文｜刘俊宏
在这个人工智能迅速发展的时代，我们正见证着一场关于技术、未来和创新的深刻讨论。
在「2024 AI科技峰会」上，商汤科技的联合创始人兼大装置事业群总裁杨帆提出了对AI产业未来发展的深刻洞察。不仅仅是关于技术的展示，更是关于如何通过构建强大的人工智能基础设施来推动中国经济的发展引擎，以及如何应对新一代人工智能技术带来的挑战。
现场，演讲嘉宾解析商汤科技如何通过AI基础设施建设来促进产业的自我造血和健康发展。从信息化和智能化对中国经济发展的推动作用，到AI产业的发展趋势，再到AI技术的商业化挑战，杨帆的洞见为我们提供了一个全新的视角，以理解AI如何在各行各业中重塑现有业务模型和工作方式。
核心观点如下：
1、在未来20年，信息化和智能化的升级将成为中国经济发展的引擎。
2、AI产业想要在未来自我造血和健康发展，需要从围绕应用场景和降低AI利用成本两个方面着手。
3、AI产业必将分化成有人来提供低成本、低门槛、高效率的AI基础能力，AI三要素都会被基础设施化。
4、商汤希望通过建设人工智能基础设施，降低人工智能的使用门槛，促进人工智能在各行业的广泛应用，从而推动中国人工智能产业的繁荣发展，并将人工智能基础设施视为新的战略方向，以大装置为主要载体，致力于推动这一战略目标的实现。
尊敬的各位领导、各位来宾，很高兴跟大家聊一聊商汤最近两年在大模型领域做的探索和尝试。
伴随着新一代生成式AI的成熟，我们正在从硬件到软件再到应用生态，全方位地重构整个信息化系统。过去50年信息化系统以流程的驱动为核心，未来伴随AI能力持续增强，新一代信息系统将以数据为核心。类比编程，就像是过去面向过程编程到今天面向对象编程的变化，这种变化会对整个信息化行业带来颠覆性的改变。如今，信息化已经成为通用服务业渗透到各行各业，相信在未来20年，信息化和智能化的升级也将成为中国经济发展的引擎。当下正在发生的信息系统根本性的变革，会带来无数新的机会，值得用AI把千行百业都重新做一遍。
过去几年间，AI正在越来越快地达到人类基准线。同时，观察美国的数据，2023年上半年人工智能生态呈现爆发趋势。通过GitHub的数据库和Hugging Face上模型数量，都能再度确认这一趋势。对于中国来说，考虑到模型成熟度和自身产业的特点，整体节奏上或许会比美国有所滞后，但相信在今明两年也将能迎来AI生态的爆发。
AI生态的爆发，背后对应着AI对基础设施强劲的需求。根据世界主流分析机构的一致性判断，未来10年新兴产业复合年增长率将超过40%，生成式AI产品的需求将带来巨大产品收入的增长空间。
为什么要构建AI基础设施？我从2014年作为联合创始人加入商汤，到2018、2019年一直在思考这个问题——AI到底应该如何盈利？我们也相信大部分的AI公司当下也都在面临着同样的问题。
从根本的角度来发问，是因为AI不能帮我们解决问题吗？并不是，我们看到了AI在手机、安防、自动驾驶、工业制造等场景下的应用，已经深刻地改变了我们生活中的方方面面。
我认为，这个问题的答案是AI研发投入实在太大了。包括硬件资源、人才储备以及技术不断迭代的环节中，都需要大量的投入。除非能找到一个足够大的市场，并且只做相同的一件事，否则很难将这些投入挣回来。但现在我们看到，过去十年间，AI的研发投入本身在呈指数级上涨，这让AI商业化回报的难度越来越高。另一方面，当AI技术落地到应用场景时，单纯地解决行业问题还不足以收获完备的产品定义、恰当的行业生态位和足够的利润回报。这中间的差距，在于对行业的理解、行业资源的把握以及在行业内的生态位。而这些能力，以技术为根基的公司并不能在短时间内获得。
如果AI产业想要在未来自我造血和健康发展，我认为应当从两个方面着手。
一方面是对于应用侧围绕应用场景的公司，虽然AI是其产品的关键竞争力，但并不适合以AI作为其原生标签。因为AI只是一种技术，关键是如何利用技术对行业、客户、场景中创造价值。只有在行业中有好的产品定义和生态卡位的时候，才能更挣钱。
另一方面，这些公司应当不断降低AI在学习、使用、落地的成本和门槛。否则以今天AI研发技术对资源的无限需求下，利用AI将成为恐怖的增量成本。
对此，从2019年我们开始有了模糊的结论，在今天已经清晰了起来——AI产业必将分化。
分化成有人来提供低成本、低门槛、高效率的AI基础能力，包括算力、算法和数据的基础能力，AI三要素都会被基础设施化。让更多的人在这基础上以低门槛、高效率去使用这些基础能力，在不同的行业和场景中创造价值，完成商业的闭环。这是我们认为未来5-10年，AI能够更加健康、百花齐放地赋能千行百业生态的方式。同样，我们也认为大模型基础设施是行业势必会分化出的趋势。
其实，回顾过去十年AI技术的发展历程，一个模型能够容纳更多的数据就能提供更好的智能，但如何让模型容纳更多的数据？这就需要模型具备更多的参数，在模型更好的结构下，通过更多的参数来“消化”掉这些数据。同时，消纳更多的数据也意味着需要更大的算力来支撑整个训练过程。这些环节是AI技术在过去发展的第一驱动力，但至今我们还看不到终点。
所以，AI未来必将实现基础设施化，而且基础设施化将体现在三要素的每个方面。
我们今天已经看到的算力基础设施化，典型的有AIDC、AI云。算法的基础设施化有MaaS、模型API，在过去的一年间正在被更多的人所认知并接受。数据的基础设施化，当前行业内虽然还没有达成共识，但我相信随着越来越多人关注，很快也将形成明确统一的认识。
对于中国来说，当下我们在三要素的发展上面临着诸多挑战。
算力部分，我们在今天仍面临着芯片层面的技术挑战。面对这些问题，我们在2021年携手头部AI平台厂商和AI云侧的芯片公司，成立了人工智能算力产业生态联盟（ICPA），共同推动AI芯片加快完成市场化和商业化，让国产AI芯片能够快速形成具有市场竞争力的生态。破解2023年以来，全行业都在给英伟达“打工”的局面。而这个目标，现在看来并不遥远。今天有越来越多的国产AI芯片应用于推理，也有少量的芯片应用于训练。这些芯片正在快速接近实际商用的界限，性价比正在逼近英伟达在国内所能提供的产品和方案。
伴随着算法需求，我们也需要更大规模的算力集群的高速互联。以我们在临港的智算中心为例，已经达到6800P的体量，单集群能连到4000卡。虽然与美国最先进水平还有差距，但我们愿意为此持续努力并为之奋斗。
算力规模化布局上，预计到今年一季度结束，商汤会建成一张由10个点位构成的算力网。在未来结合超大规模训练和各区域推理的落地，加速AI大模型落地进程。
算法部分，在基模型能力上，我们的日日新·自然语言大模型在主客观的指标，基本上已经能够对标GhatGPT3.5，并且还在持续迭代。相信在与国内各个合作伙伴和友商的共同推动下，中国自有关键性基模型的能力将持续改进。
在垂直应用上，商汤也做了比较多的探索和尝试。我们做了拟人交互、代码助手和金融领域等工具，实现了AI在场景的快速落地。
此外，在模型的价值观上，我认为中国基模型未来发展最为关键的要素是与中国倡导的价值观对齐。当基模型数据量和数据规模暂时无法拉开质的差距前，基模型的模型能力难以拉开差距。这时候需要实现基模型与人的价值观对齐，这同样也需要大量训练策略在背后形成支撑和保障。
最后是数据积累层面，当前中文全场景高质量数据仍然处于匮乏状态。我们需要更多、更高效数据以帮助推动整个模型能力的持续进步。
最后，我们相信在这个体系之下，未来AI基础设施可能是以智算中心、AI云或其他的形态。在今天，我们已经能看到市场上不同业内同仁正在用不同方式去做探索。未来，低门槛、低成本、高效率的AI基础设施将帮助整个AI产业进入一个更加良性、自我造血的繁荣生态。商汤大装置希望能够在人工智能基础设施的产业发展中贡献一份力量。
