中國有世界上最好最優秀的B端和C端市場，把做AI應用的門檻和成本降下來，就會激發出更大的產業應用空間。”

這是面對AIGC產業應用現狀，商湯科技聯合創始人、大裝置事業群總裁楊帆的最新判斷。

當前，Scaling Laws（尺度定律）仍在主導著AI的技術迭代，與此同時，也帶來了大模型應用投入產出比不夠好的問題。

而商湯的觀察是，AI基礎設施，正是破解這一難題的關鍵。

以上分享來自楊帆在中國AIGC產業峰會的現場演講。為了完整體現楊帆的思考，在不改變原意的基礎上，量子位對演講內容進行了編輯整理，希望能給你帶來更多啟發。

中國AIGC產業峰會是由量子位主辦的行業峰會，20位產業代表與會討論。線下參會觀眾近千人，線上直播觀眾300萬，獲得了主流媒體的廣泛關注與報道。

話題要點

以下為楊帆演講全文。

尺度定律仍在主導AI技術的迭代

大家上午好，很榮幸今天在這里跟大家分享一下我們最近的工作和進展。

最近兩年，人工智能伴隨著生成式AI掀起了新的熱潮，國內外對它的關注度都非常高。

過去一年跟很多業界的朋友聊，為什么國內市場增速沒有那么快？其實背后的原因很簡單，我們今天的能力還是有差距的。包括一些頭部企業的機器模型能力，也是最近才逐漸接近GPT-4的水平。

但我們也有一個判斷，自去年底以來，中國AI應用的普及程度正在不斷提高，越來越多的新場景正在被發掘。我們預計，在今年下半年甚至明年上半年，中國的生成式AI市場將迎來爆發式增長。

之前跟很多朋友介紹過，2019年商湯在上海臨港投建了一個計算中心。我們當時做這件事情的時候，大部分人持不理解甚至否定的態度：商湯作為算法和軟件的輕資產研發企業，為什么投這么多資產做這樣一個項目？

回過頭來看，整個人工智能技術的發展方向和發展方式印證了當時的思考和判斷。

盡管有些業內人士認為人工智能需要更好的迭代方式，但今天的AI實在是太消耗能源了，從單位能源智能的角度來看，其性能仍然較弱。

至少到目前，我們看到，一方面，尺度定律還沒有失效，只要把更多更好的數據灌進算法里，就能夠形成更強大更通用的智能。這是目前整個行業內可以明確看到的清晰可行的路徑，尺度定律仍在主導AI技術的迭代。

另一方面，我們也會注意到AI核心的關鍵性產業問題尚未得到解決，就是產業端的投入產出比不夠理想。

今天，大模型研發的投資成本非常高，怎么讓這些研發投入在市場端產生最大的回報和價值，是擺在大家面前共同的課題。

在當前AI生產甚至應用成本越來越高的背景下，降低門檻和降低成本就是必然的趨勢，這也是AI基礎設施出現的意義：

一方面，AI基礎設施很好地契合了當前以尺度定律為主導的算法創新路徑，為更大規模的AI三要素提供了基礎化能力。

另一方面，只有把這些通用能力，不管是大規模算力集群還是模型API，甚至未來圍繞超大規模數據的完整體系，把它做標準化、基礎設施化、服務化，才有可能在未來讓整個AI產業創新門檻更低、性價比更高，讓更多人進來，在上面賺到錢。

我們始終覺得人工智能的基礎設施，不僅僅是算力中心，而是三要素一體的基礎設施化，這是激活人工智能產業生態的關鍵。

這里也向大家匯報一下商湯臨港智算中心的最新進展。截至去年底，包括臨港在內，我們已建成7-8個互聯互通的算力節點，還有多個新節點在建設中。

這些節點的總算力超過12000P，其中臨港單點算力接近10000P。這樣的超大規模、智能化的先進AI算力，在當前仍是核心稀缺資源和關鍵能力。

另外我們看到未來芯片產業鏈將出現分化趨勢。從2021年起，我們在芯片層面做了大量工作，與業內很多合作伙伴展開對接和適配。目前臨港中超過15%的算力來自國產芯片，我們相信在未來產業發展過程中，這將創造更多價值。

除了基礎的資源能力外，更重要的是如何幫助企業降低使用門檻，降低使用成本。這不僅僅是提供低成本機器和用低成本的電去提供租賃服務，盡管這也非常重要且必要。

在此基礎上，我們希望通過對AI的理解、在AI軟件方面的沉淀，以及不同層級的軟件產品和服務體系，幫助大家更低門檻、高效率、低成本地進行人工智能大模型的研發和使用。