6月14日,，一年一度的智源大會召開,，幾乎全中國最好的生成式AI公司創(chuàng)始人都來到了現(xiàn)場。成立于2018年的北京智源人工智能研究院,，定位是新型研發(fā)機構,，而非市場化公司。所以在生成式AI浪潮興起后,，一年一度的智源大會,，由于其相對中立的立場，也就成為了中國AI行業(yè)內(nèi)的頂級盛會,。

這其中有兩場會談尤其值得一聽,。

一場是由智源研究院理事長黃鐵軍擔任主持，邀請零一萬物CEO李開復與清華大學智能產(chǎn)業(yè)研究院院長,、智源學術顧問委員張亞勤,，就大模型產(chǎn)業(yè)化、具身智能等話題展開的對談,。李開復認為,，在中國，ToC場景在短期內(nèi)更有機會,，大模型在ToB場景可以帶來更大價值,，但企業(yè)付費意愿較低。張亞勤則認為,，目前大模型賺錢的環(huán)節(jié)還在基礎設施層的硬件,。

另一場會談則請到了中國的四家大模型明星公司：智譜AI、百川智能,、月之暗面和面壁智能,。四位CEO就「通往AGI之路」的主題展開討論，發(fā)表了不同見解,。月之暗面CEO楊植麟認為AGI不一定要精確定義,，它更重要的作用是讓大家對未來有所準備,；百川智能CEO王小川則將AGI的標準類比成醫(yī)生——這是他眼里智力密度最高的職業(yè)；面壁智能CEO李大海認為,，執(zhí)行任何任務的邊際成本都為零時,，就達到了AGI；智譜AI CEO張鵬認為,，定義不清反而是件好事,，天花板上限未知，還有很多空間等待探索,。AGI究竟是什么,？業(yè)內(nèi)尚未形成共識——這恰恰就是四位CEO討論的共識。

以下是「新皮層」根據(jù)現(xiàn)場速記整理的內(nèi)容：

李開復認為,，在中國ToC短期更有機會,，國外兩者都有機會。從PC到移動互聯(lián)網(wǎng)時代,，再到AI時代也是一樣,，產(chǎn)業(yè)發(fā)展的第一階段應該是生產(chǎn)力工具；第二階段可能會是娛樂,、音樂,、游戲；第三階段可能會是搜索,；再下一個階段可能會是電商,；然后可能會有社交、短視頻,、O2O,，這是不變的定律。但是在大模型領域做應用,，推理成本太貴,。ToB方面，大模型可帶來更大的價值,，而且應該更快實現(xiàn),。但大公司難以接受顛覆性技術變革，且中國大公司未充分認識軟件價值,，不愿付費,。因此，零一萬物堅決不做「賠錢的ToB」,，只精選能賺錢的ToB項目,。

張亞勤認為,，目前真正賺錢的是基礎設施層,，如芯片、服務器,、存儲等硬件環(huán)節(jié),。AI分層具體分為信息智能、物理智能(具身智能)和生物智能三個階段,。在具身智能階段,，ToB應用可能會比ToC更快些，而在生物智能階段,，ToC可能會更快一些,。

張亞勤認為，無人駕駛L4 是具身智能第一個最大的應用,，無人駕駛本身就是一個特殊機器人,，就是機器去開車。目前,，無人駕駛在安全性已經(jīng)比人類駕駛要高至少10倍,，但是，仍存在不夠熟練的問題,，「無人駕駛要變成主流,，通過新圖靈測試，需要是好司機,，也需要是老司機,。我認為在明年會實現(xiàn)，第一個真正實現(xiàn)具身智能或者物理智能的AGI無人駕駛,?！?

李開復認為,，相較于人形機器人，他更看好無人駕駛的前景,，因為無人駕駛現(xiàn)在已經(jīng)有了落地的應用,。他的創(chuàng)新工廠投資了6家無人駕駛公司，但是并沒有投資人形機器人。在他看來,，具身智能很重要,，但是短期內(nèi)做好難度很大，做投資不能去投資10年以后才能夠發(fā)生的事情,。李開復投資過的幾家機器人都不屬于具身智能,，這些機器人都能確實解決一個場景里的問題。他還給出了一個觀點：絕大多數(shù)應用并不需要人形機器人,，機器人的最終形態(tài)是要為實際的應用場景服務,。

月之暗面CEO楊植麟認為,，大模型本質上是數(shù)據(jù)的壓縮,，但這個壓縮可以產(chǎn)生智能，隨著不斷規(guī)?；Ｐ?，做更好的壓縮，它能產(chǎn)生越來越多的智能,。AGI現(xiàn)在并不一定需要精確的,、量化的定義，它可能是一個定性的,、感性的東西,，它最重要的作用是能讓所有人對接下來要發(fā)生什么事情有一個準備,。

百川智能CEO王小川認為,，現(xiàn)在到了AGI時代,，有足夠的科學家與資源參與進來，人類能夠走向AGI,。但是以現(xiàn)在的Scaling Law來看,，這個事情還做不到AGI。AGI的定義在全球很難有一個完整的共識,。如果要做類比,，醫(yī)生在所有職業(yè)里是智力密度最高的，要多模態(tài),，需要少幻覺,，也需要記憶，有推理能力,、查文獻能力等,。如果以此做標準，人造醫(yī)生就是AGI。

面壁智能CEO李大海嘗試從經(jīng)濟學的角度來定義AGI：如果執(zhí)行任何一個任務,，邊際成本都為零,，這就是理想中的AGI。做大模型落地,，很多場景還需要做微調,，邊際成本很高。李大海相信,，隨著模型能力的提升,，慢慢從微調逐步地只需要做Promot generate，慢慢地連Promot generate都不需要做,，「未來的門檻與成本會越來越低,。低到接近于零的時候，我覺得AGI基本就到來了,?！?/p>

智譜AI CEO張鵬認為，「如果能把一個事情說得非常量化,、清晰,，這件事情也就那樣了，估計天花板在哪兒大家都能看得到了,。現(xiàn)在的問題就在于,，沒有人能夠說清楚。反過來講是一個好事,，這個事情還有很多未知空間等待我們探索,。」

月之暗面CEO楊植麟認為,，Scaling Law（規(guī)模定律）提升3到4個數(shù)量級是確定的。但僅僅擴展網(wǎng)頁文本數(shù)據(jù)可能會遇到推理能力的瓶頸,。Scaling Law的本質是通過更多算力和數(shù)據(jù)提升智能,，但未定義具體模型、模態(tài),、數(shù)據(jù)來源和訓練目標,。Scaling Law的第一性原理會持續(xù)，但擴展的方式會發(fā)生變化,，以突破當前的局限,。

智譜AI CEO張鵬認為,，到目前為止,，人類認識的所有規(guī)律都有可能有推翻的一天，只是看它的有效期是多長,。到目前為止,，還沒有看到Scaling Law會失效的預兆，未來的相當一段時間之內(nèi)它仍然有效,。

百川智能CEO王小川認為,，Scaling Law早期關注的就是參數(shù)量規(guī)模，現(xiàn)在慢慢擴展到參數(shù)量,、數(shù)據(jù)量,、數(shù)據(jù)質量也很重要，變成了一種計算量,。其內(nèi)涵也在慢慢變化,。

面壁智能CEO李大海認為,，Scaling Law經(jīng)驗公式，是行業(yè)對大模型這樣一個復雜系統(tǒng)觀察后的經(jīng)驗總結,，隨著訓練過程中實驗越來越多,、認知越來越清晰，會有更細顆粒度的認知,。

月之暗面CEO楊植麟有三個判斷：第一,、未來投入在推理上的算力，在某個時間點之后會顯著超過訓練的算力,。第二,、從C端角度來說，推理成本可能會顯著低于獲客成本,。第三,、目前AI在整個人的工作流程里占比可能是1%,，未來AI做的事超過人做的事情后,，可能會產(chǎn)生新的商業(yè)模式，它可能不是在B端用API做價格戰(zhàn),，而是一個普惠AI,，同時根據(jù)它產(chǎn)生的價值里面去分成產(chǎn)生的商業(yè)模式。這三點可能會是改變商業(yè)模式本身很重要的方式,。

百川智能CEO王小川認為,，價格戰(zhàn)是一個市場行為,，它至少帶來兩個好結果：其一，更多人和企業(yè)用上了大模型。其二,，之前由于對大模型認識不足,，很多企業(yè)盲目嘗試自行訓練大模型，導致資源的浪費,。出現(xiàn)價格戰(zhàn)后,，許多企業(yè)退回成為用戶。市場不需要一萬個大模型,，市場分層做好,，每一家企業(yè)都能受益。

智譜AI CEO張鵬認為,，從宏觀上看,，低價格有利于中國大模型產(chǎn)業(yè)發(fā)展，更多人使用大模型,，將其視為基礎設施,，意味著它便宜且隨時可用，無需考慮高投入,。當AI大模型能力變成水,、電一樣的基礎能力時，將為企業(yè)帶來更好的發(fā)展空間,。但是也不要過多宣揚這件事,，去犧牲企業(yè)的短期成本，不是正常的商業(yè)邏輯,。