AI落地和商业闭环专家电话会交流纪要–20231211

核心要点 1.AI应用场景及GPT在Tob领域的应用 讨论了AI应用场景以及GPT在Tob领域的应用。在AI方面，目前最具前景的应用场景是在电商领域，主要用于生成图片和视频。在客服领域，各企业都在积极推进GPT的应用，但该领域仍存在一些难点和问题。 核心要点 1.AI应用场景及GPT在Tob领域的应用 讨论了AI应用场景以及GPT在Tob领域的应用。在AI方面，目前最具前景的应用场景是在电商领域，主要用于生成图片和视频。在客服领域，各企业都在积极推进GPT的应用，但该领域仍存在一些难点和问题。在谈到GPT的潜在革命性应用时，目前尚未看到具有颠覆性的爆炸性点。此外，数据合规安全和隐私保护问题也是GPT在Tob领域需要解决的关键问题之一。总的来说，GPT仍然需要依附于其他场景和硬件设备，难以独立成长为一个独立的赛道。 2.AI在终端设备上的落地与难点 讨论了AI在终端设备上的应用场景和挑战。目前AI在边缘端的落地仍受限于算力和应用需求。虽然AI能够生成图片，但在深度需求方面仍有限制。同时，在AI和第三方应用之间的数据交换和打通也存在问题。此外，AI和AIPC在技术和商业模式上都面临挑战。 3.AIAPP的发展前景及挑战 讨论了AIAPP的发展前景和挑战。其中，提到了APP的形态、数据来源、生态赋能等问题；同时，对AIPC在国内和国外的推广情况进行了分析。讨论还涉及了国内大模型与国外的差距，主要在于PPT不能用、GPU搭载要求高等因素。最后，探讨了国内大模型的突破口和追赶方法。 4.中国人才和技术差距与硬件制约 中国在大模型人才数量和技术水平上与美国存在较大差距，尤其在GPT-3.5之后。国内人才数量不足，技术落后，硬件制约也很大。目前国内GPU卡的性能和供应都受到限制，导致成本较高。而且国内企业在算力池和硬件投入方面与国外存在巨大差距。要追赶美国在AI领域的水平仍然很困难，但寄希望于GPT-4.5或GPT-5的技术天花板的提升。然而，算力需求的增加会进一步拉大硬件差距。 5.明年下半年AI应用或迎来爆发期 明年下半年有望出现AI应用的爆发期，特别是在手机端。手机端迫切需要新的功能来提升销量，而AI与手机的结合带来了巨大的潜力。苹果在封闭生态和高端客户方面具有优势，如果能找到合适的大模型，将帮助苹果实现落地和商业模式的精巧搭配。华为也有机会在下一代mate70上推出AI功能。终端厂商和模型厂商可能会形成战略结盟，类似于英特尔与Windows的结盟。在PC领域，微软的office加copilot组合有望提升生产效率，对PC销售有助推作用。 6.AIoT对家庭硬件的影响和挑战 讨论了AIoT对家庭硬件市场可能带来的变化，包括智能音箱和家电设备的控制。然而，现阶段的技术和成本限制使得终端设备的价格较高，消费者的接受程度有待考量。只有华为和小米等少数厂商构建了完整的生态系统，其他企业面临着很大的挑战。 7.AI和机器人对现实世界的影响 AI和大模型的发展将对元宇宙、AI和机器人产生巨大推动作用。服务型机器人的交互方式得到改善，成本也有所降低，未来可能在大场景商用中发挥重要作用。家庭扫地机器人和陪伴型机器人的智能化将进一步提升。AI技术通过轻型AI的助力可以提升交互体验，对AI销售有促进作用。元宇宙的内容匮乏是其核心问题，但AI技术可以为游戏和生成图片提供帮助。 8.AIPC与数据打通的问题及解决方案 讨论了AIPC（人工智能助手）与模型和应用数据之间的打通问题。提出了数据要素和数据交易市场对于解决该问题的可能帮助，并强调了商业模式创新的重要性。讨论了软件端和硬件端对于AIPC的变化，以及不同算力卡之间的通用性和商用的投入产出比问题。 9.中国GPU产业现状与挑战 中国GPU产业受到美国打压，但中国在GPU追赶速度较快。然而，GPU在算力、硬件维度和显存要求上存在问题。英伟达的软件生态酷达对上层应用开发友好，而国内GPU初创公司在软件生态方面与科大差距较远。国内GPU产业投入缩水，民间资本在芯片领域投资不多。 10.苹果和华为在明年的动作及进展 苹果和华为将在明年推出具有重大动作的新产品。苹果将打通自有生态内的应用，并展示其在手机和MAC上的优势。华为则通过基于自身生态的方式进行开发关注公众号白鸦投研，并计划与其他公司进行合作。目前，大模型和算力的发展趋势已经明显，但在一年后，很多公司可能会选择放弃，转而采取相互合作的模式。此外，由于目前市场上只有一家公司掌握了大模型技术，导致竞争格局激烈，这对于所有应用端来说都是好事情。然而，由于软件方面的相对落后，苹果的开发进展较慢。 Q&A Q：请问AI现在最具前景的应用场景有哪些？ A：从我从三月份开始接触这个，当然之前也接触过AI。然后目前看下来最比较扎实的场景就是在电商这一块，主要就是纹身纹纹身的图，或者是纹身视频这一块。 Q：目前最常见的AI应用场景是哪些？A：目前看下来比较常见的应用场景是客服这一块，售前、售中、售后。但是这一块是各个企业目前都在做，它是个tob的一个业务，有难点，坑不少。 Q：如果从目前的角度来看，电商和客服是最常见的应用场景，那么还有哪些潜在的应用场景？A：目前来说，像操作系统或电视应用这样的传统行业，它们是不是还能在AI领域提供新的应用场景。这一方面还有很大的空间。此外，目前AI领域也还在寻找能够带来颠覆性、爆炸性影响的应用场景。 Q：AI的本质能力是什么？ A：AI的本质能力是赋能，但很难独立成长为一个独立的赛道，需要依附于其他的场景和硬件设备。 Q：AI手机的发展情况如何？什么时候会是AI的突破口？ A：可能是一个比较好的场景，但目前还没有看到AI手机能带来比较震撼的效果。AI的突破口可能在边缘端或者是终端设备上的应用场景，目前已经有像AIPC这样的产品，但应用场景还非常有限。 Q：什么是AI手机的场景应用？A：应用场景可能包括手机的相册应用、拍照应用等。 Q：AI的终端设备应用形态是什么？ A：应该是一个copilot的形态，类似于像office的copilot一样，但难点在于跟第三方应用的数据交换问题，以及如何在商业模式上解决数据保护和分配问题。 Q：AIAPP的核心优势是什么？A：能够赋能原先的生态，让原先的生态变得更好。 Q：AIPC在国内短期内能否推动起来？ A：明年国内的AIPC量不会很大，而且各个企业在这块预算也很有限。 Q：AIPC与国内外的大模型在国内外差异主要在哪些方面？ A：大模型方面，国内大模型本身能力与GPT有差距，国内也没有平台级的办公工具，同时国内GPU市场被美国管控，而且GPU要与模型匹配，填平软件适配的坑也是一个问题。 Q：国内大模型的突破口在哪里？国内大模型的差距主要在哪里？A：国内大模型的突破口主要受限于算力和算法资源。国内大模型的差距主要在人才数量和技术水平方面，尤其是在中文方面。此外，硬件差距也很大。 Q：华为的生产工艺是否有限？ A：华为的生产工艺受限，比如英伟达开始用3纳米制成，华为撑死只能做到5纳米制成。 Q：国内获得大模型卡的难度大吗？A：获得大模型卡需要投入大量资金，国内企业即使资金不够，也买不到好的东西。 Q：云算力对AI应用的影响大吗？A：云算力虽然可以解决部分问题，但在模型迭代速度和算力池的差距上还存在很大的差距。 Q：大模型训练的价值是什么？AIOT在硬件方面的增量在哪里？ A：可以提升AI模型的准确性，但不能一直用于大模型训练，最终需要落地到应用端。不会很大，因为AIOT市场是碎片化的，硬件销量的提升需要在手机端实现。 Q：对苹果的最大利好是什么？A：苹果的生态是封闭的，做得非常好，中高端客户占比较大。苹果的整套生态可以跟其他应用合作，打通数据和接口。只要能够找到合适的大模型，苹果就有很大的机会。 Q：华为在明年的mate70上面会有什么新功能？A：可能会上线mate70上的模型大模型功能。 Q：明年手机和华为在下半年会有什么变化？A：明年苹果和华为在下半年的表现值得期待。如果苹果没有推出新产品，那就对它非常失望。 Q：AIOT智能硬件有哪些变化的可能性？ A：除了AI音箱，还有其他可能给AIOT智能硬件带来变化的可能性。 Q：家庭场景中的智能控制存在什么问题？A：设备控制都不在设备本身，价格太低，没人敢去做尝试。价格太高，消费者不买单。只有华为和小米有完整的生态，其他厂商还在构建中。 Q：华为和小米在AIoT智能硬件上的优势是什么？A：华为和小米有完整的生态，手机和家电设备都有。用户可以通过手机来控制设备，而且价格不会太高。其他厂商在构建生态，还不够完整。 Q：AI延伸到机器人领域会有哪些影响？ A：AI接下来对现在的元宇宙、AI、机器人都会有非常大的促进。 Q：服务型机器人交互方式有什么改变？家用服务型机器人会有哪些改变？A：服务型机器人的交互方式可以变成像人跟人一样的交互，提升交互体验。家用服务型机器人的成本会降低，更多应用于智能家居领域，如扫地机器人等。 Q：AI交互方式有什么改变？ A：AI通过交互直接投射信息到眼前，体验会上升，对AI销售有促进作用。 Q：数据交易对解决AI模型和应用数据之间的打通问题有何帮助？A：数据交易只能是开放，核心数据一般不会出现交易。 Q：AIPC对硬件端有何影响？ A：AIPC主要影响软件端，但对硬件端的边缘计算也会有影响。 Q：不同卡的算力会有区别吗？A：算力是硬件配置决定的，硬件厂商受益于销量增长，软件厂商更看重投入产出比。超算是用于国家、军事或政府型领域，商用和民用需要考虑投入产出比。GPU单单是算力要求大，硬件维度还有显存要求大、显存速度大、显存本身要大。中国追得很快，但算力追赶美国很难。中国GPU初创公司可能算力上提升上来了，但在软件生态方面与英伟达差距较大。库的软件生态很友好，但对国内GPU初创公司来说可能难以兼容库。算力追赶困难，但还是有追赶的动力。 Q：现在主要差距是什么？A：国内落后于先进制程，主要差距在单位功耗和算力上，但算力追赶困难。平台或生态方面与英伟达差距较大。 Q：苹果和华为在自有生态内的应用全打通方面有何进展？A：苹果在明年上半年一定会发布大模型，华为也在考虑基于自己的生态去做后排的，并可能与其他公司合作。 Q：现在其他应用与苹果的大模型之间的打通进展如何？苹果和华为的大模型进展慢的原因是什么？A：在现在每一家大的大厂都在搞自己模型的阶段，基本上是没办法打通的。到明年下半年，很多的企业会发现在大模型这块搞不出什么花样了，会采取相互合作的模式，比如开放一些数据给对方，商量利益分配的方式。苹果和华为的大模型进展慢是因为它们在软件和算力方面一直相对较弱，目前对开发的影响还不是很大，但时间问题需要关注。 Q：大模型和算力相对较弱是否会导致AIPC和AI手机的需求增加？A：可能会导致需求增加。