大模型落地難，產業從物理世界尋找突破口

大模型走紅之後，從業者對其落地應用有各種各樣的暢想，也拉高了業界對大模型落地應用的預期。但一年多過去，大模型在實際應用場景中的落地並沒有此前預期的那麼順利。

一家大模型公司的銷售負責人告訴界面新聞，他們走訪了多家工廠之後發現，工廠對AI最迫切的需求是質檢，但目前大模型的能力還不足以支撐其在真實的質檢場景中應用，而通過大語言模型幫助企業解決培訓、管理流程等問題對製造業來說並不算剛需。

而在C端（用戶端），此前AI助手類應用被認爲最能夠成爲超級App。但從實際的數據來看，Kimi、文小言等AI助手產品在經歷一波快速增長時候，留存率並不是很理想，也沒有呈現出移動互聯網時代超級應用爆發前的增長潛力。

對於當下大模型行業普遍面臨的迷茫局面，阿里巴巴集團CEO、阿里雲智能集團董事長兼CEO吳泳銘在2024雲棲大會上表示，AI最大的想象力不在手機屏幕，而是接管數字世界，改變物理世界。

過去三十年，互聯網浪潮的本質是連接，互聯網連接了人、信息、商業和工廠，通過連接提高了世界的協作效率，創造了巨大的價值，改變了人們的生活方式。但生成式AI是通過生產力的供給創造了新的價值，從而爲世界創造了更大的內在價值，也就是總體提高了整個世界的生產力水平。這種價值創造，可能是移動互聯網連接價值的十倍、幾十倍。

但過去業界對AI的落地應用主要集中在自然語言理解、語音識別、視覺識別等方面，並沒有從真實的物理世界中去思考AI如何解決需求痛點。而從今年雲棲大會前沿應用館展出的一些應用來看，一些創業者和開發者也意識到此前的問題，在大模型應用開發中改變了思路。

教育科技公司精準學是其中之一。這家成立於2018年的公司原來的主要產品是搭載“AI錯題集”服務的智能平板，學生在精準學上完成測評，AI通過分析錯題，找到學生掌握不牢的知識點，再自動推薦類似的題目。去年看到大模型走紅之後，精準學創始人楊仁斌開始思考通過大模型來解決學生在使用學習機產品時容易跑神、沒有效率的問題。

精準學基於大模型研發出的新產品是“超擬人AI一對一老師”。界面新聞從精準學展臺演示產品發現，這款產品和花200-300元/小時購買的線上一對一私教課體驗類似，講解題目的語氣也和真人老師類似，學生還能夠針對題目的知識點、錯題點等進行對話。這款產品將搭載在精準學今年10月即將發佈的AI輔學機中直接面向學生提供服務。

個人開發者、知名技術博主張子豪則看中了大模型給人形機器人走入日常生活帶來的機會。

人形機器人發展數年卻一直不溫不火的一個重要原因是機器人無法聽懂人類語言。此前的機器人不管能夠完成的多麼複雜的任務，都是根據固定的指令去完成固定的動作，沒法實現泛化性、多樣性、通用性操作和對指令的理解。張子豪通過大模型把人類語言翻譯成機器人能夠執行的動作列表及函數參數，讓機器人可以聽懂人類的任意指令，對後續機器人真正走向普通人的日常生活也有較大啓發。

還有一些已經在C端有認知度的產品，把原有的業務積累和大模型相結合，提供一些更深層次的服務。其中，高德地圖基於時空大數據和大模型研發了商業智能平臺，並基於此推出了商業智能體ChatBI Agent，可針對咖啡茶飲、商超便利、餐飲等行業提供行業趨勢、品牌發展、選址評估、運營分析等報告生成服務。

高德地圖副總裁董振寧告訴界面新聞，在開店選址評估上，高德商業智能體能夠根據區域分析客戶目標用戶人羣的佔比，評估出合適的位置。如果客戶想要在商場選址，高德商業智能體還能分析流動用戶是否符合預期。“原來主要通過大數據進行分析，有了大模型之後，分析的效率更高，也更準確。”

這些真實生活中小切口的應用看起來不太起眼，也很難達到業界對大模型落地應用的期待。這是因爲作爲一項新技術，大模型目前的能力還處於早期階段，落地應用也要從這些細微的場景開始，循序漸進去解決更爲複雜的問題。

從歷史經驗來看，人們對新技術革命，往往對短期高估，又對長期低估，很多人對大模型的態度也是這樣。實際上，從去年到今年，大模型的能力一直在進步。比如，OpenAI最新發布的o1推理模型已經能夠解決複雜推理問題，在物理、生物和化學問題的基準測試中超越了人類博士水平的準確率。

不過，這個漫長的模型升級過程一方面考驗基礎模型公司在模型訓練過程中持續的資金投入，同時也需要大模型公司持續降低創業者和開發者使用大模型的成本。根據特許金融分析師周淳哲的預測，未來的GPT-5則是完成AI從“高中生躍升至博士”的成長，不過這個模型將非常消耗算力，使用價格也可能會非常高昂。

樂觀的一面是模型推理成本一直在指數級下降，已經遠遠超過摩爾定律，大模型在未來的某個時間點將能夠以更低的成本滿足人類社會中更多複雜場景中的需求。

吳泳銘在2024雲棲大會上預測了這個階段的變化：大模型把物理世界數據的Token化之後，能夠理解真實世界的方方面面，還能完成使用工具、開公司創業等各種各樣的事。到這個階段，AI能夠模仿人類去執行物理世界的任務，產業革命纔會發生。