12月17日，由《財經》雜志、財經網、《財經》智庫、財通匯聯合主辦的“《財經》年會2023：預測與戰略”在北京舉行。商湯科技董事長兼CEO徐立在會上表示，標準化不是對AI行業的限制和約束，而是賦予了行業更多想象力，其核心在于推動形成產業共識，從而加快行業分工，讓技術的使用成本大幅降低，最終推動產業應用蓬勃發展。
(資料圖片僅供參考)
商湯科技董事長兼CEO 徐立
徐立提出，AI真正打破了人們的認知邊界。現階段AI可以幫助人們進行新型的猜想，推動新的科研創新范式誕生。從底層的基礎算力、數據標注、算法模型，再到上層解決方案、行業應用，AI正逐步形成其落地的標準化結構。同時，AI結構中的各個模塊也需要標準化。當人們對AI的模塊形成一種標準化認知共識之后，進一步推動了精細化分工的出現。
除了結構和模型的標準化，AI的整個生產過程也是標準化的。伴隨著行業落地的深入，基于基礎算力，包括預訓練大模型、行業模型微調等一系列標準化流程，已經形成了AI產業的共識。目前，行業的通用大模型已經變得非常普遍，正因為有了預訓練大模型的模式，我們才能進入行業的細分模型。雖然生產流程看似一致，但分流出的行業模型不同，所以我們可以賦能不同的行業應用。例如無論是智慧城市、智慧生活或是智慧商業、智能汽車，AI在不同場景的落地背后都歸于一套標準且日益高效的生產化流程。
從定制化到標準化的過程并不簡單。在需求出現時，AI需要完成單點突破。而單個AI模型的跨越并不能真正實現行業的商業閉環。很多商業化場景綜合復雜且多模塊聯動，需要讓牽涉到的所有模塊都突破“工業紅線”。如果整個過程成本過高，同樣無法進行大規模覆蓋，所以需要把AI生產、部署的過程變得更加標準化，才能讓成本降到更低。
徐立認為，縱觀歷史，每一個重大時間點都是被技術驅動的。如今，能否用AI來命名當下的時代，取決于AI能否讓生產要素的成本規模化下降，進而讓AI走進千家萬戶。只有AI的真正普惠，才能幫助人們穿越又一個經濟周期，才能推動AI行業的發展。
以下為部分發言實錄：
AI真正打破了人們的認知邊界。科研創新的范式可以歸結為經驗歸納和推理演繹兩大類別，但推動人們認知邊界進步的往往是“天才的腦洞”。我在去年的《財經》年會上談到，現階段AI可以幫助人們進行新型的猜想，推動新的科研創新范式誕生。
范式是按既定方法推理出一種對應的模式，漢語中也有與之相對應的概念，即“法式”。建筑學一直是非常講求標準的學科，而建筑學里講的“營造法式”，就是一定的建造風格和手法，并且能被歸納總結成一種理論體系和框架。“法式”就是范式的古法表達。
滕王閣、佛光寺、醉翁亭……諸多古建筑的外觀千奇百怪，但人們一眼就能看出它們的風格，是因為這些建筑都有一定的標準結構，即從臺基、柱網、陡拱到梁架及屋面。今天人工智能的落地也遵循一定的標準化結構。從底層的基礎算力、數據、算法模型，再到解決方案、行業應用，形成了AI產業落地的標準化結構。
除了結構的標準化，AI結構中的各個模塊也需要標準化。“凡構屋之制，皆以材為祖”，這是北宋李誡所寫的《營造法式》中一句很著名的話。講的是一份木材，只要告訴制造者需要幾分的材，對方就能夠根據比例打造出產品。今天，當人們對AI的模塊形成一種標準化認知的共識之后，進一步推動了精細化分工的加速出現。
很多人認為AI在不同場景之間的使用區別很大。但其實無論是智慧城市、智慧生活或是智慧商業、智能汽車，歸根結底都需要打造AI模型的標準化模塊。AI模型可以分為感知智能、決策智能以及控制智能，打造這些模型跟打造“材”是一樣的。
也有人說模型的打造會非常多元化，因為定制化的需求很多。誠然，在行業之初，由于沒有標準部件，行業應用的確是以定制化的需求為主。古建筑中的斗拱也是如此，人們對它的需求各不相同，但當工匠打造了足夠的定制化產品，方可進入標準化。標準部件就像樂高的積木玩具，有各類基礎形狀的不同零件，把它們拼搭在一起，就可以形成標準化搭建模式。目前，商湯生產的AI模型已達到了5萬個，服務于各行各業。
除了模型的標準化，整個生產過程也是標準化的。一個木匠“標準化”的工作流程往往包括了筏、鋸、刨、雕四個步驟。AI亦類似，從基礎算力到包括預訓練大模型、行業模型微調等一系列標準化流程，這些流程已經成為了當下AI產業的共識。目前，行業的通用大模型已經變得非常普遍，正因為有了預訓練大模型的模式，我們才能進入行業的細分模型。目前，標準化的大模型生產流程已經支持了商湯超過七成以上的行業業務。
在生產標準化的基礎上，能進一步推動行業應用大規模的標準化。雖然生產流程看似一致，但分流出的行業模型不同，所以我們可以賦能不同的行業應用。比如建筑物看似千奇百怪，但是它們的生產流程都遵循建造的基本流程。而AI的行業應用從智慧城市、商業、汽車到生活，亦都包含了通用算力、通用大模型、行業細分模型的標準化之路。
標準化不是對行業的限制，而是為行業賦予了更多的想象力。傳統的手藝傳承是師父教徒弟，但由于沒有定義好標準化流程，所以很難實現規模化生產。如果要讓產品實現產業化，就需要進入真實的行業與標準化的環境。
當然，對標準化認知也因時空差異而不同。比如古希臘神廟的標準化在于長寬的比例是黃金分割點；佛光寺則是內切圓與外切圓的比例，即1比根號2。雖然這兩個建筑所蘊含的標準化認知不同，但也形成了獨有的認知模式，推動了當時的產業化。
標準化不是一種約束，其核心在于能推動形成產業共識，從而使得行業分工加速。比如：人們用兩匹馬中間的距離定義軌道的寬度，“同軌”才能推動整個產業的發展；電源插頭標準化，使得電氣化變得可能；萬維網上所有網頁的接入點標準化，才讓網絡時代得以發展；在現代鋼筋混凝土的機器中，也有同樣有板架+柱的標準化設計——雖然流程是標準化的，但它可以帶來完全迥異的建筑風格。
從定制化到標準化的過程并不簡單，AI的產品化經歷了以下三個階段：在需求剛出現時，AI需要完成單點突破，單點的AI模型需要解決它是否比人工好的問題，通常被稱為跨越“工業紅線”。在十年前，很多垂直的應用漸漸地跨越了“工業紅線”。但單個AI模型的跨越并不能真正完成商業的價值閉環。由于很多商業化場景綜合復雜且多模塊聯動，需要讓牽涉到的所有模塊都突破“工業紅線”，這其中就有許多待解決的長尾問題。比如，流水線上只有一個模塊實現了AI化，其他模塊都沒被AI化，瓶頸一定在沒有AI化的地方。只有把所有的模塊全部AI化才能形成商業的價值閉環。
形成價值閉環和真正做到標準化、規模化還有一個很大的gap（差距）：怎樣通過設置標準化進行分工，加速成本降低。如果成本過高，同樣無法進行大規模覆蓋。以圍棋為例，假設把圍棋當成一種生產力的職業，數十億的投入可能需要數十年才能收回成本，這樣的投入和產出并不是人們理想中的數字化升級。所以，我們需要把AI生產、部署的過程變得更加標準化，才能讓成本降到更低。
縱觀歷史，每一個重大時間點都是被技術驅動的，所以歷史上都用技術來命名時代，如信息時代、電氣時代、蒸汽時代等等。如今，能否用AI來命名當下的時代，取決于AI能否讓生產要素的成本規模化下降，從而讓AI走進千家萬戶。舉兩個例子，電力的成本大幅下降讓人們迎來電氣時代的拐點，通信成本的規模化下降才讓移動互聯網得以出現。
這些時代的基礎設施正是得益于標準化的推動，帶來成本下降，最終讓規模化擴張變為可能。而AI也同樣需要更多的投入以建立起標準化，從而達到真正降低成本的目標。如今，在算力的支撐、數據的標注、模型的生產等一系列標準化層面上，AI模型的生產成本比起數年前已經大幅下降。
我相信，只有AI的真正普惠，才能幫助人們穿越又一個經濟周期，才能推動AI行業的發展。
營業執照公示信息