对话实录：AIGC的创业挑战和投资机遇在哪里？

摘要：8月底，由未来科技力主办的【模型思辨:大模型产业生态论坛:沸腾的资本、踏浪的 AGI】在上海举行，我们围绕大模型的 iPhone 时刻、垂直大模型的爆发，AIGC 产业落地应用和算力架构设计，同猎豹移动、易观、浪 潮信息..

8月底，由未来科技力主办的【模型思辨:大模型产业生态论坛:沸腾的资本、踏浪的 AGI】在上海举行，我们围绕大模型的 iPhone 时刻、垂直大模型的爆发，AIGC 产业落地应用和算力架构设计，同猎豹移动、易观、浪 潮信息、网易伏羲、IDEA研究院、竹间智能等产业链上下游、学界和投资界的20多位好朋友们进行了深入的讨论，也吸引了400多位业内人士及媒体朋友们的参与。作为全球化视野的科技内容平台和创新连接器，我们始终密切关注中国大模型产业的发展，我们深信，中国的人工智能行业最终将走出一条属于自己的创新与突破之路。

图源备注：图片由AI生成，图片授权服务商Midjourney

以下是圆桌论坛对话《AIGC的创业挑战和投资机遇》实录:

对话主题:AIGC的创业挑战和投资机遇

对话嘉宾:

未来科技力内容中心负责人，王兆洋

线性资本副总裁，白则人

元境科技创始人 CEO，王智武

Fabarta联合创始人兼 CPO仲光庆

造物云创始人邱懿武

王兆洋:请各位结合自己的公司，介绍一下你们身处浪潮里面8个月9个月至今以来的感觉是怎么样?如果做一个阶段划分，现在进入了什么阶段?

白则人:线性资本是在上海的早期投资机构，2014年成立了以后就一直做数据智能和前沿科技的投资，主要是围绕人工智能在垂直领域的应用，例如工业、建筑，甚至是农业这样的领域，我们都投过非常多的AI应用的相关公司，对于AI一直非常关注。

大概去年12月底chatGPT出来，我们非常惊喜。我们的一个被投企业，心识宇宙，出品了心智模型，最后希望能够让AI以更智能更拟人的方式提供服务。当时我们和他们的创始人交流，我们的投资团队，包括我自己，都是技术背景出身，对于chatGPT的出现，出于对于技术底层的好奇，更多探讨它展现出来什么样的能力、未来有哪些可能。当时我们更多得觉得chatGPT和原来传统的AI有非常大的不同，我们在今年初的时候定下的策略是今年会重点往这个方向去投资，到今天大概看了国内包括海外华人团队超过200多个项目。到目前为止8个多月过去了，基本上每个月AI都有很新的变化，但是8个月我觉得相对短了，如果非要说一个阶段的划分，在年前算一个阶段，当时更多大家把chatGPT当做一个AIBoT。chatGPT被大家接受，到它生成的能力，推理的能力，执行的能力，虽然后面更多的API等框架出来以后，能处理更多复杂的东西，尤其是创业圈里面大家最早做一个大模型，这个大模型落地到场景当中，它要解决它效率的问题，到成本的问题，再到最近的趋势，更多是看到大家在考虑把大模型往垂直产业里面用，回到商业本质的问题，目前的阶段我是觉得还比较早期。因为我原来在腾讯做AI，在17年加入腾讯，19年离开，当时也用过一些项目，如果说把深度神经网络算作前一波AI浪潮，我觉得目前算第二波浪潮中的一个早期阶段。

王兆洋:其实这8个月看起来很热闹，还是有各种交杂在一起，可能现在没有办法明确地划分。比如说应用，一个成熟了再进行下一个。我比较好奇，这个行业，或者说创业者的感受，你刚才说的一开始技术的认知和现在的认知有变化，跟投资人和你自己去看的认知是同步的，还是会感觉到有一些，你们看到了一些趋势，但是可能国内没有找到?

白则人:大部分是同步的，我们对行业的认知，一部分来自于积极的和创业者交流，另一部分是我们自己投资经验的积累，原来我们投了很多AI落地产业的应用，关注这些应用给产业带来哪些价值。根据这些经验积累以及我们对今天AI能力的理解，我们蛮期待AI在一些垂类的方向落地，比如说在工业的领域，在医疗领域等领域里面都会有比较大的机会。但目前看到在市场上相关的项目还比较少，我们的观点是，一些垂直应用出现的过程是相对缓慢的，这里面有市场教育的过程，包括产业里面的人对AI的认知、AI 如何帮助他们解决实际问题，其实都是长时间的过程。不过我们觉得这一波至少不像原来WEB3、元宇宙那样是“风口型”的机会，是一个相对长久的事情。

王兆洋:不会过于兴奋，知道有些东西需要时间才会进入到产业里面。

白则人:对，我们比较早看AI，今天看比较传统的AI，但是我们其实看到这波是既兴奋，但同时还保持足够的理性。

王兆洋:请王总讲一下这个阶段的融资、或者重要的节点性的事件，让大家对具体的公司在做什么有一些体感。

王智武:感谢主办方的邀请，我们是做虚拟数字人的，天娱数科给我们战略投资。我个人做这个行业比较久，2016年做到现在，我们做的比较早，从大模型开始，我们其实对于这几个虚拟的阶段也算慢慢地给它做一些区分。有几个阶段，首先第一个阶段就是虚拟的静态阶段，它是一个静态的虚拟，很多图片文本的存在，很早的虚拟，我们做成另外一种智能化形态的虚拟人。第二阶段是以视频呈现的虚拟人，精度比较低，但是需要真人驱动，需要视频去呈现。但是今年我们把所有的大模型，或者我们训练的垂类知识以后发现虚拟人可以进入第三阶段——AI虚拟人。AI虚拟人是落地比较早的方向，我们在虚拟人数字人两个方向的赛道上做了非常多的尝试;在垂直行业落下去，我们现在的虚拟人大致也会分到直播带货、医疗、金融、教育等等这几个方向，除此之外还打造了智慧前台、智能接待、智能客户的概念，智能客户的概念。

我觉得虚拟人可能未来是一种数字员工的形态，可能是一种数字劳动力的形态，也可能是数字陪伴的形态。我们其实比较看好的是TO B，在TOB的应用，但是从长线来看一定会往TO C走，我们现在也在做尝试。虚拟人如何跟C端做结合，这是我们今年下半年最重要的使命，往C端找应用场景落下来。

我们找的第一个场景就是老年人陪伴。老龄化确实是一个课题，我们也希望在这个方向上把虚拟人跟这些产业结合。我们对虚拟人总结有五个词，有记忆，有灵魂，需要他说话的时候整个神态，包括整个表达的能力非常像一个人。虚拟人除了有好看的外形之外，要有有趣的灵魂。第三个是多情感，需要表达的时候情感非常丰富，第四个是多感知，不仅仅是用文本聊天，还可以用图像聊天，用视频聊天，用语音聊天。第五个是超写实，这是我们下半年重点攻克的五个地方。

王兆洋:第二阶段强调虚拟，第三阶段强调人。我们这个圆桌的组合大家都离商业比较近，你觉得比较重要的或者已经产生现金流的业务场景。我比较好奇这些场景里面，更多是第二个阶段的技术已经比较成熟的场景去用，还是因为技术的突破?因为这些才带来新的场景里面没有这么多商业机会。

王智武:其实是技术带来的。我们以前用LP技术做AI虚拟人。那时虚拟人表达出来比较呆，说话的时候效果不好，大家都是拿它来做娱乐用，但是自从有了大模型之后，虚拟人可以像人一样。技术把我们往前推了一步，如果没有大模型，可能2.0阶段的虚拟人接下来还是一个主流。

王兆洋:接下来请仲总讲一下基础设施的领域。最开始大家以为是chatbot聊天机器人出来，后面发现水下面很深，这里面涉及到基础设施的公司，慢慢被大家重视，可能投融资的趋势也往这个上面转。

仲光庆:Fabarta 是一家 AI 基础设施的公司。大模型的诞生实际上形成了一个产业链，其中包含了很多分工。源头是提供大模型的公司，终端是开发者，而围绕大模型产业链中间的则是各种生态厂商，有的专注于行业模型，有的帮助大模型在企业、在业务中落地。无论以什么样的业务应用形式，大模型都需要一些基础设施来支撑它。例如，我们现在讲的比较多的向量、多模态，Fabarta 专门提供了一个一体两翼的产品体系，最底层的“一体”是多模态的智能引擎，这是大模型时代数据支撑的基础设施。当下在大模型落地时，我们也需要处理一些实际问题，例如优化大模型的推理能力，如果直接使用开源模型，客户的 GPU 资源消耗非常大，对此我们也进行了优化。“两翼”分别指数据和 AI。从大模型生态系统的角度考虑，在数据侧我们提供产品帮助用户通过智能化的方式治理数据、盘点数据资产，使数据在企业内部流通。有了数据，我们可以连通“AI 翼” ，希望通过这种一体化的产品体系，帮助客户实现数据数据流通，形成数据闭环，使他们能够把大模型真正应用起来。随着大模型时代的到来，从基础设施层面来讲需要有这样的支撑，帮助企业更好地实现大模型的落地与应用。

王兆洋:可以分享一下现在看到的包括客户和需求的情况。

仲光庆:因为我们主要做的是 To B，目前我们的客户主要是来自金融、制造等行业。客户需求非常旺盛，他们都希望通过使用大模型来改变他们的业务。通过我们跟企业的 IT 和数据管理部门交流，发现他们都在探讨如何有效利用数据，以及如何将数据和业务相结合。我们在市场上看到很多的机会，如果进行分类，目前主要有两类:一类是基于内容的生成式，例如各种智能助手等;另一类我们称之为“决策智能”，这是企业除了文或者图生成外比较关心的核心问题。目前，大模型在实际应用中还存在一些问题，尤其是在我国很多企业无法使用国外的 GPT3.5或者 GPT4。我们也尝试了多个大语言模型，发现与 GPT3.5相比，它们的效果确实存在较大的差距，包括智能涌现方面。当一个模型的能力不足时，确实会出现一些差距。但从客户需求来看，需求还是非常旺盛的，我们现在也正在进入深水区。过去，企业做了很多 demo，但是 demo 很简单，而当真正要在企业中落地时，要求就会非常高，不能有任何错误，特别是企业有更高精确性的要求的时候。我们也在解决这些问题的过程中，利用我们团队的核心优势，包括我们从图智能起步，进一步来融合大模型。目前无论是在工业界还是学术界，都有很多积极探讨，我们也正在积极参与。

王兆洋:邱老师，造物云包括您自己的背景，我觉得也是台上比较特殊的。作为一个连续创业者，您这一年来你的感受或者你自己公司的情况。

邱懿武:我们是天使项目，去年的时候我说我们是工业版本的酷加乐，我2013年毕业以后一直创业，第一家公司叫云造，毕业以后做互联网以及互联网代表的技术会改变制造业，过去10年，没有做造物云公司之前我一直做智能硬件的，设计研发品牌销售工厂我都开过，当时为什么做造物云合作，跟浙大的教授合作，浙大的设计专业是全世界唯一个在计算机学院的设计专业。70年代潘校长在做AIGC，90年代做计算机辅助，产品创新，现在进入AI辅助产品创新的时代。所以造物云的这家公司，做造物云有一点使命责任感做的，其实就是要把我们浙大这么多技术设计创新的能力做成更广泛的平台，给产业链里面的制造型企业，品牌型的企业，提供产品创新的能力。分几个阶段，最早有这个想法的时候是2018年，2018年这些新的AI技术来了之后，几个老师给我打电话，说看到这一代AI给设计方式带来很大变化。我们花两年时间做了第一代demo，我们稍微可以基于数据做这个生成的时候，还是用GAN，觉得效果太差，根本达不到企业级的应用效果，未来加速产品开发只要制造下去，3D是脱离不开的。我们先做3D，就先有了3D的解决方案。去年diffusion 刚出来的时候可以做插画，但是今年那群模特出来以后，大家都很惊讶，为什么视觉模型可以超越这么逼真的效果。在3月份开始之后我们全面地拥抱AI，我们造物云是真正通过AI的能力打通C to M，我发现一个比较有意思的现象，原来没有被工业化过的行业比较早被AI化。比如说手创、珠宝、首饰、家居等，只要AI有创意，师傅看到这个图就能够把这个东西造出来，就能够实现半标准化的工业的流程，有点类似于火车都不需要，直接进入高速的时代，我们希望通过这种方式让未来更多的消费品牌，或者个人都能够在下一个时代里面通过我们的技术能力和我们的平台，能够做出更好的产品出来。

王兆洋:我发现大家有两个共同点，各自的公司也好或者说创业，在这一波技术来之前，大家已经深入到商业环境里边，已经有一些技术，然后这个技术来了，这是一个点。第二个，我们每个人都对现在做的事有长期的经验，但是同时又突然发现我们以前服务的对象、需求，好像比我走的更靠前，更激进，这两个比较矛盾的。所以第二个问题要讨论的是，到底这一波技术各自的角度来看的话，尤其是这一个月两个月稍微冷下来以后，离商业最近的角度来看，它跟你们过往或者你们正在看的技术路线也好，或者用过的技术路线也好，区别真的很大吗?

邱懿武:我举一个例子，我们原来是图形为主的，也是我们浙大比较强的地方。刚开始GPT出来的时候，我本能地觉得这个跟我们作图的关系不是很大。去年12月份刚出来的时候我觉得是多一个小爱同学，好像聪明一点，没有太大的冲击力，但是最近这半年我们在思考，它是一个底层基础的通用模型，它会链接我们很多的要素，数字人它是一个载体，有设计的知识，也有营销的知识，也有工程的知识，我们想通以后我们未来设计的平台一定是语言模型的能力加视觉模型设计的能力组合一起，这就是这一代通用的模型给我们带来的。以前我们做NLP是很遥远的事情，但是因为有了这些以后，我们用它，相对来说使用的难度更低一些，我们可以更好地发挥出这个能力来，未来大家的要素构成到一起，就会组成不同的小宇宙，企业需要的是解决他的业务场景。不管你用了什么，把这个需求解决了，比如拿我们来说，企业要设计方案，作为一个设计公司，给客户提案的时候不能只给几张图片，也要有设计策略、说明，人物画像，或者是设计说明，图文并茂，未来一定是多模态多应用的方式，这一代AI给我们的好处是拉平很多基础建设。

王兆洋:通用性的属性，一方面对于你来说，可用性门槛低是开始用，可用性门槛非常低了，另外就是带来一个新的，没有这样一个工具，现在有了这样一个工具。请仲总也分享一下。

仲光庆:从商业角度来看，我认为现在的大模型或大语言模型与过去的技术有一些不同之处。我们可以从两个方面来评估一项技术对商业生态的影响。首先是从商业生态或产业链的角度看，这项技术的引入是否带来了一些新的变化。另一个角度是看它是否对传统的业务模式带来了一些变革，或者能够实现过去无法做到的事情。从商业生态的角度来看，我们已经清楚地看到围绕大模型已经形成了一个相对完整的产业链。虽然这个产业链仍在发展过程中，但已经初具规模。从传统业务和变革发展的角度来看，很多行业专家也在强调许多应用领域都值得通过大模型进行变革。其中一个大家可能比较熟悉的例子是智能客服。在2015年，我曾为一家公司开发了智能客服系统，当时遇到了一个问题:大家质疑为什么无论用户提出什么问题，智能客服的回答都是一样的。这让大家感到非常困扰，智能客服似乎变成了智障，对精准问题的回答也都千篇一律，无法提供个性化的精准回答。当然，现在大部分情况下已经能够解决这个问题，尽管还存在其他一些挑战。

另外，当时还有一个企业有需要但无法实现的需求。比如，许多大型公司提供审计服务，而这些企业很希望能够实现智能审计。审计是一项要求非常高的任务，需要根据各种规则核查企业的合同文件等。然而，随着大模型的出现，从生成的角度来看，它并不是一个最大的挑战。我认为大模型之所以能够胜任这些任务，有两个核心能力。第一个核心能力是大模型具有出色的泛化能力。第二个核心能力是基于自然语言的生成能力也非常出色。从自然语言的角度来看，大语言模型可以替代过去所有的工作，因为语言本身是人类交互的重要工具，大语言模型可以解决各种任务。基于这样的判断，我认为现在的大语言模型与过去的许多传统技术相比确实有很多不同之处。当然，它也面临着许多问题，我们正朝着更深入的领域迈进。

王兆洋:都在讨论技术不同的相关的方向，不同的特点。如果从商业的角度，企业方和客户方，我感觉这个技术从过往AI传统的技术，它天然地更接近于客户方，更能够满足他们，他们以前提的那些需求，其实如果从技术提供者的角度来讲，我解决你这个问题了，这些东西没有办法用现在的技术解决的，他们现在最朴素的需求，反而是这个技术可以解决的，我觉得对于商业化更有帮助，因为他最朴素的感知的东西，这个技术天然的解决掉了。

仲光庆:过去很多企业连 IT 技术都不成熟，现在基于大数据，企业的业务也发生了变化，可以对企业流动数据进行信息挖掘来支撑业务决策。过去要解决这个问题，需要进行漫长的业务开发过程。而现在，基于这种相对比较通用的数据，只要数据质量 OK，就能快速生成新的业务形态，可以试错，可以迭代。最重要的是，这种改变可以伴随着业务的成长和发展，这是现在许多企业非常关心的，因为业务发展速度实在太快了。

王智武:我其实对这个事情感触很深，我们以前跟客户做交互之前，比如说跟大客户，包括我们B端客户服务的时候，我们最早之前所有的都是要堆大量的人服务，很多的同学服务一个项目，包括开发，包括我们内部的同学，需要大量的人做事情，我记得原先最多的时候人员有小200人的团队，做乙方，做整个服务真的很辛苦，我们后来总结过，每次服务完一个客户以后都会做复盘，里面有几个点很重要，第一点你抓客户需求的时候，人去想的事情可能未必是人家想要的，沟通上很难达到一致，我印象深刻有一个客户，我们设计师花2周时间画一个草稿，甲方说不是我想要的。那时正赶上ai画图刚出来，我们当时就试了一下，生成4个图，用10秒时间，发给客户，客户选了其中一张，并表示“这就是我想要的”，10秒钟，当时深深震撼了我，这是第一，我印象非常深刻。

第二次是客户需要我们提供方案的时候，有了chatGPT，我们的同学现场写了很多点，客户竟然同意了，我们商务的同学发现自己变成一个策划了，又能策划，又能做商务转化，我觉得很好。还有我们做内部开发的同学，以前要写，脚本的代码，或者封装好的小模块的代码，基本上一个人要两三天，或者一周，有可能还报错，出bug，但是用chatGPT跑一个代码，也是10几秒。内部同学现在飞速发展，我来上海之前还在说，我们做肌肉系统的方案，看了几眼都惊呆了，那个肌肉非常真实，我们AI在每个环节都有替代性，周六我们跟同学提一个新任务，9月份重新开始AI的考核，每个人都要会AI，我们的同学每个人出来都对AI的工具非常熟悉，我们对外服务客户的时候让客户知道你是专业的，做内部流程开发的时候自己也是提升效率的。设计已经大量在失业，包括程序开发，你们接手的那些东西，不久的将来会一文不值，其实我一直在想一个问题，我们把AI的技术能力跟虚拟人合一起，到底未来要提供一种什么样的形态?其实是一种陪伴型的工作助手，在工作当中帮你处理烦恼的事情，这个虚拟人有了AI能力以后，在垂类方面表现很好的时候，他24小时在线，可以无限处理很多事情。我们现在希望用这样的AI帮我们真正得降本加增效，在我们内部整个协同上已经发生了，包括我们跟客户交互上也发生了，两件事情都在发生。大模型和AI已经渗透到各行各业了，这个行业对于虚拟人公司来说，对于我们来说是一个挑战，但是更大是机会，我们想挖掘这样的机会，给各行各业垂类的应用场景里面去，把AI虚拟真正做到一个能够帮助大家的地步，而且以前的虚拟人，我们叫身份型虚拟人，我们推出国内首个文化出海的虚拟人，叫天妤，也做过各种代言，虚拟人像明星一样存在，他的影响力非常高，但是制作成本非常高，我们赋予这样的能力，让制作成本降低，AI给了我们这样一些能力，以前那个虚拟人我们叫身份型虚拟人，像偶像明星一样在生存，但是接下来的虚拟人我们叫服务型虚拟人，有服务意识，可以没有属性，但是知道他的工作身份，可以帮助我处理很多事情，这是我们现在已经发生的事情，而且很确定，所以接下来会呈现非常多的形态和场景。

王兆洋:其实提醒了我们对这个技术没有足够重视，有一个特点，从商业最重视的效率成本，包括客户的需求来说，这个技术吸引力非常强，但是同时确实存在好的，第一时间离我很远，这也是人类的一个幻觉，这个技术这样去看的话认为它是一个短期还是长期其实已经有答案了，请白则人也分享一下。其实这个技术出来，你之前也分享过，你希望参与深入的技术***。

白则人:原来我们做NLP要处理很多的子任务，认为一个更像人的语言模型是图灵问题，但今天突然发现大家都在用这种能力，根本不提图灵测试这件事了，好像顺理成章已经踏入这样一个门槛，这是我感受最大的不同。刚才提到商业的问题，刚才几位嘉宾也都讲了大家真实在一线上的感受，我谈一下稍微宏观的理解。我想从生产力和生产关系这样一个角度谈一下我的一些感受，大家都说这一波AI是第四波的工业***，因为它具备了最主要的一个条件:它产生了新的生产要素。从第一波工业***机械化，到第二波电力的出现，第三波工业化数字化信息化，第四是机器通用智能的东西，因为机器这个事表示了可规模化生产的能力，通用智能它今天已经足够可以处理很多复杂的任务。我们原来看AI，更多的是说AI落地的时候是AI+的概念，用AI的能力，当时叫小模型解决产业里面垂直的问题，我们当时需要不管是收集数据，做标记，构建模型，还要经历很长的过程，可能一开始没有做那么好，从简单的任务上超越人类。今天的AI一上来就有很强大的能力，我们提高模型能力的方式是去对齐专业领域专家，让它能够解决足够复杂的专业问题，当这样足够复杂的，我们原来觉得稀缺的一个知识密集型的任务能够被AI解决，一定带来很大的产业机会，这一波非常的不同，举个例子，拿硬件工业设计场景为例，外观的设计，功能的设计，仿真的设计，还有模型的部分。由于这么多环节的存在使得熵增的过程被拉长，极大降低了满足需求端的效率。AI能够在其中使得解决这个问题的过程更接近需求端，极大释放需求端，甚至可能改变产业结构，这是我简单从宏观角度谈一谈，这一波 AI带来的最大的不同吧。

王兆洋:你整个的逻辑还是体现在，包括线性的特点，你自己本身懂这个行业，一些技术的著称，有一个问题，刚才提到的这样一个逻辑下面，你们自己，本身线性跟过往形成的投资，风格或者方法，现在有没有什么冲击或者怎么应对，做一些调整?

白则人:我觉得有变化和不变的地方，不变还是基于商业本质，变化的地方，如果谈冲击的话，我觉得最大的冲击是这一波AI的应用，从技术的这一侧，大家能够很快地通过和 GPT 的结合，做出来一个过去完全不可想象的产品，可能带来两个问题，第一是所有人的起跑线拉齐了，原来基于小模型的那套技术可能就显得不是那么重要，使得原来有很强的数据积累的公司可能走的更快，这是第一个问题。第二，某些方向可能变成红海，这对我们来说可能是最大的冲击。但回到商业本质，这里面还是有蛮大的机会，虽然进入的技术门槛更低了，仲光庆总也提到了，我需要解决的是它的不可控，它的合规性，甚至在底层的创新，包括计算效率，降低成本的问题，里面有很多工程优化的问题，再到技术产品化，目前用一个AI的能力看到效果以后，它是一个产品了，今天我们还是看到了有不少的创业团队，把AI用到自己的垂直联合场景，需要评估一件事，我的AI应用的项目，我的能力80% 是来自于大模型的，还是说大模型的能力在我们这里面有很强的壁垒构建，对于整个垂直工作流更理解，我能够在这个工作里面建立有效的产品，能够形成一个闭环，对于这个工作流里面某些专家，工业设计场景里面有不同的专家，搞仿真的这些人完成复杂的问题，不是单纯的依靠大模型的能力，还是回归商业的本质，对于场景的理解，能够真实的解决客户的问题，持续的提高解决问题的效率。

王兆洋:很有意思，既是很强大的技术能力，同时又是一个门槛，把很多人拉回，导致过往进入红海中间的概率非常短，所以认为这是一个重要的商业机会的时候成为一个红海，进入这个阶段，又是过往的一些积累，也不是说过往的积累都不算，这是很有意思的技术积累带来的一个现象。

白则人:中国的传统行业其实规模都很大，当今天有AI出现的时候这些产业有弯道超车的机会，他们非常渴望降本增效的机会，但是我们目前看到的比较少有创业者能够了解他们具体在干什么，但是这些垂直产业里面的问题，其实刚才提到的问题，如果有人愿意能够把这些长链条的问题通过AI往需求端贴近，能够释放这里面需求端的潜力，我觉得会产生更大的机会，我蛮鼓励大家往垂直领域看一看。

王兆洋:问一下王总一个问题，我们提到虚拟人会有一个比较明显的落差，其实大家提到虚拟人第一时间联想到是C端的东西，事实上我们去看虚拟人的公司，整个的收入，或者说商业模式，还是基于B端的，它是一个正常的现象还是短期的一个现象，接下来怎么样发展?

王智武:因为现在整个虚拟人从一开始它的制作门槛高，技术门槛高，应用门槛高，整个虚拟人的阶段，你往前拉的话被这样的费用抬起来，C端想入局很难，有了MMD的模型开源之后，我喜欢把同人作品发到B站或者其他社区上，让大家一起共创，这是他们当时提出的。第二是运营成本，把这个虚拟的发出去，也不是说做成内容化的规划，我想到什么做什么，实际上那样不成体系，后面哪怕做一点流量很难变现，哪怕是C端用户，很难说做成真正的商业场景，很难跟品牌接合，品牌更看重长期价值，更看重里面的设计理念，包括你的文化，我觉得整个限制，但是自从这一波，包括前一段时间不断开源的模型，还有3D技术模型，这个技术一旦突破，虚拟就真正进入消费阶段，现在还缺一个契机，B端首先是有钱的，愿意付费的，B端定制化的需求永远都在，而且对于个性化要求更高，只有你服务他们的时候才能让整个的设计理念做出来，我们是缺一个契机，把整个的门槛拉下来，比如说有一整套的工业化的产品，或者流水线的产品，让大家都去玩这样的虚拟人，或者说在每一个人的桌面上出现的时候，它其实也是一种场景，我们今天也是在尝试，虚拟人成为一种陪伴，或者说一种虚拟的助手或者助理，或者说这样的身份，实际上需要特别多的技术的开发，这里面需要一个联通技术，需要把各种技术揉在一起，。我们做一整套的训练系统，我们有自己的垂类模型，我们自己训练的，一些开源的模型，我们自己调的，调的这个就是垂的领域模型，我们把垂直模型训练的足够的机器，接下来就是给C端特定人群或者垂直人群做，不是每个人都可以用上，我相信很多人没有这个能力，我们针对于某一些人群给他做知识类训练之后的垂直模型，C端应用，C端是我们今年的技术重点，不一定今年出来成果，相信今年很多企业都在看，今年不一定出来成果，明年一定会出来，就是往C端做相关的应用，C端意味着这个东西会先免费，先把这个储备好，所以对于我们来说是有压力有挑战的，目前还是B端为主。

王兆洋:C端很多人共识是大的机会，也不是等着这个机会，做一些准备，无论是场景的准备还是技术整合的准备。

王兆洋:问仲总相关的问题，技术本身不一定是全新的东西，而是很多技术整合的，如果某种技术领域划分，里面有图计算，有数据库这些，其实我们最近也会看图计算这样一个概念，它跟任何技术的东西结合，很难说大模型，有一个边界感，纯粹的技术，我想请您分享，我们看了核心的这些技术，它并不是因为这一次大模型才出现的，这些技术是现在我们把它包装成图智能的概念，或者用这样的东西做商业化的时候，那新的技术，我们叫大模型的这个技术有什么变化?它带来一些新的机会?还是传统的技术有一些新的应用?

仲光庆:让我简单介绍一下图技术。当我们提到图时，很多人会误解为图片，但实际上它是基于关系网络的数据。为什么这种技术如此流行呢?因为它基于数据网络进行挖掘，可以进行深层次的数据挖掘。通过网络关系，可以从个体的特征推导出群体的特征。图技术涵盖了许多领域，我们从图技术领域起步，打造出了一个图智能引擎，这个引擎当中包括图数据库和图计算引擎。图计算引擎利用迭代式的算法，例如像最近流行的电影《孤注一掷》中的转账情节，转账后到第5层以后很难追踪。但我们可以实时跟踪这样的数据，我们将神经网络与图结合起来，因为图本身与 AI 是一家的，在大模型出现之前，图就已经存在了。大模型问世后，人们开始尝试将它与图进行融合，因为大模型目前存在的最大问题是缺乏可解释性，而图具有确定的网络结构。在图的延伸方向上，大家可能更熟悉的是知识图谱，即将许多知识以图的结构存储起来，利用知识图谱与大模型相结合解决问题。通过图技术和大模型的结合，可以有效提升大模型的能力。例如，通过图，可以让大模型更好地理解语义，可以基于一些事实数据进行逻辑推理。除了这方面，我们还在处理多模态的数据类型。现在大模型算法出现后，大家还需要统一的向量引擎平台的能力，而我们可以将确定性的图与模糊性的向量结合起来。在某些业务场景中，我们已经在实践中落地这种方法。这些都是大模型带来的一些改变。其实从创业者角度来看，还是要看你关注的领域有什么变化。从我们关注的领域来看，大模型的出现一定会加速企业内部数据的流动。过去，企业的数据业务智能无法实现动态性，如果想生成一个 BI 报表非常麻烦。很多年前国外就开始尝试解决这个问题。而现在，大模型的出现使得我们可以利用其能力快速生成一些指标。

另外一个是关于 AI 应用和落地方式的判断。过去 AI 落地过程非常耗时费力，花费了大量代价之后发现落地有问题，使得企业无法及时响应业务需求。然而，在现在有了优秀的大模型后，那么我们就可以很方便地帮助企业将数据和业务紧密关联起来，将数据与模型相结合，以便在业务中充分利用它们。对于我们来说，为了应对这种变化，我们设计了当前一体两翼的产品矩阵。对创业者而言，创业者只需要分析你所关注的领域，围绕该领域的变化考虑需要做出什么样的改变，可能需要顺势而为，也可能比以往做得更好。

王兆洋:这个技术带来数据又被盘活一点，现在意味着数据的东西还是有很多被挖掘，或者是再流转的机会，这个机会就需要解读数据关系。

仲光庆:确实，当前国家已将数据定义为生产要素。数据治理是合规性的要求，但过去主要依赖人工进行监管和合规。然而，如果企业能够有效利用数据并围绕数据产生价值，数据可以得到高效的流通。举例来说，制造业并没有像银行那样的监管要求，但他们也在积极治理并使用自己的数据。在我们的工作中，不仅仅依赖于多模态智能，我们还需要激活这些原生数据，并利用这些数据。

王兆洋:刚才你讲的时候很有意思，反而那些没有工业化水平很高的行业接受这个新的意愿也好，或者改造起来更容易，其实有点像中国移动互联网的逻辑，从PC时代直接跳到互联网，关于你现在做的这个公司，其实你这个公司有一定的野心，比如说现在这个时代里的平台的设计，造物云是不是也想做下一个时代或者这种量级的公司。

邱懿武:当时我们看到PC时代就是一个软件工具，它到了云的这个时代，因为云天然有这个结构的属性，就带来新的内容，叫做属性的维度，我们看到AI时代也有很多人讨论，它替代的是一个搜图工具一样，寻找一些创意，企业会提出来，midjourney 的方案都落不了地，因为跟它的创意和时间找不到平衡点，我们重新思考在中国是属于AI这个时代的工具或者平台的属性应该是什么样子?第一，TO C里面是挺难的，在TO B的里面，哪怕是在一些垂直领域midjourney 都打不过我们，对于这个产业我们设计什么东西，需要做模型的，企业要的是这种，我给企业说用模型做的跟midjourney 做的你觉得用哪个好就用哪个，进入到业务场景当中，前面几位老板也提到这个点，在这个业务场景当中它不是单点的问题，在中国未来会形成一种产业设计的平台，酷加乐它形成了一个产业协作的网络，这就是中国特色的软件平台，或者说saas的这种方式带来的应用，在特定的行业里面也会形成产业属性的既有AI能力又有设计工具，又面向于解决应用场景的。

王兆洋:最后一个问题，也是今天分享的最后一个环节，可以再抽离出来，我们今天分享聊了很多具体的商业的，这个技术它其实还是有很强的让人充满想象的环节，包括上一个环节很多设计师的分享就有想象的味道，抛开你自己的身份，对这个技术，比如说更远一点的未来，包括对你的生活或者事业公司带来的终极的样子。

邱懿武:我最近在思考什么是不变的，比如说从我产品的这个角度来看，我最近在看历史，比如说一个紫砂壶，200年前的紫砂壶和今天的紫砂壶和200年之后的紫砂壶都是差不多的，什么要素不变的，比如说苏绣，成语，寓意，在不同文化艺术里面，都是有共性的，环境珠宝好的寓意这些品类当中是共用的，我觉得可变的东西太多了，什么东西是不变的，我们训练很多，我们中国大概有200多个工艺全部训练成这种模型，海外的这些人都可以用，在未来哪怕变化再多的里面，可能是一个不变的因素。

仲光庆:我今天早上其实看到一个关于图灵奖得主 Bengio 带队的论文《Consciouseness in Artificial Intelligence》，这篇论文说的是现在的 AI 是没有意识的，但是如果我们想让 AI 拥有意识，这是可能的。如果当 AI 真的具备了意识，未来可能像电影里面的场景一样，人就要考虑如何与其相处。但是人类相对更为智慧，我们一定可以使 AI 更好地为人类服务。

王智武:我接到虚拟未来应该是一种什么形态?可能它会大大得代替人的一些工作，之前我和朋友开玩笑，我说想当一个废物，他说为什么?我想躺平，我只要眼神一交流就可以对接工作，然后我就是负责吃玩，虚拟人帮我工作，两个虚拟人能够互相听懂说什么，未来我就是做一个废物，虚拟人完成一些好玩有趣的东西，我觉得这是一个美好畅想，也是希望用虚拟人的一种形态未来真正帮大家减负，这是一个美好愿望。

白则人:更多还是在研发的流程里面，我在想一个事，今天由于智力的稀缺，使得跟我们人类关系比较大的领域里面，癌症的治疗，新材料的发现等这些方向，都很大程度上依赖少数的一些头脑最活跃的人去攻克难题。我在想今天的AI强大如此，是不是能够帮我们在探索新的方向上面起到更大的作用，使得人类不被疑难杂症困扰，从一级文明跃迁到下一个阶段起到更大的帮助。

王兆洋:谢谢大家。