2023-12-11 13:38:52
近期,2023中國上市公司投資價值峰會暨中國投資基金峰會(以下簡稱“雙峰會”)在北京舉辦,本次“雙峰會”以“創新驅動、價值導航”為主題,旨在探討上市公司如何通過創新和價值來驅動自身發展,并引領行業發展的新趨勢。
會上,順網科技首次分享了公司在生成式AI商業化方面的經驗,強調泛娛樂將成為生成式AI商業化的黃金場域,并建議生成式AI創業,不要局限于大模型,更需關注場景應用,以及為場景應用提供支撐的中間層。
2023年以來,各大公司爭相布局AI領域,導致大模型產品密集落地,形成“百模大戰”。然而,盡管各類大模型產品層出不窮,但市場上成熟的生成式AI應用卻相當有限。
對此,順網科技認為,企業在探索生成式AI創業時,不僅要注重大模型,更需關注場景應用,以及為場景應用提供支撐的中間層,以幫助企業在競爭激烈的市場中脫穎而出。

除此之外,對于進入生成式AI時代的企業而言,將會面臨三個挑戰:其一是模型層面能力的提升;其二是監管合規層面的挑戰;其三是業務孵化和商業化。
在場景方面,順網科技最偏好泛娛樂領域。一方面,休閑娛樂是比較核心的剛性領域。另一方面,泛娛樂行業相對來說容錯性會更好。此外,泛娛樂的傳播性更好,能夠獲得更多用戶的認知,更容易讓用戶理解和使用。由于泛娛樂行業同時具有這三個特性,因此預計在明年后年會有很多的應用和可能性誕生。
其次,在生成式AI的商業化要素,“場景、中間層、模型、算力和數據”,五大要素缺一不可。因為場景是最終觸達用戶群體的地方,也是商業閉環形成的地方。中間層可以加速試錯過程,更快地找到滿足用戶需求的具體痛點閉環。模型是生成式AI這一輪最核心的能力部分,算力是基礎支撐,而數據則是模型的根本。這一輪生成式AI會帶來巨大的生產力變革,但未必會如大家期待的那么快,還需要一點一滴的積累,市場需要有一定耐心。
以下是順網科技在鈦媒體2023年中國上市公司雙峰會的分享實錄,略經編輯:
各位領導、各位主辦方的老師、各位嘉賓、各位朋友,大家晚上好!
從去年底ChatGPT發布至今,整個互聯網行業,甚至各行業都對生成式AI產生了濃厚興趣,資本市場從一級到二級都有很多動作,今天我代表順網科技,分享我們對生成式AI的一些認知和實踐。
首先簡單介紹一下順網科技。順網科技成立于2005年,一直致力于推動電競互動娛樂領域的數字化。在18年的發展過程中,順網科技逐漸切入了四個核心領域,包括算力、電競、AI陪伴和數字娛樂展會ChinaJoy。這四個板塊構成了順網科技的核心業務,也是我們在生成式AI時代到來時展開新增長的基礎。
我先跟大家分享一下“百模大戰”的問題。從去年到現在,國內不斷涌現出各種團隊,包括頭部的互聯網大廠和新興的企業,都在做大模型,國內的模型已經超過 200 多個。從今年8月Gartner發布的行業報告來看,整個模型競爭已經進入了技術發展曲線的第一個峰值階段。接下來,逐漸有一些相對欠缺資源和欠缺沉淀的團隊會退出競爭。
在百模大戰的同時,我們也注意到,大家目前能夠接觸、使用的生成式AI應用非常有限。所以在我們看來,進入生成式AI時代,我們還要面臨三個挑戰。
第一個是模型層面能力的挑戰。主要體現在核心資源的聚合上,包括算力、數據以及人才層面的博弈。其實這一領域在過去幾年一直是冷板凳,尤其是在去年9月份之前都不是熱點,甚至于國內相關的出版物也不多。但今年2月份以后,這方面的研究就如雨后春筍般涌現出來,這也是人才稀缺的一個客觀限制。
第二個挑戰是在監管合規層面。要開展負責任的大模型實踐,會大幅度增加訓練成本和推理成本,因此會給商業化過程帶來挑戰,這背后是安全和成本之間的取舍。
第三個挑戰是業務孵化。在早期投資時,大家可能覺得這一新興領域很有機會;當行業發展逐步深化時,會發現業務本身的孵化和商業化存在非常多的挑戰。如果不能驗證業務商業模式是否有效,能否形成良好的現金流和利潤,生成式AI就有可能會進入瓶頸狀態,實際上現在已經在這樣一個狀態了。我們團隊在看待生成式AI創業時,理解不僅僅局限于大模型,大模型有相應的團隊和相應層次的玩家在做。我們更關注場景應用,以及為場景應用提供支撐的中間層,這里還有很多機會。場景方面,順網科技最偏好泛娛樂領域。首先,休閑娛樂對消費者而言,是比較核心的領域,所以它的需求是很充分的。其實歷史上很多新技術都是從泛娛樂領域率先落地。其次,泛娛樂領域相對來說容錯性更好。很多生成式AI應用一旦用到正式的商業場合,就會面臨服務、解決方案等方面穩定性、可靠性的問題。所以在當前這個階段,找到相對高容錯的場景,是做好這一輪生成式AI商業化的重要環節。另外,泛娛樂的傳播性更好,能夠獲得更多用戶的認知,更容易讓用戶理解和使用。所以我們認為,泛娛樂行業剛好具有這三個特性,在明年后年會有很多的應用和可能性誕生。最近二十年,我們的很多生活習慣都在發生轉化,例如從微博、微信等文本互動轉向短視頻互動,甚至未來會有更多即時多媒體通訊形態。這個過程中,用戶時間分布已經在發生遷移,更多的生活場景復刻、還原在線上,因此會有很多通過生成式AI為用戶提供陪伴的機會,這也是順網正在做的。第一種是現在很多小型團隊在做的,他們會直接在大模型上做應用,或者簡單地做套殼或商業化。這種模式反應速度會比較快,可以快速拉起來一部分用戶,但是在國內展業,這樣容易遇到合規問題。海外展業其實門檻不高,但很容易被大模型把相應的場景能力吸納,之后逐漸被替代,很多應用從業者已經發現了這個問題。第二種是大模型加上中間層框架,最后到應用。這一層是從大模型本身的一些局限性出發,補充它的提示工程、答案工程,注入行業垂直模型。同時企業有很多自己多年沉淀的行業數據,未必愿意以公開的方式或者缺乏數據安全的方式提供給大模型,這種場景就需要中間層做支撐。從順網科技的實踐來看,首先,我們擁有多層次的算力,而且是異構算力,從這種核心的專業計算到常規的低成本推理計算,甚至于到一些特定場景的渲染,面向不同場景可以提供不同類型的算力。這是我們相對見長的,因為我們做上網行業,從基本的設備管理到行業的存儲上云、算力上云,以及算力全方位的線上線下一體化調度管理,我們積累了很多經驗。
第二點,是在模型和應用支撐的中間層探索。這一塊構成了順網科技核心的AGENT能力。準確來說,AGENT是一種生成式人工智能代理的能力,而不是只創建一兩個代理的化身。本質上,還是會利用大語言模型擅長的方面,但是對于它不擅長或者可能遇到問題的部分,都需要在這個層級進行封裝和場景化適配。
最后是場景。我們接觸的用戶主要集中在泛娛樂領域,因此我們會提供相應的陪伴服務,包括在上網、電競等與游戲緊密結合的場域,以及常規的休閑陪伴。我們認為,想要做好AI應用,需要充裕的算力和高質量的數據。
首先,即便擁有第三方的大模型,如果缺乏足夠的算力,就無法將優質數據轉化為模型的參數,也就無法真正地將數據沉淀下來。其次是要做推理,如果沒有足夠的推理算力來服務海量廣域的最終用戶,那么大模型平臺可能會崩掉或暫停服務。這對于國內很多創業團隊和上市公司來說,也是一個需要解決的問題。
算力不僅關乎計算能力本身,還關乎計算所需的時間。比如,我們所在的電競行業、游戲娛樂領域所需要的渲染算力,需要非常低的時延,通常是毫秒級。而在其他非時間敏感的應用場景下,可能不需要那么高的實時性。所以整體的算力應當構建成一個多層次的算力網絡和算力資源池。
其次,推理的核心在于高質量的數據,這些數據應當與自身應用場景相契合。我們認為,高質量的行業數據必須滿足三個維度:深度、廣度和時間跨度。深度方面,即在該行業中擁有相應的端對端鏈路數據沉淀,當然,這些數據的獲取需要符合相關法律法規。
廣度方面,行業不能太小、太垂直,要有一定的市場容量和多細分行業覆蓋,否則很難在商業化推廣中實現規模化。最后,數據的積累需要一定的時間跨度。如果沒有幾年甚至10余年的數據沉淀,就沒有相應的訓練語料,所以在數據層面,還是需要有足夠的時間積累。
我們來總結一下。在生成式AI的商業化方面,順網科技認為這五個要素是缺一不可的:場景、中間層、模型、算力和數據。場景是最終觸達用戶群體的地方,也是商業閉環形成的地方。中間層可以加速試錯過程,更快地找到滿足用戶需求的具體痛點閉環。模型是生成式AI這一輪最核心的能力部分,算力是基礎支撐,而數據則是模型的根本。我們認為,這一輪生成式AI會帶來巨大的生產力變革,但未必會如大家期待的那么快,還需要一點一滴的積累,市場需要有一定的耐心。對于上市公司來說,在這方面也會遇到經營層面和孵化層面的挑戰,我們也希望能夠與行業內更多人士進行探討,共同尋找更多創新機會,從而實現更好、甚至更快的商業化進程。
最后以順網科技的使命和愿景作為結束,我們希望科技連接快樂,讓行業更加智能,讓用戶的快樂隨手可得。