3月29日消息，首届中国AIGC产业峰会在京举行，大会由量子位主办，聚集起了领域内产学研代表，分享和探讨了包括大模型、生成式AI、ChatGPT等在内时下热议趋势和话题。

在题为《中国AIGC新机遇》的圆桌对话环节，量子位主编金磊与4位从业者展开了精彩的探讨。他们是：

元语智能联合创始人兼COO朱雷；
峰瑞资本投资合伙人陈石；
无界AI联合创始人马千里；
华院数智人商业化副总裁林莱尼。

图片来源：圆桌环节

以下为圆桌内容，经8btc整理，有删减。

金磊：我们每个话题都设置了一个关键词，第一个关键词叫“感受”，在这波AIGC热潮中，您最直观的感受是什么？

朱雷：

震撼和冲击。比如，ChatGPT在各行各业接受程度和应用深度，远远超过了我们的预期。原来对AI的关注群体都在小圈子里，AI也仅仅是在某些环节里应用，这次它破圈了，这是一个非常大的技术变革。

陈石：

经历了几次AI的技术变革，但这次还是让我们感到惊讶，突然一个跳跃，不是连续的变化。它已经具备了通用人工智能的火花，而且还在不停燃烧，所以也很惊喜。

从产业角度来说，它一定对整个人类社会的效率、体验，都会是一个非常大的提升，很本质地改变各行各业，特别是内容行业、教育行业、科研等等。

所以，我们很兴奋，这是人类的福祉，前提是你不要背叛人类。另外，我觉得也是创业者很好的机会。

马千里：

站在创业者的角度看会更加焦虑，因为发展速度太快了。你做了大量工作，但是有可能在大模型底部的创新，或者是别的团队的创新，他们很快就能赶上来，有时候会有技术的焦虑感。

另一方面，其实是所有行业内的人都在焦虑，甚至传统产业的一些人也在焦虑，因为他们焦虑他们会找到我们，抱团取暖。比如奇瑞汽车、上汽集团，有做潮玩的，做快消品的等等，他们都会找到我们，他们会把他们的设计需求，把他们的一些诉求提给我们，我们一起去做AI的训练，甚至他们给我们大量的私有化数据，就像某一家做房产的，他们有大量的建筑设计的那些比较隐私的图片，他们会把这些图片给到我们，我们一块去做训练。他们担心的是说如果他们不参与到这个浪潮里就会被淘汰掉。

所以，虽然有焦虑，但更多是在焦虑中有前进的感觉。

金磊：我们的第二个关键词叫做模型同质化和创新性。就目前来看，无论是AIGC应用的玩法，或者是背后算法模型似乎有同质化的趋势。您觉得中国AIGC的原创性该如何体现？

朱雷：

目前来讲，在基础研究或者原创性上国内与国外是有一段距离。但是不是说我们目前做自研的大模型没有价值？我觉得反而势在必行。

第一点，我们国内都在做中文语料的大规模梳理，中文数据集，中文的通用语料质量相对来说会差一些，开源氛围也差一些，比如医疗这个行业，国外有很多开源数据集，国内我们了解到只有两个，一个是杭州这边有家医院，一个是自贡市有数据集。我们要做这个事情，就要推动开源数据集以及开源模型的一个氛围和一个生态构建。

第二点，现在大模型的AI基础设施在国内已经达到了相当高的重要程度的量级，这个时候对人才的吸引力很高，从长期角度来看，这个事情的意义对于国内做基础设施的，长远上来讲是非常有价值的。

说到国内的这些模型的同质化和创新性，对于国内初创公司来讲，创新性是要体现在你要对于这个行业有足够多的理解，以及迅速地在行业内把数据和场景跑起来。对初创公司来说，你可以在模型底层数据层面上和指令微调层面上做一定的创新性。

马千里：

做产品创新来说拥抱SD（国外开源文生图模型stable diffusion）生态没有太多的关系，因为大量数据训练其实还是要自己去做。你如果想做出差异化，这是自然一种选择。

现在开发国风模型（国风风格的文生图），我们会有大量国风类图片数据，比如像中国人的脸、外貌，比如汉服，需要很具体、很精细区分不同时代、名族服饰样式，你的左衣襟和右衣襟之间都会是有区别的，做国风类图片的这些人他很要求这些东西。

这是一方面，最重要创新在于，中国的用户数据是非常重要的。我们无界AI平台A有200万用户，每天创作接近3000万张图片。这些内容被大量用户的收藏，使用一键同款制作，等等，这么多用户的行为给你反馈。我们会把这些受到喜欢的作品的关键词，拿来做进一步模型训练，使得我们平台能力得到增强，得到创新，这也使得虽然基于开源SD，但是我平台的作品质量会和市面上大部分产品不太一样，因为我们有自己的数据循环在里面，这是一个创新点。

林莱尼：

如何定义数智人原创性，首先从底层算法来说和小冰、科大讯飞确实差不多，但是第一个我觉得数智人本身分类型，分了三个类型，比如像魔法科技的柳叶熙走中国国风系列，有非常好的价值引导。我们公司这种类型属于功能服务型，我们就渗透到各行各业，我们拥有自己领域型知识图谱。第三种偏向游戏开发理念，游戏里面一些虚拟分身。所以本身从数字人来说，我们就是分行业、分领域、分功能。

我们公司专注做领域型知识图谱，所以数智人只是我们在传达表达领域型知识图谱一种载体，他本身就是多模态的组合，原来是文字和语音，未来多模态则可以基于图像理解，生成图像任务型交互，创新性主要看每一家公司所深耕的领域在哪里。

金磊：我们看到好的模型出来，或者科技热点出来，国内会一窝蜂拥上去，这会不会产生一些泡沫，您怎么看待这个问题？

陈石：

这次不仅仅是国内，海外也是一窝蜂。有个统计是2022年平均四天出一个大模型，大概90多个大模型，主要是以美国为主。

热度当然很高，但我不认为这是一个短期的热潮，我不认为他是泡沫，我觉得它会经历很长时间的进步，会产出很大的社会价值和商业价值。

金磊：

针对大模型还有一个问题要讨论一下，就是参数规模，这个关键词叫做大力一定会出奇迹吗？大力出奇迹这种方式一定是AIGC未来必经之路吗？

马千里：

如果能出奇迹不管大力还是什么力都是好事情，在国内大家觉得大力出奇迹是一件坏事情，其实不见得是坏事情。

另一方面，有一个观点说，人类聪明的希望干预机器，教机器怎么下围棋，让他学习人类的棋谱。其实最有效的方法是自我学习，无监督的学习，一定程度上我们人类太多干预反而限制了它的发挥。本质上可能还需要大量算力，算法上也会跟进，不是那么强的去干预它。

金磊：咱们训练一次大模型，参数特别大的话，动辄数千万美元成本，投资角度来看您如何看待大力出奇迹事情，创业公司有机会吗？

陈石：

大力出奇迹是必然，就是这个阶段，因为这次是无监督学习的一个突破，因为无监督学习特别是大规模无监督学习一直是机器学习的圣杯，从来没有人取得过这个圣杯，但是我觉得OpenAI把这个圣杯拿下来了，本身就是要靠大量的数据无监督的去学习产生的，我觉得是一个趋势，是当下被验证的一个事情，所以估计大家还会这么做。

商业角度来说，我觉得大的模型还只能这么训练，但是作为创业者去专注于做应用层创业，其实可以不需要自己去训练模型，最多可以说在一些大模型基础之上做一些调优。我觉得大部分创业机会可能还是在非模型层，或者说是在一些垂类的模型。

大模型，我觉得未来中国可能也不会有太多家，全球也不会有太多家，有一些模型可能是垂类模型，这个是很大的机会。

金磊：我们最后一个关键词，“中国AIGC新机遇”。我们想请在座各位用简短一句话来谈谈您对它的一个期待。

林莱尼：

我们会发现互联网企业可能对于35岁+的这些人群不是非常友好，我们也会思考，AI真的是创造了失业潮吗？后来我觉得也并不是，我很喜欢一句广告词，“永不放弃，奔向未来”，面向未来一定要勇敢。

马千里：

对于中国的机遇来说，可能未来的大模型，即使你和国外有差距，甚至有几倍的差距，但是可能对于人类来说都够用了。

苏联和美国冷战的时候，都说自己能毁灭地球多少遍，其实毁灭一遍就够了。AIGC产生的能力可能会强到，即使两个模型之间有百分之多少的差距，但都无所谓，对于人类来说够用了，这是一个长期的看法。

另外，即使现在我们在大模型上，的的确确可能没有外国人那么强，但是从逻辑上我们应该还是能赶上的。

陈石：

我觉得其实这是全人类的机遇。

另外，我觉得中国是有机会做成一个自己的大模型的，因为算法是人类共同科研的成果，它整个的训练过程起码在GPT3我们都看的到，包括ChatGPT人类反馈的强化学习，也都看到了这个过程，可能有一些语焉不详。所以做一个大模型剩下的是一些工程的工作，在工程工作上我们中国的工程师是不怕的。

从算力维度讲，这个事情还是需要慢慢来，我觉得可能尽量去想一些替代的办法，就是有自己的算力，或者以别的方式获取一些算力。

数据呢，我觉得我们是可以做到的，因为数据集这个事情，相对我们还是有办法的。

凭着中国人的聪明程度，我觉得基础模型是可以突破的，当然复现到今天GPT4这个能力，可能还有差距，但是是时间问题。

在应用层面，微信、钉钉等，历史已一再证明，中国在软件的应用上是很厉害的。

朱雷：

我非常同意陈石总的看法，虽然说现在跟GPT4比技术差距还是有的，但确实是时间的问题。但是是机遇的同时也是一种挑战。我最后一句话就是我们要拥抱AI。