午間暢聊，第一財經廣播邀請了易觀分析研究合伙人陳晨作為本期《財經午間道》專場嘉賓，透過《中國人工智能產業應用發展圖譜2023》深入解讀人工智能領域的新機遇與挑戰。共同探討人工智能的發展趨勢和應用前景。

主持人：第一財經廣播主播 譚帥

嘉賓：易觀分析研究合伙人 陳晨

對話實錄：

主持人：直播間的朋友們大家好！我們最近關注到易觀發布了最新的《中國人工智能產業應用發展圖譜2023》，涉及了很多AI相關的話題，包括人工智能的發展階段、目前的應用，以及未來的商業化落地，這都是大家非常關注的。首先我看到《中國人工智能產業應用發展圖譜2023》里面有一個結論，當前的人工智能已經進入了生成式階段，也就是所謂的AIGC。那在這個階段的一些主要的特征和表現形式能不能給我們梳理一下？

陳晨：現在人工智能的發展已經不僅是大模型企業、AI廠商在思考的問題，也和應用端的企業以及我們每個人關系都非常緊密，所以我們去看生成式AI時代的時候會發現幾個比較明顯的特點。一是對于人機交互方式的演變，從原來傳統的圖形界面真正進入到自然語言的交流。它重新定義了一個人類與技術的互動方式，我們認為它帶來的是一場交互的革命。

在這個不斷磨合的過程中也塑造了AI的知識結構，并且可以明顯看到Prompt工程的價值已經凸顯出來了。一方面是模型生成能力的提升，另一方面這種Prompt驅動的方式也在使世界知識規范化、數字化的保有和沉淀。

第三是大語言模型所涌現的智能能力，正在推動整個人類社會往AGI（通用人工智能）方向持續探索，這給我們帶來了非常多的想象空間。即便如此，易觀仍然在《圖譜》報告中將當前定義為AGI 0.1階段。我們認為交互革命只處于剛剛起步的階段，未來當知識真正做到人人都可用，每個人都有自己大模型的時候，我們才說AGI進入到了1.0階段，也就是知識革命的階段。

主持人：正如你所說的，人工智能已經進入生成式階段，無論大廠、小廠都已經有所參與，您認為中國人工智能企業面臨哪些機遇和挑戰？

陳晨：我來分開說一下，

機會方面：第一個是原來AI企業想進入工業、醫療這樣的專業領域，行業知識壁壘非常高。在生成式AI對于自然語言理解、邏輯推理都有了比較明顯的提升后，是非常有助于我們去對專業知識、復雜場景做更好的理解學習，這樣對于原來壁壘非常高的領域，AI企業就有機會更快融入到這些垂直的行業里來，了解行業特定問題和需求，為行業客戶提供更深層次的解決方案。

另外，現在大量的行業用戶擁抱AI，迫切需要去做一些基礎能力的建設，像是企業的上云用數賦智這些動作，那么平臺企業的價值也就相應顯現出來了，加上龍頭企業通過垂直整合推動整個AI產業鏈上下游的生態融通，可以更好地提高產業活力和適應力。

在《圖譜》報告中，我們挑選了六個重點行業做了比較細致的分析，包括面臨的關鍵機會和挑戰。我舉一個例子，像娛樂行業這樣對于內容依賴度比較高的產業，它借助AI技術對內容研發的質量和效率都會比較明顯的升級。那么我們看到未來可能頭部機構和大廠在原本高資源投入上的競爭優勢會減弱。同時，它也會為一些中小企業、甚至個人專業創作者提供突圍的機會，未來可能會形成一種“內容即服務”的模式，讓中小企業和個人創作者有更好的商業化變現機會。

挑戰方面，挑戰仍然是存在的，首先技術上還存在一定局限。現在大模型主要以靜態數據驅動的方式來做學習訓練，但在一些行業的時效數據和專有數據的訓練場景還存在技術局限性，這是在進入專業領域的時候需要突破的。還有就是成本問題，即使現在可以去利用開源大模型做微調、做增量訓練，但是成本仍然是不低的。而且我們看到在供應端和需求端對于成本的認知還是存在比較明顯的鴻溝，所以成本依然是目前比較關鍵的挑戰。

另外是在進入行業時必須面臨的安全合規的底線問題。例如金融行業對于數據隱私、模型的可解釋性、可追溯性要求非常高。這是行業客戶一定會去考慮的問題，也是AI企業在進入這些行業時必須要去考慮的。不僅是模型安全、數據隱私，還有模型是不是符合人類社會的價值觀，符合行業準則和企業商業準則等等。

主持人：生成式人工智能階段，中國的人工智能企業面臨很多的機會，當然也有許多的挑戰等待去突破。除了人工智能行業內的企業之外，所有的企業千行百業，業內有種共識說因為人工智能時代的到來而被重塑。就您了解到，當前人工智能技術對于各個行業的賦能和重塑主要體現在哪些方面呢？

陳晨：首先是業務數智化水平迎來全面的升級。無論是流程的優化、業務自動化程度、效率的提升、數據驅動的決策能力、智能交互的能力等等，特別關鍵的是這些是在以業務驅動的方式來擁抱AI。我們看到越來越多的行業客戶不再需要技術部門出來說，應該用什么技術來去幫業務做什么，而是有越來越多的業務部門開始主動思考AI能夠幫助我做什么，這是整個業務發展需求來驅動AI應用場景，不斷向前探索和實踐的一個特別大的轉變。

《圖譜》報告里也分析了一些行業案例，像是工廠AI質檢、醫療AI影像識別、城市AI智能化治理等等，其實都是在通過業務擁抱AI的方式來做數智化賦能。

第二是模型的開發到部署、應用的門檻有了明顯的降低。傳統的AI開發模式下，需要針對細分場景和任務去定制化開發很多小模型，現在大模型能夠顯著降低開發的復雜度，提升應用和部署的便捷化。

另外，生成式AI在應用層是一個對體驗進行重塑的過程。無論是對客戶體驗還是員工體驗都有全面的增強，非常有利于企業去做中后臺的賦能和升級，以及員工自身的數智化能力的動能發展。

主持人：這個是當前人工智能技術，對于各個行業的一些賦能的體現，那么大家更為關注的是：人工智能的技術并不是一成不變的，它是不斷的這個迭代的。隨著人工智能技術不斷的迭代,哪些場景或者哪些應用,在人工智能技術的加持之下,會更加具有想象空間，更加具有顛覆性？

陳晨：在報告中我們分別對六個行業做了一些趨勢展望，我簡單挑幾個來說。比如在工業制造領域，引入工業大模型來對現有的工業流程注入AI智能能力，作為工廠智能中樞，可以讓AI以更柔性的方式融入整個工廠流程。現在已經開始有企業在去嘗試應用了。另外，生成式AI可以更有效地沉淀和傳承專業知識,原來我們的方式是老師傅帶徒弟，它的弊端是知識不好沉淀下來形成數據資產，而且非常容易出現知識斷層，那么未來就可以利用AI來構建一個高效的知識體系。

再比如AI現在已經廣泛應用到醫療健康行業，我們每個人可能都已經體驗到像智能導診、線上智能問診等等，AI是有利于賦能基層醫療服務的短板，優化醫療資源的分配，可以更好地實現醫療資源的普惠。

再舉一個例子，我們都知道美國的娛樂產業非常發達，一個重要原因是他們的工業化水平很高。現在利用生成式AI持續做智能化能力的輸入，未來可以從整體上提升國內文娛產業的工業化水平，形成AI賦能全流程的內容的生產體系，實現降本增效。那釋放出來的價值就是，內容創作者可以更專注于去做那些有創意的、有情感共鳴的內容，未來將會涌現非常海量、豐富的內容資產。

主持人：人工智能的時代，不管是你接受也好，你不接受也罷，他現在已經是撲面向我們涌來了。在人工智能的大時代之下，對于每一家公司或者每一個個體來說，他們擁有機會的同時，也會遇到一個挑戰。就是在這樣一個大的時代背景之下，對于各個行業和個體來說，如何能夠更好的借助人工智能技術生存發展，而不是被取代。我們先分別來說，首先對于行業來說，每個行業都有自己的特點。有些行業現在是在上升渠道之中，屬于朝陽行業。有些行業可能在下降的渠道中，比較落寞。那如何能夠借助人工智能的技術更好地生存和發展？

陳晨：去年年底的時候，易觀發布了產業數字化十大趨勢，當時我們觀察到行業和企業尋求增長的方式，從依靠土地、投資拉動轉變為依靠技術和數據來驅動增長。那么既然要去升級行業和企業的數智化能力，AI就是一個特別重要的切口。但是我們在這個過程中也會看到，雖然AI正在驅動千行百業的效率提升，但仍然有大量的場景價值沒有被挖掘出來。

所以其實在報告里我們在通過應用成熟度曲線的方式，去看各行業AI應用發展的程度其實是各不相同的。像農業、能源、政府這些領域，相對來說仍然處在探索階段。我們認為在這個階段重要的是加強基礎能力建設，形成數字資源沉淀。像制造、金融、交通等領域開始進入到市場啟動階段，數字化基礎能力已經初步形成，目前需要考慮的是如何基于行業自身特點和場景實際需求，更好地完善AI能力，做到以可信可控的方式保障行業應用和鋪開。

像廣告、電商、游戲等行業已經進入了高速發展階段。這一類也是高度依賴的內容的行業，目前數字化基礎能力已經比較完善，現在面臨的是內容資產和互動體驗方面如何進一步的豐富和提升。

我們會看到雖然階段各不相同，但是存在一些關鍵的共性要素，一是以行業特征和企業經營目標為導向，決定了是以穩為主，還是以效率為先，而數字化基礎能力的建設可能決定了AI應用的下限。然后是數字資源的沉淀情況，特別是行業know-how導向的數據資源，這給了AI能夠往前應用探索的發展空間。最后還要看整個生態體系是不是有核心龍頭企業去驅動，并且有足夠多的企業去參與，來形成更完善的生態融通。

這些是我們認為在行業落地過程中，所處不同的階段看到的不同問題，也需要相應地采取不同方式進行AI應用價值的挖掘。

主持人：對于個體來說，我們之前大家都擔心人工智能技術出來了之后，自己的工作和崗位，會逐漸被一些人工智能所取代，但是同樣的，可能人工智能時代之下，也會創造更多的新的崗位和新的工作機會。那對于人工智能時代下的個體來說，您覺得我們應該如何借助人工智能的技術，而不是被其所取代？

陳晨：大家現在經常會說的一句話是，被取代的是不會用AI的人。我認為在這樣的時代背景下，每個個體如何去利用人工智能技術，其實體現兩個方面：

一方面是現在有很多AI智能工具和助手，如何充分利用這些工具，不管是幫我們完善思路、生成內容，還是通過智能問答的方式，應用于各類學習工作場景，能夠讓AI真正成為我們的生產力工具。還有剛才說到了Prompt工程，目前這體現在提示工程師的價值上，那么未來可能Prompt是需要我們人人必備的技能。

另一個方面是，在看待個體價值這件事的時候，我們還要考慮如何通過組織的賦能來幫助個人提升，通過組織協同設計，從賦能個人到賦能組織，系統化地提升組織能力和競爭力。

主持人：2024年即將到來了，看到了一些相關的機構對于整個人工智能未來的一些前景還是非常看好的。從您的角度來講，是否可以給我們簡練的來梳理一下。您覺得2024年哪些AI細分領域，更具有商業化落地的一些前景？

陳晨：2024年生成式AI會繼續蓬勃發展，目前AI生成內容的能力應用已經滲透到很多領域，但目前應用上還是相對碎片化，2024年可能會邁向一個更成熟的商業化階段，給內容產業帶來一些機會。2023年被定義為圖像生成的元年，那2024年可能會是視頻生成崛起的一年，在內容產業可能會率先實現應用上的突破。

最后一點，明年我們會看到更多的應用嵌入AI能力來增強現有功能和體驗，另外也會催生出更多利用AI原生能力形成的應用，未來這兩派的格局會如何演變，我們也會持續進行關注和研究。