大模型应用落地：兴奋，问题和最终解

第一批实践者，已经从在岸上畅想或焦虑，到下水「摸到了石头」，开始尝试「过河」了。

就在一年前的 11 月 30 日，ChatGPT 发布的夜里，一位软件创业者不禁感慨：「过去 20 年白干了，我感觉全部都可以丢掉。」

但技术的变化从来挡不住有人顺势而为地向前走。一年之后，已经有尝到大模型「甜头」的软件开发者「凡尔赛」起来：「做好了产品，客户不知道从哪就突然冒出来。」

上半年所有人的注意力都在关注大模型本身，下半年开始，第一批试水大模型应用的创业者，已经在各自的场景中迭代出了一些有效的路径。

从「不做大模型，我们是不是就被淘汰了」的 FOMO 情绪，到今天更多创业者转向更加纵深的行业 knowhow，大模型落实到应用已经开始越来越具体地呈现出一些方法，也呈现出一些清晰的问题。

最近，百度智能云联合极客公园 Founder Park 社区，集结了十数位在工具层、应用层进行了大模型应用落地的创业者，聚焦「AI 应用」进行了 5 个小时的深入交流。

与参会者合影

这可能是国内产业里第一次高度聚焦在大模型应用落地的产业聚会。可以明确的感受到，如果上半年大家的关注点在探讨下一个 10 年时代变革，那么现在已经开始聚焦到未来 18 个月的产业变化，甚至是未来 6 个月的产品和商业计划了。

面向未来的思考开始从远景拉起近景，这是国内大模型领域创新者们一个明显的变化。它体现了大模型技术的率先实践者们，从在岸上畅想或焦虑，已经下水「摸到了石头」，真正开始「过河」了。

01

「有点意思」的进展

就像 ChatGPT 问世时，所有人诧异的反应，创业者到感受的冲击更甚。Cocos 引擎联合创始人&CEO 林顺袒露，「最初探索下来，有些担心『AGI 技术』可能会完全替代传统的游戏开发方式」。游戏开发，正是 Cocos 产品——游戏引擎聚焦的核心场景。「今年 3 月份，工程师已经可以直接用 ChatGPT，花 5、6 个小时写出一个 3D 版本贪吃蛇的游戏，不需要写任何一行代码。」

这样的场景看上去，「软件吞噬世界」正在让位于「AI 吞噬软件」。无论是 SaaS 厂商，还是 AI 厂商，都感受到了巨大的冲击。

但当创业者把大模型放在各自的产品里实践后，也达成了令人兴奋的共识：今天的大模型技术，远非面向所有人直接可用的程度，AGI 技术通向最终的应用场景，需要他们这样一群「支线物流」来把大模型技术带到千行百业、千家万户。

以 Cocos 所在的游戏开发行业来说，林顺发现，大模型让做出一个东西变得很简单，但游戏是工业和艺术结合的产品，只是做出来远远不够，更需要精细化，当前的大模型仅仅只可用作半自动化来辅助游戏开发。但用好这半自动化，做好大模型技术的工具链来服务客户做游戏开发，市场却有强烈的需求。在一些客户公司，他甚至听到：「如果不愿意用 Copilot 来编写代码，那么明天可以不用来上班了」。

门槛低了，客群也就广了

林顺表示，游戏领域用 AI 算法来做像自动关卡、自动内容、情感分析等功能，这些都不是新故事，但因为大模型的加入，让这些功能门槛降低了，更多人可以以更简单地方式参与进来。

无独有偶，在数据分析领域的 Kyligence，也经历了类似的过程。Kyligence 联合创始人&CEO 韩卿称，「原先 Kyligence 产品主要专注在金融等领域的大客户，但把 AI 产品化后，现在能够接触到一些中小型客户，『意外地』拓展了客户群」。

过去，像数据仓库这样的底层产品，即便做得再好，也会有客户抱怨不好用，因为数据仓库离「业务」太远了，中间隔了 IT 团队。即便有了数据仓库，客户仍需要组建技术团队和数据团队把它往上做，变成一个平台、应用，业务人员才可以真正使用数据仓库。现在，依托自然语言理解的大模型技术让更多业务人员可以使用数据仓库的能力，尤其当把外挂知识库也放进去。

大模型让软件厂商拓宽客群、面向更广泛的群体。百度集团执行副总裁、百度智能云事业群总裁沈抖打比方称，大模型相比之前的 AI 技术，使得应用的底座更厚，假如过去技术到应用有 1 万米的距离，原来的 AI 技术可以助推到 1000 米，剩下的 9000 米靠定制化来完成。现在，足够通用的大模型直接助推到 7000 米的高度，剩下 3000 米靠行业力量。

也就是说，大模型让 AI 能力从 1000 米泛化到了 7000 米的高度，技术到应用的门槛大幅降低，这意味着不懂 AI 的各行各业的行业专家都能用这项技术解决问题，AI 应用未来****极有可能变得更分散而不是更集中。

过去大半年，竹间智能帮不少客户落地大模型应用，其创始人&CEO 简仁贤在实践中获得了相通的思考。在他看来，模型微调是相对确定的市场需求，但难点在于：「技术人员要对客户业务的理解得很深刻，未来，商业分析师和数据分析师的人力需求将会增加，而不仅仅是编程或算法工程师。」

并且，简仁贤认为先落地大模型的玩家可能不是大客户，而是可以直接应用、使用的中小客户。大客户可能需要先搞清楚大模型技术、做私有化部署、开放源码等再落业务，而更轻巧灵活的中小客户，正在利用对业务理解的深度，率先转