智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
氣動離合器COREMO E4-NA1976 蝶形剎車片 水泵制動器
品牌
ChatGPT依賴大模型、大數據、大算力支撐，其出現標志著通用人工智能的起點和強人工智能的拐點，是里程碑式的技術進步。
可以預見的是，大模型時代，AI開始像人一樣思考和工作，傳統的交互方式和內容生成方式將被徹底顛覆，新的業態和商業模式將出現，相關產業也將被重構。下面，筆者將基于大模型發展的現狀，給出相關行業洞察。
大小巨頭搶跑GPT，不止于算力
如今，各大廠商主要圍繞著算力和模型展開競賽，算力焦慮自大模型誕生之日起便與日俱增。但筆者認為，“得算力者得天下”的論斷僅在大模型競爭的前期階段有效，這一階段的競爭核心是資質篩選，以最快速度和絕對優勢實現攻城略地是大廠商的生產策略。這也解釋了為何各家都有在按部就班地訓練大模型，但卻只在ChatGPT出現后才真正出現瘋狂井噴之勢。
作為智能時代的基礎設施，大模型的算力就如同工業生產中的電力，并非所有企業都有能力建發電廠，因而勢必只能誕生少數大模型運營商提供基礎底座支持。
那么，沒有先發優勢和算力優勢的小廠商再進入強強競爭的生態中是不是就沒了活路？非也。
算力并不能成為持續的第一競爭力，GPU卡數量越多，也并不意味著大模型的表現就越優秀、企業使用大模型的效果就越好。這也是為什么，GPT 降臨后，大模型廠商一邊拼命卷算力模型，一邊困惑著如何在同質化嚴重的產品中走出自己的路。
目前，國內的行業生態遵循著這一基本路線——用底座做通用大模型，在通用大模型的基礎上建行業垂類大模型，通過 B、C端聯動的方式筑起自家的生態圍墻。
誠然，在這種基礎資源的絕對優勢面前，小廠商很難突圍。但這一路線的弊端也顯而易見，很多時候大巨頭們忙著靠算力搶站位，無暇顧及落地。唯有產品模式真正能落地，才能持久地運用好已有的算力優勢。作為落地的關鍵環節，資源分配的先后順序、產品形態的想象能力，以及商業模式的設計，都是實現超車的重要因素。
因而即使是小廠商，也可以在已有的產業版圖上通過比拼專業度，兼顧技術、用戶與賽道，來發揮專業特長，規避資源調度的短板，開辟競爭新路徑。
可以說，在大模型競賽度過以算力為第一驅動力的“跑馬圈地”階段后，大模型的真正鋪開，帶來各行各業的重構式革新，一定是在算力、框架、模型、應用所構筑的四維架構下驅動的。如果現有的巨頭廠商無法協調好這四維的發展層次，就會逐漸失去競爭力與規模優勢，最終消失在 GPT 時代的市場版圖中。
AI之于企業，需要更多想象空間
AI所能做到的，不止是替代人力擁有更強大的大腦，那么如何最大發揮其效能，關鍵還是在于運用方式。
將AI當作一種功能拓展，它會是產品升級的有力亮點。
目前，亞馬遜正在準備將生成式 AI 和大型語言模型通過其 Alexa Teacher 模型引入到語音助手中，來提升用戶交流體驗和智能家居使用的效率。無獨有偶，阿里也瞄準了智能家居作為AI應用場景嵌接的首要端口。在不同型號的天貓精靈音箱設備和幾千種終端型號中，都將接入 AliGenie 6.0 智能交互系統。阿里巴巴集團 CEO張勇也曾表示，阿里巴巴所有產品未來都將接入“通義千問”大模型，進行全面改造。面向 AI 時代，所有產品都值得用大模型重新升級。
將AI看成高階勞動力，它能創造出更多。
在過去，AI在產品質量檢驗、設備預警管控中發揮著特定的作用。未來，隨著生成式AI不斷深入制造企業的生產流程，AI將在設計仿真和管理協作方面發揮更出色的性能，而這兩點也是AI在大模型賦能下所實現的高階技能突破。
參與到產品研發中的生成式AI將以廣袤的智能儲備帶來顯著的效率提升。Monolith AI公司在2023年工博會上帶來其機械工程仿真解決方案，基于該方案，創建者依靠實時數據每次進行仿真都會開發一個模型，省去許多測試程序，該公司的目標是到2026年將十萬名工程師的產品開發時間縮短50%。
而參與到供應鏈管理中的生成式AI既能與人無障礙溝通，又能串聯起機器的語言從而實現更高維的協作。一方面，實時數據追蹤和數據分析以及可視化表達讓管理者能實時了解生產動態，便于管理調度。另一方面，人也可以通過簡易的語言指令來指揮機器的運作，實現人—物—物的鏈接，最終實現全自動化的制造生態。
目前，大模型訓練的數據來源主要是互聯網數據，以文本和圖表為主，且通用大模型并不適配于工業場景的需求，因而許多投資者并不看好AI在制造生產領域的前景，但隨著未來商業模式的明晰下定制化模型的拓展，以及私有云部署的安全優化，生成式AI必將在生產制造業鋪開更廣闊的應用空間。屆時，基于客觀物理實體產生的物聯網數據將成為生成式AI模型訓練的主要數據來源，AI的可控力和模型的精確性將大大提升，為物聯工業拓展出更多可能性。
軟件價值重定義，更廣闊的服務市場
由大模型所開啟的 AI 經濟的序幕，意味著一般意義上的 AI 模型即將被大多數消費者、軟件廠商所接受。
未來，在大模型市場的競爭中，絕大多數企業都會被淘汰，形成少數幾家頭部大模型廠商，后面跟著龐大長尾的大模型團隊來服務各個行業客戶的格局。而這長尾便是 AI 經濟的源頭活水。
大模型雖與傳統人工編寫的軟件采用了完全不同的生產方式，但并未出離軟件的本質，可以通過在用戶使用的過程中不斷進行重新訓練、微調來滿足用戶的具體需求，這便導致大模型訓練需求的源源不斷。
也正如前 Google AI 算力平臺工程師趙亞雄所言：“如同中國跳過 PC 互聯網的成熟而直接進入移動互聯網，中國的軟件服務業也會跳過 SaaS 進入 AIaaS 階段，這意味著絕大部分軟件應用都會用AI 模型來支持其功能，也意味著更廣泛的 AI 算力需求，這是極為廣闊的市場空間。”
大模型的出現意味著以 AI 為主體的軟件服務會給中國軟件產業帶來跳躍式發展，拓展出更大的價值空間，國內傳統的對于硬件設備優先于軟件的價值次序或將迎來重構。基于此，以大模型訓練為開端，逐步擴大和深入發展的國內AI經濟，將會是一個多元多維發散，潛力十足的市場。
原標題：GPT大戰，是韭菜騙局還是百年機遇？
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
