社区

赚钱才是硬道理。

2024年5月15日，由北京甲子光年科技服务有限公司主办，中关村东升科学城协办的“AI创生时代——2024甲子引力X科技产业新风向”大会在北京中关村东升科技园万丽酒店举行。数十位科技行业的专业人士齐聚一堂，共同聚焦当前科技领域的尖端议题，深入探讨AI创生时代下科技产业的发展趋势和广阔前景。

在下午场的“AI的“钱景”：商业闭环如何形成？”圆桌论坛上，中科视语联合创始人、中国科学院自动化研究所高级工程师张腊作为嘉宾主持人，与小米手机部副总裁、小米技术委员会副主席、小米机器人事业部总经理许多、北京人形机器人创新中心总经理熊友军、华为云全球初创生态发展总经理段小蕾、aiXcoder总裁刘德欣、新智聚安联席一号位刘茂亮等嘉宾，深入探讨了关于生成式AI的商业化问题。

中科视语联合创始人、中国科学院自动化研究所高级工程师张腊

刘茂亮认为，目前，传统产业亟需通过技术进行优化，只有AI，只有智能技术，才能够真正解决我们产业面临的问题。

刘德欣分享了大模型当前落地的一些具体场景，以及三种商业模式：订阅模式、企业私有化解决方案以及针对大客户提供的全面咨询服务。

而以生态和产业资源长期赋能科技创业公司的段小蕾则直言，一些小而美的AI创业团队目前正在海外市场取得相当丰厚的收益。她还预期，软硬件AI一体的消费级产品可能会在未来取得大成功。

熊友军从人型机器人的视角出发坦言，随着技术的不断进步，人形机器人有望深入到我们的日常生活中，帮助处理各种事务，提供陪伴和服务，从而创造出一个新的、庞大的市场。

许多则一针见血的指出，谈到理想的商业模式，有两个核心要素是绕不开的：定位和闭环。定位指的是明确你要做什么，而闭环则是指如何实现商业流程的完整循环。AI企业必须要理清二者，才有可能探索出适合自己的商业模式。

以下是本场圆桌的演讲实录，“甲子光年”整理删改：

中科视语联合创始人、中国科学院自动化研究所高级工程师张腊：首先有请各位嘉宾做一下自我介绍，先从许总开始。

小米手机部副总裁、小米技术委员会副主席、小米机器人事业部总经理许多：大家好，我是小米机器人事业部总经理许多。具身智能技术正变得越来越热门。雷军在我们的近几次发布会上已经提到了小米在人工智能方面的战略。我们坚定地致力于将我们的产品与生态系统相结合，专注于开发边缘计算模型，以增强我们设备的便捷性和易用性。这是我们未来将持续努力的方向。

北京人形机器人创新中心总经理熊友军：大家好，我是熊友军，此前在深圳优必选担任CTO，去年底，优必选在香港上市，随后我来到北京，负责建立并运营北京人形机器人创新中心。这个中心是全国首个省级人形机器人创新中心，专注于人形机器人核心技术的研发和关键共性技术的突破。我们的目标是汇聚国内人形机器人产业资源，推动整个行业的快速发展。我希望能够助力我国在人形机器人领域取得领先地位，并在全球市场中占据制高点。

华为云全球初创生态发展总经理段小蕾：大家好，我是段小蕾，来自华为云，我在华为云主要负责构建全球创业生态，专注服务创业者。我们的目标是尽早识别并支持那些具有较大发展潜力的初创企业，投入资源赋能加速他们的发展，很多会成为我们的生态合作伙伴，成长为未来的大企业。

目前，我们有两个主要项目：华为云初创计划和华为云加速器。华为云初创计划旨在帮助初创公司以低成本、高敏捷的方式在云上构建产品和服务，专注创新。而华为云加速器主要支持那些处于高速成长阶段的创业公司，帮助他们实现商业加速。

华为运营加速器两个重点方向：一个是 AI 生态的构建，另一个就是全球化。中国的创业公司一部分是发展到一定阶段，到海外市场寻找第二增长曲线，而越来越多的初创企业是生而全球化，成立之初就面向全球市场。华为近30年全球化发展所积累的经验和资源可以切实帮助到创业公司实现全球化发展的愿景。

aiXcoder总裁刘德欣：大家好，我是来自北京硅心科技的刘德欣，相对于公司名字，可能大家更熟悉是我们aiXcoder大模型系列产品。

我们是孵化自北京大学软件研究所的一家企业，从2014年开始，我们主要在智能化和软件工程方向做深入研究和产品化，截止到今年我们已经走过了10个年头，这十年我们已经在智能化软件开发这个领域，连续发表了超过100篇学术论文，产品也迭代了10个大版本。

我们的目标是：通过一系列的技术创新，实现软件自动化。今年4月9日我们开源了一个能力非常强的7B模型，这个模型也引爆了开发者社区，得到了大家广泛的认可和赞誉，在这里，我也想借此机会，特别感谢一下大家多年的关注和支持！今后我们会继续在科研和产品层面带给大家更多颠覆性的技术和服务。

新智聚安联席一号位刘茂亮：大家好，我是刘茂亮，来自新智聚安。通常我参加的大多是传统产业的会议，所以这次能来，我感到非常兴奋。新智聚安是新奥集团旗下专注于安全智能的公司。新奥集团可能在座的有些伙伴已经有所了解，它主要涉足能源产业，市值超过一千亿，服务于近三千万家庭用户。我们的工作是在这个基础上，打造安全行业所需的智能技术，解决行业面临的安全问题。

1.生成式AI最理想的商业模式是什么？

张腊：在大家看来，生成式AI现在最理想的一个商业模式是什么？

刘茂亮：这么多年来，我一直从产业的角度来看待问题。我们看到很多优秀的公司都是从数字化产业的视角来构建自己的业务逻辑和生态系统。无论是传统产业还是新兴产业，都面临着各种安全问题。

新奥也是一样，我们有着庞大的管网体系和用户群体。大家可能也听说过一些燃气安全事件，这反映出整个社会对安全的关注是非常强烈的。我们的初衷是希望在传统产业发展过程中，解决那些难以攻克的安全问题。比如，如果你已经解决了90%的问题，但要解决剩下的10%却非常困难。那么，未来如何解决这些问题呢？

在多年的思考中，我们得出了一个结论：只有AI，只有智能技术，才能够真正解决我们产业面临的问题。

对于我们新智聚安来说，这是一个绝佳的机会。对于我们的生态伙伴来说，同样也是一个好机会。我认为我们的产业有很多需求，需要更多的AI能力来解决。刚才谈到安全产业，它其实相当复杂，不同于消费互联网产业，它涉及到整个工业或产业的全链条过程。

因此，我们结合产业经验，加上我们生态伙伴的智能能力，包括使用通用大模型和我们的私域知识，来构建我们自己的安全大模型，解决自身问题。问题解决后，我们还能赋能千行百业，帮助他们更好地解决安全问题。我们会秉承这个出发点，进行更多的实践和探索。

新智聚安联席一号位刘茂亮

张腊：aiXcoder是技术与市场匹配下的产品。请问德欣总，在您看来理想的商业模式应该是什么样的？

刘德欣：现在大模型很火，大家都在探索它们的落地应用。aiXcoder从一开始就专注于智能化软件开发领域，这让我们在应用大模型落地时有天然的优势。多年来，我们将技术转化为实际应用，由于代码大模型天然基于编程语言结构化的特征，让它在智能编程这个领域非常实用，模型输出稳定且准确，这也是代码大模型能最先在产业端商业化落地的原因。

比如，在智能化软件开发中，大模型可以根据自然语言生成大量代码，甚至能根据上下文信息推测开发者的意图，帮助补全正确的代码，包括生成测试代码等能力。此外，它还能快速定位软件开发中的关键缺陷，帮助开发者在开发现场及时发现问题。大模型还能根据开发者的意图生成修复缺陷的正确代码，这些都是非常实用的落地场景。

在自然语言处理领域，人们也探索出了很多应用场景，比如生成式内容创作、企业知识库的问答系统、智能搜索和智能客服等。这些都是大模型发挥作用的具体落地场景。

实际上，在我们进行商业化探索的过程中，实践出了几种可行的商业模式。

首先是订阅模式，我们对个人用户（C端）提供免费服务，而企业用户（B端）可以通过订阅来使用我们的线上服务，甚至是API服务，将API集成到他们的多模型管理或业务流程中，这是一种很好的商业模式。

其次是私有化解决方案。目前，基于对内部领域知识的需求，企业需要私有化的解决方案。我们可以关注企业内部的具体领域知识及应用场景，进行私有化部署和个性化训练。在这方面，模型厂商可以提供大量的服务和支持。这些都是在商业化过程中我们认为比较可行的商业模式。

以及深度咨询服务。针对一些有更高需求的大客户，这些客户会深入研究模型和算法等技术，需要全面的大模型技术支持和服务。他们不仅仅需要解决最后一公里，还需要解决最后几公里的问题。因此需要像aiXcoder这样的原生大模型厂商，可以通过赋能更专业的技术能力，来提供深度咨询服务，帮助他们训练自己的大模型并产品化。这也是我们探索的非常有效的商业落地场景。

aiXcoder总裁刘德欣

张腊：请问段总从生态的角度来看，我们理想的商业模式是什么样的？

段小蕾：华为云初创生态中已经有几千家创业公司，去年下半年我们还专门组织了一期AI生态创业加速营。我看到了AI技术突破带来的颠覆性创新前景正在逐渐展开，但是商业模式上还没有看到令人特别兴奋或者具有创新意义的进展。

我观察到的企业大致分为两类：一类是传统的ISV或SaaS企业。这些企业已经有了自己的应用场景、用户和数据积累。用AI提升现有的产品能力和体验是水到渠成的。

但是大家也知道，企业服务在中国市场赚钱并不容易。CEO们需要考虑的是，在大模型上投入多少资源，能够带来什么业务增值，什么时候可以收回成本。

如果不及时投入，可能会在竞争中落后；而要紧跟AI大时代的潮流，则要衡量投入产出比和现金流压力。

面向个体消费者的to C模式也有很多创业公司在尝试。但我们还没有看到能够大规模复制、商业上实现盈利的明确场景。即便是OpenAI的用户规模目前也很难盈利，算力成本很高。长远来看，AI的普及应用需要在底层基础设施上技术突破，不断降低算力和大模型的成本。

同时，我也注意到了一些新趋势：现在的AI开发者与传统的软件开发者有很大不同。许多很年轻的AI创业公司团队规模很小，产品或服务面向全球市场，第一天就收费，很快就实现了盈利。我有一个校友在深圳创业，他的团队只有几个人，做浏览器AI插件，主要面向欧美市场，目前每月营收可达百万美元，不需要风险投资，有不错的现金流，小团队活得很好。

另外，我个人非常看好软硬件和AI一体的趋势。

回想2015到2017年，我也在做智能硬件创业。去年看到的“AI Pin”出现时，我感到非常兴奋，如果在我创业的那个时代有这样的AI能力，我们的产品在用户体验上会完全不同，也许就成功了。

我认为下一代软硬件AI结合的产品会完全颠覆目前的人机交互方式。现在大家很关注人形机器人，我个人期待的是类似手机的替代品。不再是我们现在这样一个个独立的APP，每个APP都有特定的场景功能，而是会变成一个功能无缝衔接接、让人无感知的人机自然交互方式。

华为云全球初创生态发展总经理段小蕾

张腊：友军总，您的观念里面理想的商业模式是什么样的？

熊友军：人工智能这几年的发展确实展示了巨大的商业和应用前景，无论是在人机交互还是提升工作效率方面。然而，我们现在看到的人工智能应用还远未达到我们的预期，与我们期望的目标存在很大差距。

目前，人工智能的发展趋势是朝着通用人工智能（AGI）方向发展，但我认为人工智能要真正落地，需要聚焦于商业场景，针对具体的行业和商业问题进行应用。虽然从专业技术人工智能向通用人工智能的发展是一个不错的方向，但从商业角度来看，我们必须瞄准具体的行业和商业场景。

人工智能要真正发挥作用，必须深入到业务的核心流程中，而不仅仅是做一些辅助性的、外在的工作，或者是制造一些没有实际业务价值的噱头。这是非常重要的。

其次，现在的人工智能主要还是在数字领域的信息空间或数字空间中发挥作用。但未来，人工智能要实现更大的价值，就必须向具身智能方向发展。所谓具身智能，指的是能够与物理世界交互，解决我们日常生活中的实际问题的智能。这种智能系统能够在现实世界中执行任务，而不仅仅是存在于数字世界中。

一个典型的人工智能应用场景就是机器人。现在我们看到的很多AI应用，比如ChatGPT聊天机器人或者Sora生成视频，都只是在信息空间提供帮助。但对于很多人来说，更希望AI能在现实世界中发挥作用，比如在工厂或者危险的环境中，机器人可以代替人去完成工作，从而避免人员伤害。

人工智能的下一个发展阶段，将会是从当前的数字空间转向具身智能的空间，这将带来巨大的价值。不仅仅是提供信息和聊天交互，人工智能将能够接管那些人们不愿意做的脏活、累活，以及简单重复的工作。这些任务可以交给机器人来完成，从而解放人类的劳动力，让他们能够专注于更有创造性和价值的工作。

此外，未来的发展趋势将看到人工智能与机器人，尤其是人形机器人的紧密结合。这种结合将使得人工智能能够在更广泛的领域发挥作用，比如在制造业、服务业等领域。工业机器人和其他智能化设备已经开始使用人工智能进行升级和改造，提高了效率和安全性。随着技术的进步，我们可以期待人工智能与机器人的融合将为各个行业带来革命性的变化。

人工智能与机器人，尤其是人形机器人的结合，开辟了一个巨大的市场潜力。这些智能机器不仅能够在工作中成为我们的伙伴，提高工作效率，还能够在生活中扮演重要角色，成为我们的朋友甚至家庭成员。

随着技术的不断进步，人形机器人有望深入到我们的日常生活中，帮助处理各种事务，提供陪伴和服务，从而创造出一个新的、庞大的市场。这个市场的潜力在于它能够满足人们对智能化、便捷生活日益增长的需求，以及对个性化、情感互动的渴望。随着人形机器人变得更加智能和实用，我们可以预见它们将在家庭、工作场所甚至公共空间中变得越来越普遍。

目前，人形机器人行业正面临一个关键挑战，那就是缺乏一个强大的人形机器人“大脑”。随着大型语言模型（例如GPT-4o）的出现，我们看到了一个非常好的交互场景，这为人工智能与机器人的结合提供了新的可能性。如果将这些先进的AI模型集成到人形机器人中，将极大地扩展它们的应用场景，打开一个广阔的市场空间。

因此，行业发展的下一步应该是聚焦于如何将这种先进的AI技术应用到人形机器人上，使其能够更好地理解和响应用户的需求，提供更加自然和流畅的交互体验。随着技术的不断进步，我们可以期待未来人形机器人将成为一个具体可见的成果，它们将在我们的生活中扮演越来越重要的角色。

北京人形机器人创新中心总经理熊友军

张腊：许总的观念里面这个理想的商业模式是什么样的？

许多：谈到理想的商业模式，有两个核心要素是绕不开的：定位和闭环。定位指的是明确你要做什么，而闭环则是指如何实现商业流程的完整循环。这里我提几点建议：

首先，定位应该基于实事求是的原则。

无论是任务、产品还是模式的闭环，都需要对商业规模进行实际评估，并且不能脱离现有的价值网络。价值本质上是在现有产业链基础上持续生长的，不会凭空产生，而是缓慢生长的。因此，我们对价值的判断应该基于现有的价值网络，并且基于理性来做假设。

以小米为例，它的成功很大程度上来自于它对市场定位的准确把握和对价值网络的深刻理解。小米的产品定位清晰，能够满足消费者的需求，同时它在供应链管理、成本控制等方面形成了有效的闭环，确保了商业模式的可持续性。

在评估创业项目的价值时，确实存在一种倾向，即过于乐观。特别是在AI领域，对价值的评估有时会过于乐观，这是我们需要认真考虑的问题。

关于如何实现商业闭环，我有两点建议。

首先，我们可以适当高估技术的影响力。作为技术创业者，我们对自己的技术及其可能对市场和产业链产生的影响抱有信心，这种技术信仰是可以理解的。

第二，我们需要谨慎的是，不能高估自己的融资能力和运营能力。

创业本质上是一种以时间换空间的解决问题模式，我们投入时间来解决技术问题，以及技术与社会网络的深度融合问题。如果我们过于高估自己的运营能力，可能会面临倒闭的风险。

小米手机部副总裁、小米技术委员会副主席、小米机器人事业部总经理许多

2.小米与华为如何打造AI生态？

张腊：在人工智能这个方向上，现在小米的一个战略规划是什么？小米的业务目标是想实现到什么程度？

许多：小米的AI全局规划，雷总会在后续给大家详细讲解。我这里简单介绍一下小米的AI策略。小米建立了比较完整的生态系统，拥有大量用户数据。现在，小米面临的问题是，如何利用这些数据与市场上众多大模型创业者创造的工具和模型进行深度融合，以提供更优质的服务。

大家也看到了，我们车发布后，车用的语音功能受到了用户的极大赞赏。这主要是因为我们在车上集成了行业主流的模型。我们根据不同领域模型的效果，选择最合适的模型使用。结果是，整个车的服务质量非常高。

我也相信，这种融合的方式未来会成为一种趋势。如果大家想在ToC（面向消费者）领域，想在用户服务的质量上短期内大幅提升，我推荐大家采用这种方式。因为数据决定了模型的质量，如果我们本身没有数据，又想提供优质服务，与拥有数据的公司合作，进行融合，会是一个更好的选择。

我也建议创业者从这种角度考虑。等到真正实现商业闭环，有一定的抗风险能力时，再考虑在自己核心能力相关的领域进行拓展，让自己变得更强大。

张腊：华为云在构建 AI 的创业生态方面做了哪些努力？这个生态对于促进 AI 的商业化方面有什么样的支持？

段小蕾：首先，无论是AI大模型创业还是应用层创业，对算力的需求都是确定的。华为的升腾AI云服务可以为创业者提供稳定、敏捷的云上算力。

算力供给现在非常紧张，我们会尽力满足AI创业公司的需求。首先，通过华为云初创计划，创业者可以申请最高100万人民币的代金券，用于购买华为云服务和算力。此外，我们也在公司内部努力争取更多的算力资源，倾向于我们的创业者。

同时，我们在努力构建一个基于升腾云服务和大模型的繁荣的技术生态，以推动AI的民主化和应用场景多样性。通过华为云的ModelArts和AppStage等AI产品开发运维平台，帮助创业公司不需要重新造轮子，可以在我们的肩膀上用更少的资源投入、更高的效率、更低的技术门槛开发AI原生应用，从AI技术进步中受益。

我们也非常欢迎有相关能力的创业公司加入我们，共同构建和繁荣这个AI技术生态。无论是做中间层、工具链，还是提供运维服务的公司，都可以与我们一起丰富这个生态能力。提高算力的使用效率，降低模型部署的成本，降低AI应用的技术门槛。

还有非常重要的一点是，所有创业者都非常关注的商业化问题，华为云初创生态也可以带来关键价值。

大企业客户的智能化需求场景是十分多元的，而且较为前沿。华为云和具有领先技术能力或在某一领域深耕的创业公司合作，构建联合解决方案，共同推动AI的普及应用，重塑千行万业。华为云初创生态团队正在做两个层面的工作：一是挖掘AI创新应用场景，推动POC（概念验证），加快商业化的前沿探索；二是促成商业订单的落地，实现业务闭环。在这个过程中，我们为创业公司提供了更多的商业机会和市场空间。

海外市场也是AI创业公司寻求商业增长的重要方向。很多AI创业公司从成立的第一天起，就是要拥抱全球市场。华为的全球化历程已经有将近30年，在170多个国家和地区服务当地客户。我们不仅有深刻的海外市场洞察，还有积累沉淀下来的管理方法论和行之有效的业务实践，包括如何做战略决策、如何建立品牌、如何做企业客户销售、如何构建海外组织体系等等，这些我们通过华为云加速器都开放分享给创业者。此外，我们在海外已经构建的营商环境和客户网络资源，都是我们赋能创业伙伴全球化发展的坚实基础。

3.AI商业化的挑战与应对

张腊：今天AI的发展已经进入了2.0的时代，在过去1.0时代，安防是与AI结合非常紧密的场景，当时很多项目都是定制的。所以想请教一下茂亮总，我们在 1.0 时代赚到的钱，在 2.0 时代是否还能够再赚到？

刘茂亮：非常好的问题。这个问题在AI行业中可能普遍存在。

在1.0时代，大家可能会有很多直观的感受，比如大街上的各种摄像头和其他安全设施。无论是政府还是其他合作伙伴，可能更多的是注重建设，而没有真正找到客户最本质的需求。

但在AI的2.0时代，我们发现了很多新的可能性，这些可能性主要来源于技术的进步和应用场景的不断拓展。

以燃气行业为例，以前燃气安全监控主要依靠人工巡检和检查，这种方式不仅成本高，而且效率低下。现在，我们可以利用AI技术，在现有的视频监控系统上增加智能算法，自动识别燃气泄漏、管道破损等异常情况，并及时预警。这样一来，不仅可以降低企业的成本，还能提高燃气安全的监管效率。

这种智能监管系统的应用为燃气行业带来了更好的商业价值，同时也提升了城市的安全水平。AI技术在燃气行业中的应用只是AI2.0时代的一个缩影，实际上，AI技术已经在许多行业中带来了类似的变革。随着技术的不断进步，我们可以期待AI在更多行业中发挥更大的作用，为人们的生活带来更多的便利和安全性。

所以，如果我作为燃气企业，能够通过智能技术解决燃气安全问题，那么我自然愿意为此付费。因为智能技术能够帮助企业实现降本增效。这种商业模式在AI的2.0时代自然产生。

然而，这种体系的构建目前可能还处于初期阶段。产业验证可能比较复杂，因为燃气安全问题不是简单地通过算法识别和计算就能解决的。但随着AI技术的发展，它将更有能力解决行业问题。

AI技术的进步将带来更多创新的应用，帮助燃气行业等传统行业实现智能化转型，从而提高安全性和效率。这种技术的应用不仅对行业本身有积极影响，还能为社会带来更多福祉。

在AI的2.0时代，我们不仅仅关注单个技术或应用，而是更注重构建一个大的生态系统。产业的安全性，尤其是在各行各业，是一个复杂的问题，没有任何一家公司或企业能够独自解决所有的问题。

因此，我们需要通过平台的方式聚合更多的AI能力，以便更好地满足用户的需求并解决问题。平台模式可以提供一种协作和共享资源的方式，使得不同公司和组织能够共同参与到解决产业问题的过程中。通过这种方式，我们可以更好地理解用户需求，开发出更有效的解决方案，并实现产业的智能化转型。

在AI的2.0时代，平台模式将成为持续运营和运作的核心，以更好地解决城市安全问题。通过平台模式，我们可以整合不同的AI技术和解决方案，形成一个协同共创的生态系统，从而更有效地应对城市安全挑战。

此外，随着AI技术的发展，我们预见整个产业流程和结构将会发生变化。AI将重构安全产业的整个框架，使其更加智能化和高效。这意味着，AI技术还将改变传统的安全产业运作方式，使其更加适应现代社会的需求。

张腊：代码大模型在商业化方面正呈现出哪些独特的商业特征？

刘德欣：首先，我想说的是，代码大模型本身也拥有通用大模型的那些能力，它是基于软件工程的特点进一步训练而来。我们知道自然语言和程序语言两者之间有非常大的不同，程序语言拥有结构化、逻辑化和上下文依赖等特点。

举个例子，“我的名字是刘德欣” 和 “刘德欣是我的名字”，如果这个语序的顺序颠倒了，大模型也能理解。但如果我们将代码的顺序颠倒，就可能会出现编译错误。这是因为代码需要遵循特定的语法和逻辑规则，这是和自然语言不同的地方。

因此，我们在构建和训练代码大模型时，需要考虑到程序化语言的这些特点。包括我上面提到的结构化、逻辑性和上下文依赖性等等。我们需要确保模型能够理解和生成符合软件工程的内容。

在商业化落地方面，我们也面临着巨大的挑战。当前我们已经克服了这些挑战，这里我给大家做一些分享。

例如，我昨天看了一下OpenAI的数据， GPT4的平均延迟时间是5.4秒。对于普通用户来说，等待5秒大多数是可以接受的，只要最终能够得到生成的结果。但对于软件开发人员来说，他们的思路是连续且流畅的，不容被打断。因此，在提供服务时，我们的模型不能让开发人员感知到它的存在，特别是在正在编写代码时，不能让他们等待超过5秒。

如果开发人员的思路被打断，这会对他们的工作造成干扰，从而影响工作效率。因此，对于代码大模型来说，技术要求更高，需要在毫秒级的时间内给出结果，以确保开发人员的工作不受影响。

由于安全合规的要求，我们在大型企业私有化部署过程中遇到了两个挑战。一个落地的难点是，私有化部署可能没有足够的算力，尤其是在使用部分低算力国产显卡或低端英伟达GPU的情况下会限制模型的性能和响应速度。

H100和A100等高性能的显卡能够提供快速的响应时间，同样，升腾910B等国产显卡也有很好的性能。但对于一些低端显卡，如何在有限的算力下实现毫秒级的响应时间，这就需要模型厂商用一系列的技术去解决这些问题。

另一个落地的难点是，大模型都是基于开源的数据和代码进行训练的。一旦模型进入企业内部，它就有可能无法理解企业的业务逻辑、领域知识和编程规范等。因此，我们需要对模型进行个性化的训练，以帮助大模型学会企业的领域知识。

这不仅仅是对模型进行简单的微调，如使用Lora、Adapter等方法，更需要一整套的方法论和工具来支持。这包括数据处理、模型架构优化、算法选择等很多方面。

我们已经在这两个方面做得很好，并在许多大型企业中成功落地了我们的大模型。通过这些实践，我们积累了丰富的经验，可以为更多的企业提供支持和帮助。

张腊：现在人型机器人也是非常火的话题，但很多人都不知道，人型机器人究竟是如何服务客户、如何赚钱的？所以想请问熊总，人型机器人在商业化过程中会遇到什么问题，如何应对？

熊友军：人形机器人的发展面临着几个主要问题。

首先，如何进行技术突破是关键。由于人形机器人还处于早期阶段，从核心技术研发到产业链构建再到商业化落地，都还有许多问题需要解决。最主要的挑战是技术发展与客户需求之间的差距。

为了解决这个问题，我们需要在核心技术上取得突破，比如在运动控制、认知、决策、传感、感知等方面。历史上，对于技术难题，我们通常会采取多条路径同时推进的方法。这意味着我们需要探索不同的技术解决方案，以期找到最佳路径。

其次，我们需要找到基于现有技术条件的合适应用场景。例如，人形机器人在国内发展迅速，但真正的商业化落地还有待时日。在国外，特斯拉等公司已经开始在工业领域小批量落地人形机器人，而像figure和Digit公司等，也已经开始在资本的推动下进行技术商业化。

国内一些头部的机器人公司，比如优必选，也已经在新能源汽车制造和3C制造领域进行了初步的试训。这表明人形机器人在工业领域的应用已经开始落地。

第二步，我们认为人形机器人的下一个落地点可能是商业场景。而在家庭领域，我们则认为应该分两步走。

第一步是陪伴型机器人，这种机器人更多关注人机交互，满足用户的情感需求，而不需要执行实际的家务劳动。这种类型的机器人可以作为用户的伴侣，提供情感支持和陪伴。

第二步是家庭助手型机器人，这种机器人可以真正成为家庭的一部分，承担一些家务劳动，如清洁、烹饪等。这种机器人需要具备更高的智能化水平和更强的执行能力，以适应家庭环境中的多样化需求。

第三，就是如何降低成本。降低成本是人形机器人实现大规模商业化应用的关键因素之一。随着技术的成熟和生产规模的扩大，成本的下降是可预期的。

中国拥有强大的供应链体系，这为降低成本提供了良好的基础。与产业链上的厂商合作，共同推动技术创新和规模化生产，可以加速成本的降低。通过产业链的协作，可以实现资源共享、技术互补，从而提高生产效率，降低成本。

我们有理由对降低成本的前景保持乐观。随着产业链的不断优化和技术的持续进步，人形机器人的成本有望进一步降低，从而推动其在更多领域的应用。

END.