【原创研究】俯瞰AI大应用图谱：星星之火，正在燎原——AI应用研究连载（一）
来源： 合伙人 陈天伦日期：2024-03-16浏览量：1235
导引：“忽如一夜春风来，千树万树梨花开”——AI大模型的“星星之火”可谓正在燎原。从GPT-4到Claude3，再从开源的Llama到Gemma，通用大模型的基础能力在过去1年半中仍在快速演进，这无疑让驶向通用人工智能彼岸的船桨变得更加坚韧。
与大模型能力提升而相伴的是，如雨后春笋般的AI应用正在快速涌现。从 ChatGPT到Sora，普罗大众既为AI的巧夺天工而叹服，又难免心有余悸：我是否会被AI所取代？我该如何使用和驾驭AI？现在，抛开恐惧、兴奋和憧憬，AI应用已在爆发前夜。
-
过去1年半中，大模型成为技术革命快速凝聚的共识。所有人都坚信，通用大模型将成为庞大科技树生长的底座，甚至人工智能时代的“电力系统”。这种强大的技术共识引导了资本共识：政府和投资机构持续投入，大厂和创业公司集体“狂欢”。截至3月，国内已有超过238个基础大模型，“百模大战”如火如荼；但遗憾的是，最贵的并不一定是最好的，但最好的必然要求巨额的资本与人才投入。这场残酷的“拉力战”正在进入淘汰倒计时：不是“胜者为王”，而是“剩者为王”。
通用大模型的能力在很大程度上决定了应用的天花板。上至行业模型的接口调用和二次训练，下至场景应用的推理和微调，无不依赖于底层大模型的基础能力。纵然AI应用千变万化，所谓“万变不离其宗”，颇有“大模型兴“则“应用兴”的意味。从简单文本到长文本、复杂文本，再到文生代码、文生音、文生图、文生视频，主流大模型的基础能力模块不断强化。
Sora的发布可谓“一石激起千层浪”，大面积引发对中美AI基础能力差距的担忧。我们整理了国内外基础大模型在不同维度的能力表现，并和海外的主流大模型进行对比，不难发现：（1）大模型的文本能力相对成熟，文案整理和创作工具涌现现阶段，中美大模型在信息搜索、逻辑推理、多语种翻译、文案创作、要点凝练等维度的差距较小；且国产模型在本土化语境和中文语料的处理上，甚至表现出一定优势。这也直接催化了国内以文本为中心的AI应用快速生长——文案（含指定格式和文体）创作、转写，剧本或短视频脚本创作、改写，长文本理解、检索、查重，核心语料对比和分析等，在很大程度上提高文字类工作的生产效率。（2）中美大模型差距尚存，主要集中在角色扮演、图像和视频无论是以BAT为代表的大厂，还是以智谱华章、月之暗面为代表的创业企业，基本不具备角色扮演的能力，同时在图像、视频领域也有明显短板。寻找技术的底层逻辑，国产大模型的硬伤也相对显著：一是现阶段无法成为真正的智能体（Agent）。在小场景、小样本数据的反复交互和迭代过程中，无法唤醒角色扮演和定向交互的能力，也无法在数据迭代过程中建立“相对及时”的正反馈。换言之，通过持续的对话交互，大模型能理解你，但不能及时修正、持续迭代，不能真正成为你；二是现阶段的多模态能力差距欠缺。根据OpenAI的开发计划，GPT-5已经看完了人类有史以来的全部视频，而视频是物理世界交互最原始、最底层的信号（换言之，Sora能够比Pika、Runway掀起更多的关注，很大程度上也来自于对物理世界的理解有了质的提升）。尽管国产大模型也在积极跟进文生图、文生视频的应用趋势，但囿于底座大模型和中文多模态数据的限制，现阶段的效果明显不尽人意。因此，基于国产大模型而衍生的图像创作、编辑和设计工具，亦或PPT生成、视频生成和剪辑工具往往在效果和使用体验上相对初级，难以真正规模化。当然，这种差距也为国内的创业型公司提供“弯道超车”的机会。基于开源的技术框架和扩散Transformer模型，不少创业团队通过本土化的视频数据投喂和训练，积极探索“中国版Sora”的诞生。显然，他们做得似乎比大厂更好——这也更加验证了中美在底层大模型的不同特点。
大模型能力进化的直接结果，是垂直产业链的场景化、专业化、分工化。作为通用大模型，其使命在于通过大规模的模型参数和数据训练，形成具有共性、可复制性的基础能力模块，以提供面向千行百业的底层基础设施。但对于末端用户和企业而言，真正的需求往往是“千人千面”，依场景和行业而高度定制，而这恰是通用大模型公司无法通过标准化的产品交付而实现的。这也直接导致了基础设施和场景之间的断层：谁来链接场景？
面向行业和场景的“中模型”应运而生。行业模型是AI应用的“关键载体”，也是大模型走向场景的“使能者”——向下调用和接入通用大模型，以获得通用智能化能力；向上围绕场景和行业数据进行二次训练，构建面向行业的专业知识库，并在垂直行业内进行复制。
（1）行业有一定的数字化基础，或有一定的数字化转型经验；
（2）行业有大量的底层IT资产和业务数据；
（3）行业数据有明显的不可得性（通用大模型难以爬取）和高价值度（变现能力）；
（4）模型推理和应用的开放度较高，存在较强的主观能动性要求。
文娱和金融行业是国内外行业模型的高地。国内外的行业模型在从0到1的过程中，往往都遵循以上规律。不难总结，同时符合以上特点的垂直行业并不多（大部分存在较好数据池基础的行业，都有较低的开放度和差错容忍度），主要集中于：游戏、影视、金融（尤其是投研）。这几个行业在AI应用的探索，将以更快的速度形成规模化。当然，在企业接入行业模型的过程中，仍然会在细分场景（如保险理赔是金融行业当前相对成熟的细分场景之一）有相对定制化的需求，需要结合企业自身的数据和业务流程进行“再定义”，也出现了大批负责场景交付和实施的“小模型”。
“小模型”重交付和实施，本身不掌握核心技术力。对于众多所谓“场景小模型”的公司而言，本质上是底层模型的交付，现阶段并没有自研或直接掌握的核心技术能力。很好类比，AI时代也仍然会有大量的“高级人力外包公司”围绕场景提供模型服务，本身并没有太高门槛；因此，也有大量产业方开始筹建和培养自己的“小模型”团队，以实现对自有数据资产的管理和运营。
基于实现载体的不同，AI大模型的应用可分为端侧智能和场景智能；而根据面向的不同场景，又能够将AI应用拆解为：（1）流程智能，即面向企业内部的流程管理，针对企业自身及其员工，旨在提升运作和管理效率，具有一定的行业普适性，以充当真正意义上的“生产力工具”；
（2）行业智能：即面向企业开展业务的关键环节，针对企业与外部客户发生的各类链接，旨在基于垂直行业特有的数据和知识库进行封闭训练和强化；
AI应用的底层逻辑是：指定的数据集在大模型基础上的反复迭代，是否能够精准贴合客户需求，生成行业可接受的成果。因此，围绕数据本身的特性，我们制作了以下二维图：
AI应用能否规模化：取决于数据的专用性和对结果的精准性要求
在对于数据的专用性要求上，依赖于人类能动性和主观创造的领域（如游戏、影视、文娱）往往有较高的开放度，对于采集、反馈、迭代的流程而言，数据的专业性不高，但数据的可得性很高。反观最终生成的结果，在这些相对开放的场景中可谓是“百花齐放”，其扮演的角色往往是人类个体很难规模化获得的灵感和创意。换言之，对于结果的精准性要求较低，越能够通过快速涌现而补齐个体经历差异导致的灵感缺乏。因此，AI应用走向规模化的第一步，恰恰是人们此前觉得难以被替代的能动性创作领域，以游戏、文娱行业最为典型。针对上述场景，由于AI生成结果的专业门槛不高，但对于AI应用的工具化水平要求更高。换言之，需求兑现的前提是能够融入灵感获得、设计、创作、编辑的全流程工具，以辅助创作者提升工作效率。针对金融、工业、医疗等具有高度专业门槛的细分行业，数据有较高的专业性；同时，因为行业沉淀的大量数据并不可得，形成了相对封闭的数据生态，且往往伴随这些数据有极高的价值度（变现价值）。另一方面，这些专用行业对于生成结果的精准性相对较高，绝对不可接受“一本正经地胡说八道”，所以进一步提高了大模型应用的门槛。显然，上述行业的本质特征是：高价值数据封闭而不可得，且生成结果依赖于精密的计算路径。因此，通用大模型在不经过二次训练的条件下，很难直接满足行业客户的需求。伴随大模型的基础能力提升，行业数据需要在封闭环境内持续采集、反馈、迭代，AI大模型在上述行业规模化应用的想象空间越来越大。AI应用成功的前提，往往离不开对于行业数据强大的掌握能力，也比第一类场景有更高的护城河。
目前大模型技术的价值创造开始进入一定范围内的“规模化”：辅助对内容有专业判断力的人，以节省其自己花时间去寻找/撰写相关内容的时间(类似一个Associate，原来一个任务用户自己独立处理需要1小时，现在由Associate花1分钟完成后自己只需要花10分钟检查核对下即可，节省50分钟时间），价值创造主要在生产力效率的提升。因此，对于大部分企业而言，文秘、插画师、特效师、基础程序员，已经完全可以将AI作为潜在的替代项进行考虑，至少在团队规模上可以有效控制成本，实现降本、增效。2. AI应用：规模化的前提是数据采集、反馈、迭代的闭环
-
Midjorney是AI应用领域少有的相对成功且规模化的案例，其核心壁垒在于：（1）建立先发优势，以构建一定专用人群的品牌认知；（2）大量用户使用其平台进行文生图操作，持续反馈、迭代数据，以优化体验闭环
以Midjourney为例：能否根据用户数据反馈和迭代是产品规模化的关键AI应用在过去1年半最重要的变化来自于大模型的自适应能力，即根据指定用户的反馈，不断自我修正，并在学习和训练小样本数据的过程中，反哺底层大模型，并对结果生成予以优化，最终实现用户体验的提升。这个从“大样本”到“小样本”的自修正过程，是AI应用产品能否获得用户口碑以复制的重要前提。3. AI应用：规模化的途径是结合垂直场景形成专业工具
-
GitHub Copilot作为举世瞩目的自动代码生成产品，自2021年10月上线以来，现已获得了100万付费用户和4万家企业付费客户，贡献年收入超过1亿美元。据程序员用户反馈，Copilot可提升编程效率至少1%，每月创造生产力价值至少为100美元（产品收费：价值创造比例约为1:10）。
以CoPilot为例：标准化产品套件融入代码生产环境CoPilot取得大范围的成功，不只是基于GPT强大的代码生成能力，更重要的是充分考虑程序员日常编程习惯，融入生产环境。基于“隐藏式”精心设计的UI界面和交互模式，尽可能不影响用户传统的代码生产环境和习惯，通过与日常代码生产流程相融合的“套件”方式，快速实现产品易用性，并在过程中采集用户数据，实现数据飞轮提高壁垒。同样的道理也适用于Office的AI套件、WPS AI工具以及其他潜在向AI转型的“生产力工具”，其共性在于通过产品化、工具化真正融入用户的生产过程。如果AI应用仅仅停留在“文生文”、“文生图”、“文生视频”的通用模块，很难在短时间内改变用户的心智和使用习惯，无法真正实现商业规模化。更好的方向是，结合面向文案创作、短视频创作、影视制作、游戏策划等专业性更高的垂直场景，融入素材获取、加工、二次编辑、成品转化的全流程生产能力，真正转化为“生产力工具”，是AI应用规模化的一条捷径——我们是否可以期待，在不久的将来，3D MAX、CAD/CAE、PhotoShop……也可以在AI大模型的基础上，蜕变为新质生产力工具，真正解放每一位“天选打工人”。
