對話騰訊湯道生：行業對大模型過去太樂觀，現在又太悲觀

21世紀經濟報道記者白楊 深圳報道

今年6月，高盛發佈報告《Gen AI: Too much to spend, too little benefit?（生成式AI：投入過多，收益過少？）》，引發了許多人對AI泡沫的擔憂。

該報告認爲，預計在未來數年，科技巨頭、各類企業和公共事業單位將在生成式AI上投入約1萬億美元，包括對數據中心、芯片、AI基礎設施以及電網的投資。然而，迄今爲止，這些投資似乎並未帶來顯著成果，未來能否收回這些投資也是個問號。

這種擔憂，源自大模型落地的緩慢進展。今年，行業期盼的現象級AI應用並沒有出現，層出不窮的AI助手產品，用戶留存表現也並不佳。在產業端，企業對大模型的態度依然謹慎，這項新技術還沒有成爲企業非用不可的必選項。

高盛的一位研究主管認爲，AI要實現高昂投資的合理回報，就必須能解決複雜的問題。而且在成本上，他指出，像互聯網這樣真正改變生活的發明，即使在初期階段，也能以低成本的解決方案顛覆高成本的解決方案，而不像是現在昂貴的AI技術。

8月初，美股“科技七巨頭”股價集體下跌，以及接下來英偉達股價的大幅波動，也體現出資本市場對於“AI泡沫”的憂慮。

大模型究竟是不是在堆積泡沫？9月5日，騰訊集團高級執行副總裁、雲與智慧產業事業羣CEO湯道生接受了21世紀經濟報道記者的採訪。作爲一開始就致力於把大模型落到產業場景中的公司，騰訊對大模型的觀察和思考，或許能給行業提供一些參考。

從OpenAI推出ChatGPT到現在，大模型的熱潮已經在全球持續了兩年。湯道生表示，在這兩年中，很多從業者都經歷了這麼一個過程——從最開始的驚豔、興奮到後來的焦慮，擔心趕不上新技術趨勢，再到今天更趨於理想，更看重大模型給產業帶來的實際價值。

“這是新技術出現必然經歷的起伏”。湯道生說。大家對大模型可能存在一些誤區，起初不少人認爲，模型可以快速改變世界，對此非常樂觀，最近又有一些悲觀，覺得大模型好看不好用。其實，“短期高估進度，長期低估效果”都不可取。

過去出現過很多新技術，大家一開始也是一窩蜂投入、投資，甚至造成泡沫，然後有一些人放棄，同時也有少數人堅持。再過一段時間，大家就回到比較理性、務實的態度，去尋找實際的場景、痛點，然後進行打磨。

比如90年代，最早一代的互聯網企業，大量建立各種網站，後來發現商業模型不成立，大部分當時成立的互聯網企業都垮了。但是在今天看來，互聯網技術絕對是一個創造了巨大價值的技術，而這距離最早的那一批互聯網公司成立，已經過去快30年。

更近一點的例子是上一輪以圖像識別爲代表的AI浪潮。最開始行業對這些技術也沒有明確的落地預期，但經過多年發展，人臉識別、OCR等技術都已成爲許多行業的標配。

湯道生認爲，AI大模型也是這樣，它一定是一場長跑，要有信心和耐心，同時要堅持去做投入。“今天的技術也許在某些場景，只做到了50分或60分，未來要做到90分就必須要用時間去打磨”。

當下，大模型的演進有兩個明顯趨勢：一方面是技術持續迭代，模型的性能和效果不斷提升；另一方面，是落地場景不斷深化。

過去，業界關注的焦點更多是放在大模型技術上，各個廠商的產品迭代速度都很快，但是，評測榜單的成績並不等於產業價值。這也給用戶帶來一種感知落差——各個企業的大模型聽起來都很強，但在使用中卻又是另外一回事兒。

湯道生告訴21世紀經濟報道記者，大模型技術的持續迭代固然重要，但企業擁抱AI，不是追求技術的酷炫，核心是要解決商業上的痛點。

“很多人太過關注模型和參數本身，認爲模型必須足夠大才好用。但實際上不是這樣，我們應該找到合適的應用場景，挑選最合適的模型和路徑，以最低成本解決實際問題，纔是最重要的。”湯道生說。

這個過程，也是湯道生所說的大模型打磨過程，而打磨的核心，是想清楚大模型之外，還需要什麼其他的能力。

湯道生解釋稱，“在一些具體的場景，如果要找到解題的方式，大模型其實只是其中的一種方式而已”。就像對於AI，大模型只是這個賽道的一部分，其他還包括很多技術路線。未來若要搭建一套有用的智能系統，大模型可能只是其中一個模塊。

事實上，大模型也存在短板，比如很難避免“幻覺”的出現。衆所周知，數據是模型的原料，大模型時代，高質量數據的稀缺，對模型訓練會產生一定影響。

然而，很多企業的自有數據或者比較專業的行業數據，現在還沒有被充分利用。如果是針對某個場景去打造智能應用，其實未必需要大規模的數據，只要有針對性的專業數據就足夠。

針對“幻覺”問題，很多企業利用獨有的專業數據結合檢索增強（RAG）的模式，來作爲回答問題的事實基礎，然後再用大模型去生成專業的答案，就能給到用戶更準確或者更有針對性的答案。

湯道生表示，未來成熟的AI產品或方案，會是需要投入很多工程、集合不同技術能力的解決方案。“作爲一個科技行業的從業者，我始終相信技術革命的意義，也相信技術的出現能夠給很多老問題帶來新的解決思路。只不過現在需要大家多花點時間，針對場景、針對客戶在某個地方的痛點，來找到一個最優的方案。”

實際上，大模型在產業場景並非完全沒有進展。

在智能客服與知識管理場景中，基於大模型的生成能力，已經可以提升複雜問題的解決效率，提升回答質量；在智能營銷場景，大模型可以提升廣告素材的生產效率，增強營銷活動的趣味性和互動性；在內容創意場景，大模型可以讓內容生產的週期大幅縮短，提供更多的創意玩法；在風險管控領域，風控大模型可以解決傳統風控中建模時間長、效率低的難題。

只不過現階段，大模型給這些場景帶來的效率提升，還不夠顯著，這也是很多企業不願爲之買單的關鍵原因。但是，未來如果大模型帶來的效率提升能超過企業的預期值，那大家的付費意願也會提高。

這個過程需要時間去沉澱，而對於身處其中的企業，尤其是創業公司而言，能否熬過這個沉澱期就尤爲重要。

近日，金沙江創投主管合夥人朱嘯虎在接受採訪時提出，大模型“六小虎”最好的結果就是賣給大廠。暫不論這個觀點是否正確，但朱嘯虎這樣說，已充分說明大模型創業的艱辛。

對此，湯道生表示，每一次技術變革，既會給創業公司新的機會，也會讓原來平臺性的企業跟他們合作，擦出更多火花。“大家關注的LLM（大語言模型）創業團隊名單，最終在全球能支撐多少家，尤其在今天這樣巨大的投入且商業模型不清晰的情況下，我認爲很難確定。”

在其看來，現在如果純粹想通過大模型賺錢，已經不太容易。因爲在大環境有壓力的情況下，很容易出現“零和”遊戲，大家是此消彼長的競爭關係，壓力會很大。不過，圍繞大模型周邊，尤其是應用場景，仍有很多機會。

湯道生強調，創業公司想要走到最後，應該算清楚成本，不能通過虧損來保持市場份額，這絕對不是一個健康的狀態。

事實上，像騰訊這樣體量的公司，過去幾年也在調整自身發展模式。據湯道生透露，騰訊雲通過業務聚焦，經營效率不斷提升，目前正在逐步向盈利目標靠近。

湯道生說，騰訊很重視大模型的投入，同時也重視可持續發展。“我們是細水長流，看準了就會堅持”。另外，在展望未來發展時，湯道生分享了一句話——“悲觀永遠是正確的，但是樂觀才能夠成功，”在這句話後面，他又加了一句，“樂觀且務實的人才能夠抓住機會。”