朱克利|魔方专栏作家
AI大模型技术近两年呈现快速迭代。一个突出的问题是超级应用尚未出现，这让整个行业陷入深度焦虑。大模型是生产要素配置的新的定性工具。根据生产函数关系理论，只有生产要素通过应用转化为实际生产力，才能真正创造经济价值。也就是说，应用是AI大模型价值实现的核心环节。
在此背景下，近期以“应用来了”为主题的行业会议都强调对市场需求的洞察，体现了行业积极追求创新和变革，以更好地满足市场对人工智能应用的迫切需求。人工智能应用的市场需求也处于快速增长轨道。
应用驱动的开发模式本质上符合市场经济规律。在经济学中，需求对经济活动起着主导作用。强调应用驱动，实际上就是以市场需求为根本导向，全力推动人工智能技术在各场景的落地。这种模式可以有效优化资源配置，避免技术研发与市场需求脱节，从而显着提高整个人工智能产业的经济效益。例如，当人工智能技术广泛应用于生产、营销、管理等关键环节时，可以有效提高生产效率、有效降低成本、显着增加收入，为行业发展壮大赋能，从而带动整个行业的发展。
技术创新与产品布局：构建AI应用生态
在多模态领域，iRAG技术是一项重要的探索成果。核心原理是将海量亿级图像资源与强大的基础模型能力深度融合。通过这种创新方法，解决了文森特绘图过程中长期存在的错觉问题，实现了超真实画面的生成。该机制的使用极大地提高了生成内容的准确性和可控性，是AI技术发展的关键突破。
从经济逻辑来看，iRAG技术的应用将为人工智能在多个领域开辟更广阔的场景空间。以创意产业、广告营销、影视制作等领域为例。这些领域对高质量、超真实的图片和视频素材有着强烈的需求。借助iRAG技术，可以低成本快速生成符合需求的高质量宣传图片和视频，有效提升品牌形象和市场竞争中的市场竞争力，从而积极推动相关行业的经济增长。
创新工具的应用开发带来了新的思路和方法。在当前的技术环境下，尤其是在硅谷等前沿领域，辅助代码生成技术普遍受到更多关注，主要目的是提高工程师的工作效率。独特的方式专注于非程序员的创新应用，赋予他们编程能力，实现无代码编程功能，同时还具备多智能体协作、多工具调用等功能特性。用户只需通过自然语言交互即可轻松便捷地完成系统搭建工作。
这样，就可以减少应用程序开发过程中涉及的人力成本和时间成本。过去，应用程序开发往往需要专业程序员投入大量时间和精力编写代码。现在，随着技术壁垒被打破，更多的创意和想法可以快速转化为实际的应用产品。这将激发人们创业创新的热情，催生大量中小微应用，丰富应用市场供给，更好满足多元化市场需求，从而推动数字经济发展。
业界的共识是，代理被广泛认为是人工智能应用的主流形式。在代理商的发展布局上，全面深入的规划涵盖了角色类型、工具类型、行业类型等各类代理商。其中，基于角色的智能利用大型模型的加持，赋予数字人类更高程度的拟人化，让其在教育、咨询等领域发挥重要作用。工具代理为用户打造便捷高效的创作平台，极大提升用户的创作体验和效率。行业型智能代理人在法律等行业展现出强大的服务能力，为社会公众提供专业、便捷的法律服务。
基于经济学的视角，智能代理的发展过程充分体现了规模经济和范围经济的效应。随着Agent数量的不断增加、类型的日益丰富，其开发成本可以分摊到更大的范围，从而降低单个Agent的开发成本。同时，多元化的代理可以满足不同用户、不同场景的多样化需求，为用户提供更加个性化、精准化的服务，从而有效提升整个AI生态系统的经济效益。
以招聘平台与大模特的合作为例。使用大型模型来重建招聘过程。这样一来，岗位匹配的准确性大大提高，成本也显着降低。这是人工智能优化人力资源市场资源配置的典型例子。在制造、能源、交通等诸多领域，大模型平台的工业应用也发挥着重要作用，在降本增效方面取得了显著成效。
一系列成果将有助于加快实体经济数字化转型、提高全要素生产率。通过积极引入和应用人工智能技术，优化生产流程、提高产品质量、降低能源消耗，从而增强在激烈市场竞争中的竞争力，有效促进产业升级和经济结构调整。
人工智能发展的节奏和方向：长期主义和理性判断
自推出以来，车型发布的节奏就成为业界关注的焦点。从应用角度来看这个问题，可以明显看出大模型技术的进步实际上并没有放缓，调用量的持续增加就是有力的证明。但需要注意的是，基础模型的迭代并不是越快越好。如果基础模型迭代过快，会给应用开发者带来很多不利影响。
在技术创新和市场应用之间寻求平衡是一种实践智慧。快速的技术变革意味着应用开发者需要不断调整和适配自己的应用，这无疑将面临高昂的调整成本。在极端情况下，某些应用程序可能无法及时适应底层模型的快速变化而被市场淘汰。因此，合理的迭代节奏对于稳定市场预期、有助于促进技术与应用协同发展、保障人工智能全产业链健康稳定运行具有重要意义。
在当前AI发展趋势中，多模态成为备受关注的热点领域，Sora也引起了广泛关注。尽管Sora所代表的技术方向具有极高的意义和价值，但不可忽视的是，它的实施难度也非常大。在这种情况下，选择从实际应用出发，优先解决多模态应用中的一些具体、实际的问题，比如数字人的多模态融合问题，才是更加务实、明智的发展道路。
这条发展道路的选择是基于成本效益的考虑。在资源有限的现实情况下，优先将资源用于解决能够快速实施并产生实际价值的问题，可以避免对一些难度大、成本高但短期内难以实现的项目进行过度投资。这样有助于提高资源利用效率，推动多模态技术在虚拟直播、智能客服等实际应用领域的逐步推广和应用。随着多模态技术在这些领域的应用不断深入，用户将能够获得更好、更便捷的体验，同时也创造更多的经济价值。
在人工智能应用发展方向的讨论中，智能代理普遍被视为一个重要方向。对于它们是否会成为人工智能应用的最终形式，业界仍有一些讨论。一种观点认为，智能体将在未来很长一段时间内不断发展和进化，并将与未来可能出现的人工智能共存很长一段时间。
技术的演变通常是一个渐进的过程。现阶段，智能代理在降低应用门槛、提高人机交互效率方面表现出了巨大的价值。这使得一些原本需要专业技术知识才能操作的复杂系统变得更容易使用，普通用户可以通过简单的自然语言交互来完成复杂的任务。随着技术的不断进步，智能代理的形式和功能将不可避免地不断变化和发展。例如，在未来的智能家居场景中，智能代理可能会与物联网技术深度融合，成为智能管家，可以根据用户的生活习惯自动控制家电、调整室内环境；在智慧城市建设中，智能代理将发展成为智能管理系统。该系统担负着优化城市交通流、合理配置能源资源等重要任务，从而创造更多新的商业模式和经济增长点。
AI时代的产业协作与生态共建
在AI时代的产业格局中，行业领导者往往专注于构建基础平台和工具，致力于赋能开发者创造更多应用。这一定位体现在对产业生态分工协作理念的理解和实践上。专业化分工是提高生产效率的重要途径之一。通过专注技术研发和平台建设，可以将自身资源和优势集中到重点领域，为开发者提供强有力、稳定的基础支撑。
开发者可以基于已建立的基础平台，充分发挥创造力和专业知识，专注于应用创新。这种双方优势互补的合作模式，能够有效推动AI应用生态的发展。从产业结构优化的角度来看，这种分工协作模式有助于提高整个人工智能产业的创新能力和市场竞争力。基础平台和工具可以降低应用开发门槛，吸引更多开发者参与人工智能应用开发，从而丰富应用市场供给。同时，多元化的应用创新可以进一步推动基础平台技术的不断完善和升级，形成良性循环的发展。
大型模型产业的发展离不开人才的支持。一系列人才培养计划的实施，不仅为行业的长期发展储备了充足的人才资源，更重要的是为整个人工智能行业的可持续发展奠定了坚实的基础。
人才在推动技术创新和产业发展中发挥着核心作用。一个行业高素质人才供给充足，可以有效降低企业用工成本。这是因为高素质人才具有更强的专业能力和创新能力，能够同时创造更多的价值，从而降低单位产出的劳动力成本。同时，人才的聚集可以大大提高创新效率，加速技术扩散和应用推广。当一批拥有先进人工智能技术的人才进入行业时，他们可以快速地将新技术应用到实际生产和服务中，通过知识共享和技术交流带动整个行业的技术水平迈向更高的水平。此外，积极开展人才培养，有利于增强国家在全球人工智能产业竞争中的人才优势，推动人工智能技术在更广泛领域的应用，从而创造更多经济效益和社会效益。
在AI产业生态中，通过与合作伙伴共建生态，可以整合各方优势资源，实现资源优化配置。例如，与科研机构合作可以获得前沿科研成果，加速技术创新进程；与上、中、下游企业合作，可以实现产业链协同发展，提高整个行业的效率和竞争力。通过合作，共同应对行业发展面临的各种风险。面对技术变革、市场波动等不确定因素，行业可以相互支持、合作创新，降低风险影响。通过共建生态系统，可以更好地促进AI产业健康有序发展，推动整个产业实现经济和社会价值最大化。
编辑：刘安琪|审稿人：李震 |监事：万俊伟
