DeepSeek视角下的第三届中国AIGC产业峰会：万物皆可AI的时代已来？
编辑部 发自 凹非寺量子位 | 公众号 QbitAI
峰会概况：一场关于“万物皆可AI”的激辩
Q：第三届中国AIGC产业峰会的核心议题是什么？
今年的峰会以“万物皆可AI”为主题，汇聚了20余位行业大咖，共同探讨了技术前沿与产业痛点。会议围绕以下几个关键议题展开深入讨论：
- 提速降费是2025年中国AI应用爆发的关键。
- 大模型的出现使得“万物皆可Chat”成为可能，但不能仅仅停留在简单的Excel+Chat层面。
- 大模型落地正从简单、高容错的场景向复杂、低容错的场景延伸。
- 物理世界实现AGI，必须依赖端侧智能。
- 大模型正在打破教育领域长期存在的“不可能三角”。
Q：峰会有多火爆？
本次峰会延续了往届的火热态势，现场座无虚席，线上云端持续火爆：
- 到场参会观众超过1000人。
- 线上围观人数超过320万人。
- 累计曝光量超过2000万次。
Q：本次峰会与以往有何不同？
与以往不同的是，本次峰会协助编辑部共同整理内容的大模型不再是ChatGPT和Claude，而是DeepSeek。DeepSeek也成为峰会的高频热词，将AI推向前所未有的普及程度。
Q：峰会传递出的核心信息是什么？
峰会传递出的核心信息是：底层的基建、顶层的应用、垂直的场景，正在迎来海量的用户，一个“万物皆可AI”的时代已经到来。
大咖观点：AI如何在千行百业落地生根？
百度阮瑜：大模型应用的三大趋势
Q：阮瑜认为大模型应用有哪些趋势？
百度副总裁阮瑜认为，大模型应用展现出三大趋势：
- 开发者可以轻松快速、低成本地开发出企业应用。
- 大模型场景从简单高容错向复杂低容错延伸。
- 应用市场在从工具市场向专业服务市场拓展，市场潜力不断爆发。
Q：大模型的应用形态如何演进？
随着技术的发展，大模型的应用形态也在不断演进：
- 从单模态到多模态。
- 从单智能体到多智能体。
- 从辅助决策向自主执行演进。
Q：百度智能云如何划分千行百业的应用？
百度智能云将千行百业的应用分为两类：
- 通用应用：多模态是重要演进方向，大小模型相结合的方式可显著降低调优成本，碎片化的需求将有很大可能性被标准化的产品满足。例如，百度智能云一见在视觉领域应用深耕多年，覆盖安全生产、连锁合规以及品质管控等场景。
- 行业应用：以医疗为例，AI技术变革正全面渗透进各种场景中，医疗大模型正从辅助决策向自主执行方向演进。
生数科技廖谦：多模态生成能力催生全新内容平台
Q：廖谦对多模态大模型生成方向有何展望？
生数科技产品副总裁廖谦认为：
- 文本生成技术相对成熟，应用场景多。
- 图像生成发展迅速，已突破技术奇点。
- 视频生成正处于黄金发展期。
- 具身智能是多模态的重要方向，多维度数据带来更高维度的智能涌现。
Q：视频生成有哪些潜在应用场景？
生数Vidu的实践表明，AI短片、动漫、大众娱乐、广告营销、电商等都是视频生成可落地的场景。
Q：多模态生成领域未来如何发展？
廖谦分享了三个行业洞察：
- 2025年将是多模态生成的爆发之年。
- 多模态内容将直接输出，而非仅仅是默剧和片段。
- 专业和半专业用户会大规模涌入，产生破圈高价值的内容。
Q：多模态大模型的终局是什么？
随着多模态技术发展到可以做到实时可控可交互时，它完全做到个性化，到那时一定会诞生出全新内容平台，这将在社交、游戏、VR、AR等多个行业领域带来深远的影响。
粉笔陈建华：个性化教育的关键在于Context
Q：大模型如何打破教育“不可能三角”？
大模型的出现，打破了教育不可能三角，可以同时兼顾高质量、大规模化和个性化。
Q：大模型落地教育有哪些特点？
陈建华认为，大模型落地教育有四个特点：
- 聚焦学会，而非仅答案正确。
- 学习主动面临巨大挑战。
- 遵循科学、系统的教研体系。
- 场景严肃、准确率要求极高。
Q：粉笔在大模型教育应用探索经历了哪些阶段？
粉笔在大模型教育应用探索经历了三个阶段：
- 阶段一：聚焦在内部、有限制、小场景中进行探索，发现大模型在点评场景效果不错，但推理能力仍需提升，结构化引导至关重要。
- 阶段二：正式推出AI老师，标志着从单点场景走向系统化、多场景融合。
- 阶段三：发布AI系统班，基于大模型、数字人、TTS等技术，全程由AI老师驱动学习流程，提供更加个性化的学习体验。
Q：粉笔未来在大模型赋能教育的探索方向是什么？
粉笔在大模型赋能教育的探索将主要聚焦在两个关键方向：多维度的个性化升级和三位一体的AI老师形态。
面壁智能李大海：端侧智能是物理世界实现AGI的必由之路
Q：李大海认为DeepSeek成功的关键是什么？
李大海认为，DeepSeek的成功是天时地利人和的叠加，最底层是三个“密度”：高人才密度、高组织密度、高资源密度。
Q：什么是知识密度？
李大海提出了知识密度的概念，即大模型同样参数量能够压缩越多的知识，知识密度越高，模型的智力就越强。
Q：为什么说端侧智能是物理世界实现AGI的必由之路？
李大海认为，物理世界的交互对实时性与用户隐私保护有基本要求，端侧更有优势。
Q：端侧智能有哪些应用场景？
李大海以具身智能为例，介绍了两个场景：
- 汽车：汽车是第一个真正落地的具身智能，需要不受网络影响的端侧模型随时随地感知。面壁已在车端落地了首个纯端侧Agent智能助手超级小钢炮cpmGO，实现低功耗高性能快响应的“端侧”专属优势。
- 机器人：只有把大模型直接部署在机器人的脑子里，机器人才能稳定地灵敏感知与及时决策，相比云端具备先天的数据优势与用户信任感。
中关村科金喻友平：“平台＋应用＋服务”是企业大模型落地的最佳路径
Q：企业应用大模型的核心问题是什么？
喻友平强调，企业面对大模型关注的核心问题是：大模型能否帮助增加收入、带来更多客户、节约成本或提高效率。
Q：企业如何突围？
垂类大模型是企业突围的关键。
Q：中关村科金如何帮助企业实现大模型落地？
中关村科金提出了“平台+应用+服务”的三级引擎战略，是企业大模型落地的最佳路径，其核心是基于得助大模型平台训练垂类大模型，打造有价值的智能化应用。
Q：得助大模型平台有哪些能力？
得助大模型平台覆盖算力、数据、模型和智能体四大能力工厂，兼容各类算力和国内外开源基础模型，提供从数据标注到训练推理的全流程支持，具备全链路的大模型开发和应用能力，并沉淀了数百个大小模型组合的“样板间”，帮助客户更容易实现应用落地。
网易有道张艺：「AI+教育」的想象力与落地
Q：张艺认为大模型在教育场景扮演着什么角色？
张艺认为大模型在教育场景天然的具有普适性，学校、家庭和自学三个场景非常关键，AI在不同场景扮演着不同的角色，在家庭场景，AI像家庭老师帮你辅导孩子，自学场景则更像是个学习搭子。
Q：AI在教育领域的进展如何？
业内一般将AI在教育领域的进展分为四个阶段，目前AI已从“辅助教学”进化至“个性化学习”，正朝着成为“虚拟老师”努力。
Q：网易有道在大模型落地方面有哪些进展？
有道自研的子曰翻译大模型2.0在翻译质量上保持行业领先，已在有道词典、翻译等产品中上线。Hi Echo是一款虚拟人口语私教产品，可以提供随时随地的口语练习，并履获苹果应用商店推荐。有道文档FM能实现超拟人音色生成，并已开启全网公测。SpaceOne全面屏答疑笔，通过内置的AI家教“小P老师”实现全科答疑，基于多模态识图能力，还带来更丰富的交互学习可能性。
如何为AI产业保驾护航？
PPIO派欧云姚欣：AI时代需要“提速降费”
Q：姚欣认为AI应用普及面临哪些挑战？
姚欣认为AI应用普及面临两大挑战：
- Agent单次任务消耗近百万Token。
- 中国互联网用户的免费习惯很难改变。
Q：如何实现AI大规模应用和降本？
AI Infra公司必须成为最懂上层模型和应用的底层硬件基础设施公司。
Q：PPIO派欧云的技术策略是什么？
PPIO派欧云的技术策略包括：
- 持续跟进最新模型，整合更多开源模型，实现模型的推理加速。
- 建立全局分布式算力调度系统，应对海量用户请求。
- 整合全国约4000个数据中心的闲置算力资源，覆盖1200多个城市，提供10毫秒响应的算力服务。
亚马逊云Troy Cui：提高数据质量和效率是AI赋能的重要前提
Q：Troy Cui认为AI最核心的竞争力是什么？
Troy Cui认为，AI最核心的竞争力仍然是企业自己的数据，如何将数据更快地变成洞察，尽可能提高数据质量，是AI赋能的重要前置条件。
Q：企业在数据治理方面存在哪些问题？
企业在数据治理方面存在诸多问题，比如多部门协作时的数据碎片化问题，传统技术栈与云技术不兼容，传统ETL开发维护成本高等。
Q：亚马逊云提出了哪些解决方案？
亚马逊云提出了一系列解决方案：
- Amazon SageMaker Unified Studio：提供一站式数据开发、模型训练和部署环境，企业可以基于自身数据，在几分钟内构建一个低代码的智能问答平台。
- Amazon Q：集成在Amazon SageMake中的AI助手，支持自然语言快速生成复杂的SQL，可以帮助开发者判断代码是否存在知识产权的问题。
- Media To Cloud：应用于视频的方案，支持用自然语言搜到想要的视频片段。
- Zero-ETL解决方案：自动化将数据汇聚到数据仓库或数据湖，减少ETL开发工作。
无问芯穹夏立雪：端云并举改善算力供需矛盾
Q：夏立雪认为当前算力市场存在什么矛盾？
夏立雪指出，大模型发展逐渐步入推理规模扩展时代，算力需求将激增百倍，但粗放供给与精细需求矛盾日益凸显。
Q：如何解决算力供需矛盾？
应构建高质量平台化算力服务，帮助企业将分散算力升级为“商业广场”、“AI赋能综合体”式标准化服务，使中小开发者无需关注底层架构即可获得完整AI服务生态。
Q：无问芯穹在算力方面有哪些技术突破？
无问芯穹在端侧首创SpecEE推理框架，利用小参数模型缩减大模型搜索空间，实现AI PC等智能终端上2.43倍推理加速；云端创新推出semi-PD，结合融合式实例存储优势和分离式实例计算优势，实现延时降低最高达5.6倍；另提出通用计算通信方案FlashOverlap，首次以基于信号的方式实现计算通信重叠以降低通信开销，可在生产级和消费级显卡上实现约1.5倍加速。
瑞莱智慧田天：大模型落地关键在于智能体组织，安全是核心前置门槛
Q：瑞莱智慧如何看待大模型应用带来的安全问题？
瑞莱智慧认为，需要关注以下几个方面：
- 提升AI自身的可靠性和安全性，如越狱攻击、偏见歧视、模型幻觉等。
- 防范AI滥用以及被人恶意应用所带来的一些危害。
- 保证AGI的安全发展。
Q：如何确保AGI安全发展？
瑞莱智慧正在进行一些前沿的布局研究，包括怎么样搭建超级对齐平台，用AI监管AI，最终实现更加安全的超级智能。
Q：为什么智能体组织很重要？
将现有的智能体通过比较好的方式组织并融入到各行各业的工作流之中，重构工作流程，就有可能大幅度解放AI的生产力。在这个过程中，安全可控一定是非常核心的前置的门槛。
华为王辉：AI成为网络守护者
Q：王辉认为当前网络安全面临什么挑战？
王辉认为，当前全球AI产业正处于全面加速状态，带来网络升级、智能终端泛在和大模型普及等显著变化，持续加剧了企业网络安全风险。
Q：AI催生了哪些新的网络安全攻击场景？
AI催生出了新的网络安全攻击场景，包括大模型越狱攻击、勒索软件攻击、社会工程学攻击等。
Q：华为的安全应对之道是什么？
华为的安全应对之道是构建以AI为核心的新一代L4级网络自动驾驶系统，实现网络和安全的深度融合。
Q：华为对未来网络安全有哪些观点？
王辉强调了四个观点：
- 未来网络安全将进入AI与AI对抗的螺旋式竞争阶段，取决于进化的速度。
- 智能体的智能程度不是取决于对已知的决策，而是对未知的判断。
- AI落地垂直行业是一个系统工程，不仅仅是引入大模型或智能体，更涉及到硬件、软件、模型甚至流程的重塑。
- 在AI这场国运级别的竞争中，要用最领先的AI技术赋能网络，用最安全的网络技术护航AI产业，推动新质生产力，做科技文明复兴的守护者。
各行各业从业者怎么用AI？
MSRA刘炜清：RD-Agent让每个研究员都有个Agent当科研助理
Q：RD-Agent的初衷是什么？
团队研发RD-Agent的初衷旨在让研究员和数据科学家人人都能拥有科研助理，来承担起重复但高门槛的工作。只需要人类专家提供一个想法以及数据，RD-Agent就能完成代码实现。
Q：RD-Agent的目标是什么？
他们更进一步的目标是构建通用的数据科学或机器学习智能体，以增强人类专家的能力和产出，甚至自动解决新场景和新问题并持续改进方案。
Q：RD-Agent的未来发展方向是什么？
未来他们期待RD-Agent可以自主发现新方法，能重塑数据科学和机器学习领域。
数势科技谭李：让每个打工人都能有数据分析和决策助手
Q：数据分析领域面临哪些挑战？
即便是领先的互联网公司或优秀的传统企业，目前也只有10%的业务人员能随时获取所需数据，对于绝大多数业务人员来讲经常遇到的问题是数据分析面临大量的需求“排队”。
**Q：哪些趋势
相关文章
提供CDN加速/云存储服务
