为什么很多AI应用创新往往诞生在中国？_为什么很多ai应用创新往往诞生在中国?-CSDN博客

本文链接：https://blog.csdn.net/Python_cocola/article/details/139782362

《云上的中国》第3季——剧变中的AI时代。通过调研100+家AI企业，走访50位AI专家与企业代表，以真实案例和一线访谈捕捉和记录中国AI行业的动态发展和技术创新，分析AI技术在中国的创新应用场景，忠实反映此时此刻行业的现状和趋势，铺陈出人工智能新时代的崭新图景。

“中国不需要这么多通用大模型，我们需要的是垂直应用大模型。”

2023年6月，英国《金融时报》一篇名为Gaming industry puts generative AI to the test的深度报道流传于中文互联网。

文中提到了一款名为“Justice Mobile”的手游，游戏中的NPC能跟玩家随意聊天，能和玩家吵架，诗词歌赋张口就来。

跟传统游戏角色依赖提前安排的对话脚本不同，游戏里的NPC更像一个活生生的人，有自己的个性。

专栏作者称赞这款游戏为**“生成式人工智能在全球主流游戏中首次创新尝试**”——游戏开发商NetEase成立了AI实验室，将宋代文学作品作为大模型的训练材料，以驱动人物NPC的响应、语言和表情。

想必你已经猜到了，它就是网易的首款AI游戏《逆水寒》手游。

如果说即将发售的《黑神话：悟空》将满足我们对中国首款3A游戏的所有想象，那么《逆水寒》问世的意义，在于未来“AI对游戏业的影响将远大于PC显卡和移动互联网”。

同样引起现象级传播的中国AIGC应用，必然少不了2023年诞生的“妙鸭相机”，算是全球首款用真人图片生成写真图片的应用。

这股“换脸风”还吹到了国外，Befake、Remini等AI换脸工具先后问世，为AIGC的商业实践添了一把火。

这让人不禁想问：任何一项新技术的诞生，为何率先进入商业应用环节的通常是中国？

AIGC的下半场：为什么成本很重要

一个共识是，这些首创应用都需要大量数据量和算力，而算力依托于云计算平台能力和硬件水平。

无论是妙鸭数亿级的数据量，还是《逆水寒》中NPC和玩家的每一次互动、捏脸、作词，都涉及AI模型的调用，需要算力的支持，百万用户同时在线，对GPU资源供应能力和网速是一个巨大挑战。

因此一个关键的因素是——成本。

目前AI推理仍然要巨额成本，而在AI时代，成本越低，试错成本越低，转化为商业应用的可能性也就越大。

如果反推的话，将AI推理部署到阿里云的网易伏羲团队具备了某种成本优势。

而这种优势可能会继续被放大，因为全球大模型的价格普遍出现了下调——最终一个企业和地区的综合实力（用户量、社区规模、电力基建等）将决定自身的竞争优势。

今年5月，OpenAI宣布GPT-4o支持免费试用，调用API价格降到5美元/百万token；谷歌随将Gemini 1.5 Flash的价格下探到0.35美元/百万token；而Anthropic的API价格，已经直接打到0.25美元/百万token。

在国内，阿里云通义千问旗下9款核心商业化和开源模型集体降价。其中对标GPT-4的长文本模型Qwen-long，API价格下降97%，低至0.5元/百万Token，是GPT-4价格的1/100，为全球最低。

那么自然而然会跟上第一个问题：降价到底为了什么？其实就两个字：应用。或者说，为商业化做铺垫。

如果再追问：为什么企业都迫不及待地想商业化了？那是因为AIGC行业真的出现了困境。

在市场观察者看来，在AI平台访问量达到瓶颈的形势下，大模型公司高昂的成本逐渐成为负担。

一来“人贵”，行业平均税后人才成本差不多在100万元。

二来“卡贵”，做大模型的乞丐版配置是50台GPU，而一张A100显卡价格已超过1万美元。

成本激增，竞争也在加剧。大模型中的“红皇后效应”，意味着企业如果不以两倍速奔跑就等同于原地踏步。大家都迫切找到实际应用场景和可持续的盈利模式。

阿里云智能集团资深副总裁、公共云事业部总裁刘伟光认为：“AI推理成本只有每年有十倍甚至百倍的降低，才能真正推动各行各业的AI应用的爆发。”

一个基本的商业规律是，价格下降，获客越快，越能摊平研发成本，推理成本进一步降低，最后进入“利润增长—研发加强—技术创新”的正循环中。

更为重要的是，这波价格战基本集中在API，也就是说企业在“抢夺”开发者，只有吸引的开发者足够多，当API和公共云集合，才能出现更繁荣的应用生态。

生态越完善，使用场景越多，用户规模越大，生成的新数据才越能够反哺大模型性能的提升。

这便是通过应用落地反向创新的路径——成本，不管是训练成本还是电力等基建成本，成为了AIGC竞赛的下半场。

寻找丰富的应用场景：中国需要“下围棋”

打造一个好的AIGC的商业模式，极低的试错成本很重要，丰富的应用场景也很重要。

前工信部部长苗圩就有过一个形象的比喻：**中国大模型想突围，要学会“下围棋”。**下围棋，就是寻找应用落地场景。

从大数据时代到AI时代，中国通过“规模化—降本—创新”正循环的模式，诞生了很多数智化奇迹。

中国作为工业大国，如今需要挖掘更多的应用场景，加快AIGC对产业第三次赋能迭代。

《云上的中国》系列图书和纪录片就纪录了数字化和智能化对产业的改造。

比如攀枝花的“钢铁大脑”，成宜高速和三一重工的数字孪生技术应用，水果烘干机企业接入工业互联网，这些工业项目所产生的数据，都被汇聚到一个叫“云”的平台上，然后再通过对数据的挖掘和边缘计算，产生新的数据资产，进而改变上下游，诞生新的商业模式。

如今《云上的中国》新的纪录片又为我们展示了一个个人工智能时代下的工业改造案例。

以挖掘机为例，如果说三一重工是通过传感器收集数据，那么如今的“虚拟游戏AI应用”收集数据的方法则更为新奇:在一个游戏的仿真环境里，只要变换不同卡车、挖掘机的模型，通过游戏化操作就可以生成大量的训练数据。

玩家以为自己在玩游戏，实际上是在生成新数据，然后交给AI处理，最后迁移到真实的物理机器上面。

操作者只要在办公室里喝喝咖啡，就能远程控制机器去进行抢险、下矿坑等危险操作–这已经在现实中落地了。

再以汽车行业为例。智能座驾是中国新能源汽车的优势项目。为了保持领先优势，中国车企通过大模型一直在做迭代：理想汽车开发MindGPT、问界M9接入盘古大模型、吉利研发星睿AI大模型……它们的终极目标，是将汽车变成具有人格化的“汽车机器人”。

比如以前“帮我把车窗打开”的智能语音是命令式、规则式的，而引入大模型后，可以变成自然语言的交互方式，比如“我有点闷，透透气吧”，人机互动会变得更为平等。

大模型还会根据车主习惯，推荐旅游路线、附近美食等等，相当于是一个私人助理。

当然，若要实现工业级应用和赋予汽车“人性”，终究离不开强大的算力和极低的训练成本，目前国内AI算力较为稀缺，汽车类应用模型想要活下去，必须借助云平台的能力。

像目前国内车企算力第一的吉利星睿，其算力能达到102亿亿次/秒，语言大模型总训练数据量超过3万亿token，而它又是基于阿里云搭建的“云计算、大数据、AI”一体化的计算平台，不仅算力足够，训练成本也是同行业最低。

“中国不需要这么多通用大模型，我们需要的是垂直应用大模型。”

低成本低门槛的工具：普通人的创业机会

近三十年来，中国在信息革命的时代巨轮中诞生了三次互联网创业潮。

第一波是PC互联网基础设施创业，诞生了阿里、网易等企业；第二波是2012年之后的移动互联网应用创业，形成了激进彻底的本土化创新；而第三波创业潮，或许将由大模型和人工智能驱动。

无论是基础设施，还是移动端创新，前两次创业潮都具有高门槛、高资金的特征，而第三次创业的一个最明显的优势是：在不断迭代的AI工具帮助下，创业成本和门槛将大幅下降——这将是每个中国普通人通过创业致富的机会。

除了对工业的改造，《云上的中国》纪录片还提到不少普通人抓住AI机遇的故事。

在创业之前，张华只是一个不懂编程的运营，也是一位“女儿奴”。

2023年AIGC的火热，让他进行了一次“尝鲜”：把女儿的游玩经历制作成一个绘本。他利用了ChatGPT生成了一个故事，再结合文生图工具Midjourney将故事生成10张情节连贯的图片，最后装订成册，一本专属于女儿的绘本就做成了。

看着女儿爱不释手，张华萌生了一个创业想法：能不能通过AI工具，做一个以孩子为主角，可自由创作的绘本产品呢？

在验证了需求的真实性和市场规模后，张华的“童话故事”上线微信小程序——国内首个基于AIGC能力的儿童绘本故事制作产品。

在张华看来，童话故事本质是一个互联网产品。

“最好的互联网产品其实是刚需、高频的，它需要提供一个用户的使用场景，用户只有觉得有价值才会愿意重复使用，未来我们才能商业化。”

和AI赋能工业一样，复杂的中国社会并不缺丰富的应用场景，这意味着每一个细分场景都有可能被AI重做一遍，升级成一种新的服务方式。

所以在每个被颗粒化的场景中，都蕴藏着创业的机会，而这一切都取决于极低的试错成本。

正如吴晓波老师所说的：“这一轮创业，创业者创建一个平台型公司的机会越来越少，但创业的颗粒度会变得越来越细。”

由于监管和法规限制，国外大模型用不了了，张华决定改用国内大模型阿里云通义系列。

令他意外的是，借助阿里云后，每个月的IT开销仅不到1万元。上线一年后，“童话故事”用户增长了700倍。

这一切都给了张华信心。他希望将家庭阅读场景的互动做透，甚至想把产品打造成AI家庭助手，然后推向全球。

一个完全不懂编程的运营，做一件十年前靠砸钱才能成功的事儿，看似不太靠谱。但他借助了大模型这个“外脑”，团队只要解决前端的场景和内容设计就可以了。

“云”上的中国：一个澎湃的时代

和PC互联网和移动互联网时代的路径一样，我们即将迎接一个技术颠覆的时代，也同样走向一个大基础设施的时代——一个“云”上的中国。

因为大模型越是发展，云计算等算力要求也就越高，算力将更多地建立在大规模GPU集群的基础上，包括网络储存的提升，所以AIGC的推理和训练成本，可能越来越走向云端。

而更便宜的算力，不仅仅是只由“摩尔定律”中的晶体管密度所决定，公共云的技术红利和规模效应能带来算力的持续优化。

可以预见的是，随着基础设施价格的下降，AIGC领域或将迎来新一轮的创新，而商业模式的比拼将变得愈发激烈。

所以创投圈里一个明显的趋势是：资金流逐渐向头部大模型集中，潜在投资者的兴趣更多地转向了应用层面的创新和落地。

而绑定好一个大平台，将对企业和普通创业者产生至关重要的影响，它不仅能提供算力和极低的资费，去赋能工业升级，也能为个人提供创造财富的机会。

未来一切的剧变便是AI普惠性所带来的科技向善的一面，也是《云上的中国3》及其第三季纪录片试图告诉我们的——走遍100家AI公司，得到中国AI创业所有答案。这部由吴晓波老师领衔策划并参与一线调研的作品，第一次全面展现了AI浪潮中，中国各行各业的场景创新和颠覆式发展、企业正在寻找的新的增长极，以及对AIGC的应用和发展全景式的梳理和思考。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述