腾讯集团高级执行副总裁、云与智慧产业事业群首席执行官汤道生近日接受第一财经等媒体采访时，回答了关于AI市场热度下滑的问题，他表示，这就像过去新技术的周期一样，一开始大家一窝蜂地进去投入，甚至制造了泡沫，然后发现新的技术变化需要时间沉淀，甚至要等到第一波资本驱动、不太专业的玩家被淘汰后，才能回归理性务实的状态。“现在的AI大模型也是一样，一开始大家可能期待很高，因为还没有经历过打磨的时间。（现在）钟摆摆到了另外一个方向，这是我的感受。”
在大模型发展初期，云和大模型非常接近，算力消耗体现了大模型的需求和受欢迎程度。腾讯集团副总裁、政府业务总裁李强对第一财经表示，近两年大模型的兴起，带来了GPU算力的巨幅提升，以及支持大模型训练相关产品的快速增长。但从应用端来看，大模型在To B端的商业化远没有大家想象的那么红火。相对而言，大模型目前更适合用在容错性要求比较高的场景。腾讯还在为企业客户提供灵活多样的大模型服务适配方案，以及探索大模型与云产品的结合。
GPU算力仍占AI收入大头
腾讯最新财报显示，今年第二季度，腾讯金融科技及企业服务收入同比增长4%，其中企业服务业务同比增长十余个百分点。腾讯云的客户涵盖了国内80%以上的顶级大模型厂商。不过，这份腾讯财报并没有过多谈及AI带来的变化。
至于腾讯云的收入有多少来自AI，汤道生对第一财经记者表示，现在数据可能很难量化，但正在增加。比如合作的自动驾驶厂商，都在不断加大基于车辆感知数据的模型训练的投入。在收入结构上，李强告诉记者，目前腾讯AI相关收入的绝大部分还是GPU算力。
腾讯不仅向大模型厂商提供算力，还推动自研混元大模型的商用。在大模型初期市场热情下滑后，腾讯也在评估这两项业务能带来的实际增量。此前接受采访时，汤道生表示，所投资的大模型企业如果成功，需要持续的云消费，这是云业务的极好收入来源。但他也表示，在新技术早期，大量资本带动创业公司野蛮生长，可能导致过度投资，很多玩家可能都是泡沫的一部分。“如果云收入过于依赖资本驱动的创业公司去消费，一旦泡沫破灭，一些客户就会消失，业绩会下降，下降的时候会很痛苦。”
除了大模型带来的GPU算力消耗，云厂商在推动大模型B端商用方面，也对大模型的能力有了新的认识。
李强表示，从整体市场来看，真正来自于大模型本身商业产出的AI相关营收占比还比较低。他把这个过程形容为市场从“狂热”走向“理性”。具体来说，B端行业的壁垒比较深，AI在工业领域和传统行业的应用比To C更复杂，而大模型还未达到传统行业的要求。比如，行业对容错性有更严苛的要求。
李强解释称，影响安全生产、重要决策的关键应用或环节，接受突发情况的几率比较小，这时候如果能有AI辅助决策就更好了。在一些传统的小众领域，通用的大模型可能不是最好的选择。比如严格的手机质检，需要拍照放大百倍以上，在这样的场景下使用用通用知识训练出来的大模型是没有意义的，效率和成本还不如小的行业模型。大模型不一定适用于所有的小众行业和领域。就像没必要把孩子培养成名校本科生，然后放在专门拧螺丝的岗位上一样。
此外，大模型，尤其是参数巨大的模型，需要在大型计算集群上进行训练，而使用这些大模型能力的厂商，也依赖大型计算集群提供推理。此前，这被认为是云厂商向公有云发展的契机。但B端企业仍对数据安全存在顾虑，这让基于公有云提供大模型能力的过程并不像想象中那么顺利。
“国内公司对于自身行业数据的保密性要求比较高，有核心业务的也更愿意以私有化部署的形式去做。但私有化路线会影响大模型与行业的结合，某种意义上这形成了今天的瓶颈。”李强表示，目前大模型To B的部署方式既有私有化部署，也有API接入，而涉及到核心应用的时候，行业更多考虑的是私有化。
大型模型究竟用在什么地方？
除了腾讯，一些大型科技公司也在押注AI，其中一些公司在最新财报中提到了来自AI的收入增长。例如，在截至2024年6月底的季度中，阿里云AI相关产品收入实现三位数增长，百度智能云今年第二季度收入同比增长14%，其中AI为百度智能云贡献了9%的收入。国际云厂商中，谷歌今年第二季度云业务收入同比增长29%，云收入受到AI需求提振。在最新季度，微软Azure和其他云服务收入同比增长29%，AI为Azure收入增长贡献了8%。
从部分厂商披露的数据来看，AI带来的营收增速在个位数，或者说AI在云收入中的占比在个位数，相比于市场此前对于AI的巨大期待，AI对云收入的提振作用似乎还有待进一步加强。
李强告诉记者，客户逐渐意识到大模型并不能“包治百病”，在场景选择上也更加理性。相比容错性要求严格的工业生产场景，大模型在其他场景有更好的应用空间，包括知识管理、营销、客服、代码、智能风控，以及专业性要求相对较低的领域，比如野外巡检场景。客户会选择更多高水平的应用场景进行合作，比如腾讯与中山医院合作的医疗大模型，在医疗诊断、诊疗书撰写方面进阶，算是辅助诊疗；在决策场景，大模型更多用于辅助决策；在知识相关场景，大模型更常用于客服、员工培训场景。
对于大模型的挑战，汤道生告诉记者，这既包括优质公开数据相对稀缺的挑战，也包括大模型落地的挑战。大模型落地涉及数据保密性、落地成本、结果精准度、场景选择等一系列问题。此外，另一个挑战是，环境压力大的时候，行业容易陷入零和博弈。他认为，如果大家的焦虑情绪越来越强烈，靠亏损来维持市场份额并不是一个健康的状态。
“我很看利润表，每个企业都要把成本算清楚，合理定价，避免用别人的利润来补贴自己的亏损。大家要多一点耐心，今天的技术在某些场景下可能只能做到50、60分，要达到90分还需要时间。一开始很多人相信模型能很快改变世界，但最近有人变得悲观，觉得大模型看上去不错，但用起来并不好。其实‘高估短期进展，低估长期结果’都是不可取的。”汤道生说。
（本文来自第一财经）
本站候鸟号已成立2年，主要围绕财经资讯类，分享日常的保险、基金、期货、理财、股票等资讯，帮助您成为一个优秀的财经爱好者。本站温馨提示：股市有风险，入市需谨慎。
暂无评论