從手工業(yè)走向工業(yè)化，西方國家花費了近200年。即便是快速發(fā)展的中國，也經歷了70余年的時間。而在AI領域，從“手工作坊”走向工業(yè)化，僅花費了不到3年。

當前，AI落地已經不僅僅是“項目交付”，而更多的是“價值交付”，這點從今年紅杉資本會場上被廣泛討論并在業(yè)界成為共識，當時包括OpenAI首席執(zhí)行官 Sam Altman和谷歌首席科學家Jeff Dean 等在內的150位全球頂尖AI創(chuàng)始人共同認為——“下一輪AI，賣的不是工具，而是收益。”

在AI從“工具”轉變?yōu)?ldquo;價值”的過程中，國家層面也在積極推動AI落地產生價值，8月26日，國務院印發(fā)《關于深入實施“人工智能+”行動的意見》（簡稱《意見》），明確將智能體列為重點發(fā)展領域，并提出了三個階段的發(fā)展目標：2027年，實現(xiàn)人工智能與六大重點領域廣泛深度融合，新一代智能終端、智能體等應用普及率超過70%；2030年，新一代智能終端、智能體應用普及率進一步提升至90%以上；2035年，中國將全面步入智能經濟和智能社會發(fā)展新階段。

在優(yōu)化應用發(fā)展環(huán)境方面，《意見》提出了一系列創(chuàng)新舉措，為智能體技術的發(fā)展提供了強有力的支撐保障。通過布局建設一批國家人工智能應用中試基地，搭建起連接技術創(chuàng)新與產業(yè)應用的橋梁，加速智能體技術從實驗室走向產業(yè)化。這些中試基地將成為智能體技術驗證、成果轉化和商業(yè)模式探索的重要平臺。

與國際相比，國內在AI方面發(fā)展路徑不盡相同，浪潮集團執(zhí)行總裁、總工程師，浪潮云董事長肖雪表示，國內與國際在AI的發(fā)展路徑，與互聯(lián)網時代的發(fā)展路徑很像，“國際更多在基礎理論研究上、在算力上是占先的，通過這個角度來驅動人工智能的整體發(fā)展。”肖雪分析道，“中國實際從上一個互聯(lián)網時代就已經呈現(xiàn)出這個力量了”，憑借工業(yè)全品類、統(tǒng)一大市場、政策的集約性和執(zhí)行的延續(xù)性，中國在消費互聯(lián)網時代依靠場景和應用贏得了勝利。從移動支付到健康碼，都是“應用之道”的成功實踐。

在肖雪看來，對于中國企業(yè)而言，不需要追求在基礎大模型上直接與OpenAI等巨頭抗衡，而是聚焦于將各種基礎模型能力，與中國龐大的垂直行業(yè)場景相結合，解決“最后一公里”的落地問題。“相對而言，國際上其他國家更多強化AI的金融屬性、算力屬性和基礎理論屬性，中國更多去定義了應用之道。”肖雪總結道。

從“手工作坊”走向工業(yè)化面臨“三座大山”

而讓AI從“技術”走向“落地”的關鍵就在于普適化。在肖雪看來，真正要實現(xiàn)從“手工作坊”到“現(xiàn)代工廠”的轉變，最直接的改變要體現(xiàn)在效率、成本和質量這三個“制造業(yè)”永恒的命題上。

《意見》中明確，2030年，新一代智能終端、智能體應用普及率進一步提升至90%以上，這也就意味著，到2030年，AI將像水電一般，成為我們生活不可或缺的一部分。

但“硬幣的另一面”是，當前AI技術發(fā)展并不如想象般順暢，開發(fā)周期過長、投入成本過高，以及模型質量在實際業(yè)務應用的成效過低等三大核心問題，是阻礙AI應用落地的三座大山。

效率方面，過去訓練一個政務問答模型，光數(shù)據標注就需要5個工程師花費將近一個月的時間，最后效果還依賴調參工程師的經驗。有統(tǒng)計數(shù)據顯示，傳統(tǒng)模式下模型制造周期長達90人天，且質量隨工程師水平波動，這與當前市場對AI服務“分散化、小型化、定制化”的需求形成尖銳矛盾。

成本方面，傳統(tǒng)模式下企業(yè)需單獨采購算力、組建算法團隊、搭建數(shù)據平臺，導致單個模型成本高達數(shù)千萬。有研究機構指出，全球AI公司年均研發(fā)投入增長45%，但商業(yè)化落地率不足30%，邊際收益遞減現(xiàn)象日益顯著。

與此同時，企業(yè)在大幅增加AI投入的同時，也越來越關注可量化的業(yè)務成效。“投資流向生成式AI過程中，企業(yè)已從對技術先進性的追求，逐漸轉變?yōu)樽非笄袑嵉纳虡I(yè)價值。”聯(lián)想集團高級副總裁、首席信息官、方案服務業(yè)務集團首席技術與交付官曾對筆者指出。

在企業(yè)普遍追求降本增效的時代，企業(yè)雖然對AI會加大投入，但同時也更希望看到AI為他們帶來“既得利益”，“AI在企業(yè)中應用，要么給企業(yè)帶來新的增長，要么為企業(yè)節(jié)省開支，這兩個都不能帶來的技術，是沒有意義的。”此前筆者在與某零售行業(yè)CIO交流時，他曾多次向筆者強調。

模型質量方面，當前模型在行業(yè)側應用質量不高，很多模型產品投產之后達不到原有想要的應用效果。究其原因，主要有兩點，一是模型選型與業(yè)務需求不匹配。不同模型擅長領域不同，而企業(yè)不同業(yè)務領域需求模型能力也不盡相同。例如，金融行業(yè)的企業(yè)可能更關注AI在風險控制、客戶畫像構建等方面的應用，而零售行業(yè)的企業(yè)則更看重AI在精準營銷、庫存管理等領域的價值。

二是模型存在幻覺問題。例如深度學習模型的性能，高度依賴于海量高質量的訓練數(shù)據。但目前企業(yè)內部數(shù)據質量“參差不齊”，多數(shù)企業(yè)的數(shù)據分散在ERP、CRM、IoT設備等分散的，各自成“孤島”的數(shù)十個系統(tǒng)中，格式涵蓋結構化表格、非結構化文檔、時序傳感器數(shù)據等多種不統(tǒng)一的格式，且存在大量“臟數(shù)據”。據BCG統(tǒng)計，企業(yè)可用于AI訓練的有效數(shù)據占比普遍低于10%，“數(shù)據豐富但信息匱乏”成為常態(tài)。此外，F(xiàn)ineBI的行業(yè)研究指出，傳統(tǒng)模式下“數(shù)據孤島”“指標混亂”“結果不可復現(xiàn)”等問題，使80%的企業(yè)AI項目卡在落地環(huán)節(jié)。

在肖雪看來，造成上述三重困境的主要因素是，常規(guī)的模型訓練模式是一種類似“手工作坊”的模式——過程非標、高度依賴人才經驗、難以規(guī)模化。

“價值交付”，模型將更像“工業(yè)產品”

肖雪看來，AI應用將是一個服務態(tài)，不是運維態(tài)。

面對AI工業(yè)化挑戰(zhàn)，浪潮云給出的答案是：搭建人工智能模型工廠，通過“九大單元”（數(shù)據車間、模型車間、評測中心、集成車間、客戶服務中心、產品工程中心、安全中心、設備管理中心、調度服務中心）架構，提供系統(tǒng)性答案，構建覆蓋從數(shù)據準備，到集成交付全流程的體系，通過標準化工序將模型生產拆解為可復制的模塊。通過這些舉措，讓模型的生產從“手工作坊”時代，走向工業(yè)化生產時代，在提升了模型訓練效率的同時，還降低了應用成本。

以數(shù)據車間為例，數(shù)據是企業(yè)AI應用落地過程中的重要因素，很多企業(yè)應用落地失敗主要是因為訓練模型的高質量數(shù)據集不足。在由11道工序和60套工具組成的數(shù)據車間內，首先會對企業(yè)提供的數(shù)據進行清洗，選取出適合模型訓練使用的數(shù)據，進而通過數(shù)據合成，以及浪潮云多年來在服務各行業(yè)的過程中積累的數(shù)據，將數(shù)據“擴容”到足夠大的體量，基于可信數(shù)據空間對客戶原始數(shù)據依照業(yè)務需求進行最小化授權，進行必要的脫敏處理，并對不同租戶的數(shù)據進行隔離，確保訂單數(shù)據與流程完全獨立，在數(shù)據采集、存儲、標注、訓練乃至銷毀的全生命周期中都確保了數(shù)據的安全，也打消了企業(yè)對于數(shù)據安全的顧慮。

當數(shù)據“就緒”之后，會將數(shù)據集“傳輸”到模型車間，該車間基于數(shù)據車間形成的高質量數(shù)據，對模型做調優(yōu)訓練，達到用戶訂單要求。由8道工序和10套工具組成，實現(xiàn)“數(shù)據輸入”到“模型輸出”的標準化轉化。

正是通過這樣一個個單元，組建起了一條模型的“產品流水線”，構建了統(tǒng)一、標準、安全、高效、開放的AI模型生產模式，解決了原先模型訓練過程中存在的分散、高成本、高風險的問題，將模型作為一個工業(yè)產品，用集約化的方式對外輸出。

據肖雪介紹，通過浪潮人工智能模型工廠，將模型制造的平均周期，從90人天壓縮到了20人天左右，平均效率提升75%。

浪潮云的探索并非個例，而是行業(yè)發(fā)展的必然選擇。據悉，目前全球范圍內已經建成了包括浪潮人工智能模型工廠在內4個模型工廠，而第五個——美的荊州工廠也投產在即。

顯然，模型工廠的模式將逐漸成為企業(yè)級AI應用的一條可行路徑，通過集約化的方式，達到標準化流程、專業(yè)化分工與生態(tài)協(xié)同的目的。已經有不少企業(yè)通過模型工廠以低成本、高效率的方式打造出了符合自身業(yè)務需求的模型產品，快速落地AI應用。

“當AI步入Agent時代，企業(yè)不需要盲目地追求技術的迭代，而是要盡快地將Agent與業(yè)務場景結合，創(chuàng)造出價值。”瓴羊副總裁林永欽（千絕）在與筆者的交流中曾明確指出。

AI已經步入“價值交付”時代，在肖雪看來，當前，模型交付不是終點，而是服務的起點。

從“手工作坊”到“現(xiàn)代工廠”，從工具提供到價值交付，大模型的工業(yè)化革命正在重塑產業(yè)形態(tài)，更在開啟一個人人可享的智能新時代。