文/觀察者網(wǎng) 周毅 李翊馨（實習生），編輯 周遠方

新的數(shù)字化浪潮中，中國正在不斷縮小與美國的差距。

7月30日，京東云峰會在上海舉行。京東集團技術(shù)委員會主席、京東云事業(yè)部總裁曹鵬對觀察者表示，在軟件服務(wù)（SaaS）領(lǐng)域，中美市場還存在明顯差距；但在人工智能及大模型時代，圍繞技術(shù)的落地和應(yīng)用，中國有機會快速追趕美國。

曹鵬表示，“國家鼓勵開放、鼓勵創(chuàng)新，再加中國巨大的市場優(yōu)勢，中國的AI大模型應(yīng)用一定能快速地孵化出來?！?

京東云峰會現(xiàn)場截圖觀察者網(wǎng)

豐富的產(chǎn)業(yè)基礎(chǔ)，是中國在AI時代的天然優(yōu)勢

過去20年，數(shù)字技術(shù)和實體經(jīng)濟的融合，催生了SaaS（軟件即服務(wù)，即“按需軟件”）行業(yè)。SaaS具有開箱即用、按需付費、彈性可擴展的特征，這讓它能夠極大降低企業(yè)的信息化門檻。SaaS甚至能像水和電一樣，成為企業(yè)數(shù)字化轉(zhuǎn)型的必需。

美國SaaS最早在1999年就已起步，今天它已經(jīng)是美國數(shù)字經(jīng)濟的一張名片，并誕生了一大批明星公司，僅市值破2000億美元的就有Adobe和Salesforce；中國在2007年前后才有企業(yè)試水SaaS業(yè)務(wù)，但直到近10年才得到真正發(fā)展。從市值表現(xiàn)來看，中國企業(yè)也跟美國企業(yè)差異巨大。

但在人工智能掀起的新一輪全球數(shù)字化浪潮中，差距似乎沒那么大了。

聯(lián)合國世界知識產(chǎn)權(quán)組織（WIPO）7月初發(fā)布最新報告，中國在聊天機器人等生成式AI發(fā)明方面遠遠領(lǐng)先于全球其他國家，過去十年間申請的生成式AI專利數(shù)量超3.8萬份，是美國（6276份）的6倍。Meta創(chuàng)始人扎克伯格不久前也表示，“美國在AI發(fā)展方面能夠永遠領(lǐng)先中國5-10年”是不現(xiàn)實的，美國保持6-8個月的領(lǐng)先才是合理目標。

中國在生成式AI發(fā)明方面保持領(lǐng)先WIPO報告截圖

從SaaS時代的差異巨大，到AI大模型時代的緊緊咬合，這種變化是如何產(chǎn)生的？

京東探索研究院院長、京東科技人工智能業(yè)務(wù)負責人何曉冬對觀察者網(wǎng)表示，這可能和AI本身的特性有關(guān)。AI是強數(shù)據(jù)驅(qū)動的：數(shù)據(jù)跟應(yīng)用強綁定，應(yīng)用本身又會帶來數(shù)據(jù)。中國有龐大的、堅實的產(chǎn)業(yè)基礎(chǔ)，有各種豐富的應(yīng)用場景，這讓中國在整體應(yīng)用層面，可以形成一個強大的數(shù)據(jù)循環(huán)閉環(huán)。這是中國AI產(chǎn)業(yè)落地的一個天然優(yōu)勢。

在何曉冬看來，這個優(yōu)勢在互聯(lián)網(wǎng)時代就已經(jīng)開始顯現(xiàn)。彼時中國頭部的互聯(lián)網(wǎng)公司，其實就已經(jīng)和美國公司站在同一個起跑線上了。在AI時代，可能這個優(yōu)勢正在變得清晰和明確。中國的用戶數(shù)量足夠大，用戶本身又會提供大量的反饋，形成大量的“數(shù)據(jù)”，進一步加快模型迭代。

某種意義上，在大模型應(yīng)用層面，中國反而有更多機會，“甚至可以走得更快一些”。

AI大模型越來越強，為何仍未出現(xiàn)“超級應(yīng)用”？

隨著二季度財務(wù)數(shù)據(jù)公布，微軟股價盤后大跌7%，延續(xù)6月底以來的一波調(diào)整。作為OpenAI重要的合作伙伴，微軟二季度資本支出（包括融資租賃）同比大增77.6%至190億美元，較上一季度的140億美元顯著攀升，也使得微軟2024財年年度資本支出突破500億美元大關(guān)。如此“燒錢”，卻沒有得到符合預(yù)期的快速回報，成為華爾街用腳投票的誘因之一。

“雖然AI大模型在不斷加強，效果在不斷提升，但現(xiàn)在C端（消費者側(cè)）還沒有出現(xiàn)真正意義上的超級應(yīng)用；”，大洋彼岸的曹鵬表示，“反而在B端（產(chǎn)業(yè)側(cè)），很多場景里能夠提升效率的AI大模型應(yīng)用在不斷涌現(xiàn)，這是一個非常明顯的趨勢?！?

原因何在？

曹鵬對觀察者網(wǎng)表示，目前來看，B端應(yīng)用更容易量化AI大模型帶來的價值。人們有很多辦法可以測算AI大模型產(chǎn)品帶來的ROI（投資回報率），不管是投放廣告的轉(zhuǎn)化和回報，還是AI編寫代碼帶來的人力節(jié)省，這些東西都很容易衡量。因此在產(chǎn)業(yè)側(cè)場景中，人們比較容易在單個點上進行嘗試，用大模型產(chǎn)生效果。

太原某產(chǎn)業(yè)園區(qū)一景新華社

相比之下，可能在很多時候，C端的大模型應(yīng)用更難以被簡單量化。而且，人們對一個產(chǎn)品的預(yù)期是有閾值的——產(chǎn)品突破這個閾值之后，可能才有比較高速的增長。比如Open AI，它剛開始推出GPT的時候，很快超過了C端用戶的認知，Chat GPT也因此成為用戶破億最快的C端產(chǎn)品——但此后，人們的閾值也被提高了。

除了“效果不達預(yù)期”，商業(yè)模式可能也影響了C端現(xiàn)象級大模型應(yīng)用的出現(xiàn)，一些傳統(tǒng)的商業(yè)模式，在AI時代可能不再成立了。

當前，通用大模型的訓練，超大規(guī)模算力集群是基礎(chǔ)，需要高達數(shù)萬張GPU卡。但面向具體業(yè)務(wù)場景時，通用大模型并不能完全滿足所有需求。

何曉冬指出，如果只是簡單地提升模型規(guī)模，那么可能很快達到發(fā)展的天花板，導致大模型所產(chǎn)生的經(jīng)濟效益不足以支撐其成本，從而難以持續(xù)；其次，目前大模型的商業(yè)化步伐落后于模型的規(guī)模增長，從中長期來看終究會成為一個問題；最后，現(xiàn)在很多大模型的“幻覺率”依然比較高，不能為后續(xù)的產(chǎn)業(yè)應(yīng)用提供堅實的保障。

雖然都叫AI“大模型”，但大模型事實上通常可以分為三類：通用底座大模型，領(lǐng)域?qū)Ｓ么竽Ｐ秃烷L尾的場景大模型。通用大模型提供的是一種基礎(chǔ)能力，是九年義務(wù)教育，而非專業(yè)的工作技能和知識。只有和一個個具體的產(chǎn)業(yè)相互碰撞融合，它才能變成生產(chǎn)力并解決實際問題——中國正是世界上產(chǎn)業(yè)體系最健全，數(shù)據(jù)最豐富的國家。

不過，曹鵬也指出，中國大模型有一些值得重視的問題。比如中國市場的投資機制和體系，可能對那些長期的、長效的項目不夠友好，特別是對那些基礎(chǔ)類的、需要長期投入的研究項目。