯片。支持通过裸金属、虚拟机、容器、函数计算方式对外提供算力服务。

今天大家发现很多公司都可以做通用云计算服务，说明相关的技术门槛已经非常低。但是在智能计算这个时代呢，我觉得又迎来一个新的机会或者说新的挑战。举一个笔记本的例子，芯片可能是AMD，用五年或者十年的时间，我们能不能从原来的通用计算这条路来提供类似于今天苹果做的事情？从整个操作系统、算力、平台来去构建这个能力，这是我们阿里云弹性计算的异构计算团队想解决的核心问题。

我们看技术一直看Gartner的曲线，我觉得AIGC现在正在风头上，但接下来会掉到一个低谷，曲线往下下去。在下去以后，2~3年内，25年一定会非常火。所以在23年、24年会一批公司进入幻灭的低谷。这么判断是因为今天的投入产出比还没有平衡，今天在AIGC这件事情上确定性的事情是投资算力、投资芯片、投资基础设施，这些算力和基础设施如何变成有价值的应用？并且这些应用能从商业场景挣钱来反哺基础投资，还需要一两年的探索。在这个过程中一定能成长出一批可能非常牛的平台或者超级应用。

第二个问题，为什么突然火了？核心是解决了AI如何用逻辑来构建世界的问题，这是本质。因为我们计算机的思维分为感知层、逻辑层和信念层。它是解决到逻辑层的问题，会有很多知识性的工作会被革命，所以我觉得它会带来价值。

面临的挑战首先我觉得是成本的挑战。任何一个应用能快速的推广，一定是要极大的降低成本。上一个4G时代，大家手机刚拿出来的时候，你会发现138块钱可以买到1G带宽，或者600M，你可以视频看剧，现在你也可以不受限制的去刷抖音，你的成本也还是138，但是它的整个性能提升了几百倍。

如何在未来的几年中将GPU算力成本达到百倍级成本的降低？我觉得这是第一个核心挑战啊。第二个挑战是场景的问题。今天发布的很多大模型服务，可以回答一些类似鸡兔同笼的问题，这些问题还是小学生的水平。真正有价值的是如何在我们整个商业中、处理我们的信息中给大家带来真实的价值，并且这个价值能创造出来，我愿意买单。