生成式AI，技术与商用“双推进 ”
基于大语言模型，由OpenAI研发的ChatGPT已经成为此次生成式人工智能浪潮的标志性事情。2023全年，“大模型热”下，全球科技巨头及独立AI企业纷纷发力。在基础支撑层和核心技术层的技术比拼下，通用大模型之争最终将会集中在算力成本和参数规模的竞争，而如何通过构建AI原生应用生态来实现商业价值，将会是关键。
文 | 《经理人》记者 景川
编辑 | 曹諵
2023年12月14日，《自然》年度十大人物揭晓，“ChatGPT”赫然在榜，在特写部主编理查德·蒙纳斯特斯基看来，“虽然这个工具不算人物，也不完全满足评选条件，但我们将其破例纳入榜单，以承认生成式人工智能给科学发展和进步带来的巨大改变。”
从ChatGPT到GPT4.0飞跃式的进步，更是再次展现出生成式人工智能（生成式AI）巨大的潜力。人们将2023年列为生成式A的突破之年，同时在基础支撑层、核心技术层、场景应用层三大板块中也各有积累和突破。
生成式AI被赋予多重想象和可能，企业也相信这一工具将会为其创新发展和转型升级提供新的视角。但我们必须思考：生成式AI竞争的本质是什么？如何落地并实现商业价值？企业又该如何合理运用这一工具，并规避风险？
拐点、突破点、跃迁点
自从ChatGPT引发的生成式AI热潮席卷全球，“拐点”“突破点”“跃迁点”这样的词语屡见不鲜。不过，可以确定的是，商界领袖们已经普遍认识到了这一时刻的重要性——ChatGPT背后的大语言模型（LLM）是推动生成式人工智能进步的重要转折点，人工智能大模型研发也成为2023年全球领先科技企业的重要方向。
生成式AI智能技术壁垒高、研发投入大，行业内外也有“大模型是科技巨头间的竞争”的论调。不过从当前的竞争格局下，科技巨头正在全面布局，但独立AI企业也正在凭借技术争夺细分场景。
2023年生成式AI和大模型领域头部企业依旧是OpenAI，不过，新晋独角兽企业也有明显增长——达到23家，主要创业企业集中在美国、中国。而从投资方来看，海外有谷歌、亚马逊、Salesforce、英伟达等，国内则集中在腾讯、阿里、小米、美团等头部企业。（图表1、2）
中国在大模型领域拥有良好的算力等基础，并且具备广阔市场，生成式AI工具已出现爆炸式增长，2023年从年初到年尾，国内从事人工智能大模型研发的企业已经超过百家，其中，100亿级参数规模以上的大模型超过10个，10亿级参数规模以上的大模型则将近80个，堪称“百模大战”。
既然生成式人工智能的普及与应用是大势所趋，那么生成式人工智能将会为商业带来什么？其潜在风险是否值得担忧？
尚未解决的潜在风险
麦肯锡2023年的一项调查结果显示，尽管生成式AI进入公众视野并不久，但对这些工具的尝试性应用已经相当普遍。
能够感受到，短时间内，全球企业领袖就已经实现了理解、接受、拥抱的态势转变。但实际上，要将生成式AI从实验性工具转变为商业引擎，并运用它为企业实现丰厚的投资回报之前，还有很多问题需要解决。
从德勤、埃森哲、毕马威等全球咨询机构的调研来看，其结论基本类似——企业普遍认同生成式潜力无限，将深刻改变现有工作模式，但同时，几乎没有企业为生成式人工智能的广泛使用做好了充分准备——或者说，企业并没有准备好应对这些工具可能带来的商业风险。
而从麦肯锡的调查结果来看，以企业角度，不准确、网络安全和知识产权侵权是企业认为重要且正在着手解决前三大相关风险（图表3）。不过，对于企业调查结果，麦肯锡也指出，真正的问题在于企业对风险的看法过于狭隘。企业还需要关注一系列重大风险，包括社会风险、人道主义风险、可持续性风险。
而要让生成式人工智能切实成为企业增长的有力工具，企业还需要更为系统和深入地思考：确定生成式人工智能在组织中有哪些具体机会、治理和运营模式应该是什么、如何最好地管理第三方（例如云和大语言模型提供商）、需要具备哪些条件才能有效管理各种风险，并理解该技术对人员和技术栈的影响，清楚如何在实现短期收益与奠定大规模应用所需的长期基础之间找到平衡等等。
每一个问题都十分复杂且亟待解决，而这将考验企业对于新兴生产力工具的运用能力。
AI技术变革的本质
在生成式人工智能成为AI产业的“焦点”后，人工智能相关人才需求已发生变化，但招募人工智能相关人才依然很难。
在人工智能产业，其结构分为基础支撑层、核心技术层、场景应用层三大板块。其中，基础支撑层提供数据资源和算法、算力支撑；核心技术层主要包括机器学习、知识图谱、计算机视觉、自然语言处理以及语音处理等AI算法，是实现数据价值的关键；场景应用层中则是面向特定应用场景的差异化需求提供具体产品或系统性解决方案。
人瑞人才与德勤中国联合编制的《产业数字人才研究与发展报告（2023）》（以下简称“报告”）中，就明确指出，在三大板块中，基础支撑层是中国人工智能产业的薄弱环节，近几年国内企业在加速追赶，但在市场影响力和使用规模上距离海外科技巨头仍有差距。
不仅如此，《报告》中还指出，当前我国数字人才缺口为2500万至3000万左右，且缺口仍在持续扩大。人工智能人才总量和质量双重短缺，已成为限制企业发展的关键因素。中国是全球人工智能研发和创新的主要力量之一，尽管当下人工智能产业的蓬勃发展能够一定程度上促进人工智能人才的培养和补充，但从长期角度来看，要实现在人工智能领域的领先，仍需要解决企业需求与人员专业的“错配”。
最后，比起分析、预判谁将成为最后的胜利者，我们更应该思考的是，生成式AI火热的背后，AI竞争的核心是什么？
而在毕马威与中关村产业研究院联合发布的《人工智能全域变革图景展望：跃迁点来临（2023）》中，就回答了这个问题：“这一时代背景下，无论是推动大模型从单模态到多模态，还是倡导高质量数据和计算新范式，实际上都在强调人工智能技术变革的本质——算法、数据、算力三大基础要素的精巧配合和相互促进。”而在技术竞争的同时，还要走向最难的“最后一公里”——如何通过构建AI原生应用生态来实现商业价值，将会接下来的关键。
参考资料：
①《2023生成式人工智能发展现状：生成式人工智能的突破之年》，麦肯锡
②《产业数字人才研究与发展报告（2023）》，德勤
③《人工智能全域变革图景展望：跃迁点来临（2023）》，毕马威
本文仅作为知识分享，并不构成提供或赖以作为投资、会计、法律或税务建议。任何据此做出投资决策，风险自担。