圖片來源：由無界 AI 生成

“我們寧可100%解決客戶的一個問題，也不要70%-80%地解決客戶的100個問題。”

7月7日，2023年世界人工智能大會（WAIC）騰訊論壇上，當被問及先推出面向行業的大模型原因，時，騰訊雲副總裁、騰訊雲智能負責人吳運聲如此回復。

大模型是今年AI界，當之無愧最火的話題。對比百度、阿里等巨頭先推出底層的通用大模型，騰訊把眼光直接聚焦到產業中——在WAIC舉辦前，6月19日，騰訊雲正式公布MaaS（模型即服務）全景圖，目前已為10大行業輸出了超過50個解決方案，涵蓋文旅、金融、傳媒、教育、政務等多個不同場景。

自然而然地，場景應用和落地成為貫穿整場WAIC騰訊論壇的主題。

“通用大模型不是模型應用的唯一方向，面向垂直產業的模型，會成為大模型價值的引爆點。”騰訊副總裁、騰訊政企業務總裁李強在論壇上如此預測。

吳運聲以OTA（在線旅行社）智能客服為例，解釋到，用戶在實際交流過程中，往往是多個意圖混雜的。交流的過程中，意圖也可能隨時進行切換。

“（用戶）剛提出要定10號的酒店，機器正準備回答，突然又說，再幫我看看11號的酒店。”面對客服場景下極其複雜的流程，通用大模型並不能完美地完成任務，因此必須結合具體場景，重構一些複雜的模型。

但當前通用大模型尚在研發初期，在行業應用會要面臨成本高昂的問題，吳運聲則表示，在一些具體場景里，通用大模型既然不能100%滿足需求，那麼“判斷解決成本的高低，沒有太大意義”。而儘管不同行業和場景的解決方案會有很大差別，但總體而言提升企業30%以上的效率，沒有問題。

騰訊雲副總裁、騰訊雲智能負責人吳運聲。來源：騰訊

論壇上，騰訊雲也介紹了近期圍繞大模型的重要升級。其兩大技術底座——星脈網絡、向量數據庫都進行了能力升級。升級后的星脈高性能計算網絡，可以提升GPU利用率的40%，節省模型訓練成本的30%-60%，提升AI大模型的通信性能近10倍。

而就在7月4日，騰訊雲正式發布AI原生向量數據庫，相比傳統方式，將其用於大模型預訓練數據的分類、去重和清洗，數據庫可以實現10倍效率的提升。將其作為外部知識庫用於模型推理，則可以將成本降低2-4個數量級。

今年的WAIC上，也出現了一個有趣的現象：會上30多款通用、行業大模型齊齊亮相，都說要做大模型。同質化問題隨即成為討論焦點：如今AI領域的創業是否還有意義？各個大廠都有自己的大模型，人有我有的前提下，大模型是否還會是Game Changer？

吳運聲認為，在大模型發展的初期，不需要對這些問題急於發表論斷。“我更希望看到，在行業百花齊放的階段，通過技術和產業的結合，探索各種各樣的可能性，提升產業和行業的效率。”吳運聲表示。

這種判斷，也來自他對AI大模型商業潛力的樂觀。在上一波單點突破的AI浪潮中，許多AI企業陷入做項目、做私有化的交付實施困境中，無法實現盈利。

“在大模型時代，情況或許會和之前有所不同。”吳運聲認為，隨着技術的發展，包括底層算力、GPU芯片等的發展，以往動輒千億的模型參數正在越來越小；騰訊在訓練加固、推理加固上也有許多進展，成本正在快速下降。另一方面，大模型應用方面的可能性正在不斷拓展，價值正在不斷上升。

如今，騰訊正在圍繞AI大模型拓展技術和應用生態，也在加強與行業的聯動。7月6日，聯合國工業發展組織與華為等合作夥伴在WAIC上，共同宣布成立“全球工業和製造業人工智能聯盟”。

吳運聲同時也強調，技術底座的升級，是“修鍊內功”：“不管通用大模型，還是行業大模型，都需要有底層的支撐能力，包括巨大的算力、數據等等。”

 “大模型時代，開放非常重要，所有人都要開放。底層技術變化太快，外延能力非常廣，結合到具體行業中，有大量的研發成本。”吳運聲表示，只有通過開放，讓更多行業專家、各類人員加入，才能培養起更健康的生態體系，產生更多可能。

以下是媒體與吳運聲的採訪實錄，經36氪編輯：

媒體：騰訊雲一開始推出了面向行業的大模型，而不是通用大模型，是不是收入的考量？

吳運聲：這和成本、投入沒什麼關係。我們一直強調希望解決客戶的問題，寧可100%解決客戶的一個問題，也不要70%-80%地解決客戶的100個問題。我們可以把問題做得少，但一定要解決這個問題。

媒體：聽上去通用大模型和行業模型有對立的感覺，您怎麼看兩者之間未來的關係？

吳運聲：首先，我要明確，我個人肯定沒有將兩者對立起來。基礎大模型是類似底座的東西，可以解決沒有特別定製的需求。行業模型要在通用大模型基礎上，有效地提高生產力，為大眾服務。只有深入行業，才能解決特別重要的問題。

文生圖功能也會有非常細節和具體的行業之分——就比如針對一款包生成廣告圖，也會有客戶有特別需求，比如要做一些特別的認證。面對實際問題時，要用不同的方式進行。

媒體：騰訊今年將聚焦哪些領域，有哪些發展目標？最近有哪些升級和迭代？

吳運聲：我們的大策略是專註於實際問題的落地，希望在每個特定場景里，100%解決客戶問題，而不是找100個產品解決70%-80%的問題。所以，我們會聚焦特定行業，與客戶深入打磨，來解決行業問題。

比如，在文旅行業，OTA（在線旅行社）領域的客戶，會結合自身業務場景，在業務流程中運用大模型技術，並利用數據相關資源對大模型進行精調。在技術發展方面，我們的模型、算力網絡都有迭代和升級，我們也會持續迭代相關技術。

媒體：上次發布產業大模型到現在，接入大模型的企業數量有明顯變化嗎？

吳運聲：和我們接觸公司確實非常多，我們會很坦誠地研究客戶實際的場景，以及如何滿足當前的業務需求。“接入”這件事情沒有特別明確的定義，探索過程中有各種各樣的需求，可能大家平時見的比較多是AIGC。

我說點稍微不一樣的。我們有一家做企業級軟件的公司客戶，需要製作智能表單。比如管理層開會，新增一個表單，表單下面的項有些必填，有些不必填，有些下拉只能選4、5個選項。選項完成后，要把它變成一個流程，經過A、B、C三人審批，每個人審批的方面不太一樣。

原先的做法是，在系統里把表單用自己的工具和語言代碼設計出來，編出整個流程，再調用內部機構實現流程。而現在的需求是，拍張照片放到系統里，用系統的代碼（自己的腳本語言）描述出來，個人只需要簡單的自然語言交流和溝通，比如哪些必填，哪些不必填，第一步到哪，第二步到哪，用自己系統的語言設計對接流程。

這個例子是非常具體的需求，通用大模型無法完全解決。所以，我們就會和企業深入交流，要看錶格大概是什麼字段，腳本語言是什麼。通用技術可能可以直接解決60%-70%的問題，但是客戶要的是100%解決問題，就需要更多深入交流。

媒體：行業大模型的落地，將為企業節約多少成本？與通用大模型相比，行業大模型在哪些領域會有優勢？

吳運聲：節省的成本，其實在不同的企業、不同的場景里有很大區別。舉個例子，在客服場景里，客服本身在企業佔多大規模，有多少預算，都有很大區別。從實際感受來說，我覺得提升30%以上的效率是沒有問題的。

通用大模型在面對具體行業時，不一定能徹底解決行業遇到的問題。比如，客服需要的不是簡單的問答聊天，而是機器人、大模型能夠理解人類意圖，檢索數據庫，提取所需信息，再組合成人類可理解的文字進行回復。

最關鍵的是，用戶實際交流過程，往往是多個意圖混雜的，一個描述里有很多需求，交流過程時意圖可能隨時切換，難度很大，流程非常複雜，尤其是與客戶的系統交互有非常複雜的模型。這個流程一定不是通用大模型能解決的，需要結合具體場景。

媒體：騰訊能把企業大模型成本控制在怎樣的範圍內？

吳運聲：我們強調通過這個技術，使企業降本增效、提高生產效率，但我們一定不會說把成本控制在什麼水平。我們產品發布還不到一個月，前期有一些合作，但肯定給不出整體性的數據。

36氪：上一波AI浪潮里，是以CV（圖像識別）為首的技術應用，應用更偏單點，比如調用api計費，但做到後面，公司都開始做項目、做私有化，導致盈利艱難。未來，AI大模型會經歷一樣的事情嗎？

吳運聲：我還是持樂觀一點的態度，從現在的時間節點看，會有比較大的挑戰。但不管往前看半年，還是往後預測半年，技術的發展非常快，包括底層算力、GPU芯片。大模型以前動不動千億參數模型，但隨着技術發展，模型參數越來越小，能力還是維持在很強的水平。同時，我們在訓練加固、推理加固上有非常多進展，成本正在快速下降中。

另一方面，在應用上，我們看到更多的可能性，在應用和所能產生的價值趨勢是不斷上升的。

媒體：怎麼看待底層能力建設與場景落地方面之間的平衡？

吳運聲：我們一直不希望以單一的視角看待大模型。不管通用大模型，還是行業大模型，都需要底層的支撐能力，包括巨大的算力、數據等等，這是內功的維度。而場景是另一個維度，解決一個實際問題，用五成的內功，另外三成外功，再加另外兩成，在大模型生態里，我們是從不同的視野看待問題。但是如果純講內功，肯定也沒有問題。

媒體：很多CEO提過，大模型對計算行業是game changer。現在所有大廠都推出大模型，這個判斷是不是不成立了？我們需要這麼多通用大模型嗎，是否已經冗餘了？

吳運聲：看怎麼定義game changer。現階段來看，大模型行業處於比較初級的階段，誕生了非常多可能性。同時，我們看到大模型帶來技術的變革，潛力非常大。

我個人的觀點是，現在不需要太急於發表論斷，我更希望看到，在行業百花齊放的階段，通過技術和產業的結合，探索各種各樣的可能性，提升產業和行業的效率。

媒體：模型與行業結合處於早期階段，這個階段當中會存在哪些問題？有觀點認為，行業大模型相比通用大模型，未必在成本上有所優化，可能反而更高，怎麼看這個觀點？

吳運聲：大模型技術出現的時間還很短，在快速發展中。行業對大模型的理解，也在早期階段——不知道大模型能幹什麼，能與行業結合到什麼深度。行業大模型和基礎大模型的關係、成本的問題，確實都存在變化。

確實有觀點認為，一個大模型如果解決所有問題，成本會更低，也有觀點認為針對某個行業，不需要大模型，用小的模型就可以。

這個問題不能用單一維度判斷，要客觀完整地看待這個問題。我一直在強調，通用大模型可以解決通用的、與行業結合併不緊密的問題。但如果要再深入的話，就要在場景上進一步深化了。許多問題看上去是一樣的，但深糾下去也許解決的不是同樣的問題。這種情況下，判斷解決的成本高低，沒有太大的意義。

媒體：從行業的角度，怎麼判斷大模型技術變革對整個雲計算市場帶來的市場增量，和增量場景？

吳運聲：可以看到，大模型時代來臨后，對算力需求有非常大的推動，尤其是對於AI相關的算力。但在雲計算的具體量化上，很難給出数字，還在持續發展過程中。

場景上，現在各行各業都在結合大模型，場景很豐富，既有通用場景，也有行業場景。通用的場景包括會議智能升級的工作，騰訊619發布的企點客服、企點分析，也在做智能工作，我們也做一些雲上代碼助手。在普世應用上，效率升級上，也有非常多應用。另外，各行業有各行業的應用，也會帶來大量需求。

媒體：除了大模型落地場景側之外，騰訊會不會為其他的大模型企業提供服務？火山引擎說七成大模型用戶在火山，騰訊的數據是怎樣的？

吳運聲：我們對獨角獸企業，或是其他大模型的方案，提供一系列的雲的支持或能力。我們發布了高性能計算機HCC、向量數據庫，提高了加速能力，這些都可以提供給廠商。

除了底層能力，我們還有一體化的基於TI平台大模型精調的解決方案，也有一系列的工具、流程和服務的支持。

媒體：很多SaaS服務商沉澱了很多年，我們的MaaS（模型即服務）是面向他們，還是面向頭部的行業客戶？  

吳運聲：這些都是我們的客戶。

媒體：與產業結合，是目前騰訊的打法，打不過就加入大企業的生態。昨天華為成立了聯盟，是不是意味着競爭更容易形成巨頭間的較量？

吳運聲：我倒不這樣看待這個問題。我覺得大模型時代，開放非常重要，所有人都要開放。底層技術變化太快，而且技術的外延能力非常廣，結合到具體行業中，有大量的花費。這種情況下，只有開放才能發揮最大的價值，通過開放讓更多行業專家、各類角色人員加入，才能讓整個生態體系更加健康，產生更多可能。

媒體：對每個公司的開放是一樣的嗎？

吳運聲：我說的開放是指能力建設上，還有生態的開放。比如建設金融大模型，不是一個人概括所有的金融大模型，不同人在不同領域有很深的經驗，一起共建是一種開放。直接對行業客戶開放，也是一種開放。

另外，合作夥伴基於大模型提供的能力，做效率工具的應用升級，或是行業解決方案的升級，不同形態的應用聯合在一起。在大模型內功方面加強，合作夥伴百花齊放，大家呈現不同的應用，這也是一種開放。