本文是创业家黑马的演讲总结，主要围绕“AI新纪元，破局向未来”的主题展开，详细阐述了周鸿祎对于大模型时代的看法和创业者应如何把握机遇的建议。
周鸿祎表示现在已经进入大模型时代，AI给了创业者一个比互联网更大的机会。他分析了大模型发展的八大趋势，包括AGI发展步伐的放慢、慢思考成为新的发展范式、越做越专、越做越小、能力越来越强、成本越来越低等。
周鸿祎认为大模型产业已经演化出两条发展路线：一是AGI之路，二是应用之路。他强调普通的创业者和中小公司唯一的机会是在应用之路上找创新场景。
周鸿祎提出了六大应用方向：人人智能、万物智能、数转智改、未来产业、科学研究和AI安全，详细解释了如何用好大模型的六大能力（语言文字能力、创意能力、多模态能力、业务能力、创新能力、科学能力）。
周鸿祎给出了四个建议来抓住AI时代的机遇：人人AI，企业内部人人都先用起来；企业办公和营销场景要率先AI化；建立企业知识中枢；选择业务场景，打造专业大模型和Agent数字员工。
12月19日，由创业黑马主办的“第16届创业家年会”在北京举办，年会主题为“AI新纪元，破局向未来”。会上，特邀嘉宾、360集团创始人周鸿祎做了《在大模型时代，创业者值得干点什么》主题演讲。
周鸿祎表示，现在已经是大模型时代，AI给了创业者一个比互联网更大的机会，要建立AI信仰，保持敏锐、要有紧迫感，但也不用慌。他预测，如果说2023年是大模型之年，2024年是专业大模型之年，那么2025年将是智能体之年。
周鸿祎分析了大模型发展目前呈现的8大趋势，表示：如今大模型已经演化出两条发展路线，第一条是AGI之路，第二条是应用之路。“AGI是全球少数巨头的游戏，更多创新的机会在应用之路”，他认为，走应用之路，不是卷算力、卷数据、卷参数，而是要用好大模型的六大能力，发展6大应用方向：人人智能、万物智能、数转智改、未来产业、科学研究和AI安全。
周鸿祎提到，普通的创业者和中小公司唯一的机会，是在应用之路上找创新场景。去年有部电影叫《年会不能停》，里面讲了一句特别深奥的话：“解决问题的关键在于找到关键的问题”。目前关键的问题，就是应用一个大模型就做好一件事。
周鸿祎还强调：“大模型不是中心化的‘电力’，而是去中心化的‘电动机’。”对于如何抓住这一时代机遇，他也给出了四个建议：1）人人AI，企业内部人人都先用起来；2）企业办公和营销场景要率先AI化；3）建立企业知识中枢；4）选择业务场景，打造专业大模型和Agent数字员工。
以下为创业家&i黑马编辑后的周鸿祎演讲：
我是黑马的老朋友，黑马“不端不装有点二”的Slogan，就是从我这儿借来的。前面的演讲者讲得非常好，我就讲讲细节：在座的各位企业家和创业者，如何拥抱大模型？
如果认知不对，你就赚不到钱。要建立AI信仰，保持敏锐、要有紧迫感，但也不用慌。我把它写成“信仰”，是因为每次出现新技术、新变革、新商业模式，总是有很多人怀疑。典型的是心态上看不起，因为看不清，也不愿花时间把它看懂，到最后就看不见了。
AI这件事，特别是从2023年大模型横空出世到今天，依然有很多争论。我编了三个问题，叫“AI三问”，大家可以自我对照下。
- 你相不相信大模型是一场工业革命，将重塑所有产品和业务？
- 相不相信不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰？
把AI比喻成工业革命，意味着它会把所有行业、所有业务、所有产品都重做一遍。网上现在有很多人热烈讨论，会不会被AI淘汰？其实AI不会淘汰人，而是你自己拒绝AI，不用AI，你会被拥抱AI的企业和个人淘汰掉。历史上，工业革命进程持续了上百年，从计算机出现到互联网革命，也用了三五十年，AI革命最快也需要三到十年。
很多人总喜欢用互联网模式看人工智能，觉得历史可以重复。我认为这两者非常不一样。当然，没有互联网算力、数据、人才和算法的积累，AI不可能走到今天，但互联网只是连接平台，人工智能则是生产力；互联网是赋能性技术，生产力属性较弱，而人工智能既能单兵作战，也能外部赋能。互联网之所以具有颠覆性，是因为它切断了旧链接，建立了新链接。互联网通过虚拟空间和虚拟社区，建立了新的人和人、人和信息的联系，这是一种零和游戏，用户到了你那，就不在我这儿了，并不是直接给生产力赋能。但是AI技术，改变的不只是连接，它的工业属性非常强，而且可以直接带来科技的进步和转化。就像Alpha Fold 得诺贝尔化学奖的蛋白质研究，可以直接让人类攻克疾病。人工智能有很多属性，但一定要把握其中最重要的属性，那就是生产力属性。我国打造新质生产力的核心抓手，就是人工智能和大模型。我不建议各位复用互联网经验去刻舟求剑，不要一上来就想着做颠覆式创新，要先赋能，再颠覆，因为它的生产力属性很强。我们看目前所有耳熟能详的国内外大公司，包括苹果、特斯拉、谷歌等等，目前用AI做的主要工作都是赋能，而不是思考怎样颠覆别人。先思考自己的业务能不能用AI重做一遍，在这个过程中，企业的第二曲线，或者说企业的未来战略就呼之欲出了。01
大模型发展的八大趋势
1）AGI发展步伐在放慢。我之前以为AGI很快能实现，因为山姆·奥特曼特别会说，我也相信了他的预言。但是最近的AGI发展步伐在变慢，Scaling law效应在递减。之前人们以为，堆了算法和算力，只要规模无限加大，训着训着，一个宇宙超级无敌的人工智能就会出来。但最近llya说，可用的数据已经用得差不多了，大模型也还没达到那个境界。所以，我觉得AGI不会那么快，像之前说2027年会到来，现在我认为，至少还要有5年到10年的等待。2）“慢思考”成为新的发展范式。这与第一个趋势是相关的，Open AI一开始做的GPT，属于快思考模式，你问问题，它即时回答。人们发现，这一模式的AI智力达到一定水平后，就上不去了。于是人们进行了新探索，发布了新模型，采用“慢思考”的模式。就像别人问我问题，我想的时间越长，答案就越精准。这也可能是一个AGI在早期的突破点。3）越做越专。之前很多国内厂商宣传大模型时，都强调无所不能，既能写诗，又能作画。但现在发现，真正在某项能力方面超越人类的模型，都是专业模型。我最近看了很多资料，包括Open AI都开始承认，背后用了多个专业模型来协同工作，而不是用一个大模型做所有事情。举个最简单的例子，谷歌的阿法狗下围棋很好，但是不会写作文。所以，人工智能超越人类，是先在某个领域超过人类，还是一下子变得无所不能？我个人认为，越做越专是未来的趋势。4）越做越小。大模型发展还有个问题，是应该越做越大，还是越做越小？做大，会带来算力和成本的问题。现在有一个趋势，大模型要进入手机、汽车和各种智能硬件，所以大模型要往小的方向做。如今，10亿参数以内的模型比比皆是，而且越来越多。5）能力越来越强。有人说，模型做小以后，能力也会变弱，这个观点被颠覆了。因为之前训练模型，什么东西都往里灌，很多数据的质量不高，导致模型能力不强。今天的大模型能力取决于训练数据的质量，数据质量越高，大模型能力越强。这也给了我们一个启发，Open AI觉得数据枯竭了，但是我们做专业模型，在公司内部有很多隐藏的显性或隐性的知识，并不会提供给别人。所以在知识上，大家不要眼睛盯着互联网，而是要盯自己的业务，通过慢思考，也能增强小模型的能力。6）成本越来越低。前两年，买一个大模型要好几千万，还有人开价上亿。经过这几年的发展，大模型变成了大宗生意，开源大模型比比皆是，你可以拿来做自己的模型，比白菜还便宜。而且国内外提供的云服务价格也下降了百倍。7）智能体推动大模型快速落地。之前大模型在企业里落不了地，很大程度上是因为它的形态。它只是一个对话机器人，以聊天为主，“君子动口不动手”。但是大模型要在企业里落地，一个最基本的要求，是一定得能挽得起袖子，干得了活，脚能踩泥。所以AI Agent这两年起得很快，我叫它“智能体”，更贴切的说法是“数字员工”或“数字专家”。之前是辅助性技术，现在变成比大模型还要关键的核心技术，大家一定要关注Agent，它是驱动大模型落地干活的重要力量。8）Infra（基础设施）接近成熟，应用开始兴起。美国前段时间有一个讨论，大家买了英伟达很多显卡，英伟达的股价这么高，还需要继续这样下去吗？答案是NO。说明当下Infra（基础设施）已经可以了，要开始做应用了。这跟互联网很像，当年互联网泡沫破灭时，很多公司投了很多钱在光纤网络和路由器，把基础设施搭起来了，如果没有后来出现的一系列应用，互联网真的会成为一场泡沫。现在，大家不要再琢磨Infra的事了，直接做应用吧。02
未来的两条发展路线
刚才讲了跟企业应用相关的八个趋势，下面是今天大家要记住的最重要的结论。如果说2023年是大模型之年，2024年是专业大模型之年，那么2025年将是智能体之年。在2024年，大家已经开始反思，大模型走向专业化和场景化。到2025年，大家将更清楚，只训练大模型也还不够，需要打造智能体。第一条是AGI之路，探索全面超越人类的超级人工智能，卷算力、卷数据，让大模型向着万亿参数发展，这条路跟绝大多数人和绝大多数企业没有关系。第二条是应用之路，放弃打造全能大模型的执念，让一个大模型干一件事，把大模型“拉下神坛”，向场景化、应用化、专业化、垂直化方向发展。我反复提出要把大模型拉下神坛，为什么？因为如果它像超级电脑一样，被供在高高在上的地方，不会给各位带来什么影响。当年IBM发明了超级电脑，并没有发生信息革命，是PC走入千家万户和千行百业后，才带来革命。今天大模型跟应用相结合，对我们国家来说特别有意义，因为我们的工业门类最齐全，产业链最丰富，而且我们的实业场景是最多的。AGI（通用人工智能）是全球少数巨头的游戏，在美国这条路就属于那七八家巨头公司。而且通用人工智能竞争很激烈，辛辛苦苦训练一个模型，没几天就被超越了，无法形成技术壁垒。所以，普通的创业者和中小公司唯一的机会，是在应用之路上找创新场景。去年有部电影叫《年会不能停》，里面讲了一句特别深奥的话：“解决问题的关键在于找到关键的问题”。我认为，目前关键的问题，就是应用一个大模型就做好一件事。当年使用过ChatGPT以后，我就说，这是一种强大的能力，但不是产品。如果一个产品承诺啥都能干，用户对它的期望就不知道落在什么地方，而且满意度会非常不稳定。对话机器人的聊天方式，需要复杂的提示词的使用方式，决定了它是强大的能力而不是产品。有人说，我是在把大模型庸俗化。没错，我的目标就是把大模型“庸俗化”，让普通人不再仰视，撤下它的神秘面纱。03
用好六大能力，发展六大应用方向
如果走应用之路，就要用好大模型的几大能力。过去，国内大模型公司普遍犯了一个错误，每次介绍大模型时，都只介绍好玩的东西，最好玩的就是写小作文，做小视频，画奇奇怪怪的图案。这让很多传统企业有一个误解，觉得大模型很有趣，但是不能干活，跟业务没有关系。第三层，多模态能力。这一点越来越重要，因为企业要处理各种数据，各种物联网络，多模态让人工智能不仅能理解文字和语言，还能听得懂我们的声音，看见发生了什么事情。第四层，业务能力。这是对传统企业最重要的能力，传统企业普遍面临数字化改造的任务，利用大模型可以加速数字化进程，把数字化结果进一步智能化。与这六层能力对应，我们总结了大模型的六大应用方向，供大家参考。方向一，人人智能，打造个体超能力。人工智能是人类发明的最有力的工具，携带人工智能助手，可以让每个人拥有超能力，围绕这个方向有很多创业机会。比如，对于一个不善于交流的人，HR助手给出一个建议，根据刚刚的聊天内容，应该提这些问题等等。在这个方向上，要避开巨头的常见场景，深入了解现在人们对人工智能的具体需求。方向二，万物智能，从万物互联走向万物智能。有人已经在讨论，什么时候硬件可以AI化？我的观点是不管三七二十一，先试着用AI改造，未来所有的硬件都会有一个大模型。无论是车，还是手表、眼镜、PC，都可能因为大模型化，创造出新的能力。最近Facebook做了一个智能眼镜，没那么重，看到以后马上可以拍照搜索，卖了几百万副。有了AI以后，虚拟现实和元宇宙就有可能成真。方向三，数转智改，助力传统产业打造新质生产力。AI可以帮助很多传统企业推动数转智改。这时就不能用通用大模型，因为通用大模型对企业的知识不了解、语境不了解。所以必须要给企业打造一系列的私有化大模型，而且不要幻想用一个大模型解决企业所有的问题。未来企业内部，一定会有多个大模型和多个智能体协作，来推动业务的发展。像美国斯坦福医学院，就是一个利用AI实现传统企业数转智改的典型范例。他们发现目前的业务运转有三个卡点：第一，病人看病要通过家庭医生给斯坦福医院发传真，需要有人去理解传真、录入，这需要一个上百人的队伍；第二，需要有很庞大的客服队伍给病人打电话，来落实什么时候来看病；第三，看完病以后，还得有人写很专业的报告，找保险公司报销。所以他们就与一家AI公司合作，针对这三个场景，做了三个智能体，来解决这三个问题，背后是三个大模型，分别应用了大模型的多模态能力、写作能力和知识获取能力。方向四，赋能未来产业和新兴产业，变不可能为可能。大模型会给未来的数字化企业带来的新的算法和新的解决问题范式。如果没有大模型，今天所有的自动驾驶想做到无人驾驶是不可能的。特斯拉的Robotaxi之所以有信心在全国推广，就是因为经过训练后，大模型产生了举一反三的智慧涌现能力。另外，有一些大模型已经可以把工程师写的人工代码替换掉，全部变成机器学习。这为企业提供了新的解决问题的范式。方向五，AI for Science，打造科研新范式。这是“皇冠上的明珠”，今年的诺贝尔奖物理学奖和化学奖，给了两位AI科学家。这也给了我们一个启示，未来研究基础科学也要利用AI范式。AI处理文字和语音的过程，是把它看作一个序列，如果已知序列足够多，就能把下一序列预测出来。那么，也可以把基因看作一个序列，把一个细胞的分子构成看作一个序列，把蛋白质的构成看作一个序列，试试大模型，有可能会产生奇效。方向六，AI安全，实现安全的自动驾驶。这个方向是我塞进来的，因为我是做安全的。今天使用大模型，都是当作个人工具，哪怕说错一句话也没有什么大影响。但如果大模型跟企业业务系统融合在一起，跟无人机结合在一起，可以按武器发射按钮时，它出错就会产生很大问题。大模型可能产生幻觉，可能伪造信息，也可能被人PUA，这就需要安全防范。04
从应用到服务，四个建议
最近，美国人又造了一个新词，叫“从SaaS到SaaS”。之前的SaaS是“软件即服务”，现在SaaS是“服务即软件”。我一开始没理解，后面看了一些案例才明白。美国的软件是一个万亿美金的市场，但是有两个问题：第一，软件只是人类的工具；第二，有很多事情软件干不了，比如请人写诉状，或到保险公司报销。后者在美国叫服务市场，由人提供服务，是个十万亿级别的市场。现在有了人工智能以后，用人工智能打造专业大模型，加上智能体，很多过去非要用人做的事情，就可以用大模型做，把软件取代。像前面提到的斯坦福医院100人的传真队伍，智能体上线以后，只要保留2个人就可以了。智能体与APP有本质上的不同。APP是个工具，需要有人用；智能体却可以主动帮你干活或协助你进行干活，所以价值有了根本性转变。从“软件即服务”，到“服务即软件”，万亿美元的软件市场转变为十万亿美元的服务市场，从“工具辅助人创造价值”，变成了“AI直接创造价值”。过去很多企业在教育云计算市场时，把云计算比喻成电力。如果按照同样的思路，大模型应该建在云端。但是我认为，大模型更像是电动机。当年，一台蒸汽机是工厂布局的核心，所有工厂的动力都是由这一台蒸汽机提供，空气锤、鼓风机都是由一个蒸汽机操作，直到数十年以后，人们有能力把电动机做小、做便宜，工厂一下子就摆脱了中心驱动的模式，变成了分布式驱动和单元驱动。过去需要动力的地方，单独买个电动机装上就可以了，这给工厂带来了格局的革命、流程的改造和组织架构的改变，由此引发了生产力革命性进步。如果我们把电动机换成大模型，是否会感觉很贴切？所以，大模型不是中心化的“电力”，而是去中心化的“电动机”。建议1：人人AI，企业内部人都先用起来。企业内部，从老板到员工要强迫用AI。用AI不像看电影，不是人的本能，但是很多企业最终都要用AI。所以，企业的每个人都要去了解，而不是回避AI。建议2：企业办公和营销场景要率先AI化。360提供了企业办公门户，把300多个企业办公营销的工具做了集成，可以帮助企业快速把办公和营销的能力率先AI化。建议3：要建立企业知识中枢。如果想做自己公司的数转智改，我的建议是在应用大模型之前，一定要把企业的知识管理做好。所有企业做到最后，最有价值的就是Know how，最有价值的事不在纸上，而是在老板和高管的脑子里，在企业的业务流程里。要做好知识捕捉、知识加工、知识沉淀、知识生产和知识搜集，把内部知识管理做起来。没有知识库的支持，企业的数字人就会胡说八道；有了知识库，它就能围绕企业的业务回答问题。建议4：选择业务场景，打造专业大模型和Agent数字员工。不要追求宏大叙事，而是要把场景细分。一句话，找到企业的卡点和堵点，也就是过去解决不了事和解决不了的问题，看看能不能用AI重做。
3980任选3次黑马大课，每场200+老板，每一场定期不定期小饭桌，私董会等活动链接。
欢迎锁定最后的优惠名额。
联系我们
