玩币族移动版

8月30日，由创业邦举办的“2023AIGC技术应用大会”在深圳召开。

在题为《应对策略—AIGC重塑百业千行，企业升级如何借势？》的主题圆桌环节，BV百度风投AI应用赛道负责人温永腾与三位嘉宾展开了精彩对话，他们是：

以下内容来自圆桌速记，经巴比特整理。

温永腾：在过去这一年多时间里，底层模型的发展突飞猛进。但我们相信AI到了一定阶段后，一定要深入行业，去做行业应用。接下来有请各位嘉宾，做一个简短的自我介绍。

马千里：

我是无界AI马千里，做AIGC这一块，主要的领域是文生图。无界AI发展到目前有两个方向。C端上已经有300多万用户，每天创作300多万幅AIGC作品。B端是第二块，增长非常迅猛，合作过麦当劳、上汽集团等一批大企业。

我们会深刻地发现，今年以来，传统大产业，传统企业，哪怕你觉得它和AIGC没有太多相关性的企业，都在涌向AIGC。

另外，文生图它的发展速度比文生文，比ChatGPT，都要更早一点，商业化也更早一点，大概早半年时间。我们感知到文生图领域有很多创业机会。

唐家渝：

生数科技是一个比较年轻的团队，但整个团队做生成式AI的研究已经有十几年，近两年在国际上发表顶会论文接近30篇，在业界遥遥领先。我们现在最主要做的是一个底层多模态大模型，通过一个模型做到图像、视频等各种各样的生成式的能力。基于这个模型我们在上层打造一些端到端的应用，主要是面向2C的场景，一些可以降低创作门槛的应用。

王平：

登临科技专注在做国产GPU大算力芯片，是国内最早一批做国产大算力芯片的企业。我们覆盖的领域从高算力的服务器一直到边缘端，在同一个架构下，异构的架构下，都有产品。产品落地在互联网、智慧城市、智慧交通等领域。大模型起来后，也跟很多AIGC企业建立了很好的合作。

温永腾：无界是否是可以跟我们分享一下，如何利用AIGC技术为不同行业提供个性化的内容解决方案，帮助企业升级内容创作。

马千里：

各行各业他们去用AIGC往往会觉得无从下手，他们要么是有场景但没有算力，要么没专业团队，或者没有把数据归集起来做相关的行业应用。

我们在和B端合作时，由轻到重有不同的方式。

最轻的合作是与营销结合，因为AIGC是一种非常容易触达到C端的营销工具。我们合作过奇瑞汽车、李白酒业、森马等等，非常多。我们有300多万用户，我们合作办一个AIGC绘画大赛。奇瑞汽车当时要征集自己的虚拟形象代言人，它一开始面向专业人员，征集了几十幅作品。后来跟我们合作，一下子征集了7000多幅作品。

稍微重一点的是利用我们现实的能力，有点像SaaS。比如说你有文生图的场景，你有营销场景，或者你有做漫画的场景，或者你有很多应用，这个时候你没有算力，你直接去接我们的接口就OK了，这个是成熟的接口服务。比如像麦当劳，我们在六一时做了一个回到童年的AI作画活动。

最深的一层合作就是对于AIGC行业有产业认知。你知道要做一个什么样的行业模型，行业有什么痛点，然后用这个模型的方案去解决它。类似于MaaS，模型即服务。我们刚刚跟万事利发布了一个印染模型，专门为它这个行业量身打造，它要符合印染行业的标准，生产线机器的标准，非常多的细节。这方面还有像摄影行业有摄影模型等等。

温永腾：企业在做行业模型的时候你们有建议吗？

马千里：

企业会很关心安全性问题。因为做大模型要用数据去训练，这个数据如果是在模型训练方那里，那怎么去规避（数据安全）？这里可能要有一些服务器的私有化部署等等解决的方案。

当然，过程中涉及的细节非常非常多，找一个靠谱的合作伙伴最重要，然后一步一步把各种雷排除。

温永腾：生数科技作为一个多模态的生成式底层模型的公司，怎么跟这些合作方去构建相关的生态和合作的关系。

唐家渝：

我觉得分几个方面。

直接的方面是算力。英伟达之外，我们跟算力的企业，就是底层的硬件企业在做联合的研发，或者说尝试。对于合作方来说是更好得在大模型领域扩展，对于我们来说是寻找更有性价比的算力。

在数据方面也有比较多的合作。你的专业性数据是非常重要的，AI就像孩子一样，它需要通过数据去学习各种各样的知识，然后去创造各种各样的东西。我们会跟数据合作伙伴去做合作，实现联合创造。

因为我们本身是底层算法，包括底层能力，从0到1打造的底层技术服务商，所以除了我们端对端的产品以外，我们也会把一些生成式能力对外。比如无界AI，他们对具体场景非常了解，所以可以利用我们的能力进一步赋能到更垂直的场景。我们跟这样子的应用服务商有比较多的合作。

温永腾：今天算力的市场非常大，登临如何看待这样一个机会，以及如何发挥自己的产品和技术的优势，为上游的应用、AIGC应用的场景和公司赋能。

王平：

对我们来讲这是非常大的一个机会，我们要给出一个更好的、更便宜的一个算力解决方案。

但第一个前提是我们要解决通用性的问题，我们登临GPU一开始就因为是一个CMT架构，可以很好得支持扩大，具有很好得易用性和通用性，它可以让大家在和各种各样的行业垂直领域里得到一个快速的部署，不会说有一个东西你解决不了。

再基础一点，我们的客户希望得到更好的、更具性价比的算力，这也是我们希望带给客户的价值。我们在AI方面有特别优化，可以获得一个更高的性价比，一般来讲就有2到3倍性能的能耗优势。

我们还有一个很大的优势，我们可以做到一个很大的单机大模型。有些客户对他自己的数据比较敏感，甚至希望有私人助理，私人偏好。单机大模型可以提供很高的算力，并且能够让他自己在本地就可以完成部署使用。

温永腾：可以跟我们分享下，您怎么看未来，或者说2-3年内芯片的供应情况，芯片的市场格局。

王平：

供应的情况基本面来讲还是会牵扯到国际关系，中美关系上。国内企业拿到美国高端芯片越来越难，坦白说，我个人认为国内没有看到哪家真正能够完全替代美国高端芯片。

但基于这样的大背景，我相信使用国产算力的应用肯定会越来越多，大家使用的越多，打磨的多，我们持续迭代，后续可以让大家越来越好用，芯片是一定要讲迭代的。

至于说最后NV在中国的份额如何，这里有政策因素，也有我们共同努力的因素，我觉得我们占比会越来越高。

温永腾：三位嘉宾是否可以在各自的领域展望一下，未来技术的发展方向会是怎么样的？

马千里：

AIGC对UGC的替代会是一个非常恐怖的事情，碾压性的一个事情。

Gartner有一个预测，未来三年，人类生产资料的10%都是AI创造的，而不是UGC或者是其它。这可能意味着大家现在每天刷手机，超过30%到2025年都是AI给你生产的。

与此相对应，算力会持续地扩张。另外，模型也在小型化，未来，每个人都可能会有一个模型在自己的手机里。

基于这三点，未来可能会产生这样一个场景，算法推荐不是特别重要了，算法创造变得特别重要，大家以后每天看的内容不是算法给你去推荐的，而是算法时时刻刻给你创造的，每个人都会有一个量身打造的、自适应化的模型，你和这个模型是相互孪生的关系。

这种情况下，沉迷是非常严重的，你想看到啥你就看到啥，这是一个非常非常长远的想象。但是我们看来不是特别远，这个生态进展是非常快的。

回到产业息息相关的观点，可能技术竞争都变得不是特别重要，生态竞争会变得非常重要，你的模型和另外一个模型之间可能不会有特别强的差距，你的模型有很多的生态长在上面，有很多生态的人员在你这个模型之上去做研发，这会变得非常重要。

唐家渝：

一个更智能化的信息时代，背后的AI一定是多模态的，它能够做多模态的理解，也就是信息输入，做多模态的生成，也就是信息输出。技术发展上这一定是一个大的趋势。

这中间当然有很多的难点，但我们擅长，也有信心，有决心去做好这个方向。希望把所有的模态都能做一个比较好的融合、理解和生成。

另外，如何利用更少的能源，能产生更大的AI智能化的价值，这会是一个趋势。

温永腾：

我们百度风投其实也投了数十家生成式AI公司，密集地跟大量的创业企业和产业方交流。最后，我们也想分享一下有关整个生成式AI落地的一些看法。主要有两个大变化。

第一个，就是说整个生产方式的变化。我觉得这个生产端或者说整个业务后端的变化我们看到是非常大的，这里面其实会诞生非常多的机会，我们也一直在寻找包括下一代的芯片算力的机会，下一代的开发平台的机会，甚至，是不是有下一代的应用市场的机会，这一点让我们非常兴奋。

第二个，交互方式的变化。在此之前是以产品为核心，我预计用户会怎么使用一个产品，然后我去设计我的交互过程。但现在的交互是以language UI为核心的交互方式。

这意味着有非常多未被大家挖掘的应用场景可以去做，它蕴藏着非常多改造、增强，甚至颠覆传统应用的机会。