正在閱讀:

中國(guó)移動(dòng)的大模型之路

掃一掃下載界面新聞APP

中國(guó)移動(dòng)的大模型之路

中國(guó)移動(dòng)商業(yè)化探索路徑,可以說是中國(guó)大模型商業(yè)化進(jìn)程中的縮影。

文|科技新知 椰子

編輯丨賽柯

8月8日晚間,中國(guó)移動(dòng)披露2024年半年度報(bào)告。公告顯示,今年上半年,中國(guó)移動(dòng)營(yíng)業(yè)收入達(dá)到5467億元,同比增長(zhǎng)3.0%,其中,主營(yíng)業(yè)務(wù)收入達(dá)到4636億元,同比增長(zhǎng)2.5%。

在AI大模型方面,股東應(yīng)占利潤(rùn)達(dá)到人民幣802億元,同比增長(zhǎng)5.3%,反映了公司在AI等新技術(shù)推動(dòng)下的盈利能力提升。數(shù)字化轉(zhuǎn)型業(yè)務(wù)達(dá)到人民幣1,471億元,同比增長(zhǎng)11.0%,顯示出公司在新興業(yè)務(wù)領(lǐng)域的強(qiáng)勁增長(zhǎng)勢(shì)頭。

此外,移動(dòng)云收入達(dá)到人民幣504億元,同比增長(zhǎng)19.3%,其中IAAS+PAAS收入份額穩(wěn)居業(yè)界前五,顯示了云計(jì)算與AI結(jié)合的強(qiáng)大市場(chǎng)競(jìng)爭(zhēng)力。由此可以看出,中國(guó)移動(dòng)在AI大模型的業(yè)務(wù)布局初見成效。同時(shí),中國(guó)移動(dòng)董事長(zhǎng)楊杰在今日晚間舉行的公司2024年度中期業(yè)績(jī)說明會(huì)上表示,“大模型變現(xiàn)是我們一直在思考的問題。”

其實(shí),大模型商業(yè)化變現(xiàn)一直是業(yè)界共同關(guān)注的話題,無論是科技巨頭、運(yùn)營(yíng)商、大模型獨(dú)角獸,還是傳統(tǒng)行業(yè)龍頭企業(yè),都在用不同的方式和途徑探索大模型商業(yè)化變現(xiàn),尋找適合自己的商業(yè)化變現(xiàn)路徑。

中國(guó)移動(dòng)商業(yè)化探索路徑,可以說是中國(guó)大模型商業(yè)化進(jìn)程中的縮影。對(duì)于中國(guó)移動(dòng)來說,五條線并行的商業(yè)化路是機(jī)遇布局全面,覆蓋面廣;但也是挑戰(zhàn)過于零散且不集中。

Part.1 內(nèi)外環(huán)境倒逼進(jìn)入AI領(lǐng)域

科技新知了解到,2013年前后,AI技術(shù)開始進(jìn)入快速發(fā)展階段。深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)取得了顯著進(jìn)展,AI在語音識(shí)別、圖像處理、自然語言處理等領(lǐng)域的應(yīng)用逐漸成熟。另一方面,互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的普及為AI技術(shù)的發(fā)展提供了大量的數(shù)據(jù)支持,推動(dòng)了AI技術(shù)的商業(yè)化進(jìn)程。

在全球范圍內(nèi),各大科技公司都在積極布局AI領(lǐng)域。包括谷歌、亞馬遜、微軟等企業(yè)已經(jīng)在AI技術(shù)上取得了顯著進(jìn)展,并開始探索AI在各行業(yè)的應(yīng)用。同時(shí),中國(guó)政府在2013年前后也開始重視AI技術(shù)的發(fā)展,并出臺(tái)了一系列政策支持AI產(chǎn)業(yè)的發(fā)展。

從中國(guó)移動(dòng)自身來說,中國(guó)移動(dòng)作為全球最大的電信運(yùn)營(yíng)商之一,面臨著激烈的國(guó)際競(jìng)爭(zhēng)和技術(shù)創(chuàng)新的挑戰(zhàn),需要通過布局AI來保持競(jìng)爭(zhēng)優(yōu)勢(shì)。隨著移動(dòng)互聯(lián)網(wǎng)的普及,用戶對(duì)通信服務(wù)的需求越來越多樣化,網(wǎng)絡(luò)運(yùn)營(yíng)和維護(hù)的復(fù)雜性以及業(yè)務(wù)創(chuàng)新的壓力等痛點(diǎn),用戶不僅需要基本的通信服務(wù),還需要智能化的客服、個(gè)性化的推薦等服務(wù)。傳統(tǒng)的客戶服務(wù)模式難以滿足這些需求,需要引入AI技術(shù)來提升服務(wù)質(zhì)量和效率,提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性。

電信行業(yè)的競(jìng)爭(zhēng)日益激烈,傳統(tǒng)業(yè)務(wù)的市場(chǎng)空間逐漸飽和。中國(guó)移動(dòng)需要通過引入AI技術(shù),探索新的業(yè)務(wù)模式和服務(wù),以保持市場(chǎng)競(jìng)爭(zhēng)力。

所以,2013年中國(guó)移動(dòng)開始布局AI大模型業(yè)務(wù)。

Part.2 零散不集中的商業(yè)化變現(xiàn)路徑

目前,中國(guó)移動(dòng)在大模型的布局上采用了“自主研發(fā)+生態(tài)合作”的策略。在商業(yè)化變現(xiàn)方面,前面提到了中國(guó)移動(dòng)在探索的大模型變現(xiàn)路徑有五條,第一,TOB依托大模型底座打造行業(yè)模型;第二,和政企做AI及其他信息技術(shù)的融合創(chuàng)新;第三,全面推進(jìn)TOC、TOH的智能體;第四,推進(jìn)MaaS模型即服務(wù);第五,上崗5.5萬個(gè)數(shù)字員工,經(jīng)營(yíng)效率和效益明顯提升。

具體的應(yīng)用案例有,在福建,九天人工智能大模型賦能紡織企業(yè)開展AI視覺識(shí)別檢測(cè),高效檢測(cè)出布匹瑕疵,同時(shí)聯(lián)動(dòng)生產(chǎn)管理系統(tǒng)、配置停機(jī)策略,某紡織企業(yè)瑕疵檢出準(zhǔn)確率從70%提升至90%,預(yù)計(jì)每年可節(jié)省成本數(shù)百萬元,有效提升產(chǎn)品質(zhì)量和生產(chǎn)效率。

中國(guó)移動(dòng)在大模型變現(xiàn)路徑上的探索,確實(shí)涵蓋了多個(gè)方面,這種多元化的變現(xiàn)路徑體現(xiàn)了中國(guó)移動(dòng)在大模型領(lǐng)域的全面布局和深入探索。

然而,這種大而全的變現(xiàn)路徑也可能存在一些問題,概括來說就是零散不集中。這種零散不集中主要表現(xiàn)是多條變現(xiàn)路徑并存,這些路徑各自獨(dú)立,缺乏統(tǒng)一的整合和規(guī)劃。

由于變現(xiàn)路徑眾多,中國(guó)移動(dòng)可能將有限的資源,例如資金、人力、技術(shù)等分散到各個(gè)路徑上。在零散不集中的變現(xiàn)路徑下,中國(guó)移動(dòng)可能需要在各個(gè)項(xiàng)目上進(jìn)行資金投入。

由于多個(gè)項(xiàng)目同時(shí)進(jìn)行,可能導(dǎo)致資金在各個(gè)項(xiàng)目之間的分配不夠集中,無法形成有效的投資回報(bào)。過多的項(xiàng)目也可能增加公司的財(cái)務(wù)風(fēng)險(xiǎn)和負(fù)擔(dān)。

當(dāng)中國(guó)移動(dòng)同時(shí)探索多條大模型變現(xiàn)路徑時(shí),它可能需要在各個(gè)路徑上分配研發(fā)資源。例如,在開發(fā)面向政企的行業(yè)大模型時(shí),可能需要投入一部分研發(fā)團(tuán)隊(duì)進(jìn)行特定功能的開發(fā)。

其次,在技術(shù)整合難度增加,不同的變現(xiàn)路徑可能需要不同的技術(shù)支持和解決方案。這種技術(shù)上的差異性和復(fù)雜性增加了技術(shù)整合的難度,可能影響大模型的整體性能和用戶體驗(yàn)。

例如,中國(guó)移動(dòng)在探索大模型變現(xiàn)路徑時(shí),可能針對(duì)不同的業(yè)務(wù)需求開發(fā)了多個(gè)獨(dú)立的技術(shù)平臺(tái)。這些平臺(tái)各自采用了不同的技術(shù)架構(gòu)、編程語言和數(shù)據(jù)格式。

由于缺乏統(tǒng)一的技術(shù)標(biāo)準(zhǔn),不同平臺(tái)之間的數(shù)據(jù)交換和集成變得異常困難,導(dǎo)致信息孤島的出現(xiàn)。這種技術(shù)上的碎片化不僅增加了系統(tǒng)集成的復(fù)雜性,還降低了整體系統(tǒng)的可靠性和穩(wěn)定性。開發(fā)和維護(hù)多個(gè)技術(shù)平臺(tái)也增加了公司的運(yùn)營(yíng)成本和技術(shù)難度。

在多個(gè)大模型變現(xiàn)路徑中,可能存在功能上的重疊。例如,當(dāng)中國(guó)移動(dòng)面向政企的行業(yè)大模型和面向消費(fèi)者的智能體服務(wù)可能都包含了自然語言處理的功能。由于缺乏統(tǒng)籌規(guī)劃,這些功能可能在實(shí)現(xiàn)方式、性能指標(biāo)和使用體驗(yàn)上存在差異,甚至產(chǎn)生沖突。第三,管理體系復(fù)雜化,主要表現(xiàn)為決策層級(jí)增多、管理流程繁瑣、資源協(xié)調(diào)困難和內(nèi)部溝通障礙等方面。這些問題不僅增加了公司的運(yùn)營(yíng)成本和管理難度,還可能影響公司的整體績(jī)效和市場(chǎng)競(jìng)爭(zhēng)力。

例如,隨著中國(guó)移動(dòng)在大模型變現(xiàn)路徑上的多元化探索,公司可能需要設(shè)立多個(gè)專門的項(xiàng)目團(tuán)隊(duì)或部門來負(fù)責(zé)不同的變現(xiàn)路徑。每個(gè)項(xiàng)目團(tuán)隊(duì)或部門都有自己的目標(biāo)和KPI,這導(dǎo)致決策層級(jí)增多,決策過程變得復(fù)雜。

這樣一來,決策層級(jí)的增多使得信息傳遞速度變慢,決策效率降低。各個(gè)項(xiàng)目團(tuán)隊(duì)或部門之間可能出現(xiàn)目標(biāo)不一致、利益沖突等問題,需要更高層級(jí)的管理者進(jìn)行協(xié)調(diào)和決策。

因此,中國(guó)移動(dòng)需要重視管理體系的優(yōu)化和整合,提高決策效率和管理效能。

此外,人才短缺、數(shù)據(jù)隱私和安全、高昂的算力成本等問題也是這種零散不集中的商業(yè)化變現(xiàn)路徑帶來的不利因素。

Part.3 路漫漫其修遠(yuǎn)兮的變現(xiàn)探索道路

當(dāng)前中國(guó)大模型變現(xiàn)路徑的探索正處于快速發(fā)展階段,截至2024年3月,國(guó)產(chǎn)大模型數(shù)量已超過200個(gè),覆蓋多個(gè)行業(yè)和領(lǐng)域,應(yīng)用場(chǎng)景不斷拓展。隨著AI技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的拓展,大模型在多個(gè)行業(yè)中的應(yīng)用逐漸顯現(xiàn)出其巨大的商業(yè)價(jià)值。

然而,在這一過程中暴露出了一些通病和挑戰(zhàn),而中國(guó)移動(dòng)商業(yè)化變現(xiàn)的不足也是整個(gè)行業(yè)的縮影,包括技術(shù)、成本、數(shù)據(jù)、人才和市場(chǎng)認(rèn)知等方面的問題。

在技術(shù)上主要要面臨“卡脖子”問題,主要包括算力獲取成本高、數(shù)據(jù)處理難題、技術(shù)標(biāo)準(zhǔn)和互操作性問題、模型可解釋性和透明度不足,以及安全性和隱私保護(hù)問題,這些挑戰(zhàn)限制了大模型技術(shù)的廣泛應(yīng)用和商業(yè)價(jià)值的最大化。

例如,訓(xùn)練大模型需要海量的算力支持,這對(duì)企業(yè)的財(cái)務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購(gòu)置和維護(hù),還包括電力消耗等運(yùn)營(yíng)成本。大模型需要處理的數(shù)據(jù)量巨大,數(shù)據(jù)收集、清洗、標(biāo)注等環(huán)節(jié)都需要大量的人力和時(shí)間投入。同時(shí),數(shù)據(jù)的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素。

在成本和數(shù)據(jù)問題上,訓(xùn)練大模型需要海量的算力支持,這對(duì)企業(yè)的財(cái)務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購(gòu)置和維護(hù),還包括電力消耗等運(yùn)營(yíng)成本。其次,大模型需要處理的數(shù)據(jù)量巨大,數(shù)據(jù)收集、清洗、標(biāo)注等環(huán)節(jié)都需要大量的人力和時(shí)間投入。同時(shí),數(shù)據(jù)的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素

此外,人才不足,市場(chǎng)認(rèn)知不準(zhǔn)確、行業(yè)know-how積累不足也是行業(yè)共性問題。

不過,隨著AI技術(shù)的不斷進(jìn)步,大模型的應(yīng)用場(chǎng)景不斷擴(kuò)展,從自然語言處理到視覺聽覺識(shí)別、邏輯推理等,展現(xiàn)出強(qiáng)大的能力。越來越多的企業(yè)開始關(guān)注和應(yīng)用大模型技術(shù),推動(dòng)了人工智能技術(shù)的落地和普及。

其次,在國(guó)家出臺(tái)了一系列政策措施支持人工智能產(chǎn)業(yè)的發(fā)展后,明顯可以看出國(guó)家對(duì)AI、大模型的重視程度不斷提升。此外,人工智能產(chǎn)業(yè)鏈各環(huán)節(jié)有望迎來更多發(fā)展機(jī)遇,包括算力、模型和應(yīng)用等環(huán)節(jié)的協(xié)同發(fā)展。

在這種機(jī)遇與挑戰(zhàn)并存的背景下,通過技術(shù)創(chuàng)新、模式創(chuàng)新以及跨行業(yè)合作,中國(guó)移動(dòng)等公司有望逐步解決大模型商業(yè)化變現(xiàn)中的技術(shù)挑戰(zhàn),實(shí)現(xiàn)技術(shù)的商業(yè)化落地和廣泛應(yīng)用。

不過,整體來看,中國(guó)大模型的商業(yè)化探索可謂“路漫漫其修遠(yuǎn)兮”,路很長(zhǎng)也不好走。

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請(qǐng)聯(lián)系原著作權(quán)人。

中國(guó)移動(dòng)

5.6k
  • “數(shù)字孿生”仍在等待中國(guó)市場(chǎng)機(jī)會(huì)的爆發(fā)
  • 中國(guó)移動(dòng):前三季度歸母凈利潤(rùn)1109億元,同比增長(zhǎng)5.1%

評(píng)論

暫無評(píng)論哦,快來評(píng)價(jià)一下吧!

下載界面新聞

微信公眾號(hào)

微博

中國(guó)移動(dòng)的大模型之路

中國(guó)移動(dòng)商業(yè)化探索路徑,可以說是中國(guó)大模型商業(yè)化進(jìn)程中的縮影。

文|科技新知 椰子

編輯丨賽柯

8月8日晚間,中國(guó)移動(dòng)披露2024年半年度報(bào)告。公告顯示,今年上半年,中國(guó)移動(dòng)營(yíng)業(yè)收入達(dá)到5467億元,同比增長(zhǎng)3.0%,其中,主營(yíng)業(yè)務(wù)收入達(dá)到4636億元,同比增長(zhǎng)2.5%。

在AI大模型方面,股東應(yīng)占利潤(rùn)達(dá)到人民幣802億元,同比增長(zhǎng)5.3%,反映了公司在AI等新技術(shù)推動(dòng)下的盈利能力提升。數(shù)字化轉(zhuǎn)型業(yè)務(wù)達(dá)到人民幣1,471億元,同比增長(zhǎng)11.0%,顯示出公司在新興業(yè)務(wù)領(lǐng)域的強(qiáng)勁增長(zhǎng)勢(shì)頭。

此外,移動(dòng)云收入達(dá)到人民幣504億元,同比增長(zhǎng)19.3%,其中IAAS+PAAS收入份額穩(wěn)居業(yè)界前五,顯示了云計(jì)算與AI結(jié)合的強(qiáng)大市場(chǎng)競(jìng)爭(zhēng)力。由此可以看出,中國(guó)移動(dòng)在AI大模型的業(yè)務(wù)布局初見成效。同時(shí),中國(guó)移動(dòng)董事長(zhǎng)楊杰在今日晚間舉行的公司2024年度中期業(yè)績(jī)說明會(huì)上表示,“大模型變現(xiàn)是我們一直在思考的問題。”

其實(shí),大模型商業(yè)化變現(xiàn)一直是業(yè)界共同關(guān)注的話題,無論是科技巨頭、運(yùn)營(yíng)商、大模型獨(dú)角獸,還是傳統(tǒng)行業(yè)龍頭企業(yè),都在用不同的方式和途徑探索大模型商業(yè)化變現(xiàn),尋找適合自己的商業(yè)化變現(xiàn)路徑。

中國(guó)移動(dòng)商業(yè)化探索路徑,可以說是中國(guó)大模型商業(yè)化進(jìn)程中的縮影。對(duì)于中國(guó)移動(dòng)來說,五條線并行的商業(yè)化路是機(jī)遇布局全面,覆蓋面廣;但也是挑戰(zhàn)過于零散且不集中。

Part.1 內(nèi)外環(huán)境倒逼進(jìn)入AI領(lǐng)域

科技新知了解到,2013年前后,AI技術(shù)開始進(jìn)入快速發(fā)展階段。深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)取得了顯著進(jìn)展,AI在語音識(shí)別、圖像處理、自然語言處理等領(lǐng)域的應(yīng)用逐漸成熟。另一方面,互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的普及為AI技術(shù)的發(fā)展提供了大量的數(shù)據(jù)支持,推動(dòng)了AI技術(shù)的商業(yè)化進(jìn)程。

在全球范圍內(nèi),各大科技公司都在積極布局AI領(lǐng)域。包括谷歌、亞馬遜、微軟等企業(yè)已經(jīng)在AI技術(shù)上取得了顯著進(jìn)展,并開始探索AI在各行業(yè)的應(yīng)用。同時(shí),中國(guó)政府在2013年前后也開始重視AI技術(shù)的發(fā)展,并出臺(tái)了一系列政策支持AI產(chǎn)業(yè)的發(fā)展。

從中國(guó)移動(dòng)自身來說,中國(guó)移動(dòng)作為全球最大的電信運(yùn)營(yíng)商之一,面臨著激烈的國(guó)際競(jìng)爭(zhēng)和技術(shù)創(chuàng)新的挑戰(zhàn),需要通過布局AI來保持競(jìng)爭(zhēng)優(yōu)勢(shì)。隨著移動(dòng)互聯(lián)網(wǎng)的普及,用戶對(duì)通信服務(wù)的需求越來越多樣化,網(wǎng)絡(luò)運(yùn)營(yíng)和維護(hù)的復(fù)雜性以及業(yè)務(wù)創(chuàng)新的壓力等痛點(diǎn),用戶不僅需要基本的通信服務(wù),還需要智能化的客服、個(gè)性化的推薦等服務(wù)。傳統(tǒng)的客戶服務(wù)模式難以滿足這些需求,需要引入AI技術(shù)來提升服務(wù)質(zhì)量和效率,提高網(wǎng)絡(luò)的穩(wěn)定性和可靠性。

電信行業(yè)的競(jìng)爭(zhēng)日益激烈,傳統(tǒng)業(yè)務(wù)的市場(chǎng)空間逐漸飽和。中國(guó)移動(dòng)需要通過引入AI技術(shù),探索新的業(yè)務(wù)模式和服務(wù),以保持市場(chǎng)競(jìng)爭(zhēng)力。

所以,2013年中國(guó)移動(dòng)開始布局AI大模型業(yè)務(wù)。

Part.2 零散不集中的商業(yè)化變現(xiàn)路徑

目前,中國(guó)移動(dòng)在大模型的布局上采用了“自主研發(fā)+生態(tài)合作”的策略。在商業(yè)化變現(xiàn)方面,前面提到了中國(guó)移動(dòng)在探索的大模型變現(xiàn)路徑有五條,第一,TOB依托大模型底座打造行業(yè)模型;第二,和政企做AI及其他信息技術(shù)的融合創(chuàng)新;第三,全面推進(jìn)TOC、TOH的智能體;第四,推進(jìn)MaaS模型即服務(wù);第五,上崗5.5萬個(gè)數(shù)字員工,經(jīng)營(yíng)效率和效益明顯提升。

具體的應(yīng)用案例有,在福建,九天人工智能大模型賦能紡織企業(yè)開展AI視覺識(shí)別檢測(cè),高效檢測(cè)出布匹瑕疵,同時(shí)聯(lián)動(dòng)生產(chǎn)管理系統(tǒng)、配置停機(jī)策略,某紡織企業(yè)瑕疵檢出準(zhǔn)確率從70%提升至90%,預(yù)計(jì)每年可節(jié)省成本數(shù)百萬元,有效提升產(chǎn)品質(zhì)量和生產(chǎn)效率。

中國(guó)移動(dòng)在大模型變現(xiàn)路徑上的探索,確實(shí)涵蓋了多個(gè)方面,這種多元化的變現(xiàn)路徑體現(xiàn)了中國(guó)移動(dòng)在大模型領(lǐng)域的全面布局和深入探索。

然而,這種大而全的變現(xiàn)路徑也可能存在一些問題,概括來說就是零散不集中。這種零散不集中主要表現(xiàn)是多條變現(xiàn)路徑并存,這些路徑各自獨(dú)立,缺乏統(tǒng)一的整合和規(guī)劃。

由于變現(xiàn)路徑眾多,中國(guó)移動(dòng)可能將有限的資源,例如資金、人力、技術(shù)等分散到各個(gè)路徑上。在零散不集中的變現(xiàn)路徑下,中國(guó)移動(dòng)可能需要在各個(gè)項(xiàng)目上進(jìn)行資金投入。

由于多個(gè)項(xiàng)目同時(shí)進(jìn)行,可能導(dǎo)致資金在各個(gè)項(xiàng)目之間的分配不夠集中,無法形成有效的投資回報(bào)。過多的項(xiàng)目也可能增加公司的財(cái)務(wù)風(fēng)險(xiǎn)和負(fù)擔(dān)。

當(dāng)中國(guó)移動(dòng)同時(shí)探索多條大模型變現(xiàn)路徑時(shí),它可能需要在各個(gè)路徑上分配研發(fā)資源。例如,在開發(fā)面向政企的行業(yè)大模型時(shí),可能需要投入一部分研發(fā)團(tuán)隊(duì)進(jìn)行特定功能的開發(fā)。

其次,在技術(shù)整合難度增加,不同的變現(xiàn)路徑可能需要不同的技術(shù)支持和解決方案。這種技術(shù)上的差異性和復(fù)雜性增加了技術(shù)整合的難度,可能影響大模型的整體性能和用戶體驗(yàn)。

例如,中國(guó)移動(dòng)在探索大模型變現(xiàn)路徑時(shí),可能針對(duì)不同的業(yè)務(wù)需求開發(fā)了多個(gè)獨(dú)立的技術(shù)平臺(tái)。這些平臺(tái)各自采用了不同的技術(shù)架構(gòu)、編程語言和數(shù)據(jù)格式。

由于缺乏統(tǒng)一的技術(shù)標(biāo)準(zhǔn),不同平臺(tái)之間的數(shù)據(jù)交換和集成變得異常困難,導(dǎo)致信息孤島的出現(xiàn)。這種技術(shù)上的碎片化不僅增加了系統(tǒng)集成的復(fù)雜性,還降低了整體系統(tǒng)的可靠性和穩(wěn)定性。開發(fā)和維護(hù)多個(gè)技術(shù)平臺(tái)也增加了公司的運(yùn)營(yíng)成本和技術(shù)難度。

在多個(gè)大模型變現(xiàn)路徑中,可能存在功能上的重疊。例如,當(dāng)中國(guó)移動(dòng)面向政企的行業(yè)大模型和面向消費(fèi)者的智能體服務(wù)可能都包含了自然語言處理的功能。由于缺乏統(tǒng)籌規(guī)劃,這些功能可能在實(shí)現(xiàn)方式、性能指標(biāo)和使用體驗(yàn)上存在差異,甚至產(chǎn)生沖突。第三,管理體系復(fù)雜化,主要表現(xiàn)為決策層級(jí)增多、管理流程繁瑣、資源協(xié)調(diào)困難和內(nèi)部溝通障礙等方面。這些問題不僅增加了公司的運(yùn)營(yíng)成本和管理難度,還可能影響公司的整體績(jī)效和市場(chǎng)競(jìng)爭(zhēng)力。

例如,隨著中國(guó)移動(dòng)在大模型變現(xiàn)路徑上的多元化探索,公司可能需要設(shè)立多個(gè)專門的項(xiàng)目團(tuán)隊(duì)或部門來負(fù)責(zé)不同的變現(xiàn)路徑。每個(gè)項(xiàng)目團(tuán)隊(duì)或部門都有自己的目標(biāo)和KPI,這導(dǎo)致決策層級(jí)增多,決策過程變得復(fù)雜。

這樣一來,決策層級(jí)的增多使得信息傳遞速度變慢,決策效率降低。各個(gè)項(xiàng)目團(tuán)隊(duì)或部門之間可能出現(xiàn)目標(biāo)不一致、利益沖突等問題,需要更高層級(jí)的管理者進(jìn)行協(xié)調(diào)和決策。

因此,中國(guó)移動(dòng)需要重視管理體系的優(yōu)化和整合,提高決策效率和管理效能。

此外,人才短缺、數(shù)據(jù)隱私和安全、高昂的算力成本等問題也是這種零散不集中的商業(yè)化變現(xiàn)路徑帶來的不利因素。

Part.3 路漫漫其修遠(yuǎn)兮的變現(xiàn)探索道路

當(dāng)前中國(guó)大模型變現(xiàn)路徑的探索正處于快速發(fā)展階段,截至2024年3月,國(guó)產(chǎn)大模型數(shù)量已超過200個(gè),覆蓋多個(gè)行業(yè)和領(lǐng)域,應(yīng)用場(chǎng)景不斷拓展。隨著AI技術(shù)的不斷進(jìn)步和應(yīng)用場(chǎng)景的拓展,大模型在多個(gè)行業(yè)中的應(yīng)用逐漸顯現(xiàn)出其巨大的商業(yè)價(jià)值。

然而,在這一過程中暴露出了一些通病和挑戰(zhàn),而中國(guó)移動(dòng)商業(yè)化變現(xiàn)的不足也是整個(gè)行業(yè)的縮影,包括技術(shù)、成本、數(shù)據(jù)、人才和市場(chǎng)認(rèn)知等方面的問題。

在技術(shù)上主要要面臨“卡脖子”問題,主要包括算力獲取成本高、數(shù)據(jù)處理難題、技術(shù)標(biāo)準(zhǔn)和互操作性問題、模型可解釋性和透明度不足,以及安全性和隱私保護(hù)問題,這些挑戰(zhàn)限制了大模型技術(shù)的廣泛應(yīng)用和商業(yè)價(jià)值的最大化。

例如,訓(xùn)練大模型需要海量的算力支持,這對(duì)企業(yè)的財(cái)務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購(gòu)置和維護(hù),還包括電力消耗等運(yùn)營(yíng)成本。大模型需要處理的數(shù)據(jù)量巨大,數(shù)據(jù)收集、清洗、標(biāo)注等環(huán)節(jié)都需要大量的人力和時(shí)間投入。同時(shí),數(shù)據(jù)的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素。

在成本和數(shù)據(jù)問題上,訓(xùn)練大模型需要海量的算力支持,這對(duì)企業(yè)的財(cái)務(wù)構(gòu)成了巨大壓力。高昂的算力成本不僅包括硬件設(shè)備的購(gòu)置和維護(hù),還包括電力消耗等運(yùn)營(yíng)成本。其次,大模型需要處理的數(shù)據(jù)量巨大,數(shù)據(jù)收集、清洗、標(biāo)注等環(huán)節(jié)都需要大量的人力和時(shí)間投入。同時(shí),數(shù)據(jù)的質(zhì)量和多樣性也是影響模型性能的關(guān)鍵因素

此外,人才不足,市場(chǎng)認(rèn)知不準(zhǔn)確、行業(yè)know-how積累不足也是行業(yè)共性問題。

不過,隨著AI技術(shù)的不斷進(jìn)步,大模型的應(yīng)用場(chǎng)景不斷擴(kuò)展,從自然語言處理到視覺聽覺識(shí)別、邏輯推理等,展現(xiàn)出強(qiáng)大的能力。越來越多的企業(yè)開始關(guān)注和應(yīng)用大模型技術(shù),推動(dòng)了人工智能技術(shù)的落地和普及。

其次,在國(guó)家出臺(tái)了一系列政策措施支持人工智能產(chǎn)業(yè)的發(fā)展后,明顯可以看出國(guó)家對(duì)AI、大模型的重視程度不斷提升。此外,人工智能產(chǎn)業(yè)鏈各環(huán)節(jié)有望迎來更多發(fā)展機(jī)遇,包括算力、模型和應(yīng)用等環(huán)節(jié)的協(xié)同發(fā)展。

在這種機(jī)遇與挑戰(zhàn)并存的背景下,通過技術(shù)創(chuàng)新、模式創(chuàng)新以及跨行業(yè)合作,中國(guó)移動(dòng)等公司有望逐步解決大模型商業(yè)化變現(xiàn)中的技術(shù)挑戰(zhàn),實(shí)現(xiàn)技術(shù)的商業(yè)化落地和廣泛應(yīng)用。

不過,整體來看,中國(guó)大模型的商業(yè)化探索可謂“路漫漫其修遠(yuǎn)兮”,路很長(zhǎng)也不好走。

本文為轉(zhuǎn)載內(nèi)容,授權(quán)事宜請(qǐng)聯(lián)系原著作權(quán)人。