午间畅聊，第一财经广播邀请了易观分析研究合伙人陈晨作为本期《财经午间道》专场嘉宾，透过《中国人工智能产业应用发展图谱2023》深入解读人工智能领域的新机遇与挑战。共同探讨人工智能的发展趋势和应用前景。
主持人：第一财经广播主播 谭帅
嘉宾：易观分析研究合伙人 陈晨
对话实录：
主持人：直播间的朋友们大家好！我们最近关注到易观发布了最新的《中国人工智能产业应用发展图谱2023》，涉及了很多AI相关的话题，包括人工智能的发展阶段、目前的应用，以及未来的商业化落地，这都是大家非常关注的。首先我看到《中国人工智能产业应用发展图谱2023》里面有一个结论，当前的人工智能已经进入了生成式阶段，也就是所谓的AIGC。那在这个阶段的一些主要的特征和表现形式能不能给我们梳理一下？
陈晨：现在人工智能的发展已经不仅是大模型企业、AI厂商在思考的问题，也和应用端的企业以及我们每个人关系都非常紧密，所以我们去看生成式AI时代的时候会发现几个比较明显的特点。一是对于人机交互方式的演变，从原来传统的图形界面真正进入到自然语言的交流。它重新定义了一个人类与技术的互动方式，我们认为它带来的是一场交互的革命。
在这个不断磨合的过程中也塑造了AI的知识结构，并且可以明显看到Prompt工程的价值已经凸显出来了。一方面是模型生成能力的提升，另一方面这种Prompt驱动的方式也在使世界知识规范化、数字化的保有和沉淀。
第三是大语言模型所涌现的智能能力，正在推动整个人类社会往AGI（通用人工智能）方向持续探索，这给我们带来了非常多的想象空间。即便如此，易观仍然在《图谱》报告中将当前定义为AGI 0.1阶段。我们认为交互革命只处于刚刚起步的阶段，未来当知识真正做到人人都可用，每个人都有自己大模型的时候，我们才说AGI进入到了1.0阶段，也就是知识革命的阶段。
主持人：正如你所说的，人工智能已经进入生成式阶段，无论大厂、小厂都已经有所参与，您认为中国人工智能企业面临哪些机遇和挑战？
陈晨：我来分开说一下，
机会方面：第一个是原来AI企业想进入工业、医疗这样的专业领域，行业知识壁垒非常高。在生成式AI对于自然语言理解、逻辑推理都有了比较明显的提升后，是非常有助于我们去对专业知识、复杂场景做更好的理解学习，这样对于原来壁垒非常高的领域，AI企业就有机会更快融入到这些垂直的行业里来，了解行业特定问题和需求，为行业客户提供更深层次的解决方案。
另外，现在大量的行业用户拥抱AI，迫切需要去做一些基础能力的建设，像是企业的上云用数赋智这些动作，那么平台企业的价值也就相应显现出来了，加上龙头企业通过垂直整合推动整个AI产业链上下游的生态融通，可以更好地提高产业活力和适应力。
在《图谱》报告中，我们挑选了六个重点行业做了比较细致的分析，包括面临的关键机会和挑战。我举一个例子，像娱乐行业这样对于内容依赖度比较高的产业，它借助AI技术对内容研发的质量和效率都会比较明显的升级。那么我们看到未来可能头部机构和大厂在原本高资源投入上的竞争优势会减弱。同时，它也会为一些中小企业、甚至个人专业创作者提供突围的机会，未来可能会形成一种“内容即服务”的模式，让中小企业和个人创作者有更好的商业化变现机会。
挑战方面，挑战仍然是存在的，首先技术上还存在一定局限。现在大模型主要以静态数据驱动的方式来做学习训练，但在一些行业的时效数据和专有数据的训练场景还存在技术局限性，这是在进入专业领域的时候需要突破的。还有就是成本问题，即使现在可以去利用开源大模型做微调、做增量训练，但是成本仍然是不低的。而且我们看到在供应端和需求端对于成本的认知还是存在比较明显的鸿沟，所以成本依然是目前比较关键的挑战。
另外是在进入行业时必须面临的安全合规的底线问题。例如金融行业对于数据隐私、模型的可解释性、可追溯性要求非常高。这是行业客户一定会去考虑的问题，也是AI企业在进入这些行业时必须要去考虑的。不仅是模型安全、数据隐私，还有模型是不是符合人类社会的价值观，符合行业准则和企业商业准则等等。
主持人：生成式人工智能阶段，中国的人工智能企业面临很多的机会，当然也有许多的挑战等待去突破。除了人工智能行业内的企业之外，所有的企业千行百业，业内有种共识说因为人工智能时代的到来而被重塑。就您了解到，当前人工智能技术对于各个行业的赋能和重塑主要体现在哪些方面呢？
陈晨：首先是业务数智化水平迎来全面的升级。无论是流程的优化、业务自动化程度、效率的提升、数据驱动的决策能力、智能交互的能力等等，特别关键的是这些是在以业务驱动的方式来拥抱AI。我们看到越来越多的行业客户不再需要技术部门出来说，应该用什么技术来去帮业务做什么，而是有越来越多的业务部门开始主动思考AI能够帮助我做什么，这是整个业务发展需求来驱动AI应用场景，不断向前探索和实践的一个特别大的转变。
《图谱》报告里也分析了一些行业案例，像是工厂AI质检、医疗AI影像识别、城市AI智能化治理等等，其实都是在通过业务拥抱AI的方式来做数智化赋能。
第二是模型的开发到部署、应用的门槛有了明显的降低。传统的AI开发模式下，需要针对细分场景和任务去定制化开发很多小模型，现在大模型能够显著降低开发的复杂度，提升应用和部署的便捷化。
另外，生成式AI在应用层是一个对体验进行重塑的过程。无论是对客户体验还是员工体验都有全面的增强，非常有利于企业去做中后台的赋能和升级，以及员工自身的数智化能力的动能发展。
主持人：这个是当前人工智能技术，对于各个行业的一些赋能的体现，那么大家更为关注的是：人工智能的技术并不是一成不变的，它是不断的这个迭代的。随着人工智能技术不断的迭代,哪些场景或者哪些应用,在人工智能技术的加持之下,会更加具有想象空间，更加具有颠覆性？
陈晨：在报告中我们分别对六个行业做了一些趋势展望，我简单挑几个来说。比如在工业制造领域，引入工业大模型来对现有的工业流程注入AI智能能力，作为工厂智能中枢，可以让AI以更柔性的方式融入整个工厂流程。现在已经开始有企业在去尝试应用了。另外，生成式AI可以更有效地沉淀和传承专业知识,原来我们的方式是老师傅带徒弟，它的弊端是知识不好沉淀下来形成数据资产，而且非常容易出现知识断层，那么未来就可以利用AI来构建一个高效的知识体系。
再比如AI现在已经广泛应用到医疗健康行业，我们每个人可能都已经体验到像智能导诊、线上智能问诊等等，AI是有利于赋能基层医疗服务的短板，优化医疗资源的分配，可以更好地实现医疗资源的普惠。
再举一个例子，我们都知道美国的娱乐产业非常发达，一个重要原因是他们的工业化水平很高。现在利用生成式AI持续做智能化能力的输入，未来可以从整体上提升国内文娱产业的工业化水平，形成AI赋能全流程的内容的生产体系，实现降本增效。那释放出来的价值就是，内容创作者可以更专注于去做那些有创意的、有情感共鸣的内容，未来将会涌现非常海量、丰富的内容资产。
主持人：人工智能的时代，不管是你接受也好，你不接受也罢，他现在已经是扑面向我们涌来了。在人工智能的大时代之下，对于每一家公司或者每一个个体来说，他们拥有机会的同时，也会遇到一个挑战。就是在这样一个大的时代背景之下，对于各个行业和个体来说，如何能够更好的借助人工智能技术生存发展，而不是被取代。我们先分别来说，首先对于行业来说，每个行业都有自己的特点。有些行业现在是在上升渠道之中，属于朝阳行业。有些行业可能在下降的渠道中，比较落寞。那如何能够借助人工智能的技术更好地生存和发展？
陈晨：去年年底的时候，易观发布了产业数字化十大趋势，当时我们观察到行业和企业寻求增长的方式，从依靠土地、投资拉动转变为依靠技术和数据来驱动增长。那么既然要去升级行业和企业的数智化能力，AI就是一个特别重要的切口。但是我们在这个过程中也会看到，虽然AI正在驱动千行百业的效率提升，但仍然有大量的场景价值没有被挖掘出来。
所以其实在报告里我们在通过应用成熟度曲线的方式，去看各行业AI应用发展的程度其实是各不相同的。像农业、能源、政府这些领域，相对来说仍然处在探索阶段。我们认为在这个阶段重要的是加强基础能力建设，形成数字资源沉淀。像制造、金融、交通等领域开始进入到市场启动阶段，数字化基础能力已经初步形成，目前需要考虑的是如何基于行业自身特点和场景实际需求，更好地完善AI能力，做到以可信可控的方式保障行业应用和铺开。
像广告、电商、游戏等行业已经进入了高速发展阶段。这一类也是高度依赖的内容的行业，目前数字化基础能力已经比较完善，现在面临的是内容资产和互动体验方面如何进一步的丰富和提升。
我们会看到虽然阶段各不相同，但是存在一些关键的共性要素，一是以行业特征和企业经营目标为导向，决定了是以稳为主，还是以效率为先，而数字化基础能力的建设可能决定了AI应用的下限。然后是数字资源的沉淀情况，特别是行业know-how导向的数据资源，这给了AI能够往前应用探索的发展空间。最后还要看整个生态体系是不是有核心龙头企业去驱动，并且有足够多的企业去参与，来形成更完善的生态融通。
这些是我们认为在行业落地过程中，所处不同的阶段看到的不同问题，也需要相应地采取不同方式进行AI应用价值的挖掘。
主持人：对于个体来说，我们之前大家都担心人工智能技术出来了之后，自己的工作和岗位，会逐渐被一些人工智能所取代，但是同样的，可能人工智能时代之下，也会创造更多的新的岗位和新的工作机会。那对于人工智能时代下的个体来说，您觉得我们应该如何借助人工智能的技术，而不是被其所取代？
陈晨：大家现在经常会说的一句话是，被取代的是不会用AI的人。我认为在这样的时代背景下，每个个体如何去利用人工智能技术，其实体现两个方面：
一方面是现在有很多AI智能工具和助手，如何充分利用这些工具，不管是帮我们完善思路、生成内容，还是通过智能问答的方式，应用于各类学习工作场景，能够让AI真正成为我们的生产力工具。还有刚才说到了Prompt工程，目前这体现在提示工程师的价值上，那么未来可能Prompt是需要我们人人必备的技能。
另一个方面是，在看待个体价值这件事的时候，我们还要考虑如何通过组织的赋能来帮助个人提升，通过组织协同设计，从赋能个人到赋能组织，系统化地提升组织能力和竞争力。
主持人：2024年即将到来了，看到了一些相关的机构对于整个人工智能未来的一些前景还是非常看好的。从您的角度来讲，是否可以给我们简练的来梳理一下。您觉得2024年哪些AI细分领域，更具有商业化落地的一些前景？
陈晨：2024年生成式AI会继续蓬勃发展，目前AI生成内容的能力应用已经渗透到很多领域，但目前应用上还是相对碎片化，2024年可能会迈向一个更成熟的商业化阶段，给内容产业带来一些机会。2023年被定义为图像生成的元年，那2024年可能会是视频生成崛起的一年，在内容产业可能会率先实现应用上的突破。
最后一点，明年我们会看到更多的应用嵌入AI能力来增强现有功能和体验，另外也会催生出更多利用AI原生能力形成的应用，未来这两派的格局会如何演变，我们也会持续进行关注和研究。