5月14日，OpenAI举办春季发布会，继今年2月份刷屏的Sora之后，带来效果堪称“炸场”的GPT-4o，其可进行跨文本、音频、图像与视频的实时推理与无延迟对话，而且向所有用户免费。
次日，另一“满级玩家”谷歌，在I/O开发者大会上火力全开，推出自家多模态大模型“全家桶”，包括由Gemini模型驱动的AI助手Project Astra、对标Sora的文生视频模型Veo等数十款产品。
面对海外厂商不断甩出的“王炸”，降价，是国内大部分厂商给出的应对之道。5月21日，阿里云通义千问宣布降价97%，1块钱买200万Tokens，相当于5本《新华字典》的文字量。前不久，智谱AI、字节跳动的大模型也都宣布降价，以进一步抢占市场。
虽然“价格战”已经打响，但并不是只有“降价”才能保持领先身位。在近日神州控股、神州信息、神州数码集团共同举办的数云原力大会2024开幕式上，神州数码副总裁、CTO李刚表示，我国在大模型的企业应用端具有很大优势，通过大模型赋能各行各业，是中国AI产业形成竞争优势的有效路径。
AI技术落地企业场景，需克服三大障碍
中国IT技术发展至今已有20余年时间，历经多次变迁，中国企业早已将拥抱变化、适应变化视为常态，积累了强大的主动采纳新技术的意识和能力。如今面对以AI大模型为代表的新一轮技术变迁，中国企业客户也显露出更加积极主动的态度，以期新技术能在业务场景中快速应用，实现企业运营效能提升。
态度虽好，但落地不易。李刚表示，一项新技术落地企业场景，需要先克服三大障碍。
一是“眼界”。企业需要不断扩充自己的视野，用“AI Native”的视角，去看待企业业务如何真正通过AI的方式去创新。
二是“认知”。ChatGPT的出现颠覆了以前大家对AI的理解，每个人都能感受到这项新技术在日常工作的应用，但认知往往是碎片化的。企业的认知应该从碎片化变成体系化、系统化，才能避免AI应用过程中“踩坑”。
最后是“场景”。企业部署AI落地场景时，往往倾向于一上来就瞄准大的、关键的业务场景，设定宏大的目标和整体的规划，但实际上有些微小的场景反而更有应用价值。
就目前来看，面对大模型技术带来的革命性影响，中国企业已逐渐回归理性。“我们观察到，很多企业已经基本理解了模型落地企业的难度、要点、关键点在什么地方。”李刚表示。
小场景着手，拼装超级Agent
当视野得到拓展，认知得到深化，接下来的重点便是精准地解决场景应用问题。
李刚认为，生成式AI企业场景落地应从“小处着手”。不一定是“岗位级”的，或者是“业务流程级”的，往往“任务级”的场景就很容易产生价值。当这些“任务级”场景做多了以后，就会积累出大量任务型工具，在生成式AI的加持下一步步将其编排起来，就可以在一个框架下完成更复杂的任务。“不过从小场景出发，需要有一个平台持续沉淀和积累企业能力，再在平台上进行不断拼装，最终形成适合企业场景的复杂工具或者超级Agent。”
这也是神州问学AI原生赋能平台产生的背后思考。
作为神州数码的战略级AI产品，神州问学最新推出的AI原生赋能平台版本包含Agent工程、企业知识治理、模型训练与管理三个相互协同的功能模块，帮助IT部门搭建一个能够不断积累AI能力的平台，以支撑企业内部不同业务部门的需求，不断去构建AI应用。企业部署了神州问学平台，可以在此基础上对企业内部知识、私域知识进行很好的治理，进行小场景的快速开发、迭代，不断积淀大的场景。“当用的小模型越来越多，会涌现出大模型的场景。”李刚表示。
不仅如此，面对企业在AI落地过程中存在的模型选择、管理等问题，神州问学打造的“模型市场”，让企业客户可以非常方便的在平台上选择、使用、管理第三方模型。“我们在其中嵌入评估框架，设置相应的指标，在特定业务场景下对模型进行评测，找到最合适的模型工具。”李刚说，“未来神州问学平台上会沉淀越来越多的AI工具，使得平台变得越来越厚，用这个平台的企业用户越多，工具积累越多，形成一个正向循环。未来我们可以把这些工具再做行业切分，形成不同行业的版本出现。”
生成式AI尚未进入下半场
经历了前期跑马圈地式的拼参数、拼算力，如今行业普遍认为，接下来AI产业会更加强调落地应用。基于此，有观点认为生成式AI进入拼落地的“下半场”。而在李刚看来，追求AI落地固然是大势所趋，但说“下半场”还为时过早。
“大模型技术本身还没有成熟，比如多模态技术、MOE技术、推理技术等还在不停发展，往场景中更多的渗透，”李刚说，“接下来会出现一个更加百花齐放的场景，最终的杀手级应用会出现在什么场景下还不好说。”
在李刚看来，AI接下来的发展走向，可能会是一条“陡峭的曲线”。“这次的AI有一个特别大的特点，就是它的泛化能力。这导致它的增长刚开始会很缓慢，是因为有很多问题要解决掉，然而一旦解决掉某些问题，它的增长曲线会非常陡。”
对于广大谋求AI商业化的从业者来说，最重要的可能就是抓住机遇期，坚持“不下牌桌”。“对于AI的发展，我们不要太高估未来一年的变化，也不要低估了未来三五年的变化。”李刚说。
