2024年7月4日，世界人工智能大会暨人工智能全球治理高级别会议在上海世博中心隆重举办。在产业发展主论坛上，百度创始人、董事长兼首席执行官李彦宏发表了一番引人深思的讲话。他呼吁：“大家不要卷模型，要卷应用！”李彦宏指出，尽管AI技术已经从辨别式转向了生成式，但技术本身并不是目的，真正的价值在于如何将这些技术应用于实际场景，解决实际问题。他还提醒大家要避免掉入“超级应用陷阱”，即过分追求用户日活跃量（DAU），而忽视了应用的实际效果和产业价值。他认为，AI时代的规律可能不同于移动时代，一个“超级能干”的应用即使DAU不高，只要能为产业带来实质性的增益，其价值就远超传统的移动互联网。
在此基础上，我认为李彦宏的观点存在一定的偏颇。固然，应用的落地是AI技术发挥实际价值的关键，但忽视模型的重要性是错误的。好的模型是任何应用的基础，没有强大的模型支撑，应用的效果必然大打折扣。此外，如果中国只是简单地使用现成的模型，将会在技术创新上落后于人，这对于中国在全球科技竞争中的地位将是极为不利的。
大模型技术的重要性
首先，大模型是AI技术进步的核心。以OpenAI的GPT系列模型为例，从最初的GPT到GPT-4，每一代模型的进步都带来了显著的技术提升和更广泛的应用场景。这些大模型不仅在自然语言处理、图像识别等领域展现了强大的能力，还在医学、金融、教育等领域带来了颠覆性的变化。例如，在医学领域，基于大模型的AI诊断系统可以通过分析海量医学数据，提高诊断的准确性和效率，甚至能够在某些方面超越人类医生的水平。
应用的重要性及其局限
不可否认，应用是AI技术发挥实际价值的途径。李彦宏所提到的避免“超级应用陷阱”，提醒我们在追求应用落地时不要盲目追求DAU，而应注重应用的实际效果和产业价值。这一观点在当前AI应用热潮中具有现实意义。然而，应用的落地需要依赖强大的技术支撑，尤其是在AI技术不断进步的今天，模型的更新换代直接影响到应用的性能和用户体验。
例如，百度自身的自动驾驶项目Apollo，就依赖于其强大的AI模型和算法支持。没有高精度、高可靠性的模型，自动驾驶汽车在复杂路况下的表现将无法令人满意。此外，像语音助手、智能家居等应用，也都依赖于自然语言处理和图像识别等基础模型的不断优化。
另一例子是谷歌的AlphaFold项目，该项目利用深度学习模型成功预测了蛋白质的三维结构。这一技术突破不仅为生物医学研究提供了重要工具，还在药物研发、疾病诊断等应用领域带来了革命性变化。如果没有强大的深度学习模型支持，这一应用根本无法实现。
大模型与应用的辩证关系
大模型和应用之间是相辅相成的关系。应用需要强大的模型支持，模型的发展又需要通过具体应用来验证和优化。这一点在AI技术的实际发展中表现得尤为明显。例如，AI在金融行业的应用，不仅需要金融数据的模型支持，还需要通过具体的金融产品和服务来验证模型的准确性和有效性。通过应用反馈，模型得以不断改进，从而推动整个行业的发展。
另一个值得注意的例子是特斯拉的Autopilot系统。特斯拉在自动驾驶领域的成功很大程度上得益于其持续改进和优化的AI模型。这些模型通过大量的实际驾驶数据进行训练和调整，从而提高了自动驾驶的安全性和可靠性。
结论
综上所述，我认为李彦宏关于“不要卷模型，要卷应用”的观点虽然具有现实意义，但忽视了模型的重要性。大模型是AI技术的核心，没有强大的模型，任何应用都无法真正发挥其潜力。中国在AI领域需要既重视应用的落地，也要注重基础模型的研究和创新。只有这样，才能在全球科技竞争中占据一席之地，实现AI技术的可持续发展和产业价值的最大化。
通过更多的实际例子可以看出，模型和应用在AI发展的道路上相互依存，相辅相成。未来，只有在两者之间找到平衡点，才能推动AI技术真正造福人类社会。
版权归原作者 Network_Engineer 所有， 如有侵权，请联系我们删除。