图灵汇官网

AI的小时代：激情与焦虑共存

（图由豆包AI生成）

普通人的机遇与挑战

当百度创始人李彦宏激动地宣布：“一个只靠想法就能赚钱的时代即将来临！”这引发了无数人的思考：普通人的机遇究竟在哪里？每个创业者都有自己的见解，但经历过多次技术革命的李彦宏认为，智能体将是这一变革的关键。

每个人都面临着“AI焦虑”：如果未来智能体成为主流，每个企业都将拥有自己的数字员工，那么人类员工是否会被取代？

AI技术的进步与挑战

过去两年，AI行业的最大变化是大模型基本解决了幻觉问题，不再胡言乱语。百度利用检索增强技术改善了文生图的质量，使得生成的文字和图片更加真实可信。

然而，普通人与大模型厂商之间存在着信息差距，导致各自的焦虑不尽相同。当普通人担心被AI取代时，大模型厂商则担心技术泡沫。近期，关于Scaling Law（尺度定律）遭遇瓶颈的讨论愈发激烈。有报道称，OpenAI的下一代旗舰模型Orion在性能提升方面几乎停滞不前，这引发了对未来技术发展方向的质疑。

智能体的崛起

智能体正在成为新的热点。例如，一家连锁理发店橱窗上的精美发型照片，是由智能体生成的；地铁站的广告大片也可能是智能体的作品。这些照片原本需要请模特、发型师、摄影师和租赁场地，成本高昂。现在，借助智能体，成本几乎可以忽略不计。

“数字设计师”是一种智能体，而“农民院士”则是另一种。在云南省普洱市澜沧拉祜族自治县，智能体帮助农民解决农业生产中的技术问题。百度文心智能体平台上已有15万家企业和80万名开发者参与智能体的开发，其中包括一些小学生。李彦宏将智能体比喻为AI时代的新载体，类似于PC时代的网站和移动时代的自媒体账号，为普通人提供了新的机遇。

智能体的应用与局限

尽管智能体在替代传统PC官网、人工客服、咨询律师等方面已经取得显著进展，但它们并不能解决所有实际问题。传神语联创始人何恩培认为，企业目前还不敢完全依赖智能体，仍需人类监督，但智能体正在变得更加自主。

大模型最擅长的是处理数据、搬运语言和文字，但在深入企业工作流程时，还需解决一个问题：如何在企业不愿提供数据的情况下，快速培养出应对行业问题的“专家”智能体？

Scaling Law的瓶颈

虽然OpenAI多次否认Scaling Law的瓶颈，但种种迹象表明，这已成为许多基础大模型的共同难题。一直以来，Scaling Law被认为是大模型领域的“牛顿定律”，但随着数据量和算力需求的增加，许多企业面临巨大成本压力。此外，高质量数据资源的稀缺也成为制约因素。预计到2028年，现有数据储量将耗尽，这可能导致大模型发展放缓甚至停滞。

“大模型的核心竞争将是高质量数据的竞争。”一年前，达观数据CEO陈运文在接受采访时就曾表示，高质量的数据如教科书、论文、报告等，对于大模型训练至关重要。

数据安全与技术路线

大模型落地的最大障碍在于数据安全和数据共享。企业不愿提供数据，导致大模型难以有效学习。即使企业提供数据，数据安全问题也难以保障。企业自行训练不仅成本高昂，还可能削弱大模型的通用能力。

在这种困境下，产业似乎又回到了智能体落地的两难境地。OpenAI正在尝试改变策略，提出将数据与推理引擎分离的方案。传神语联的任度大模型采用了双网架构，实现了客户数据学习网络与推理网络的分离，从而降低了训练成本和数据安全风险。

国产原创的重要性

高端GPU芯片禁售后，国内大模型行业意识到，只有国产原创才能找到出路。“只有在真正自主可控的平台上，中国人工智能才能有真正的未来，才能给世界另一种选择。”科大讯飞董事长刘庆峰多次强调。

科大讯飞与华为合作，推出了首个国产万卡算力集群“飞星一号”，并在今年10月启动了“飞星二号”项目。这些努力使科大讯飞的大模型在性能和成本方面取得了显著优势，尤其是在数据安全和自主可控方面。

“我也侥幸走通了国产原创之路。”何恩培感慨地说，“我们没有从主流大模型发展遇到的问题中寻找突破机会，而是从公司诞生起就坚持这条道路，走了20多年，如今终于看到了希望。”