順網(wǎng)科技：泛娛樂將成為生成式AI商業(yè)化的黃金場域

近期，2023中國上市公司投資價值峰會暨中國投資基金峰會（以下簡稱“雙峰會”）在北京舉辦，本次“雙峰會”以“創(chuàng)新驅(qū)動、價值導航”為主題，旨在探討上市公司如何通過創(chuàng)新和價值來驅(qū)動自身發(fā)展，并引領(lǐng)行業(yè)發(fā)展的新趨勢。

會上，順網(wǎng)科技首次分享了公司在生成式AI商業(yè)化方面的經(jīng)驗，強調(diào)泛娛樂將成為生成式AI商業(yè)化的黃金場域，并建議生成式AI創(chuàng)業(yè)，不要局限于大模型，更需關(guān)注場景應用，以及為場景應用提供支撐的中間層。

2023年以來，各大公司爭相布局AI領(lǐng)域，導致大模型產(chǎn)品密集落地，形成“百模大戰(zhàn)”。然而，盡管各類大模型產(chǎn)品層出不窮，但市場上成熟的生成式AI應用卻相當有限。

對此，順網(wǎng)科技認為，企業(yè)在探索生成式AI創(chuàng)業(yè)時，不僅要注重大模型，更需關(guān)注場景應用，以及為場景應用提供支撐的中間層，以幫助企業(yè)在競爭激烈的市場中脫穎而出。

除此之外，對于進入生成式AI時代的企業(yè)而言，將會面臨三個挑戰(zhàn)：其一是模型層面能力的提升；其二是監(jiān)管合規(guī)層面的挑戰(zhàn)；其三是業(yè)務孵化和商業(yè)化。

在場景方面，順網(wǎng)科技最偏好泛娛樂領(lǐng)域。一方面，休閑娛樂是比較核心的剛性領(lǐng)域。另一方面，泛娛樂行業(yè)相對來說容錯性會更好。此外，泛娛樂的傳播性更好，能夠獲得更多用戶的認知，更容易讓用戶理解和使用。由于泛娛樂行業(yè)同時具有這三個特性，因此預計在明年后年會有很多的應用和可能性誕生。

其次，在生成式AI的商業(yè)化要素，“場景、中間層、模型、算力和數(shù)據(jù)”，五大要素缺一不可。因為場景是最終觸達用戶群體的地方，也是商業(yè)閉環(huán)形成的地方。中間層可以加速試錯過程，更快地找到滿足用戶需求的具體痛點閉環(huán)。模型是生成式AI這一輪最核心的能力部分，算力是基礎(chǔ)支撐，而數(shù)據(jù)則是模型的根本。

這一輪生成式AI會帶來巨大的生產(chǎn)力變革，但未必會如大家期待的那么快，還需要一點一滴的積累，市場需要有一定耐心。

以下是順網(wǎng)科技在鈦媒體2023年中國上市公司雙峰會的分享實錄，略經(jīng)編輯：

各位領(lǐng)導、各位主辦方的老師、各位嘉賓、各位朋友，大家晚上好！

從去年底ChatGPT發(fā)布至今，整個互聯(lián)網(wǎng)行業(yè)，甚至各行業(yè)都對生成式AI產(chǎn)生了濃厚興趣，資本市場從一級到二級都有很多動作，今天我代表順網(wǎng)科技，分享我們對生成式AI的一些認知和實踐。

首先簡單介紹一下順網(wǎng)科技。順網(wǎng)科技成立于2005年，一直致力于推動電競互動娛樂領(lǐng)域的數(shù)字化。在18年的發(fā)展過程中，順網(wǎng)科技逐漸切入了四個核心領(lǐng)域，包括算力、電競、AI陪伴和數(shù)字娛樂展會ChinaJoy。這四個板塊構(gòu)成了順網(wǎng)科技的核心業(yè)務，也是我們在生成式AI時代到來時展開新增長的基礎(chǔ)。

我先跟大家分享一下“百模大戰(zhàn)”的問題。從去年到現(xiàn)在，國內(nèi)不斷涌現(xiàn)出各種團隊，包括頭部的互聯(lián)網(wǎng)大廠和新興的企業(yè)，都在做大模型，國內(nèi)的模型已經(jīng)超過 200 多個。從今年8月Gartner發(fā)布的行業(yè)報告來看，整個模型競爭已經(jīng)進入了技術(shù)發(fā)展曲線的第一個峰值階段。接下來，逐漸有一些相對欠缺資源和欠缺沉淀的團隊會退出競爭。

在百模大戰(zhàn)的同時，我們也注意到，大家目前能夠接觸、使用的生成式AI應用非常有限。所以在我們看來，進入生成式AI時代，我們還要面臨三個挑戰(zhàn)。

第一個是模型層面能力的挑戰(zhàn)。主要體現(xiàn)在核心資源的聚合上，包括算力、數(shù)據(jù)以及人才層面的博弈。其實這一領(lǐng)域在過去幾年一直是冷板凳，尤其是在去年9月份之前都不是熱點，甚至于國內(nèi)相關(guān)的出版物也不多。但今年2月份以后，這方面的研究就如雨后春筍般涌現(xiàn)出來，這也是人才稀缺的一個客觀限制。

第二個挑戰(zhàn)是在監(jiān)管合規(guī)層面。要開展負責任的大模型實踐，會大幅度增加訓練成本和推理成本，因此會給商業(yè)化過程帶來挑戰(zhàn)，這背后是安全和成本之間的取舍。

第三個挑戰(zhàn)是業(yè)務孵化。在早期投資時，大家可能覺得這一新興領(lǐng)域很有機會；當行業(yè)發(fā)展逐步深化時，會發(fā)現(xiàn)業(yè)務本身的孵化和商業(yè)化存在非常多的挑戰(zhàn)。如果不能驗證業(yè)務商業(yè)模式是否有效，能否形成良好的現(xiàn)金流和利潤，生成式AI就有可能會進入瓶頸狀態(tài)，實際上現(xiàn)在已經(jīng)在這樣一個狀態(tài)了。

我們團隊在看待生成式AI創(chuàng)業(yè)時，理解不僅僅局限于大模型，大模型有相應的團隊和相應層次的玩家在做。我們更關(guān)注場景應用，以及為場景應用提供支撐的中間層，這里還有很多機會。

場景方面，順網(wǎng)科技最偏好泛娛樂領(lǐng)域。首先，休閑娛樂對消費者而言，是比較核心的領(lǐng)域，所以它的需求是很充分的。其實歷史上很多新技術(shù)都是從泛娛樂領(lǐng)域率先落地。

其次，泛娛樂領(lǐng)域相對來說容錯性更好。很多生成式AI應用一旦用到正式的商業(yè)場合，就會面臨服務、解決方案等方面穩(wěn)定性、可靠性的問題。所以在當前這個階段，找到相對高容錯的場景，是做好這一輪生成式AI商業(yè)化的重要環(huán)節(jié)。

另外，泛娛樂的傳播性更好，能夠獲得更多用戶的認知，更容易讓用戶理解和使用。所以我們認為，泛娛樂行業(yè)剛好具有這三個特性，在明年后年會有很多的應用和可能性誕生。

最近二十年，我們的很多生活習慣都在發(fā)生轉(zhuǎn)化，例如從微博、微信等文本互動轉(zhuǎn)向短視頻互動，甚至未來會有更多即時多媒體通訊形態(tài)。這個過程中，用戶時間分布已經(jīng)在發(fā)生遷移，更多的生活場景復刻、還原在線上，因此會有很多通過生成式AI為用戶提供陪伴的機會，這也是順網(wǎng)正在做的。

在我們看來，生成式AI商業(yè)化會有兩種落地范式：

第一種是現(xiàn)在很多小型團隊在做的，他們會直接在大模型上做應用，或者簡單地做套殼或商業(yè)化。這種模式反應速度會比較快，可以快速拉起來一部分用戶，但是在國內(nèi)展業(yè)，這樣容易遇到合規(guī)問題。海外展業(yè)其實門檻不高，但很容易被大模型把相應的場景能力吸納，之后逐漸被替代，很多應用從業(yè)者已經(jīng)發(fā)現(xiàn)了這個問題。

第二種是大模型加上中間層框架，最后到應用。這一層是從大模型本身的一些局限性出發(fā)，補充它的提示工程、答案工程，注入行業(yè)垂直模型。同時企業(yè)有很多自己多年沉淀的行業(yè)數(shù)據(jù)，未必愿意以公開的方式或者缺乏數(shù)據(jù)安全的方式提供給大模型，這種場景就需要中間層做支撐。

從順網(wǎng)科技的實踐來看，首先，我們擁有多層次的算力，而且是異構(gòu)算力，從這種核心的專業(yè)計算到常規(guī)的低成本推理計算，甚至于到一些特定場景的渲染，面向不同場景可以提供不同類型的算力。這是我們相對見長的，因為我們做上網(wǎng)行業(yè)，從基本的設(shè)備管理到行業(yè)的存儲上云、算力上云，以及算力全方位的線上線下一體化調(diào)度管理，我們積累了很多經(jīng)驗。

第二點，是在模型和應用支撐的中間層探索。這一塊構(gòu)成了順網(wǎng)科技核心的AGENT能力。準確來說，AGENT是一種生成式人工智能代理的能力，而不是只創(chuàng)建一兩個代理的化身。本質(zhì)上，還是會利用大語言模型擅長的方面，但是對于它不擅長或者可能遇到問題的部分，都需要在這個層級進行封裝和場景化適配。

最后是場景。我們接觸的用戶主要集中在泛娛樂領(lǐng)域，因此我們會提供相應的陪伴服務，包括在上網(wǎng)、電競等與游戲緊密結(jié)合的場域，以及常規(guī)的休閑陪伴。

我們認為，想要做好AI應用，需要充裕的算力和高質(zhì)量的數(shù)據(jù)。

首先，即便擁有第三方的大模型，如果缺乏足夠的算力，就無法將優(yōu)質(zhì)數(shù)據(jù)轉(zhuǎn)化為模型的參數(shù)，也就無法真正地將數(shù)據(jù)沉淀下來。其次是要做推理，如果沒有足夠的推理算力來服務海量廣域的最終用戶，那么大模型平臺可能會崩掉或暫停服務。這對于國內(nèi)很多創(chuàng)業(yè)團隊和上市公司來說，也是一個需要解決的問題。

算力不僅關(guān)乎計算能力本身，還關(guān)乎計算所需的時間。比如，我們所在的電競行業(yè)、游戲娛樂領(lǐng)域所需要的渲染算力，需要非常低的時延，通常是毫秒級。而在其他非時間敏感的應用場景下，可能不需要那么高的實時性。所以整體的算力應當構(gòu)建成一個多層次的算力網(wǎng)絡和算力資源池。

其次，推理的核心在于高質(zhì)量的數(shù)據(jù)，這些數(shù)據(jù)應當與自身應用場景相契合。我們認為，高質(zhì)量的行業(yè)數(shù)據(jù)必須滿足三個維度：深度、廣度和時間跨度。深度方面，即在該行業(yè)中擁有相應的端對端鏈路數(shù)據(jù)沉淀，當然，這些數(shù)據(jù)的獲取需要符合相關(guān)法律法規(guī)。

廣度方面，行業(yè)不能太小、太垂直，要有一定的市場容量和多細分行業(yè)覆蓋，否則很難在商業(yè)化推廣中實現(xiàn)規(guī)?；Ｗ詈?，數(shù)據(jù)的積累需要一定的時間跨度。如果沒有幾年甚至10余年的數(shù)據(jù)沉淀，就沒有相應的訓練語料，所以在數(shù)據(jù)層面，還是需要有足夠的時間積累。

我們來總結(jié)一下。在生成式AI的商業(yè)化方面，順網(wǎng)科技認為這五個要素是缺一不可的：場景、中間層、模型、算力和數(shù)據(jù)。

場景是最終觸達用戶群體的地方，也是商業(yè)閉環(huán)形成的地方。中間層可以加速試錯過程，更快地找到滿足用戶需求的具體痛點閉環(huán)。模型是生成式AI這一輪最核心的能力部分，算力是基礎(chǔ)支撐，而數(shù)據(jù)則是模型的根本。

我們認為，這一輪生成式AI會帶來巨大的生產(chǎn)力變革，但未必會如大家期待的那么快，還需要一點一滴的積累，市場需要有一定的耐心。對于上市公司來說，在這方面也會遇到經(jīng)營層面和孵化層面的挑戰(zhàn)，我們也希望能夠與行業(yè)內(nèi)更多人士進行探討，共同尋找更多創(chuàng)新機會，從而實現(xiàn)更好、甚至更快的商業(yè)化進程。

最后以順網(wǎng)科技的使命和愿景作為結(jié)束，我們希望科技連接快樂，讓行業(yè)更加智能，讓用戶的快樂隨手可得。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。