周鸿祎：在大模型时代，创业者值得干点什么？

12月19日，由创业黑马主办的“第16届创业家年会”在北京举办，年会主题为“AI新纪元，破局向未来”。会上，特邀嘉宾、360集团创始人周鸿祎做了《在大模型时代，创业者值得干点什么》主题演讲。

周鸿祎表示，现在已经是大模型时代， AI给了创业者一个比互联网更大的机会， 要建立AI信仰，保持敏锐、要有紧迫感，但也不用慌。他预测， 如果说2023年是大模型之年，2024年是专业大模型之年，那么2025年将是智能体之年。

周鸿祎分析了大模型发展目前呈现的8大趋势，表示：如今大模型已经演化出两条发展路线，第一条是AGI之路，第二条是应用之路。“ AGI是全球少数巨头的游戏，更多创新的机会在应用之路”， 他认为，走应用之路，不是卷算力、卷数据、卷参数，而是要用好大模型的六大能力，发展6大应用方向：人人智能、万物智能、数转智改、未来产业、科学研究和AI安全。

周鸿祎提到，普通的创业者和中小公司唯一的机会，是在应用之路上找创新场景。 去年有部电影叫《年会不能停》，里面讲了一句特别深奥的话：“解决问题的关键在于找到关键的问题”。 目前关键的问题，就是应用一个大模型就做好一件事。

周鸿祎还强调： “大模型不是中心化的‘电力’，而是去中心化的‘电动机’。” 对于如何抓住这一时代机遇，他也给出了四个建议：1）人人AI，企业内部人人都先用起来；2）企业办公和营销场景要率先AI化；3）建立企业知识中枢；4）选择业务场景，打造专业大模型和Agent数字员工。

以下为创业家&i黑马编辑后的周鸿祎演讲：

我是黑马的老朋友，黑马“不端不装有点二”的Slogan，就是从我这儿借来的。前面的演讲者讲得非常好，我就讲讲细节： 在座的各位企业家和创业者，如何拥抱大模型？

如果认知不对，你就赚不到钱。 要建立AI信仰， 保持敏锐、要有紧迫感，但也不用慌。我把它写成“信仰”，是因为每次出现新技术、新变革、新商业模式，总是有很多人怀疑。典型的是心态上看不起，因为看不清，也不愿花时间把它看懂，到最后就看不见了。

AI是一个比互联网更大的机会。

AI这件事，特别是从2023年大模型横空出世到今天，依然有很多争论。我编了三个问题，叫 “AI三问” ，大家可以自我对照下。

你相不相信大模型是真智能，是人工智能的重大拐点？

你相不相信大模型是一场工业革命，将重塑所有产品和业务？

相不相信不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰？

把AI比喻成工业革命，意味着它会把所有行业、所有业务、所有产品都重做一遍。网上现在有很多人热烈讨论，会不会被AI淘汰？其实AI不会淘汰人，而是你自己拒绝AI，不用AI，你会被拥抱AI的企业和个人淘汰掉。历史上，工业革命进程持续了上百年，从计算机出现到互联网革命，也用了三五十年，AI革命最快也需要三到十年。

AI给了我们一个比互联网更大的机会。

很多人总喜欢用互联网模式看人工智能，觉得历史可以重复。我认为这两者非常不一样。当然，没有互联网算力、数据、人才和算法的积累，AI不可能走到今天，但互联网只是连接平台，人工智能则是生产力；互联网是赋能性技术，生产力属性较弱，而人工智能既能单兵作战，也能外部赋能。

互联网之所以具有颠覆性，是因为它切断了旧链接，建立了新链接。互联网通过虚拟空间和虚拟社区，建立了新的人和人、人和信息的联系，这是一种零和游戏，用户到了你那，就不在我这儿了，并不是直接给生产力赋能。但是 AI技术，改变的不只是连接，它的工业属性非常强，而且可以直接带来科技的进步和转化。 就像Alpha Fold 得诺贝尔化学奖的蛋白质研究，可以直接让人类攻克疾病。

人工智能有很多属性，但一定要把握其中最重要的属性，那就是生产力属性。 我国打造新质生产力的核心抓手，就是人工智能和大模型。我不建议各位复用互联网经验去刻舟求剑，不要一上来就想着做颠覆式创新，要先赋能，再颠覆，因为它的生产力属性很强。

我们看目前所有耳熟能详的国内外大公司，包括苹果、特斯拉、谷歌等等，目前用AI做的主要工作都是赋能，而不是思考怎样颠覆别人。先思考自己的业务能不能用AI重做一遍，在这个过程中，企业的第二曲线，或者说企业的未来战略就呼之欲出了。

01

大模型发展的八大趋势

下面分享一下，我最近看到的几个大模型发展趋势。

1）AGI发展步伐在放慢。 我之前以为AGI很快能实现，因为山姆·奥特曼特别会说，我也相信了他的预言。但是最近的AGI发展步伐在变慢，Scaling law效应在递减。之前人们以为，堆了算法和算力，只要规模无限加大，训着训着，一个宇宙超级无敌的人工智能就会出来。但最近llya说，可用的数据已经用得差不多了，大模型也还没达到那个境界。所以，我觉得AGI不会那么快，像之前说2027年会到来，现在我认为，至少还要有5年到10年的等待。

2）“慢思考”成为新的发展范式。 这与第一个趋势是相关的，Open AI一开始做的GPT，属于快思考模式，你问问题，它即时回答。人们发现，这一模式的AI智力达到一定水平后，就上不去了。于是人们进行了新探索，发布了新模型，采用“慢思考”的模式。就像别人问我问题，我想的时间越长，答案就越精准。这也可能是一个AGI在早期的突破点。

3）越做越专。 之前很多国内厂商宣传大模型时，都强调无所不能，既能写诗，又能作画。但现在发现，真正在某项能力方面超越人类的模型，都是专业模型。我最近看了很多资料，包括Open AI都开始承认，背后用了多个专业模型来协同工作，而不是用一个大模型做所有事情。举个最简单的例子，谷歌的阿法狗下围棋很好，但是不会写作文。所以，人工智能超越人类，是先在某个领域超过人类，还是一下子变得无所不能？我个人认为，越做越专是未来的趋势。

4）越做越小。 大模型发展还有个问题，是应该越做越大，还是越做越小？做大，会带来算力和成本的问题。现在有一个趋势，大模型要进入手机、汽车和各种智能硬件，所以大模型要往小的方向做。如今，10亿参数以内的模型比比皆是，而且越来越多。

5）能力越来越强。 有人说，模型做小以后，能力也会变弱，这个观点被颠覆了。因为之前训练模型，什么东西都往里灌，很多数据的质量不高，导致模型能力不强。今天的大模型能力取决于训练数据的质量，数据质量越高，大模型能力越强。这也给了我们一个启发，Open AI觉得数据枯竭了，但是我们做专业模型，在公司内部有很多隐藏的显性或隐性的知识，并不会提供给别人。所以在知识上，大家不要眼睛盯着互联网，而是要盯自己的业务，通过慢思考，也能增强小模型的能力。

6）成本越来越低。 前两年，买一个大模型要好几千万，还有人开价上亿。经过这几年的发展，大模型变成了大宗生意，开源大模型比比皆是，你可以拿来做自己的模型，比白菜还便宜。而且国内外提供的云服务价格也下降了百倍。

7）智能体推动大模型快速落地。 之前大模型在企业里落不了地，很大程度上是因为它的形态。它只是一个对话机器人，以聊天为主，“君子动口不动手”。但是大模型要在企业里落地，一个最基本的要求，是一定得能挽得起袖子，干得了活，脚能踩泥。所以AI Agent这两年起得很快，我叫它“智能体”，更贴切的说法是“数字员工”或“数字专家”。之前是辅助性技术，现在变成比大模型还要关键的核心技术，大家一定要关注Agent，它是驱动大模型落地干活的重要力量。

8）Infra（基础设施）接近成熟，应用开始兴起。 美国前段时间有一个讨论，大家买了英伟达很多显卡，英伟达的股价这么高，还需要继续这样下去吗？答案是NO。说明当下Infra（基础设施）已经可以了，要开始做应用了。这跟互联网很像，当年互联网泡沫破灭时，很多公司投了很多钱在光纤网络和路由器，把基础设施搭起来了，如果没有后来出现的一系列应用，互联网真的会成为一场泡沫。现在，大家不要再琢磨Infra的事了，直接做应用吧。

02

未来的两条发展路线

刚才讲了跟企业应用相关的八个趋势，下面是今天大家要记住的最重要的结论。

如果说2023年是大模型之年，2024年是专业大模型之年，那么2025年将是智能体之年。

在2024年，大家已经开始反思，大模型走向专业化和场景化。到2025年，大家将更清楚，只训练大模型也还不够，需要打造智能体。

大模型产业，已经演化出两条发展路线。

第一条是AGI之路， 探索全面超越人类的超级人工智能，卷算力、卷数据，让大模型向着万亿参数发展，这条路跟绝大多数人和绝大多数企业没有关系。

第二条是应用之路， 放弃打造全能大模型的执念，让一个大模型干一件事，把大模型“拉下神坛”，向场景化、应用化、专业化、垂直化方向发展。

我反复提出要把大模型拉下神坛，为什么？因为如果它像超级电脑一样，被供在高高在上的地方，不会给各位带来什么影响。当年IBM发明了超级电脑，并没有发生信息革命，是PC走入千家万户和千行百业后，才带来革命。今天大模型跟应用相结合，对我们国家来说特别有意义，因为我们的工业门类最齐全，产业链最丰富，而且我们的实业场景是最多的。

AGI（通用人工智能）是全球少数巨头的游戏，在美国这条路就属于那七八家巨头公司。而且通用人工智能竞争很激烈，辛辛苦苦训练一个模型，没几天就被超越了，无法形成技术壁垒。所以， 普通的创业者和中小公司唯一的机会，是在应用之路上找创新场景。

去年有部电影叫《年会不能停》，里面讲了一句特别深奥的话：“解决问题的关键在于找到关键的问题”。我认为， 目前关键的问题，就是应用一个大模型就做好一件事。 当年使用过ChatGPT以后，我就说，这是一种强大的能力，但不是产品。如果一个产品承诺啥都能干，用户对它的期望就不知道落在什么地方，而且满意度会非常不稳定。对话机器人的聊天方式，需要复杂的提示词的使用方式，决定了它是强大的能力而不是产品。

有人说，我是在把大模型庸俗化。 没错，我的目标就是把大模型“庸俗化”，让普通人不再仰视，撤下它的神秘面纱。

03

用好六大能力，发展六大应用方向

如果走应用之路，就要用好大模型的几大能力。过去，国内大模型公司普遍犯了一个错误，每次介绍大模型时，都只介绍好玩的东西，最好玩的就是写小作文，做小视频，画奇奇怪怪的图案。这让很多传统企业有一个误解，觉得大模型很有趣，但是不能干活，跟业务没有关系。

其实，大模型有六个层面的能力：

第一层，跟 语言文字 相关的基本能力。

第二层，AIGC的 创意能力 。

第三层， 多模态能力。 这一点越来越重要，因为企业要处理各种数据，各种物联网络，多模态让人工智能不仅能理解文字和语言，还能听得懂我们的声音，看见发生了什么事情。

第四层， 业务能力 。这是对传统企业最重要的能力，传统企业普遍面临数字化改造的任务，利用大模型可以加速数字化进程，把数字化结果进一步智能化。

第五层， 创新能力 。

第六层， 科学能力 。

与这六层能力对应，我们总结了大模型的 六大应用方向 ，供大家参考。

方向一，人人智能，打造个体超能力。 人工智能是人类发明的最有力的工具，携带人工智能助手，可以让每个人拥有超能力，围绕这个方向有很多创业机会。比如，对于一个不善于交流的人，HR助手给出一个建议，根据刚刚的聊天内容，应该提这些问题等等。在这个方向上，要避开巨头的常见场景，深入了解现在人们对人工智能的具体需求。

方向二，万物智能，从万物互联走向万物智能。 有人已经在讨论，什么时候硬件可以AI化？我的观点是不管三七二十一，先试着用AI改造，未来所有的硬件都会有一个大模型。无论是车，还是手表、眼镜、PC，都可能因为大模型化，创造出新的能力。最近Facebook做了一个智能眼镜，没那么重，看到以后马上可以拍照搜索，卖了几百万副。有了AI以后，虚拟现实和元宇宙就有可能成真。

方向三，数转智改，助力传统产业打造新质生产力 。 AI可以帮助很多传统企业推动数转智改。这时就不能用通用大模型，因为通用大模型对企业的知识不了解、语境不了解。所以必须要给企业打造一系列的私有化大模型，而且不要幻想用一个大模型解决企业所有的问题。未来企业内部，一定会有多个大模型和多个智能体协作，来推动业务的发展。

像美国斯坦福医学院，就是一个利用AI实现传统企业数转智改的典型范例。他们发现目前的业务运转有三个卡点：第一，病人看病要通过家庭医生给斯坦福医院发传真，需要有人去理解传真、录入，这需要一个上百人的队伍；第二，需要有很庞大的客服队伍给病人打电话，来落实什么时候来看病；第三，看完病以后，还得有人写很专业的报告，找保险公司报销。所以他们就与一家AI公司合作，针对这三个场景，做了三个智能体，来解决这三个问题，背后是三个大模型，分别应用了大模型的多模态能力、写作能力和知识获取能力。

方向四，赋能未来产业和新兴产业，变不可能为可能。 大模型会给未来的数字化企业带来的新的算法和新的解决问题范式。如果没有大模型，今天所有的自动驾驶想做到无人驾驶是不可能的。特斯拉的Robotaxi之所以有信心在全国推广，就是因为经过训练后，大模型产生了举一反三的智慧涌现能力。另外，有一些大模型已经可以把工程师写的人工代码替换掉，全部变成机器学习。这为企业提供了新的解决问题的范式。

方向五，AI for Science，打造科研新范式。 这是“皇冠上的明珠”，今年的诺贝尔奖物理学奖和化学奖，给了两位AI科学家。这也给了我们一个启示，未来研究基础科学也要利用AI范式。AI处理文字和语音的过程，是把它看作一个序列，如果已知序列足够多，就能把下一序列预测出来。那么，也可以把基因看作一个序列，把一个细胞的分子构成看作一个序列，把蛋白质的构成看作一个序列，试试大模型，有可能会产生奇效。

方向六，AI安全，实现安全的自动驾驶。 这个方向是我塞进来的，因为我是做安全的。今天使用大模型，都是当作个人工具，哪怕说错一句话也没有什么大影响。但如果大模型跟企业业务系统融合在一起，跟无人机结合在一起，可以按武器发射按钮时，它出错就会产生很大问题。大模型可能产生幻觉，可能伪造信息，也可能被人PUA，这就需要安全防范。

04

从应用到服务，四个建议

最近，美国人又造了一个新词，叫 “从SaaS到SaaS”。之前的SaaS是“软件即服务”，现在SaaS是“服务即软件”。

我一开始没理解，后面看了一些案例才明白。美国的软件是一个万亿美金的市场，但是有两个问题：第一，软件只是人类的工具；第二，有很多事情软件干不了，比如请人写诉状，或到保险公司报销。后者在美国叫服务市场，由人提供服务，是个十万亿级别的市场。现在有了人工智能以后，用人工智能打造专业大模型，加上智能体，很多过去非要用人做的事情，就可以用大模型做，把软件取代。像前面提到的斯坦福医院100人的传真队伍，智能体上线以后，只要保留2个人就可以了。

智能体与APP有本质上的不同。 APP是个工具，需要有人用；智能体却可以主动帮你干活或协助你进行干活，所以价值有了根本性转变。 从“软件即服务”，到“服务即软件”，万亿美元的软件市场转变为十万亿美元的服务市场，从“工具辅助人创造价值”，变成了“AI直接创造价值”。

过去很多企业在教育云计算市场时，把云计算比喻成电力。如果按照同样的思路，大模型应该建在云端。但是我认为， 大模型更像是电动机。 当年，一台蒸汽机是工厂布局的核心，所有工厂的动力都是由这一台蒸汽机提供，空气锤、鼓风机都是由一个蒸汽机操作，直到数十年以后，人们有能力把电动机做小、做便宜，工厂一下子就摆脱了中心驱动的模式，变成了分布式驱动和单元驱动。过去需要动力的地方，单独买个电动机装上就可以了，这给工厂带来了格局的革命、流程的改造和组织架构的改变，由此引发了生产力革命性进步。

如果我们把电动机换成大模型，是否会感觉很贴切？所以， 大模型不是中心化的“电力”，而是去中心化的“电动机”。

在这里，我给大家四个建议：

建议1：人人AI，企业内部人都先用起来。 企业内部，从老板到员工要强迫用AI。用AI不像看电影，不是人的本能，但是很多企业最终都要用AI。所以，企业的每个人都要去了解，而不是回避AI。

建议2：企业办公和营销场景要率先AI化。 360提供了企业办公门户，把300多个企业办公营销的工具做了集成，可以帮助企业快速把办公和营销的能力率先AI化。

建议3：要建立企业知识中枢。 如果想做自己公司的数转智改，我的建议是在应用大模型之前，一定要把企业的知识管理做好。所有企业做到最后，最有价值的就是Know how，最有价值的事不在纸上，而是在老板和高管的脑子里，在企业的业务流程里。要做好知识捕捉、知识加工、知识沉淀、知识生产和知识搜集，把内部知识管理做起来。没有知识库的支持，企业的数字人就会胡说八道；有了知识库，它就能围绕企业的业务回答问题。

建议4：选择业务场景，打造专业大模型和Agent数字员工。 不要追求宏大叙事，而是要把场景细分。一句话，找到企业的卡点和堵点，也就是过去解决不了事和解决不了的问题，看看能不能用AI重做。