今天討論AI大模型，最重要的一個議題是，AI對一個產品、服務、產業意味著什么？對于一個個體、企業、區域、國家的競爭力意味著什么？未來3-5年，哪些產業的競爭力會被AI大模型重新定義，以及以什么方式重構定義？
2024年4月2日，在北京大學國家發展研究院主辦的“《新經濟公開課》”論壇上，安筱鵬博士提出：AI大模型是數字技術體系的競爭，將會帶來人機交互、認知協作和計算范式三場革命，大模型正在重新定義產業核心競爭力，產業競爭力的重塑將會有五種路徑和模式：

模式1：產品競爭力升級（AI for Product）

模式2：創新效率大變革（AI for Science & Technology）

模式3：AI原生產業興起（AI-Native Industry ）

模式4：體驗升級與決策優化（AI for Industry）

模式5：生產力工具再造（AI for Productivity）

以下是發言要點：

今天的分享，是基于一個基本假設：大家對AI大模型本身已經有所了解，我重點講講AI大模型的應用，它對于一個產業競爭力到底意味著什么。

AI大模型引發三場革命 正在重新定義產業的核心競爭力

2022年11月30日OpenAI發布了ChatGPT，2024年2月16日又發布文生視頻大模型Sora。2024年2月23日，英偉達市值漲了2770億美元，創造了華爾街歷史上最大的單日漲幅，市值從1萬億美元到2萬億美元只用了9個月時間。

這些驚艷的產品和瘋狂的數據的背后，意味一個新的智能時代的開啟。

去年4月28日和5月5日中央政治局和中央財經委會議上，提出把握人工智能等新一輪科技革命浪潮。如何理解和認識這場革命？這是一場什么革命？

AI大模型引發了人機交互、認知協作、計算范式三場革命。

當我們說一個技術具有革命性的時候，這種技術對人類社會的影響可能是根本性的、全局性的和長期性。AI大模型帶來了三場革命，它會重新定義產業的核心競爭力。

一是人機交互革命。人機交互是連接“碳基”和“硅基”的核心紐帶。幾十年前，人類要跟機器對話，需要掌握匯編語言，后來有了高級語言Basic、C、C++等，再后來有了圖形界面交互，今天人們可以通過自然語言對話實現人機交互。從歷史上看，每一次的人機交互技術的進步，都帶來新一輪的產業重塑。

二是認知協作革命。AI大模型重新定義了解決問題的路徑和方法，它找到了從問題到答案的最短路徑，這就是AI大模型的價值。人機交互也將帶來協作革命，大模型驅動的智能體會逐步深度嵌入各類組織的需求定義、應用開發、運維管理和資源調度等環節。

三是計算范式革命。計算范式革命的表現就是十年前英偉達的市值只有英特爾的六分之一，今天英偉達是英特爾的10倍，這意味著這個時代從“以CPU為核心的計算體系”正加速向“以GPU為核心計算體系”進行一次巨大的遷移。這個遷移會從服務器、云計算開始，并逐步拓展到普通人使用的手機、筆記本電腦等等。未來計算的芯片、架構、存儲、網絡、通信、調度等，以及與之相關的協議和軟件開發范式，都會迎來一次巨大的變革。

AI大模型是數字技術體系的競爭，ChatGPT只是美國數字創新森林里的一棵樹上的一片葉子，Sora是另一片葉子。

當討論AI創新的時候，我們不能只盯著ChatGPT、Sora這兩片葉子，當下所有的聚光燈都聚焦在這兩片葉子上，都快把這個兩片葉子“烤黃”了。需要思考的是：這棵樹是什么樣子？樹根什么樣子？土壤什么樣子？森林什么樣子？只有這樣，我們才可能找到今天縮小中美AI創新差距的正確路徑。

我們需要思考一個基本問題：為什么又是美國在這一輪的AI大模型浪潮中引領全球呢？我們認為主要有5個原因：

一是AI基礎理論模型的突破。2017年谷歌發布了Transformer模型，成為這一輪大模型突破發展的基礎。

二是“AI+GPU”算力新Wintel體系的崛起。這個生態體系就相當于IT時代的Windows+Intel，移動互聯網時代的ARM+安卓。“AI教父” Geoffrey Hinton的學生在2012年的ImageNet大規模視覺識別挑戰賽（ILSVRC）上獲得了冠軍，獲得冠軍不重要，重要的是他將模型的訓練從CPU切換到了GPU，當時他使用了兩個NVIDIA GTX 580 GPU，訓練了一個名為AlexNet的神經網絡模型，大幅提高模型訓練效率、同時降低了訓練成本，引發了新的深度學習革命，此后GPU成為學術界、產業界訓練AI模型的“標配”。

三是云計算大規模的推廣和普及。大模型需要大算力，大算力需要新技術和低成本，云計算為大模型的訓練創造了條件。

四是互聯網的發展為AI在數據、工具、人才、場景等方面進行了積累。

五是美國具有全球影響力的開源開放創新生態。這一點遠遠被我們所忽視。因為開源開放生態很大程度上還決定了今天AI大模型的推廣速度、廣度和深度，也將深度影響今天AI大模型的商業模式。

今天討論AI大模型，最重要的一個議題是，AI對一個產品、服務、產業意味著什么？對于一個個體、企業、區域、國家的競爭力意味著什么？

結論是，AI大模型將會重構產業的核心競爭力。這種“重構”，或短期或長期，或漸變或突變，或潤物細無聲或疾風暴雨式。重要的是，這一進程是確定的、不可逆的。

問題是，未來3-5年，哪些產業的競爭力會被AI大模型重新定義，以及以什么方式重構定義？

AI大模型對一個產業核心競爭力影響可以分為三種狀態：一是高敏感行業，如手機、PC、汽車、人形機器人、影視、短視頻、游戲；二是中敏感行業，如生物、醫藥、新材料、機器人、保險、法律、教育等；三是低敏感行業，如發電、化工、工程機械等。

在不同行業，AI大模型對涉及產業競爭力的哪些關鍵環節產生了影響？麥肯錫對16個AI應用場景進行了研究，結論是，軟件工程、產品開發、客戶運營、市場營銷是AI創造價值的主要領域。

AI大模型重構產業競爭力的五種模式

AI大模型將會重構產業的核心競爭力，那底是如何重構的？我認為主要有五種路徑和模式：

（一）模式1：產品競爭力升級（AI for Product）：重新定義終端智能化水平

今年1月，美國拉斯維加斯消費電子展（CES）的核心關鍵詞是AI，PC、手機、汽車、智能家電、可穿戴設備等，已經和大模型開始結合，三星發布首款AI手機Galaxy S24，聯想發布AI PC，奔馳等車企升級人車交互系統。

AI大模型將重新定義產品智能化水平，重新定義產品核心競爭力。中國的手機產業占了全球的67%，PC占全球的30%，電動汽車產量占了全球的60%，大模型正在不斷融入這些產業功能。關于AI+智能產品，有幾個基本的判斷：

判斷1：AI手機將成為繼功能機、智能手機之后，手機行業的第三階段。如果一家手機廠商沒有趕上這一波AI大模型應用，那么可以非常確定地講，全球任何一家優秀的手機公司，也會淪為一個二流公司。

判斷2：我們不知道AI會給手機增加多少新功能，但我們知道的是，沒有AI大模型驅動的手機肯定會在市場上消失。也許今天有人認為AI大模型在手機上的功能是雞肋，沒那么驚艷；但肯定的是，沒有大模型的手機，沒有未來。

判斷3：2024年是“具車智能”元年，而且會首先誕生在中國車企，強大的AI基礎大模型是具車智能的關鍵。人工智能好比是一個“大腦”，這就像一輛車只有發動機不行，還需要底盤、輪胎、方向盤。光有一個大模型還不夠，需要和機器結合起來，所以有一個詞叫“具身智能”。顯然，AI大模型也可以進入到汽車領域，我們把它稱之為“具車智能”。

判斷4：模型上機并與云端協同，將成為智能終端大模型商業化的重要形態，AI開源大模型的重要性進一步突顯。未來的大模型會有很多類型，參數相對小的模型，可以裝進手機、汽車等各種智能終端設備里。今年的3月28日，阿里云宣布通義千問已經基于聯發科處理器，把大模型“裝進”并運行在手機芯片中，打造端側AI的Model-on-Chip（片上大模型）部署新模式，這是通義大模型首次完成芯片級的軟硬適配，標志著Model-on-Chip的探索正式從驗證走向商業化落地新階段。

不僅如此，未來所有的智能硬件都會被AI大模型所驅動。這句話的關鍵詞是“所有”，或者說一切的智能硬件都會被AI大模型所驅動，包括手機、PC、汽車、機器人、家電、可穿戴設備等等。未來無論是何種形態的機器人、無論何種形態的終端，其核心競爭力就在于它是被什么樣智力水平的大模型所驅動。

（二）模式2：創新效率變革（AI for Science& Tech）：研發范式的躍遷

近年來，AI4S（AI for Science）成為一種基本科學研究方法， AI大模型正在加速全球芯片、藥物、病毒、材料、自動駕駛等一系列科研范式的創新突破，其深刻影響正逐步顯現。

AI與EDA雙向奔赴，引領芯片設計變革。

今天，AI已經成為芯片設計的“器”，AI與EDA的雙向奔赴，推動著芯片設計開啟下一場革命。英偉達用AI設計GPU，比傳統EDA減少25%芯片面積，功耗更低。英偉達研究人員提出了PrefixRL——用深度強化學習優化并行前綴電路。英偉達Hopper架構H100就擁有13000個AI設計電路。EDA設計公司Synopsys和Cadence等公司積極擁抱AI設計。

AI預測蛋白質結構，加速新藥研發進程。

蛋白質在疾病發生中起著舉足輕重的作用，例如在阿爾茨海默病中，它們會折疊和聚集，在癌癥中它們的調節功能喪失。確定蛋白質的結構，對于藥物研發至關重要。以往確定蛋白質結構的冷凍電鏡等技術，既昂貴又耗時，而且確定的數量比較有限。2022年，DeepMind通過AlphaFold2模型，預測了2.2億種蛋白質結構，覆蓋DNA數據庫幾乎所有已知生物體的蛋白質，解決了長期困擾生物醫學研究領域的難題，為加速生物醫學研究打開了大門。2023年9月，DeepMind首席執行官Demis Hassabis以及該公司科研人員John Jumper，因AlphaFold獲得了有“諾獎風向標”之稱的拉斯克基礎醫學獎。

AI生成駕駛決策，革新自動駕駛研發模式。

特斯拉的自動駕駛FSD V11版本有30萬行代碼，是基于海量標注+規則代碼；而FSD V12版本只有2000+行代碼，其技術路線是海量數據+BEV+Transformer。2023年9月2日，1200萬人圍觀馬斯克特斯拉自動駕駛，他試駕后講的最重要的一句話是，“沒有一行代碼讓特斯拉在停車標志處停車”。大模型帶來了自動駕駛研發模式的躍升：從規則代碼輸出的駕駛決策,到基于AI大模型生成的駕駛決策。

AI推理未知材料性能，催生材料研發新路徑。

材料科學是近代工業飛速發展的支柱學科。從石器時代到青銅時代，再到鐵器時代，人類文明的各個演化階段都和材料緊密相關。今天，AI正在變革材料研發的路徑：從過去的理論計算獲得材料科學數據，到高通量計算生產海量此類數據，再到將數據喂給人工智能模型，到借助模型推理未知材料性能。2023年11月底，Google旗下的DeepMind，通過AI模型——GNoME，尋找到38萬余個熱力學穩定的晶體材料，極大加快了發現新材料的速度。2024年1月，微軟等機構利用AI和高性能計算，從3200萬種無機材料中篩選出了一種全固態電解質材料，完成了從預測到實驗的閉環，該技術可助力下一代鋰離子電池材料研發。

AGI：重構人類認識世界方法論

當我們把AI帶來的科研效率變革抽象出來，我們會看到：AI大模型其實是在重構我們認識和改造世界的方法論。近幾百年來，人類社會認識客觀世界的方法論大致經歷了四個階段：

從牛頓、愛因斯坦的“理論推理階段”，人們通過觀察、抽象和數學認識這個世界；到愛迪生在一百多年前發明電燈泡，這是一個“實驗驗證階段”，通過假設、實驗、歸納總結來認識這個世界；然后再到了80年代進入到“模擬擇優階段”，大飛機的研發，高鐵的研發，基于樣本數據和機理模型，通過數字仿真的方式去認識和改造這個世界。

到今天，AI for science新科研范式和模擬擇優有什么區別？模擬擇優階段，如研發波音777，所有的機理都是清晰的；但今天AI大模型還處于“前牛頓時代”，科學家也搞不清楚為什么會有涌現、泛化，但它已經創造出巨大的經濟社會價值。

（三）模式3：AI原生產業興起（AI-Native Industry）

AI大模型正在催生AI原生的新興產業。

互聯網時代的原生產品最典型的就是Google，他解決的是信息流轉跟匹配，解決的是信息不對稱的問題。而AI原生產品是基于AI大模型創造的新產品，也就是說，如果沒有AI大模型，就不會沒有這樣的產品出現，也不會有這樣的應用場景。提供AI原生產品和服務的企業，叫AI原生企業，這類企業的核心競爭力來源于 AI 驅動的業務體系，解決決策效率與成本問題，能夠找到答案的最短路徑，進而提升效率和競爭力。

AI大模型重構機器人產業的核心競爭力

今天，可能有人認為大模型只是生成個文字、圖片、視頻等，事實上它已經進入到了機器人，也就是進入到物理世界。2023年7月28日，谷歌DeepMind推出了一款新的機器人模型Robotics Transformer 2（RT-2）。這是一個全新的視覺-語言-動作（VLA）模型。例如，對AI說“撿起已滅絕的動物”，機械臂會在一堆塑料玩具中精準的選擇恐龍，“滅絕的動物”很多，在此之前，機器人無法做到把“滅絕的動物”和“塑料恐龍玩具”聯系在一起。

近期，很多人也關注到了：OpenAI在今年2月投資了一家機器人公司Figure AI，獲得投資的13天后，Figure AI公司就推出了OpenAI大模型加持的機器人產品——Figure 01，它基本可以完全理解人類的自然語言指令和意圖并執行相應動作，更重要的是，通過Figure AI公司公布的視頻，我們能看到Figure 01已經具備很好的理解能力、分析能力、規劃調度能力和執行能力。

不僅如此，其實大模型+機器人已經實際商業落地了。比如浙江有一家機器人公司叫有鹿機器人，它的路面清潔機器人集成了通義千問開源模型，使機器人能以自然語言與用戶進行實時交互，理解用戶提出的需求，完成用戶交辦的任務。比如，物業經理說“一號樓門前有個可樂瓶，你過來掃一掃”，機器人就能找到這個位置、完成清掃任務。

以上這些案例，歸結為一句話就是：AI大模型正在重新定義機器人產業的核心競爭力。當別人的機器人產品都有一個大模型作為“最強大腦”的時候，如果你的機器人產品沒有這樣的大腦，它還能賣得出去嗎？顯然是不能的。未來，機器人擁有一個“大腦（大模型）”會成為標配，成為機器人產業核心競爭力的核心組成部分。

當大模型不斷涌現的時候，也會催生很多獨角獸企業，我們看美國已經有很多的AI原生企業，比如OpenAI、Anthropic、CoreWeave等等，其中的AI獨角獸層出不窮，它們的估值、收入、客戶均不斷創出新高。AI原生企業是智能時代國家產業競爭的風向標，其數量和質量將深度影響產業競爭格局。福布斯2023年“AI 50榜單”顯示：美國AI創業公司共42家，占比84%。美國呈現出“千億級+百億級+十億級+幾億級”不同規模、不同行業的AI原生企業，產業生態持續繁榮。

（四）模式4：體驗升級與決策優化（AI for Industry）：對外體驗升級+對內自動化決策

AI大模型通過優化組織內部的的決策流程，對外可以提升用戶的體驗，對內可以提升組織的自動化決策效率。

AI大模型重構一切軟件系統：重新定義客戶體驗，個性化服務實現規模化供給

去年在GPT-4剛推出不久，《美國醫學會雜志》做了一個測試實驗，讓一群病人和真正的醫生和“ChatGPT醫生”對話，測試的結論是：面對病人咨詢中，“ChatGPT醫生”獲得好評的數量是人類醫生的4倍；在“富有同情心”的指標中，“ChatGPT醫生”更是收獲了45%的肯定，而人類醫生僅有4.6%。

基本趨勢是：大模型生成代碼的價值，將遠遠超過生成文字、圖片、視頻的價值，但是這個價值被遠遠低估了。因為未來AI大模型將重構一切軟件系統，所有的軟件都需要基于AI大模型重新做一遍。這句話的關鍵詞是“所有”。“所有”的含義是：手機上所有的APP會被重構，PC里的Windows、Office等等軟件會被重構，ERP、PLC、SCADA等等這樣的企業級軟件也會被重構，未來還會有很多的應用場景。

游戲產業正因為AI大模型的加持而增加新的體驗和玩法，81%的玩家表示愿意為此支付更多錢，微軟、谷歌以及新興游戲企業，紛紛加速AI驅動的游戲產業創新。網易《逆水寒》手游最大的亮點是，游戲中有數百個AI引擎加持的智能NPC(non-player character,非玩家角色，游戲中不受真人玩家操縱的角色)。

基于人機交互的復雜系統自動化決策。

AI帶了一場決策革命，會融入到企業經營管理決策中。比如電力系統出現故障，面臨設備故障定位周期長、有經驗的調度員稀缺、調度方案生成不及時等挑戰。而通過AI大模型的“加持”，可以秒級生成高質量的調度方案，實時指揮多名在線保電人員。浙江電力的AI虛擬調度員“帕奇”，通過大語言模型，AI理解并下達調度指令，自動核實指令完成，從人工派單到AI派單，實現高效的電力調度。在杭州一個區的電網調度早晚高峰中，降低人工調度量40%，降低重復無效話務量22.5%。

（五）模式5：新生產力工具涌現（AI for Productivity）：智能時代的工具革命

AI大模型帶來一場工具革命。

數字化本質是兩場革命：工具革命+決策革命。工具革命就是從“傳統能量轉換工具”向“智能工具”演變。馬克思曾說“手推磨產生的是封建主的社會,蒸汽磨產生的是工業資本家的社會”，“各種經濟時代的區別,不在于生產什么,而在于怎樣生產,用什么勞動資料生產。”無論是體力勞動者，還是腦力勞動者，通過新的工具，可以提高生產、研發效率。今天因為有了AI大模型，我們的生產力工具再次處于被重構和再造的階段。

AI驅動軟件工具創新：開發模式重構，軟件開發開啟效率變革

軟件行業是過去幾十年人才最稀缺的行業，AI大模型正在改變這一格局，AI軟件開發和編程能力正在逼近人類。去年4月GPT-4發布后，國內研究機構CSDN的測試結果是：GPT-4的軟件編程能力相當于中國月薪3萬人民幣的軟件開發人水平。在美國，GPT-4通過了谷歌編碼L3級工程師測試，L3屬于入門級，平均有18萬美元的年薪。

軟件開發：10%的1000倍效應

肯特·貝克（Kent Beck）是全球軟件開發方法學的泰山北斗，軟件開發模式、敏捷開發的領導者，他就AI大模型對軟件開發的影響有一個著名的斷言：軟件開發90% 的技能變得分文不值，而10% 的技能會被提升1000倍，軟件開發者的能力模型將會根本性的改變。

今年4月2日，阿里云新入職了一名新員工——通義靈碼，它不僅有正式的員工工號——AI001，還有自己的主管和HR。通義靈碼具備強大的代碼理解與生成能力，支持代碼補全、單元測試生成、代碼解釋、代碼查錯等核心場景，已熟練掌握 Java、Python、Go、C/C++等200多種編程語言，目前下載量超過200萬，每天數百萬行代碼被程序員采納，每日推理次數超過2000萬。未來阿里云20%的代碼將由通義靈碼編寫。

根據對2.6萬名軟件工程師的調研，84%的軟件開發者或多或少使用AI了工具，五分之三的受訪者認為AI編碼工具將從根本上改變軟件開發就業市場，但只有13％相信AI將完全取代開發者編寫代碼。盡管如此，大約三分之一的人相信軟件工程一定會變成提示工程。

近期，美國技術圈熱議一個招聘案例：一家技術公司準備招聘1名員工，有2名程序員來應聘：一個是擁有4年的編程經驗的巴基斯坦人Hamid，一個是擁有19年的編程經驗德國人Alex，公司安排兩個候選人開發一個軟件（創建最小可行性產品MVP）。一周后，Hamid完成了95%的MVP，而Alex只完成了7%的MVP。為什么只有4年編程經驗的人反而編程速度更快呢？因為他借助了GitHub Copilot等代碼大模型。不僅編程效率更高，整個開發成本也極大降低。

影視行業工具革命

AI大模型對影視行業的變革已經拉開序幕。今年3月6日，美國好萊塢上演了一部影片，叫《終結者2》，它是由50位AI電影藝術家利用Midjourney、Runway、Pika、Kaiber、Eleven Labs、ComfyUi、Adobe等多個AIGC工具進行創作而成。還有一些其他人利用文生圖及視頻工具制作的視頻，質量和效果看起來都還不錯。去年阿里云也推出了一項名為Live Portrait的數字人視頻生成工具，用戶只需上傳一張照片和一段文本或語音，即可生成一段開口說話的數字人視頻。這項工具可應用于視頻直播、聊天機器人、企業營銷等多個場景。

當然，也有人會說，這個Sora不就是生成一段視頻嗎？王堅院士有一段非常經典的評論：“如果談到Sora，只說它可能會影響短視頻等行業，那我覺得是對它極大的羞辱，它的意義遠超這種事情。”

Sora的重要的意義在于，在世界模型的建構上，邁出重要一步。它讓虛擬世界模仿現實物理世界，理解世界物理屬性，如重力、摩擦力、動能、光、聲、電、材料、生物等的規律。

用一句話來概括就是：在比特的世界中還原原子的運行軌道。

中國AI大模型的兩條道路 移動互聯網的超越 VS.加拉帕戈斯效應

今天，我們不僅要看到ChatGPT、Sora背后美國的創新森林體系。我們還要清醒地認識到，中國AI大模型發展已經走到了一個十字路口：向左走會走到“移動互聯網的趕超”。向右走會走向“加拉帕戈斯效應”。

什么叫“加拉帕戈斯效應”呢？加拉帕戈斯是太平洋上的一個群島。達爾文在一百多年前寫的《物種起源》中提到，這個島上有很多物種，每個物種都在自我進化、自我迭代、自我演進。但它一旦離開了這座島，就會因為無法適應環境而死掉。

“加拉帕戈斯效應”本質上是在一個封閉的、局部的生態體系里，形成的非常弱的競爭力。在2B數字化市場，如果沒有形成全國統一的大市場，一方面會導致市場喪失孵化培育大企業的能力；另一方面，也會讓這個市場喪失優勝劣汰的能力，同時也不利于產業生態的建設。“加拉帕戈斯現象”提醒我們：要警惕在特殊背景和條件下形成的獨特能力，并保持開放性，不斷審視以往的成功，同時不斷拓展邊界。

造成“加拉帕戈斯效應”的三大原因

一是統一市場的“碎片化”。這樣的市場無法形成統一大市場優勢，數據要素與技術優勢無法順暢流動，這樣的市場會喪失孵化“小企業”功能，也會喪失支撐“小企業長大的”功能。日本的手機產業、中國SaaS產業之所以沒有發展起來，是因為他們面對的是一個高度碎片化的市場。比如中國的SAAS市場，以私有化、混合云為主的定制類政企項目，難以形成強大的SaaS標準化服務能力。

二是市場競爭的“關系化”。2B數字化市場主體會將首先將項目給到自己的兒子、孫子公司，市場喪失了對好技術、好產品、好服務的遴選能力，市場競爭從產品競爭轉向客戶關系。

三是市場生態的“鹽堿化”。沒有良性的投資回報，就無法孵化創新企業，喪失培育有持續有競爭力企業的產業生態。比如中國“AI四小龍”、SaaS等產業。

當前，中國大模型市場存在“加拉帕戈斯隱憂”，要高度警惕統一大市場的“碎片化”。定制化、私有化部署的大模型無法大規模商業化，成本很高、效率很低，會導致很多企業鎖死在一個狹窄的賽道上，這是落后的產業模式，會導致大模型統一大市場的“碎片化”。

只有公共云才是新質生產力的代表，私有云不是。如果用公共云的方式來做大模型，發揮公共云集約化、規模化優勢，提供平臺化的服務而不是項目化的服務，這樣不僅可以大大降低模型訓練推理成本和創新門檻，更為重要的是：中國完全有機會依托統一的消費大市場、算力服務大市場和AI服務大市場，像當年中國發展移動互聯網產業一樣，再次實現產業的繁榮和全球領先。（本文完）

審核編輯：劉清