“算力的重要性要被空前重视了。”汇智智能联合创始人兼CTO刘黄骁烈说道，在之前任何一次AI浪潮中，这个现象都没有像现在这么明显，“甚至有钱也买不到。”
AIGC这么火，实属有些出乎刘黄骁烈的意料。
三年前，彼时OpenAI刚刚发布GPT3。因为在一些通用问题上的正确回答，GPT3引起了刘黄骁烈的关注，但也仅仅把它当作一次技术上的突破，毕竟面对再难一点的问题，它就只能“胡说八道”。更为重要的是，实在想不出它还有哪些具体的落地场景。
没想到，三年后，ChatGPT的出现，就像在水中投掷一颗巨石，惊起的涟漪持续扩大、蔓延到一个又一个的领域。
刘黄骁烈意识到了不同，这一波AIGC浪潮，技术的突破让用户看到了明确的应用场景，且能够快速落地。
机遇与挑战，一同奔涌而来。
算力与电力基础设施，作为制约AIGC发展的两个重要因素，自然引起业界的关注与重视，尤其是算力，得到了空前重视。
但又何止是算力。在AIGC长长的发展链条中，每一个环节都至关重要，每一个领域都充满了冒险与探索的想象空间。
汇智智能是一家专注于AI智能体领域创新与研发的企业。刘黄骁烈告诉小编，在意识到大模型技术能力后，就在思考该如何借助这种能力去帮助用户做更多的事情。最终，他们选择智能体这一概念，把各种AIGC能力综合到一起从而让智能体成为用户的个人助手、数字分身，“让AI力量成为每个人的天赋”。
以下是小编和汇智智能联合创始人刘黄骁烈的对话：
这一波AIGC浪潮，落地应用场景更丰富
小编： 你最早是什么时候关注到AIGC的，吸引你的地方是什么？
刘黄骁烈：最早是在2020年，当时GPT3刚刚发布。让我印象深刻的是，它不仅能回答一些通用问题，还能回答很多以当时的技术来说它不太可能正确回答的问题。比如欧盟的GDPR政策，以及数据保护等网络安全领域的专业知识，它都能提供比较正确的答案，不过确实很生硬，没有今天这么流畅。
但也有缺陷，比如无法处理对精确性要求比较高的任务，而且对提示词的理解也不是很到位。
因此，我认为GPT3虽然很有潜力，但受到它当时能力的制约，应用场景十分有限，距离实际落地还有很长一段距离，并不看好它。
没想到，2023年ChatGPT发布后，它的回答变得非常流畅。我意识到当时的判断可能不太准确，这三年，GPT的版本有了很大的进步。
小编：那你觉得从GPT3的默默无闻到GPT4的爆火，背后的原因有哪些？
刘黄骁烈：一方面肯定是模型自身不断迭代、演进，带来性能能力的快速提升，这个能力是指用户感知到的能力，因为它自身的能力很难进行量化评估。
另一方面，它的产品设计比较成功。CNN之父Yann LeCun认为，ChatGPT本身并没有特别大的技术创新，只是把Transformer 的架构给做得特别大、特别复杂。但是它的产品化非常成功，基于用户的角度去考虑、优化产品，从而让用户直观感受到它可以在一些应用场景应用，所以才能火起来。
小编：相较于上一波AI浪潮，这一波的AIGC浪潮有什么不同？
刘黄骁烈：AI行业经历了好几波浪潮，整体呈现螺旋式上升的发展形式。
前几波浪潮中，AI发展起来主要是因为技术上的突破，比如第一次是深度神经网络，第二次是反向传播算法。上一波，2017年左右的浪潮来临是因为AI技术真正达到一个可应用的阶段，它有很多可以落地的应用场景，这是前两波浪潮都没有的。
而2023年的AIGC浪潮其实是一个复合型的，一方面有技术上的突破，大模型被推到公众视野上；另一方面是技术落地应用的场景更丰富，比如说智能助手、语音聊天等，虽然之前也能实现，但不像现在大模型做得这么好。
所以，两者之间的区别在于，上一波是预示着AI从一个偏向学术理论的研究课题变成了一个成熟的产业，而这一波是在已经有了AI这一比较成熟的产业基础上，技术的突破让用户看到有明确的应用场景且能够快速落地，从而掀起浪潮。
小编： 在这一波浪潮下，除了大厂，很多科学家或知名企业家也纷纷去做大模型创业，你觉得跑出来的机会大吗？
刘黄骁烈：我觉得他们去做大模型是非常适合的。
要做一个大模型需要很多资源，先不说研发上的投入，光是算力和电力这些基础设施，甚至都不是有钱就可以买到的。基础设施上的不完善，会成为制约大模型发展的“卡脖子”难题。而像科学家或有知名度的企业家， 这样自身带有IP属性的创业团队做大模型，有足够的背书去争取这些资源。
基础设施的不完善，是制约大模型发展的“卡脖子”难题
小编：那你觉得，面对AIGC的发展需求，对基础设施领域带来了哪些挑战？
刘黄骁烈：我认为，AIGC对基础设施的挑战非常明显且影响深远。
刚才提到AIGC发展的两个制约因素——算力和电力。算力的重要性要被空前重视了，在上一波AI浪潮中，这个现象没有这么明显，如今算力甚至成了国家间需要管控的资源，有钱也买不到。
另外要发展AIGC行业，电力同样是一项需要提前布局的基础设施，这也是前所未有。比较直观的说法就是，大量的GPU“跑”起来会消耗大量的电力，这就类似于当年的矿机挖矿所面临的情况。随着对GPU的需求空前增大，它也将成为一个制约因素，直接制约AIGC行业发展。
大家都明白，大模型到底能不能做，很多时候不光看技术水平，还要看能不能协调到这些基础设施的支撑。
小编：那这里面会不会有一些机会？
刘黄骁烈：机会是有的，但是像算力和电力这两块，其实创业者不太好入局。不过在其他一些基础设施上也涌现了很多产品，比如向量数据库、多模态数据库等。所以说AIGC浪潮肯定会为基础设施领域带来一些机会，但这些产品暂时还不能去解决AIGC领域一些核心问题。
我认为，AIGC浪潮下基础设施的机会可以考虑和信创、国产化做结合，把产品的目标定义为推动行业生态和建设AIGC产业。这个机会适合有一定资源和耐力的创业团队，因为它短期内难以盈利，并且基础设施的发展依赖于AIGC市场，但这个市场还不是特别成熟。
总体而言，发展基础设施的意义重大，尤其是对于整个行业来说，任重而道远。
小编：你觉得，相对于大厂和科学家、知名企业家，中小企业该如何把握住这一波浪潮下的机会？
刘黄骁烈：中小型企业要看团队自身的背景，不同背景的团队适合不同的机会。
比如科学家、企业家有自己的IP，能通过融资等方式去获得更多的资源，那他们就可以挑战做一些通用大模型的事情。因为通用大模型只要达到一定水平，或者在哪一个领域有好的表现，就可以获得比较核心的市场地位。
而对于中小型企业，比如我们团队在短视频营销领域有积累、有经验，那就比较适合深扎应用端，虽然它对基础设施等资源也有需求，但是轻量级的，关键是需要对目标客户的需求有深度认知和把握，并且要做好产品、市场和运营。只有这样，才有可能形成自己的产品壁垒，确保在行业占有一席之地。
找准自身定位，才能抓住机遇，形成自己的行业壁垒
小编：汇智智能选择聚焦AI智能体，是出于一种怎样的考虑？
刘黄骁烈：首先，汇智智能的理念是“让AI力量成为每个人的天赋”。
我们接触到大模型技术，对其进行分析调研后发现，它的很多应用场景都是辅助用户去提效，就是提升用户自身的能力，那我们就在思考：能不能把这些大模型的能力综合在一起去帮助用户做更多的事情？比如通过文生文类的大模型实现一种更好的语言交互，包括信息搜集、文本撰写；通过文生图的大模型，帮助用户更快、更方便地创造素材等。
基于这些想法，我们选择了智能体这一概念，把各种AIGC能力综合到一起从而让智能体成为用户的个人助手、数字分身，实现我们的理念。
小编：智能体的概念已经出现很长一段时间了，在AIGC的加持下，它能够焕发出怎样的活力？
刘黄骁烈：一方面，从用户角度来看，现在的智能体更加智能，更像人了。
另一方面，AIGC技术使它在一系列的应用场景中真正落地，能力变得更广泛，比如辅助用户生成高质量的文案、图片、视频；帮助用户搜集、归纳信息，甚至帮用户写代码。这在AIGC技术火起来之前，传统的智能体根本做不到。
小编：有没有具体的案例？
刘黄骁烈：最近，我们基于AIGC技术以及在短视频营销领域的行业经验，推出了一款垂直场景小模型——应用于短视频营销的旺氪智能体 ，它本质上是“智能体+营销行业”的垂直领域智能体，除了传统功能，它还具备智能客服、信息提供、利用自然语言优化程序的交互等能力，主要就是帮助用户提升效率。
我们的客户主要是中小型商户，他们都有强烈的营销需求，但是传统的短视频营销，需要他们自己拍素材，还需要美工或者程序员帮他们调用各种工具制作视频。而旺氪智能体，通过大语言模型能力实现智能交互，用户可以直接通过自然语言去调取相关业务，完全不需要像传统做法那样操作。
另外，我们还整合了AI做视频、海报的能力，用户也不需要有自己的美工、程序员，可以一键式直接生成营销视频。
小编：你们调用的是哪家的AI大模型接口？ 选择过程中会综合考虑哪些因素？
刘黄骁烈：目前这款产品我们是与百度合作的。
我们之前有做过评估。一方面会考虑大模型的性能，从商业角度看固然是看它的准确性，但这没有统一标准，主要还是围绕业务需求进行测试，不具备通用领域的完备性。
另一方面主要考虑安全合规的要求，以及数据泄露的风险等，倾向于选择国内可信任的，而且在安全合规这一块做得比较好的供应商，最终，我们选择了百度。
小编：接下来有什么打算？
刘黄骁烈：我们打算打造一个AIGC行业的开源社区“微言大义”，帮助广大用户深入了解大模型应用价值，提升智能体和AIGC工具运用能力。
在做智能体业务过程中，我们意识到所有大模型最后都是要给用户使用，但是对很多用户来说，AIGC入门门槛很高，就算直接给他，他可能也用不好。所以我们想做一个开源社区，微言大义平台想要做的是为中国AI行业提供源源不断的教培工具、行业内容和科技人才。
一方面为用户提供使用技巧上的指导，同时接入与我们合作的供应商的大模型，让用户使用、评估，找到适合自己的大模型。我们也会把配置好的智能体，在得到用户许可的情况下作为案例发表在社区里面，展示具体的行业应用案例。
另一方面，国内做大模型的企业已经有很多家，等到市场竞争到一定程度，一些企业可能会越来越弱势，但原因不全是技术上的，也有可能是宣发不到位、没有找到明确的应用场景，尤其是垂直领域的大模型。我们希望社区帮助这些模型实现他们自身价值，匹配到垂直领域的用户。
让市场活跃起来，AIGC才能获得更大的发展机会
小编：结合汇智智能的经验，你认为，AIGC在具体场景落地应用过程中，难题和挑战是什么？
刘黄骁烈：一方面，我们的很多客户来自传统行业，不了解AIGC，我们需要开发市场，告诉他们AIGC具体能帮你做什么事情，这是由用户的需求和自身认知决定的。
另一方面是数据，用户使用效果的提升，不是由数据“量”而是由“质量”，即如何使用数据决定的。这就意味着对数据处理，把它变成模型能理解的知识变得至关重要，有一定技术上的研究成本，而且有些数据特别是行业知识，对定制化的要求比较高。比如说出版行业，它会要求一个大模型把《红楼梦》里面的所有情节讲清楚。
还有一点就是数据传输过程的安全问题，对于涉及用户商业数据内容时，用户是不大愿意直接放出来的，需要我们提供安全的数据交换策略。
小编 ：有种说法是目前AIGC在国内外的发展侧重点不同，国外在钻研技术，国内更注重落地。你怎么看待这种观点，原因是什么？
刘黄骁烈：某种程度上来说是这样，我认为其中一个原因是资本活跃度不同。
数据显示，今年从4月到6月，中国做大模型的企业拿到的种子轮+A轮融资一共只有30笔，但是同期在美国每个月都有30笔以上。做大模型在资源上的开销非常大，虽然有的资源即便有钱也买不到，但融资肯定能缓解很大一部分问题，可国内的资本不如美国活跃，很多想做大模型的创业者可能没有机会去做。
另外，这也与基础设施有关，总的来说还是资源的问题。
小编：那在这种情况下， 我们要追赶国外的AIGC发展，发力点应该放在哪些方面？
刘黄骁烈：基础设施肯定是要追赶的，但短时间想要赶超像英伟达这样的基础设施供应商明显很难，这个事情肯定需要去长期推进。
另外，资本市场不活跃主要是因为市场不成熟，我刚接触时也意识到这一点。我们需要做的就是，一方面开发市场，对用户进行引导和教育，展示成功案例，增加市场的信心，另外需要AIGC的从业者去发掘更多可以落地的场景，让市场活跃起来。
8月14日，一次与刘黄骁烈面对面交流的机会
今年2月份到现在，大模型在国内火了已经将近半年的时间，这段时间国内涌现出了各种各样的通用大模型和垂直大模型，参数量也是千差万别，可以说国内大模型已经进入到了白热化阶段，相对应的算力竞争也愈演愈烈，但是伴随着国内对算力的重视程度越来越高，被卡脖子的阴谋论终将被粉碎。
接下来的一周，在8月14-15日，一群人工智能开拓者将齐聚新加坡乌节酒店，为第七届GAIR全球人工智能与机器人大会，带来最为激荡的思想碰撞。这是国内首个出海的AI顶级论坛，也是中国人工智能影响力的一次溢出。
算力、数据、infra作为大模型时代的超级基建的组成部分，在这次AI顶级论坛上，刘黄骁烈与一众业界大牛也将一同出席，围绕《大模型时代的超级基建》主题来进行一次深刻探讨。论坛邀请了重磅嘉宾包括UCloud董事长季昕华，新加坡国立大学校长青年教授尤洋、汇智智能联合创始人刘黄骁烈，Zilliz创始人星爵，云启资本合伙人陈昱。
他们将会共同探讨大模型时代的超级基建的雏形，如何在大模型时代做好超级基建这一底座等话题。
本站部分文章来自互联网，文章版权归原作者所有。如有疑问请联系QQ：3164780！
