未来1000天，不拥抱大模型的人会被边缘化

以下为本次直播实录整理：

创业黑马：我们先请两位分别谈一谈对当前AI行业的看法。

熊伟铭：我们从2016年开始“放弃”互联网，并把所有精力投放在科技创业赛道上，也是那时开始关注 AI领域的投资机会，投了自动驾驶等新行业。AI领域除了CV（即Computer Vision计算机视觉）之外，还有NLP（即Natural Language Processing自然语言处理），目前，CV的准确度已经达到了95%，但NLP却在过去很长时间都没有进展，直到2022年底才有了一个突破性的飞跃。从这个角度其实也说明了一个行业原理，就是很多的创新虽然看起来是偶然爆发，但其实之前已经经历了长时间的蛰伏。

邵天兰：大模型、Chat GPT等技术的诞生带来了很多新的可能性，所以我们是十分荣幸能够参与一个机器人非常火热的时代。从工业角度来说，过去10年，工业机器人在中国的销量增长了10倍，这对工业品来说是很振奋人心的一件事情。因为在工业领域，特别是制造、物流等自动化要求高的领域，借助近年来人工智能技术的发展，比如先进的视觉技术、还有机器人规划技术等，已经实实在在地实现了对行业的改变。

熊伟铭：今天的题目是AIGC，但可能我们不仅限于此，还可能更多讨论大模型和多模态的AI能力，以及对各行各业产生的各种各样的助力。那么从工业机器人的角度来讲，天兰能否介绍一下这些大模型和这种多模态的能力，对于梅卡曼德的一些助力体现在哪些方面？

邵天兰：大模型对我们整个行业来说就像是一块非常重要的拼图，是能把机器人的基础能力以一个更智能的方式统筹起来的关键点。因为大模型拥有巨大的参数量，可通过跨模态的各种各样训练得出数据，相当于把工程师的很多基础能力以更智能方式的排列组合。因此大模型的出现让我们看到了一个巨大的机会，让我们有机会把机器人的技术再推上一个量级，也许是现在的10倍甚至100倍，这是令我们这些从业者非常兴奋的一件事。

熊伟铭：梅卡曼德是我目前看到的新行业或者新技术中，能够把CV领域和NLP领域做到多模态融合以及提升效率的为数不多案例。那么在梅卡曼德的应用中，哪些具体的部分是会用到大模型？

邵天兰：“能不能用”有一个我个人觉得很重要的门槛，即这个任务到底能不能出错，以及人们对它的期待是怎样的。比如自动驾驶，大街上的车和人的情况是复杂的，所以安全性、可靠性要求极高。所以在一些极端高要求的领域，大模型本身的替代和帮助并没有那么立竿见影，但在一些要求相对不那么高的任务，大模型是可以应用的。目前，在梅卡曼德的一些基础能力部分，已经开始应用大模型，比如帮我们做一个方案或做一个程序等，它能以一种非常智能的方式，来降低使用者的使用门槛，并代替人完成其中一部分的组合方式，它并不是替代基础能力，而是用更智能的方式帮助人工完成统筹工作。

熊伟铭：从这个角度来讲，其实大模型推动了所有行业的市场在扩大。

邵天兰：在我看来，大模型应该还会打开很多全新的领域，比如新的技术、新的行业等。我们曾说，市场上有100个需求，过去的机器人只能满足一个，通过我们的产品和技术赋能，也许能满足三五个，而大模型出来之后，我觉得也许能满足20个。另一方面，大模型也会给人和公司都带来巨大的变化，比如我是学计算机的，我要花巨大的时间学计算机的底层知识、相关的数学以及各种各样的语言和相关的库等等，而有了大模型之后，这种情况将会完全改变。

熊伟铭：随着这些工具慢慢产生，最小的生产力单元也在变得越来越小。就像当年我们觉得Instagram的团队很牛，只有10个人。以后在大模型的帮助下，专才也将会慢慢消失，因为理论上大模型可以覆盖到所有的所谓专业领域。

邵天兰：对，专才的个体可能不再稀缺，但是专才的公司会一直稀缺，因为能把一件事情做专做透，绝对是这个世界上最重要的能力。但我认为专才的公司会出现整合，以制造业为例子，制造业的行业特征就是工艺繁琐、门槛很“碎”——远看是个万亿市场，近看是一万个1亿市场，非常难整合。但借助大模型，我认为可以高效地整合出多个100亿市场，同时，大模型也会带来硬件上的进一步标准化。

熊伟铭：你刚才提到一个很有意思的事情，就是一个万亿级的市场和1万个1亿级的市场其实完全是两回事。所以你觉得大模型能为这些1亿规模的制造业工厂们做些什么，你觉得他们会变成什么？

邵天兰：第一，能够提升专业人士的效率，比如原来100个专业人士可以服务100家客户，现在可以服务1000家客户。第二，能够更高质量地满足那种变化很快、需求繁杂的非标型客户的需求。第三，是能够往服务业方向上做很多拓展。

熊伟铭：在大模型带来的各种变动中，你认为梅卡曼德会在这样一个变化的市场里担任一个什么样的角色？

邵天兰：首先，这种最基础的底层模型肯定只有极少数公司在做，比如深度学习的模型和深度学习的框架，而大模型也会经历类似的现象，是一场少数巨头的游戏。我个人一直有一个观点，就是公司做技术一定要走极端，要么就把技术做到世界领先，有技术壁垒、也有很好的效果，要么可以选择直接“躺平”，直接用市场上的巨头产品。而针对大模型的最底层技术，我也保持这样的观点。

熊伟铭：你是从什么时候开始关注到大模型对业务有帮助？

邵天兰：大模型这件事并没有那么新，从两三年开始，我们就从学术界、业内等地方开始关注它，但那个时候我们感觉它离我们的业务还比较远，成本非常高，效果也不显著。在Chat GPT出来之后，我们才觉得这个事居然这么快就能够在业务上达成可预见性了。对我们来说，更好的一个方式就是把自己的API做好的前提下，利用大模型的技术解锁更多的场景。当然，这只是我今天的看法，再过半年、一年，这个行业可能还会发生更多的新变化。

熊伟铭：你自己的员工，目前有百分之多少是在用ChatGPT或者大模型来辅助自己的工作？从这些使用者交付的工作中，你能感受到质量的提升或者是速度的增加吗？效率主要体现在哪些方面？

邵天兰：我没有具体地统计过，但我们现在一共是将近700位同学，其中海外的公司使用率可能接近100%了，我们国内的话，我保守估计可能1/4的比例。效率提升确实是有的，比如用大模型阅读我们的数据、文档，还有就是知识的转换、翻译等。我觉得在未来1000天内，就会有很多行业发生翻天覆地的变化，不是说所有人都一定要去做大模型本身，而是指不拥抱新技术的个人、公司或投资机构，很可能会被边缘化。

熊伟铭：在这1000天内的大模型发展，对于梅卡曼德来说，你觉得商业模式上的提升会体现在哪些方面？

邵天兰：主要是体现在一些新的场景出现。比如出现一个新的方向，这个方向足够大，大到我们的3D视觉传感器和智能软件一年能销售10万套、100万套，大到以前大家所做的事情都显得没有那么重要了。这意味着拐点一旦出现，行业瞬间就能被“点爆”，这是很有可能被实现的。但我现在还不能给出一个准确的答案，只能隐约感觉，这个爆点今年不一定能出来，它很可能是在服务业，也可能是在一些我们还没有关注到的、当前自动化程度较低的制造业场景当中。

创业黑马：最后还有几个问题希望熊总可以帮忙解答。除了智能机器人以外，在工业数字化领域的话，还有什么细分赛道比较适合布局AIGC大模型？市场规模大概有多大，您作为投资人能不能展望一下？

熊伟铭：我特别看好大模型，我觉得大模型的影响会非常深远，它比互联网的影响力要大多了，互联网能解决的可能更多还是连接或IT的提升，而大模型是直接把IT提到了一种智能的水平，所以所有的行业都会在大模型的前提下重新搞一遍。但从顺序上来讲，我认为可能先是中国软件业，然后是一些因为有AI存在才出现的新行业，比如自动驾驶等，它们未来也会因为大模型的布线或者多模态的熟练，而变得更加易用跟商业化。最后一个是硬件，或者说我们的智能制造，比如中国原来可能根本没有的垂直行业。AI最强的是它一旦了解了规则，就能够创造出人类很难或者不见得很难、但需要花费很长时间才能创造出来的方案。