陈庆春/文
现在人们终于面对现实，在GenAI时期，一味追求大模型的先进性不仅不能解决问题，反而会创造令产业无比焦虑的泡沫。那些专心落地GenAI技术的企业，却成为这个时代的受益者。
图片由ChatGPT4o生成
8月15日，联想集团发布4-6月份财报业绩，营收达1119亿人民币，同比大增20%；净利润近23亿人民币，同比大增65%。如联想集团这样的企业，还有微软、苹果等，它们积极满足个体及企业对于人工智能的强劲需求，将GenAI技术应用于产业、产品中，从而获得企业价值的快速提升。
在人工智能领域，大模型仅是生态产业链中的一环，除此之外，还应该有应用层、连接层、硬件层、行业层等等。因为大模型技术的特点为生成式，所以将现阶段呈现出来的行业状况，称之为GenAI时期（Generative Artificial Intelligence）。
由于在GenAI前期，大家都注重对大模型技术的投入，累积一段时间后便形成一定泡沫，但并不意味着整个人工智能产业存在巨大泡沫，相反，大模型的泡沫也意味着技术进入相对成熟阶段。互联网、移动互联网等产品技术的发展无一例外，均经历了这一过程，现在轮到了人工智能。
GenAI技术的成熟发展已经将人工智能推入下半场，这一阶段的重大特征是：“AI向实”。此时，对人工智能的关注，从大模型逐渐转入应用层。
大模型泡沫到了不得不挤的时刻
所谓泡沫，是指对某一领域企业或技术投入过大，导致企业市值或估值被夸大，远远超过它们所能带来的利润，投机者可能瞬间退出，造成产业突然崩盘。
大模型曾经缔造的盛世繁华，在毫无节制的规模投入下，就正在演变成巨大的泡沫。
美国科技媒体The Information认为，OpenAI在2024年的开支可能高达85亿美元。即使考虑到35亿美元的收入，OpenAI的年度亏损可能将高达50亿美元。
此外，多家美国大模型初创公司面临资金链断裂的危机，被迫寻求被收购，包括Adept、Character.AI以及Stability AI（曾推出Stable Diffusion）等备受瞩目的企业。
人工智能的利润率远低于其他软件，要归咎于其密集的计算需求和能源需求。
红杉资本（Sequoia）最近估计，人工智能行业在过去一年中在英伟达芯片（GPU）上花费了大约500亿美元来训练大模型，如果考虑到建筑和发电等其他辅助投资，完成生成式AI技术所需的总金额可能是这个数字的两倍左右，约1000亿美元。
资金仅是花费的一个方面，电力消耗亦是大头。根据Digital Information World发布的最新报告，数据中心为训练AI模型产生的能耗将为常规云工作的三倍。GPT-4 若如网传，采用25000块英伟达A100 GPU，一次训练就会用去2.4 亿度电。
我国的数字同样惊人。2022年，我国所有数据中心的耗电量约2700亿千瓦时，超过2座三峡水电站的年发电量。预计到2026年，我国所有数据中心所需年耗电量至少达到6000亿千瓦时，数据中心耗电量占我国用电量比重预计将从2016年的1.86%增长至2026年的6.06%，成为主要用能行业。
在造成电力资源消耗的同时，二氧化碳的排放量也在急剧上升。 谷歌 2023 年的温室气体排放量比 2019 年高出近 50% 。
然而，即便如此巨大的投入，生成式大模型的技术进展却逐渐放缓。OpenAI推出了GPT4o，但并非在架构或技术上有重大改进，而是一个修正版。它依赖于一个数百人的团队，在GPT4的底层训练数据中识别并移除AI生成的内容，以防止被污染。
自今年4月起，OpenAI的访问量出现了显著滑坡，从月度访问量的巅峰18亿次，跌至6月份的2.6亿次。
ChatGPT月度访问量变化
技术创新停顿的时间越长，投资繁荣与用户端需求低迷之间的鸿沟就越明显。梅花创投的创始人吴世春曾直言不讳地表示，对于目前兴起的大模型公司，他们赚钱的时间点可能永远不会来。这种“无源之水”的科技泡沫，注定难以兑现商业价值。
全球GenAI技术的发展，到了不得不挤掉大模型泡沫的时候了，也需重新审视整条产业链的均衡发展。
在科技圈流行谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）的一句话：“当你正在经历技术变革时，投资不足的风险大大高于过度投资的风险。” 谷歌财大气粗何时收回对DeepMind的投资，它不在意。但很多企业都无法承受其重。
OpenAI开始基于现有大模型技术能力，寻求应用的变现。比如发布SearchGPT，试图分享搜索引擎的蛋糕；推出chatGPT的高级语音模式，期望带来更好的聊天体验，留住用户。
这种商业模式仍基于移动互联时代遗留的产品APP模式，而事实上，在GenAI时期，还有一种基于大模型技术特点的商业模式：将GenAI技术能力嵌入到行业解决方案、服务和产品里。选择了后者的，无论是苹果、微软还是华为、联想集团、百度等，都获益匪浅。
以联想集团最新的业绩报告为例，在GenAI的加持下，PC出货量恢复增长，PC运营率提升了1个百分点，AI PC占比已经达到6%以上，出货量环比增长228%；在全球对数据中心（也就是算力）的强劲需求下，联想基础设施业务收入同比大增65%；由于较快实现GenAI技术的嵌入与应用，联想方案服务业务连续13个季度双位数增长，运营利润率高达21%。
联想集团的业绩报告至少带来了两个信号：一是，GenAI技术已经成熟；二是，将GenAI嵌入至产品、解决方案和服务中，已经可以获利。
知微见著。我们的视野应放逐于GenAI整个生态产业链，而不只有一个大模型。正如联想集团董事长兼CEO杨元庆所言：“不要千军万马过独木桥”，“不要都‘堵’在大模型上”。
与大模型企业的萧条相反的是，将现有的GenAI技术，应用到制造、金融、消费、食品等很多行业，就能创造巨大的价值，兑现商业利益。
人工智能已经进入下半场，主要特征便是：AI向实。
AI向实，GenAI加速落地
AI向实，包含三层含义：第一，挤掉大模型泡沫；第二，大模型应用落地；第三，促进实业提效。这也是GenAI产业存在的真正价值所在。
如何挤掉大模型泡沫？投资者对行业变化非常敏锐，普遍开始更专注于大模型的应用层面。根据IT桔子及公开资料，今年以来全球生成式人工智能领域已有100多起融资事件。相比于去年的融资潮，今年大模型投资人主要关注应用端落地。
产业界的关注点已从研发更大规模、更高效的大模型，转向寻找产品市场匹配（PMF）和实际应用的落地。为了适应资本市场的期望，以及确保自身的生存，越来越多专注于面向消费者（2C）的大模型初创公司自下半年开始转向面向企业（2B）的领域。
从最近的行业峰会就可以看到，每十家公司中，大约五家在开发AI客服，剩下的五家中，三家从事营销内容生成（包括文案和图片），两家则涉足销售培训。没有专有数据和特定用户场景以形成数据闭环并持续优化的独立大模型公司，很难建立持久的竞争壁垒。
大模型应用落地，正在不断寻找最佳载体。联想集团全力推进的AI PC已获得初步成功，Canalys预测，AI PC 2024年出货量将达到4400万台，2025年有望达到1.03亿台。除此之外，智能纯电汽车、人形机器人、人工智能眼镜、AI手机、VR设备等等都在近半年时间内呈现出蓬勃发展的趋势。
图片由ChatGPT4o生成
市场的最终呈现，再一次证明，GenAI技术沿用移动互联网时代的商业模式，做成APP，商业价值的兑现速度，远低于嵌入终端产品中。
垂直行业领域亦反馈回来GenAI嵌入后提效迅速的利好信息。生成式AI令药物设计效率提升33%，货运物流接单效率提升75%，债券行业运营效率提升30%，制造生产效率提升35%……行业效率大幅提升的背后便是，像联想集团这样的AI服务型企业的价值。
联想集团内部设有专门的组织，他们的工作就是为不同的企业引入不同的大模型，并基于企业自身的专有行业知识库，打造专属的企业智能体，让生成式AI技术通过智能体便捷地流向每个员工。最终提升企业运营的整体效率。
比如，联想集团与伊利共同打造了大模型应用 YILI-GPT ，这一工具正在帮助伊利员工通过对话创作文稿、图片甚至音乐，并通过调用企业知识库，以对话的形式解答业务问题，甚至生成代码。YILI-GPT高效支撑产品创意与概念智能生成，切实帮助工作人员应用和提升工作效率。
目前，联想集团在国内搭建了“擎天智能体平台”，已开发出500+场景的智能体应用，比如供应链智能体、营销智能体、销售智能体、服务智能体等等。伊利的YILI-GPT，便属于营销智能体。
联想方案服务业务群称，“擎天智能体平台”可将转产决策时间从数天降低到2小时内，成功率提升80%，营销ROI提升78%，坐席服务效率提升17%。
据Gartner预测，2024年，全球IT服务市场预计将增长7.1%，2024-2027年市场年复合增长率为10.6%，人工智能服务将成为IT服务市场的主要驱动力之一。
人工智能下半场，就是要向AI要效率，为每个个体、每个企业解决具体的问题，这就是最显著的AI向实。
混合人工智能企业正在崛起
AI向实，需要正视的一件事情是，仅凭公共大模型是做不到的。
清华大学人工智能学院院长、中科院院士姚期智认为，大模型的通用智能必须细化到各个行业，给它“投喂”行业中的专业数据，通过训练形成场景化、定制化、个性化的专有模型，才能给各垂直行业内的企业带来人工智能革命。
对于个体人工智能来说，公共大模型也无法体现优势，需要通过蒸馏、压缩的方式缩小模型，才可以部署到个人终端中，发挥AI能力。如AI PC、AI手机。
大模型的参数越大，能力越大，成本消耗也越大，这是一般规律。但在实际使用中，并不需要最高的能力水平，所以，现在大模型厂商都会在发布新一代大模型时，同步推出不同参数量级的大模型。
在公共大模型、企业大模型、个人大模型的基础之上，还需要构建智能体，可进行自然语言交互，方便调用AI能力。目前，智能体已被产业界认为是用好大模型的最佳路径入口。
构建智能体，就需要将公共人工智能同个人人工智能、企业人工智能共存互补，也就是成熟运用混合人工智能。
联想集团董事长兼CEO杨元庆，最近在内部信中如此表示：“我们率先认准并确定的混合式人工智能愿景，正在为行业所共识。”
早在去年10月，英伟达创始人、首席执行官黄仁勋就为联想站台，与杨元庆一起开启了混合人工智能计划。
高通公司总裁兼CEO安蒙甚至表示，混合人工智能就是AI的未来。他认为，混合人工智能可在终端和云端同时使用相同的生成式AI，从而带来更加智能的个性化用户体验。
在最新的财报业绩沟通会上，联想称其混合人工智能已在全球客户中引发共鸣。从可视化到助力零售业自助结账、制造业检验，再到生成式AI驱动的内部聊天机器人，这些都帮助我们在日常工作中提高生产力。
联想助力路特斯汽车制造的质量控制，就运用了混合人工智能：在公有云上进行的AI模型训练，并在本地和边缘解决方案上部署推理、通过AI驱动的质量检测，实现工缺陷检测准确率高达99%。
AI PC亦是混合人工智能的应用场景之一，通过智能体调用云端和本地AI，提升PC的智能体验，已取得初步成果。
杨元庆在内部信中表示，AI PC仅仅只是一个开始，联想的终极目标是为个人打造能够置身于不同形态终端设备的个人智能体，为企业打造由混合式基础设施支撑的企业智能体，在以高效方式帮助客户和各行各业提高生产力的同时，保护数据的隐私和安全。
高盛首席投资官Marco Argenti曾在年初时预测，"混合人工智能"将成为主导趋势，2024年必有所作为。看来他的预测灵验了。
混合式人工智能时代的大幕已经开启，传统的生态系统将发生演变，行业格局正面临重塑。对联想集团这样的混合人工智能企业来说，这是难得的机遇。