为什么很多AI应用创新往往诞生在中国？

　　2023年6月，英国《金融时报》一篇名为Gaming industry puts generative AI to the test的深度报道流传于中文互联网。

　　文中提到了一款名为“Justice Mobile”的手游，游戏中的NPC能跟玩家随意聊天，能和玩家吵架，诗词歌赋张口就来。

　　跟传统游戏角色依赖提前安排的对话脚本不同，游戏里的NPC更像一个活生生的人，有自己的个性。

　　专栏作者称赞这款游戏为“生成式人工智能在全球主流游戏中首次创新尝试”——游戏开发商NetEase成立了AI实验室，将宋代文学作品作为大模型的训练材料，以驱动人物NPC的响应、语言和表情。

　　想必你已经猜到了，它就是网易的首款AI游戏《逆水寒》手游。

　　如果说即将发售的《黑神话:悟空》将满足我们对中国首款3A游戏的所有想象，那么《逆水寒》问世的意义，在于未来“AI对游戏业的影响将远大于PC显卡和移动互联网”。

　　同样引起现象级传播的中国AIGC应用，必然少不了2023年诞生的“妙鸭相机”，算是全球首款用真人图片生成写真图片的应用。

　　这股“换脸风”还吹到了国外，Befake、Remini等AI换脸工具先后问世，为AIGC的商业实践添了一把火。

　　这让人不禁想问:任何一项新技术的诞生，为何率先进入商业应用环节的通常是中国?

　　AIGC的下半场:为什么成本很重要

　　一个共识是，这些首创应用都需要大量数据量和算力，而算力依托于云计算平台能力和硬件水平。

　　无论是妙鸭数亿级的数据量，还是《逆水寒》中NPC和玩家的每一次互动、捏脸、作词，都涉及AI模型的调用，需要算力的支持，百万用户同时在线，对GPU资源供应能力和网速是一个巨大挑战。

　　因此一个关键的因素是——成本。

　　目前AI推理仍然要巨额成本，而在AI时代，成本越低，试错成本越低，转化为商业应用的可能性也就越大。

　　如果反推的话，将AI推理部署到阿里云的网易伏羲团队具备了某种成本优势。

　　而这种优势可能会继续被放大，因为全球大模型的价格普遍出现了下调——最终一个企业和地区的综合实力(用户量、社区规模、电力基建等)将决定自身的竞争优势。

　　今年5月，OpenAI宣布GPT-4o支持免费试用，调用API价格降到5美元/百万token;谷歌随将Gemini1.5Flash的价格下探到0.35美元/百万token;而Anthropic的API价格，已经直接打到0.25美元/百万token。

　　在国内，阿里云通义千问旗下9款核心商业化和开源模型集体降价。其中对标GPT-4的长文本模型Qwen-long，API价格下降97%，低至0.5元/百万Token，是GPT-4价格的1/100，为全球最低。

　　那么自然而然会跟上第一个问题:降价到底为了什么?其实就两个字:应用。或者说，为商业化做铺垫。

　　如果再追问:为什么企业都迫不及待地想商业化了?那是因为AIGC行业真的出现了困境。

　　在市场观察者看来，在AI平台访问量达到瓶颈的形势下，大模型公司高昂的成本逐渐成为负担。

　　一来“人贵”，行业平均税后人才成本差不多在100万元。

　　二来“卡贵”，做大模型的乞丐版配置是50台GPU，而一张A100显卡价格已超过1万美元。

　　成本激增，竞争也在加剧。大模型中的“红皇后效应”，意味着企业如果不以两倍速奔跑就等同于原地踏步。大家都迫切找到实际应用场景和可持续的盈利模式。

　　阿里云智能集团资深副总裁、公共云事业部总裁刘伟光认为:“AI推理成本只有每年有十倍甚至百倍的降低，才能真正推动各行各业的AI应用的爆发。”

　　一个基本的商业规律是，价格下降，获客越快，越能摊平研发成本，推理成本进一步降低，最后进入“利润增长—研发加强—技术创新”的正循环中。

　　更为重要的是，这波价格战基本集中在API，也就是说企业在“抢夺”开发者，只有吸引的开发者足够多，当API和公共云集合，才能出现更繁荣的应用生态。

　　生态越完善，使用场景越多，用户规模越大，生成的新数据才越能够反哺大模型性能的提升。

　　这便是通过应用落地反向创新的路径——成本，不管是训练成本还是电力等基建成本，成为了AIGC竞赛的下半场。

　　寻找丰富的应用场景:中国需要“下围棋”

　　打造一个好的AIGC的商业模式，极低的试错成本很重要，丰富的应用场景也很重要。

　　前工信部部长苗圩就有过一个形象的比喻:中国大模型想突围，要学会“下围棋”。下围棋，就是寻找应用落地场景。

　　从大数据时代到AI时代，中国通过“规模化—降本—创新”正循环的模式，诞生了很多数智化奇迹。

　　中国作为工业大国，如今需要挖掘更多的应用场景，加快AIGC对产业第三次赋能迭代。

　　《云上的中国》系列图书和纪录片就纪录了数字化和智能化对产业的改造。

　　比如攀枝花的“钢铁大脑”，成宜高速和三一重工的数字孪生技术应用，水果烘干机企业接入工业互联网，这些工业项目所产生的数据，都被汇聚到一个叫“云”的平台上，然后再通过对数据的挖掘和边缘计算，产生新的数据资产，进而改变上下游，诞生新的商业模式。

　　如今《云上的中国》新的纪录片又为我们展示了一个个人工智能时代下的工业改造案例。

　　以挖掘机为例，如果说三一重工是通过传感器收集数据，那么如今的“虚拟游戏AI应用”收集数据的方法则更为新奇:在一个游戏的仿真环境里，只要变换不同卡车、挖掘机的模型，通过游戏化操作就可以生成大量的训练数据。

　　玩家以为自己在玩游戏，实际上是在生成新数据，然后交给AI处理，最后迁移到真实的物理机器上面。

　　操作者只要在办公室里喝喝咖啡，就能远程控制机器去进行抢险、下矿坑等危险操作--这已经在现实中落地了。

　　再以汽车行业为例。智能座驾是中国新能源汽车的优势项目。为了保持领先优势，中国车企通过大模型一直在做迭代:理想汽车开发MindGPT、问界M9接入盘古大模型、吉利研发星睿AI大模型……它们的终极目标，是将汽车变成具有人格化的“汽车机器人”。

　　比如以前“帮我把车窗打开”的智能语音是命令式、规则式的，而引入大模型后，可以变成自然语言的交互方式，比如“我有点闷，透透气吧”，人机互动会变得更为平等。

　　大模型还会根据车主习惯，推荐旅游路线、附近美食等等，相当于是一个私人助理。

　　当然，若要实现工业级应用和赋予汽车“人性”，终究离不开强大的算力和极低的训练成本，目前国内AI算力较为稀缺，汽车类应用模型想要活下去，必须借助云平台的能力。

　　像目前国内车企算力第一的吉利星睿，其算力能达到102亿亿次/秒，语言大模型总训练数据量超过3万亿token，而它又是基于阿里云搭建的“云计算、大数据、AI”一体化的计算平台，不仅算力足够，训练成本也是同行业最低。

　　“中国不需要这么多通用大模型，我们需要的是垂直应用大模型。”吴晓波老师在纪录片《云上的中国》第三季总结道。

　　低成本低门槛的工具:普通人的创业机会

　　近三十年来，中国在信息革命的时代巨轮中诞生了三次互联网创业潮。

　　第一波是PC互联网基础设施创业，诞生了阿里、网易等企业;第二波是2012年之后的移动互联网应用创业，形成了激进彻底的本土化创新;而第三波创业潮，或许将由大模型和人工智能驱动。

　　无论是基础设施，还是移动端创新，前两次创业潮都具有高门槛、高资金的特征，而第三次创业的一个最明显的优势是:在不断迭代的AI工具帮助下，创业成本和门槛将大幅下降——这将是每个中国普通人通过创业致富的机会。

　　除了对工业的改造，《云上的中国》纪录片还提到不少普通人抓住AI机遇的故事。

　　在创业之前，张华只是一个不懂编程的运营，也是一位“女儿奴”。

　　2023年AIGC的火热，让他进行了一次“尝鲜”:把女儿的游玩经历制作成一个绘本。他利用了ChatGPT生成了一个故事，再结合文生图工具Midjourney将故事生成10张情节连贯的图片，最后装订成册，一本专属于女儿的绘本就做成了。

　　看着女儿爱不释手，张华萌生了一个创业想法:能不能通过AI工具，做一个以孩子为主角，可自由创作的绘本产品呢?

　　在验证了需求的真实性和市场规模后，张华的“童话故事”上线微信小程序——国内首个基于AIGC能力的儿童绘本故事制作产品。

　　在张华看来，童话故事本质是一个互联网产品。

　　“最好的互联网产品其实是刚需、高频的，它需要提供一个用户的使用场景，用户只有觉得有价值才会愿意重复使用，未来我们才能商业化。”

　　和AI赋能工业一样，复杂的中国社会并不缺丰富的应用场景，这意味着每一个细分场景都有可能被AI重做一遍，升级成一种新的服务方式。

　　所以在每个被颗粒化的场景中，都蕴藏着创业的机会，而这一切都取决于极低的试错成本。

　　正如吴晓波老师所说的:“这一轮创业，创业者创建一个平台型公司的机会越来越少，但创业的颗粒度会变得越来越细。”

　　由于监管和法规限制，国外大模型用不了了，张华决定改用国内大模型阿里云通义系列。

　　令他意外的是，借助阿里云后，每个月的IT开销仅不到1万元。上线一年后，“童话故事”用户增长了700倍。

　　这一切都给了张华信心。他希望将家庭阅读场景的互动做透，甚至想把产品打造成AI家庭助手，然后推向全球。

　　一个完全不懂编程的运营，做一件十年前靠砸钱才能成功的事儿，看似不太靠谱。但他借助了大模型这个“外脑”，团队只要解决前端的场景和内容设计就可以了。

　　“云”上的中国:一个澎湃的时代

　　和PC互联网和移动互联网时代的路径一样，我们即将迎接一个技术颠覆的时代，也同样走向一个大基础设施的时代——一个“云”上的中国。

　　因为大模型越是发展，云计算等算力要求也就越高，算力将更多地建立在大规模GPU集群的基础上，包括网络储存的提升，所以AIGC的推理和训练成本，可能越来越走向云端。

　　而更便宜的算力，不仅仅是只由“摩尔定律”中的晶体管密度所决定，公共云的技术红利和规模效应能带来算力的持续优化。

　　可以预见的是，随着基础设施价格的下降，AIGC领域或将迎来新一轮的创新，而商业模式的比拼将变得愈发激烈。

　　所以创投圈里一个明显的趋势是:资金流逐渐向头部大模型集中，潜在投资者的兴趣更多地转向了应用层面的创新和落地。

　　而绑定好一个大平台，将对企业和普通创业者产生至关重要的影响，它不仅能提供算力和极低的资费，去赋能工业升级，也能为个人提供创造财富的机会。

　　未来一切的剧变便是AI普惠性所带来的科技向善的一面，也是《云上的中国3》及其第三季纪录片试图告诉我们的——走遍100家AI公司，得到中国AI创业所有答案。这部由吴晓波老师领衔策划并参与一线调研的作品，第一次全面展现了AI浪潮中，中国各行各业的场景创新和颠覆式发展、企业正在寻找的新的增长极，以及对AIGC的应用和发展全景式的梳理和思考。

　　我们期待这个即将到来的澎湃时代。