今年随着人工智能AI技术的不断革新与迭代，我们正站在新一轮的产业的浪潮的拐点，巨大的投资机遇正应运而生。
针对未来人工智能的发展和机遇，2023年6月16日，格隆汇举办的“2023年格隆汇中期策略峰会”中的人工智能论坛的圆桌讨论环节，邀请到国盛证券计算机首席刘高畅、TCL电子非执行董事孙力、联易融科技副总裁沈旸、华夏基金数量投资部执行总经理徐猛、百度集团科技与社会研究中心主任余欢，五位人工智能领域大咖共同探讨AI+的颠覆与机遇这一话题。
AI浪潮下的机遇和挑战
主持人（刘高畅）：
结合行业的背景及业务特点阐述一下AI带给自己所在公司、行业及在业务上的机遇和挑战。
在人工智能的机遇方面，孙力认为，一方面，当人跟这个设备交互的时候，它的认知和理解水平会有突飞猛进的进展。未来不论智能家居也好还是所有的产品交互也好，语音是一个非常重要的交互手段。
另外一方面，像对汽车电子这样有非常浓的交互的数据场景和产品的公司来说，AIGC的内容生成也是一个非常大的机遇。
此外，AIGC在电子产品的屏、交互、个性化的广告以及上下文填充的新技术方面都将带来非常多的机遇。
在大模型的挑战方面，第一个不可以回避的挑战是成本。大模型的成本非常高昂，因此并不是所有的公司都有具备足够多的数据、算力、科学家、显卡等等，而且推理及云端的这些工程化部署也要花钱。
第二个挑战就是数据的隐私。因为现在大模型天然的部署在云端，这意味着用户有一些数据必须上传，还有一些绝对机密的商业机密没有办法跨出公司的数据中心，对数据的安全这块也是一个挑战。
此外，大模型现在有很多不完美的地方比如它会生成涉及到法规、伦理等方面的东西，具有很大的不确定性。
沈旸：AI对供应链金融领域带来了天翻地覆的变化。
供应链金融是通过产业链的方式去解决资金在不同的企业之间周转的问题，这样每一个企业的资金就可以更好的被运转。
供应链金融领域的难点在于，以前做供应链金融成本会很高，只有大企业大项目才会做所谓的供应链金融，一个几十万的小项目没有人去关注，因为这个的成本太高了。
因为在供应链金融里面，大家经常做事情之前先会去收集一大堆信息，然后再去分析这些信息，之后再去判断这个项目是否能够去在市场上做一个融资。而这个成本是非常非常高的。
大模型包括这波AI给供应链金融带来的促进是它让原来很多根本做不了的事情变得可行了，可能原来供应链金融在国内的天花板是一年几十万亿的量，但是一旦突破这个天花板，它可能变得和GDP一样甚至比GDP更多。因为我们日常当中，还有很多的行为其实是没有被记录到GDP的范围内。
徐猛：虽然一些大模型我们用得还不是特别多，但是从实盘的业绩以及在过去三年中我们利用AI策略的结果来看，AI的策略和量化结合还是能够取得一些成绩的。
我们认为， AI策略和传统的量化相比，能够取得相对比较好的收益有AI学的广、学的深、更方便做回测三方面的原因。
余欢：作为一家深耕AI超过10年的公司，AI给百度带来的影响是无处不在的，我们目前正在用文心大模型全面的重构百度所有的产品和工作流，将给客户和用户带来更优的体验效果。
另外，从行业方面来讲，这波AI浪潮展现出了两个明显的发展趋势：其一，知识的利用效率正实现大幅跃迁。大模型表现出来的问题理解能力、信息提取能力和内容生成能力使得我们不需要像过去一样经历多轮点击跳转的方式来找到有效信息，信息利用率得到大幅提升，而且问题与答案之间的匹配度很高，定制化程度也更高。
其二，更多工业化生产场景将会实现降本增效。尤其是利好很多中长尾场景，原来这些场景存在数据量不足的问题，投入产出比低的情况。现在，我们在大模型基础上，输入少量的业务和场景数据，基本可以较完善地解决这些问题。
所以整体来说，对于原来没有得到很好解决方案的中长尾场景，AI大模型的充分利用有着重要意义。
AI+”在行业的最新应用及进展
主持人（刘高畅）：
介绍下公司与AI结合的最新应用及进展。
孙力：无论是大模型、小模型、初级的AI、还是更高级的AI，均可能有提升企业内部运营效率、提升用户体验、催生一些新的商业模式几个方面的效果。
首先，有助于企业内部运营效率的提升。因为是无论在生成文案、HR、营销、财务、工业制造等任何方面大模型都能用来降本增效。我们在一些工业大模型的合作中，将人工智能的技术大量用在工业场景，这极大的提升了效率。
其次，应用到产品上能大幅提升用户体验，提升用户的满意度，从而提升公司的竞争水平和盈利水平。因此我们认为智能家居的交互和语音助手是一个非常重要的应用场景，所以我们现在的语音助手都在升级，接下来，我们还有一个重大的应用就是AR的眼镜。
最后，催生一些新的商业模式。一方面是附加在原来的商业模式上，另一方面，大模型一定还会产生一些新的商业模式，无论是在交互式对话还是主动的智能方面。
沈旸：在金融供应链领域，GPT大模型给我们带来的变化是一个质变过程。
供应链金融是一个链路特别长的一个场景。而这里面，做数字化能解决很多的问题，但是现实的问题是，各种数字化最终其实要落到结构化的系统里面，而系统和人拿文本是做不了决策的。
供应链金融，原来每个细分领域很多的小模型，但是在大模型出来以后，有一个更大的模型把这些小模型都拼装在里面，就有了一个初心存在，有了一个最终的目的。这意味着，以后企业做的每一件事情，未来都可以落到一笔交易上，甚至变成一个量化金融的一个思路。
这就是未来的供应链金融的一个场景也是我们目的正在做的，而且我们现在测试下来发现，把原来十几个不同功能应用的小模型嵌入到一起变成一个大模型，它的精准度损失并不大，而同时它在效率上有着更大的提升。
我们目前正在做的一些尝试就是，通过运用大模型可以同时服务更多的客户、产生更多的场景，然后产生更多的交易的行为。
徐猛：AI是一个比较大的投资风口，而相对投资个股的风险较小是把AI应用在ETF方面一个较大优势。
从产业政策看，由于国家经济的转型，政策层面也是比较支持AI发展的。从落地端来看，各个行业的AI都能够拥有一些落地产品并且能够降本增效，AI在量化投资领域效果也是不错的。在游戏方面，也有一些应用场景的提升，因此我们觉得AI将会在各个行业蔓延开来。
余欢：我们公司与AI结合的最新进展，如果用一个关键词来概括就是“双效提升”，这个双效一个指的是效果，一个是指效率。
关于大模型的演进，大家都经历了从1亿、10亿、百亿到现在千亿的过程。大模型从过去的判别式、辨别式为主的AI，变成了现在以生成式为主的AI。
效果其实前面孙总也提到过，人机交互界面的体验感有明显的跃升。在上述谈及的诸多内容创作方面，也已经有了很不一样的感观效果。目前我们许多对外的营销素材、活动材料、海报都是用AI来生产的，我们再进行挑选和优化。
还有就是工作效率的提升。比如我们内部的办公软件如流已经被文心大模型能力重构，赋能我们日常的工作流程。
另外一点是自动驾驶方面，我们做了多年并且进行了长期投入。现在我们自动驾驶出行服务平台“萝卜快跑”订单量已经超过200万，这是在北京、武汉、重庆、深圳等多个区域实打实的商业订单数据，在个别政策允许的区域也做了没有安全员的全自动驾驶。
这些都是我们在不同领域逐步将大模型应用落地的典型案例。
GPT未来对人类带来的最大改变
孙力表示，大模型的到来对于智能终端如手机、电视、汽车等这样的产品公司来说，一方面，让每一家产品公司都要思考数字化这个东西。另一方面，一定要提供主动化和个性化的服务。
GPT的技术方面可以继续的演进，例如GPT本身的效率、消耗的资源、成本、部署的方式，大小模型的结合以及在垂直领域的精进。
沈旸认为，GPT对供应链金融领域的影响就是，未来我们所有做的事情都是为了交易。在未来时间，一切交易可以被量化，可以被计算，价值有多少，而且用AI的技术可以让交易成本变得非常低，也会更公正一些。这是我们未来做的一个事情。
未来将AI技术应用在量化投资里面，徐猛认为，一方面能够做更多深入的研究探讨，另一方面，基金投资人用这些技术做好服务投资者的工作。
谈及大模型对未来的影响，余欢表示，虽然大模型不是万能的，但没大模型是万万不能的。目前来看，行业内的大模型产品都还没有触达到天花板，还有很多值得探索的地方。我们要做的就是，把探索的结果、最好的产品和能力，以大家愿意用、用得起的价格，给所有人尽量地用起来，为每一个人、每一家企业做好服务。
刘高畅则从投资角度分享了未来五年内可能会发生的一些改变人类的方向。
第一类，可能产生工具类的软件包括像微软的一些相应的产品。
第二类，产生像医疗、法律、金融、教育等这样的一些需要将行业和知识库结合的系统，会提升每个领域的辅助功能。
第三块，是入口产品的改变。智能助理的出现会像你身边一个小管家一样，帮你处理很多的工作、协调与世界的一个交互的方式。
第四类，可能就是会慢慢的从多模态GPT到VIT和GPT的融合，再和机械融合，真正运用在生产线上，从很多领域去改变世界。
文章引用微信公众号"格隆",如有侵权,请联系管理员删除!
