“盡管目前AI大模型發展勢頭很猛，但在實際落地上仍屬于淺層次的理解式AI。隨著時間推移，行業也將會更為理性地評估其實際效果和經濟價值?！敝嘘P村科金副總裁胡建林在10月9日接受記者采訪時表示，而距離AI大模型大規模普及則需要考慮多重關鍵因素。比如，行業數字化水平、任務容錯率以及安全合規要求。此外，還需攻克大模型容易產生幻覺傾向、以往非結構化數據應用率低、企業流程性知識無法充分應用以及領域常識注入造成通用能力下降等技術挑戰。

產業數字化在數字經濟發展中持續主導，與不斷創新的數字技術緊密融合，其規模和深度迅速提升，成為數字經濟增長的引擎。

根據沙利文日前發布的《2023年中國AI技術變革企業服務白皮書》（以下簡稱《白皮書》）顯示，中國數字產業化規模在2022年達到8.8萬億元，占據數字經濟比重達到18.3%。與此同時，產業數字化規模攀升至39.3萬億元，其在數字經濟中的比重高達81.7%。預計到2025年，整個數字經濟市場規模將達到55.7萬億元。

在此過程中，AI大模型的落地應用備受各界關注。相較于傳統AI技術通常需要大量的數據和計算資源，AI大模型通過自身的學習能力，可以在一定程度上自動地學習和提取數據中的特征，從而降低AI開發難度，也使得更多開發者和企業能夠更容易地利用AI技術來解決問題。

“自從ChatGPT推出，生成式AI已經在整個技術產業中引起了廣泛關注。尤其在資本和產品層面，整個行業的熱度明顯上升。此外，生成式AI的應用也不再僅局限于基礎的聊天機器人模式，而是廣泛滲透到企業服務、營銷和金融等多個領域?！焙直硎?，通過大模型技術為智能客服產品賦能，大幅提升客服系統問答意圖識別準確率和回復準確率，預期后期可減少70%以上的系統運營工作。

不過，就現階段而言，AI大模型對各類產業的影響程度亦各不相同。

根據《白皮書》顯示，在服務型產業中，AI能夠實現5.8%的顯著成本降低，主要集中在客戶營銷、客戶運營、客戶服務等獲取和轉化客戶的成本方面，具有高替代潛力。在媒介型產業中，成本降低比例為2.8%，主要表現在銷售渠道管理和營銷內容等關鍵領域。對于產品型產業，AI有望減少1.6%的成本，這些企業通常在產品研發設計和市場營銷方面投入較多，因此未來將通過自動生成產品模型、外觀設計以及宣傳材料來重塑工作模式。然而，在制造型和基礎源頭型產業中，AI大模型滲透率相對較小，成本下降幅度僅為0.5%。

需要指出的是，面對生成式AI技術的高熱度，盡管許多企業熱衷于擁抱這種新技術，但其實在落地應用層面仍面臨諸多挑戰。

“首先，大模型的訓練復雜度高，需要大量算力和資源，雖然未來可能隨著技術進步而得到解決，但近期仍是一個顯著的瓶頸。其次，隨著AI的應用，公民隱私和信息安全問題愈發凸顯，這需要相應的法規來進行約束和管理。此外，大模型在處理異?；驈碗s場景時，其抗干擾能力和穩定性仍需提高。最后，雖然一些企業已經開始在垂直領域探索大模型的應用，但大部分仍然在初級階段，怎樣真正為客戶創造價值、如何將技術與實際業務深度融合仍是一個巨大的挑戰?！痹乞鹬悄苈摵蟿撌既思鍯MO張亞慧在此前召開的2023沙利文新投資大會上表示，如何克服上述挑戰，真正實現其應用價值，是各行各業企業需要深入思考和探索的課題。

胡建林也指出，盡管在語言生成上表現出色，但生成式AI在事實判斷和過程生成方面仍存在問題，特別是在輸出看似合理但實則不確切的信息時。雖然部分挑戰已經得到解決，例如通過外掛知識庫來增強事實判斷，但某些問題，如倫理和心智問題，仍然難以解決。從應用角度上來看，如何有效地利用非結構化數據，如音視頻內容，和如何在高頻與低頻問題中平衡模型的使用也是核心挑戰。同時，數據安全和合規性也是行業需要面對的問題。

在技術不斷迭代過程中，生成式AI的技術發展路徑又將如何演變？未來又將有哪些新的落地產品形態及應用場景？

據胡建林觀察，雖然大模型能力在不斷增強，但未來的復雜任務無法僅靠單一大模型解決。解決策略將涉及多技術和多模型的融合，而多agent多智能體的開源框架為此提供了一個方向。

胡建林認為，未來，產品形態主要分為兩類：基于聊天的工具類產品，如ChatGPT，這些泛工具類的產品具有廣泛應用性，但缺乏行業特性；第二類是領域大模型，這些模型針對特定行業，如金融、政務、醫療和法律，為知識密集和高隱私性行業提供更具商業價值的解決方案。選擇落地領域時，需要考慮三大維度：任務的容錯性、領域的專業知識需求和場景的價值。例如，對于高風險任務，人機結合的方式是初步有效的選擇。

責任編輯：王超