PEC趋势性对话：预见“AI加速度”下的2025

2024年，是人工智能发展史无法忽视的一年。

这一年，在经历了2022年ChatGPT这一“超级应用”问世，经历了2023年的“百模大战”之后，2024年的模型世界每天都有新故事，从多模态，到语音助手；从开源看齐闭源，到推理计算直追训练扩展。每个月甚至每个星期，这个时代都在发生变化。

换句话说，地球在物理学科有“重力加速度”，在计算机学科又有了新的 “AI加速度”。

在这样的“AI加速度”下，大模型出现在公众视野其实才两年时间，但已经几乎完全改变了产业逻辑。

基于此，11月16日，由PEC China、至顶科技、软积木主办的2024 AI创新者大会暨PEC·提示工程峰会上，举行了一场《预见2025》的圆桌对话，邀请了中国信通院人工智能研究所所长魏凯，硅基流动创始人袁进辉，钉钉副总裁、解决方案&战略客户部总经理邱达，邮储银行RPA+AI创新实验室（总行级）负责人潘淳，智谱AI首席生态官刘江的共同参与，至顶科技CEO兼总编辑高飞担任主持。

几位专家齐聚一堂，分享在他们眼中的2024，并一起预见“AI加速度”下的2025。

ChatGPT两周年，产业还在加速

高飞：先请问魏所，从您个人角度来看，过去一年，AI发展速度如何，比起第一年，是更快还是更慢，印象中最深刻的事件是什么？ 

魏凯：肯定是更快，不断在加速。经常有人说，在AI界，地上一年、天上一天。技术进步速度、应用发展速度都在刷新。

我印象最深刻是有一种扑面而来的加速感，每隔几天有新模型出现，每隔几天有新应用冒出来，所以整体上是一个不断压缩时间、加快节奏的过程。当然，这里面空间很大，未来方向也越来越清晰，也坚定了大家的投入信心。

对于创业者来说，黄金时代大幕正在拉开。OpenAI创始人Sam Altman曾说过，一个人的公司已经有了，公司法已经允许大家创立一人公司了，所以，一个人的独角兽公司可能会很快出现。因为你不需要会编程，不需要雇很多员工，有若干个大模型为你服务。所以，创业者的黄金时代到来了！

中国信通院人工智能研究所所长魏凯

高飞：有人讲AI产业变化速度很快，以至于大家都有点跟不上节奏，智谱作为国内基础模型的代表，感觉到今年主旋律是什么？

刘江：主旋律是落地、科研突破。智谱自2020年开始做大模型，比较早期做大模型进入大众视野，总体来讲是搞科研、发论文、做模型。

当然，模型确实也发展非常快，如果说今年上半年OpenAI还是偏引领，方向是多模态，比如Sora等都是这个方向。到了下半年，GPT-o1又出现。这三个模型，是三条技术路线。

智谱AI首席生态官刘江

模型落地，为何总有分歧？

高飞：说到落地，钉钉是非常接地气且落地的企业。现在大家谈大模型应用有两种角度，第一种角度说AGI快实现了；第二种说法是，AI好像还没什么用，还没看到在生产环境中能发挥多大作用。这两种观点非常撕裂，怎么看待这个问题？

邱达：逻辑上来讲，为什么会存在分歧，这和AGI的本质、概念、定义还不够清晰，是有强关联的，这是我的第一观点。

第二观点，到底什么可以称之为真正意义上的AGI，可能要有一个标志性特征，模型可能真的要具备自我迭代和进化的能力，在非人为干预的情况下。

这可能会引发争执。所以，怎么在又符合安全、又有和人类对齐的方向实现进化，可能是一个观测点。

所以，对AGI能来到，我是保持比较谨慎的、乐观的态度。我也会非常实际去观测，模型世界里是否出现了自我进化的点，或者出现早期成功的标志性事情。

钉钉副总裁、解决方案&战略客户部总经理邱达

高飞：有一句话在金融领域叫Money never sleeps，金钱永不眠。看来以后是AI never sleeps，AI也要永不眠。 

接下来想问硅基流动。硅基流动致力于提升模型开发效率，推动产业链和模型接轨，当时为什么瞄准这个方向，是要解决这个产业链的什么痛点？

袁进辉：过去一年，AI发展非常快，今天无论是闭源模型、开源模型，能力已经非常强大，基本上可以认为，我们解决了AI模型的有无问题，最重要是落地过程。

在这个过程中我们判断，需要更多的人参与到这波浪潮里来，不仅是专家或科学家的事，还要解决基础设施建设的问题，比如修一些路，让大家都能开车，让大家不用专门去研究GPU，不用去研究AI芯片，或者不用研究模型选择，以及构建应用时不用重复开发一些基础组件。

比如云、RAG系统，这些通用部件都可以直接当成水龙头一样打开就能用，我们希望解决AI技术普惠化的过程，变成在场景里的产品经理，我们即使不是工程师，如果有想使用AI能力的愿望，或者有这种idea，就能够把idea变成现实，这里面要解决很多基础设施的搭建。

所以，我们主要想解决的问题是，把算力、模型、基础架构搭好，这样大家开发AI应用时，只关心自己业务就好。

硅基流动创始人袁进辉

行业渗透，路线如何选择？

高飞：接下来提问邮储银行。比起当年的云计算，你觉得现在AI和行业之间的渗透率如何，行业内的人，特别是金融行业的技术决策者，对AI在金融行业的总体态度是怎样的？ 

潘淳：我先说一下对ChatGPT的感受，因为我还有一个身份是，微软技术俱乐部的主席，所以我从2022年11月ChatGPT刚发布时就开始接触，也趁机建了国内第一波AIGC生态社区，接触到大量场景。

大概在2023年3-6月，有一个超速发展的机会。2023年底，各种大模型出现，现在国内有260个模型。再到今年6月份，有两个重要产品出现：一个是Sora，文生视频突然火起来。第二个是Claude 3.5。现在，应用生态开始向上爬坡。

回到金融领域，银行有一个非常微妙的变化。银行的特点是，网络分为两块，办公网、生产网，生产网绝对是物理隔离，调不了API，只能自己去建。所以这导致，银行如果要在AI分析有所作为，必须要自建。

从应用的角度看，是从无到有、从有到优。从无到有，是有无模型的问题，自己去弄硬件、去弄模型。第二部更重要的是，应用生态。

邮储银行RPA+AI创新实验室（总行级）负责人潘淳

高飞：关于AI应用，想请问钉钉。目前围绕AI应用落地有两种方式，一种是在原有产品上做转型，叠加AI的能力；还有一种是AI原生。你觉得未来占主流的会是哪一种，是转型路线的应用占主流，还是从0到1的原生方式要颠覆一切？

邱达：我分享一个思考方式。我们做产品的核心是为了解决问题，正如刚才各位专家提到的关键词“落地”。可以将这个问题拆解一下，对这两种形态（AI原生和叠加AI）做一些信息上的对比分析。

首先，钉钉产品中有一个观点，叫“实现最小闭环功能的能力”，类似于MVP（最小可行产品）。如果这个MVP的核心逻辑可以通过穷举或者固定规则完成，那么大概率适合走“叠加AI”的路线。

举个例子，在服务制造业客户时，比如涉及工艺、配方、参数的场景，目前还是以逻辑为主导。而制造业的一个特点是容错率极低甚至不能容错。比如，如果AI直接接管配方调整，每个批次的产出可能需要精确到0.01，但一旦出错，就会导致整条产线的问题。

在这种情况下，AI更适合作为辅助工具，提供配方优化建议，但最终的决策仍然需要由人或传统逻辑系统来完成。

所以，在这种场景下：第一，容错率极低；第二，业务逻辑相对清晰。这属于“叠加AI”的应用场景。

另一方面，如果产品的核心是传统逻辑系统难以实现的功能，比如情绪价值，这是大模型非常擅长的领域。

以前的逻辑系统几乎无法提供情绪价值，但现在的生成式AI或陪伴式AI可以实现这一点，比如通过生成内容与用户互动。

这类场景中，会产生新的变量，因此更适合“AI原生”的路径。

举三个更适合“AI原生”路径的例子：

第一，陪伴式/有情绪价值的产品，我们一定要优先考虑大模型的应用。

第二，智力生成类应用，比如生成视频、生成音乐等，这部分很多时候已经远超人类了，或者远超逻辑系统了，完全可以“AI原生”。

第三，未来在物理世界，端到端的智能介入和迭代产品，比如具身智能。

高飞：谢谢，回答的特别清晰，特别是情绪价值，“我虐AI千百遍，它待我如初恋”，怎么批评它，它都承认错误。

我们既然说预见2025，硅基流动作为全球化布局的先锋，是如何考虑全球布局的，现在有很多AI应用公司在布局海外，您有什么建议？

袁进辉：在技术研发阶段，过去一段时间，硅谷比国内节奏要早几个月或者半年。所以，从应用的角度，多观察国外，就像所谓的时光机理论一样，能够预测中国几个月之后的大致情况，这也是硅基流动很关注海外资料的原因。

从做产品和商业化角度，我们也认同出海是一个大趋势，也是一个好机会。这里面有种种原因，比如说技术发展节奏、市场成熟程度、用户付费意愿等等。

总体来看，海外更看重产品的竞争力，产品是否真的被用户喜欢才是最重要的。

而在国内，可能噪音多一些，比如一个刚开始可能不是那么好的产品，也有可能把大家的注意力吸引过来，这里面涉及到国内流量的投放机制等等，一定要花钱去买到这个流量。

布局出海，一些原生的、自下而上的产品，因为其竞争优势，获得了一些市场群体的喜欢，用户会把你投票上来，形成一种自发传播。所以，出海的时候蛮重视这点，比如Hacker News会收集这些用户或KOL的反馈。

还有一个不同点，海外Web流量非常发达，主要以谷歌的索引为主。做好所谓的ICU，能有很多很多自来水流量，如果谷歌觉得是一个非常好的内容，会利用生态，会开始索引，就会产生流量。

相比之下，国内的精品Web内容几乎枯竭，好的内容都在APP里，然而APP已经非常分裂，在几个巨头玩家手里，“后浪们”要想获得注意力，必须在巨头玩家手里买流量。

预见2025

高飞：在我们外界看来，做前沿基础模型的公司，或多或少都有一些使命感。请请您谈谈，在智谱内部，大家谈得最多的一个目标或者愿景是什么？

 至顶科技CEO兼总编辑高飞

刘江：我刚才回答了两个方向：技术突破/科研突破、落地。2025年也还是延续这两个节奏。

沿着前面的问题来谈。我是云计算最早的鼓吹手之一，因为我大概在2008年、2009年就在说云计算。所以，相比较来讲，大模型这一波落地，确实比之前很多技术要快很多，最明显是比如OpenAI今年讲年化收入能达到40亿美元左右。

ChatGPT算是它商业化的起点，两年能达到40亿美元的收入，在之前的云计算时代是达不到的，可能要花更长时间。

我也在思考大模型到底跟以前的技术有什么不一样，其实答案是非常强的通用性。大家想，现在大模型就要开放心态，思路要开拓，不要想“我是不是只做AI原生”，要反过来想问题，而是“要解决什么问题”、“大模型能提供什么能力”，这样一个不知疲倦、也没有数量限制的智能物种，到底怎么用好，这里头想象空间非常大，这是落地层面。

科研突破层面，也非常让人期待。大模型热了以后，你会发现它把全世界顶级的理工科人才全吸引到这个赛道。最先进的、最聪明的孩子，原来学数学、物理的人才，全都来搞大模型，所以接下来科研突破也非常令人期待。

高飞：我们这次是提示工程大会，请各自谈谈，怎么用好AI、有什么小技巧？

潘淳：下午有个讲座，正好要介绍，用大模型直接生成Office插件，比如Excel插件，只需要用一个提示词就行。

我们邮储银行财务部最复杂的一张报表，用144张报表加工成1张报给监管单位，平时用人工操作就很麻烦，现在用提示词一键生成Excel插件，提示进去，Excel插件出来，以后再做这个报表，点击一下，自动做完，这就是办公自动化。

邱达：顺便说一下，具备这个功能的插件，在钉钉表格已经上线了。

刘江：简单讲，要多用。我们这些公司，免费烧很多钱，免费提供给大家用，这么一个明显的“新质生产力”的东西，相当于你的数字同事、数字员工，你怎么把它用好考验的是管理能力，大家以后都是管理者、领导者。

所以，我给大家的建议是“多用”。大家首先要有这样一个主观意识，大模型有个特点，它不是原来传统的软件，如果这个东西用的效果不好，不是大模型的问题，是你自己不会用的问题。

袁进辉：刚才说到，关注海外，浏览海外的信息，都用浏览器插件，因为确实读中文比读英文快多了。比如“沉浸式翻译”这样的插件，背后语言模型已经比过去专用的机器翻译模型做的好多了。

所以，今天鼓励大家在生活中、工作中多用，但凡是语言相关的，比如翻译、写作这些，能做的比普通人都要好，这是肯定可以多用的。

另外，这次大会关键词是提示工程，在解决问题中，提示工程也是三板斧的第一板斧，也能解决大部分的问题，如果不行再试试其他更复杂的技术，比如微调等。

魏凯：未来做什么，其实还是看你是谁。

作为像智谱这样的基座模型公司，会沿着大模型水平提升的方向一如既往去追求。而如果是开发者，这一块的潜力洼地比基座模型的空间大。

所以相比之下，中国的基座模型与国外的差距，可能没有应用产业的差距大。我们需要把国内已有的大模型水平完全发挥出来，填补这个空间，跨过这个鸿沟。

在行业和消费者两方面：如何给大模型建一个很好的基础设施，如何给企业里的中台、数据供应链、数据治理做好，编程框架做好，这是ToB市场要做的事情；而ToC市场要做的事情就更多了，要根据用户需求不断迭代。

总体来看，明年在落地方面，产业链要细分，不要卷相同的东西，那会让大家耗费很多资源。确实应该在应用鸿沟里做大家差异化的定位，空间将会无比巨大，等待大家去填补。

而提示工程，就是一个工程化地把大模型用到应用里的方法论。

高飞：谢谢大家。这是一个加速的时代，AI的“A”，是人工的含义，也是加速度的含义，我们期待未来和产业一起加速，让AI永无眠，替我们干活。