6月15日- 6月16日，黑馬AIGC產業營1期在北京正式開營。作為創業黑馬集團首次專為AIGC產業創業者開辦的訓練營，“黑馬AIGC產業營”整合了黑馬多年來積累的產業資源與專業服務能力，聚焦基礎概念、商業應用、模式創新、前景趨勢、產業融合、數據安全等六大前沿主題，通過產業課程、產業社群、產業游學等不同形式，幫助創業者建立和完善關于AIGC產業協同、數據決策、體驗革新三方面的核心認知，并引導中小企業實戰升級。

在中國AIGC乃至整個人工智能產業當中，360集團是一個至關重要的存在，其不但居于國內AI實力“第一梯隊”，而且是國內最早All In大模型，并向中小企業開放能力的公司之一。6月16日，360集團創始人周鴻祎來到黑馬AIGC產業營1期加速現場，以《后GPT時代，大模型發展“以人為本”》為題授課。

周鴻祎表示，人工智能大模型是人類有史以來發明的最偉大的工具，它將成為每個人的助手，解鎖我們的很多新能力。他還分享了關于當前整個AIGC產業發展的一些重要觀點：“目前百模大戰已經進入場景比拼階段，國產大模型彎道超車的關鍵是發展多模態，數字人是大模型未來最重要的應用入口，未來的增量市場在企業級應用。”周鴻祎表示。

(資料圖片)

以下為編輯后的周鴻祎授課內容：

剛才聽到有人給我一個新稱號——中國AIGC第一人，真的不敢當，遠遠算不上。真正的大模型時代才剛剛開始，我只不過做了兩件事：一是行業里這幾年說話的人少了，到底中國為什么要發展大模型，得有人為這個行業發出聲音，所以我出來說話多一點。另一方面，我也在學習人工智能，以前我給黑馬創業者講的課是辟邪劍法、葵花寶典，現在我是在練吸星大法。吸星大法的特點就是把別人的思想據為已有，我也希望向黑馬創業者學習，像云之聲黃偉和智源研究院的專家都來過這里，我也學到了他們的思想。對于大模型，其實現在誰都是只懂一點，聽專家講就像盲人摸象，把他們的觀點融匯貫通，就有了自己的觀點。

01

大模型是人類最偉大工具

今天時間倉促，其實現在的這個題目我不是很滿意。“后GPT時代”的說法并不準確。如果把GPT理解成是ChatGPT，現在正是追趕者、超越者粉墨登場的時代；如果把GPT作為一個通用名詞，指生成式通用模型或者大模型，那么這個時代才剛剛開始。

科技要“以人為本”。我也很愿意討論硅基生物如何戰勝碳基生物，但是討論這個話題，根本不會有答案，只取決于你看的科幻小說有多少。其實人工智能取代人，還是有很長一段距離，不要聽了我的講解，回去就把員工開掉一半。我認為，人工智能的發展是幫助每個人提升工作效率，它是人類有史以來發明的最偉大的工具。

人類統治地球，從來不是靠生理能力，但是人類會發明工具。我們跑得肯定沒有豹子快，但是我可以發明汽車；飛得沒有老鷹高，但可以發明飛機。只是以往的工具只加強了肉體能力，知識傳承一直是碳基生命遺傳繼承的薄弱環節。如果生一個孩子能把你的才華學識繼承了，站在你的肩膀上，就可以取得更大的成就。將來，GPT在這個方面可以幫我們解決問題。所以說大模型是人類有史以來發明的最偉大的工具，把人類歷史上的很多知識凝聚在一起，成為每個人的助手，解鎖了我們的很多新能力。

02

關于大模型

未來影響的三個認知

對大模型如何認知，可以從三個方面來說。

第一，大模型推動的智能化才是數字化的高峰。我們這代人比較幸運，個人電腦、互聯網、智能手機和移動互聯網時代，都趕上了，從4G、5G到大數據、云計算、物聯網，數字化的高峰就是智能化。當前國家的重要戰略就是推動數字化，數字化又可以分成兩條線：一是數字產業化，即數字化企業如何發展；還有一個更大的市場是產業數字化或者叫產業互聯網，這是很多黑馬兄弟的機會。我不一定做互聯網，我是傳統產業，是制造業的，用牛文文說的重度垂直方法，每個行業都可以用數字化重做一遍，這是巨大的機會，也是未來的藍海市場。企業上云只是手段，最終的目的是實現智能化，大模型推動的智能化才是數字化的高峰。

第二，大模型代表通用人工智能時代的到來。“AIGC”這個詞從一個側面反應了這個結果，AI可以產生內容，比如文生圖、文生視頻、文生語音……但它反映的還只是表象，還有一個概念——“通用人工智能”（AGI），更能體現其本質。通用人工智能包含幾層意思：首先它和過去的人工弱智不一樣。過去的人工智能只能做垂直的事，下圍棋的下不了象棋，下象棋的識別不了圖片，換一個領域就得換一個模型。但是大語言模型用一套模型算法，解決了很多不同領域的問題。很多人有一個誤解，以為大語言模型只是解決自然語言處理的，別的行業用不上，這種觀點是錯的。其實自然語言處理是人工智能領域皇冠上的明珠，是最難的問題。語言是人類思想的結晶，如果人工智能能理解自然語言，就意味著它能理解這個世界。而且人類的語言可以描繪世界，誰理解了語言，就意味著建立了對這個世界完整知識的圖譜。之前，人類做知識圖譜很多年都沒有做成，因為知識太難表征了，你對一段話中的每一個概念都理解，才能理解整段話。所以通用大語言模型能理解語言，能完整地理解問題，意味著計算機對世界有了基本的認知。

實際上，大模型已經是對于世界最好的理解模型。有了這個能力以后，人工智能就獲得了突飛猛進的變化。之前的人工智能軟件，比如機器視覺、人臉識別，以及自動駕駛，都是工作在感知層面，而大語言模型工作在大腦層面。有了這種能力以后，在基于對這個世界建立了完整了解的基礎上，你再訓練人工智能做其他工作，一切都變得簡單。過去電腦偽裝成人跟你聊天，正常人是聊不下去的，但是今天你問任何一個GPT產品，它都會告訴你，我是AI助手。它有信心，即便我是機器人，也跟你聊得下去，因為你說的每句話我都理解，都能對答如流，這是一個劃時代的能力。

第三，大模型將引領新工業革命。大模型是一個什么級別的發明？比爾蓋茨說，它不亞于電腦和互聯網的發明。黃仁勛說“這是iPhone時刻”，iPhone引領過無線互聯網革命。我覺得大模型是工業革命級的科技進步。第一，它的定位很清楚，盡管可以把它當做聊天機器人，但它實際上是一個生產力提升工具。第二，引發工業革命的一定是通用的東西，1946年電子計算機被發明，但是它沒有引起工業革命，因為最初的計算機都是專用的，屬于政府有關部門、軍隊、氣象部門。只有當PC被發明了，每個家庭、每個人都買得起電腦以后，才引發了革命。iPhone也是，之前的手機是非常有用的通訊工具，但iPhone是一個計算平臺，可以實現更多通用功能。

我認為當前的大模型就到了這樣的時刻。在大模型之前，盡管大數據很重要，但是沒有引起工業革命，因為大數據不能直接用，如果一家公司想要用大數據，需要找人做分析，成本很高。但是大模型不一樣，把大數據輸進去，練成大模型，可以提供很多通用人工智能的能力，幫你寫文案、做規劃、做討論，幫你閱讀一些文章。而且大模型的能力不用跟各行各業結合，就已經可以提升各行各業了。

所以，大模型就是新時代的發電廠。有了電以后，才有了又一次工業革命。現在各位無論做什么工作，只要你的企業想升級，要做數字化，一定離不開大模型，這個紅利期將至少有五到十年。

最近，OpenAI有兩個新動作值得大家注意：一是為ChatGPT加了插件。大模型不是萬能的，它善于做知識推理、規劃和與人的交互，但也做不了很多事，比如訂房、訂餐、跟互聯網連接，所以OpenAI做了一個插件平臺。二是他們又做了函數調用能力，不是程序員的人很容易忽略這件事。實際上它做了函數調用以后，就可以把公司業務系統里的函數暴露出來，大模型就可以跟公司的業務系統對接。比如你跟它聊天，要看一看公司這個月的營收，然后它能調用一個函數，去查公司的數據庫，這樣大模型跟公司的業務就融合在一起了。

所以，最近大模型的變化日新月異。對于一個新生事物，一定要看它的正向發展，不要被它暫時的缺點迷惑，比如它有時胡說八道，回答問題很可笑等等。這些缺點掩蓋不了兩件事，第一它在飛快迭代，第二它不是孤立的存在，還可以做中間件，做函數調用，做插件平臺。就像你做出了一個發動機，總會有人給它配上輪子、底盤，這些東西湊在一起，就有了汽車。

03

關于大模型發展的四個觀點

下面分享我對當前大模型發展的四個新觀點。

觀點一，百模大戰已經進入場景比拼階段。

現在全世界已經是百模大戰了，好像每個公司都能做出大模型。其實做出大模型不難，關鍵是易學難精。

做一個大模型有幾個關鍵：第一，選擇一個基礎模型，這件事過去很麻煩，但現在感謝開源環境，代碼是現成的，不需要自己寫，真正的挑戰在于后面的步驟。第二是無監督學習。新一代大模型一個很重要的優點就是無監督學習，過去訓練人工智能，所有東西都要標注，但是學習人類知識時會陷入悖論，因為你不可能把所有人類的知識進行標注。大模型則只要是正確的知識，足夠多以后，知識和知識可見相互驗證、相互聯系，就不需要標注。接下來是有監督調優，把幾十萬，甚至上百萬人工標注好的問題和答案對，給到機器，說白了就是刷題。跟人類一樣，有些題沒見過，它真的不會做；選得好，它會舉一反三。然后是價值觀對齊，就是讓它的回答和人類價值觀對齊。機器是由人的訓練決定的，曾經有人拿聊天知識庫訓練聊天機器人，很難用，因為它學習的不是知識，沒有邏輯，最近科學家證明，如果拿晦澀的論文、高難度的大學課文、復雜邏輯文章做預訓練，訓練出來的模型才能更有邏輯性，像現在公眾號的文章，為了閱讀方便，都是一句話一段，沒幾句話就是一段圖，這種低質量的文章不適合做訓練語料。最后是用戶訓練和反饋。這一步很重要，一定要放到互聯網上，有海量的用戶來使用。我們自己做測試，測試能力有限，哪怕100道題也是非常片面的測試。只有用戶一天問上百萬個問題，有的滿意，有的不滿意。找到錯誤案例，進行修正，才能進步。

今天做出一個大模型不是很難，難的是用數據去訓練大模型，以及有沒有場景去使用。現在大模型已經不是核技術了，就像PC出現之后一樣，開始技術民主化了，不再像網上說的，ChatGPT訓練一次要1000多萬美金。但是要想做GPT，大規模、多樣性、高質量的訓練數據必不可少。360做搜索，每天抓數據，要判斷數據質量，因此在數據量上還可以，可以給大家提供預訓練的基本數據。

大流量、工程化、高穩定的訓練方法也是至關重要，目前大家都在炫耀自己的算力，有多少顯卡，但怎么讓顯卡一起協同工作，這是一個挑戰。

盡管OpenAI很了不起，在沒有任何場景情況下，構建了通用人工智能。但畢竟大多數公司不是OpenAI，都是凡夫俗子。現在全世界都有共識，世界上不能只有一個大模型。ChatGPT再牛，關于你所在行業問一些深入問題，會發現它比你差遠了。黑馬之前提過重度垂直的概念，這在大模型領域依然適用。

我們做大模型時，一定要緊扣場景。現在大模型展示的能力從辦公來看是夠用的，但是一定要能跟中小企業做深度結合。舉個例子，很多人在小紅書和抖音上做不同的文案，我讓它專門寫抖音文案，就是一個微觀場景。用它的能力結合實際場景，才是用戶真正需要的東西。多場景有效落地，可以讓大模型真正服務用戶。

觀點二，國產大模型彎道超車的關鍵是發展多模態。

現在國產大模型追趕ChatGPT的腳步，比我預想的要快。這還要感謝整個行業半年來公開的技術、培訓的方法，以及訓練的數據庫、數據集越來越多，甚至很多新做的大模型，是以GPT-4作為老師，用GPT-4產生的很多問題和答案來訓練。

我認為大模型未來一個重要的發展方向是多模態。看看ChatGPT的發展，GPT-1到2是參數的變化，3是進入千億模型，實現涌現，GPT-3.5是讓它有了問答和對話能力，GPT-4除了能力比3.5強很多以外，也展示了多模態的能力，就是圖生文、文生圖，相對比較簡單，GPT-5最大的可能性就是多模態，會更加理解這個世界。

多模態包括必不可少的四大關鍵能力：第一，文字處理能力；第二，圖像處理能力；第三，語音處理能力；第四，視頻處理能力。

我們今天彼此交流，就是彼此訓練的過程。你們聽我講，就是我給你們輸入，你們在訓練。曾經有人質疑，人類目前總共就出版過幾億本書，據說有一半的書都訓練給GPT了，馬上就無法訓練了。其實只要把滿大街的攝像頭接入GPT，我們在哪說話，在哪開會，說什么，它能聽懂、看懂，這將會是一個更高級的訓練，對于增加它對這個世界的理解，將會是非常強大的。

傳統的視覺識別，只能認出圖上有什么，但理解不了這張圖的情感、氛圍、邏輯和背后的故事。現在的大模型識別，各家的引擎差不多，真正要畫一張符合特定需求的好圖，至少需要幾十個、上百個Prompt，所以將來垂直的小模型有巨大的機會，而不一定是什么都能干的通用大模型。

觀點三，數字人是大模型未來最重要的應用入口。

其實，并不是每個人都要從零開始做一個大模型。我們想用大模型解決問題，最大的機會在于，怎么讓大模型更好用，而不是每個人都成為提示詞專家。這就需要定義一種新的角色，叫數字人，作為大模型的應用入口。

上一次黑馬AIGC產業大會我嗓子出問題了，沒有來，就派了一個數字人，但它還是傳統的數字人，沒有性格和記憶，跟人無法互動。我們希望打造有靈魂的數字人，甚至能復刻某些名人的人生經歷，希望有人設、有經歷，這里面的機會很大。

現在有很多開源方法在探討。有一個方案是，既然大模型沒有記憶，沒有目標，不回答你的問題時它在沉睡，我可以做一個外部程序，可以把大模型驅動起來，對話完以后進行保存，使它有記憶；或者把一個任務分解成多個目標，用不同的模型來完成。

360推出了AI廣場，可以做出分類角色。

這種角色可以是娛樂化的，比如我做了一個數字人叫曹操，我經常問他，為什么放關羽走，為什么殺掉呂布。還可以做成數字名人，比如孫悟空、林黛玉等等。

今天大模型跟你的耦合，就是一個聊天機器人，可以解決辦公和知識管理的問題。如果跟企業的業務相融合，就需要一些新模式了，可以借助大模型，打造一個數字人。

比如“數字員工”，把大模型定義成不同領域的專家，游戲的產品經理、社交媒體的運營、小紅書的運營專家等，把它定義得越細越好。我們人類不愿意跟人打交道，把它包裝成各種數字人以后，人跟“人”的交流，使用起來會更加通暢。過去只有老板有助理，以后普通員工想要幾個助理就有幾個助理。

甚至可能實現數據永生。想象一下，今天給一個人身上掛一個行車記錄儀，他寫了什么微博，發了什么朋友圈，講了什么話，攢一年到兩年的數據，訓練一個大模型出來。我們跟這個G大模型聊天，它可以學到一個人的思維模式，而不是只是模仿原話，就可以實現一定程度的數字永生，也是一種知識的傳承。

觀點四，大模型未來的增量市場在企業級應用。

盡管我們可以用大模型做出各種娛樂應用，但娛樂應用的場景，已經被互聯網巨頭割據了，我不認為有創業公司的機會。按照我前面的觀點，既然是工業革命級，一定是企業和行業的生產力倍增工具，所以，我認為大模型未來的增量市場是在企業級應用。

其中一個機會在中小微企業。因為中小微企業即使買了一個GPT賬號，也一定不會用。可能全公司只有一小部分人會用，大部分人還不會用。學Prompt的難度就像學編程一樣，你不知道說哪句話，數字人就開竅了，回答得特別好，你把某個詞改一下，他就像白癡一樣亂說。所以中小企業比較大的機會，是在大模型API基礎上，定制完成具體工作的數字員工。

第二個機會是行業垂直大模型。像黑馬做的科創大模型就是其中的一個。

第三個機會，給企業和城市部署私有化大模型。如果你的企業規模很小，通過上傳建立自己知識庫的方式，建立自己的私有客服機器人，這是可以的。但作為中大型企業，用大模型首先存在數據泄露的風險，其次是公有大模型缺乏深度行業知識。所以，做一個對你所在行業和企業更了解的大模型，這是目前最大的機會。這些公司都是行業翹楚，有深刻的Know how和內涵，行業的知識未必被掌握在大模型手里，也未必在公網上可以抓到。

此外，使用公有大模型無法支持知識及時更新，大模型隔一段時間才能訓練一次，目前做不到實時訓練，這也是一個挑戰。

而且，公有大模型無法實現組織內部權限的分級管理，這又是一個挑戰。

所以，大模型既有巨大的需求，也有一系列挑戰。這些挑戰，就是未來的機會。

大模型有一個優點，目前的訓練成本極大降低。每個企業最大的資產，就是企業內部的知識和Know how，這是不能外傳的，但是做成大模型，就能解決企業內部知識的傳承問題。找到一個大模型，由360做了基本訓練以后，企業進行行業數據和企業數據的訓練，這樣就能訓練出一個專有大模型。

專有大模型怎么用呢？我認為至少可以先做四件事：第一是員工知識助手，第二是員工的辦公助手，第三是領導的決策助手，第四是企業的智能客服。

我們經常聽人說，哪個行業領域的“水”很深，說明這個領域都有大量深奧的行業內部知識，這也恰恰是私有大模型巨大的機會。

標簽：