2024 AI创新者大会提问：路演还是路线，如何让AI落地企业场景？

作者：王聪彬

在一间装满繁忙的生产车间里，传感器数据不断涌入云端，AI算法实时优化生产流程，几个季度后，这家企业的利润率悄然攀升；与此同时，一家物流企业投入数百万打造一套AI调度系统，但复杂的算法无法适应实际的运输路线规划，导致项目搁浅，管理层甚至重新考虑AI战略的必要性。

同样是引入AI，却遇到了不同的境遇。AI落地的过程是炫目的“路演”一时吸睛，还是清晰的“路线”稳步前行？这正是每一家希望在AI浪潮中脱颖而出的企业必须思考的关键问题。

11月16日，由PEC China、至顶科技、软积木主办的2024 AI创新者大会暨PEC·提示工程峰会上，PEC China发起人、微软MVP、软积木CEO刘海峰（Hank）主持了“年度提问二：路演还是路线，如何让AI落地企业场景？”的圆桌讨论。戴尔科技集团企业技术战略架构师总监暨大中华区AI事业部负责人许良谋，阿里云百炼产品专家郝义，北京智优沃科技有限公司总裁刘秋江，云蝠智能CEO魏佳星，以及智谱AIGC事业部产品负责人袁会会齐聚一堂，共同展开了一场深度的思想碰撞与经验分享。

AI落地的起点

AI在企业中的应用为何屡屡受挫？许良谋指出，企业中78%的AI项目往往都是胎死腹中。很多项目停留在实验室阶段，没有实际用户或高层支持，POC（概念验证）容易，但真正验证价值（POV）就很难。”他强调，高价值场景是AI成功落地的基础，如果这一点没有梳理清楚，项目从一开始就注定失败。

阿里云百炼在过去一年里已经服务了众多企业客户，对于大模型落地，郝义看到两个明显特征：第一，场景，很多客户对大模型有什么能力，还处于一个模糊的认知状态；第二，成本，尽管大模型的调用成本已经下降了几轮，但对调用量大的企业来说，成本仍是一个关键考量。阿里云百炼一直在优化性能和降低成本，同时通过强性价比的大模型API和低门槛开发平台，帮助企业以更轻松的方式探索大模型的潜力。

“企业内部梳理与市场产品的快速迭代之间形成了一个矛盾点。”刘秋江提到，简单的AI应用，比如生成宣传文案，企业已经用得得心应手，但要深入到核心业务，需要对业务有系统性理解，同时市场上AI产品的快速更新让企业面临“选择困难症”。

魏佳星从用户需求的角度切入，认为当前的主要问题在于需求不明确和技术预期过高，很多企业把生成式AI看作万能工具，但实际上今天的大模型在稳定性和可解释性上还存在明显不足。他进一步指出，尽管如此，生成式AI的潜力巨大，现在只是发展到“55级”（以游戏比喻），未来还有很大的成长空间。

“生成式AI的真正价值在于深度融入企业的工作流和业务流，而不仅仅是单点应用。”袁会会强调，现在很多AI项目都被称为一把手工程，但实际上缺乏长期的路径规划。要真正让AI产生价值，不仅需要高层的推动，还需要公司上下的协同，包括提升数据质量和数量。

创新的试炼场

许良谋从戴尔的实践出发，强调创新需要回归业务实际。他指出，企业在推动生成式AI时，最糟糕的做法是聘请一批技术专家闭门造车，设计出一些脱离现实的场景。“每个企业都需要问自己一个核心问题：我们的竞争优势在哪里？用AI在这些关键点上做突破，才是真正的创新。

“创新与增效并非对立，可以兼顾。“郝义认为，而企业的重点应该是聚焦业务流程的创新，技术创新可以交给云厂商去完成，通过优化业务模式，可以显著提升流程效率，最终带来成本的整体降低。他鼓励企业应该持续专注于业务创新，因为这不仅推动了技术落地，也为增效奠定了基础。

首先，增效是企业的首要目标，大模型的应用需要聚焦于数据丰富、活跃度高的领域；其次，企业必须关注投入产出比，尤其是在AI技术落地初期，必须在18个月内看到成本回报。刘秋江举例，像基因测序等领域，生成式AI的应用已经实现了上千倍的效率提升，这种增效无疑是企业投入的核心驱动力。

魏佳星讲述了竞争对手提供了一份出色的方案，他立即让团队用大模型快速生成一个样本进行测试，这种试错仅需300元成本，却大幅提升后续的工作效率。他强调，创新需要人首先提出假设，然后通过工具和技术将其快速落地并验证。

袁会会则从系统性视角切入，提醒企业在推动创新时，必须区分哪些是适合自主完成，哪些可以依赖外部资源。他指出，过早尝试自己训练大模型可能导致资源浪费，因为模型更新速度太快，企业很可能刚完成训练，就发现市场上的开源模型已经更新数代。

技术与市场的平衡术

技术驱动若失衡，可能会陷入“为技术而技术”的困局，这无疑提醒我们技术价值的衡量不能偏离商业本质。许良谋提到，在快速迭代的AI时代，需要“两手抓”的策略，避免单一导向带来的局限。

阿里云可以说是最懂客户需求的云服务商。郝义认为，技术领先力是推动市场的核心，并结合实际客户需求，将技术成果迅速转化为业务价值，阿里云一定是从技术引领市场，提供全场景易落地的生成式AI应用。

刘秋江的“三七分”理论则更偏向于市场主导。他将市场视为实践的主体，而技术是支撑市场发展，两者相辅相成，通过动态迭代的视角，突出市场实践在驱动创新中的重要性。

魏佳星强调，“先上船”的重要性，在一个充满不确定性的市场中，率先掌握技术即意味着率先抢占市场先机，错过技术创新的节点则可能失去整个时代的红利。

“技术与市场要放在不同层面上考量。”袁会会说，技术领先需要与全球顶尖力量对抗，而市场竞争更多集中在细分领域的垄断优势，考虑市场规划，考虑竞争优势怎么建立起来。

18个月的预测

我们都喜欢对未来做预测，所以我们也对于未来18个月，企业AI落地情况做了预测。

“在未来18个月内，每家企业在AI落地过程中都像面对‘游戏关卡’。”许良谋指出，准确性、实时性、成本优化和规模化推广，这些挑战如同必须打通的Boss。

郝义则抛出一个发人深省的问题：当模型推理的成本和速度降到极低时，企业的AI应用是否还会像现在这样？随着技术瓶颈的突破，AI的商业逻辑和应用场景可能会迎来一场革命性的变化，这为行业未来的发展提供了无限遐想的空间。

刘秋江预测生成式AI将率先在市场销售和获客环节取得突破，因为这一领域落地性强、见效快，是最容易验证AI商业价值的切入点。

而魏佳星做出一个更具颠覆性的判断，他认为，未来18至36个月内，依赖电话的传统岗位或将大规模消失，人工智能将重新定义某些职业的存在形式。这不仅是一种技术革命，更是一场社会变革。

行业解决方案角度，袁会会认为，当前偏通用的AI解决方案将在18个月内向行业定制化转变，生成式AI的落地将逐步深入到各行各业的具体场景中，从而推动行业的全面升级。这种从广度到深度的转变，预示着AI商业化进程将进一步加速。

未来18个月，生成式AI将从验证迈向深度落地，然而，不确定性依然存在，错失窗口或盲目投资都可能带来风险，成败的关键在于能否将生成式AI的潜力转化为实际价值。