今天想在AI领域创业既热闹又难。热闹的是从年初开始到现在，爆发式的行业关注，各类大模型和应用层出不穷，各种新应用也以让人惊掉下巴的状态在迅速升级。

刚刚见实发起的用户付费意愿大调研中，9成以上调研对象都在付费：要么公司付、要么个人付，要么公司和个人同时都在付。这种爽快程度让任何行业和浪潮都相形见绌。

但难也是真难。投资人要求创业者先挣到钱——一个有趣的反问是：先挣到钱还需要再拿投资吗？

另外，现在看几大短视频的态势，平台都期望直接和B端企业做生意，所谓生态被压缩在一个帮忙卖、帮忙吹、帮忙代运营的贫瘠地带。

大平台统治大模型之后，会不会也直接切入应用层，切入肥沃的垂直行业的垂直应用，继续直接和企业、和个人用户做生意？如果是这样的话，那简直糟糕极了。

这一切都没有定论，只有需求和产业在迅速爆发，伴随着担忧也在快速爆发。那么，业界会走到什么方向上去？对于产业的发展来说，AI强应用和AI大模型谁更重要？以及，最后的机会和协作会变成什么样？

这些背景，化作在9月20日见实科技、行行AI等联合发起组织的“AI强应用、多模型：2023见实大会”的关键圆桌话题。

当天下午，在见实CEO徐志斌的主持下，八友科技CEO梁斌、法海风控首席科学家肖进琦、一览科技董事长罗江春、论论创始人兼CEO谈国禹、首都医科大学肿瘤学系肺癌首席专家&博导郭惠琴教授、海纳AI创始人梁公军等，一起展开了“AI强应用 VS AI大模型：对产业谁更重要？”关键圆桌，如下实录为圆桌内容精编，分享给大家做参考。如下，enjoy：

问题一：

你现在用AI应用还是大模型解决行业痛点？

主持人徐志斌：在圆桌之前，我们先请AI帮忙列了一下问题。AI对这个能让人打起来的话题，问出的第一个问题是：

你所在的行业，现在痛点是什么，你现在是用AI的应用还是直接大模型来解决这个痛点？

梁斌：现在基本上50%的大模型团队都买了我们的服务，大家在媒体上看到的那些基本上都买了我们的服务。这个行业痛点其实非常多。

第一就是大家都知道中文数据比英文数据少，我们想做一个很牛的大模型天然就比国外的大模型要吃非常多的亏，现在很多大模型团队包括我们大量翻译国外语料，翻译到中文，来做这方面训练服务，这个数据方面的第一个痛点，中文语料少。

第二个是数据合规化问题。海外Chat GPT什么数据都可以抓，全世界包括可以中文、日文。但国内客户接触我们数据的时候，就会问数据是否有授权。

肖进琦：我们公司是给金融企业相当于以大模型为基础，提供企业画像，对常用本进行一些摘要，达到给用户提供一些指引，比如银行可以根据这些模型画像进行贷款或者尽调。

现在一般的短文本现在解决方案比较多，我们还可以给司法机构提供一个超长文本，案卷文本都超长，比如有一两百页，我们通过人工阅读会效率非常低，我们会通过大模型手段自动把里面所有他们需要的点全摘录出来，形成摘要，很方便节省工作，我们这边就是相当于做这样一个NRP方面的服务。

罗江春：视频行业创作者、MCN机构很多，大家做视频主要最难的三件事，第一变现很难，当然跟AI也有很多关系，第二个是创意，缺创意，大家经常刷抖音、快手，经常发现同一个创意，同一个脚本，不同的MCN机构都在反复不停拍，说明创意很缺，尤其这种优秀的创意。

第三其实跟第二点有关，缺创意之外其实缺素材，经常会看见短视频上面有很多文本和画面，完全不同步，完全讲的画面跟文本完全讲两回事，这三个问题是我们做视频这个行业里面，在创作上最大的三个痛点，就是变现、创意还有素材，我们用AI来重点解决这三个问题。

谈国禹：现在大家在应用商城就可以搜到论论APP，它解决什么问题呢？

比如说大家聊到AI，上个月聊到超导，聊到各种各样的硬科技，行外人都觉得他跟我们有距离，论论就是打消掉这个距离，让你能够快速了解、认识并且去运用这些科学技术，认识这里面不同科学家、成果。简单来说的话，就是人类的科学成果是大家共同的宝库，论论帮助大家更方便运用这个宝库。

郭惠琴：我是做医生的，刚才有记者问我你也出来做创业吗？没有，我现在还是体制内的一名专业医生。我的专业是肿瘤科，大家都知道肺癌是在全球、全国范围内发病率最高，死亡率最高一个常见病，基本上50%以上实体瘤都是肺癌，我是胸外科医生，主要做肿瘤科。作为手术只是我肿瘤治疗中的一部分。为什么我会加入AI这个行业？

我们希望做一个AI医疗，大家知道肿瘤到目前为止还是一个没有攻克，死亡率极高的、谈癌色变的一个疾病，治疗方法有手术放疗，包括质子、靶向、免疫，为什么它的治疗非常有限？因为每个专家对自己专业之外的科室融合是有限的。我们人脑没办法跟电脑在某些方面比拟，包括处理数字方面。

肿瘤也是一样的，我们现在成立了一个MDT中心，不同专科大夫坐在一起为一个疾病做出诊断，某种意义上是一个简单叠加，外科大夫说他晚期了，由内科来做，内科说化疗没有用，找中医科开点中药，中药说不行，看放疗科有没有办法，结果这个病人转了一圈，找了很多专家还是没有得到一个最好的治疗。

我个人早年是因为跨界了肿瘤分子生物学，又在临床第一线工作，发现如果把上面所有方法应用起来，病人出现的治疗效果超出了预期，国际上定论说晚期肿瘤不可治，但我们手头有很多治愈的案例，因此希望教会人工智能，把所有专业知识，通过人工智能的产品服务于广大患者，这样他可能会得到一个超过一个专科大夫所能提供的医疗服务。

再简化一点：包括三线、四线边远地区患者，能够通过人工智能产品，相对获得优质医疗。

第二个希望年轻医生能够更快成长，现在一线大夫值班碰到一个术后出血的病人，他要通过二线甚至三线医生，如果通过人工智能就会得到一个上级大夫给他一个非常好的建议，这个已经能做到，国外已经证实了。

第三个是医疗科研方面，现在可以通过人工智能产品收集数字，比如当大量患者访问网站，在询医问药时候，他要把他所有的检测数据，包括影像输送到云端来，通过人工智能处理，一方面帮病人解决了诊疗问题，同时也帮助医生在短时间内收集到大量有效数据，这些数据加快了医疗的研究和成果总结。

医疗实际上每一个进步是依赖于科技的进步，我相信，新一代AI将会以前所未有的、多方位的全视角来帮助到医疗，医疗最终极目标是惠及整个人类的健康，解决就医难，包括不仅仅疾病问题、健康问题。我希望能做出一个帮助人人健康的产品，来奉献给人类和大家。

梁公军：海纳主要给超大集团，把招聘专员干的那些事自动化，在过往三年，顺丰快递小哥100%都是海纳面试进来，每年面试量将近百万人次。再过半年，快递物流行业从业人员可能几乎100%可能都是海纳面试进来，我们现在做了八个行业，也花了五年时间去把头部客户都做的差不多。

AI面试官解决的一个最核心痛点是什么呢？

第一个是统一标准。大型连锁集团分布在全国各地，由各种各样的一些很多的一些招聘专员做这个事情，标准是不一样，当然对于集团总部来讲，他希望能够控制用人质量，这是最好AI时代的最好的利器。

第二，以前是通过人工来做这些简单重复的事情。整个流程很长，候选人等的时间比较长，AI面试官是7×24小时随时随地，不眠不休，能够极大加快招聘速度，现在招人都是存量竞争，可能池塘里面就一万条鱼，岸上有一千个渔夫在等，看谁的渔网又快又准又好，这是一个智能时代的武器。

当然我们现在也在尝试向腰部集团公司去推，这个事做了五年，最大体会是：我们在很多点上其实已经比海外同行做的还要好，甚至去全球五百强打单的时候，能打掉美国同行。

原因特别简单，因为我们的数据量大，得益于我国非常独到的优势，统一大市场带来最大的优势就是数据量，每一个应用场景底下能得到比其他国家同行更多的数据。这是我觉得强应用的最大利好。   

问题二：

不同行业都需要做专属模型和应用吗？

主持人徐志斌：听各位展开的时候，我反而有一个强烈感受是：

一个垂类行业的模型和定制应用，反而是现在最好的机会，而不是所谓的大模型也不是所谓的强应用，我有理解错吗？那是不是说，不同行业都需要去做专属模型和应用？

梁公军：强应用，多模型，是接下来的一两年之内是最好创业机会，最大一个点是在应用层，找到一个比较好的应用场景快速切进去，在应用层的机会是最多的。

到最终会快进到应用为王这个阶段，和2010年的移动互联网一模一样，做底层大模型这些会跟之前做操作系统、做安卓一样，真正大的价值还是来自于各个垂直的场景应用。

郭惠琴：从想法到真正和现在智能连在一起是5月份以后的事情，如果从最初衷讲是30年来一直想做的事情，经过30年，我自己亲自诊断和治疗的病人数以万计，这样构成一个模型，在这个体系中希望实现精准的诊断体系、精准的治疗体系。

这些案例还在，一个一个都是在协和医院经过系统的诊断，在系统的治疗，都是一个个很宝贵的垂直数据，也希望这些数据能够最快的时间，推而广之，既推动医疗对目前肿瘤诊断的突破，也希望最大速度的给我们广大的肿瘤患者带来生存的机会和生的希望。

谈国禹：我这么理解这个问题，第一是现在的话大家都在自己的行业里面做应用这个趋势，根本原因是什么？第二是大模型这个事情是不是做了没有意义？

我们很简单可以理解AI就是干活的，是一个干活的生产力，那么每一个行业，让有用AI把没有用AI的员工替代掉，对于企业来说也是一样的，用AI的企业在行业里边更有竞争力，所以这个作为AI来说其实就是一个干活的。

这也是为什么说AI一上来要去挣钱，原因很简单，那个新AI应用如果能干活确实也能够保住饭碗的话，才能说AI在这个行业用起来了。

但是大模型对于OPEN AI来说是一个哥伦布时刻，大家现在都在纷纷往美洲新大陆开始掘金，但是我们可以问另外一个问题就是tronsformer难道只能发现一个新大陆吗？会不会存在其他的新大陆？

只是从很早一直做AI技术的时候，潜力没有被充分的挖掘出来，所以Chat GPT的诞生并没有在预料之外，但我依然认为它还存在其他的新大陆。

主持人徐志斌：我到罗总这把话题改一改，接着刚才的问，大平台的大模型到现在已经开始开放了，我们可以武断认为平台数据量有优势，在这个垂类上面他们做定制化也有优势，甚至因为定制化先见到收入，所以，接下来三位嘉宾，你们的护城河在哪里，你们所看到的应用的机会能不能盖过大平台？

罗江春：一针见血。每一个行业都离不开大模型，而不是说每个行业要建自己的垂直小模型。

我们需要在大模型上，建自己的垂直模型或者建自己的强应用。我们可以生长、依托在不同的大模型上。可以是GPT，可以是文心一言，可以是盘古，可以是通问千义，这个没有关系。

刚才徐总问在视频这个领域，抖音、快手、百度这些大厂进来，我们这种创业公司怎么做？这个是灵魂发问，行业所有人可能都要回答这个问题。

过去几十年视频一直在承载娱乐功能，娱乐大众。但是最近几年，视频开始展现出来它的工具属性、商用属性和实用属性，很多客户用视频来增收或者连接消费场景，有非常明确的目的，我们做的是这个赛道叫商用视频，这个赛道里头坦白讲，抖音也好，百度也好，还没怎么看得上，经过几年努力，在这里面已经形成自己的商业闭环。我们称为“四有”。

在这一轮AIGC公司或者AI的公司想胜的公司必须有“四个有”：

第一有场景，我们有一个商用视频的场景，有用户。第二有产业数据，足够多的产业数据，这个产业数据最好你能形成自己的壁垒。

第三有技术，技术不是你要去开发大模型的技术，而是能在大模型上快速开发出优秀的强应用技术。第四有相对闭环的产业链，这个最重要，产业链是相对闭环的，否则大厂一进来确实是降维打击，对所有创业者都没办法生存下去。

肖进琦：大家说的观点我都认同，我觉得大模型和强应用两个都是必须的，都是缺一不可的，大模型就是基础，你也不能说是你想用国外的开源的或者什么之类的，万一国外不给你开源呢？咱们国内肯定要发展。

说实话，我们公司想搞大模型也不太可能，因为对资源的要求实在太高了，一般中小企业还是在垂直领域做应用比较合适。像BAT这些大企业，可以联合起来，比如说做一些把大模型这一块互通有无，这样更好一点。然后所以这两个都是必须的。

大模型有点像推动社会进步的基础，不能理解最基础的那些内容的话，你让孩子直接学数理化那肯定是不行的，因为他连最基础的文本理解都没有，做数理化的题他也做不出来。

所以我们公司就是典型的AIGC在风控领域一些应用，积累了很多独特的语料，算法这一块也有改进，比如说我们对超长文本，几百页文本的理解，阅读，有自己一些比较好的实现等等。

现在在其他领域，比如刚才说的司法，阅卷，档案馆等等，现在也开始布局，因为很多基础是一样的，只是在垂直领域，加上一些不同的语料，不同产品的业务逻辑，实际上就可以应用在别的领域。

梁斌：垂类的大模型是不是现在最大的机会？显然是的。

我们跟很多美国同行交流，他们就很难有垂类大模型的服务，因为制造业基本都死了，所以服务业非常非常强，都是TO C的逻辑在玩。国内则肯定垂类、TO B，解决了行业痛点才能快速赚到钱，所以在国内千万要不能再做TO C和百度他们PK了，这个逻辑已经变了，也没有人愿意投了。

大模型里有四部分，第一就是模型这一块，用就好了，第二个是场景，各有各的地，你看医疗有医疗的地，搞招聘有招聘的地，很难买得来的。第三是数据，数据能买。四是算力，你可以租也可以买。

其中反而最难的是场景。我们既然扎根了场景，更要往这个场景上做，我相信医疗这个东西，腾讯肯定不会切到肿瘤主任这个地方去做，肺癌这个我想腾讯十万工程师都做不过我们这一位医疗的前辈。

关于护城河这个事，因为我们是为大家提供数据服务的，这些大的公司很难打到我们，我们都是为大公司服务的，所以我们拜访大公司，其他人很难有机会见到大模型的队伍。

我们现在全国大概五六十家大模型团队，我见过面了，都愿意给我半个小时，因为我对他们没有竞争伤害，也有几个大厂愿意把我们公司给买了，所以我们短时间看没有太大的生存危机。

问题三：

对未来的担忧和建议

主持人徐志斌：尽管大家都很淡定，也各有底气。不过，对于AI未来，大家有什么希望和担忧？能不能用一句话来为未来的AI产业提出自己的建议？

梁公军：我觉得最大的担忧就是咱们政策可以放的更开一些，留更多的空间，有很多是需要试错的

这个行业里面人才挺多的，尤其应用层的人才，我相信会重组互联网时代过去十年发生的事情，会做到全球化，在应用层比国外的同行更好。

郭惠琴：毫无疑问AI一定会缩短一个医学生成为成熟医生的时间，这个我们很有信心，另外在医疗上，最大的瓶颈就是伦理问题，因为毕竟一个医疗的决策，需要对人的生命有保障的，这个也是我们在下一步开发这个产品时，跟相关部门要沟通的事情。

将来AI在医疗上面应用，是一个前所未有，而且是一个革命性的对医疗的进步推动。

谈国禹：说实话我没什么担忧的，我倒挺喜欢这个状态的。大家对于未来基于这个技术的不确定性，未来的话可能还会有新的技术，有新的不确定性，在这种不确定性的情况下，大多数人才能够去做更多工作，让自己能够发挥自己的能力空间、可以得到更好释放的机会。

对于我所做的科学的产业来说，现在是一个科学革命来驱动社会增长的一个时代，而且越来越明显。

整个科学发展我认为还是一个比较早期的阶段，大家很多时候可能在今天讨论行业应用的时候，依然是客服、直播、游戏等等，但是很少有企业真正为科学这个事情做服务，所以我认为，未来对于这个产业来说也是很有机会的。

罗江春：我其实特别担忧，我们这个行业或者对AI这一拨的可能全球性的竞争特别担忧，事实上我们也接过不同的模型，国外的模型质量在这个阶段明显还是会好很多。

我们不能再重复一遍芯片这样的事情，站在这个角度可能应该呼吁一下给我们这些愿意做技术，愿意做应用的公司松绑，让我们出去打，能够把自己的产品打磨的更好，真正有世界的竞争力，而且这个世界的竞争力，不只是在应用这个层面，而且应用反过来拉自己国内的大模型，让国内大模型更好，所以我还蛮担忧这个事。

肖进琦：我还是比较乐观的，因为觉得科技现在尤其AI这一块发展真的是日新月异，我要担忧就是担忧自己看能不能不落后于时代，还是要不停的学习，不停的进步。

主持人徐志斌：我插一个特别不礼貌的问题，这个问题我觉得特别不礼貌，但还是想问，咱们这些人的年纪都不算小，对吧，四五十岁应该妥妥的。

在现在面对AI大潮的时候，大家感觉是年轻人跑的更快还是老同志们跑更快？

肖进琦：我感觉我跑的更快。

谈国禹：我觉得太不礼貌了，我也是老家伙。我可能体力好一点。

梁斌：其实我觉得这个问题这么看，大家都跑的快最好，老同志跑老同志擅长的，年轻人跑年轻人擅长的，老同志谈生意能力好，接人脉，沟通交流能力强，年轻人干活能力强，大家一块跑，我国就领先了。

担心期望这一块，其实我们做大模型，其实最害怕就是监管。现在总有人说未经他人许可不能采集数据，如果这样那我们整个大模型就不要做了，美、日的大模型是允许，只要你是做大模型的，不管你是数据从哪来的，你是论文，电子书都可以用，这种完全放开的方式似乎也不适合像我国这样的国情，我们是又想管，又不敢管，所以好像悬着一把刀，最后一句话，就是希望监管部门还是松松榜，给我国大模型一些发展的空间和机会。

主持人徐志斌：谢谢各位嘉宾，快速总结一下，我们会看到不同的垂类模型，看到不同的应用和大模型之间的机会，最后还是要回到刚才那句话当中去，就是不管是什么行业，不管是什么样的领域，不管是年轻人还是老同志，大家都在快速的往前跑，祝愿大家都是那个体力好、跑赢大时代的那个人。

哦，对了

您想获取的私域资料和白皮书、私域服务、私域换量、游学等活动，请在见实公号菜单栏领取；