李开复：我坚决做to C，不做赔钱的to B生意；张亚勤：大模型效率太低、还未能真正理解物理世界｜钛媒体 AGI

722 0 0

文章摘要

在2024年智源大会上，零一万物CEO李开复与清华大学智能产业研究院院长张亚勤就通用人工智能（AGI）的关键问题进行了深入讨论。李开复指出，尽管to B（面向企业）市场具有巨大商业价值，但目前面临诸多挑战，包括大公司和传统公司对大模型技术的接纳度低，以及许多企业对软件付费意愿低。相比之下，中国市场的to C（面向消费者）模式更有机会。他解释称，理论上to B可以快速落地，但实际情况并非如此，许多大公司和传统公司不愿拥抱颠覆性技术。此外，许多大模型公司参与竞标，导致价格不断降低，压缩了利润空间。因此，零一万物将更注重选择那些上下级员工都接受大模型技术的公司。

张亚勤则认为，当前AI大模型技术面临三大问题：计算效率低下，与人类大脑的高效性形成鲜明对比；大模型尚未真正理解物理世界，推理能力、透明性等方面仍在深入研究；以及边界问题，即大模型无法知道自己不知道什么。尽管如此，两位专家对AGI的实现持乐观态度，认为关键在于AI的能力要超越人类，并具有自我学习和进化的能力。同时，随着AI能力的提升，失控风险也在增加，需要提前考虑如何管理这些风险。

李开复提出了自己的C端市场发展路线图，将大模型C端产品划分为六个阶段：生产力工具、娱乐、音乐、游戏、搜索、电商、社交、短视频和O2O产品。他认为，从PC到移动互联网时代，再到AI时代，这一发展规律是不变的。起步阶段产品需要能够盈利，因此适合作为生产力工具解决问题。随着难度的提高，需要的用户量也越来越多，但机会和回报也相应增加。与移动互联网时代不同，C端应用的发展不仅需要产品经理，还需要大模型专家和推理引擎专家共同参与。

在讨论中，李开复强调了AI 2.0的重要性，认为大模型的Scaling Law（规模法则）在这个时代得到了凸显。通过更多计算和数据，人类可以不断增加大模型的智慧，这一路径仍在推进中，远未达到天花板。此外，大模型的智慧来自于接近无损的压缩，这是上一代人工智能从业者难以想象的。零一万物内部采用严谨的方法论，用压缩理念评估模型训练过程，使其更加系统、科学和有数学依据。

张亚勤则指出，大模型的成功得益于算法和工程创新的一体化推进，以及如何避免盲目堆算力推动模型性能提升。他认为，国内大模型在部分案例中已经接近或超过美国的大模型，但仍需专注于算法和工程创新的结合。

总的来说，尽管大模型技术在to B市场面临挑战，但在to C市场具有巨大潜力。同时，AI大模型技术仍需解决计算效率、理解物理世界和边界问题等挑战。专家们对AGI的实现持乐观态度，并强调了自我学习和进化能力的重要性。在C端市场发展过程中，需要多领域专家的共同参与和创新。