在“风马牛年终烩”商业盛会上，360集团创始人周鸿祎以“大模型时代，企业该做些什么”为主题发表演讲，深入剖析了人工智能（AI）大模型技术的发展趋势，并为企业如何在这一变革时代抓住应用落地的机会提供了洞察和建议。

两大方向：大模型发展的分野

周鸿祎指出，大模型技术的演化正在朝两个截然不同的方向发展：

1. 超级人工智能（ASI）

这一方向聚焦于依赖强大的计算能力、海量数据和海量参数，试图打造能够超越人类智慧的通用人工智能。ASI的目标是创建一个全能模型，能够应对各种复杂任务。然而，这种路径的技术门槛极高，仅适合少数拥有顶尖资源和资金的科技巨头，例如OpenAI、谷歌等。

2. 场景化与垂直化的“轻量级”模型

另一方向则更加务实，关注将大模型技术应用于具体场景和垂直领域。通过简化模型规模、降低算力需求和成本，企业能够开发出更高效、更精准的“小而美”模型。周鸿祎将这一路径形象地比作从“原子弹”转变为“茶叶蛋”，寓意大模型技术的轻量化和普及化。

场景化：大模型技术的落地关键

在演讲中，周鸿祎强调了场景化、应用化和专业化是大模型技术未来发展的核心方向。他指出，全球AI产业正在从基础研发和技术竞赛逐渐转向实际应用落地的阶段。这一转变为广大企业提供了重要的创新和增长机会。

1. 专注细分领域的解决方案

企业不必追求打造全能型的AI模型，而应专注于细分领域的需求。例如，医疗领域的大模型可以聚焦于疾病诊断和药物研发；金融领域的大模型可以优化风险评估和投资策略。这样的垂直化模型不仅开发成本更低，也更能满足特定场景的需求。

2. 降低模型复杂性

将大模型简化为轻量级版本，可以显著降低算力需求和使用门槛，使得中小企业也能负担得起。在供应链管理、客户服务等领域，小型大模型已经展现出高效和经济的优势。

3. 结合行业数据与专业知识

大模型的训练需要与行业知识和数据深度融合。企业应充分利用自身的行业资源，与AI技术结合，构建专属的智能解决方案。例如，360集团在网络安全领域，将大模型与海量网络安全数据结合，用于实时威胁检测和防御。

企业转型升级的具体策略

面对大模型技术的浪潮，周鸿祎提出了企业应对这一时代变革的具体策略：

1. 明确应用场景，找到业务切入点

企业应从自身业务出发，明确大模型技术可以提升的具体场景。例如：

• 零售行业：利用AI优化供应链管理和用户行为分析；
• 教育行业：开发个性化学习平台，提供智能化教育服务；
• 制造业：通过AI分析生产数据，优化流程并预测设备维护需求。

2. 建立与AI技术的协同生态

中小企业可以通过与AI平台或科技公司合作，共享技术资源和数据。例如，与开源大模型合作进行二次开发，或者通过API接入主流AI服务，快速部署智能化应用。

3. 加强数据驱动能力

数据是大模型的“燃料”。企业需要加强数据采集、清洗和管理能力，确保模型训练的高质量输入。同时，通过不断积累业务数据，优化AI模型的性能，使其更加贴近实际需求。

4. 培养复合型人才

企业需要招募和培养既懂行业又懂AI技术的复合型人才，形成跨部门的协同团队。这种团队能够更高效地挖掘AI的潜力，并推动其在业务中的落地。

挑战与未来展望

周鸿祎在演讲中也提醒企业，尽管大模型技术带来了巨大的机遇，但其落地过程中仍面临诸多挑战：

• 技术适配性不足：大模型在特定场景中可能存在性能过剩或不足的问题，需要进一步优化和调试。
• 数据安全与隐私：模型训练需要大量数据，这对企业的数据管理能力和合规性提出了更高要求。
• 市场竞争加剧：随着更多企业进入AI领域，市场竞争将更加激烈，如何建立核心竞争力是企业需要思考的问题。

尽管如此，周鸿祎对大模型技术在未来的应用前景充满信心。他表示，大模型的场景化和垂直化将为各行各业带来新的增长点，企业需要抓住这一机会，将技术转化为实际的商业价值。

结语：从“原子弹”到“茶叶蛋”的实践路径

周鸿祎的演讲为企业如何在大模型时代实现转型与升级提供了深刻的洞见。从“原子弹”到“茶叶蛋”的比喻，生动地揭示了大模型技术从高高在上的实验室研究走向日常应用的必然趋势。

在这场技术革命中，那些能够将大模型与实际需求深度结合的企业，将在未来的市场竞争中占据主动地位。无论是科技巨头还是中小企业，都需要拥抱AI的场景化应用，将技术化繁为简，让创新更贴近业务实际，共同推动大模型技术的普及与繁荣。

相关标签： 模型 AI 周鸿 技术 场景 企业 数据 应用 领域 落地