垂直度偏差测试仪6月12日—13日， 在《商学院》创办20周年之际，《中国经营报》、《商学院》和中经传媒智库主办了2024中国企业竞争力年会系列论坛之“中国商业20年跃迁与创变引领新商业文明”论坛。在论坛上， 商汤智能产业研究院院长田丰，中国研究院副院长王鹏，易宝支付联合创始人、总裁余晨，数致未来科技创始人&CEO、58集团前技术委员会主席孙玄共话《科技赋能，引领新商业文明的未来》。

　　当科技赋能商业，我们将迎来怎样的新商业文明？又将诞生哪些新的产业投资机会？在这个技术创新甚至范式改变的时代，企业应该在人才上做好哪些准备？嘉宾就这些相关问题进行了深入交流与探讨。该圆桌论坛由中国信通院云大所市场部主任窦佳丽主持。

　　窦佳丽：请结合各自所在公司的实践，谈谈新技术的迭代、发展将带来行业的哪些改变？哪些技术突破和创新能够成为引领商业变革的关键？

　　田丰：大模型有两个商业变现的途径，一是终端大模型，大模型成为新的硬件操作系统和互联网服务入口。二是行业大模型，正在改变知识型专家服务的广度和深度。将原来享受不到的昂贵专家型人工服务，降至大众普惠水平，大模型的出现让中国三千万小微企业受益，这就是人工智能普惠商业模式的重大变化。

　　王鹏：中国研究院从2022年开始做的数字医疗，跟国内三甲医院交流以后，选择“人机交互”作为切入点。我们通过数字人、大语言模型等技术，能够在院前的分诊、预问诊或院后康复等一些场景，利用AI工具解决需要花大量时间沟通的工作，辅助医护人员，做一些非关键性的重复性任务。

　　余晨： 实际上金融行业是一个能够产生大量原生数据的样板行业，因为很多其他行业的数据需要再收集、再处理，但金融行业在运行过程中，每一笔交易都是数据。因此，它自然就是AI应用的一个非常好的领域。目前我们至少可以看到AI在金融业两方面的应用，一个是底线应用，更多是防守类的应用，比如反欺诈、反洗钱等各种风险控制，都会用到各种各样的模型；另一个是上线应用，更多类似于交叉营销、智能客服，包括很多类似于预测分析的功能来更好地服务客户。

　　孙玄：在AI大模型时代，主要的应用形态可能是Agent智能体，整个产品形态和技术架构形态都会发生较大变化。在App时代，架构形态还是面向过程的架构，但在AI大模型时代，架构形态是面向目标的架构形态。

　　窦佳丽：人工智能的发展令很多行业发生了颠覆性的改变和创新，给我们带来了哪些机遇与挑战，我们如何应对这些挑战？

　　田丰：第一个挑战和机遇在于基础大模型或基础智能体科研。在基础研发领域没有办法简单复制别人，通用人工智能的基础研发领域目前处于“无人区”，我们怎么能够在AGI科技树上做得更深更远，中国要想成为全球第一的人工智能高地，必须得有领先于别人的底层科研战略思维逻辑和长期主义的研发投入定力。

　　第二个挑战在于芯片比较昂贵。历史上所有新一代科技的发展，都是从非常昂贵的新兴生产要素逐渐变得很便宜。合理控制成本是大模型服务走向千行百业的关键点，前期需要社会公共基础设施的国家级、区域级投资去撬动新质生产力爆发。

　　第三个挑战在于高质量的训练数据永远是不够的，尤其是在尺度定律之下，目前全球最领先的大模型公司对传统易获得的互联网数据集基本训练完了，下一阶段拼的是专业领域的合成数据，这涉及国内制造、科研、商业等行业数据能不能大规模汇聚起来，从而加速行业大模型的科研突破。第一阶段大家比拼通用型基础模型，第二阶段行业大模型能不能真正解决实际生产问题，会成为商业和研发的关键焦点。

　　余晨：其实任何一项新技术的发展都会经过所谓的Gartner技术成熟度曲线，从刚开始的技术萌芽期，通过膨胀上升期达到巅峰高潮，随着泡沫破灭陷入下行低谷期，再经过缓慢的爬升恢复期，最终进入技术成熟期。实际上技术的发展一般都要经过整个兴衰周期。

　　支付对于各行各业是普适的基础设施需求，只要有交易，有价值交换，一定会在商业流程的某个环节用到电子支付的服务。因此在数字化和人工智能时代，所有行业在做转型时，其中最重要的一环就是怎样把资金流的管理进行数字化的升级。

　　孙玄：我觉得大模型其实不是可选项，而是必选项。我们自己实践下来，发现有这样几个困难：第一个困难就是企业需要人才培训完以后马上能够上手，这是在落地过程中的一大难题。第二个难点在于大模型要想在企业更好更快地落地首先会涉及整个组织的改变，尤其需要组织从上到下的思维改变。第三个难点是虽然大模型能力很强大，但大模型在某些场景下不是万能的。第四个难点在于人才培养，尤其是IT技术人员整个思维范式的改变。

　　窦佳丽：大家对所在行业未来的期待是什么？在企业中又是如何打造创新文化的？

　　田丰： 第一，我们鼓励“识”思维，现在苹果、OpenAI等外国企业一开发布会，大家就感觉终于有了指路明灯，这是一种跟随者的思维模式。能否从底层的思维逻辑转变为“敢为天下先”，去思考十年、二十年以后全世界到底需要什么样的真正有用的AGI，这是一个真命题。第二，要敢于为创新试错买单，只要这个错误不致命，基础科研就是智慧地试错。第三，科学家要多沉淀一些人文关怀，以保障“智能向善”的创新发展路线。科学家在探寻真理的过程中，不应忽略掉老百姓真正的问题。通过AI的科技创新，真正为百姓与产业服务，而不是炫技。

　　王鹏：如果从公司层面去看待AI，做半导体的企业其实要想影响下游，中间的产业链非常长，需要有一定的领导力或驱动力。一是要看自己内部是否能有效调动资源，二是看外部能够牵动的，能够搭建的政、产、学、研资源。

　　余晨：支付是一个非常长的产业链，它不是简单的竞争关系。在这个产业链里面，大家可能是上下游合作的关系。支付不是目的，而是手段，未来支付发展的方向从消费者角度来讲，最理想的支付可能恰恰是要消灭对支付的感受，即所谓的无感支付。从企业、后台的角度来讲，则是产业链上下游的结算效率，资金流的流动变得更高效。

　　孙玄：人才培养是分梯队的，我们认为可能分为三类，第一类是基础人才，这些人才是很难培养的；第二类是更普适的人群，怎样能把大模型这样的工具使用好，这里涉及一些提示词，怎样让大模型像人类一样交流，把提示词工程用好；第三类是基于应用的人才培养，如何基于大模型提供的推理能力构建各行各业的应用。