整个AI行业的两条生死线--AGI征程的感受和思考（徐立）

       

       核心观点：1、两个关键要素：完备的基础设施建设+技术深入应用场景

                        2、两条生死线：算力供给的成本线+开源模型的性能线

                        3、未来AI行业百花齐放的需要实现一个目标：计算资源平权

                        4、LLM和垂直行业应用，都还只是前奏，未来会迎来AGI的“超级时刻”

                        5、真正通往广泛智能的路线（AGI），很可能不会局限于人类的视角和能力

一、两个关键要素：

       所有红利最前面是认知的红利，对新技术认知的快速迭代，是推动时代进步的基础要素。第一条关键要素是基础设施发展要素，这为行业向前走提供了核心支撑。第二条要素是：无论技术再通用，再基础，“场景化”始终是技术走向大众，实现真正意义上商用的关键核心（破局点）。

二、两条生死线：

       整个行业的两条生死线。AI 1.0与2.0时代最大区别在于资源的侧重：

       AI 1.0时代是人力密集型，重点在人才招揽，计算成本占公司比例不足5%。

       AI 2.0时代计算成本达到95%，人力只占5%。

       所以，AI 2.0时代如何高效的利用基础设施？我们提出“三位一体”---大装置、模型和应用的无缝集成。AI 2.0发展的核心路径：1、场景化（驱动力） 2、模型研发是驱动基础设施建设的核心动力。

       

       现在做AI，行业存在两条生死线：

       1.算力供给的成本线。（从业者何时进入尤为关键，什么时间节点投入、投入的资源是否能够沉淀为持久的价值？）   

       2.开源模型性能线。（开源是从事基础设施建设或者硬件销售公司的必经之路，好比英伟达，他们将所有过程、数据、细节开源）

       一般有3类开源玩家：

    A.基础设施提供方：开源目标是让客户掌握这项技术，然后通过销售硬件或服务（比如算力或者模型的调用）获利。

    B.内容平台：生成式AI越多生成内容，平台的内容生态就越丰富，平台价值就越高。（类比公司：META，Facebook，Instagram等内容平台）

    C.创业公司：这类公司在有限的资源下，将开源作为快速提升行业影响力的路径， 吸引投资者。

       当然，也有企业投入不够，无法开源，那就必须通过差异化路线，为行业提供独特价值，比如以行业应用的垂直领域为切入点，通过差异化模型发展，包括差异化的场景数据发展，推动行业的变化。

       商汤的定位是：1.既要完成基础模型的迭代（A+B）   2.又要为行业客户提供差异化的价值。

三、未来中国的AI行业应用需要实现一个重要目标：计算资源平权。

       训练基础模型是少数企业的责任，但是使用大模型一定是百花齐放，所以使用模型需要的计算资源必须要高性价比，才能推动行业的发展。但是我们现在面临很多挑战（连接硬件技术的难题、国产化能力的限制），如何解决这些问题，是商汤“三位一体“战略转型中深入思考的问题。

       大模型、大装置、场景应用的“三位一体”，目前这三个要素的成熟度如何？

       目前来说，计算成本占据了极大的比重，无论是训练还是推理环节都是如此。

       关于Scaling Law（尺度定律），在不同领域经历了三次验证时刻：

       1.大语言模型上的应用：在Scaling Law提出前，AI领域普遍认为小数据、小模型的算法在大数据大模型上效果不好，即资源多性能不一定好。但是Scaling Law在大语言模型中的应用显示：算力资源跟模型性能正相关，即资源越多越好。

       2.跨模态的适用性：传统AI领域，算法跨数据、跨模态时容易失效。但Scaling Law在像Sora、4o等跨模态系统中也能应用，拓宽了应用范围。

       3.推理时间上的Scaling Law：在单一模型Scaling Law发展节奏放缓的情况下，发现推理时间越长，模型性能越容易提升，为模型性能提升提供了新的增长途径。

       这三次验证时刻说明，算力资源在整个链路中扮演的核心商业角色。

       模型本身的架构和设计直接决定了计算资源的配置和使用。算力、模型、应用三大要素中，大模型是贯穿上下的核心纽带，既牵动上层应用的发展，也影响着下层计算资源的配置。而计算资源的优化和投入，则是决定整个商业模式能否实现闭环的关键所在。

       怎么赚钱？

       在走向AGI的过程中，要有成熟的商业化变现模式。对于商汤来说，三位一体的方式将计算成本降得更低，一旦迭代完成，就能获取到足够的市场份额，实现客观商业回报。因为当前无论是模型服务还是应用服务，最后都等价于计算资源的变现。在中国，资源变现的模式相对成熟。

       （关于商业模式，还有个有趣现象，国外的一个标准化软件可以长期保持固定价格，中国却不行，需要加入更多的服务，甚至贴身化的定制开发，这是认知上的差异，必须理解这点。）