APUS李涛：AI大模型将辅助产业进行全局思考和计算

人工智能产业发展突飞猛进，大模型技术全面爆发，带动算力需求猛增。河南作为历史文明要塞、中原交通腹地，承载着中部算力枢纽职能。

2019年，APUS在河南郑州建立全球第二总部，之后陆续建立“全球数字基因库”和“智算中心”，助力河南建设数据与算力高地；2023年8月，APUS大模型落地河南, 为河南AI产业发展提供创新底座，助力河南千行百业转型升级。

12月2日，APUS董事长兼CEO李涛受邀参加清华大学经管学院“第五期中原民营企业家培养计划高端培训班”授课，围绕人工智能的产业应用和价值创造主题进行分享。

在本次授课中，李涛针对人工智能及AI大模型技术演进、当前全球人工智能产业发展的机遇和风险进行了分析，并从大模型落地应用、大模型产业价值和未来智能治理等方面做了详细解读。

人工智能实现超车，首先要客观看待发展现状

首先要明确一个概念：人工智能不等同于数字技术。

许多传统行业在做转型过程中，往往将人工智能、数字经济和数字技术视为同一概念，而实际上它们之间存在很大的区别。人工智能是一种技术手段，通过模拟人类的智能和思维来处理信息、解决问题，实现自动化决策和智能控制；数字经济则是指以数字化技术为基础的经济形态，辅助社会、企业数字化转型，推动企业发展和社会进步。

然而，中国的人工智能发展确实相对落后于全球领先技术，在芯片研发、算法创新方面起步比别人晚；加上没有足够多芯片支撑算力进化，发展“加速度” 也难免放缓。

但我认为，我们得客观地认识到当前差距、正视自己落后的差距，这样我们才知道该努力的方向是什么，才能够真正地找准短板不断地追赶。

如果跟别人拼不过算力，那我如何在算力比别人少的情况下，让自己的人工智能大模型不断迭代进化？对于APUS来说，我们会选择通过增量预训练实时快速地更新数据，训练长文本。

事实上，APUS确实也是如此做的，APUS大模型很早就训练出了128K长度文本。

重视大模型的长尾价值——应用越广，底座力越强

作为一家做全球化业务的企业，APUS也面临着国际贸易壁垒、文化冲击等各种挑战。从2018年到2022年，我们一直在探索将人工智能应用到全球200+款产品中，但从商业角度看，实际成效不大。为什么？

过去4到5年，APUS用的是小模型。小模型不具备规模效应、复制效应，用小模型做应用边际成本是不断地在增加的。算法在业务构建过程中真正起到的作用是很小的。在不同行业、不同企业，使用小模型构建业务应用几乎需要“重新来一遍”。

相比之下，大模型一次性的固定成本很高；但当各个行业、各种场景都开始用的时候，它的边际成本就开始慢慢趋近于零了，这也是大模型底座价值真正开始显现的时候。

去年11月，ChatGPT发布，APUS第一时间快速跟进大模型，12月，决定将技术路线全部转向做通用型人工智能，开始储备算力和AI领域人才，投入研发自己的大模型；2023年4月，整个公司All in AI，并且推出了国产自研的千亿级多模态大模型——APUS大模型。

人工智能的产业化：用大模型做全局思考和计算

上半年谈人工智能，大家都在谈大模型、算力，下半年大家都在谈人工智能应用、Agent，现在大家都在谈人工智能的产业化应用、讨论大模型在产业中的应用价值是什么。

我认为，大模型的一大价值，是用人工智能帮助产业来做全局的思考和计算。

过去人工做决策，是缺少全局思维的，也没有能力来做全局计算。以农业为例，在投产前期，我们很难判断全局播种量、化肥量等，判断作物生长情况、收割运输情况，包括市场的交易价格来判断出投入产出比；同时人工也很难对影响产出的未来天气等变量因素进行预报和计算。但今天在人工智能的大模型时代，这些事都是可以完成的。

例如我们今天在热议的“自动驾驶”领域，目前所用到的人工智能仍旧是“小模型”，因此L3.5的智能汽车只能解决到“人工辅助驾驶”问题；如果自动驾驶技术中加入大模型，那或将解决全自动驾驶的问题，才能真正将智能汽车推向L4或者是L5的水平。

“大”的模型，需要海量数据进行“投喂”、供其学习，同时它也能够快速地把结果计算出来，生成很多新的东西，包括智能驾驶、智能助理等新应用。慢慢我们会发现，在很多领域里边，包括很多很难进行数字化的传统领域，都需要人工智能来加持，来激发产业价值。

做通用大模型底座，即要坚持构建健康的产业生态

业内普遍认为，人工智能是第四次工业革命，那么在第四次工业革命里面，有一个非常重要的支撑力就是“大模型”。我也常说，大模型是人工智能的“底层操作系统”，在未来各个领域所使用到的底层能力，都将由大模型来提供。

但随着大模型的发展，特别是11月7日OpenAI的最新发布，不少从业者也看到了全球潜在的AI生态风险。

那我们首先来看看，OpenAI的升级到底发布了什么，以及从这次升级可以看得到整个人工智能的生态可能正面临着什么样的挑战和风险。

实际上核心发布了三个东西：第一是发布了GPT Turbo；第二是 GPT Store，并且统一了整个GPT入口；第三个发布GPTs。

GPT Turbo本质上来说，就是 OpenAI 把领先于全球的人工智能的技术开放赋能，为全球的开发者来提供大模型的底座。这从人工智能的开发者角度来说，看似是一件好的事情，但很多人忽略了，这一全球领先的大模型底座可以造成“开发者垄断”，在其之上 OpenAI将会构建起自己“独一无二”的人工智能生态。

GPT Store发布本质也是以构建生态为核心目的，通过应用市场，开发者的产品和技术能够更好地被更多的用户下载、付费、使用。但是这一次，GPT Store 有一个特别大不一样的地方——它不仅仅是一个Store，它还统一了所有用户的入口。开发者的应用更多是以插件方式，被集成在了GPT里边，开发者个人品牌被遮蔽；相较于Apple Store、Google Store，GPT Store对平台用户收取的佣金费率或许只高不下。

GPTs事实上就是Agent，它会像数字助手、数字分身一样，很隐秘地按照你的需求解决问题。但是通过Agent，OpenAI甚至可以轻松获取开发者、用户的各类隐私数据、保密数据，从而在技术、流量和数据上形成“三垄断”，真正达到构建“AI帝国”的商业目的。

作为中国人工智能的从业者，关于智能风险与治理方面，我也提出了一些想法。

首先，大的经济体都应该有自己的人工智能通用大模型底座。比如说像美国、中国，甚至包括印度、欧盟等独立大经济体，都应该有自己的通用大模型底座。

其次，每一个国家甚至每一个独立存在的文明，应有一套符合自己国家或者是文明价值观对齐的人工智能框架，用这样的框架来包容和约束大模型。

此外，就是要构建一个健康的人工智能产业生态，让人工智能产业链里的每一个环节都能够有自己的生存空间，让每一个环节，让每一个链条都能够很好发展自己的潜力。

APUS投入大模型研发之初，便确立了要“为中国定制AI大模型”。经过市场的锤炼和实践，APUS大模型也明确了自己“成长”的战略方向：坚持智能向善，以红色框架约束大模型、对齐价值观，让大模型应用与价值创造接轨。

技术的发展需要身处浪潮下的每一环共同建设、共同匡正。在发展人工智能和大模型底座过程中，我们要遵循“智能向善”宗旨，并且基于这一宗旨建立起一个价值观正向、具备约束力框架，来真正引导人工智能产业向善而生，方能更好地为企业生产、人民生活、社会经济发展服务，更好地创造AI应用价值。