【核心觀點(diǎn)】

技術(shù)革命和產(chǎn)業(yè)革命：本次大模型的出現(xiàn)不是簡單的技術(shù)演進(jìn)，而是一次新的技術(shù)革命和產(chǎn)業(yè)革命。大模型為通用人工智能的發(fā)展找到了一條可行的路徑，或者說指明了一個(gè)方向。人工智能將給人類社會的生產(chǎn)和生活帶來全方位的巨變。

從量變到質(zhì)變：從ANI到AGI、再到未來的ASI，在這個(gè)過程中，支撐人工智能技術(shù)的算力、算法、數(shù)據(jù)等要素一直都在積累。模型算法、芯片算力、云計(jì)算、數(shù)據(jù)和開源開放社區(qū)這五個(gè)要素共同構(gòu)成的生態(tài)，推動了人工智能技術(shù)發(fā)生本輪質(zhì)變。

堪比核武器：比爾·蓋茨、OpenAI公司的CEO奧特曼、巴菲特這三個(gè)人在不同場合都曾被問到，有哪種技術(shù)可以與本輪人工智能技術(shù)相比擬？他們講了同一種技術(shù)——核武器。他們都認(rèn)為人工智能的威力十分巨大。當(dāng)然也正因如此，我們需要對其進(jìn)行嚴(yán)格監(jiān)管。

數(shù)字化概念：就是我們在現(xiàn)實(shí)世界的基礎(chǔ)上構(gòu)造一個(gè)賽博空間，或者說一個(gè)數(shù)字世界，在這個(gè)由數(shù)據(jù)和算法定義的世界里，可以通過數(shù)據(jù)的自動流動，化解復(fù)雜系統(tǒng)的不確定性，優(yōu)化資源配置的效率，提高企業(yè)的核心競爭力。

緊迫挑戰(zhàn)：現(xiàn)在需求側(cè)追求個(gè)性化、實(shí)時(shí)化、智能化，必然要求供給側(cè)的制造體系與之匹配，那么供給側(cè)的企業(yè)要怎樣才能跟得上需求側(cè)的巨變？各行各業(yè)都要面對“復(fù)雜系統(tǒng)的不確定性”帶來的考驗(yàn)。

車企轉(zhuǎn)型：汽車企業(yè)面對的是更復(fù)雜的系統(tǒng)以及更大的不確定性，如何優(yōu)化資源配置也就成了更困難也更緊迫的難題。解決難題的答案就是數(shù)字化轉(zhuǎn)型，即用數(shù)字技術(shù)武裝自己，并將其融入到企業(yè)經(jīng)營、管理和決策等方方面面。

轉(zhuǎn)型目的：數(shù)字化轉(zhuǎn)型本質(zhì)上是三場革命，即工具的革命、決策的革命和組織的革命。企業(yè)數(shù)字化轉(zhuǎn)型的最終目的只有一個(gè)，那就是優(yōu)化資源配置的效率。

AI賦能：當(dāng)前AI大模型正在產(chǎn)品力和生產(chǎn)力兩個(gè)方向上并行發(fā)力，盡管總體上還處于探索階段，但是已經(jīng)讓我們看到了各種各樣的可能性。

代替腦力：過去的機(jī)器人、數(shù)控機(jī)床、工業(yè)軟件等技術(shù)，更多地是提高了體力勞動者的效率；而本輪AI大模型帶來的這場決策革命，可以為設(shè)計(jì)、開發(fā)、工藝以及管理等人員提供支撐，從而提高了腦力勞動者的工作效率。

AI母機(jī)：人工智能可以類比于傳統(tǒng)制造業(yè)中的工業(yè)母機(jī)，而被稱為AI母機(jī)。

專業(yè)模型與基礎(chǔ)模型：如果說基礎(chǔ)模型的能力是1，那么行業(yè)垂直模型或者說專業(yè)模型就是1后面的0。

大模型市場：中國并沒有“百模大戰(zhàn)”，甚至沒有“十模大戰(zhàn)”，不少所謂的大模型并不是真正的大模型。當(dāng)前中國真正在大語言模型主賽道上的企業(yè)可能只有五六家或者稍多一點(diǎn)，這是符合產(chǎn)業(yè)發(fā)展和市場競爭規(guī)律的。

專業(yè)模型開發(fā)：當(dāng)前專業(yè)類模型與大模型相結(jié)合有四種方式，每個(gè)行業(yè)及企業(yè)在面對特定問題時(shí)，都可以選擇其中一種方式來構(gòu)建所需的專業(yè)模型。

多模態(tài)融合：雖然大模型最初主要就是大語言模型，但是目前早已拓展到語音、圖像和動作等更多模態(tài)了，甚至已經(jīng)有大模型能夠集成處理不同模態(tài)的信息，并產(chǎn)生相應(yīng)的數(shù)據(jù)訓(xùn)練模型。

互動生態(tài)：未來人們使用大模型時(shí)會形成一個(gè)供給側(cè)與需求側(cè)互動的生態(tài)。事實(shí)上，大模型的應(yīng)用一定是一個(gè)多主體聯(lián)動的過程。

收益不確定：企業(yè)如果進(jìn)行數(shù)字化轉(zhuǎn)型，不一定能獲得收益。因?yàn)閿?shù)字化轉(zhuǎn)型是一場創(chuàng)新，而創(chuàng)新都有失敗的風(fēng)險(xiǎn)。

風(fēng)險(xiǎn)難承受：企業(yè)如果不進(jìn)行數(shù)字化轉(zhuǎn)型，其損失和風(fēng)險(xiǎn)則是確定的。現(xiàn)在市場需求正變得日益?zhèn)€性化、實(shí)時(shí)化、場景化，如果沒有數(shù)字化手段予以應(yīng)對，企業(yè)將面臨市場失焦、營銷失語、管理失衡和增長失速。

轉(zhuǎn)型難的原因：數(shù)字化轉(zhuǎn)型的確不容易成功，或者說極富挑戰(zhàn)性，其根本原因在于，數(shù)字化轉(zhuǎn)型是一場比誰跑得更快、更遠(yuǎn)的競賽。企業(yè)轉(zhuǎn)型成功與否并不是要和自己比較，而是要和競爭對手比較，看誰能更好地服務(wù)用戶，這才是數(shù)字化轉(zhuǎn)型的本質(zhì)訴求。

終極目標(biāo)：數(shù)字化轉(zhuǎn)型的終極目標(biāo)是滿足用戶的需要，即企業(yè)以更高的質(zhì)量、更低的成本、更快的速度、更精準(zhǔn)地持續(xù)滿足用戶的個(gè)性化需求。

系統(tǒng)工程：數(shù)字化轉(zhuǎn)型是全局性的系統(tǒng)工程。為了實(shí)現(xiàn)新的商業(yè)模式，企業(yè)不僅要使用數(shù)字化的技術(shù)手段，還要重新構(gòu)建起新的組織關(guān)系，這既包括企業(yè)內(nèi)部各部門之間的協(xié)同方式，也包括企業(yè)與外部伙伴之間的合作模式。

AI技術(shù)：原有的汽車智能化賽道正在新人工智能技術(shù)的賦能下不斷加速，并將由此催生出各種新技術(shù)、新模式、新業(yè)態(tài)。

龍頭和載體：對于人工智能賦能制造業(yè)而言，汽車無疑是應(yīng)用最困難而價(jià)值又最高的產(chǎn)業(yè)，一旦解決了汽車行業(yè)的問題，也就解決了制造業(yè)百分之七八十的問題。

重新定義：數(shù)字化或者說人工智能正在重新定義汽車企業(yè)的核心競爭力，不過這一定義是一個(gè)持續(xù)的過程，需要放在足夠長的時(shí)間尺度上來看。

端到端模型：過去開發(fā)自動駕駛系統(tǒng)需要很多工程師人工處理各種極端情況，既費(fèi)時(shí)費(fèi)力，又難以窮盡。而現(xiàn)在，基于Transformer架構(gòu)的端到端模型，完全可以用少得多的工程師獲得相似甚至更好的自動駕駛效果。

連鎖反應(yīng)：AI大模型對于自動駕駛的影響絕不僅僅局限于技術(shù)，而是會帶來一系列的連鎖反應(yīng)，最終將改變整個(gè)汽車產(chǎn)業(yè)。

定位轉(zhuǎn)型：很多汽車企業(yè)紛紛調(diào)整自身的定位，從原來的制造公司向出行科技公司、出行服務(wù)公司轉(zhuǎn)型。

產(chǎn)業(yè)分工：大智能產(chǎn)業(yè)與汽車產(chǎn)業(yè)之間可行的分工方式是——汽車企業(yè)在算法和數(shù)據(jù)方面“以我為主”，而算力則由云計(jì)算公司提供。

專業(yè)模型：自動駕駛的專業(yè)模型不可能脫離大模型的支撐，這就需要車企與開發(fā)構(gòu)建基礎(chǔ)大模型的公司加強(qiáng)合作。

創(chuàng)新生態(tài)：專業(yè)化分工的協(xié)同創(chuàng)新生態(tài)是未來企業(yè)取得成功的最重要支撐。而這樣的生態(tài)一定是開放性的，因?yàn)榉忾]性的生態(tài)難以成長和進(jìn)化，即使原本體量很大、實(shí)力很強(qiáng)，也會逐漸落后和退化。

基本矛盾：數(shù)字化轉(zhuǎn)型的基本矛盾就是企業(yè)全局優(yōu)化的需求和碎片化的供給之間的矛盾。

勇于探索：企業(yè)要想成為引領(lǐng)全球的領(lǐng)導(dǎo)者，成功應(yīng)對快速變化的市場環(huán)境，就必須在數(shù)字化轉(zhuǎn)型的全新領(lǐng)域勇敢探索。

協(xié)同創(chuàng)新：多主體協(xié)同創(chuàng)新不僅需要數(shù)字化和智能化的技術(shù)手段，更需要改變企業(yè)內(nèi)部的組織管理和外部的商業(yè)模式，也就是讓生產(chǎn)關(guān)系匹配生產(chǎn)力，才能真正得以實(shí)現(xiàn)。

指數(shù)曲線：企業(yè)的數(shù)字化投入如果是一條向上的斜線，那么其收益并不是一條同樣向上的斜線，而是一條指數(shù)曲線，開始時(shí)緩慢向上，一旦經(jīng)過了某個(gè)拐點(diǎn)之后，就會呈現(xiàn)出快速增長的態(tài)勢。

人才標(biāo)簽：能夠適應(yīng)人工智能時(shí)代、滿足未來社會需求的人才應(yīng)該具備三個(gè)標(biāo)簽：創(chuàng)造力、想象力和批判性思維。

AI機(jī)器人：未來具有超級能力的AI機(jī)器人將遍布各個(gè)行業(yè)和領(lǐng)域，如何將這些AI機(jī)器人充分調(diào)動起來，取決于企業(yè)的組織能力，而企業(yè)的組織能力又取決于人的能力。

【對話實(shí)錄】

趙福全：大家好！歡迎來到《趙福全研究院》高端對話欄目。我是本欄目的主持人、清華大學(xué)汽車產(chǎn)業(yè)與技術(shù)戰(zhàn)略研究院的趙福全。本欄目由蓋斯特管理咨詢公司承辦并贊助播出，在此表示感謝。本欄目自2014年創(chuàng)辦以來，今天迎來了第74個(gè)專場，本場對話的主題是“企業(yè)的數(shù)字化轉(zhuǎn)型”。我們非常榮幸地邀請到了中國信息化百人會執(zhí)委安筱鵬博士，請安博士和大家打個(gè)招呼。

安筱鵬：大家好！非常感謝趙院長的邀請，很高興來這里一起交流數(shù)字化轉(zhuǎn)型的話題。

大模型是一次新的技術(shù)革命和產(chǎn)業(yè)革命

趙福全：歡迎安博士來到我們的對話欄目。我知道，您目前從事數(shù)字化領(lǐng)域的產(chǎn)業(yè)發(fā)展戰(zhàn)略研究，非常了解企業(yè)前沿實(shí)踐的情況。同時(shí)您在學(xué)術(shù)上成果頗豐，我讀過您的幾本專著，既有思想、又有觀點(diǎn)，對未來的思考很有深度。所以，今天特別邀請您過來交流。

當(dāng)前人類社會正在發(fā)生巨變，其中一個(gè)重大變化就來自數(shù)字化，也包含了與之息息相關(guān)的數(shù)據(jù)以及人工智能等等。數(shù)字化將會波及各行各業(yè)，很可能是人類歷史上對社會生產(chǎn)和生活影響最大的一次變革，對此各國也都抱有很高的期待。當(dāng)然未來是不是還會有影響更大的新變革，我們尚不得而知。但就目前來看，相較于此前的機(jī)械革命、電子革命，這次的數(shù)字革命對于人類社會方方面面的影響將會更大，或者說更具全面性、普適性和顛覆性，也帶給我們近乎無限的暢想空間。

在這種大背景下，當(dāng)前汽車行業(yè)可以說是既緊張、又興奮。因?yàn)檫@次數(shù)字化革命給傳統(tǒng)產(chǎn)業(yè)帶來的更多是顛覆、還是賦能，每個(gè)人站在不同的角度都有各自不同的思考，可謂仁者見仁、智者見智。傳統(tǒng)產(chǎn)業(yè)的很多從業(yè)者認(rèn)為，數(shù)字化是“狼來了”，甚至后續(xù)自己很可能都會因此失業(yè)；而數(shù)字化產(chǎn)業(yè)的從業(yè)者大多認(rèn)為，這是一次歷史性的機(jī)遇，數(shù)字化可以和各行各業(yè)深度結(jié)合，進(jìn)而創(chuàng)造出更多更大的價(jià)值。

安博士，作為研究數(shù)字化的頂級專家，您怎樣看待數(shù)字化革命給人類社會以及各個(gè)產(chǎn)業(yè)帶來的變化？請和大家分享一下您的認(rèn)知。

安筱鵬：說起來，數(shù)字化并不是一個(gè)新概念。從歷史上看，隨著信息技術(shù)的誕生和發(fā)展，數(shù)字化技術(shù)就一直在融入到經(jīng)濟(jì)和社會的方方面面，不斷帶來新的技術(shù)變革和產(chǎn)業(yè)變革。而我們在2024年這個(gè)時(shí)間點(diǎn)來討論數(shù)字化時(shí)，有一項(xiàng)非常重要的熱點(diǎn)技術(shù)就是大模型，這也是人工智能的最新突破。審視人工智能技術(shù)不斷發(fā)展進(jìn)步的歷史軌跡，我們必須首先明確一個(gè)問題——此次大模型的出現(xiàn)究竟是一次技術(shù)升級、還是技術(shù)革命？是原有人工智能技術(shù)發(fā)展的一條延長線，還是開辟了一條新的發(fā)展曲線？對此業(yè)界有著不同的認(rèn)知和判斷。就我個(gè)人來說，我覺得這應(yīng)該是一次新的技術(shù)革命。

回顧人工智能技術(shù)的發(fā)展歷程，過去三四十年里，人們對于人工智能的定位有一個(gè)英文表述，就是Artificial Narrow Intelligence（簡稱ANI），翻譯成中文叫做弱人工智能；而以Transformer為代表的新技術(shù)路線，也就是大模型，帶來了人工智能的一次重大進(jìn)步，形成了所謂Artificial General Intelligence（簡稱AGI），翻譯過來叫做強(qiáng)人工智能或者通用人工智能。我認(rèn)為強(qiáng)人工智能是一次革命，其革命性就體現(xiàn)在其概念的核心詞“通用”上。當(dāng)然，現(xiàn)在距離最終實(shí)現(xiàn)通用人工智能可能還需要5-10年甚至更長的時(shí)間，但是大模型的出現(xiàn)確實(shí)為通用人工智能的發(fā)展找到了一條可行的路徑，或者說指明了一個(gè)方向。這讓大家有信心說，通用人工智能是有可能做成的，而且正在不斷地逼近目標(biāo)。盡管目前還有部分專家對此有不同看法，不過整體而言，多數(shù)專家已經(jīng)達(dá)成了這一共識。

那么，弱人工智能與強(qiáng)人工智能的本質(zhì)區(qū)別是什么呢？傳統(tǒng)的ANI是通過一個(gè)模型、一套算法來解決一個(gè)特定的問題，這意味著ANI只能做特定的某一件事。而現(xiàn)在的AGI具有泛化能力，當(dāng)一個(gè)模型訓(xùn)練完成之后，它既可以做翻譯，例如把英文翻譯成法文、把法文翻譯成中文；也可以進(jìn)行對話，包括生成文字、圖片或視頻；還可以編寫代碼……即AGI能夠做多件事情，這就是所謂的通用。對此比爾·蓋茨講過自己的一個(gè)觀察，我覺得很好地說明了問題。他說，當(dāng)你讓人工智能大語言模型學(xué)習(xí)了化學(xué)和物理知識后，再給它一套生物試卷，它也能夠答得很好。這充分說明其具有了泛化的能力。

泛化是強(qiáng)人工智能最本質(zhì)的一個(gè)特征，而這個(gè)特征源自于這次大語言模型中最重要的一個(gè)基礎(chǔ)模型，就是前面提到的Transformer。之前的ANI模型，其效果與參數(shù)數(shù)量之間沒有明顯的相關(guān)性，甚至可能參數(shù)增多，模型的效果卻變差了?；赥ransformer的大模型不是這樣，當(dāng)模型的參數(shù)增長到某一個(gè)臨界點(diǎn)，比如10億、50億、100億個(gè)的時(shí)候，模型的效果就會突然呈現(xiàn)出指數(shù)級的提升，此時(shí)大模型就會形成強(qiáng)大的“涌現(xiàn)”能力。正因如此，大模型才具備了通用人工智能的屬性，或者說，才成為了一種重要的通用技術(shù)。

從產(chǎn)業(yè)經(jīng)濟(jì)學(xué)的角度來說，人類的所有技術(shù)都可以分為兩類：一類是專用技術(shù)；一類是通用技術(shù)。不過大模型這種通用技術(shù)是獨(dú)特的，或者說，此通用非彼通用。有研究表明，在人類過去五六千年的歷史中，大概只有24種通用技術(shù)，如馴化、冶鐵、蒸汽機(jī)和計(jì)算機(jī)等等，而大語言模型可能就是第25種通用技術(shù)。而且大模型非常容易與其他原有技術(shù)相互結(jié)合，將融入到經(jīng)濟(jì)社會的方方面面，不僅會帶來生產(chǎn)力的變革，還會帶來生產(chǎn)關(guān)系的變革，包括企業(yè)組織模式與行為方式等的變革。這是我對本輪技術(shù)變革的一個(gè)基本判斷。

我們看到，國家對這項(xiàng)技術(shù)也高度重視。2023年中共中央政治局會議首次提到“通用人工智能”這一重要概念；同年在二十屆中央財(cái)經(jīng)委員會第一次會議上，也提到“要把握人工智能等新科技革命浪潮”。所以，我認(rèn)為大模型的出現(xiàn)，不是簡單的技術(shù)演進(jìn)，而是一次新的技術(shù)革命和產(chǎn)業(yè)革命。

趙福全：安博士分享的觀點(diǎn)非常重要。我們究竟應(yīng)該如何理解數(shù)字化革命給整個(gè)社會帶來的變化呢？安博士認(rèn)為，數(shù)字化是一種手段，其影響最終體現(xiàn)在基于數(shù)字化的人工智能等技術(shù)給人類社會帶來的全方位改變。而對于人工智能的最新進(jìn)展即大模型的出現(xiàn)，有人認(rèn)為這是一次漸進(jìn)的技術(shù)升級，也有人認(rèn)為這是一次技術(shù)革命乃至產(chǎn)業(yè)革命。而您回顧了人工智能的發(fā)展歷程，從技術(shù)進(jìn)步的幅度也即模型能力的變化上，得出了自己的結(jié)論——大模型是一次革命性的技術(shù)突破。

通用人工智能是威力堪比“核武器”的質(zhì)變

趙福全：事實(shí)上，任何技術(shù)的發(fā)展都需要先經(jīng)歷一個(gè)量變積累的過程，然后才能迎來質(zhì)變的突破。人工智能技術(shù)也不例外，從弱人工智能ANI到強(qiáng)人工智能AGI、再到未來有可能實(shí)現(xiàn)的超人工智能ASI（Artificial Super Intelligence），應(yīng)該也是一個(gè)不斷積累的漸進(jìn)過程。從這個(gè)角度看，是不是ANI發(fā)展到了一定的程度，大家對其能力、潛力和局限性等有了足夠的認(rèn)識之后，人工智能才得以進(jìn)入到AGI的階段呢？這樣說起來，我們到底應(yīng)該把從ANI到AGI的進(jìn)步視為人工智能技術(shù)的一次升級，還是一次革命？

另一方面，AGI技術(shù)在方法上有革命性的改變，而這種改變往往會帶來結(jié)果的革命性改變。例如，蒸汽機(jī)出現(xiàn)后并不是立即就改變了整個(gè)社會，其技術(shù)也是一點(diǎn)點(diǎn)不斷完善，從而應(yīng)用得越來越好、越來越廣，到最后才帶來了工業(yè)革命、流水線生產(chǎn)等一系列革命性的改變。那么，如果說AGI是一次革命，主要是指其方法上有革命性的改變，還是指這種方法帶來的結(jié)果會有革命性的改變呢？我想收看這個(gè)欄目的朋友們，特別是傳統(tǒng)制造業(yè)的同仁們，一定都很想知道答案。安博士，請談?wù)勀鳛閿?shù)字化專家的看法。

安筱鵬：好的，剛才趙院長講到了兩個(gè)方面的問題，或者說是兩種不同的視角。一是從技術(shù)本身的發(fā)展來看，AGI為什么是革命性的？二是從技術(shù)對整個(gè)經(jīng)濟(jì)社會的影響來看，AGI為什么是革命性的？我先講講第一個(gè)方面。據(jù)我觀察，AGI不僅僅是一項(xiàng)技術(shù)，當(dāng)然它包括了語言、視覺、多模態(tài)等技術(shù)，但其本質(zhì)是整個(gè)數(shù)字化技術(shù)體系發(fā)展到了從量變到質(zhì)變的拐點(diǎn)。

我們把時(shí)間尺度拉長一些，從技術(shù)供給側(cè)的角度來看一看，為什么AGI會發(fā)生在此時(shí)此刻，而不是在8年、10年前或者更早的時(shí)間？我認(rèn)為，是因?yàn)橛袔讉€(gè)核心要素發(fā)生了變化，正是這幾個(gè)核心要素的量變積累才帶來了這一次人工智能的質(zhì)變突破。

第一個(gè)要素是理論模型，即算法本身的創(chuàng)新。Transformer模型最早出現(xiàn)在2017年谷歌公司八位科學(xué)家發(fā)表的論文中，這篇論文闡明了該模型具有參數(shù)越多、效果越好的本質(zhì)特征，從而為其后續(xù)的發(fā)展奠定了基礎(chǔ)。

第二個(gè)要素是算力，即芯片的進(jìn)步，這個(gè)要素往往被忽視了。我們知道過去一兩年里，英偉達(dá)的市值一度從1萬億美元增長到超過3萬億美元，有段時(shí)間是全球市值最高的公司。這背后的原因是什么？其實(shí)可以追溯到2012年，當(dāng)時(shí)在一個(gè)全球人工智能大賽上，也就是李飛飛組織的斯坦福大學(xué)ImageNet（圖像識別）競賽，多倫多大學(xué)辛頓教授的兩個(gè)學(xué)生獲得了冠軍，他們在圖像識別質(zhì)量上取得了很大的躍升。之前圖像識別的準(zhǔn)確率只有1%-2%，而他們竟然提高到了10%。這個(gè)結(jié)果引發(fā)了人工智能領(lǐng)域兩個(gè)非常重要的變化：一是業(yè)界對人工智能研究的注意力開始轉(zhuǎn)向神經(jīng)網(wǎng)絡(luò)模型，也就是冠軍隊(duì)使用的算法。大家看到神經(jīng)網(wǎng)絡(luò)取得了這么好的效果，于是很多人都進(jìn)入到這個(gè)賽道。二是業(yè)界開始把訓(xùn)練模型使用的芯片，由以CPU（中央處理器）為主轉(zhuǎn)為以GPU（圖形處理器）為主。因?yàn)楣谲婈?duì)就使用了部分GPU，用GPU訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的效率要比用CPU高很多。由此，芯片算力的使用效率得到了大幅提高。

第三個(gè)要素是云計(jì)算。在過去近20年中，云計(jì)算為人工智能技術(shù)的發(fā)展提供了基礎(chǔ)支撐。2020年OpenAI公司發(fā)表文章，提出了人工智能大語言模型的一個(gè)重要定律，即Scaling law（規(guī)模法則）。其含義是：模型的參數(shù)越多，效果越好；模型的語料數(shù)據(jù)越多，效果越好。而參數(shù)多、語料數(shù)據(jù)多就需要有強(qiáng)大的運(yùn)算能力，且這種運(yùn)算能力的成本還要足夠低，這樣才能支撐起大規(guī)模模型的訓(xùn)練。云計(jì)算就提供了這種支撐。

第四個(gè)要素是數(shù)據(jù)。過去20年互聯(lián)網(wǎng)上已經(jīng)積累了足夠多的數(shù)據(jù)，今天訓(xùn)練大語言模型使用的就是互聯(lián)網(wǎng)上的這些數(shù)據(jù)?？梢哉f，互聯(lián)網(wǎng)的發(fā)展為人工智能大模型的語料數(shù)據(jù)、場景以及相關(guān)人才都做了非常重要的積累。

第五個(gè)要素是包括美國和中國在內(nèi)的全球性的開源開放社區(qū)。

以上這五個(gè)要素相互影響、相互制約、相互協(xié)同，構(gòu)成了一個(gè)AI生態(tài)。正是這個(gè)生態(tài)使大模型從量變到質(zhì)變，實(shí)現(xiàn)了能力的“涌現(xiàn)”，也讓越來越多的人感受到其重大價(jià)值。比爾·蓋茨、OpenAI公司的CEO奧特曼、巴菲特這三個(gè)人在不同場合都曾被問到，有哪種技術(shù)可以與本輪人工智能技術(shù)相比擬？他們講了同一種技術(shù)——核武器。就是說，他們都認(rèn)為大模型的威力十分巨大，這足以說明人工智能大模型的影響和潛力。當(dāng)然也正因如此，我們需要對其進(jìn)行嚴(yán)格監(jiān)管。

可見，從供給側(cè)的角度來看，本輪人工智能技術(shù)是革命性的突破，其普適性和泛化能力正影響到經(jīng)濟(jì)社會的方方面面。汽車產(chǎn)業(yè)也在其中，我們稍后再談大模型對汽車產(chǎn)業(yè)的影響。實(shí)際上，人工智能大模型對于制造業(yè)、醫(yī)療、教育、政務(wù)等等，都會產(chǎn)生巨大的影響。說到底，AGI作為一種通用技術(shù)，其影響和價(jià)值是全局性的。

趙福全：聽了安博士這段話，我想收看我們欄目的同仁們可以認(rèn)識到：所有技術(shù)的進(jìn)步都要經(jīng)歷一個(gè)從量變到質(zhì)變的過程，而這一次人工智能大模型的出現(xiàn)已經(jīng)是經(jīng)過循序漸進(jìn)的量變積累而發(fā)生的質(zhì)變了。

應(yīng)該說，此前人類社會的進(jìn)步基本上是以硬件為主導(dǎo)和標(biāo)志的，相應(yīng)的我們也已經(jīng)習(xí)慣了機(jī)械硬件技術(shù)進(jìn)步的模式。當(dāng)一種技術(shù)出現(xiàn)之后，人們不斷對其進(jìn)行改良和優(yōu)化。在這個(gè)過程中，這種技術(shù)的原理并未發(fā)生變化，始終遵循原來的物理定律。過去幾百年間的技術(shù)革命大多都是如此。例如蒸汽機(jī)、內(nèi)燃機(jī)等技術(shù)，并沒有在其使用過程中突然出現(xiàn)某種跨越式的飛躍，而是從效率、能耗、噪聲等各個(gè)方面逐步得到改進(jìn)，最終越用越好。但是今天的數(shù)字化技術(shù)與傳統(tǒng)的機(jī)械硬件技術(shù)完全不同，二者的演進(jìn)過程有著本質(zhì)區(qū)別。我認(rèn)為，主要體現(xiàn)在以下兩點(diǎn)：

第一，這次人工智能的突破既有技術(shù)本身的進(jìn)步，也有技術(shù)相關(guān)要素持續(xù)積累的支撐。因?yàn)槿斯ぶ悄苌婕暗降念I(lǐng)域非常寬泛，最終是各個(gè)領(lǐng)域的技術(shù)進(jìn)步共同促成了人工智能能力的整體飛躍。

具體來說，從ANI到AGI、再到未來的ASI，在這個(gè)過程中，支撐人工智能技術(shù)的算力、算法、數(shù)據(jù)等要素一直都在積累。這些要素雖然與人工智能密切相關(guān)，但其實(shí)都是不同領(lǐng)域的技術(shù)。當(dāng)這些技術(shù)的進(jìn)步都堆積起來，人工智能技術(shù)才有了質(zhì)變的可能。正如剛剛安博士談到的，模型算法、芯片算力、云計(jì)算、數(shù)據(jù)和開源開放社區(qū)這五個(gè)要素共同構(gòu)成的生態(tài)，推動了人工智能技術(shù)發(fā)生本輪質(zhì)變。這些要素是缺一不可的：如果沒有個(gè)人計(jì)算機(jī)、手機(jī)在互聯(lián)網(wǎng)環(huán)境下積累的大量數(shù)據(jù)，即使有更好的算法和更強(qiáng)的算力，大模型也不可能“涌現(xiàn)”出強(qiáng)大的能力；如果沒有算法和算力的突破，即使有更多的數(shù)據(jù)，也無濟(jì)于事；而如果沒有算法原理上的創(chuàng)新，即使有更強(qiáng)的算力，也實(shí)現(xiàn)不了“規(guī)模法則”帶來的效果。所以安博士認(rèn)為，這次人工智能的突破不是漸進(jìn)式的技術(shù)進(jìn)步，盡管這種突破依然來自于每天、每月、每年持續(xù)不斷的微小改進(jìn)，但是今天已經(jīng)來到由量變到質(zhì)變的拐點(diǎn)了。

第二，這次人工智能技術(shù)突破的覆蓋面將會非常廣泛，幾乎可以應(yīng)用于所有行業(yè)，這和以前也有很大不同。以動力革命為例，內(nèi)燃機(jī)出現(xiàn)后，主要應(yīng)用及影響基本集中在交通以及制造業(yè)等領(lǐng)域?？墒沁@次的大模型或者說AGI是一種用途非常寬泛的通用技術(shù)，在制造、交通、能源以及醫(yī)療、教育、娛樂等各個(gè)領(lǐng)域都可以發(fā)揮重要作用，且其方法在本質(zhì)上是一樣的，只不過外延有所差異罷了。

事實(shí)上，每個(gè)領(lǐng)域都有自己的數(shù)據(jù)，有了AGI技術(shù)之后，就可以基于相同的算法原理和通用的算力，結(jié)合本領(lǐng)域的特點(diǎn)和需求來構(gòu)建各自的大模型，從而實(shí)現(xiàn)人工智能應(yīng)用的空前拓展。我甚至可以斷言，對于這次人工智能技術(shù)突破帶來的變化，人類可以無限暢想。這不是夸張，更不是調(diào)侃，而是未來一定能夠?qū)崿F(xiàn)的前景。由此，人工智能將給人類社會的各種生產(chǎn)和生活活動帶來全方位的巨變。從這個(gè)意義上講，這無疑也是一次質(zhì)變。

總之，無論是從技術(shù)本身、還是從技術(shù)應(yīng)用來看，或者說，無論是從技術(shù)方法、還是從技術(shù)結(jié)果上來看，通用人工智能都是一次質(zhì)變。而安博士剛剛的分享，更讓我有了一點(diǎn)很深的感悟，那就是我們絕不能用傳統(tǒng)的漸進(jìn)式思維來考慮人工智能未來的發(fā)展和影響。

企業(yè)數(shù)字化轉(zhuǎn)型本質(zhì)上是工具、決策和組織三場革命

趙福全：這就引出了下一個(gè)問題?，F(xiàn)在都在講數(shù)字化、數(shù)據(jù)化，也在講大數(shù)據(jù)、云計(jì)算，還在講人工智能、大模型和專業(yè)模型等等。各個(gè)領(lǐng)域的專家從各自的角度強(qiáng)調(diào)不同的概念及其應(yīng)用，這本身無可厚非。但這也給我們帶來了混淆，讓人不免有“概念太多、莫衷一是”的感覺。其實(shí)這些概念之間既有區(qū)別、也有關(guān)聯(lián)。比如大模型如果不能賦能專業(yè)模型更好地發(fā)揮作用，那它在相關(guān)行業(yè)的應(yīng)用價(jià)值就非常小。我想利用今天這個(gè)機(jī)會，請安博士給大家做一次系統(tǒng)科普和概念辨析，以便幫助大家正確理解這些基本概念，進(jìn)而在各自的領(lǐng)域中有效應(yīng)用。

安筱鵬：好的。我們先來談?wù)剶?shù)字技術(shù)的發(fā)展。說起來，數(shù)字技術(shù)這個(gè)概念是在最近5-10年才開始較多地使用起來。不過早在上世紀(jì)40年代以來，芯片、軟件和傳感器等新技術(shù)就不斷涌現(xiàn)，并快速普及應(yīng)用到經(jīng)濟(jì)社會的方方面面，其中也包括汽車等傳統(tǒng)制造業(yè)。這些新技術(shù)其實(shí)都屬于數(shù)字技術(shù)的范疇。因此，數(shù)字技術(shù)一直處在新技術(shù)不斷出現(xiàn)、快速普及并引發(fā)諸多相關(guān)領(lǐng)域持續(xù)改變的過程中，這個(gè)過程也就是數(shù)字化轉(zhuǎn)型。

可見，數(shù)字化轉(zhuǎn)型是一個(gè)非常寬泛的概念。簡單說，就是新的數(shù)字技術(shù)融入到經(jīng)濟(jì)社會的各個(gè)領(lǐng)域，帶來生產(chǎn)力的進(jìn)步和生產(chǎn)關(guān)系的變革。而在不同的時(shí)間段，各有當(dāng)時(shí)最具代表性和突破性的不同技術(shù)在引領(lǐng)發(fā)展。與此同時(shí)，這些技術(shù)又不是孤立的，而是相互關(guān)聯(lián)、相互交織、相互支撐。比如10年前我們講得更多的是物聯(lián)網(wǎng)、大數(shù)據(jù)和云計(jì)算；現(xiàn)在講得更多的是數(shù)字化、大模型和AGI。事實(shí)上，這些概念要真正融入相關(guān)領(lǐng)域、創(chuàng)造重大價(jià)值，必須與其他技術(shù)聯(lián)動才行，只靠一種技術(shù)單兵突進(jìn)是解決不了什么問題的。

趙福全：也就是說，這些技術(shù)都包含在數(shù)字化的大概念之下，并且有著內(nèi)在的緊密關(guān)聯(lián)。那么，您能不能具體解釋一下，這些技術(shù)之間的邏輯關(guān)系究竟是怎樣的？

安筱鵬：要講清這些概念的邏輯關(guān)系，先要講清什么是數(shù)字化。根據(jù)我之前的研究，我覺得可以這樣理解：數(shù)字化就是我們在現(xiàn)實(shí)世界的基礎(chǔ)上構(gòu)造一個(gè)賽博空間，或者說一個(gè)數(shù)字世界，在這個(gè)由數(shù)據(jù)和算法定義的世界里，可以通過數(shù)據(jù)的自動流動，化解復(fù)雜系統(tǒng)的不確定性，優(yōu)化資源配置的效率，提高企業(yè)的核心競爭力。

這樣講可能還是比較抽象，我們不妨從數(shù)字化轉(zhuǎn)型的實(shí)踐來解釋一下。所謂數(shù)字化轉(zhuǎn)型，究竟是要做什么事情呢？我想，每個(gè)行業(yè)都需要回答一個(gè)基本問題：即數(shù)字化轉(zhuǎn)型的邏輯起點(diǎn)是什么？或者說為什么要進(jìn)行數(shù)字化轉(zhuǎn)型？不同的行業(yè)、領(lǐng)域和企業(yè)都有各自不同的出發(fā)點(diǎn)，可能是為了實(shí)現(xiàn)產(chǎn)品的個(gè)性化定制，也可能是為了實(shí)現(xiàn)產(chǎn)品的智能化，總之不外乎追求個(gè)性化、實(shí)時(shí)化、場景化、智能化等等。

以汽車領(lǐng)域?yàn)槔裉炱囅M(fèi)群體越來越以90后、00后為主了。而這些年輕人的需求有很大的變化，他們心目中的豪華車與其父輩60后、70后心目中的豪華車完全不是一個(gè)概念。60后、70后在求學(xué)階段和工作之初，看到的豪華車就是寶馬、奔馳等，誰買了這些品牌，誰就迎來了人生的高光時(shí)刻，他們的這種印象一直延續(xù)至今。但是現(xiàn)在的年輕人并不這樣想，他們的消費(fèi)需求越來越個(gè)性化，強(qiáng)調(diào)實(shí)時(shí)、注重場景、關(guān)注內(nèi)容，還要進(jìn)行互動、有參與感。比如不少消費(fèi)者都希望能有更多的參與權(quán)、表達(dá)權(quán)和分享權(quán)，或者直接參與產(chǎn)品的定義和配置的選擇，或者在購車后通過社交媒介展示一下，這是一種新型的文化。我把消費(fèi)需求的這種變化定義為消費(fèi)者主權(quán)的崛起。當(dāng)然，消費(fèi)者其實(shí)是一個(gè)廣義的概念，不僅包括個(gè)人，也包括企業(yè)、政府等，在此我們主要指的是個(gè)人消費(fèi)者。

上述變化意味著今天我們面臨著完全不同的消費(fèi)需求。無論企業(yè)自身的供給能力有沒有發(fā)生改變，需求的變化都是確定的，而且這種變化正驅(qū)動整個(gè)供需系統(tǒng)變得越來越復(fù)雜、也越來越易變。而當(dāng)系統(tǒng)變得復(fù)雜、易變的時(shí)候，需求側(cè)追求的個(gè)性化、實(shí)時(shí)化、智能化，必然要求供給側(cè)的制造體系與之匹配。問題的關(guān)鍵在于，供給側(cè)的企業(yè)要怎樣才能跟得上需求側(cè)的巨變？這對所有行業(yè)的企業(yè)來說，都是異常嚴(yán)峻的考驗(yàn)，區(qū)別只在不同行業(yè)發(fā)生變化的速度和競爭激烈的程度有所差異而已。

由此可見，各行各業(yè)都要面對“復(fù)雜系統(tǒng)的不確定性”帶來的考驗(yàn)。而對汽車企業(yè)來說，其需求側(cè)和供給側(cè)都極其復(fù)雜，特別是汽車產(chǎn)品及其供應(yīng)鏈的復(fù)雜度還在提高。當(dāng)前汽車產(chǎn)品安裝了很多傳感器、芯片和軟件等等，已經(jīng)從單純的機(jī)械產(chǎn)品演變成機(jī)械電子產(chǎn)品、甚至更像是電子產(chǎn)品了，而且汽車上的機(jī)械與電子部分還要有效融合。也就是說，汽車企業(yè)面對的是更復(fù)雜的系統(tǒng)以及更大的不確定性，如何優(yōu)化資源配置也就成了更困難也更緊迫的難題。

那么究竟應(yīng)該怎樣解決這個(gè)難題呢？我認(rèn)為，答案就是數(shù)字化轉(zhuǎn)型，即用數(shù)字技術(shù)武裝自己，并將其融入到企業(yè)經(jīng)營、管理和決策等方方面面。就像我剛才講的，構(gòu)建一個(gè)數(shù)據(jù)和算法定義的數(shù)字世界，通過數(shù)據(jù)的自動流動，化解復(fù)雜系統(tǒng)的不確定性，優(yōu)化資源配置的效率。說到底，企業(yè)之間的較量最終還是資源配置效率的競爭，而資源配置效率取決于企業(yè)決策的精準(zhǔn)性和及時(shí)性，包括研發(fā)、采購、生產(chǎn)、營銷和服務(wù)等各種決策。過去這些決策大多是基于有限信息和固有經(jīng)驗(yàn)做出的，甚至有時(shí)候就是領(lǐng)導(dǎo)拍腦袋定下來的，但是今后要靠數(shù)據(jù)驅(qū)動、算法加持來進(jìn)行決策。這是數(shù)字化轉(zhuǎn)型的核心。

我經(jīng)常講一個(gè)觀點(diǎn)，所謂數(shù)字化轉(zhuǎn)型，本質(zhì)上是三場革命：一是工具的革命，例如擁有制造汽車的各種新設(shè)備，包括機(jī)器人、數(shù)控機(jī)床、AGV（自動導(dǎo)向搬運(yùn)車）等硬件，也包括CAD、CAE等軟件，這些都是數(shù)字化轉(zhuǎn)型所需要的工具或者說手段；二是決策的革命，過去企業(yè)產(chǎn)品研發(fā)、生產(chǎn)制造、采購物流、營銷服務(wù)以及運(yùn)營管理等都是基于經(jīng)驗(yàn)進(jìn)行決策的，而今后要基于數(shù)據(jù)、通過算法來洞察規(guī)律，進(jìn)行科學(xué)的決策；三是組織的革命，所謂數(shù)據(jù)的自動流動，就是要把正確的數(shù)據(jù)，在正確的時(shí)間，以正確的方式，傳遞給正確的人和機(jī)器，這樣才能真正實(shí)現(xiàn)高效率，為此我們必須變革組織，以支撐這樣的數(shù)據(jù)流動。

一句話，企業(yè)數(shù)字化轉(zhuǎn)型的最終目的只有一個(gè)，那就是優(yōu)化資源配置的效率。當(dāng)資源配置的效率提高了，企業(yè)的核心競爭力自然也就提升了。這就是我對于數(shù)字化轉(zhuǎn)型的理解。

趙福全：安博士講得非常好！現(xiàn)在幾乎所有企業(yè)都在講數(shù)字化轉(zhuǎn)型，都表示要迎接本輪產(chǎn)業(yè)變革，但數(shù)字化轉(zhuǎn)型到底是什么、應(yīng)該做什么，其實(shí)不少企業(yè)并不是很清楚。而您明確提出，數(shù)字化轉(zhuǎn)型就是要以數(shù)字化的手段來實(shí)現(xiàn)優(yōu)化資源配置效率的目的。我覺得您的觀點(diǎn)既有很強(qiáng)的學(xué)術(shù)性，又解釋得非常詳細(xì)到位。

我簡單做個(gè)梳理：當(dāng)前整個(gè)社會正在發(fā)生空前巨變，消費(fèi)者的需求變得越來越復(fù)雜，甚至可以說是千變?nèi)f化。在這種情況下，企業(yè)如果不能滿足消費(fèi)者需求的變化，就會失去生存的基礎(chǔ)。因此，企業(yè)必須努力把內(nèi)外部的各種資源有效組織起來，盡可能精準(zhǔn)、快速地滿足消費(fèi)者日趨復(fù)雜、日新月異的個(gè)性化需求。而延續(xù)傳統(tǒng)的企業(yè)運(yùn)營和資源組織方式，無論怎樣改進(jìn)，都是無法做到這一點(diǎn)的。唯一的破局之道就是利用數(shù)字化手段、實(shí)施數(shù)字化轉(zhuǎn)型。

通過數(shù)字化轉(zhuǎn)型，企業(yè)要把市場上的需求信息都轉(zhuǎn)變成數(shù)據(jù)，并讓這些數(shù)據(jù)在企業(yè)內(nèi)外流動起來，驅(qū)動企業(yè)有的放矢地打造新產(chǎn)品。由此，數(shù)據(jù)也就成為了一種新的生產(chǎn)要素。在之前硬件主導(dǎo)的時(shí)代，生產(chǎn)要素主要是實(shí)體的生產(chǎn)資料，例如鋼材；當(dāng)鋼材進(jìn)入生產(chǎn)線，對其進(jìn)行沖壓、切割等處理以形成零部件的相關(guān)技術(shù)，就是生產(chǎn)力；相應(yīng)的，確保順暢生產(chǎn)的生產(chǎn)線和組織等，就是生產(chǎn)關(guān)系。而進(jìn)入到軟件主導(dǎo)的新時(shí)代，我們可以利用數(shù)字技術(shù)，把各種信息都轉(zhuǎn)變?yōu)閿?shù)據(jù)，從而成為一種新的共性生產(chǎn)要素，或者也可稱之為新型生產(chǎn)資料；對各種數(shù)據(jù)進(jìn)行采集、傳輸、處理和使用等的一系列新技術(shù)，就是新型生產(chǎn)力；相應(yīng)的，研發(fā)、生產(chǎn)、采購、銷售、服務(wù)等各個(gè)部門，必須向著統(tǒng)一的產(chǎn)品目標(biāo)攜手努力，基于共同的生產(chǎn)要素產(chǎn)生不同的生產(chǎn)力，以實(shí)現(xiàn)提質(zhì)、增效、降本，滿足不斷變化的市場需求，而確保這種協(xié)同的全新組織和分工等，就是新型生產(chǎn)關(guān)系。

我想強(qiáng)調(diào)的是，一方面，這種新型生產(chǎn)關(guān)系意味著企業(yè)內(nèi)部的組織架構(gòu)和運(yùn)營管理必須進(jìn)行全方位的變革。企業(yè)可能不再需要像以前那樣經(jīng)常召開部門之間的溝通會，也可能不再需要通過KPI來進(jìn)行指標(biāo)管理，因?yàn)槠髽I(yè)完全可以通過數(shù)字化手段，基于數(shù)據(jù)來打通部門墻，全面提升部門之間的溝通及運(yùn)行效率。另一方面，新型生產(chǎn)關(guān)系還涉及到企業(yè)與外部伙伴的合作，將會催生出新型的商業(yè)模式。比如原來整車企業(yè)和供應(yīng)商之間基本就是簡單的買賣關(guān)系，但是當(dāng)前整供關(guān)系也在發(fā)生重大改變，正向長期戰(zhàn)略生態(tài)伙伴的方向演進(jìn)。究其根本，這同樣是由數(shù)字化轉(zhuǎn)型引發(fā)的。因?yàn)楣?yīng)商或者掌握著部分?jǐn)?shù)據(jù)，或者擁有處理數(shù)據(jù)的優(yōu)勢技術(shù)，而優(yōu)化資源配置的效率就需要打通這些數(shù)據(jù)，也需要有效利用這些技術(shù)。為此，整供車企必須共創(chuàng)商業(yè)模式、實(shí)現(xiàn)資源共享。

總之，數(shù)字化時(shí)代與我們熟悉的硬件主導(dǎo)的時(shí)代完全不同，生產(chǎn)要素、生產(chǎn)力和生產(chǎn)關(guān)系都將發(fā)生重大改變。面對這樣的新時(shí)代，企業(yè)必須實(shí)施以優(yōu)化資源配置效率為目標(biāo)的數(shù)字化轉(zhuǎn)型。也唯有如此，企業(yè)才有可能高質(zhì)量、高效率、低成本地精準(zhǔn)滿足快速變化的市場需求。這正是數(shù)字化轉(zhuǎn)型的價(jià)值所在。

人工智能既可以賦能產(chǎn)品力，更可以賦能創(chuàng)造力

趙福全：安博士剛才講了人工智能對產(chǎn)品的賦能，可以使其更加強(qiáng)大，從而更好地滿足消費(fèi)者的需求。那么對于社會和產(chǎn)業(yè)來說，人工智能又將如何賦能呢？前面說到，未來數(shù)字化及人工智能將會改變生產(chǎn)要素、生產(chǎn)力和生產(chǎn)關(guān)系，我覺得這實(shí)際上是在對創(chuàng)造力進(jìn)行賦能。不知道您是怎樣看的？

安筱鵬：趙院長的觀察非常敏銳，這其中確實(shí)有創(chuàng)造力的提升。這段時(shí)間我們公司內(nèi)部也在討論，人工智能對于社會和產(chǎn)業(yè)到底有什么價(jià)值？將會帶來怎樣的變化？對此，我有三個(gè)判斷：第一，一切硬件都會被AI驅(qū)動；第二，一切軟件都會被AI重構(gòu)；第三，一切數(shù)據(jù)都會被AI激活。

我用了“一切”這個(gè)詞，聽起來似乎有點(diǎn)絕對，但我認(rèn)為未來的趨勢就是如此。所謂一切硬件，既包括手機(jī)、汽車、工程機(jī)械，也包括攝像頭、屏幕等等，未來所有這些硬件都會被AI驅(qū)動。例如，在一場有數(shù)百人參加的論壇上安裝幾個(gè)攝像頭，就可以知道現(xiàn)場誰聽得最認(rèn)真，誰總在看手機(jī)，甚至還可以知道幾位演講人中誰最受歡迎。分析攝像頭采集到的數(shù)據(jù)，我們就能得到上述答案。這在今天就已具備實(shí)現(xiàn)的條件了。

事實(shí)上，對于AI驅(qū)動硬件的未來演進(jìn)，我們完全可以有更多的暢想。舉個(gè)例子，今后眼鏡可能也會裝上攝像頭，并與AI聯(lián)動，從而發(fā)揮各種作用。比如有的人血糖比較高，眼鏡可以記錄他每天攝入的所有食物，進(jìn)行分析并給出報(bào)告，告訴他今天哪些營養(yǎng)偏多、哪些營養(yǎng)偏少，同時(shí)給出第二天的飲食建議。

也就是說，未來大大小小的各種硬件都會被AI驅(qū)動起來，從而形成新的多種能力；與此同時(shí)，一切軟件都會被AI重構(gòu)，從而更好地調(diào)用各種硬件；一切數(shù)據(jù)都會被AI激活，從而被充分地利用起來。最終三者共同創(chuàng)造出新的更大的產(chǎn)業(yè)和社會價(jià)值。

具體來說，AI將在兩個(gè)方面發(fā)揮重要作用：一方面是產(chǎn)品本身，AI相當(dāng)于為產(chǎn)品安裝了聰明的“大腦”，當(dāng)這個(gè)“大腦”加載到產(chǎn)品的硬件上，就會使其實(shí)現(xiàn)智能化升級，這就是產(chǎn)品力；另一方面，AI還將融入到產(chǎn)品設(shè)計(jì)開發(fā)、生產(chǎn)制造、供應(yīng)鏈、銷售服務(wù)等各個(gè)環(huán)節(jié)，實(shí)現(xiàn)提質(zhì)增效降本，這就是生產(chǎn)力。當(dāng)前AI正在產(chǎn)品力和生產(chǎn)力兩個(gè)方向上并行發(fā)力，盡管總體上還處于探索階段，但是已經(jīng)讓我們看到了各種各樣的可能性。

就生產(chǎn)力而言，大家目前最關(guān)注的是，人工智能究竟能在企業(yè)經(jīng)營管理上發(fā)揮什么作用？前面講到，數(shù)字化的本質(zhì)就是通過數(shù)據(jù)的自動流動，來化解復(fù)雜系統(tǒng)的不確定性，這其中包含了決策革命。這場決策革命之所以之前不會發(fā)生，是因?yàn)檫^去在技術(shù)手段上面臨很多局限。比如軟件編寫，過去只能依靠人工來完成，如果想讓機(jī)器人抓取和加工一個(gè)零部件，要由人來編寫相應(yīng)的工藝軟件，形成一個(gè)代碼堆，而且不同的代碼堆垛還在不斷發(fā)生變化，這就需要大量有經(jīng)驗(yàn)的工程師耗費(fèi)很長時(shí)間來編寫和維護(hù)軟件。而當(dāng)AI大模型進(jìn)入到產(chǎn)品設(shè)計(jì)和生產(chǎn)等環(huán)節(jié)之后，人工編寫軟件的工作就被極度壓縮了，同時(shí)整個(gè)工作流程也被壓縮了。再如汽車設(shè)計(jì)，不只是造型設(shè)計(jì)，也包括芯片等復(fù)雜部件的設(shè)計(jì)，隨著AI大模型的涌入，都會大幅提高工作效率。

所以，我用一句話來概括：AI大模型是數(shù)據(jù)要素創(chuàng)造價(jià)值的最短路徑。應(yīng)該說，此前的各種數(shù)字化技術(shù)仍然在演進(jìn)中，也仍然在發(fā)揮作用；不過AI大模型這個(gè)新的技術(shù)手段出現(xiàn)之后，將帶來很多新的革命性變革，從而助力企業(yè)實(shí)現(xiàn)更低成本、更高效率的運(yùn)行。

換一個(gè)角度來看，過去的機(jī)器人、數(shù)控機(jī)床、工業(yè)軟件等技術(shù)，更多地是提高了體力勞動者的效率；而本輪人工智能大模型帶來的這場決策革命，可以為設(shè)計(jì)、開發(fā)、工藝以及管理等人員提供支撐，從而提高了腦力勞動者的工作效率，這也是其重要的價(jià)值所在。

趙福全：剛才安博士的回答非常重要?，F(xiàn)在很多人對人工智能普遍都有一種直觀的理解，就是人工智能技術(shù)可以為產(chǎn)品賦能，這樣同樣的硬件就能比原來表現(xiàn)得更好或者能力更強(qiáng)。從產(chǎn)品的效果上看，這種理解當(dāng)然沒有錯(cuò)，就像剛剛談到的，人工智能可以顯著地提升產(chǎn)品力。

過去產(chǎn)品力主要來自硬件，汽車產(chǎn)品也是以硬件為主導(dǎo)的。汽車企業(yè)要想獲得更強(qiáng)的產(chǎn)品力，就必須持續(xù)進(jìn)行車型改款乃至開發(fā)新車型。本質(zhì)上，就是通過更新硬件來提升產(chǎn)品力。但是硬件有較高的成本，且其發(fā)展到一定程度之后就越來越趨于同質(zhì)化了，從而導(dǎo)致產(chǎn)品力受限。而今后產(chǎn)品力將主要來自軟件，汽車產(chǎn)品也將以軟件為主導(dǎo)，此時(shí)情況就完全不同了。尤其是在人工智能的賦能下，軟件的作用將得到充分發(fā)揮，可以有效調(diào)用標(biāo)準(zhǔn)化的各種硬件形成差異化的功能，從而為消費(fèi)者提供滿足其個(gè)性化需求的智能產(chǎn)品。本質(zhì)上，這是通過更新軟件來提升產(chǎn)品力的。

不過一方面，人工智能對于產(chǎn)品的賦能并不是沒有代價(jià)的，我們必須開發(fā)算法、提高算力、采集數(shù)據(jù)，這樣才能使產(chǎn)品硬件上的相同投入獲得更大的產(chǎn)出。另一方面，還有一點(diǎn)更重要，卻往往被忽視了，即人工智能不僅可以賦能產(chǎn)品本身，還可以賦能產(chǎn)品的創(chuàng)造力，也就是剛才安博士講到的生產(chǎn)力。我認(rèn)為，這方面的影響和價(jià)值其實(shí)更大。如果說產(chǎn)品是“雞蛋”，那么創(chuàng)造產(chǎn)品的體系就是“母雞”，而人工智能既能讓“雞蛋”變得更好，更能讓“母雞”變得更好。顯然，賦能后者的意義更加深遠(yuǎn)。未來在人工智能的驅(qū)動下，產(chǎn)品創(chuàng)造體系將發(fā)生全方位的根本性改變，包括企業(yè)的組織架構(gòu)、商業(yè)模式，即內(nèi)外部資源優(yōu)化配置的能力，也包括各個(gè)部門及員工參與產(chǎn)品創(chuàng)造的能力，都將完全不同。由此，“母雞”就能以更優(yōu)的質(zhì)量、更快的速度和更低的成本“孵化”（生產(chǎn)）出更多、更好的“雞蛋”。從這個(gè)意義上講，人工智能也可以類比于傳統(tǒng)制造業(yè)中的工業(yè)母機(jī)，而被稱為AI母機(jī)。

正是因?yàn)槿斯ぶ悄芸梢酝瑫r(shí)為產(chǎn)品力和創(chuàng)造力賦能，而且這兩方面又相互促進(jìn)、共同作用，所以它將驅(qū)動人類社會的生產(chǎn)、生活方式發(fā)生質(zhì)變，進(jìn)入到一個(gè)全新的使用人工智能來創(chuàng)造智能產(chǎn)品的智能新時(shí)代。

基于大模型的專業(yè)模型將實(shí)現(xiàn)能力的質(zhì)變躍升

趙福全：這就帶來了另一個(gè)問題。您剛才說到，人工智能大模型有望實(shí)現(xiàn)AGI，是一次革命性的突破，而且將會波及各行各業(yè)。不過現(xiàn)在對于大模型的普及應(yīng)用，各方也有一些爭議。核心在于大模型和專業(yè)模型到底是什么關(guān)系？借此機(jī)會，請您為大家澄清一下相關(guān)概念。

安筱鵬：我先講一件事，大約在六年前我曾經(jīng)到美國調(diào)研工業(yè)互聯(lián)網(wǎng)和智能制造。那次我們?nèi)チ撕芏喙荆渲杏幸患夜窘屑s翰迪爾，這是全球最大的工程機(jī)械、農(nóng)用機(jī)械公司，有著近兩百年的歷史。這家公司給我留下了非常深刻的印象：第一，這是我所見過的最豪華的公司總部，前面有幾百畝的玉米地，玉米地后邊是原始森林；第二，他們并沒有談工程機(jī)械制造的數(shù)字化，而是講了很多人工智能在工程機(jī)械、農(nóng)用機(jī)械產(chǎn)品中的應(yīng)用，比如農(nóng)用機(jī)械在噴灑除草劑時(shí)，怎樣智能化地自動區(qū)分苗和草，這實(shí)際上是智能識別技術(shù)。由此可見，各個(gè)行業(yè)專業(yè)化的垂直模型早在多年前就已經(jīng)在應(yīng)用了，而美國在這個(gè)領(lǐng)域有明顯的優(yōu)勢。

那么，在大模型到來的今天，我們再談垂直模型、專業(yè)模型的時(shí)候，和之前類似約翰迪爾公司使用的模型是不是一回事？或者說，二者之間有沒有什么區(qū)別呢？目前，相關(guān)概念確實(shí)有些模糊。

我覺得，清晰的表達(dá)應(yīng)該是：之前類似約翰迪爾公司使用的模型，其基礎(chǔ)都是ANI弱人工智能模型，這種模型只能完成一個(gè)特定的任務(wù)。ANI模型雖然早在好多年前就已經(jīng)有了，但因?yàn)槌杀?、質(zhì)量、效果等方面都有局限，不可能掀起一輪產(chǎn)業(yè)革命，所以并沒有引起太多關(guān)注，影響力有限。

而今天的大模型是AGI通用人工智能模型，或者也可稱之為AI基礎(chǔ)模型。這與ANI模型有著本質(zhì)區(qū)別，是完全不同的兩個(gè)物種。在AI基礎(chǔ)模型之上，可以用法律、醫(yī)療、教育、汽車等各行各業(yè)的數(shù)據(jù)，通過各種各樣的技術(shù)手段，比如SFT（監(jiān)督微調(diào)）、RAG（檢索增強(qiáng)生成）等方式，進(jìn)行整合和訓(xùn)練，從而得到解決特定行業(yè)問題的更高效、更精準(zhǔn)、更科學(xué)、更有價(jià)值的垂直模型。也就是說，今天的垂直模型與基礎(chǔ)模型之間存在聯(lián)動關(guān)系，前者一定是建立在后者基礎(chǔ)上的。正是因?yàn)橛辛嘶A(chǔ)模型，垂直模型的能力，包括解決問題的復(fù)雜性、廣泛性以及低成本、高效率等，才實(shí)現(xiàn)了由量變到質(zhì)變的躍升。

那么，如何評價(jià)垂直模型和基礎(chǔ)模型的作用呢？我認(rèn)為，如果說基礎(chǔ)模型的能力是1，那么行業(yè)垂直模型或者說專業(yè)模型就是1后面的0。這個(gè)描述可能不是那么準(zhǔn)確，但有利于大家理解。我想強(qiáng)調(diào)的是，基礎(chǔ)模型非常重要：基于功能不強(qiáng)、性能較弱的基礎(chǔ)模型，無論怎樣調(diào)試和優(yōu)化，最終訓(xùn)練出來的垂直模型也不會有很強(qiáng)的能力，能夠解決的問題將極其有限；只有基礎(chǔ)模型非常強(qiáng)大，再加上相關(guān)行業(yè)的專業(yè)經(jīng)驗(yàn)、技術(shù)訣竅(Know-How)和優(yōu)質(zhì)數(shù)據(jù)等，才能驅(qū)動垂直模型的能力實(shí)現(xiàn)飛躍式的提升。

趙福全：安博士談到，今天大家所講的垂直模型實(shí)際上與6年前的垂直模型完全不是一回事，雖然都是專業(yè)類模型，但早已經(jīng)既換湯又換藥，只是沒有換名而已。因?yàn)橐郧爸挥蠥NI模型，而現(xiàn)在有了大模型或者說AGI模型作為基礎(chǔ)模型為其提供支撐。所以，今天的垂直模型是基于基礎(chǔ)模型并與基礎(chǔ)模型相互打通、彼此聯(lián)動的新型專業(yè)類模型，其能力有了本質(zhì)性的躍升。

那么，基于大模型構(gòu)建的新型專業(yè)類模型，其理念和方法等，與ANI時(shí)代相比有哪些改變呢？

安筱鵬：這里面涉及到很多改變，我覺得其中最重要的一點(diǎn)是，今天大模型能給各類企業(yè)帶來怎樣的變革還是未知的。這可不像買一個(gè)杯子就是用來喝水，或是購置一臺設(shè)備就是用來完成某項(xiàng)工作那樣簡單。此時(shí)此刻，大模型究竟會在各行各業(yè)中如何應(yīng)用，還不是一件確定的事情。

具體來說，這種不確定性是指大模型在產(chǎn)品研發(fā)、生產(chǎn)、供應(yīng)鏈、銷售、服務(wù)等的每一個(gè)環(huán)節(jié)都有發(fā)揮作用的可能性，不過這些可能性未必都會指向一個(gè)確定的結(jié)果。所以，我們必須在認(rèn)知和理念層面上推動AI應(yīng)用的方法論進(jìn)行一次全面的革新。其核心在于，不管是一家汽車公司，還是一家律師事務(wù)所，各行各業(yè)都要認(rèn)知到，自己與大模型之間是一種共創(chuàng)的合作關(guān)系，而不是一種簡單的買賣關(guān)系。

趙福全：就是說，并不是把大模型買過來直接使用就可以了。專業(yè)類模型與大模型之間是一種共創(chuàng)關(guān)系：一方面，專業(yè)類模型要以強(qiáng)大的大模型為基礎(chǔ)，這樣才能提升自身的能力；另一方面，專業(yè)類模型相當(dāng)于是大模型之下的子模型，其不斷擴(kuò)展和進(jìn)步又會支撐大模型的持續(xù)發(fā)展。試想，如果一個(gè)大模型能夠支撐幾十個(gè)專業(yè)類模型，在各行各業(yè)發(fā)揮重要作用，那其能力和價(jià)值自然也就更大了。

產(chǎn)業(yè)特點(diǎn)和市場規(guī)律決定大模型行業(yè)終將收斂

趙福全：展望未來，大模型將如何演進(jìn)呢？這個(gè)行業(yè)的競爭格局將會是什么樣的？請您和大家分享一下。

安筱鵬：我們今天講大模型，主要是指大語言模型。當(dāng)然，除了大語言模型之外，還有圖像理解和生成的大模型，以及其他的一些大模型，即所謂多模態(tài)的大模型。

目前這個(gè)方向的基本情況是：第一，大模型技術(shù)仍在快速迭代和演進(jìn)中，有多種不同的技術(shù)路線都在發(fā)展。第二，本輪人工智能大模型中最重要的一個(gè)分支，或者說主賽道、主戰(zhàn)場，即大語言模型，也在快速發(fā)展中。比如GPT就有GPT3.5、GPT4、GPT5的不斷演進(jìn)。而且大語言模型正在把文本、聲音、圖片和視頻等多種模態(tài)加載進(jìn)來，像近期發(fā)布的GPT-4o，就可以實(shí)時(shí)處理文本、音頻和圖像。

未來大模型產(chǎn)品會呈現(xiàn)出怎樣的產(chǎn)業(yè)形態(tài)和競爭格局呢？先看美國。美國基礎(chǔ)性的大語言模型已經(jīng)極度收斂了，根據(jù)我的觀察，現(xiàn)在美國的大語言模型大概就是“3+1+1”的格局，即主要有5個(gè)大模型。其中，核心的“3”分別來自微軟OpenAI聯(lián)盟、谷歌、Anthropic公司，這三家提供的都是閉源導(dǎo)向的大語言模型；中間的“1”來自Meta，就是Facebook的母公司，它發(fā)布的是開源導(dǎo)向的大語言模型；最后一個(gè)“1”來自埃隆·馬斯克的xAI，這家公司剛剛成立一年多，目前估值已高達(dá)約200億美元。以上5家公司基本上主導(dǎo)了美國的基礎(chǔ)大語言模型產(chǎn)業(yè)。

可能有人會問，為什么美國的大語言模型主要就是這5家、而不是50家公司來參與競爭呢？原因在于大模型的開發(fā)和訓(xùn)練代價(jià)高昂，是資本、人才、數(shù)據(jù)和算力等都高度密集的行業(yè)。這和全球只有空客、波音和中國商飛這三家大型民用飛機(jī)制造商的道理類似，因?yàn)殚_發(fā)一款大型民用飛機(jī)可能需要10年時(shí)間和100億-200億資金，而且要銷售至少一兩千架飛機(jī)才能收回研發(fā)成本。也就是說，產(chǎn)業(yè)特點(diǎn)和市場規(guī)律決定了大型民用飛機(jī)市場上最多只能容納兩三家企業(yè)。這個(gè)規(guī)律同樣適用于大模型行業(yè)，所以隨著大語言模型的不斷演進(jìn)，就逐漸形成了這樣一種收斂的競爭格局。當(dāng)然，也有人認(rèn)為目前的人工智能技術(shù)路線會遇到天花板，屆時(shí)競爭格局還會生變，不過至少現(xiàn)在我們尚未看到。

趙福全：安博士，那中國的情況會怎樣呢？現(xiàn)在有個(gè)說法，叫做“百模大戰(zhàn)”，中國真的有那么多大模型嗎？為什么和美國相比，我們大模型的數(shù)量會如此之多？您認(rèn)為，最終中國會有多少個(gè)大模型？

安筱鵬：我個(gè)人判斷，國內(nèi)大模型行業(yè)未來可能會與美國差不多，只有少數(shù)幾家企業(yè)能留在這個(gè)賽道上。今天很多人都在講“百模大戰(zhàn)”，但其實(shí)中國并沒有“百模大戰(zhàn)”，甚至沒有“十模大戰(zhàn)”，不少所謂的大模型并不是真正的大模型。在我看來，當(dāng)前中國真正在大語言模型主賽道上的企業(yè)可能只有五六家或者稍多一點(diǎn)，這是符合產(chǎn)業(yè)發(fā)展和市場競爭規(guī)律的。

基于大模型構(gòu)建行業(yè)專業(yè)模型有多種不同方式

趙福全：下面一個(gè)問題，大模型和專業(yè)類模型之間的共性連接體現(xiàn)在哪里？或者說，大模型是如何支撐及驅(qū)動專業(yè)類模型進(jìn)步的？專業(yè)類模型又是怎樣補(bǔ)充及拉動大模型發(fā)展的？您覺得在專業(yè)類模型的開發(fā)過程中，應(yīng)該如何在思路、方法和手段上與大模型有效地結(jié)合呢？

安筱鵬：首先，專業(yè)類模型的開發(fā)有兩種類型：一種是使用開源大模型，即基于開源的大模型，結(jié)合本行業(yè)的知識、經(jīng)驗(yàn)、方法以及核心技術(shù)等，開發(fā)出相應(yīng)的專業(yè)類模型，部署在公有云或者私有云上?，F(xiàn)在有很多開源模型都可供使用。另一種是為解決某個(gè)行業(yè)的特定問題，在基礎(chǔ)大模型之上開發(fā)專業(yè)類模型。具體可以是法律、醫(yī)療、教育、汽車等的任何一個(gè)行業(yè)。

后一種類型的具體實(shí)現(xiàn)路徑又有四種：

一是SFT即監(jiān)督微調(diào)方式。就是基于一個(gè)基礎(chǔ)大模型，用特定行業(yè)的專業(yè)術(shù)語進(jìn)行微調(diào)。通過該行業(yè)的大量數(shù)據(jù)訓(xùn)練之后，就可以得到某個(gè)領(lǐng)域的專業(yè)模型。比如，律師事務(wù)所可以訓(xùn)練律師行業(yè)的專業(yè)模型，包括刑法、婚姻法、知識產(chǎn)權(quán)法等各個(gè)細(xì)分領(lǐng)域。這種SFT方式對成本和人才的要求較高，訓(xùn)練周期也比較長。

二是RAG即檢索增強(qiáng)生成方式。這種方式不需要專門訓(xùn)練模型，只要把某個(gè)行業(yè)現(xiàn)有的知識、經(jīng)驗(yàn)以及結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)等做成外掛系統(tǒng)，然后通過檢索增強(qiáng)技術(shù)，使其與大模型結(jié)合起來，就可應(yīng)用于專業(yè)領(lǐng)域。例如生成一份醫(yī)療報(bào)告、一份法律文本或者一個(gè)汽車外形等等。這相當(dāng)于把專業(yè)知識與基礎(chǔ)大模型進(jìn)行了整合。

三是Promote Engineering即提示詞工程方式。通過設(shè)定合適的提示詞，來提高大模型解決特定行業(yè)問題的能力。這種方式比較簡單，同時(shí)效果相當(dāng)不錯(cuò)。也就是說，提示詞工程是一種成本投入較低、產(chǎn)出效果較好的大模型應(yīng)用方式。

四是Agent即智能體方式。這種方式相對比較復(fù)雜，需要開發(fā)面向特定行業(yè)的智能體。以汽車產(chǎn)業(yè)為例，如果把大模型比喻為發(fā)動機(jī)，那么還要給發(fā)動機(jī)配上底盤、車身、輪胎等等，在安裝調(diào)試好之后，汽車才能行駛起來。同樣的，只有大模型解決不了專業(yè)問題，也要給它配上周邊系統(tǒng)，如感知系統(tǒng)、記憶系統(tǒng)、執(zhí)行系統(tǒng)等，并經(jīng)過調(diào)試后，才能使其具備解決特定問題的能力。所有這些要素及資源整合在一起，形成的能夠解決某個(gè)特定問題的整體，就是一個(gè)智能體。目前，這種方式的相關(guān)技術(shù)還在迭代和演進(jìn)中。

以上就是當(dāng)前專業(yè)類模型與大模型相結(jié)合的四種方式，每個(gè)行業(yè)及企業(yè)在面對特定問題時(shí)，都可以選擇其中一種方式來構(gòu)建所需的專業(yè)模型。當(dāng)然，基礎(chǔ)大模型的能力還在演進(jìn)中，基于大模型構(gòu)建專業(yè)類模型的技術(shù)也在演進(jìn)中，未來二者的結(jié)合可能還會有新的變化。

大模型已由大語言模型向多模態(tài)融合大模型演進(jìn)

趙福全：安博士講得非常透徹。目前關(guān)于大模型，業(yè)界還有一個(gè)問題存在爭議，就是有些專家認(rèn)為“大模型”這個(gè)名稱不太準(zhǔn)確，可能會造成誤導(dǎo)，實(shí)際上應(yīng)該稱為LLM即大語言模型。畢竟名稱可以傳遞很多重要信息。比如現(xiàn)在電動汽車不再有傳統(tǒng)發(fā)動機(jī)了，可依然被稱為“汽車”，在某種意義上也是在強(qiáng)調(diào)其交通工具的屬性并沒有改變。對此，您是怎么看的？

安筱鵬：我是這樣理解的：大模型的“大”，主要是指模型的參數(shù)多，且“參數(shù)越多，效果越好”，這是一個(gè)普適規(guī)律?；谶@一規(guī)律構(gòu)建的模型最初就是針對語言的，即大語言模型。不過除了語言之外，對于圖像的識別和理解也是一樣的，比如提供一張照片，模型就能識別出上面顯示的是什么地方，或者為其配上一段說明文字；其他諸如音頻、視頻等的處理，也完全適用于上述規(guī)律，都可以構(gòu)建相應(yīng)的大模型，這就是所謂的不同模態(tài)。當(dāng)然，此前最重要的大模型還是大語言模型。

而現(xiàn)在大模型的發(fā)展方向之一就是把各種模態(tài)進(jìn)行集成，尤其是OpenAI公司今年剛剛發(fā)布的GPT-4o，已經(jīng)整體集成了這幾種模態(tài)。為什么說是整體集成呢？我們不妨對比一下此前的大模型，比如GPT4，可以與人進(jìn)行語音對話。不過在其內(nèi)部每輪對話都是通過三個(gè)模型協(xié)作來完成的：你問一個(gè)問題，大模型先用a模型把你的語音轉(zhuǎn)換成文字，并傳遞到b模型；然后b模型針對你的問題給出文字形式的答案，并傳遞到c模型；最后c模型再把文字轉(zhuǎn)換成語音，反饋給你。所以，盡管對你而言，就是用語音問了大模型一個(gè)問題，然后得到了它的語音回答，但其實(shí)這背后是經(jīng)過了轉(zhuǎn)換的，而在轉(zhuǎn)換過程中就難免會產(chǎn)生時(shí)延、偏差等問題。與此同時(shí)，你在說話時(shí)可能還打了手勢、做了表情，而這些信息都被屏蔽掉了，大模型僅僅采集了語音信息。

而現(xiàn)在的GPT-4o，可以同時(shí)采集你的聲音、手勢、動作和表情，然后把這些信息集成起來作為輸入，這樣其能力自然就更全面、也更強(qiáng)大。此外，它的輸出主要是語音，但也可以有表情，顯示出喜怒哀樂等情緒，這意味著其輸出也是多模態(tài)的。顯然，這是一個(gè)非常重要的變化。

趙福全：關(guān)于大模型和專業(yè)類模型的話題，是所有產(chǎn)業(yè)的模型應(yīng)用者以及潛在應(yīng)用者，也包括AI大模型的推動者，都非常關(guān)注且必須面對的問題。而這其中涉及到的一些重要概念，大家的理解可能還不太一樣。剛才通過與安博士的交流，我們澄清了概念、理清了邏輯。特別是安博士的分享既專業(yè)嚴(yán)謹(jǐn)，又淺顯易懂，更融入了自己在這方面的獨(dú)到理解和深刻感悟，相信大家肯定都很有收獲。下面，我簡單做個(gè)小結(jié)。

實(shí)際上，專業(yè)類模型并不是新生事物。早在ANI弱人工智能時(shí)代，很多行業(yè)就已經(jīng)有專業(yè)類模型了，可以解決特定領(lǐng)域的某個(gè)問題。這種專業(yè)類模型的效果通常都還不錯(cuò)，問題在于只能解決特定的問題，無法向其他領(lǐng)域拓展，因此有明顯的局限性。另外，這種專業(yè)模型后續(xù)不斷升級的工作量也很大，其投入產(chǎn)出比是比較低的。

當(dāng)大模型出現(xiàn)之后，我們開始進(jìn)入AGI強(qiáng)人工智能時(shí)代。大模型在數(shù)據(jù)、算法、算力等方方面面的能力都有了革命性的提升，可以作為普適的、通用的AI基礎(chǔ)模型，像基礎(chǔ)設(shè)施一樣發(fā)揮作用。基于AI基礎(chǔ)模型，各行各業(yè)的專業(yè)人士可以開發(fā)各自的專業(yè)模型，或者說垂直模型，從而將大模型應(yīng)用到各個(gè)專業(yè)領(lǐng)域。但是此專業(yè)模型非彼專業(yè)模型，因?yàn)槠浠A(chǔ)不再是ANI模型了。新的專業(yè)類模型一定是基于AGI大模型的，是使用了大模型這一基礎(chǔ)設(shè)施的。這個(gè)差別非常大，就好比同樣是汽車，但跑在高速公路上和跑在鄉(xiāng)間小路上，速度是完全不同的。在此情況下，如果企業(yè)沒有基于大模型來做專業(yè)模型，那就和以前沒有區(qū)別，雖然也可以做出來，但模型的能力及潛力都會非常有限；而如果企業(yè)以大模型為基礎(chǔ)來做專業(yè)模型，其模型效果以及拓展性就會有質(zhì)的提升。這就是我作為一個(gè)IT業(yè)外人士的理解。

可見，大模型是專業(yè)類模型的基礎(chǔ)。而更多的專業(yè)類模型基于大模型開發(fā)，又可以讓大模型發(fā)揮更大的作用。這一點(diǎn)至關(guān)重要，因?yàn)槿绻挥写竽Ｐ投鴽]有專業(yè)類模型，大模型在整個(gè)經(jīng)濟(jì)社會中的影響和價(jià)值也會大打折扣。就像百度董事長李彥宏總最近強(qiáng)調(diào)的，沒有應(yīng)用模型的基礎(chǔ)大模型，無論是開源還是閉源的，都一文不值。所以，希望各個(gè)行業(yè)、眾多領(lǐng)域的專業(yè)模型能夠百花齊放。為此，做專業(yè)模型的人要擁抱大模型，而做大模型的人也要擁抱專業(yè)模型，雙方相向而行、共同奔赴理想的目標(biāo)。

在這個(gè)過程中，我們必須清楚，大模型并不是誰都能做的。因?yàn)殚_發(fā)大模型需要規(guī)模超乎想象的算力、數(shù)據(jù)、人才和資本等資源，而且不是一次性的投入，后續(xù)還要不斷迭代、優(yōu)化才能確保持續(xù)引領(lǐng)，這遠(yuǎn)非一般企業(yè)所能承受。所以，真正有能力做大模型的企業(yè)數(shù)量將非常有限，而其他企業(yè)更應(yīng)該把資源用于專業(yè)類模型的開發(fā)。正因如此，最終大模型的數(shù)量不會很多，事實(shí)上也不需要很多。這就像高速公路不需要到處都有，且一定是在政府主導(dǎo)下由大企業(yè)來建設(shè)的；相比之下，鄉(xiāng)間小路由村里集資就可以建了。

至于到底應(yīng)該叫大語言模型還是大模型，如果從人工智能進(jìn)入AGI階段的高度來看，叫大模型應(yīng)該要比大語言模型更有普適性，也更有指引意義。另一方面，雖然大模型最初主要就是大語言模型，但是目前早已拓展到語音、圖像和動作等更多模態(tài)了，甚至已經(jīng)有大模型能夠集成處理不同模態(tài)的信息，并產(chǎn)生相應(yīng)的數(shù)據(jù)訓(xùn)練模型了。所以，簡單地叫“大語言模型”可能會有一定的局限性。當(dāng)然，無論是開展實(shí)際工作的專家，還是從事相關(guān)研究的學(xué)者，都更應(yīng)該注重大模型的發(fā)展及應(yīng)用，而沒必要過分關(guān)注其稱謂。

多主體協(xié)同的產(chǎn)業(yè)生態(tài)將支撐大模型得到更好應(yīng)用

安筱鵬：我再補(bǔ)充一點(diǎn)，就是未來人們使用大模型時(shí)會形成一個(gè)供給側(cè)與需求側(cè)互動的生態(tài)。事實(shí)上，大模型的應(yīng)用一定是一個(gè)多主體聯(lián)動的過程，其中只有一部分情況是大模型直接提供服務(wù)，即所謂API（應(yīng)用程序編程接口）方式，而更多、更復(fù)雜的業(yè)務(wù)場景涉及到多個(gè)利益主體、多條技術(shù)路線的不斷協(xié)同和反復(fù)互動，要靠各方有效協(xié)作來為客戶提供服務(wù)，這就構(gòu)成了生態(tài)。如果以足球比賽類比，大模型企業(yè)就像是守門員，通常無法一腳直接把球踢到對方的球門里，而是要與球隊(duì)的后衛(wèi)、中場、前鋒等一起配合來取得進(jìn)球。

趙福全：安博士強(qiáng)調(diào)的這一點(diǎn)非常重要。我之前曾經(jīng)多次講過，在萬物互聯(lián)的時(shí)代，各類不同主體將有效協(xié)同、相互賦能，共同驅(qū)動整個(gè)人類社會邁入超級智能時(shí)代。屆時(shí)每一個(gè)人造物都將是互聯(lián)的，且由人工智能賦能，從而構(gòu)成了智能化的大環(huán)境，可以使其中的每一個(gè)人造物都把智能化的能力發(fā)揮到極致。所謂車路協(xié)同也是同樣的道理，即智能的車必須跑在智能的路上，而智能的路也只有當(dāng)智能的車行駛時(shí)才能體現(xiàn)出其智能的價(jià)值。由此，道路、車輛、車內(nèi)外的人員以及網(wǎng)絡(luò)、云端等所有智能的主體，將互聯(lián)而成一個(gè)超級智能的大生態(tài)。參與其中的各類主體相互協(xié)同，把各自的力量都融合到一起，最終實(shí)現(xiàn)1+1+1遠(yuǎn)大于3的效果。

安筱鵬：是的，各類企業(yè)都有自己的優(yōu)勢。到了人工智能大模型廣泛應(yīng)用的時(shí)代，生態(tài)系統(tǒng)本身就是企業(yè)競爭與合作的一種必然形態(tài)?，F(xiàn)在中國和美國都有很多開源社區(qū)，比如阿里的開源社區(qū)叫做魔搭社區(qū)?，F(xiàn)在可能有很多人對這種生態(tài)還沒什么認(rèn)知，實(shí)際上其作用是巨大的。我經(jīng)常舉一個(gè)例子，要攀登珠穆朗瑪峰，從地面一直爬到山頂?shù)碾y度非常大，但如果從海拔5200米的珠峰大本營出發(fā)，爬到山頂就容易多了。

同樣的道理，包括開源的軟件、大模型、社區(qū)等在內(nèi)的生態(tài)，就像一架直升機(jī)，可以先把你從地面運(yùn)到珠峰大本營，然后你再爬完剩下的3000多米，這自然可以幫你節(jié)省很多體力或者說資源。實(shí)際上如果沒有生態(tài)這架直升機(jī)，你可能永遠(yuǎn)都無法登頂。目前美國在AI領(lǐng)域就有很多這樣的“直升機(jī)”，可以把企業(yè)直接運(yùn)到“珠峰大本營”，這就大大降低了AI應(yīng)用的門檻。中國在這方面也需要加緊努力，因?yàn)閷τ谝粋€(gè)國家或地區(qū)的大模型普及應(yīng)用來說，繁榮的產(chǎn)業(yè)生態(tài)至關(guān)重要。

數(shù)字化轉(zhuǎn)型的收益難以預(yù)期，但不轉(zhuǎn)型的風(fēng)險(xiǎn)無法承受

趙福全：安博士，下面我們來討論一個(gè)令很多企業(yè)苦惱的現(xiàn)實(shí)問題。當(dāng)前幾乎所有的企業(yè)都宣稱要實(shí)施數(shù)字化轉(zhuǎn)型，然而我看到過一組統(tǒng)計(jì)數(shù)據(jù)，事實(shí)上數(shù)字化轉(zhuǎn)型成功的企業(yè)比例并不高。當(dāng)然，究竟怎樣才算成功，這本身也是“仁者見仁、智者見智”的，不過有一點(diǎn)是確定無疑的，那就是總體上多數(shù)企業(yè)數(shù)字化轉(zhuǎn)型的成效都不理想。說起來，數(shù)字化轉(zhuǎn)型似乎已經(jīng)成為企業(yè)領(lǐng)導(dǎo)講話時(shí)一定會談到的話題，可是這些企業(yè)領(lǐng)導(dǎo)真的有數(shù)字化轉(zhuǎn)型的正確理念和堅(jiān)定決心嗎？這可能也是一個(gè)問題。所以我曾經(jīng)講過，數(shù)字化轉(zhuǎn)型首先應(yīng)該是領(lǐng)導(dǎo)力的轉(zhuǎn)型，這比其他任何方面都更重要。那么，對這個(gè)問題您是怎樣看的？

安筱鵬：我想先講講企業(yè)數(shù)字化轉(zhuǎn)型的邏輯起點(diǎn)問題，就是說，企業(yè)為什么要進(jìn)行數(shù)字化轉(zhuǎn)型？前面我們其實(shí)已經(jīng)從社會和產(chǎn)業(yè)的角度談過了，現(xiàn)在不妨換成企業(yè)的角度，從董事長、總經(jīng)理等公司決策層的視角來審視一下數(shù)字化轉(zhuǎn)型。

決策層對數(shù)字化轉(zhuǎn)型有兩種不同層面的思考：一是數(shù)字化能夠給企業(yè)帶來什么收益，比如產(chǎn)品智能化水平升級、市場份額增長、客戶粘性提高、質(zhì)量改善、效率提升、成本降低以及供應(yīng)鏈優(yōu)化等等，即為了收益而轉(zhuǎn)型；二是不得不轉(zhuǎn)型，我把它概括成一句話：不是因?yàn)檗D(zhuǎn)型的收益可以預(yù)期，而是因?yàn)椴晦D(zhuǎn)型的風(fēng)險(xiǎn)難以承受。

為什么這么說呢？一方面，數(shù)字化轉(zhuǎn)型所能獲得的收益存在不確定性。首先，數(shù)字化轉(zhuǎn)型是一場創(chuàng)新，而創(chuàng)新都有失敗的風(fēng)險(xiǎn)。反過來講，如果數(shù)字化轉(zhuǎn)型沒有本質(zhì)性的創(chuàng)新，那它也就沒有多大意義了。其次，數(shù)字化轉(zhuǎn)型高度復(fù)雜，絕不是買一組設(shè)備或上一套軟件就可以解決的問題。最后，數(shù)字化轉(zhuǎn)型的投入往往極大。如果企業(yè)要為數(shù)字化轉(zhuǎn)型投入幾千萬甚至上億元，還有大量的人力、物力，卻不能百分之百地保證會獲得成功，那決策層難免心存猶疑。

另一方面，如果企業(yè)不進(jìn)行數(shù)字化轉(zhuǎn)型，其損失和風(fēng)險(xiǎn)則是確定的。之前我們講到，現(xiàn)在市場需求正變得日益?zhèn)€性化、實(shí)時(shí)化、場景化，如果沒有數(shù)字化手段予以應(yīng)對，企業(yè)將面臨什么后果？我想無外乎四點(diǎn)：一是市場失焦，企業(yè)無從知道客戶到底需要什么；二是營銷失語，企業(yè)不知道自己的廣告等傳播應(yīng)該講給誰聽、通過什么渠道講以及講完之后效果如何；三是管理失衡，面對更加復(fù)雜的用戶需求識別系統(tǒng)、研發(fā)系統(tǒng)、制造系統(tǒng)、供應(yīng)鏈系統(tǒng)等，企業(yè)的資源配置及調(diào)度一定非常低效；四是增長失速，企業(yè)的增長速度會趨于緩慢甚至完全停滯下來。

也就是說，企業(yè)如果進(jìn)行數(shù)字化轉(zhuǎn)型，不一定能獲得收益；但不進(jìn)行數(shù)字化轉(zhuǎn)型，一定會遭受損失，這是一個(gè)兩難的選擇。實(shí)際上，很多企業(yè)之所以最終下決心實(shí)施數(shù)字化轉(zhuǎn)型，并不是為了獲得明確的收益，而是擔(dān)心不這樣做大概率會被市場淘汰。說到底，數(shù)字化轉(zhuǎn)型本身就是一場競爭。即便企業(yè)的決策層不想主動選擇轉(zhuǎn)型，但是考慮到其他企業(yè)可能會憑借轉(zhuǎn)型獲得實(shí)際或潛在的優(yōu)勢，從而超越自己，這樣的風(fēng)險(xiǎn)是自身絕對無法承受的，那么也只能被動選擇轉(zhuǎn)型。

由此出發(fā)，我倒覺得，企業(yè)應(yīng)該換個(gè)角度來考慮這個(gè)問題：既然數(shù)字化轉(zhuǎn)型是不得不做的戰(zhàn)略選擇，那為什么不主動選擇轉(zhuǎn)型、做好系統(tǒng)謀劃呢？

數(shù)字化轉(zhuǎn)型事關(guān)企業(yè)戰(zhàn)略定位，是全局性的系統(tǒng)工程

趙福全：前面我們談到，數(shù)字化轉(zhuǎn)型既需要數(shù)字化的技術(shù)手段，也需要支撐數(shù)字化的組織架構(gòu)，任何一個(gè)方面有所偏廢都不可能成功。不過即便企業(yè)在這兩個(gè)方面都做了努力，結(jié)果依然可能不盡如人意。當(dāng)然，這其中或許有時(shí)間問題，即近期暫時(shí)沒有明顯效果，而長期就截然不同了。說到這里，我想問問安博士，為什么企業(yè)的數(shù)字化轉(zhuǎn)型會這么難呢？究竟是難在技術(shù)手段上，還是思維方式上，又或者是資金投入上？后續(xù)我們應(yīng)該怎樣突破？

安筱鵬：數(shù)字化轉(zhuǎn)型確實(shí)不容易成功，或者說極富挑戰(zhàn)性，我認(rèn)為其根本原因在于，數(shù)字化轉(zhuǎn)型是一場比誰跑得更快、更遠(yuǎn)的競賽。數(shù)字化轉(zhuǎn)型的終極目標(biāo)是滿足用戶的需要，即企業(yè)以更高的質(zhì)量、更低的成本、更快的速度、更精準(zhǔn)地持續(xù)滿足用戶的個(gè)性化需求。在轉(zhuǎn)型過程中，企業(yè)成功與否并不是要和自己比較，而是要和競爭對手比較，看誰能更好地服務(wù)用戶，這才是數(shù)字化轉(zhuǎn)型的本質(zhì)訴求。因此企業(yè)要變革的絕不僅僅是技術(shù)手段，諸如購買ERP（企業(yè)資源計(jì)劃）管理軟件或者數(shù)控機(jī)床、應(yīng)用人工智能技術(shù)、加強(qiáng)數(shù)據(jù)分析等，都只是在解決具體的技術(shù)問題，并不足以確保企業(yè)實(shí)現(xiàn)領(lǐng)先，畢竟競爭對手同樣可以這樣做。也就是說，數(shù)字化轉(zhuǎn)型涉及到技術(shù)，但絕不只是一個(gè)技術(shù)問題。

在我看來，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型，最重要的是重新思考自身的戰(zhàn)略定位——我是誰？如果我們把優(yōu)秀企業(yè)數(shù)字化轉(zhuǎn)型的理念和方法提煉出來，會發(fā)現(xiàn)共同點(diǎn)是這些企業(yè)都重新定義了“我是誰”。并且這個(gè)定義都包含了兩點(diǎn)：一是企業(yè)要成為客戶運(yùn)營商；二是企業(yè)要成為數(shù)據(jù)運(yùn)營商。

先說客戶運(yùn)營商，像中國電信和美國AT&T(美國電話電報(bào)公司)這類公司就是客戶運(yùn)營商。一直以來，客戶運(yùn)營商的特點(diǎn)就是追求實(shí)時(shí)感知客戶需求、實(shí)時(shí)響應(yīng)客戶需求、極致滿足客戶需求。而到了今天，我認(rèn)為，無論是化妝品、服裝公司，還是汽車公司，各個(gè)行業(yè)的企業(yè)都可以基于數(shù)字化轉(zhuǎn)型成為客戶運(yùn)營商，或者說都應(yīng)該具備以下三種能力：

第一，實(shí)時(shí)感知客戶需求。這里所說的需求可能來自于已經(jīng)購買了產(chǎn)品的客戶，也可能來自于潛在的客戶。第二，實(shí)時(shí)響應(yīng)和滿足客戶需求。比如用戶在使用某款汽車產(chǎn)品的自動駕駛系統(tǒng)時(shí)，出現(xiàn)了一點(diǎn)問題，相關(guān)信息會立即反饋給車企，車企很快就能在后續(xù)迭代更新的軟件版本中把這個(gè)問題解決掉。這就是對客戶需求的實(shí)時(shí)響應(yīng)和滿足。第三，極致滿足客戶需求。就是要讓客戶的體驗(yàn)越來越好，這同樣是客戶運(yùn)營商的核心內(nèi)涵之一。

由此出發(fā)，企業(yè)決策層首先要在戰(zhàn)略層面上思考，我們是不是一家客戶運(yùn)營商？有沒有具備上述三種能力？事實(shí)上，這三點(diǎn)說起來容易，做起來是非常困難的。企業(yè)要形成這三種能力，唯有構(gòu)建起自己的一套數(shù)字化系統(tǒng)，基于數(shù)據(jù)、利用軟件等工具，才能實(shí)時(shí)感知、響應(yīng)和滿足客戶需求，并提供極致的客戶體驗(yàn)。這樣一來，企業(yè)自然也就成為了數(shù)據(jù)運(yùn)營商。至于具體是使用ERP或CRM（客戶關(guān)系管理）系統(tǒng)，還是應(yīng)用什么人工智能技術(shù)等，都只是手段而已，必須服務(wù)于上述目標(biāo)。也就是說，成為客戶運(yùn)營商和數(shù)據(jù)運(yùn)營商，是企業(yè)在戰(zhàn)略定位和經(jīng)營理念上必須做出的轉(zhuǎn)變。以此為目標(biāo)，企業(yè)再考慮如何在技術(shù)路線和方法手段上做出相應(yīng)的轉(zhuǎn)變。

總體來說，企業(yè)在轉(zhuǎn)變了戰(zhàn)略定位和經(jīng)營理念之后，必須依靠兩個(gè)支柱來支撐其數(shù)字化轉(zhuǎn)型：一個(gè)是全新的數(shù)字基礎(chǔ)設(shè)施體系，包括各種硬件和軟件；另一個(gè)就是全新的組織與管理體系。因?yàn)樯a(chǎn)力已經(jīng)改變，所以生產(chǎn)關(guān)系，特別是企業(yè)的組織，也必須隨之改變。面向數(shù)字化轉(zhuǎn)型，企業(yè)組織變革的任務(wù)就是要建立一個(gè)開放型、自驅(qū)型、生態(tài)型、自組織不斷涌現(xiàn)的全新組織；其目標(biāo)就是要激發(fā)所有員工的積極性、主動性和創(chuàng)造性，包括研發(fā)、生產(chǎn)、銷售、服務(wù)以及管理等崗位上的每一名員工。只有當(dāng)員工的活力都被充分激發(fā)出來，企業(yè)的數(shù)字化轉(zhuǎn)型才能取得成功。

可見，數(shù)字化轉(zhuǎn)型是一項(xiàng)全方位的系統(tǒng)工程，企業(yè)不僅要將自身定位轉(zhuǎn)變?yōu)榭蛻暨\(yùn)營商和數(shù)據(jù)運(yùn)營商，而且還要構(gòu)建全新的數(shù)字基礎(chǔ)設(shè)施和匹配數(shù)字化的組織架構(gòu)。為此，企業(yè)必須從認(rèn)知、理念、組織、管理以及技術(shù)、工具等各個(gè)方面多管齊下、協(xié)同推進(jìn)。如果說企業(yè)的數(shù)字化轉(zhuǎn)型挑戰(zhàn)巨大，那么其根本原因可能就在于此。

趙福全：當(dāng)前企業(yè)普遍感到數(shù)字化轉(zhuǎn)型非做不可，如果不轉(zhuǎn)型會很焦慮；但是轉(zhuǎn)型動力又不太足，轉(zhuǎn)型中的企業(yè)也往往因?yàn)樾Ч患讯m結(jié)。而安博士上面這段分享幫我們理清了數(shù)字化轉(zhuǎn)型困難的本質(zhì)原因。實(shí)際上，數(shù)字化轉(zhuǎn)型意味著企業(yè)商業(yè)運(yùn)行的底層邏輯以及企業(yè)之間的競爭模式都將發(fā)生質(zhì)變，因此是極其關(guān)鍵的戰(zhàn)略問題，同時(shí)也是高度復(fù)雜的系統(tǒng)工程。

一方面，數(shù)字化轉(zhuǎn)型是企業(yè)非做不可的事情，也是企業(yè)根本性的戰(zhàn)略定位和戰(zhàn)略選擇問題，主要原因有以下三點(diǎn)：

第一，數(shù)字化是一條全新的賽道，需要大量基礎(chǔ)性的投入，且并不直接提升企業(yè)的競爭力。不像企業(yè)多開幾家零售店，馬上就能多賣出幾十輛車。數(shù)字化轉(zhuǎn)型的前期投入是巨大的，而其效果是間接的、滯后的。例如數(shù)字化營銷之所以能夠提升銷量，是要在數(shù)字化后臺的支撐下，收集用戶需求，反饋到銷售部門，使其營銷活動更加精準(zhǔn)；而不是直接把用戶需求信息轉(zhuǎn)變成銷量。所以如果只是就事論事，或者只關(guān)注短期影響，那數(shù)字化轉(zhuǎn)型的效果肯定不盡如人意。但是企業(yè)如果不轉(zhuǎn)型，就等于停留在老賽道上，那一定是沒有未來的。

第二，商業(yè)競爭倒逼企業(yè)“不得不”轉(zhuǎn)型。競爭一定是企業(yè)之間的較量，而不是企業(yè)自我比較。比如此前有的車企認(rèn)為不做新能源汽車，照樣可以銷售燃油車，結(jié)果隨著其他車企新能源汽車的熱銷，這些企業(yè)就錯(cuò)失了電動化的機(jī)遇，陷入到困難的境地。類似的，現(xiàn)在有的車企認(rèn)為不做數(shù)字化轉(zhuǎn)型，照樣可以實(shí)現(xiàn)產(chǎn)品的提質(zhì)增效降本，其結(jié)果恐怕也是一樣。以質(zhì)量為例，企業(yè)如果已經(jīng)把產(chǎn)品質(zhì)量做到行業(yè)一流了，然后還沿著既有模式追求更高的質(zhì)量，那么投入就會越來越大，而質(zhì)量改進(jìn)的效果卻越來越小，意義有限；同時(shí)，如果競爭對手轉(zhuǎn)換了賽道，通過數(shù)字化的新模式來改進(jìn)質(zhì)量，那就能夠以同等的投入實(shí)現(xiàn)更高的質(zhì)量，或者以更少的投入實(shí)現(xiàn)同等的質(zhì)量，從而具備更強(qiáng)的質(zhì)量競爭力。這就像那個(gè)大家耳熟能詳?shù)墓适?，兩個(gè)人在野外遇到了熊，一個(gè)人先系鞋帶，不是要比熊跑得快、而是要比另一個(gè)人跑得快，這樣才能活命。

第三，企業(yè)經(jīng)營的基本理念必須改變。原來市場變化沒有那么快，也沒有實(shí)時(shí)準(zhǔn)確獲取及識別用戶需求的手段。所以，企業(yè)只要把產(chǎn)品設(shè)計(jì)好、造好就可以了，或者說，企業(yè)按照在某個(gè)領(lǐng)域內(nèi)努力做大做強(qiáng)的經(jīng)營理念和固有模式推進(jìn)即可。然而未來市場需求千變?nèi)f化，且不斷有新的需求出現(xiàn)，甚至有時(shí)候連用戶都不清楚自己想要什么。這就需要企業(yè)通過數(shù)字化手段實(shí)時(shí)感知和準(zhǔn)確識別用戶的需求，甚至創(chuàng)造出用戶意想不到的新需求。用喬布斯的話來說，就是要引領(lǐng)需求，創(chuàng)造讓用戶驚喜的產(chǎn)品。顯然，沒有數(shù)字化手段根本不可能做到這一點(diǎn)。更進(jìn)一步來說，今后企業(yè)不僅要“做好”產(chǎn)品，還要讓消費(fèi)者“用好”產(chǎn)品，即提供“產(chǎn)品+服務(wù)”的最佳體驗(yàn)。為此，企業(yè)需要形成經(jīng)營用戶的理念及能力，在用戶使用自身汽車產(chǎn)品的同時(shí)，為其提供眾多衍生的相關(guān)產(chǎn)品及服務(wù)。在此過程中，企業(yè)可以持續(xù)推送內(nèi)容，可以不斷迭代優(yōu)化產(chǎn)品，還可以吸引消費(fèi)者使用關(guān)聯(lián)產(chǎn)品及服務(wù)。這意味著企業(yè)的商業(yè)模式和以前單純銷售產(chǎn)品時(shí)完全不同了，將會發(fā)生質(zhì)的改變。而在新的商業(yè)模式背后，企業(yè)基本的商業(yè)邏輯以及相應(yīng)的組織、流程等，都必須隨之改變。

綜上，數(shù)字化轉(zhuǎn)型對于企業(yè)來說，不是可做可不做，而是非做不可，否則競爭對手都在做而你不做，企業(yè)就會失去未來可持續(xù)發(fā)展的機(jī)會和能力。正因如此，即使近期數(shù)字化轉(zhuǎn)型的效果不佳，企業(yè)也不能輕易放棄。我認(rèn)為，這一點(diǎn)至關(guān)重要。

另一方面，數(shù)字化轉(zhuǎn)型是全局性的系統(tǒng)工程。為了實(shí)現(xiàn)新的商業(yè)模式，企業(yè)不僅要使用數(shù)字化的技術(shù)手段，還要重新構(gòu)建起新的組織關(guān)系，這既包括企業(yè)內(nèi)部各部門之間的協(xié)同方式，也包括企業(yè)與外部伙伴之間的合作模式。畢竟市場環(huán)境已經(jīng)完全不同了：原來只能是一線員工聽從坐鎮(zhèn)總部大樓的高層們發(fā)號施令，以確保步調(diào)一致，沒有更好的辦法。而現(xiàn)在面對用戶每天不斷產(chǎn)生的新需求或者新抱怨，企業(yè)要讓一線員工擁有相應(yīng)的決策權(quán)，即所謂“讓聽得到炮聲的人決定怎樣戰(zhàn)斗”；同時(shí)企業(yè)還要積極擁抱用戶需求的千變?nèi)f化，讓全體員工都實(shí)時(shí)感知到這種變化，并為響應(yīng)這種變化而共同努力。這些都只能通過實(shí)施數(shù)字化轉(zhuǎn)型，依靠數(shù)字化手段來實(shí)現(xiàn)。舉個(gè)簡單的例子，原來企業(yè)要快速上傳下達(dá)，只能把員工都召集起來開全員大會；而現(xiàn)在基于數(shù)字化手段，根本無需開會，就可以第一時(shí)間讓公司每個(gè)人都了解相關(guān)信息。試想，如果沒有數(shù)字化手段作為支撐，企業(yè)怎么可能做得到快速反應(yīng)呢？

此外，數(shù)字化轉(zhuǎn)型作為全局性的系統(tǒng)工程，將全方位地提升企業(yè)的綜合能力。不過其整體效果是由各方面的舉措逐步疊加而來的，開始時(shí)并不明顯，但最后會呈現(xiàn)出指數(shù)級數(shù)的提升。所以，企業(yè)不要簡單地覺得自己采用了多少項(xiàng)數(shù)字化技術(shù)，或者調(diào)整了多少次組織架構(gòu)，馬上就會有立竿見影的結(jié)果。事實(shí)上，數(shù)字化的技術(shù)手段也好，匹配數(shù)字化的組織架構(gòu)也罷，都需要不斷積累和持續(xù)優(yōu)化，最終這些積淀都會體現(xiàn)在企業(yè)對市場變化的反應(yīng)速度、對產(chǎn)品品質(zhì)的控制水平以及對客戶需求的滿足程度上，或者說會體現(xiàn)在企業(yè)整體經(jīng)營的提質(zhì)增效降本上。

這就是安博士剛才所講的，數(shù)字化轉(zhuǎn)型可以優(yōu)化企業(yè)資源配置的效率，提升企業(yè)長期可持續(xù)的競爭力。而我們現(xiàn)在看到的，還只是數(shù)字化從0到1的變化，很多場景都還沒有實(shí)現(xiàn)。所以，我們完全可以期待未來數(shù)字化從1到100甚至從100到10000的更大變化。到那個(gè)時(shí)候，整個(gè)社會都將完成從量變到質(zhì)變的數(shù)字化轉(zhuǎn)型，從而釋放出巨大的潛能。

安筱鵬：趙院長剛才的闡釋，又讓我想起了一個(gè)案例。上世紀(jì)90年代，美國《計(jì)算機(jī)世界》雜志評選出了25位改變世界的IT領(lǐng)域商業(yè)領(lǐng)袖，其中與比爾·蓋茨、喬布斯等人同時(shí)入選的有一位叫馬克思·霍珀（Max Hopper），他曾擔(dān)任美國航空公司（AA）的CIO（首席信息官），也被稱為CIO這個(gè)職位的鼻祖。馬克思·霍珀在上世紀(jì)七十年代請IBM公司為其制作了一套信息化的訂票系統(tǒng)，實(shí)現(xiàn)了與美國航空公司原有優(yōu)勢的完美結(jié)合，顯著提升了公司的核心競爭力。正是這個(gè)前瞻性的舉措及業(yè)績，使馬克思·霍珀成為與比爾·蓋茨、喬布斯同等量級的商業(yè)領(lǐng)袖。

后來當(dāng)時(shí)美國排名前五的航空公司，除了第五大的人民捷運(yùn)航空（People Express）外，都引入了類似的信息化訂票系統(tǒng)。而人民捷運(yùn)航空最終破產(chǎn)，被其他公司收購了。其董事長在回憶錄中說，我們以為IT無關(guān)緊要，事實(shí)上它卻事關(guān)公司的生死。也就是說，早在上世紀(jì)的七八十年代，IT就已經(jīng)能夠決定企業(yè)的成敗了?；仡欉@樣的歷史有助于我們把握今天的情況。

回到現(xiàn)在的汽車行業(yè)來看，記得有一家汽車公司的高管曾經(jīng)講過這樣一個(gè)觀點(diǎn)：凡是沒有把“軟件定義硬件”作為核心理念的汽車公司，都還只是傳統(tǒng)企業(yè)，無論采用了多少新技術(shù)。該觀點(diǎn)或許可以商榷，不過我覺得這個(gè)看待問題的角度還是值得我們深思的。

說起來，我們應(yīng)該如何定義什么才是數(shù)字化的汽車公司或汽車產(chǎn)品呢？所謂“軟件定義硬件”，對汽車產(chǎn)品究竟有什么影響？而被軟件定義了硬件的汽車，到底是電子產(chǎn)品還是機(jī)械產(chǎn)品？如果汽車已經(jīng)是電子產(chǎn)品了，那么其迭代周期應(yīng)該是多久？設(shè)計(jì)開發(fā)、生產(chǎn)制造、供應(yīng)鏈管理以及新品發(fā)布、定價(jià)策略等，是不是全都需要改變？所以，“軟件定義硬件”看起來只是很簡單的一句話，實(shí)際上卻意味著企業(yè)經(jīng)營理念的根本性轉(zhuǎn)變，并將由此帶來整個(gè)產(chǎn)業(yè)鏈各個(gè)環(huán)節(jié)的全方位變革，這才是當(dāng)前我們必須要面對的現(xiàn)實(shí)情況。

趙福全：安博士講的這一點(diǎn)非常重要，我也談?wù)勛约旱睦斫狻τ跀?shù)字化轉(zhuǎn)型，如果就手段談手段，那就太局限了。當(dāng)然，數(shù)字化本身是一種手段，包括軟件、硬件（傳感器、芯片等）、算法、算力以及云、網(wǎng)等等，都是這種技術(shù)手段的一部分。從這個(gè)角度看，委托相關(guān)科技公司來提供技術(shù)就可以了，似乎汽車企業(yè)并沒有太多事情要做，也無需深度參與，只要拿來應(yīng)用即可。

但事實(shí)上，數(shù)字化遠(yuǎn)遠(yuǎn)不只是手段，它將催生出新的生產(chǎn)要素，促進(jìn)新的生產(chǎn)力快速發(fā)展、并帶來與之相匹配的新的生產(chǎn)關(guān)系。新生產(chǎn)關(guān)系將支撐新生產(chǎn)力背后的各類不同主體有效協(xié)同、緊密合作，實(shí)現(xiàn)多種資源的優(yōu)化重組。這將是一場全方位的系統(tǒng)性變革，既涉及到企業(yè)內(nèi)部的組織架構(gòu)調(diào)整，又涉及到企業(yè)外部的商業(yè)模式創(chuàng)新。所以，我們不能只把數(shù)字化看成手段，而是要站在企業(yè)、產(chǎn)業(yè)乃至整個(gè)社會革命性變化的高度來審視數(shù)字化。如果沒有這樣的認(rèn)知高度，我們只從近期看一個(gè)問題、一件事情、一家企業(yè)，自然會感覺到數(shù)字化轉(zhuǎn)型的效果不明顯，或者投入產(chǎn)出比很低。

而如果認(rèn)識到數(shù)字化將會帶來全新的人類社會，各行各業(yè)都將隨之巨變，那爭論到底是傳統(tǒng)企業(yè)、還是新科技公司也就沒有意義了。因?yàn)槲磥硭衅髽I(yè)都必須以數(shù)字化的理念和手段來武裝自己，升級成為擁有新生產(chǎn)要素、新生產(chǎn)力和新生產(chǎn)關(guān)系的新型企業(yè)。也就是說，即便是今天的新科技公司，不進(jìn)行數(shù)字化轉(zhuǎn)型也照樣會逐漸落后，最終被時(shí)代淘汰。反過來講，汽車企業(yè)雖然本身并不產(chǎn)生數(shù)字化科技，但只要選擇合適的合作伙伴，如擁有人工智能、數(shù)據(jù)處理等數(shù)字化技術(shù)的科技公司，并結(jié)合自身的獨(dú)特優(yōu)勢和經(jīng)驗(yàn)，向著數(shù)字化轉(zhuǎn)型的目標(biāo)共同努力，照樣可以老樹開新花，最終在競爭中脫穎而出。

整個(gè)汽車產(chǎn)業(yè)體系的智能化步伐正在全方位加速

趙福全：在實(shí)體經(jīng)濟(jì)中，汽車是最具代表性的產(chǎn)業(yè)，其產(chǎn)業(yè)鏈條長、關(guān)聯(lián)領(lǐng)域廣、拉動效應(yīng)大，因此被譽(yù)為現(xiàn)代工業(yè)皇冠上的明珠。剛才我們談到傳統(tǒng)企業(yè)和新科技公司，擁有一百多年歷史的汽車產(chǎn)業(yè)無疑屬于傳統(tǒng)制造業(yè)；不過與此同時(shí)，汽車又是戰(zhàn)略性的新興產(chǎn)業(yè)。事實(shí)上，在制造業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程中，汽車產(chǎn)業(yè)是重中之重的載體和龍頭，這一點(diǎn)已逐漸成為行業(yè)內(nèi)外的共識。那么作為數(shù)字化方面的專家，您怎樣看汽車產(chǎn)業(yè)未來的發(fā)展呢？

安筱鵬：趙院長是汽車行業(yè)的長期從業(yè)者和大專家，我其實(shí)是外行，只能從外行的視角來看汽車產(chǎn)業(yè)。應(yīng)該說，汽車在現(xiàn)代工業(yè)體系中是一個(gè)不斷擁抱新技術(shù)、而且體量巨大的重要產(chǎn)業(yè)。據(jù)我觀察，當(dāng)前汽車產(chǎn)業(yè)的發(fā)展趨勢就是電動化和智能化，此前幾年主要是電動化，而現(xiàn)在及未來更多的是智能化。這里所說的智能化是一個(gè)多元化的大理念，包括大數(shù)據(jù)、人工智能、云計(jì)算等多種技術(shù)。我想，不妨從產(chǎn)業(yè)發(fā)展的風(fēng)向標(biāo)來看看。

第一個(gè)風(fēng)向標(biāo)是今年1月在美國拉斯維加斯舉行的CES（Consumer Electronics Show）即消費(fèi)電子展。我從2014年起多次參觀過CES展，感受到一個(gè)很大的變化，那就是這幾年展館里幾乎全都是各大汽車廠商以及汽車電子設(shè)備、芯片等廠商，讓人搞不清這到底是一個(gè)電子展，還是一個(gè)汽車展。后來與主辦方美國消費(fèi)電子協(xié)會交流時(shí)，他們自己也說，現(xiàn)在CES展的這個(gè)C已經(jīng)不是Consumer，而是Car了。也就是說，汽車已經(jīng)成為CES展的主角。而今年美國CES展的一個(gè)關(guān)鍵詞就是AI，具體就是指產(chǎn)品的智能化，或者說，智能化驅(qū)動產(chǎn)品力全面提升。

第二個(gè)風(fēng)向標(biāo)是今年4月在德國召開的漢諾威博覽會。大家知道，德國的工業(yè)4.0就是在十年前的漢諾威博覽會上提出的。而在今年的博覽會上，我與很多參會的朋友們都有一個(gè)共同的體會：數(shù)字技術(shù)尤其是人工智能技術(shù)，成為了不同企業(yè)、不同專家發(fā)言時(shí)最高頻的關(guān)鍵詞。同時(shí)我看到，在最重要的一個(gè)展館里，一邊是德國的寶馬、奔馳、西門子等傳統(tǒng)制造企業(yè)，另一邊是美國的谷歌、微軟、英偉達(dá)等IT企業(yè)。而這兩個(gè)國家的“新舊”兩類公司正緊密地結(jié)合起來，傳遞出共同的核心內(nèi)容，即數(shù)字化特別是人工智能帶來的變化。例如西門子在2023年GPT-4剛剛發(fā)布的時(shí)候，就與微軟合作，將其應(yīng)用到工業(yè)軟件中，優(yōu)化相關(guān)產(chǎn)品的迭代升級，包括產(chǎn)品全生命周期管理（PLM），也包括集中分散控制系統(tǒng)（PRC）等。又如，寶馬公司與英偉達(dá)深度合作，構(gòu)建了數(shù)字孿生工廠；而英偉達(dá)現(xiàn)在講自己的數(shù)字孿生、人工智能技術(shù)時(shí)，一定會講到寶馬的案例，將其作為數(shù)字技術(shù)深度應(yīng)用的樣板和方向。前面我們討論了數(shù)字技術(shù)應(yīng)用的兩個(gè)方向，即產(chǎn)品力和生產(chǎn)力?？雌饋?，美國科技公司更多看到的是產(chǎn)品力，而德國制造企業(yè)更多看到的是生產(chǎn)力，而這兩個(gè)方向目前都在發(fā)生革命性的變化。

從這兩個(gè)國際展會也即全球先進(jìn)技術(shù)的兩大風(fēng)向標(biāo)來看，今天全球都在深度探討人工智能技術(shù)的發(fā)展，尤其是整個(gè)汽車產(chǎn)業(yè)體系的智能化步伐正在全方位加速。當(dāng)然，汽車企業(yè)的高管和專家們主要講自動駕駛、智能座艙、智能制造等等，可能在他們看來，這更多屬于原有技術(shù)軌道上持續(xù)的迭代升級。不過由于現(xiàn)在人工智能出現(xiàn)了新一輪技術(shù)革命，原有的技術(shù)軌道疊加了具有全新能力的人工智能之后，其能力和水平將顯著提升，從而會創(chuàng)造出很多新的價(jià)值。如果用一句話來概括，那就是：原有的汽車智能化賽道正在新人工智能技術(shù)的賦能下不斷加速，并將由此催生出各種新技術(shù)、新模式、新業(yè)態(tài)。這就是我對汽車智能化未來發(fā)展的一個(gè)總體判斷。

趙福全：安博士剛剛說，我是汽車產(chǎn)業(yè)的從業(yè)者，而您是外行。其實(shí)現(xiàn)在早已經(jīng)是大汽車產(chǎn)業(yè)了，汽車要擁抱IT，IT也要擁抱汽車，特別是未來人工智能將賦能包括汽車在內(nèi)的各行各業(yè)。從這個(gè)角度來講，凡是從事與汽車產(chǎn)業(yè)、產(chǎn)品、技術(shù)等相關(guān)工作的同仁們，都是大汽車產(chǎn)業(yè)的一員。所以，您也不是外行。

在這種相互融合的大趨勢下，原本就高度復(fù)雜、涉及廣泛、集大成的汽車產(chǎn)業(yè)，邊界還在不斷擴(kuò)展，范疇還在持續(xù)擴(kuò)大。反過來講，與汽車相關(guān)的諸多行業(yè)、領(lǐng)域，如果不能充分考慮汽車產(chǎn)品和技術(shù)等的需求，不關(guān)注和參與汽車產(chǎn)業(yè)，恐怕就會錯(cuò)失自身轉(zhuǎn)型發(fā)展的戰(zhàn)略機(jī)遇，其價(jià)值和影響將大打折扣。就人工智能賦能制造業(yè)而言，汽車無疑是應(yīng)用最困難而價(jià)值又最高的產(chǎn)業(yè)，一旦解決了汽車行業(yè)的問題，也就解決了制造業(yè)百分之七八十的問題。

剛才安博士談到，您在參加不同的國際展覽會時(shí)切實(shí)感到，人工智能正賦能汽車產(chǎn)業(yè)加快創(chuàng)新發(fā)展。一方面是產(chǎn)品力的提升。說起來，汽車是非常復(fù)雜的產(chǎn)品系統(tǒng)。整車本身是產(chǎn)品，整車下面的各個(gè)關(guān)鍵總成是產(chǎn)品，總成下面的各個(gè)零部件也是產(chǎn)品，這些數(shù)量眾多的小產(chǎn)品共同構(gòu)成了整車這個(gè)大產(chǎn)品。而每一個(gè)總成乃至零部件，無論是空調(diào)還是顯示屏，都有獨(dú)立的功能，都可以在人工智能的賦能下更好地發(fā)揮作用，然后再集合起來，就可以讓汽車產(chǎn)品更安全、更節(jié)能、更環(huán)保、更便捷、更舒適，以及讓消費(fèi)者用車時(shí)更愉悅。也就是說，人工智能對汽車產(chǎn)品力的賦能是多層級的，其作用至關(guān)重要。

另一方面是創(chuàng)造汽車這種復(fù)雜工業(yè)品的能力本身得到大幅提升，您稱之為生產(chǎn)力，我更喜歡稱作創(chuàng)造力。毫無疑問，沒有好的創(chuàng)造力就不可能有好的產(chǎn)品力，創(chuàng)造力會提升產(chǎn)品力；反過來，產(chǎn)品力也會拉動創(chuàng)造力，二者之間是雞和蛋的關(guān)系。而人工智能提升創(chuàng)造力的作用同樣至關(guān)重要。正是得益于人工智能對產(chǎn)品力和創(chuàng)造力的雙賦能，汽車行業(yè)在數(shù)字化時(shí)代將迎來空前廣闊的發(fā)展空間。

數(shù)字化正在重新定義汽車企業(yè)的核心競爭力

趙福全：我之前曾經(jīng)講過，當(dāng)前汽車產(chǎn)業(yè)的情況可以概括為三句話。一是“聽起來很熱”，數(shù)字化和智能化的前景尤其讓人心潮澎湃，吸引了大量資本和科技公司不斷涌入；二是“看起來很亂”，數(shù)字化和智能化的核心技術(shù)及能力涉及到大大小小的各類不同企業(yè)，相關(guān)的業(yè)務(wù)既有芯片、先進(jìn)傳感器等新增硬件，更有各種軟件、操作系統(tǒng)以及復(fù)雜的軟件平臺等，很多不同層面的問題交織在一起，看起來非常亂；三是“做起來很難”，每一項(xiàng)核心技術(shù)都必須有效落地，同時(shí)還必須確保各項(xiàng)技術(shù)融合起來達(dá)到良好的效果，這其中涉及到資金投入、人力部署、知識產(chǎn)權(quán)、產(chǎn)品管理以及責(zé)任劃分等諸多難題。以責(zé)任劃分為例，原來汽車產(chǎn)品出現(xiàn)問題基本上都是因?yàn)橛布?，即使問題是嵌入硬件的軟件造成的，責(zé)任也是清晰的；而現(xiàn)在軟件所占的比重越來越大，并且軟件與硬件逐漸相互解耦，這時(shí)候如果出現(xiàn)問題，責(zé)任就變得模糊了。例如自動駕駛汽車的制動失靈導(dǎo)致發(fā)生碰撞事故，這可能是制動器硬件出現(xiàn)了故障，也可能是調(diào)用制動器的軟件出了問題，還可能是該軟件受到了其他軟件的影響，此時(shí)具體責(zé)任應(yīng)該怎樣判定以及如何處理，就需要全新的方法和規(guī)范了。可見，企業(yè)在數(shù)字化和智能化轉(zhuǎn)型的道路上，將面臨全新的挑戰(zhàn)。

上述情況之所以會出現(xiàn)，根本原因在于，汽車產(chǎn)業(yè)邊界正在不斷擴(kuò)展，汽車核心技術(shù)正變得日益多元。特別是汽車產(chǎn)業(yè)必須與大智能產(chǎn)業(yè)緊密地融合起來，要應(yīng)用數(shù)據(jù)技術(shù)、網(wǎng)聯(lián)技術(shù)、云技術(shù)、大模型等各種智能技術(shù)，還要解決芯片、操作系統(tǒng)等各類關(guān)鍵問題。這些技術(shù)都是汽車企業(yè)此前并不擁有的，今后也很難或者說不宜擁有，卻是ICT科技公司所擅長的。因此，汽車產(chǎn)業(yè)必將涌入新的重要參與者，形成新的競爭格局。這就讓汽車企業(yè)倍感糾結(jié)：究竟哪些核心技術(shù)應(yīng)該自己掌握，又有哪些核心技術(shù)只能借助外力？事實(shí)上，車企原本引以為豪的傳統(tǒng)汽車核心技術(shù)，如發(fā)動機(jī)、變速器等，其重要性已經(jīng)由于汽車電動化而大幅下降了；而智能化給汽車核心技術(shù)帶來的影響可能會更大。

在這種情況下，安博士，您覺得大智能產(chǎn)業(yè)與汽車產(chǎn)業(yè)之間的邊界應(yīng)該怎樣劃分？在數(shù)字化和智能化時(shí)代，汽車核心技術(shù)到底包括哪些？又應(yīng)該由哪類企業(yè)掌握呢？

安筱鵬：這是一個(gè)很大的話題，可以講的內(nèi)容非常多。

趙福全：您可以分享一下結(jié)論性的觀點(diǎn)。實(shí)際上，安博士對傳統(tǒng)汽車產(chǎn)業(yè)來說是局外人，而對新汽車產(chǎn)業(yè)來說又是局內(nèi)人，您有自己獨(dú)特的視角，這也是我邀請您來參加本期對話的原因。在產(chǎn)業(yè)變革之際，AI產(chǎn)業(yè)和汽車產(chǎn)業(yè)究竟怎樣分工才最合適？汽車產(chǎn)業(yè)應(yīng)該做多少？AI產(chǎn)業(yè)又該做多少？說起來，業(yè)界對此也不乏爭議。有一種說法是軟件將賦予汽車靈魂，因此ICT公司對汽車企業(yè)會構(gòu)成降維打擊，傳統(tǒng)汽車制造業(yè)已經(jīng)沒有多少發(fā)展空間了；另一種說法是汽車硬件始終是基礎(chǔ)，如果沒有汽車企業(yè)打造的底盤、車身以及制動、轉(zhuǎn)向等硬件，軟件何以依托？那豈不成了“孤魂野鬼”？您怎么看這些觀點(diǎn)？

安筱鵬：我先說一個(gè)結(jié)論——數(shù)字化或者說人工智能正在重新定義汽車企業(yè)的核心競爭力，不過這一定義是一個(gè)持續(xù)的過程，需要放在足夠長的時(shí)間尺度上來看。就近期而言，我們更應(yīng)該關(guān)注數(shù)字化在汽車產(chǎn)業(yè)各個(gè)細(xì)分領(lǐng)域應(yīng)用的情況。我認(rèn)為主要有幾個(gè)方面：一是自動駕駛，二是智能座艙，三是汽車制造體系。前兩個(gè)主要影響產(chǎn)品力，后一個(gè)關(guān)乎生產(chǎn)力，也就是您說的創(chuàng)造力。

這其中自動駕駛應(yīng)該是當(dāng)前業(yè)內(nèi)討論最多的，而以我從外部視角的觀察來看，AI正在引發(fā)自動駕駛技術(shù)路線的重大轉(zhuǎn)變。2023年9月，馬斯克曾經(jīng)在全球1200萬網(wǎng)民的關(guān)注下展示了特斯拉當(dāng)時(shí)最新的自動駕駛技術(shù)。我認(rèn)為，馬斯克從車?yán)镒叱鲋笳f的那句話非常關(guān)鍵。他說，我的工程師們從來沒有寫過任何一行代碼來讓車停在什么地方，但車總是停在它應(yīng)該停的地方。這句話表明AI大模型開始與自動駕駛關(guān)聯(lián)了，端到端的技術(shù)路線呼之欲出。

以前的自動駕駛技術(shù)路線，包括特斯拉的FSD 11版本的自駕系統(tǒng)，都是通過人工進(jìn)行海量數(shù)據(jù)標(biāo)注和編寫規(guī)則代碼的方式來開發(fā)的。比如，要讓汽車識別出紅燈后停下來，就要編寫這一規(guī)則的代碼，在各種場景下加起來可能會有幾十萬行。而今天基于大模型，可以把原來的感知、規(guī)劃、控制三個(gè)模型，統(tǒng)一到一個(gè)基于Transformer架構(gòu)的端到端模型中，然后只要提供足夠多的數(shù)據(jù)讓其自學(xué)習(xí)，到一定階段后模型就能學(xué)會什么時(shí)候停車、什么時(shí)候左轉(zhuǎn)或右轉(zhuǎn)等等。這樣自動駕駛技術(shù)的開發(fā)就大不相同了，可能只需要幾千行的代碼就可以了。

過去，開發(fā)自動駕駛系統(tǒng)需要很多工程師人工處理各種極端情況，即所謂的Corner Case，這既費(fèi)時(shí)費(fèi)力，又難以窮盡。而現(xiàn)在，基于Transformer架構(gòu)的端到端模型，完全可以用少得多的工程師獲得相似甚至更好的自動駕駛效果。所以，目前國內(nèi)外很多車企都在朝著這個(gè)方向努力，這無疑是大模型對汽車產(chǎn)業(yè)的一個(gè)重要影響。

由此我們不妨延伸一下來思考，AI大模型對于汽車產(chǎn)業(yè)及產(chǎn)品到底意味著什么？反過來，汽車產(chǎn)業(yè)及產(chǎn)品又會對AI大模型產(chǎn)生什么影響？現(xiàn)在基于新的Transformer技術(shù)路線，同時(shí)利用海量里程的車輛行駛數(shù)據(jù)，車企就可以實(shí)現(xiàn)效果相當(dāng)不錯(cuò)并且還能持續(xù)提升的自動駕駛，從而使其更接近于成為一種易被消費(fèi)者接受的商品。當(dāng)然，自動駕駛技術(shù)當(dāng)前的市場售價(jià)并不低。如果從技術(shù)經(jīng)濟(jì)學(xué)的角度來看，我們可以從中得出三個(gè)判斷。

第一，自動駕駛系統(tǒng)會改變汽車的定價(jià)邏輯和價(jià)格結(jié)構(gòu)。自動駕駛系統(tǒng)除了芯片、傳感器等基本硬件之外，主要價(jià)值體現(xiàn)在軟件上。那么，與傳統(tǒng)汽車的各種物理硬件相比，自動駕駛這套軟件系統(tǒng)應(yīng)該在一輛車的價(jià)格中占據(jù)多大比重呢？在自動駕駛系統(tǒng)的效果還不夠好時(shí)，這當(dāng)然不能很高；可是當(dāng)一套很有競爭力的自動駕駛系統(tǒng)搭載到車上時(shí)，我覺得完全可能會占到整車售價(jià)的1/5-1/4，甚至在低價(jià)車型中可以占到1/3。因?yàn)檫@相當(dāng)于為用戶提供了一個(gè)專職代駕，將使汽車產(chǎn)品的定價(jià)邏輯和價(jià)格結(jié)構(gòu)發(fā)生重大改變。

我們知道，軟件在經(jīng)濟(jì)學(xué)上的特點(diǎn)就是具有相對高的固定成本和非常低的邊際成本，其邊際成本甚至可以趨近于零。當(dāng)一套軟件開發(fā)出來之后，后續(xù)讓更多的用戶下載使用，企業(yè)并不需要付出什么額外的成本，比如微軟的操作系統(tǒng)就是如此。而汽車自動駕駛系統(tǒng)作為軟件，也符合同樣的經(jīng)濟(jì)學(xué)規(guī)律。

那么，自動駕駛系統(tǒng)的固定成本有多高呢？馬斯克說過，他要投資100億美元建設(shè)算力集群，因?yàn)殚_發(fā)端對端的自動駕駛系統(tǒng)不僅需要海量數(shù)據(jù)、大模型算法，還需要有強(qiáng)大的算力，只有把這三個(gè)要素集成起來，才能訓(xùn)練出效果極好的自動駕駛系統(tǒng)。顯然，這是需要大量資金投入的。我們就按100億美元來衡量，試問全球有多少家公司具備在這個(gè)賽道上競爭的實(shí)力？未來自動駕駛將越來越成為汽車產(chǎn)品競爭的焦點(diǎn)，而車企要想把自動駕駛做好，就必須在算力、數(shù)據(jù)和算法上加大投入，這意味著自動駕駛系統(tǒng)會有很高的固定成本。顯然，車企唯有給自動駕駛系統(tǒng)合理定價(jià)，并努力擴(kuò)大其使用規(guī)模，才有可能承受得起這樣的成本。

也就是說，對于軟件定義硬件的全新汽車產(chǎn)品來說，其定價(jià)邏輯一定會發(fā)生變化。越來越多的車企將采用“硬件部分不漲價(jià)、軟件部分不降價(jià)”的競爭策略，我判斷這是未來汽車產(chǎn)業(yè)的必然發(fā)展趨勢，并將由此引發(fā)產(chǎn)業(yè)格局的根本性改變。

第二，自動駕駛會影響汽車保險(xiǎn)行業(yè)。當(dāng)自動駕駛真正落地時(shí)，必須出臺很多新的保險(xiǎn)規(guī)則。比如一旦發(fā)生交通事故，車企要不要承擔(dān)責(zé)任，承擔(dān)多少責(zé)任？這需要有顆粒度很細(xì)的規(guī)則以及相關(guān)的數(shù)據(jù)來確定和判斷責(zé)任方。由此汽車保險(xiǎn)的定價(jià)方式將發(fā)生全方位改變，進(jìn)而可能會影響到整個(gè)保險(xiǎn)行業(yè)。

第三，自動駕駛會影響消費(fèi)者的購車心理和決策依據(jù)。當(dāng)高級別自動駕駛成為現(xiàn)實(shí)，汽車完全可以“招之即來、揮之即去”，屆時(shí)消費(fèi)者是繼續(xù)購買汽車產(chǎn)品，還是轉(zhuǎn)為購買汽車出行服務(wù)，這也是一個(gè)很大的問題。

總體而言，我認(rèn)為AI大模型對于自動駕駛的影響絕不僅僅局限于技術(shù)，而是會帶來一系列的連鎖反應(yīng)，最終將改變整個(gè)汽車產(chǎn)業(yè)。我覺得，這個(gè)例子很能說明AI如何重新定義汽車企業(yè)的核心競爭力。當(dāng)然，AI也非常需要像汽車這樣重要的大產(chǎn)業(yè)來擴(kuò)展其應(yīng)用價(jià)值。

趙福全：我非常認(rèn)同安博士的這段分享，這其實(shí)正是當(dāng)前汽車人既深感焦慮、又希望尋求突破的關(guān)鍵點(diǎn)。數(shù)字化和智能化將使汽車產(chǎn)業(yè)的內(nèi)涵外延、汽車企業(yè)的商業(yè)模式以及汽車產(chǎn)品的屬性定位等都發(fā)生革命性的改變。特別是，原來汽車產(chǎn)品是以硬件為主導(dǎo)的，車企對硬件的特點(diǎn)非常了解，只要不斷打磨和升級硬件就可以了；而今后汽車產(chǎn)品將越來越以軟件為主導(dǎo)，產(chǎn)品競爭力及價(jià)值也越來越指向軟件，這就需要車企轉(zhuǎn)變理念，努力加深對軟件的理解和掌握。

正如安博士談到的，今后汽車企業(yè)可以通過數(shù)字化手段不斷對產(chǎn)品進(jìn)行迭代優(yōu)化，這將成為未來汽車產(chǎn)業(yè)競爭的重點(diǎn)。在此情況下，硬件可以基本不變或少變，而通過軟件來實(shí)現(xiàn)產(chǎn)品持續(xù)改進(jìn)，不斷提升用戶的個(gè)性化體驗(yàn)。事實(shí)上，汽車業(yè)內(nèi)的同仁們應(yīng)該都能感受到，現(xiàn)在硬件已經(jīng)越來越同質(zhì)化了，車企要靠硬件來實(shí)現(xiàn)產(chǎn)品差異化越來越難了；相比之下，憑借軟件來實(shí)現(xiàn)產(chǎn)品差異化的空間卻越來越大。比如，特斯拉的車型換代速度很慢，但是通過不斷推出新軟件或升級軟件版本，用戶在原來的車型上一樣可以持續(xù)獲得新體驗(yàn)。這就是所謂的“常用常新、越用越好”，我認(rèn)為這個(gè)理念至關(guān)重要。

正因如此，很多汽車企業(yè)紛紛調(diào)整自身的定位，從原來的制造公司向出行科技公司、出行服務(wù)公司轉(zhuǎn)型。我覺得，這反映出這些企業(yè)的領(lǐng)軍人對汽車產(chǎn)業(yè)數(shù)字化和智能化的高度重視與深刻認(rèn)識，他們意識到汽車企業(yè)的核心競爭力正在被重新定義，為此企業(yè)必須調(diào)整經(jīng)營管理的理念、方向和模式。

未來車企應(yīng)自行掌握算法和數(shù)據(jù)，并利用好外部算力資源

趙福全：這就帶來了一個(gè)新問題——未來支撐出行科技公司、出行服務(wù)公司的核心能力是什么？現(xiàn)在的汽車企業(yè)要怎樣做才能轉(zhuǎn)型成功？您剛才舉了特斯拉自動駕駛系統(tǒng)的例子，強(qiáng)調(diào)這背后既有數(shù)據(jù)、又有算法、還有算力。作為人工智能的三大支撐要素，三者缺一不可，每一個(gè)都很重要。而目前掌握這三個(gè)要素的主體各不相同，總體而言，算力、算法基本掌握在大智能產(chǎn)業(yè)的科技公司手中，而數(shù)據(jù)則掌握在整車企業(yè)手中，因?yàn)橹苯用鎸τ脩舻倪€是車企。

在這種情況下，很多企業(yè)的高層都曾與我交流過一個(gè)核心問題：整車企業(yè)應(yīng)不應(yīng)該、又能不能夠自己擁有算力和算法呢？現(xiàn)在看來，特斯拉可能是將人工智能和汽車合二為一的唯一一家企業(yè)，它本身也自認(rèn)為是科技公司，而非汽車企業(yè)。那么，特斯拉是一個(gè)特殊的存在嗎？還是說這是未來汽車企業(yè)轉(zhuǎn)型的必然方向，像大眾、豐田這樣的全球頂級車企今后也要努力成為人工智能科技公司？

說到底，這還是未來整車企業(yè)應(yīng)該具備什么核心能力的問題。毫無疑問，自動駕駛技術(shù)逐漸投入產(chǎn)業(yè)化應(yīng)用，并且不斷進(jìn)化升級，一定離不開算力、算法等的支撐，這些AI技術(shù)當(dāng)然是大智能產(chǎn)業(yè)的強(qiáng)項(xiàng)；但是AI大模型必須用數(shù)據(jù)來訓(xùn)練，而數(shù)據(jù)掌握在整車企業(yè)手中。所以，大智能產(chǎn)業(yè)和汽車產(chǎn)業(yè)必須相互融合、緊密合作。不過這兩個(gè)產(chǎn)業(yè)之間總還是要有一個(gè)邊界吧，如果交集始終是灰色地帶恐怕行不通。具體來說，您覺得汽車企業(yè)應(yīng)該向人工智能的方向拓展多少？又應(yīng)該把重點(diǎn)放在哪里？假如說10年之后，人工智能將實(shí)現(xiàn)全面的重大突破，那么汽車企業(yè)現(xiàn)在要做哪些布局和儲備，屆時(shí)才足以擁抱更強(qiáng)大的人工智能呢？

目前的情況是，面向未來的汽車智能化競爭，汽車企業(yè)缺少AI技術(shù)；而像阿里這樣的ICT科技公司，也缺少汽車技術(shù)。這樣一來，是不是誰都無法與特斯拉抗衡了呢？說實(shí)話，我并不這樣認(rèn)為。我覺得，現(xiàn)在有點(diǎn)類似春秋戰(zhàn)國時(shí)期，各方八仙過海、各顯神通，但最終還是會有殊途同歸的一天。安博士，您怎樣看這個(gè)問題？這可能也是收看我們欄目的企業(yè)家們最關(guān)注的問題之一，其中既涉及未來發(fā)展的大方向，又涉及具體時(shí)間節(jié)點(diǎn)的判斷。

安筱鵬：我們不妨分析一下支撐智能產(chǎn)業(yè)生態(tài)系統(tǒng)的這幾個(gè)核心要素。第一個(gè)要素是算力。前面提到，馬斯克宣稱要投資100億美元來建設(shè)算力集群?？梢?，要構(gòu)建一個(gè)可以進(jìn)行自動駕駛大模型訓(xùn)練的智能算力集群，門檻是非常高的。可能國內(nèi)車企可以建立幾百、幾千GPU卡的算力集群，能夠支撐小模型的運(yùn)行，但面向未來自動駕駛大模型的算力需求，這是遠(yuǎn)遠(yuǎn)不夠的。所以，我覺得車企應(yīng)該與國內(nèi)的云計(jì)算公司合作，讓其提供算力服務(wù)，幫助車企進(jìn)行所需的模型訓(xùn)練。當(dāng)然，這個(gè)訓(xùn)練本身還是由汽車企業(yè)來做，云計(jì)算公司負(fù)責(zé)為車企提供高效、安全的算力基礎(chǔ)設(shè)施即可，這就是雙方的職責(zé)與分工。

需要注意的是，現(xiàn)在有一個(gè)認(rèn)知誤區(qū)。我們今天談大模型時(shí)經(jīng)常會提到萬卡算力集群，但是很多企業(yè)可能都低估了從百卡、千卡集群到萬卡集群的技術(shù)門檻。實(shí)際上，并不是簡單地把上萬張GPU卡堆積起來就是萬卡集群了，這其中還需要一套非常復(fù)雜的調(diào)度優(yōu)化系統(tǒng)，其技術(shù)門檻是很高的。也就是說，即便車企有足夠的資金，也未必有足夠的技術(shù)能力來構(gòu)建大模型算力。因此我的結(jié)論是：中國乃至全球最終能夠真正具備萬卡乃至超萬卡算力集群的公司，數(shù)量會非常有限。

當(dāng)然對于汽車產(chǎn)業(yè)的垂直模型來說，并不需要像大模型那么高的算力。不過車企訓(xùn)練自動駕駛系統(tǒng)的算力需求，肯定會越來越高，這部分算力完全可以由云計(jì)算公司來提供。而且既然車企有這樣的商業(yè)訴求，那么云計(jì)算公司就會做好相關(guān)的服務(wù)。例如，阿里目前就在和小鵬汽車合作，為其提供自動駕駛模型訓(xùn)練的云解決方案。我相信，未來這類需求的規(guī)模會更大。

第二、第三個(gè)要素是算法和數(shù)據(jù)。對于汽車企業(yè)來說，自動駕駛的算法是其核心競爭力，數(shù)據(jù)也是其核心競爭力。而這兩個(gè)要素還會相互影響，形成一個(gè)不斷迭代和演進(jìn)的過程。例如，現(xiàn)有的自動駕駛系統(tǒng)不斷采集到新數(shù)據(jù)，再用這些數(shù)據(jù)進(jìn)行訓(xùn)練，持續(xù)迭代改進(jìn)算法，然后演進(jìn)出下一個(gè)版本的自動駕駛系統(tǒng)。今后這種技術(shù)發(fā)展模式將越來越成為一種常態(tài)，并且這也是汽車企業(yè)和自動駕駛公司在激烈的市場競爭中必須做好的一項(xiàng)工作。

所以我認(rèn)為，從較長的周期來看，大智能產(chǎn)業(yè)與汽車產(chǎn)業(yè)之間可行的分工方式是：汽車企業(yè)在算法和數(shù)據(jù)方面“以我為主”，而算力則由云計(jì)算公司提供。或許部分汽車企業(yè)也會自己構(gòu)建較小的算力集群，但同時(shí)其更多的算力需求還是要依靠大型的云計(jì)算公司滿足。畢竟算力集群的資金和技術(shù)門檻都非常高，而且相關(guān)核心技術(shù)又變化得非?？?。

當(dāng)然，特斯拉可能確實(shí)比較特殊，因?yàn)槠鋭?chuàng)始人馬斯克出身于IT領(lǐng)域，之后才去做汽車企業(yè)，2023年他又成立了一家人工智能公司。也就是說，馬斯克麾下既有汽車、也有人工智能的技術(shù)和人才等資源。從這個(gè)角度看，特斯拉有點(diǎn)像是一家縱向一體化整合的獨(dú)特企業(yè)。

中國車企要通過構(gòu)建并用好汽車產(chǎn)業(yè)生態(tài)來贏得優(yōu)勢

趙福全：應(yīng)該說，這樣的分工是清晰的。同時(shí)，您也認(rèn)為特斯拉有其獨(dú)特性，不具有普適的參考價(jià)值。而我們都知道，在產(chǎn)業(yè)轉(zhuǎn)型期，顛覆者往往都是那些“另類”的企業(yè)，那么特斯拉會不會成為顛覆者？進(jìn)而導(dǎo)致很多汽車企業(yè)尤其是傳統(tǒng)車企，失去向人工智能方向成功轉(zhuǎn)型的機(jī)會呢？剛才安博士談到了美國的大模型已經(jīng)基本形成了相對穩(wěn)定的“3+1+1”競爭格局，而特斯拉就位列其中，這不能不說是其重要優(yōu)勢。

當(dāng)然反過來看，特斯拉既在算法和數(shù)據(jù)上有深厚的積累，又有自己強(qiáng)大的算力，這會不會造成自我封閉呢？也就是說，將來特斯拉的大模型很可能沒有其他車企使用，從而影響其迭代優(yōu)化的速度。從企業(yè)戰(zhàn)略的角度看，我認(rèn)為這其實(shí)涉及到要不要垂直整合的重大問題。就短期來說，垂直整合可以助力企業(yè)提升速度、降低成本，因此是有利的，甚至企業(yè)可能因此搶先抓住轉(zhuǎn)型機(jī)遇而贏得眼前的優(yōu)勢；但長期而言，垂直整合就不一定是合適的商業(yè)模式了，否則當(dāng)年通用也就不必把德爾福拆分出去了。我覺得，這個(gè)問題值得我們進(jìn)行更深層次的思考。

問題的關(guān)鍵在于，未來企業(yè)的核心競爭力究竟是什么？而要獲得這種競爭力，企業(yè)采取怎樣的策略才是最佳選擇？應(yīng)該說，剛剛安博士的分享讓汽車企業(yè)安心不少。因?yàn)槟J(rèn)為，車企自己掌握數(shù)據(jù)和算法，同時(shí)使用外部的算力資源即可，并不是一定要把三個(gè)要素都抓在自己手里。我們不妨再具體看看：算力可以依靠合作伙伴即云計(jì)算公司來提供。數(shù)據(jù)本來就是由車企掌握的，正如我一直講的，誰擁有汽車品牌，誰直接面對用戶，誰就擁有相關(guān)數(shù)據(jù)。當(dāng)然如果車企不能把數(shù)據(jù)真正用起來，轉(zhuǎn)變?yōu)樽陨淼暮诵母偁幜?，那就會逐漸失去用戶、直至品牌不復(fù)存在，最終也就無法再獲得數(shù)據(jù)了。而數(shù)據(jù)的充分利用有賴于算法，所以，車企必須在自動駕駛、智能座艙等的算法上形成能力。獲得這些能力當(dāng)然也可以借助一些外力，但絕對不是簡單的“拿來主義”。

安博士，算法的背后其實(shí)就是模型。我們前面交流過，未來各個(gè)產(chǎn)業(yè)的專業(yè)模型都必須構(gòu)建在大模型之上，才能實(shí)現(xiàn)能力的躍升。顯然，自動駕駛的專業(yè)模型也不可能脫離大模型的支撐，這就需要車企與開發(fā)構(gòu)建基礎(chǔ)大模型的公司加強(qiáng)合作。在這種情況下，面對特斯拉這樣既有專業(yè)模型、又有基礎(chǔ)大模型的競爭對手，中國車企應(yīng)該怎樣與其競爭呢？請您為大家指點(diǎn)迷津。

安筱鵬：這確實(shí)是一個(gè)業(yè)界高度關(guān)注的問題。前面提到，馬斯克成立了一家大模型公司，叫做xAI。這是特斯拉之外，馬斯克的又一家公司。同時(shí)，特斯拉本身也有自己的AI部門?？梢哉f，在人工智能方面，馬斯克麾下的團(tuán)隊(duì)是有著很強(qiáng)的實(shí)力的。

不過從大模型的角度來看，自動駕駛大模型與大語言模型的核心并不完全相同，雖然自動駕駛大模型也是基于Transformer基礎(chǔ)架構(gòu)的，但其參數(shù)要求沒有大語言模型那么高。所以，國內(nèi)車企應(yīng)該也有可能形成部分這樣的能力，即基于Transformer架構(gòu)做出自己的自動駕駛大模型。目前國內(nèi)車企特別是造車新勢力，在這方面已經(jīng)做了一定的布局，而且發(fā)展速度都還比較快。

在全球范圍內(nèi)，中國車企包括傳統(tǒng)車企和造車新勢力，可能還是對特斯拉跟得最緊的。目前已經(jīng)有不少車企宣布，正在基于Transformer架構(gòu)構(gòu)建自己的端到端自動駕駛解決方案。所以，全球自動駕駛的第一梯隊(duì)仍然是以美國和中國的企業(yè)為主，二者之間的差距有時(shí)候大一些，有時(shí)候小一些，各自都在不斷迭代和進(jìn)步中。

我認(rèn)為，過去六七年甚至更長的時(shí)間里，國內(nèi)車企特別是造車新勢力一直在智能化的賽道上不懈努力，到如今在組織、管理和人才等方面都已經(jīng)有了很多積累，同時(shí)也形成了對新技術(shù)的洞察能力。盡管在前進(jìn)的道路上仍然會有嚴(yán)峻挑戰(zhàn)，但目前來看，我感覺中國汽車企業(yè)是有信心也有能力追上特斯拉的。

趙福全：特斯拉確實(shí)是一個(gè)特例，這家公司作為整車制造商，在數(shù)據(jù)上是有優(yōu)勢的；同時(shí)一直以自動駕駛作為核心競爭力，在算法上已經(jīng)做了很大的投入，也取得了不小的成果；而在算力以及AI大模型方面，又可以獲得新成立的人工智能公司的助力。雖然特斯拉和xAI并不是一家公司，但同屬于馬斯克，肯定會“左手幫右手”，這樣形成的合力絕對不可小覷。不過就像安博士談到的，盡管中國車企要成為特斯拉這樣的公司可能不太現(xiàn)實(shí)，但這并不意味著未來我們就沒有趕超的機(jī)會了。至于具體行動，我認(rèn)為主要有以下三點(diǎn)：

第一，車企一定要掌握數(shù)據(jù)和算法，并且要通過算法，讓數(shù)據(jù)真正發(fā)揮作用。為此，應(yīng)該在自身更擅長的專業(yè)模型上下足功夫。在此過程中，也可以借助外力，但是核心工作必須由車企主導(dǎo)。如果想要引領(lǐng)未來的產(chǎn)業(yè)發(fā)展，不充分挖掘數(shù)據(jù)和算法潛力的車企是沒有機(jī)會的。

第二，對于自動駕駛技術(shù)，車企沒有必要自建大模型，但是不自建不代表不需要，而是可以借助外部更專業(yè)的力量。為此，車企要選擇國內(nèi)頂級的大模型公司建立真正的戰(zhàn)略合作伙伴關(guān)系，互相賦能。即由合作伙伴提供車企所需的大模型，而車企的著力點(diǎn)應(yīng)該放在大模型支撐下的專業(yè)模型上。這樣就能把車企的數(shù)據(jù)和專業(yè)模型算法，與合作伙伴的算力和大模型算法結(jié)合起來，共同驅(qū)動自動駕駛技術(shù)的快速發(fā)展。在這方面，中國車企甚至還可以利用國家的算力資源，這可能也是中國體制優(yōu)勢的一個(gè)表現(xiàn)。

第三，汽車及相關(guān)企業(yè)還要攜手努力，共同構(gòu)建開放性的全新汽車產(chǎn)業(yè)大生態(tài)，并充分發(fā)揮其作用。汽車原本就是由上萬個(gè)零部件組成的復(fù)雜工業(yè)品，未來還要加上成千上萬套軟件，最終汽車軟硬件將共同構(gòu)成了一個(gè)可移動的AI機(jī)器人。這樣的AI機(jī)器人涉及到諸多領(lǐng)域各不相同的核心技術(shù)，沒有任何一家乃至一類企業(yè)能夠擁有全部這些核心技術(shù)。因此，所有企業(yè)都必須借助汽車產(chǎn)業(yè)大生態(tài)來獲取自己不具備的技術(shù)及能力等資源。整車企業(yè)也不例外，既不可能也不需要自己“包打天下”，只要扮演好集大成的角色即可。

實(shí)際上，奉行開放理念和模式的汽車企業(yè)，相對于特斯拉這種獨(dú)自掌握了很多核心資源、可能會相對封閉的公司來說，說不定還會具有某種優(yōu)勢。當(dāng)然具體能否形成這種優(yōu)勢，還要看企業(yè)有沒有極強(qiáng)的集成能力，同時(shí)有沒有找準(zhǔn)專業(yè)化的生態(tài)伙伴，并以創(chuàng)新性的商業(yè)模式來實(shí)現(xiàn)有效分工和共同發(fā)展。我始終認(rèn)為，專業(yè)化分工的協(xié)同創(chuàng)新生態(tài)是未來企業(yè)取得成功的最重要支撐。而這樣的生態(tài)一定是開放性的，因?yàn)榉忾]性的生態(tài)難以成長和進(jìn)化，即使原本體量很大、實(shí)力很強(qiáng)，也會逐漸落后和退化。從這個(gè)角度來看，中國車企其實(shí)有很好的發(fā)展前景，完全有機(jī)會在未來汽車產(chǎn)業(yè)生態(tài)的全球競爭中占據(jù)制高點(diǎn)。

數(shù)字化轉(zhuǎn)型要解決全局優(yōu)化需求與碎片化供給之間的矛盾

趙福全：安博士，前面主要交流了產(chǎn)品力，下一個(gè)話題咱們談?wù)剟?chuàng)造力或者說生產(chǎn)力。2023年汽車工程學(xué)會專門成立了數(shù)字化與智能制造工作委員會，我作為牽頭人受邀出任主任委員，您也在其中擔(dān)任副主任委員。我們成立這個(gè)專委會的主要目的，就是要推動數(shù)字化更好地賦能汽車企業(yè)系統(tǒng)性的產(chǎn)品創(chuàng)造力。

實(shí)際上，產(chǎn)品創(chuàng)造力絕不僅僅是研發(fā)的事情，而是涵蓋了企業(yè)研產(chǎn)供銷服管等各個(gè)環(huán)節(jié)，并且每個(gè)環(huán)節(jié)還要相互打通，最終形成企業(yè)產(chǎn)品創(chuàng)造的綜合能力。更進(jìn)一步來說，這也不僅僅是整車企業(yè)內(nèi)部的事情，還需要與外部的各類供應(yīng)商等合作伙伴緊密協(xié)作。比如，研發(fā)環(huán)節(jié)不能只靠整車企業(yè)，相關(guān)供應(yīng)商也必須參與進(jìn)來，特別是一些科技公司的作用不可或缺；生產(chǎn)環(huán)節(jié)，整車企業(yè)其實(shí)只負(fù)責(zé)集成和組裝，絕大部分零部件都是由供應(yīng)商提供的；采購環(huán)節(jié)也有巨大變化，因?yàn)楝F(xiàn)在的汽車供應(yīng)鏈不僅包括硬件，還包括各種軟件，對此整車企業(yè)必須以不同的方式進(jìn)行有效管理；最后，服務(wù)體系就更復(fù)雜了，未來汽車產(chǎn)品與外部各種服務(wù)都需要基于數(shù)據(jù)全面連接和打通。由此，企業(yè)才能形成研產(chǎn)供銷服一體化的綜合能力，也即智能制造體系的產(chǎn)品創(chuàng)造力。

我認(rèn)為，與產(chǎn)品力相比，數(shù)字化對創(chuàng)造力的賦能，意義更加深遠(yuǎn)。而像汽車這樣高度復(fù)雜、新舊融合的大產(chǎn)業(yè)，正是數(shù)字化賦能創(chuàng)造力的最佳載體和平臺。反過來說，人工智能助力汽車產(chǎn)業(yè)實(shí)現(xiàn)更高水平的資源優(yōu)化配置，將是其最重要的應(yīng)用場景之一。當(dāng)然，企業(yè)要成功獲得數(shù)字化的賦能絕非易事，必須面對種種挑戰(zhàn)。那么在您看來，當(dāng)前汽車產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的卡點(diǎn)究竟在哪里？汽車企業(yè)到底應(yīng)該怎樣推進(jìn)數(shù)字化轉(zhuǎn)型呢？

安筱鵬：趙院長提的這個(gè)問題，我覺得從廣義上講，是數(shù)字化轉(zhuǎn)型中最重要的問題，我將其定義為基本矛盾。何謂基本矛盾？簡單地說，就是矛盾背后的矛盾、問題背后的問題。我們上學(xué)時(shí)都學(xué)過，我國社會主要矛盾是人民日益增長的物質(zhì)文化需要和落后的社會生產(chǎn)之間的矛盾；而十九大報(bào)告指出：我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾。這個(gè)表述中的“不平衡不充分的發(fā)展”，就指向了生產(chǎn)力有待進(jìn)一步提高的基本矛盾。

那么，今天數(shù)字化轉(zhuǎn)型的基本矛盾是什么呢？我此前講過一個(gè)觀點(diǎn)，數(shù)字化轉(zhuǎn)型的基本矛盾就是企業(yè)全局優(yōu)化的需求和碎片化的供給之間的矛盾。剛才趙院長談到，企業(yè)必須基于數(shù)字化手段，打通產(chǎn)品研發(fā)、生產(chǎn)、采購、銷售和服務(wù)等各個(gè)環(huán)節(jié)，實(shí)現(xiàn)各種資源的全局優(yōu)化配置。因?yàn)樵谑袌鲂枨蟀l(fā)生巨變之際，企業(yè)只有這樣做，才能有效組織內(nèi)外部資源，對用戶快速變化的需求做出實(shí)時(shí)、精準(zhǔn)的響應(yīng)。所以，這種全局優(yōu)化是企業(yè)提升核心競爭力的迫切需求，也是數(shù)字化或者說智能化的價(jià)值所在。

然而目前各項(xiàng)業(yè)務(wù)的信息化系統(tǒng)基本都是相互孤立的，很難確保將正確的數(shù)據(jù)，在正確的時(shí)間，以正確的方式，傳遞給正確的人。也就是說，當(dāng)前的根本問題在于，掌握數(shù)字技術(shù)的供應(yīng)商們給汽車企業(yè)提供的解決方案都是碎片化的。例如在同一家車企，可能是A公司做了一套CRM客戶關(guān)系管理系統(tǒng)，B公司做了一套ERP企業(yè)資源管理系統(tǒng)，C公司又做了一套PRM項(xiàng)目管理系統(tǒng)，此外還有D公司做了一套人力資源管理系統(tǒng)。這些軟件公司的產(chǎn)品大多由來已久，當(dāng)年是為了解決某個(gè)局部問題而誕生的，本來就沒有考慮過解決數(shù)字化轉(zhuǎn)型的全局問題。當(dāng)然，即便想要解決全局問題，也很難做得到。試問，我們怎么能指望一家軟件公司把汽車企業(yè)的所有問題都解決了呢？所以，當(dāng)我們以更長的視角審視就會發(fā)現(xiàn)，在過去二三十年里，企業(yè)數(shù)字化轉(zhuǎn)型面臨的一個(gè)最主要的問題就是供給與需求脫節(jié)，這也是當(dāng)前很多問題背后的根本原因。

那么，這個(gè)問題應(yīng)該怎樣解決呢？我認(rèn)為，這需要供給側(cè)與需求側(cè)聯(lián)動。最近我觀察到，很多行業(yè)的領(lǐng)頭羊企業(yè)，在躋身全球第一梯隊(duì)，不得不走進(jìn)創(chuàng)新發(fā)展的“無人區(qū)”時(shí)，都做出了一個(gè)共同的選擇，那就是“以我為主”去探索全新的數(shù)字化技術(shù)架構(gòu)和解決方案。像ERP、CRM等系統(tǒng)，現(xiàn)在已經(jīng)不是乙方提供給甲方什么，甲方就用什么了。很多甲方都是自己來主導(dǎo)技術(shù)架構(gòu)及解決方案的設(shè)計(jì)，然后讓乙方按照自己的想法來執(zhí)行。這些方案也往往不再是傳統(tǒng)的線下部署，而是開始轉(zhuǎn)向云端來重新構(gòu)建。就是說，這已經(jīng)不再是部署單一的某套硬件設(shè)備及軟件系統(tǒng)，而是整體性地遷移企業(yè)的數(shù)字基礎(chǔ)設(shè)施體系了。也只有這樣，才能從根本上滿足企業(yè)全局優(yōu)化的需求。對于企業(yè)而言，進(jìn)行這樣前所未有的創(chuàng)新嘗試肯定會遇到諸多挑戰(zhàn)，其領(lǐng)軍人也要承擔(dān)很大的風(fēng)險(xiǎn)和責(zé)任，但是企業(yè)要想成為引領(lǐng)全球的領(lǐng)導(dǎo)者，成功應(yīng)對快速變化的市場環(huán)境，就必須在數(shù)字化轉(zhuǎn)型的全新領(lǐng)域勇敢探索。這是我的一個(gè)判斷，現(xiàn)在看來也越來越受到企業(yè)的認(rèn)同。

在這樣的全新布局下，數(shù)字化才能真正對汽車產(chǎn)業(yè)產(chǎn)生全局性的影響。舉個(gè)例子，隨著市場需求的變化越來越快，汽車企業(yè)都非常希望能夠縮短產(chǎn)品研發(fā)周期。目前汽車產(chǎn)品的研發(fā)周期已經(jīng)從以前的三四年，逐步壓縮到了現(xiàn)在的24個(gè)月、18個(gè)月、甚至更短。然而像汽車這樣集大成的復(fù)雜工業(yè)品，要在確保質(zhì)量的前提下不斷縮短研發(fā)周期，像IT產(chǎn)品一樣快速迭代，談何容易？這就需要企業(yè)在產(chǎn)品研發(fā)、生產(chǎn)以及供應(yīng)鏈等每一個(gè)環(huán)節(jié)，都形成更強(qiáng)的組織和協(xié)調(diào)能力，并且充分打通各個(gè)環(huán)節(jié)，以進(jìn)行全局性的整體優(yōu)化。顯然，企業(yè)如果不進(jìn)行系統(tǒng)性的數(shù)字化轉(zhuǎn)型，是無法實(shí)現(xiàn)上述目標(biāo)的。

趙福全：剛剛我問的其實(shí)是數(shù)字化轉(zhuǎn)型中最難也最關(guān)鍵的問題之一，而安博士的回答非常到位。您分享了一個(gè)非常重要的觀點(diǎn)，當(dāng)制造業(yè)擁抱AI技術(shù)、實(shí)施數(shù)字化轉(zhuǎn)型的時(shí)候，既有單個(gè)領(lǐng)域如何突破的局部挑戰(zhàn)，更有多個(gè)領(lǐng)域如何協(xié)同的全局挑戰(zhàn)。

從供給側(cè)看，在ANI時(shí)代，解決單個(gè)問題的軟件系統(tǒng)及專業(yè)能力，已經(jīng)有了很深的積累，但是這種能力并不能滿足AGI時(shí)代汽車企業(yè)進(jìn)行全局優(yōu)化的需求，也不足以支撐汽車企業(yè)主導(dǎo)下全新數(shù)字化解決方案的實(shí)施。也就是說，沿著原有的方向發(fā)展，數(shù)字化已經(jīng)遇到了瓶頸。再從需求側(cè)看，為了快速響應(yīng)市場變化，根據(jù)用戶需求來打造產(chǎn)品，汽車企業(yè)既需要在產(chǎn)品研產(chǎn)供銷服的各個(gè)環(huán)節(jié)都實(shí)現(xiàn)數(shù)字化，更需要打通所有這些環(huán)節(jié)，讓各方的資源和力量都能有效協(xié)同，這就是一個(gè)系統(tǒng)性的問題了。比如說，研發(fā)部門做到了根據(jù)用戶數(shù)據(jù)來定義和開發(fā)產(chǎn)品，但是生產(chǎn)不能按此靈活調(diào)整；或者生產(chǎn)實(shí)現(xiàn)了智能化定制，但是供應(yīng)商包括物流、倉儲等卻跟不上，這無疑都是不行的。如果說過去數(shù)字化主要致力于也只能解決某個(gè)環(huán)節(jié)的問題，那么今后隨著數(shù)字技術(shù)特別是AI技術(shù)的進(jìn)步，數(shù)字化必須解決的主要問題就是打通各個(gè)環(huán)節(jié)，確保各參與方始終站在同一條進(jìn)度線上來打造產(chǎn)品。

正如安博士指出的，當(dāng)前通過數(shù)字化提升創(chuàng)造力的重點(diǎn)方向，更應(yīng)該聚焦于各個(gè)環(huán)節(jié)的充分打通和有效協(xié)同上。與之相比，各環(huán)節(jié)自身的數(shù)字化能力提升可能反倒沒有那么緊迫，甚至可以說是“小巫見大巫”了。假如企業(yè)認(rèn)為研發(fā)重要而忽視了生產(chǎn)，又或者覺得生產(chǎn)重要而忽視了供應(yīng)，那其數(shù)字化轉(zhuǎn)型肯定無法獲得良好的結(jié)果。這意味著企業(yè)既要做到每個(gè)環(huán)節(jié)和領(lǐng)域的專業(yè)化，更要做到所有環(huán)節(jié)和領(lǐng)域的協(xié)同化。而實(shí)現(xiàn)這種專業(yè)化分工基礎(chǔ)上的多主體協(xié)同創(chuàng)新，就是今后汽車企業(yè)最重要的目標(biāo)。

我想強(qiáng)調(diào)的是，多主體協(xié)同創(chuàng)新不僅需要數(shù)字化和智能化的技術(shù)手段，更需要改變企業(yè)內(nèi)部的組織管理和外部的商業(yè)模式，也就是讓生產(chǎn)關(guān)系匹配生產(chǎn)力，才能真正得以實(shí)現(xiàn)。以汽車產(chǎn)品開發(fā)為例，原來主要涉及的就是技術(shù)問題，可以由研發(fā)負(fù)責(zé)人來掌管；而現(xiàn)在涉及的遠(yuǎn)遠(yuǎn)不只是技術(shù)問題，研發(fā)負(fù)責(zé)人的權(quán)限就不夠了，應(yīng)該由整車企業(yè)的CEO或者擁有類似權(quán)限的領(lǐng)導(dǎo)來負(fù)責(zé)才行。比如，在新形勢下研產(chǎn)供銷服各部門需要更緊密的有效協(xié)同，才能快速、精準(zhǔn)地打造產(chǎn)品，而研發(fā)負(fù)責(zé)人是很難調(diào)配其他部門資源的；再如，一些核心軟硬件技術(shù)來自于外部供應(yīng)商，必須合理選擇并與之建立長期的戰(zhàn)略伙伴關(guān)系，而這樣的決策顯然也不是研發(fā)負(fù)責(zé)人能做的。所以我認(rèn)為，新時(shí)期只有像CEO這樣的角色，才能有效統(tǒng)括全局，推進(jìn)汽車產(chǎn)品的打造。同樣的道理，如我前面提到的，數(shù)字化轉(zhuǎn)型首先是領(lǐng)導(dǎo)力的轉(zhuǎn)型。只有董事長、CEO轉(zhuǎn)變了理念和認(rèn)知，企業(yè)的數(shù)字化轉(zhuǎn)型才能做到位；而眾多企業(yè)的董事長、CEO們都轉(zhuǎn)變了理念和認(rèn)知，整個(gè)行業(yè)的數(shù)字化轉(zhuǎn)型才能做到位。

安筱鵬：趙院長，我再補(bǔ)充一點(diǎn)。我們之前做過一個(gè)研究，結(jié)果發(fā)現(xiàn)：企業(yè)的數(shù)字化投入如果是一條向上的斜線，那么其收益并不是一條同樣向上的斜線，而是一條指數(shù)曲線，開始時(shí)緩慢向上，一旦經(jīng)過了某個(gè)拐點(diǎn)之后，就會呈現(xiàn)出快速增長的態(tài)勢。

仔細(xì)分析來看，這個(gè)結(jié)論其實(shí)是有道理的。在剛開始數(shù)字化轉(zhuǎn)型時(shí)，企業(yè)要進(jìn)行很多單項(xiàng)的投入，例如購買相關(guān)的硬件設(shè)備和軟件系統(tǒng)，逐漸完成各個(gè)業(yè)務(wù)板塊的數(shù)字化基礎(chǔ)設(shè)施布局。該階段的投入是很大的，但效果只來自于單一領(lǐng)域的特定應(yīng)用，就是前面說的研發(fā)、生產(chǎn)或供應(yīng)鏈中的某個(gè)環(huán)節(jié)，因此企業(yè)的收益有限。之后企業(yè)開始把各個(gè)領(lǐng)域的應(yīng)用都集成起來，包括企業(yè)內(nèi)部資源的集成以及與外部供應(yīng)商、銷售商、服務(wù)商等資源的集成，最后構(gòu)建形成一個(gè)創(chuàng)新生態(tài)。到了那個(gè)時(shí)候，數(shù)字化轉(zhuǎn)型才能真正產(chǎn)生全局優(yōu)化的效果，企業(yè)的收益也才會隨之呈現(xiàn)出指數(shù)級的增長。

趙福全：這樣的研究結(jié)論正好可以支撐我們的觀點(diǎn)。就像剛剛談到的，目前數(shù)字化轉(zhuǎn)型的主要問題就是要把各個(gè)環(huán)節(jié)和領(lǐng)域打通，這樣當(dāng)數(shù)字化的投入積累到一定程度后，才能實(shí)現(xiàn)1+1>2的協(xié)同效果。所謂“打通”不只包括企業(yè)內(nèi)部的組織和管理優(yōu)化，還包括企業(yè)與外部各類伙伴的分工協(xié)作與資源整合，最終各方將形成一個(gè)命運(yùn)共同體，也即一個(gè)多主體協(xié)同創(chuàng)新的產(chǎn)業(yè)生態(tài)。在這個(gè)生態(tài)中，任何環(huán)節(jié)和領(lǐng)域都不能有缺位或不足。如果說互聯(lián)網(wǎng)產(chǎn)業(yè)的規(guī)律是長板效應(yīng)，互聯(lián)網(wǎng)公司可以憑借某個(gè)單點(diǎn)上的優(yōu)勢脫穎而出，那么我認(rèn)為當(dāng)數(shù)字化和智能化進(jìn)入制造業(yè)的時(shí)候，其規(guī)律就變成了短板效應(yīng)。因?yàn)橹圃鞓I(yè)更強(qiáng)調(diào)集成，只有單點(diǎn)優(yōu)勢并不足以提升企業(yè)的綜合實(shí)力，相反，任何單點(diǎn)存在短板都會拖累企業(yè)整體的表現(xiàn)和收益。

人工智能時(shí)代的人才必須具備創(chuàng)造力、想象力和批判性思維

趙福全：接下來進(jìn)入下一個(gè)話題。數(shù)字化轉(zhuǎn)型要解決諸多難題，但歸根結(jié)底還是要解決人的問題。而人的問題不僅涉及到企業(yè)高層領(lǐng)導(dǎo)力的轉(zhuǎn)型，還涉及到全體員工思維方式、基礎(chǔ)能力和知識架構(gòu)等的轉(zhuǎn)變。對于原本偏向機(jī)械硬件的汽車產(chǎn)業(yè)來說，企業(yè)在數(shù)字化轉(zhuǎn)型的過程中，必須有針對性地調(diào)整內(nèi)部人才結(jié)構(gòu)，更多地加強(qiáng)智能化及軟件等方面的人才。

這實(shí)際上又涉及到了整個(gè)產(chǎn)業(yè)人才培育的大問題。現(xiàn)在高校既有的學(xué)生培養(yǎng)體系也面臨很多爭議，比如未來主導(dǎo)汽車產(chǎn)業(yè)發(fā)展的人才到底是繼續(xù)來自汽車專業(yè)，還是會來自人工智能等相關(guān)專業(yè)？是讓汽車專業(yè)的學(xué)生學(xué)一些人工智能的課程，還是讓人工智能專業(yè)的學(xué)生學(xué)一些汽車的課程？面向未來的迫切需要，高校應(yīng)該怎樣培養(yǎng)跨界的新型復(fù)合型人才？當(dāng)然，無論高校培養(yǎng)體系的改革進(jìn)展如何，企業(yè)自己都要基于現(xiàn)有情況，盡最大努力解決好人的問題。那么安博士，您怎么看這個(gè)問題？

安筱鵬：這也是一個(gè)非常大的話題。我想從兩個(gè)方面談?wù)勛约旱睦斫猓菏紫葟恼麄€(gè)社會的角度來看，未來5-10年，隨著人工智能更加普及，我們需要什么樣的人才；相應(yīng)的，教育理念和方法需要怎樣調(diào)整。然后回到汽車產(chǎn)業(yè)，審視一下具體的人才需求和組織調(diào)整等問題。

總體而言，當(dāng)人工智能全面到來的時(shí)候，我認(rèn)為教育將是全世界、全社會受到最大挑戰(zhàn)的行業(yè)之一。因?yàn)橛辛巳斯ぶ悄?，人類就不需要再像以前那樣死記硬背很多知識或者勤學(xué)苦練很多技能了。比如當(dāng)你在工廠工作時(shí)，會有一個(gè)數(shù)字人和你一起配合，它是一個(gè)由通用人工智能賦能的超級學(xué)霸，這個(gè)學(xué)霸可不是市里或省里的狀元那么簡單，而是幾乎學(xué)習(xí)了地球上所有的知識，試想這樣的數(shù)字人會給你多大的幫助！當(dāng)然，由此也帶來了一個(gè)問題——未來5-10年或者更長的時(shí)間之后，制造工廠、律師事務(wù)所、醫(yī)院以及行政單位等等，究竟需要什么樣的人才？對此很多團(tuán)隊(duì)都展開過深入的研究，綜合來看，能夠適應(yīng)人工智能時(shí)代、滿足未來社會需求的人才應(yīng)該具備三個(gè)標(biāo)簽：即創(chuàng)造力、想象力和批判性思維。既然如此，我們就要反過來思考，當(dāng)前的高校乃至整個(gè)教育體系能不能培養(yǎng)出這樣的人才呢？如果不能，這就是今后教育體系深化改革的方向和目標(biāo)。也唯有如此，教育才能跟得上時(shí)代的發(fā)展進(jìn)步。

回到汽車產(chǎn)業(yè)來看，上述結(jié)論也同樣適用。近期我與一汽的管理層交流得比較多，他們推動數(shù)字化轉(zhuǎn)型和人工智能應(yīng)用的方式方法，我認(rèn)為非常值得借鑒?？赡芎芏嗳硕加X得，央企的創(chuàng)新似乎不那么活躍，同時(shí)東北地區(qū)的發(fā)展活力似乎也不那么足。而依我觀察，這應(yīng)該是一個(gè)錯(cuò)誤的認(rèn)識。至少一汽這家東北的央企，在數(shù)字化轉(zhuǎn)型方面展現(xiàn)出了很強(qiáng)的活力和創(chuàng)造性，其組織變革的力度甚至要比不少民企更大。

我講幾個(gè)案例。第一個(gè)案例是關(guān)于組織方式的。我們知道，當(dāng)前幾乎每家企業(yè)都有業(yè)務(wù)人員和IT人員，以往的組織方式是分成業(yè)務(wù)部門和IT部門，前者把需求傳遞給后者，然后再由后者購買或外包開發(fā)軟件系統(tǒng)來滿足需求。而現(xiàn)在一汽將內(nèi)部的業(yè)務(wù)人員和IT人員編在一起，稱之為戰(zhàn)隊(duì)，形成了一個(gè)有機(jī)的整體。即在最基本的業(yè)務(wù)單元上，IT、數(shù)據(jù)和業(yè)務(wù)部門的人員共同組成一個(gè)聯(lián)合體，然后一起確定并滿足各種需求。應(yīng)該說，這種組織方式與很多傳統(tǒng)企業(yè)所做的變革都不一樣，體現(xiàn)出一種創(chuàng)新的理念。

第二個(gè)案例是關(guān)于數(shù)字化解決方案的。前面我講過，當(dāng)一家企業(yè)進(jìn)入到數(shù)字化轉(zhuǎn)型的“無人區(qū)”時(shí)，一定要“以我為主”來主導(dǎo)推進(jìn)相關(guān)工作。而一汽正是這樣做的，他們從自身的實(shí)際需要出發(fā)，自行設(shè)計(jì)并構(gòu)建了基于云的數(shù)字化解決方案，包括企業(yè)資源管理、研發(fā)管理、供應(yīng)鏈管理等系統(tǒng)，都是一汽按照整體規(guī)劃重新構(gòu)建的。老實(shí)說，這種全面重構(gòu)的轉(zhuǎn)型實(shí)踐，難度之大超乎想象。所以，我曾和他們半開玩笑地說，數(shù)字化轉(zhuǎn)型是一場攀登珠峰的競賽，而一汽選擇了從更艱難的北坡上山。

第三案例是關(guān)于人工智能大模型的。在這方面，一汽的推進(jìn)也很快。我關(guān)注到央視《新聞聯(lián)播》在介紹新質(zhì)生產(chǎn)力時(shí)，曾經(jīng)專門提到一汽聯(lián)合阿里云通義千問打造的GPT-BI大模型應(yīng)用。目前一汽的管理層包括董事長、總經(jīng)理，都在使用這個(gè)大模型，以實(shí)現(xiàn)基于實(shí)時(shí)數(shù)據(jù)的科學(xué)決策。

從上面的例子可以看到，一汽推進(jìn)數(shù)字化轉(zhuǎn)型和AI應(yīng)用的行動不是孤立割裂的，而是相互聯(lián)動的，從而形成了從認(rèn)知、到戰(zhàn)略、到組織、再到一系列具體舉措的系統(tǒng)工程。諸如企業(yè)對組織架構(gòu)的調(diào)整，對數(shù)字化方案的主導(dǎo)，以及對AI大模型的應(yīng)用，看起來只是一個(gè)個(gè)現(xiàn)象，而在這些現(xiàn)象背后的，則是企業(yè)積極擁抱新技術(shù)、新模式以應(yīng)對市場巨變的決心和勇氣。未來肯定還會有更多更強(qiáng)的人工智能技術(shù)投入應(yīng)用，相信所有企業(yè)都想擁抱這些新技術(shù)，然而有意愿是一回事，有能力則是另外一回事。而在我看來，一汽就是一家既有意愿、也有能力應(yīng)用數(shù)字化和智能化技術(shù)的企業(yè)。

趙福全：剛才安博士從未來人類社會的高度，對人工智能時(shí)代的人才應(yīng)該具備什么能力進(jìn)行了精要闡釋，并指出這就是教育體系改革的目標(biāo)所在。

說起來，人才問題的確是一個(gè)大話題。而且當(dāng)前人工智能的應(yīng)用才剛剛拉開序幕，今后還會出現(xiàn)很多我們今天難以想象的景象。未來我們將會處在人機(jī)共生的環(huán)境中，即人與AI機(jī)器人一起工作、一起生活。當(dāng)然，AI機(jī)器人并不是非要做成自然人的形態(tài)，但它一定會具備覆蓋一個(gè)甚至多個(gè)行業(yè)的集大成的超級能力，或者說是一個(gè)非常厲害的“人”，可以有效輔助和支撐人類的各種活動；而人類則必須與這樣的AI機(jī)器人共同合作，才能更好地創(chuàng)造產(chǎn)品、提供服務(wù)、完成工作。最終，整個(gè)世界都將因此而改變。正因如此，未來人才的能力需求將發(fā)生根本性的改變。

首先，簡單強(qiáng)調(diào)某個(gè)領(lǐng)域記憶性的知識或者重復(fù)處理某個(gè)問題的技能，都沒有什么意義了，因?yàn)樵谶@些方面AI機(jī)器人的能力要比人類強(qiáng)得多。但是人具有創(chuàng)造力，可以提出創(chuàng)新性的方案，然后讓AI機(jī)器人來落地，因此人與AI機(jī)器人協(xié)同工作的能力就變得至關(guān)重要。從這個(gè)角度看，如果說原來學(xué)生先要學(xué)習(xí)怎樣與其他人交往，那么未來學(xué)生可能也要學(xué)習(xí)怎樣與AI機(jī)器人交往，這意味著學(xué)校必須徹底改變培養(yǎng)學(xué)生的目標(biāo)和重點(diǎn)。我想，屆時(shí)或許培養(yǎng)學(xué)生建立適應(yīng)人機(jī)共生社會的價(jià)值觀和世界觀也是非常重要的。

其次，未來具有超級能力的AI機(jī)器人將遍布各個(gè)行業(yè)和領(lǐng)域，如何將這些AI機(jī)器人充分調(diào)動起來，取決于企業(yè)的組織能力，而企業(yè)的組織能力又取決于人的能力。所以，高校除了培養(yǎng)學(xué)生掌握一定的基礎(chǔ)理論和專業(yè)知識，更重要的是，要培養(yǎng)學(xué)生管理多元資源特別是各種AI機(jī)器人的能力，也即新型的領(lǐng)導(dǎo)力。目前高校工科專業(yè)對學(xué)生領(lǐng)導(dǎo)力的培養(yǎng)遠(yuǎn)遠(yuǎn)不夠，而且基本沒有涉及對AI的管理，這是亟待改進(jìn)的，因?yàn)槲磥砭邆涔芾鞟I的領(lǐng)導(dǎo)力將變得極其關(guān)鍵。

最后，未來人類可能只有在創(chuàng)新方面才比AI機(jī)器人更有優(yōu)勢。因此必須著重培養(yǎng)人才具有創(chuàng)新的意愿、意識和能力。例如，人要敢于挑戰(zhàn)原有的組織架構(gòu)，要積極擁抱各種未知的全新技術(shù)。就像我們前面講到的，人工智能將給人類帶來一個(gè)全新的世界，我們完全可以放飛思想、盡情想象、勇敢創(chuàng)造。到那個(gè)時(shí)候，曾經(jīng)可能被認(rèn)為比較虛的想象力和創(chuàng)造力，才是人類必須擁有并充分發(fā)揮的核心能力，而這也恰是當(dāng)前的教育體系所缺乏的。

總之，人工智能在幫助人的同時(shí)，也將完全改變?nèi)?。這將是一個(gè)從量變到質(zhì)變的過程，而變化的速度正越來越快。為此，我們需要盡早做好準(zhǔn)備。

未來人工智能將會重新定義企業(yè)的組織及管理

安筱鵬：是的，正如趙院長所說，未來人工智能將對人才的需求以及組織的形式產(chǎn)生巨大影響。事實(shí)上，我認(rèn)為在人工智能的時(shí)代，我們需要重新定義組織。

為什么這么說呢？過去我們講的組織，就是一群人圍繞著共同的目標(biāo)，相互協(xié)同來完成某件事情，組織的主體都是人。但是現(xiàn)在誕生了數(shù)字人，剛才趙院長也說到了AI機(jī)器人，今后可能是人與很多數(shù)字人一起協(xié)同工作，例如有研發(fā)的、有人力的、有編程的、還有法務(wù)的，各個(gè)方面的各種數(shù)字人。目前阿里云就有一個(gè)數(shù)字員工叫做通義靈碼，它的工號是AI001號，這個(gè)數(shù)字人對業(yè)務(wù)非常熟，工作效率也非常高。

未來當(dāng)這些數(shù)字人進(jìn)入公司之后，我們不難想象會有這樣的場景：召開一次新車型開發(fā)的研討會，或者人力資源的招聘會，參會的自然人有三四個(gè)，同時(shí)還有四五個(gè)數(shù)字人一起參會，可能是分別來自設(shè)計(jì)、人力資源和法務(wù)等相關(guān)部門的數(shù)字員工。就像您剛才講的，人與數(shù)字人將會協(xié)同工作，進(jìn)入到共生的狀態(tài)。

在這種情況下，企業(yè)的組織包括內(nèi)涵、形態(tài)和邊界等，都將與此前完全不同。同時(shí)，人力資源的功能和責(zé)權(quán)也將隨之發(fā)生根本性的變化。試想如果一家公司有30個(gè)人類員工和25個(gè)數(shù)字員工，那么數(shù)字員工是讓IT部門、還是人力資源部門來管理呢？對數(shù)字員工又該用什么方式來管理呢？另外，如果公司需要招聘某個(gè)領(lǐng)域的專業(yè)人員，不管是設(shè)計(jì)或銷售的人才，還是法務(wù)或財(cái)務(wù)的人才，既然公司無非是想借助這個(gè)人所具有的相關(guān)專業(yè)能力，那么為什么不干脆采購一批具備這些能力的數(shù)字人呢？也就是說，未來組織的主體將是自然人和數(shù)字人的集合，而且隨著人工智能技術(shù)的不斷進(jìn)步，后者的比例很可能會持續(xù)提高，組織本身也就必須為之改變，這將倒逼企業(yè)形成重新定義組織以及管理新型組織的能力。

趙福全：所以說，人工智能似乎很遙遠(yuǎn)，其實(shí)近在眼前。一系列變革已經(jīng)在發(fā)生了，而且未來的改變可能遠(yuǎn)不是今天的我們能夠想象得到的。當(dāng)超級人工智能的時(shí)代到來之際，每一個(gè)人造單體都將具有高度的智能，同時(shí)這些智能單體又是互聯(lián)的，從而將會組合形成更高的群體智能。從這個(gè)意義上講，人工智能領(lǐng)域從量變到質(zhì)變的速度之快、影響之大，甚至可能不是摩爾定律所能表征的。因此，我們每一個(gè)人都需要建立全新的理念、形成全新的能力，特別是人機(jī)共生的理念和能力。

時(shí)間過得很快，今天圍繞數(shù)字化轉(zhuǎn)型這一主題，我與安博士交流了近3個(gè)小時(shí)。安博士深耕數(shù)字化領(lǐng)域多年，在阿里研究院長期從事相關(guān)研究，形成了自己關(guān)于信息化、數(shù)字化、智能化等的系統(tǒng)認(rèn)知和獨(dú)到見解。同時(shí)作為來自企業(yè)一線的專家學(xué)者，安博士還出版了多本相關(guān)領(lǐng)域的著作。而今天收看我們欄目的同仁們，想必更能直觀地感受到安博士的淵博學(xué)識和深刻洞見。我們談到的內(nèi)容非常廣泛，涉及到數(shù)字化轉(zhuǎn)型及智能化發(fā)展的各個(gè)方面。當(dāng)然有些前沿的話題尚無行業(yè)共識，我們的觀點(diǎn)也只能作為一種參考，有待未來的產(chǎn)業(yè)實(shí)踐者們?nèi)プC實(shí)或者證偽。下面，我對今天的交流做個(gè)總結(jié)。

第一，數(shù)字化將給人類社會以及各行各業(yè)帶來全方位的改變。實(shí)際上，數(shù)字技術(shù)一直在融入到經(jīng)濟(jì)和社會的方方面面，但是此次數(shù)字技術(shù)的最新進(jìn)展——AI大模型的出現(xiàn)，不是量變積累的技術(shù)進(jìn)步，而是質(zhì)變突破的技術(shù)革命和產(chǎn)業(yè)革命，標(biāo)志著從ANI弱人工智能向AGI強(qiáng)人工智能或者說通用人工智能的躍進(jìn)。甚至可以說，本輪AI大模型將給整個(gè)社會帶來空前廣泛的巨大影響，其威力堪比“核武器”。這既是因?yàn)榧夹g(shù)本身的質(zhì)變，更是因?yàn)榇竽Ｐ涂梢詰?yīng)用于幾乎所有的行業(yè)和領(lǐng)域，從而徹底改變?nèi)祟惖纳a(chǎn)和生活方式。

第二，數(shù)字化主導(dǎo)的智能時(shí)代與此前完全不同，將會催生出全新的生產(chǎn)要素、生產(chǎn)力和生產(chǎn)關(guān)系。具體來說，數(shù)據(jù)是新的生產(chǎn)要素；數(shù)據(jù)采集、傳輸、存儲、處理和應(yīng)用的各種技術(shù)，也即數(shù)字化的技術(shù)手段，是新的生產(chǎn)力；而確保這種新生產(chǎn)力得到釋放的企業(yè)組織架構(gòu)和商業(yè)模式等，就是新的生產(chǎn)關(guān)系。由此，數(shù)字化不僅能夠帶來產(chǎn)品力本身的提升，即基于數(shù)據(jù)、通過AI賦能，使產(chǎn)品變得更好；更能帶來支撐產(chǎn)品的創(chuàng)造力的全面提升，即將數(shù)據(jù)和AI應(yīng)用于產(chǎn)品創(chuàng)造的全過程，涵蓋研產(chǎn)供銷服等各個(gè)環(huán)節(jié)，從而以更優(yōu)的品質(zhì)、更低的成本和更高的效率來提供產(chǎn)品及服務(wù)。在我看來，與產(chǎn)品力相比，數(shù)字化帶來的創(chuàng)造力提升更加重要，也更有廣泛拓展的巨大空間。

第三，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型既有適應(yīng)時(shí)代變化的共性訴求，也是不得不做的戰(zhàn)略選擇。盡管不同的企業(yè)對數(shù)字化轉(zhuǎn)型各有各的思考，但是其根本原因在于，當(dāng)前市場需求正變得日益復(fù)雜多變，用戶越來越青睞個(gè)性化、實(shí)時(shí)化和智能化的產(chǎn)品及服務(wù)。在這種情況下，企業(yè)唯有實(shí)施數(shù)字化轉(zhuǎn)型，以數(shù)字技術(shù)來武裝自己，并將其融入到經(jīng)營、管理和決策等方方面面，才能優(yōu)化資源配置效率，有效提升核心競爭力，快速響應(yīng)市場變化，成功應(yīng)對“復(fù)雜系統(tǒng)的不確定性”帶來的嚴(yán)峻挑戰(zhàn)。與此同時(shí)，數(shù)字化轉(zhuǎn)型需要持續(xù)而巨大的投入，而收益往往難以預(yù)期，這導(dǎo)致部分企業(yè)心存猶疑。然而不轉(zhuǎn)型的風(fēng)險(xiǎn)更是企業(yè)無法承受的，因?yàn)槠渌髽I(yè)可能會籍由數(shù)字化轉(zhuǎn)型形成強(qiáng)大的競爭優(yōu)勢。所以，數(shù)字化轉(zhuǎn)型也是企業(yè)“不得不做”的事情。

第四，企業(yè)數(shù)字化轉(zhuǎn)型之所以如此艱難，主要有兩方面的原因。一方面，數(shù)字化轉(zhuǎn)型是一項(xiàng)全方位的系統(tǒng)工程，企業(yè)必須從理念、認(rèn)知到技術(shù)、工具，再到組織、管理等各個(gè)方面協(xié)調(diào)推進(jìn)，這無疑是極其困難的。另一方面，當(dāng)前產(chǎn)業(yè)有一個(gè)普遍性的瓶頸問題，即企業(yè)全局優(yōu)化的需求與碎片化的供給之間不相匹配，安博士將其視為數(shù)字化轉(zhuǎn)型的基本矛盾。為解決這一問題，有志于實(shí)現(xiàn)全球引領(lǐng)的企業(yè)，都應(yīng)該自己主導(dǎo)數(shù)字化轉(zhuǎn)型“無人區(qū)”的創(chuàng)新發(fā)展，系統(tǒng)設(shè)計(jì)整體解決方案，并重新構(gòu)建相關(guān)系統(tǒng)。同時(shí)企業(yè)還要積極建設(shè)產(chǎn)業(yè)生態(tài)，努力實(shí)現(xiàn)專業(yè)分工下的多主體協(xié)同創(chuàng)新，以獲取自己不具備的能力和資源，與生態(tài)伙伴一起創(chuàng)造數(shù)字化轉(zhuǎn)型的最大效益。

第五，大模型與專業(yè)模型既有明顯不同，又有緊密關(guān)聯(lián)。正如安博士指出的，我們今天所講的專業(yè)類模型，與幾年前依托ANI構(gòu)建的專業(yè)模型有著本質(zhì)區(qū)別，是完全不同的兩個(gè)物種。由于現(xiàn)在有了AI大模型作為基礎(chǔ)模型，行業(yè)垂直應(yīng)用的專業(yè)類模型可以高質(zhì)量、高效率、低成本地解決更加復(fù)雜而廣泛的各種問題，其能力實(shí)現(xiàn)了由量變到質(zhì)變的躍升。所以，專業(yè)類模型并不是大模型，但一定要構(gòu)建在基礎(chǔ)大模型之上。反過來講，在基礎(chǔ)大模型上構(gòu)建更多不同行業(yè)和領(lǐng)域的專業(yè)類模型，并實(shí)現(xiàn)相互聯(lián)動，又是大模型產(chǎn)生更大價(jià)值的必由之路。如果只有大模型、沒有專業(yè)類模型，那大模型在整個(gè)社會起到的作用就會有很大的局限性。也就是說，大模型和專業(yè)模型之間是相輔相成的。

第六，汽車產(chǎn)業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型空間廣闊，同時(shí)挑戰(zhàn)巨大，企業(yè)必須全方位系統(tǒng)施策。汽車作為關(guān)聯(lián)廣泛的集大成產(chǎn)業(yè)，不僅自身數(shù)字化轉(zhuǎn)型將產(chǎn)生多元戰(zhàn)略價(jià)值，而且還將為制造業(yè)數(shù)字化轉(zhuǎn)型提供了最佳載體和平臺。無論是智能汽車產(chǎn)品從交通工具屬性向空間屬性、情感屬性的擴(kuò)展，還是汽車智能制造帶來的研產(chǎn)供銷服一體化運(yùn)行，數(shù)字化轉(zhuǎn)型將使汽車產(chǎn)業(yè)的產(chǎn)品力和創(chuàng)造力實(shí)現(xiàn)全面升級，進(jìn)而深刻影響整個(gè)社會的生產(chǎn)生活。但是高度復(fù)雜的汽車產(chǎn)業(yè)也是實(shí)施數(shù)字化轉(zhuǎn)型最難的行業(yè)之一。一方面所需投入更大、見效時(shí)間更長；另一方面，在萬物互聯(lián)的前景下，汽車制造業(yè)與大智能產(chǎn)業(yè)相互融合，導(dǎo)致汽車產(chǎn)業(yè)的核心技術(shù)及能力更多元、更交織、也更易變，沒有任何一家乃至一類企業(yè)能夠擁有全部所需能力，這意味著汽車產(chǎn)業(yè)的各類參與主體都必須重新審視自身應(yīng)該具備哪些能力，又應(yīng)該從外部獲得哪些能力。為此，汽車企業(yè)的數(shù)字化轉(zhuǎn)型一要有清晰的產(chǎn)業(yè)分工，既要“有所為”，更要“有所不為”，也只有“有所不為”，才能集中力量做好“有所為”；二要從高層的領(lǐng)導(dǎo)力，員工的認(rèn)知、知識與技能，各種數(shù)字化的技術(shù)手段，以及企業(yè)內(nèi)部的組織架構(gòu)、管理流程與外部的商業(yè)模式等各個(gè)方面，全面系統(tǒng)地實(shí)施整體性的轉(zhuǎn)型方案。

第七，數(shù)字化轉(zhuǎn)型最終要靠人來實(shí)現(xiàn)，而未來的人才需要具備完全不同的思維方式和核心能力。因?yàn)槲磥韺⑹侨藱C(jī)共生的全新時(shí)代，企業(yè)需要有效組織管理由自然人和數(shù)字人共同組成的團(tuán)隊(duì)。這就要求人才必須具備與AI協(xié)同工作的能力，同時(shí)還要發(fā)揮AI所不具備的創(chuàng)新能力。當(dāng)然，這樣的能力不可能從天而降。對于企業(yè)來說，要從組織架構(gòu)變革、資源管理優(yōu)化等方面入手，逐步改變?nèi)瞬沤Y(jié)構(gòu)和運(yùn)行模式。而對于整個(gè)教育體系來說，也要以上述能力需求為培養(yǎng)目標(biāo)進(jìn)行全面改革。只有這樣，才能為汽車產(chǎn)業(yè)乃至各行各業(yè)提供有能力擁抱數(shù)字化、智能化轉(zhuǎn)型的新型人才，進(jìn)而支撐人類社會迎來更加美好的明天。

最后，再次感謝安博士的精彩分享和真知灼見，祝愿您在數(shù)字化以及人工智能領(lǐng)域輸出更多的研究成果、發(fā)揮更大的引領(lǐng)作用！

安筱鵬：謝謝！