8月30日，由创业邦主办的2023AIGC技术应用大会在深圳举行。本届大会以“元载万物·智启新界”为主题，旨在聚焦AIGC技术的创新应用，打造深入探索AIGC产业落地的交流平台。
会上，共同探讨了在大模型时代如何建立技术壁垒的关键问题。该对话由青松基金合伙人张放主持，汇集了Fabarta CEO高雪峰、天数智芯副总裁郭为、商汤科技DWG副总裁兼人工智能专家李星冶、深思考人工智能创始人兼博士杨志明以及衔远科技合伙人张鑫等行业专家发表精彩观点：
1. 技术与市场之间的协同发展是实现技术繁荣的关键，随着市场需求的不断演变，技术必须不断迭代以满足新的需求。
2.专注场景化应用，技术应用到特定行业场景中的重要性，这有助于建立技术壁垒，并更好地满足客户需求。
3. 解决客户痛点和需求最为重要，技术迭代应该以解决实际问题为目标，而不仅仅是为了技术本身。
以下为演讲/对话内容，由创业邦整理：
张放开场发言，提出了关于技术壁垒建设的问题，特别关注市场需求迅速演变的情况下，如何在技术创新和市场应用之间取得平衡，以保持领先地位。
高雪峰指出：大模型进入爆发期，技术的壁垒一定是跟市场的需求紧密结合在一起的，技术的壁垒不能脱离业务价值存在。在信息化时代的数据基础设施是关系型数据库，在数字化时代的数据基础设施就是数仓、大数据和数据湖。那么 AI 智能化时代的数据基础设施，一定是在实际的市场需求当中被定义并不断构筑技术壁垒的。高雪峰认为，技术发展和市场需求的协同发展是实现技术繁荣的关键，而将 AI 技术应用到各个行业场景将会促进更多的技术生态发展。
他还强调了 AIGC 技术的场景化应用，如在医疗、制造、金融和保险等行业的应用，这些场景化驱动将成为建立技术壁垒的重要路径。
高雪峰的观点得到了张放的认可，随后张放又提出了一个具体问题：对于那些在不同需求下运营的公司，是否需要以不同的速度进行技术迭代？
郭为表示：他承认半导体行业的发展速度相对较慢，因为该行业主要涉及硬件制造。然而，他也强调了技术与市场的紧密联系，尤其是对于工程公司来说，最关键的是确保产品能够切实解决客户的问题和痛点。他指出，对于半导体企业，客户更加关注产品是否能够满足实际需求，而不仅仅是技术参数。郭为分享了他所在公司的经验，强调了关注客户痛点和场景需求的重要性，并认为这将成为未来技术迭代的方向。
接下来张放又向李星冶先生提出问题：在商汤科技的发展过程中，如何平衡技术创新和商业化之间的关系？
李星冶回复到商汤科技在其创业早期主要侧重于技术创新，但逐渐认识到商业化的关键性。商汤科技的发展经历了三个关键阶段：首先是早期的技术积累，其次是技术与商业的融合，最后是面向多种场景的模型生产和实际应用。
在早期阶段，商汤科技致力于技术的积累，尚未明确商业化计划。然而，随着时间的推移，一些战略投资伙伴的加入，推动了商汤科技向市场方向的发展。在接下来的几年中，商汤科技成功成为垂直领域市场的领导者，扩展至自动驾驶、手机视觉算法和智慧城市建设等多个领域，为客户提供了多样化的解决方案。
李星冶强调了AI等科技企业的关键挑战，即需解决客户的实际问题和需求，而不仅仅是技术的快速迭代。商汤科技已成功完成大量面向企业和政府的项目，覆盖汽车、手机和智慧城市等多个领域，与全球500强企业建立了战略合作关系。他还强调公司不断迭代模型，以适应不同场景需求，实现了技术与市场的协同发展。
最后，李星冶介绍了商汤科技最新发布的大模型“日日新”，用于生成式场景，以满足各行各业和不同场景的需求。他表示，商汤科技将持续不断地迭代创新，以适应多元化的市场需求，并实现端到端的应用场景。
杨志明回应道：深思考人工智能早在2019年就发布了自主研发的BMNET多模态轻量级预训练模型，并很早就将该模型作为“对话引擎的基础模型”用在了4.3亿部手机等的智能终端上。深思考研发生成式大模型是在2020年，当年在2020年全球中文领域的生成式对话评测中取得了全球冠军，而且还受邀为“京东618导购”提供生成式对话。他认为，公司的技术优势源于对核心技术的深度创新，特别是深思考在底层技术层面做了创新，解决了生成式大模型的幻象问题。此外，深思考人工智能还加强了对生成式答案的解释，包括答案来源的可追溯性，以提高用户对结果的信心。
在产品层面，杨志明强调了在垂直领域构建产品技术壁垒的重要性。他以大规模癌症早筛为例，强调了产品的实际应用性和技术创新。他表示：通过技术和产品创新的结合，再加上充分利用海量大数据，他们成功构建了一个立体的技术壁垒。
最后，杨志明强调了通过不断良性迭代闭环的方式来构建市场壁垒，这是创业公司的一种关键经验和方法。他表示，这一方法不仅是他们公司的成功之道，也是他们在竞争激烈的市场中脱颖而出的关键因素。
张放： 本次对话也想邀请郭为郭总，分享一下在在大模型时代，如何制定技术创新策略，以确保在通用GPU领域保持可持续的竞争优势。
郭为：技术壁垒并非仅仅依赖于产品发展的手段，更应关注产品迭代研发的目标，即解决客户痛点和满足客户应用场景需求。他特别强调了产品发展需不断迭代的重要性，尤其对于半导体公司而言，这需要积累经验和动员大量工程师，通过小步快跑的方式实现。他坚信，通过不断满足客户需求和解决痛点的迭代，技术壁垒将会自然而然地形成。
针对大模型的问题，郭总提到了其不确定性，尤其是大模型算法和分布式训练框架的不断演进。鉴于其公司的研发周期较长，他们决定坚持通用架构，保持兼容主流生态，以适应大模型未来的发展需求。这一策略旨在确保技术的通用性和实用性，满足广大创业者在这一领域的需求。
张放：高总否能够从技术角度分享一下，如何确保Fabarta的产品在大模型时代有不可替代性，更好地满足用户的需求？
高雪峰：在开始介绍时，我们提到了不同技术时代的数据基础设施。在早期的信息化时代，关系数据库是主流的数据基础设施。随着时间的推移，我们迎来了数字化时代，需要通过数据来指导经营分析和创造业务价值。这时的数据基础设施演变成了数仓和大数据湖的形式，以应对不断增长的数据需求。现在，我们正迈向 AI 时代和企业智能时代的。尽管目前 AI 技术在消费者端已经产生了巨大影响，但在企业中，我们需要根据各个行业的精准需求来生成智能，并为业务带来具体的价值。因此，未来的 AI 时代和智能化时代必然需要适应新的数据基础设施形态，不再局限于传统的关系数据库或大数据数仓。
因此，Fabarta 专注于构建这种未来的数据基础设施。在 AI 的发展过程中，经历了概率和符号逻辑推理相互交织的三个波峰和波谷。实现出色的智能化必然需要概率和符号逻辑的技术统一。因此，在创业初期 Fabarta 就确定了要开发将图、向量和 AI 的训练推理框架融合的多模态智能引擎，将传统数据库的“存储&计算”架构演进为“记忆&推理”架构，解决在客户场景中的业务问题。Fabarta 将通过打造创新数据基础设施的方式，来解决 AIGC 技术产业落地当中遇到的各种问题，比如模型的幻觉，推理能力弱，本地知识与模型泛化知识无法融合等问题。
高雪峰先生总结了 Fabarta 在金融、公安等领域中成功将大模型应用于具体行业场景的经验，并为企业客服、合规机器人、经侦和刑侦等领域提供了更优质的解决方案。
张放表示：商汤科技在数据基础设施方面所做的大量工作和已经积累的壁垒。他随后向李星冶提出了关于商汤科技在大模型领域的技术进展和储备的问题。
李星冶回应道：模型的大小是相对的。他使用了一个生动的比喻，将不同年龄段的人与模型的大小做了比较，强调了模型大小相对性的概念。他指出，商汤科技在视觉领域已经拥有了约5万个模型，其中包括通用模型和底层大模型，具有120亿至180亿参数。
他继续解释道：为了在大模型领域取得成功，公司需要致力于三个关键方面。首先，他提到了建立强大的模型基础设施，包括算力、算法和数据，以及满足不断变化的场景需求。其次，他强调了产品的厚度，以确保大模型能够成功落地并实现商业化变现。最后，他强调了解决最后一公里的问题，确保服务能够顺利交付给客户。他还提到与照相馆的合作，为数字人领域提供便捷的拍摄服务。
李星冶总结道：商汤科技在数字人领域拥有丰富的经验，并通过提供各种数据标注和模型训练服务来满足客户需求。然而，他也指出，为了成功变现，必须解决最后一公里的问题，确保服务能够顺利交付给客户，这将是公司核心变现的关键。
张放：接下来，请张总结合衔远科技的产品，具体介绍一下如何利用技术优势为消费者和企业提供创新性解决方案？
张鑫：“我们从不同的场景入手，以确保我们的解决方案能够满足客户的需求。比如，在家居场景中，我们不仅仅考虑冰箱这个单一的产品，还关注诸如洗碗机、电视机、中央空调等商品的品参，依据消费者的诉求，例如产品的形态、功能规格，通过大模型能力，从海量的SKU中找到匹配需求的产品推荐。”
张鑫强调：衔远科技的创新产品是围绕着品牌商与消费者的实际需求和诉求展开的。从小场景出发，通过做品类与场景融合，完成整个商品推荐的服务闭环。从消费者层面来看，以家居场景为例，消费者可以在完成整装设计之后，在衔远大模型产品“ProductGPT”中输入对于电器的需求描述。大模型通过推理，读取主流家电厂商的品参数据，为消费者提供了更准确的推荐。从品牌商层面来看，“ProductGPT”融入了品牌商在市场洞察、营销获客、创新产品定义与推广以及客户服务等多场景需求。衔远将大模型能力通过产品化的方式，交付给品牌商内部不同角色使用。由此确保我们的创新产品可以服务于消费者与品牌商，并驱动二者双向奔赴。
张鑫表示：在营销领域，衔远帮助品牌商生成创意素材，通过多模态生成，提供小红书式的宣传文案，以帮助消费者快速了解产品的特点。在配方研发领域，衔远通过分析品参数据，帮助客户制定新产品的配方研发，同时成本可控。在客户服务领域，衔远帮助品牌商快速识别消费者诉求与产品改善之间的逻辑关系，通过工单要素分析和自动生成摘要生成，帮助客服人员提升工作效率。
张鑫：总的来说，衔远的创新能力体现在通过将大模型技术赋能应用下沉到行业场景中，通过Product GPT产品，为营销人员、产品人员和市场品牌人员提供了强大的工具平台，帮助他们更快速地完成产品交付，从而实现客户需求的满足和产品价值的提升。
张放：谢谢张总，可以感受到衔远科技Product GPT产品覆盖了整个商品很多环节，从产品的定义，再到营销环节，客服环节。那么接下来请杨总再分享一下，您刚刚提到在具体场景里，比如说像医疗、金融一些场景都会有不同用户的需求，能不能再给我们展开讲一讲。
杨志明：“首先，深思考的大模型支持多模态和跨模态应用。比如，我们可以将文本生成音乐，声音生成图像，图像生成文章等等，这远远超越了传统的文本生成文本的能力。”
他进一步说明了产品在数字座舱汽车领域的应用。例如，通过图像生成音乐，驾驶员可以创造自己的音乐，这在驾驶过程中具有重要意义。他还提到了图像生成音乐在智能汽车中的创新应用，通过车辆摄像头观察外部场景，并生成相应的音乐，同时在父母的手机上传输孩子的声音，以满足安全需求。
杨志明还谈到了产品轻量化的重要性，强调：他们的愿景是让每个人都能拥有自己的个人大模型，具备出色的性能。他指出，这些大模型应该能够在手机端直接运行，从而提高性能并保护用户隐私，避免个人信息上传到云端。
另外，杨志明还分享了产品在多个终端应用中的成功案例，包括智能终端、手机终端、显微镜终端和汽车终端。他指出，公司已经在多个领域找到了特定场景，与一般场景不同，大规模应用产品。
最后，杨志明提到了产品在搜索领域的应用，特别强调了模型的可控性、可溯源性和可解释性。他表示，这些技术壁垒使他们能够适应搜索领域的需求，确保搜索结果的准确性和可信度。
大模型时代要建立技术壁垒，需要技术创新和市场应用的协同发展。只有在不断迭代和满足客户需求的基础上，技术才能在竞争激烈的市场中保持竞争优势。各个行业领域都可以从这些观点中汲取灵感，推动技术和市场的良性互动，实现更好的创新和应用。本场对话到此结束。
更多活动大会一手信息，欢迎加入创业邦会员，现场聆听一线投资人、头部企业家精彩分享，掌握最新创投趋势！
