光伏双反：奥巴马能否舍身取义？

此外，奥博穆以奥迪品牌在中国市场的表现举例，其称：奥迪目前高度依赖于中国市场，不过在电动车领域，奥迪在中国市场并没有竞争力。

群雄混战，未来风冷液冷并存在AI算力需求几何级爆增的驱使下，数据中心逐渐向高性能､高密度､高能耗发展。张鹏认为，2025年液冷行业的市场渗透率会从目前的5%-8%提升到30%，曙光数创会抓住液冷这一大的发展趋势，继续深耕数据中心行业，进一步深挖自己的护城河，扩大优势，守住第一名。

而对于曙光数创的直接感受就是从芯片的功耗到服务器，再到机柜、机房，各种从小到大的各种功耗提升的速率非常明显。可以说这一两年的提升速率甚至超过了以前五年功率提升的幅度网版权文章，未经授权禁止转载据了解，目前千帆大模型平台已经全面接入Llama 2全系列、ChatGLM2-6B、RWKV-4-World、MPT-7B-Instruct、Falcon-7B等33个大模型，成为国内拥有大模型最多的平台。文心大模型是百度发布的产业级知识增强大模型，据IDC 最新发布的《AI 大模型技术能力评估报告，2023》显示，文心大模型得到综合评分第一，算法模型第一，行业覆盖第一三个绝对第一。

为了满足企业对大模型多样的需求，千帆大模型平台除百度自研的文心大模型外，还支持Llama 2全系列、ChatGLM2-6B、RWKV-4-World、MPT-7B-Instruct、Falcon-7B等33个大模型。一方面，千帆对每一个大模型进行了二次性能增强。雷峰网：那哪些是你觉得有问题的?张斯成：LLMs将带来AGI这个观点我越来越倾向于不敢相信。

这个有点像过去十五年云计算的发展，公有云和私有云依旧是分庭抗礼，各自精彩。为了达到这个目标，一个可行的方法是采取类似第一性原理的方法进行解构，这样有助于真实触摸到每个赛道的主脉络，并沿着这个脉络设计和决定适合自己的竞争策略。对于一个Gen-AI的项目，在当前阶段，这两方面显得尤为重要。这也在某个程度上折射出软件巨头们对于AI短期发展的明确预期/判断，也就是作为人类的助手来提升软件服务的质量，以实现更高的商业价值。

做垂类模型+应用的机会大，但要找合适的赛道切入雷峰网：您最初对大模型/AGI有一个什么样的预判？张斯成：在3月份的时候，我对AGI的发展预判大致分为了两个阶段：Copilot as a Service和Agent as a Service，而且我认为两者之间可能会存在比较长的过渡期，因为前者到后者不仅需要解决技术跃迁的问题，更需要解决信任和授权问题（这对人类社会从来都是一个巨大的挑战）。这种模式在Gen-AI阶段会更加明显。

在开源社区提供的大模型基础上，不少开发者也针对一些领域进行了训练和微调，得到了所需的成本信息。对于前者，重点在于如何实现Copilot的能力，因为用户还是Pilot。然而，最终的结果，都将走到AI+阶段。第二种是做垂类模型，结合场景去构建领域内的模型。

也就是说，对每个赛道可能终局的猜测，会直接影响是否继续投入这个赛道。对于行业而言，我认为应该聚焦符合以下三个特点：痛点亦刚需、数据自生产、知识即专业。所以，我非常看好Character.ai和Rewind.ai这类项目。这是我在阅读著作《世界文明中的技术》时得出的重要结论。

作者丨何思思编辑丨林觉民如果单指Gen-AI（生成式AI）的创业热潮，中美两地都在共享盛宴。在这种基础上，创业社群里讨论更多的是如何运用已有的技术能力，发掘更多有趣的应用场景。

另一方面，目前的LLMs算法在训练中需要进行越来越高强度的对齐，这意味着各种领域对齐所用的方法和内容将在更大程度上影响推理结果的呈现。再如，发展到某个阶段时通用大模型是否会超越大部分的垂类模型？AGI最终是一种世界模型独霸天下还是多种世界模型并存？具身智能是否是实现人类智能的必要条件？我们对以上类似问题的预判都会影响我们对项目前景的置信系数。

随后国内迎来了大模型密集发布月，阿里云的通义千问、商汤的日日新、昆仑万维 的天工3.5以及知乎的知海图AI等陆续亮相。国内2B SaaS之所以一直无法顺利发展，是因为长期以来受到Me-too惯性思维的强烈干扰，也就是试图移植欧美成熟的SaaS模式到中国土壤上落地生根。第二，回溯价值网络，判断LLMs的能力对于业务场景的价值影响，是升级、替代、扩展还是创造。因此，必须要有坚定沉稳的信念，必须要以行动来捍卫自己的选择，也必须学习杀伐果断，舍中有取，先舍后取。这也从侧面反映出了，在国内大模型还是一个新项目、新技术，企业更多的是为了做出大模型而做大模型。每个被证明有效的赛道都不会只有一个创业项目，特别是在国内，人才资源存在较宽阔的同温层。

我们经常强调一个核心团队内部要足够透明才能规避掉无效的协同和消耗，这对创业型公司尤其重要。但有一点是几乎确定的，AI将改变人类社会的基础结构，因为它将彻底颠覆人类之所以成为地球主宰文明的前提：智能的唯一性。

张斯成：关于垂类模型和通用模型之间的竞争会如何演进，我认为这个问题应该从三个角度去分析。三是做应用，基于大模型的能力解决实际问题。

各大云平台不约而同地发展出了MaaS，横向对接PaaS，向下对接IaaS，向上对接SaaS。可以说，+互联网打败了互联网+。

从最初的互联网+，强调用所谓的互联网思维来改造各行各业，到之后的+互联网，通过赋能来激发各行各业运用互联网工具实现自我进化。比如最近OpenAI预计有20%的算力用于GPT-4的强制对齐。第三，借力打力，不论开源闭源，利用成熟的大模型能力来占据场景、积累用户、建立数据飞轮。而国内对创新的认知更偏重技术层面，再就是当GPT霸版时，国内呼声最高的是我们自己的大模型在哪，再加上OpenAI的限制，地缘政治之间博弈再次推高了国内对大模型本身的热情。

结果资本和人才都被各种花式模型拉扯分割无法合力，应用生态又无从繁荣来支撑大模型的故事预期。在频谱靠近中间的区域，垂类模型明显胜出，在越靠近边界的区域，垂类模型的表现应该会越来越差，而通用模型没有这类问题，表现应该会比较均质。

雷峰网：其实创业公司想要在这个阶段做好，还是有难度的？张斯成：对创业公司而言，机会在于全域灵活度和局域专业度。因此，大模型技术在达到基础可用之后，在科技史上的地位轻重就要看应用的发展了。

反观这些大模型厂商，张斯成将其分为四类：一是做基础大模型的研发。这个我也基本赞同，不过要加上一个限定词：短期内。

如果选择2B领域创业，那还是要立足于国内，因为对组织型业务的理解需要较强的文化和地域特性支撑，而且来自开源社区的支撑让满足客户的个性化需求成为可能。一方面，美国社会对创新的认知，比较强调广度，也就是说，技术上的创新只是大众认知中的一部分，普通民众对于日常场景中的创新会更加关注。相对于Model as a Service更关注云计算在资源层面的整合，这两者都是从应用层面来评估AGI对人类社会的影响。如果从世界模型的角度看，任何LLMs都在尝试通过对数据的学习来建立和完善其对客观世界的认知。

他表示，主要原因在于，中美对创新的认知不同，美国对创新的认知更强调广度，即技术的创新只是大众认知中的一部分，普通民众对于日常场景中的创新会更加关注。雷峰网：现在处在哪个阶段？张斯成 ：当下，整个世界正在大步流星地进入Copilot as a Service阶段，这个在SaaS基础较好的市场会更加明显。

硅谷创业圈对大模型本身的兴趣，更多在于如何应用，如何改变日常生活和工作。至于创业者选择做2B还是2C类型，还是应该在充分自我认知的基础上因地制宜，切忌随波逐流。

如果指大模型本身，可能只是国内一片热火朝天，谈到中美大模型发展热潮，AI观察者张斯成如是说。只是考虑到时间问题，在可见的将来垂类模型依然有很大的聚焦优势。