三院士三教授熱聊元宇宙&——AIGC，學術界怎么看？
來源：清元宇宙在近日舉辦的中國江寧2023元宇宙產業·人才高峰論壇暨AIGC發展大會上，中國工程院院士譚建榮、劉韻潔、鄭緯民出席并發表了主旨演講。除了三大院士，還有清華
在科技領域的激烈競爭中，一個引人注目的現象逐漸浮現：美國在AI應用上的步伐似乎比中國更為迅速。諸如Glean、Harvey等美國初創企業，其年度經常性收入（ARR）動輒過億美金，而ARR超過2500萬美金的也不在少數。這些企業不僅有高估值，更有實實在在的收入支撐，顯示出AI應用的深度和廣度。相比之下，中國的AI應用在數量和規模上都顯得遜色不少。
這一差異背后的直接原因，在于B端數據層的缺失。美國的大量新應用集中在B端，與過去的SaaS模式一脈相承。美國的SaaS曾經歷迅猛發展，而中國的SaaS卻未能如愿崛起。因此，當AI對SaaS進行升級時，美國自然能夠迅速跟進，而中國則顯得力不從心。
更深層次的原因，則與數據成本密切相關。以moveworks和Glean為例，這兩家公司的架構圖都展示了一個共同的特點：存在一個數據層和智能層。數據層是企業的完整表示，智能層則利用大模型的通用智能能力，基于數據層創造服務價值。能否構建合適的數據層，成為了智能層和插件層能否生效的關鍵。
數據層的構建與技術關聯不大，更多的是關乎數據的性質和質量。數據的完整性和時效性對于其價值有著至關重要的影響。例如，一個省份只有5000個人的信息數據幾乎沒有價值，而接近全量的數據則價值無窮。同樣，數據的價值在時間軸上也不等價，一年前的全量數據，其價值也大打折扣。
數據層的缺失不僅卡住了SaaS的發展，也限制了AI在B端的應用。從這個角度看，那些與SaaS模式相似的AI應用，同樣面臨著巨大的挑戰。那么，在SaaS不靈的情況下，AI應用的未來路在何方呢？
近期，在一次科技活動上，有人提出了“AI包工頭”的概念來形容未來的AI應用。然而，另一種更為貼切的說法是“AI驅動的商業體”。這種新模式與SaaS截然不同，為AI應用的落地提供了新的思考方向。如果將B端產品置于一個更宏大的敘事框架中，我們可以看到兩種截然不同的模式。
第一種是經典模式，即SaaS按層按塊進行分工，輔助創造價值。而第二種模式，則是以moveworks等為代表的大模型之后的模式。這種模式的最大特點是幾乎所有事情都自己做，至多開放插件。這實際上是一種對ERP等傳統體系的置換方案。因為隨著AI的發展，越來越多的workflow可以通過數據+大模型來實現，無需再單獨開發。
然而，這種垂直整合的模式也面臨著巨大的挑戰。隨著業務范圍的擴大，整合的難度也在不斷增加。這就像打井一樣，井口一旦變大，土方量就會直線上升。
盡管如此，仍有一些企業試圖通過垂直整合的方式打造AI驅動的商業智能體。例如Waymo在運行的Robotaxi模式，就是以AI為中心，在產業中選擇一個突破口，自上而下整合所有資源，直接創造價值。然而，這種模式的整合成本巨大，不僅涉及技術，還包括資本、商業、制造、服務、治理等多個方面。
如果這種AI驅動的商業智能體真的普及開來，那么將會對現有的供應鏈和產業分工模式產生深遠的影響。過去由N層工具支撐起來的企業棧，很可能會被精簡成一個子功能。AI越強大，這種折疊就越徹底。然而，并非所有領域都適合做全AI驅動的商業智能體，選擇突破口需要進行商業和技術的雙重判斷。
中國的文化背景也可能對AI應用的發展產生影響。中國人更傾向于“包產到戶”，不太愿意分工協作。這種文化傾向雖然與AI驅動的商業體所需的縱向整合相匹配，但也可能限制了SaaS等分工協作模式的發展。然而，在AI技術日新月異的今天，中國是否有可能跳過SaaS階段，直接發展AI驅動的商業體，仍然是一個值得探討的問題。
本文鏈接：http://www.rrqrq.com/showinfo-45-11990-0.html美國AI應用領跑，中國能否跳過SaaS直接邁入AI商業智能體時代？
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：[email protected] 津ICP備18001702號
津公網安備 12010102000574號