ChatGPT问世后，用了一年半时间，雨后春笋般打造了上百个大模型，站在现在这个时间点看行业，几分热闹之外，冷静思考的声音也逐渐多了起来。大模型是否真正推动了业务？是否有必要人人都做大模型？大模型应用创造新价值了吗？
当然，大模型公司们花出去的第一笔钱，已经实打实地输送到了上游。
从2022年11月末ChatGPT发布算起，AI大模型的主要显卡芯片供应商市值已上涨9倍以上，一度超越微软和苹果等科技巨头，成为全球市值最高的上市企业。
这符合所有新技术的进程——“卖铲人”先赚到第一桶金。但用户和市场并没有放弃寻找那个“killer app”，尽管现在看来还有些遥远。市场对于落地感到急迫的情绪可以理解，移动互联网之后，科技圈沉寂太久了，而大模型给出了一个独立于互联网之外的新答案。
在产业上下游冰火两重天之际，国内科技龙头企业CTO日前表示“AI发展仍处于‘钻木取火’阶段”，引发行业热议，他认为尽管我们能够利用AI技术，但还没有找到最高效办法，仍然没有找到AI的本质。
不可否认的是我们目前所处的AI行业充满了机会和概念，在市场开始要业绩的节点，我们需要冷静地了解行业的真实样貌。
基于此，我们邀请到了中欧中证机器人指数基金经理宋巍巍和聆思科技副总裁林满佳进行对谈，以下为对谈精编：
狂飙之后，市场回归理性的商业逻辑
36氪：从最新的情况来看，随着行业整体回归理性，二级市场相关概念股基本回吐了之前的涨幅；产业侧，很多应用了大模型的公司，不管规模上还是营收上，也没有相应的增长。二位怎么看背后的原因？
宋巍巍：ChatGPT出现之后，很多公司非常积极地去应用AI技术，但资本市场困惑的一点，好像赚钱的应用出现得还没有那么快，这和产业发展的周期相关。在 AI 大规模进入社会和产业的过程中，产业界第一件事情是先把基础建设做好，应用会跟在算力的基础建设之后逐步爆发。
现在包括游戏公司、广告公司等to B公司，都尝试去用AI为产品赋能，在一些应用场景中，大家已经看到了 AI 实实在在所带来的效率的提升。
林满佳：AI的落地，被很多人说是第四次工业革命。工业革命是生产力变革带来效率的提升。那意味着原来传统效率不高的公司，或者原来因为效率问题限制了产能扩张的企业，它可能会得到一轮飞跃的发展。但如果原来它不是效率问题，而可能是业务方向选错了，那AI加速之后得到的结果可能是往错误的方向去。
在这个年代的旧系统，如果它的业务模型是非常优秀的，那么接入 AI 肯定是能够扩大产能的。所以与其说叫 “AI+”，不如说是产业“+AI”。
36氪：二级市场上，一些概念股又回吐了之前的很多涨幅，背后原因是什么？估值模型没有变？
宋巍巍：一些，可能去年大幅上涨，今年又开始下跌，这其中很重要的一点，就是最终它的业务发展和二级市场投资人给出的预期不符，或者低于预期。
大多数集中在下游的软件、应用公司，以及大模型公司，其股价的波动也在一定程度上体现着其商业模式的不稳定性。
那另外一块，硬件端，尤其是围绕着整个，就是“卖铲子”公司在赚钱。因为挖金子的人涌入了很多，大家还在热火朝天的掘金过程中，肉眼可见全世界科技巨头进行着GPU的军备竞赛，花大量资本支出去采购，构建自己的算力服务中心。这些人第一部分钱已经花出去了，买了很贵的铲子，好的GPU相当于挖掘机一般。所以二级市场就出现了一边硬件在涨、一边软件下跌的现象。
我们需要那么多底座吗？
36氪：有观点认为，大模型是一个新的底座，原来互联网的整个生产方式会被颠覆，所以眼下大模型下游落地慢，是否有仍用互联网逻辑进行经营和商业化的原因？
林满佳：我的看法不是这样的。人们的商业模式没有发生改变，要么做附加值，要么做交易，没有其他创造性的方式，包括互联网和移动互联网，也没有创造新模式。
大家可能对于大模型没想透，真的需要那么多底座吗？可能不需要。真的要那么大参数量的底座吗？我们还得问打一个问号。
比如有人提出用大模型取代客服，这其中可能要出问题。如果客服本来就是企业很重要的、触达客户的一个部门，可企业不是想着通过AI放大这个部门的效应，而是裁人裁成本，肯定是要出事的。
AI到底是取代还是增强的关系？如果是增强，那产品设计就不应该天天想着创造一个新模式，商业历史演进这么多年，新模式产生谈何容易。
36氪：如果大模型是起到增强作用的技术，二位怎么看大模型的投资机会呢？
宋巍巍：林总说了一个很有意思的观点，其实我们不一定需要那么多的算力底座。这对于单个公司来说很值得思考，可能不需要买一堆挖掘机，而是按照客户群体需要，去思考到底自己要什么样的赋能。
回到二级市场，我觉得不能错过的投资机会，就是和硬件相关的，尤其是和算力底座相关的。但是其周期见顶会相对早一点，早于应用端。应用端会在今年后半年，或者明年，逐渐看到很多赚钱的应用，或者说真正能留存到客户、给客户创造价值的应用逐步出现。
落地场景：从工具属性跃迁到业务属性
36氪：林总接触很多一线B端客户，可以来聊聊他们的需求吗？他们对通用大模型的诉求是怎样的，成本方面，应用方面？
林满佳：软件公司，特别是在中国，如果一直停留在工具属性会很难生存，都得往业务属性去切。而智能硬件发展了这么多年，就一直在工具属性到业务属性的槛上过不去，这是一个巨大的鸿沟。
但现在大模型拥有有更强的交互能力去实现这个跃迁。举个例子，以前我们一直在做遥控器的取代，很难在这个概念上拓展出新东西，遥控器难道能够点个外卖？但当下可以用语音去下复杂的业务需求，让系统去满足需求。
行业有个现象，就是“巨头恒在”。这一代的基础大概率就是由上一代的巨头或准巨头们建设的，等他们建设到一定的阶段，可能上面就有生态了。就像当年如果中国没有那几朵云，支撑处这么些很好的应用创新平台，我们的移动互联网很难发展到今天的繁荣程度。
站在当下，什么时候有足够多的开发者、设备端了，那可能就这个鸿沟就会过去了。
宋巍巍：当年创业的时候，可能你有台电脑就可以了；但到了要去跑 AI 模型的时候，还得配备几个很贵的GPU。再到后面随着大模型的参数逐渐增多，科技巨头的资本支出可能要达到数十亿美金。所以对于普通的创业者而言，算力需求带来的整个公司的成本是非常高的。最终发现，永远是在这些科技巨头在牌桌上面，去一点点打补丁，或者是做一些新的服务。
林满佳：我作为连续创业者，看到的是小团队的创业启动甚至单人创业的时代可能要来了。因为在AI时代，相关创业要求的成本，反而可能比移动互联网时代更低。原因很简单，如果一个创业者想不透，就会（把业务）做得很大，把模型往大了去做，当前有那么多开源模型、商业模型、API ，所以有大量更低成本的工具去做产品，比上个时代幸福多了。
36氪：两位怎么看国内大量公司all in AI？与此同时企业也造出了很多概念，“AI+”“AI手机”等等，两位如何理解这些概念？概念之下，产业的真实情况是怎样的？
宋巍巍：第一个变化就是端侧，比如用AI手机、AI电脑，需要买性能更好的电脑和手机才可以使用完整的服务。第二个变化是芯片端，当年电脑的构架和手机端构架是泾渭分明的。但自从AI手机和 AIPC出现之后，手机构架抢占了原本属于笔记本电脑端构架的这部分市场份额，也让手机芯片背后的公司，进入了包括平板、笔记本电脑端的芯片市场中去。
Wintel 联盟的时代，巨头不可撼动。现在科技圈中，联盟出现了松动，AI+的这些硬件以及背后的软件端到架构端都产生了一些微妙的格局变化。
林满佳：我们正式进入了个人的语音交互时代，可以通过自然语言与机器交互，“听得清、说得清”很重要，所以中国有很多类似的芯片和解决方案诞生。
中国有很多传统的硬件，这一轮迭代可能是一个不错的时点。因为之前的迭代就是个成本项，调动不起其他服务，没有服务不产生价值，没有价值就很难去维护云端和人员的投入。
所谓的智能硬件也面临一个问题，一次性买卖的生意很难长久。有的智能硬件厂商的收入还不如一个小APP一年订阅的收入，但他们的投入完全不可比。那这个年代，如果一个小的硬件能够产生足够多的价值，可能就有新机会出现。
芯片的国产替代机会：软硬边界融合
36氪：芯片是决定大模型算力的关键所在，从人工智能几次迭代历程来看，如今推出 的AI芯片，针对大模型，做了哪些调整和优化？
林满佳：从产业来看，为什么功能芯片卷得很厉害？因为它非常同质化，就是那几个单元功能，如果这个市场有两家以上的对手参与者，那就是巨量竞争了。所以这一轮AI大模型迭代，很多手机厂商、IOT厂商要对设备做一次升级，更强调软件的作用。
原先很多人说芯片行业是个夕阳产业，结果走出了另外一条路，推出了自己的运算平台生态，它其实是一个先有软再有硬的过程。反过来，现在智能空调，就是把以前智能音箱那些能力搬到空调上，这就出现了软硬协同的机会。
以前的芯片公司是算法归算法，芯片归芯片，工程归工程三方的，但 IOT时代会看到很多头部企业更愿意去选择这种有算法、有芯片、有解决方案的公司，就是要把能力全部集合起来。如果基建自建，投入成本太高了，但如果选择一颗所有东西都集成好的一个体系，我就可以聚焦在业务上，这也是能够让功能芯片走向下一个时代的方向。
机器人：“人形”不一定是终点
36氪：在机器人场景上，中国落地有怎样的优势和机会？
宋巍巍：机器人，尤其是人形机器人的出现，会让AI从数字端落地到物理端，它将快速推动一个国家的制造业水平。同时，AI技术也会推动人形机器人的可应用场景拓宽，从家庭端到工厂端。大家预期人形机器人的销量会达到汽车一样的规模，而且人形机器人的价格未来会下降到2万美元以下，相当于一台车的价格，它的可使用场景也是远大于汽车。
林满佳：为什么有这一轮机器人热潮，是因为大模型解决了虚拟脑的问题。上一代智能音箱、智能空调是功能驱动，就是你说一句话，它响应这句话，但大模型恰恰具备一定的思考能力，或者模拟这种思考能力，这意味着虚拟脑开始可以构建了，你可以给它很多工具去思考。
为什么大模型公司在尝试做各种智能硬件，因为“脑袋”这个角色存在了。比如造机械臂的制造业，过去机器人的落地非常难，每一条产线的机器人的适配周期都特别长。如果虚拟脑能够把一些简单的自然语言转成机械臂动作，意味着很多产线的适配就会很快。这个逻辑套用在任何传统智能硬件上都是成立的，它可能是一个驱动机器人热潮的一个底层逻辑。
做这些功能我觉得是有意义的。在人形机器人上砸资源，最后可能在舵机或者其他一些基础技术出现突破。就如人工智能，在OpenAI Chat GPT没出来之前，大家觉得NLP是最难的，结果现在NLP被突破了才发现是最简单的。
