今天小编分享的互联网经验：“百模大战”，谁能成最后的赢家？，欢迎阅读。
2023 年，AI 继续快速发展，展现了广阔的应用前景。深度学习领網域的进步引领了 AI 技术的突破，大型语言模型等先进技术进一步成熟，为各行业带来新的发展机遇。
但同时，AI 技术的发展也面临挑战，如企业管理、落地场景等问题，需要进一步探讨和解决。
从 ChatGPT 到 AIGC，再到现在 AGI，AI 究竟 " 向善 " 还是 " 向利 "？大模型创业赛道逐渐拥挤，创业者面临的最大挑战和痛点是什么？什么样的大模型创业，更容易获得投资人的青睐？
带着这些问题，36 氪《CEO 锦囊》的直播邀请到了长江商学院金融学助理教授 梅丹青和深思考人工智能创始人兼 CEO 杨志明，一起探讨大模型领網域的相关问题。
在这场直播中，两位嘉宾主要讨论了以下问题：
1、" 百模大战 " 时代，大模型公司越多越好？商业化模型如何更好落地？
2、大模型公司如何把握住风口而不是盲目跟风？如何与自己的业务相结合？
3、大模型训练太烧钱，只有大厂才能 " 玩得起 "？
4、AI 创业赛道逐渐拥挤，创业者面临的最大挑战和痛点是什么？
5、什么样的大模型创业，更容易获得投资人的青睐？
6、未来 AI 大模型会带来哪些行业变化？什么样的大模型能成为最后的赢家？
7、AGI 来袭，这个行业到底需要什么样的人才？
以下为两位嘉宾和 36 氪的对谈，部分内容经过整理编辑：
36 氪：" 百模大战 " 时代，大模型公司越多越好？商业化模型如何更好落地？
梅丹青：现在大家都想争谁是这个 AI 时代的 "iOS"，谁是 AI 时代的 " 安卓 "，但最后一定只有几个领先的大模型作为基座，因为对于目前大模型时代的范式来讲，基座大模型和上层应用是可以解构开来的，所以很多大模型的研究从一定意义上讲，可能有点资源浪费。
我觉得基于大模型上的 AI 原生应用应该越多越好，这些大模型的能力能运用实际的应用过程中，能够帮助用户解决痛点，我觉得才是更好的。
杨志明：现在的大模型分为两类：一类是通用大模型，一类是垂網域大模型，目前这两类大模型都在各自发展中，形成了现在一个 " 百模大战 "，也可以认为是 " 百家争鸣 " 的景象。
AI 的商业化落地一直是一个难题，我认为以大模型的技术基底作为支撑，我们应该是有更多的技术力量或者是技术手段去解决垂網域场景里面的刚需问题，这样产品就会有价值，企业也就会有生存的空间。
36 氪：大模型公司如何把握住风口而不是盲目跟风？如何与自己的业务相结合？
梅丹青：首先，我认为在大模型时代，作为公司的一把手是要懂一些技术的，而不是手下的人懂就可以。
其次对于创业公司来讲，要认清自己在价值链条里的位置，比如更了解客户、有数据支撑以及在自己的垂網域有更好的商业模式，都是更高的价值链条，找准自己的定位很重要。
杨志明：我们其实在大模型领網域经历了 3 个阶段。第一个阶段是我们在公司成立之初到 2017 年左右，其实是在用传统的深度学习的方法来做我们的建模。第二阶段是自己自研了 BM net，它是一个类似于像 XLnet 或者 Roberta 这种自有的，类 BERT 的所谓的轻量级模型。第三阶段是 2020 年开始做基于生成式的模型，它是有上下文的有情感的一种模型。
基于落地场景，我们也找到了癌症早筛这个领網域，当时很多巨头还没有注意到这个方向。关于落地，首先一方面要紧追最前沿的技术，其次还要在垂網域场景里快速的建立自己的壁垒，比如数据壁垒、市场壁垒等等。
36 氪：大模型训练太烧钱，只有大厂才能 " 玩得起 "？
梅丹青：其实小公司没有必要真的去烧钱做一个超大的基座模型，如果你最后做出来的表现还不如大厂做出来的，你可能就死了。所以我觉得更多的资源还是要用到做垂类的应用上，把资源花在这儿，我会觉得会更好一些。
杨志明：用户其实并不关心是烧多少钱换来的大模型，他们只关心这个应用能不能解决我最实际的问题。有些超级巨头鉴于它公司内部的问题，流程比较长，响应也比较慢。我认为创业公司有两个方面其实是比大厂有优势的，一个是在垂網域的场景里能解决一个问题，就肯定能把企业做得很大。第二个就是快速灵活，从我想到了，调研清楚了就开始做，做完就试错，不停的跟用户的这个场景去碰撞，让用户去做反馈等等，这个企业就能快速地成长起来。
36 氪：AI 创业赛道逐渐拥挤，创业者面临的最大挑战和痛点是什么？
杨志明：AI 本来不是一个行业，人工智能就是一个技术，它是一个赋能行业的技术。作为创业者最大的痛点还是在于快速建立壁垒，找到落地模式，快速形成商业化，保证自己的资金流。
目前创业者最大的挑战就是找到客户痛点和开始重视在垂網域场景里面的数据积累，有了数据的支撑，就能更好的更直观的跟用户展示 " 我的 " 成果。
36 氪：什么样的大模型创业，更容易获得投资人的青睐？
杨志明：整体大环境对上一波的 AI 其实是不太友好的，或者说是有点寒冷。上一代的 AI 主要还是基于深度学习技术，落地不太理想，就造成了资本对这个 AI 赛道不看好。针对这种垂網域没有真正凸显价值的，可能就很难获得投资人的支持和认可。
我们国内投资人其实是在学习硅谷的投资人，他们投出了一个 OpenAI，也想在国内投出一个 OpenAI，有些大模型企业也拿到了不错的融资，我认为这是聚集效应。很多基于大模型的底层技术跟行业垂網域深度结合，并且有大规模落地的，我认为会获得投资人的青睐。
36 氪：未来 AI 大模型会带来哪些行业变化？什么样的大模型能成为最后的赢家？
梅丹青：我觉得这个可想象空间挺大的，可能真的是 AGI 通用人工智能这样的。如果说大模型会给哪些行业带来变化的话，我觉得几乎所有的行业都会有变化。如果是现阶段，我能看到比较明显的两个行业的变化，一个文娱行业，比如陪伴式的模拟虚拟人，另一个就是比较 ToB 垂直领網域的应用，可以帮助企业做到降本增效，用来提高生产力。
36 氪：AGI 来袭，这个行业到底需要什么样的人才？
杨志明：首先，面对这种行业和技术鸿沟的这种现象，跨界人才特别重要。懂业务的要懂产品技术；懂技术也要有产品思维和探索用户的思维，这样才能更好的去落地应用。
其次还是有创新思想，因为 AI 再怎么发展，最终还是需要人类情感的，带有温度的创新。
梅丹青：随着技术门槛越来越低，AI 行业领網域的人才需要行业洞察力，执行力也越来越重要。提高这个人的核心竞争力。
点击可观看完整版直播回放：
