周鸿祎全网直播企业拥抱AI实战策略全解析
周鸿祎分享企业拥抱AI的系统框架,指出需建立认知与信仰,梳理2024年AI产业16大趋势。强调大模型应走垂直专业化路线,避免四大误区,通过360安全大模型和AI浏览器案例,讲解五大关键问题与四步走方法。
上周,周鸿祎在全网直播中分享了关于《企业如何拥抱AI》的第二讲免费课程。他系统性地梳理了2024年——AI应用落地的关键之年——企业拥抱AI时需要关注的战略方向、核心问题、关键要点及具体落地方法。下面,我们来深入解读这场演讲的核心框架。

企业拥抱AI的前提
要真正拥抱AI,首先必须具备两样东西:一是对AI的深刻认知,二是对AI的坚定信仰。这里的“信仰”具体包含六大要点:相信AGI正在加速到来;相信大模型是真正的智能;相信大模型是一场工业革命;相信大模型将重塑所有产品和业务;相信不拥抱AI的公司终将被淘汰;相信不拥抱AI的员工也将面临淘汰。
2024年AI产业发展的16大趋势
今年的AI产业变化极为剧烈。几个突出趋势包括:开源大模型爆发;AGI竞争的核心在于云端超级大模型;大模型同时向小型化发展,开始搭载于智能终端;企业级大模型市场快速崛起;多模态成为大模型的关键能力;生成图片、生成视频等AIGC功能迅猛增长;ToC领域不断涌现杀手级应用;知识工程成为大模型落地的决定性要素;AI Agent正激发大模型潜能,成为超级生产力工具;人形机器人产业加速推进;大模型认知能力提升,推动自动驾驶发生革命性变化;大模型助力生物科学等基础研究突破瓶颈;AI安全的重要性达到前所未有的高度;芯片性能每年提升10倍,算力规模每半年翻一番;能源成为AI乃至人类文明发展的瓶颈;大模型与硬件结合将催生新一轮产业革命。
大模型不是泡沫,将引领新工业革命
“人工智能+”首次被写入政府工作报告,信号已十分明确。关键在于将大模型拉下神坛,让其真正落地,才能掀起这场工业革命。
企业拥抱AI的10大关键问题
2023年是“百模大战”之年,通用大模型越做越大,但对普通企业来说真的合适吗?动辄万亿参数规模,企业能否卷得起?拼算法、算力、数据、人才、安全、能源,能否持续?通用大模型的AGI之路如何走通?或许需要举国之力、国家统筹和大企业合力。那么,通用大模型自己训练?模型不贵,但训练成本极高,有钱也不一定买得到算力卡。想省钱,薅公有大模型的羊毛行不行?但公有模型只拥有公开知识,缺乏行业深度,也不掌握企业专有知识。你愿意把企业核心知识贡献出来,当行业雷锋吗?你愿意将数据和隐私开放给公有模型,让企业裸奔吗?更何况,公有大模型本质上只是聊天机器人,能和你的业务系统深度整合吗?
大模型发展并非只有一条路
大模型不一定越做越大,还可以越做越“专”。三大趋势值得关注:一是采用多个专家小模型混合的MoE架构;二是大模型终端化,上车、上手机、上PC;三是开源大模型爆发。
企业大模型的方向:要走“越来越专”的路
对企业而言,正确的方向是寻找垂直场景,打造具备专业技能的大模型。没有一款软件既能管员工、又能管生产、还能管业务,企业内部一定是多个大模型组合协同工作。不需要千亿万亿的参数规模,百亿、十亿级别就足够,单机单卡即可运行。不需要投入数千上亿资金,百万、几十万就能搞定,中小企业也负担得起。不需要面面俱到的能力,不等GPT-5,GPT-3.5级别就够用,现在就可以拥抱大模型。实践也证明,百亿参数级别的场景大模型经过精心训练,专业能力完全可以超越GPT-4。
案例:360安全大模型
为什么360要做安全大模型?简单来说,就是躬身入局、以模治模,用“模法”打败魔法。目前,360安全大模型已经达到了年薪百万级高级安全专家的水平。
企业大模型四大误区
企业在拥抱大模型时,容易陷入四个误区:总想搞一个宏大的产业大模型;总想用一个万能大模型解决所有问题;以为有了大模型,原来的IT系统就可以淘汰;甚至认为不用做数字化,直接一步到位弯道超车。
企业拥抱大模型的发力点
2024年是场景之年,关键是结合业务找准“明星场景”。而定义场景,必须由业务驱动。
场景案例:360AI浏览器
360AI浏览器的推出,背后是对通用大模型误区的纠正,以及对明星场景策略的专注。它选中的场景非常聚焦:帮助用户快速阅读和观看视频。例如,3小时的视频,3分钟就能看完;音频也能快速整理成文字。功能上,它支持视频内容的快速理解和总结,能自动生成逻辑脑图,还能简化和翻译英文文献。这些场景直击用户痛点和刚需,即使使用频率不高,也能带来出色的用户体验。背后是5个场景模型协同工作,其中有独立模型专门提升翻译能力。未来,它还计划生成书籍内容的PPT和视频,以及视频内容的图文并茂文章。
企业大模型五大关键问题
企业做大模型,必须处理好五个关键问题。AI科普:AI与云计算、大数据不同,需要全员科普和普及。知识管理:知识对大模型训练至关重要,但企业内部的知识管理现状如何?从大数据中提炼知识的方法和挑战是什么?明知识与暗知识的概念及其重要性需要厘清。AI安全:大模型引入了新的安全问题,比如幻觉和被PUA的风险。360安全大模型正是为此而生,而大模型安全问题至少涉及六个层面。模型打造:企业大模型的训练起点是什么?Agent框架至关重要,它能增强大模型的六大能力。RAG知识增强、专家协同问题、人机界面问题、工具增强问题,都需要逐一解决。业务融合:企业大模型在系统中的角色定位是什么?它需要与原有的IT系统协同工作,并建立工作流系统。
企业大模型四步走
第一步:私有化部署通用大模型。第二步:部署企业大模型三大基础设施。第三步:打造场景化大模型。第四步:推动AI与数字化全面融合。
附录
为什么说创业者与企业家都应该学会做网红?
这背后是重塑宣传体系和市场部门的逻辑:建立与消费者的直接沟通方式,通过短视频和直播打造个人影响力。企业家作为企业代言人的价值被放大,而短视频也成为一种高效表达和沟通的工具。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:周鸿祎全网直播企业拥抱AI实战策略全解析要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点大语言模型本质是概率预测器,计算资源固定,无法进行开放式、任意长度的推理。思维链、自我批评等方法虽有改进但作用有限,外部工具可弥补计算不足却依赖模型准确调用,其随机本质和固定架构从根本上限制了真正推理能力。
随着OpenAI o1推理模型的正式发布,大规模推理模型(Large Reasoning Model,LRM)这一全新概念走入公众视野。如果说传统大语言模型(LLM)擅长聊天、写作和知识问答,那么o1模型的设计初衷,就是补齐推理与规划能力这块关键短板。OpenAI声称,通过全新的架构与训练方式,o1
近期看到 @李继刚 分享的利用 Lisp 伪代码生成卡片提示词的方法,确实令人眼前一亮。不过坦白说,Lisp 那种代码风格对我而言阅读体验并不友好——估计对大多数读者来说也是如此。 但仔细琢磨,这个思路的本质其实非常巧妙——它充分利用了 LLM 在编程方面的强理解能力,用 LLM 天生擅长解读的语言
“ 大模型技术不存在放之四海皆准的解决方案,必须具体问题具体分析 ” 2024年被视为大模型应用爆发元年。从长远视角看,这项技术的潜力不容置疑,人工智能无疑成为下一波科技浪潮的核心。如今,形形色色基于大模型技术的创业公司,正如雨后春笋般涌现。 从实际落地角度梳理,大模型的主要应用方向包括智能体(Ag
- 日榜
- 周榜
- 月榜
热点快看
