編輯 | 云昭、伊風

觀點 | 《AIGC實戰派》特約嘉賓

2024，大模型開始走出“不落地”的樊籠，接受“市場老大哥”的捶打與教育。跟2023年不同的是，云廠商、大模型廠商、算力廠商、大模型六小龍、新一代的AI應用創客，獨立開發者，一時間群雄并起，都在為新的增長機會放手一搏，蔚為壯觀。

一個有意思的現象是，雖然2024年大模型的進化依舊是主旋律，但是尤其進入下半年以來，大家討論“射程”的話題越來越多。誰能更早摘得低垂的果實？如何走出大模型廠商的射程，如何避開互聯網大廠的射程，成為了當下業內一眾大佬繞不開的問題。

要回答這個問題，不妨換一個角度去思考：一年過去，中國土壤之下的大模型究竟長出了那些新形態？

搞清楚大模型行業落地現狀之后，測算不同行業的射程也就迎刃而解。為此我們特別策劃了“2024，中國大模型落地者們”的深度報道以供參考，希望能幫到諸君。

1.大廠內部：舍棄與業務無關的部分，別想上來就顛覆

以百度、字節、華為、阿里、騰訊等為代表的大廠，一方面重金投入大模型，另一方面同樣也不會錯過用大模型改造自己內部的良機。

垂域模型、RAG、Agent、AIGC是2024大廠們發力最為明顯的幾個方向。但回歸到互聯網一代的企業，不同的業務土壤，往往會造就不同的重點與取舍。

“RAG 和 Agent是今年落地大模型的兩個重要技術方向。我們舍棄了其他與自身業務場景無關的部分，比如說AIGC、垂直領域大模型等，保證聚焦于這兩個技術方向上。” 快手高級技術專家歐迪佐在2024 WOT大會上分享道。

同樣是出于業務需求的考慮，去哪兒旅行技術總監鄭吉敏則果斷確定了視頻生成的方向，并強調了以賦能現有業務作為終點。“我們關注AI在實際業務中的應用。AIGC已具備生成視頻的能力，且我們的業務對此有相應的需求。因此，我們首先確定了生成視頻的場景。”

格外讓人注意的是，58同城則快速作出了一項更為宏大的決定：構建本地生活垂類大模型靈犀。在58同城TEG-AI Lab大語言模型算法負責人孫啟明看來，通用大模型+提示不會代替一切，應用方需要結合自身業務場景，微調出自己的大模型。

“為了支持58整個服務鏈條的在線化、數字化，58同城AI Lab構建了模型領先、敏捷易用的AI平臺，以助力AI應用在其內部四大業務線的快速落地。”

當然，體量更大的頭部企業如阿里、騰訊、百度、京東等，由于龐大繁多的業務線，往往會多點開花。但不難發現，其中一個重要的特點是，這些大廠都在推出AI生產力的工具類平臺，比如阿里推出了AI輔助編程工具通義靈碼，百度除了推出類似工具快碼外、也推出一站式視頻創作工具度加，京東推出了面向電商的商家智能助手等等。

找準了切入場景和技術方向之后，真正的挑戰才浮現出來。

首先，降低成本幾乎是所有技術負責人要考慮解決的問題。京東算法總監韓艾指出，大模型作為一種生產力，企業更關注的是能否真正為企業帶來好的性價比，并且可控風險。

百度內容生態大模型架構技術負責人張寶玉分享了自己在大模型降本心得時提到：“成本優化的核心在于如何更好地利用單位算力，確保計算資源被用于最有效的地方。”

張寶玉指出有兩個關鍵的優化方向：一方面，并非所有場景都需要大尺寸或最復雜的模型，許多場景可以通過較小的模型滿足需求，從而避免過高的成本。另一方面，還需要從工程角度出發考慮如何更高效地利用計算資源。例如，通過優化算法和計算策略，提高單位算力的利用率。

在企業內部落地大模型，除了成本，更大的難度則在于AI-First理念的滲透。騰訊CSIG技術總監黃聞欣，提到“現在企業內部的AI滲入度并沒有我們預期的那么深，一個很重要的原因是，互聯網行業的分工往往不夠明確，人員往往需要身兼多職，導致流程缺失。這種現狀使得數據難以持續性地高質量輸出，進而導致AI難以有效介入。

華為在AI實踐方面做得比較早，并且內部確立了AI First的思維范式，部門和團隊都要去思考“all in AI”這件事情，去思考在自己的業務領域上要怎么去做，如何用 AI Native 的技術和方法來重構業務、重塑流程；同時，華為內部形成了用于指導AI Native實踐的“五階八步十二檢查點”方法論。

最后，大模型的不確定性也是令無數技術、產品人員為之頭疼的難題。“原來的業務，第一次用14B的模型做實驗之后發現效果比之前的更差，但用了72B的模型之后，發現效果得到了顯著地提升。”阿里通義靈碼產品技術負責人陳鑫感慨：“打造AI產品，大家或多或少有種煉丹的感覺，具備高度的不確定性。”

快手高級技術專家歐迪佐同樣表示了這一點：“我們在做大模型驅動的應用研發時候，必然面臨著不確定，效果永遠不會達到100%。必須要匹配相應的評測中心，以保證你的系統是可控的、單調的達到效果的提升。”

綜合考慮上面這些因素，整體上看，大廠對于大模型能力的上線是比較審慎推進的，往往會采取逐步替換某些環節而非一開始就全面AI化的方法，這樣可以讓用戶更容易接受，并逐步建立對AI產品的信任。

正如京東集團算法總監韓艾所說：大模型是一種新技術，但并不意味著之前的“三板斧”可以丟掉。不管是workflow還是agent，AB測試、灰度發布、全流程埋點監控指標、用戶體驗優化等等都依舊是要做的功課。這些措施是確保模型上線后能夠穩定運行的關鍵。

韓艾提出，在推進大模型上線和AI化的過程中，不要急于顛覆整個架構，而是先從一些關鍵點入手，逐步引入大模型的功能。結合傳統方法和新模型的優勢，通過全流程監控和用戶反饋來持續改進產品，不斷去優化用戶體驗。

2.當大模型轉向行業：小步快跑，技術與產品的互相彌補

大模型落地不易，但經過2024年的鉆研和摸索，新的技術已然在千行百業中生根發芽。

行業大模型的本質是富有針對性的解決方案。相關數據顯示，當前60%的企業通過垂類大模型實現AI的落地，其中，金融、政務、影視游戲業的大模型滲透率較高，電信、電子商務領域的技術相對成熟。

一般來說，模型的滲透率與行業過往的信息化基礎息息相關。而技術的相對成熟度，則取決于業務對模型能力的要求：越是教育、醫療這樣需要高度個性化服務的領域，對AI能力的要求越接近AGI級別，才能真正帶來生產力的革命性躍升。

在教育領域，受教學場景復雜性和高要求的影響，技術的成熟進程仍處于初級階段。51Talk技術副總裁蔡林提到，AI尚難勝任“1對1真人外教”這一場景——幾乎需要AGI水平，但新技術對教育行業的顛覆性影響毋庸置疑。因此，這條賽道的玩家在全力擁抱新技術：推出矩陣式AI應用，小步快跑；同時軟硬結合，圍繞業務場景開發單詞筆等智能硬件。

在醫療領域，大模型的潛力不可小覷。然而，由于醫療數據的隱私保護要求極為嚴格，加之不同醫院間的數據格式不統一，模型廠商如何獲取高質量數據，成為突破發展的關鍵。今年9月，百川智能以兒科為切入點，與北京兒童醫院達成合作，進行了“一大四小”的嘗試：四個場景模型「居家、社區、醫院、智控」。百川CEO王小川這樣解讀合作的長期意義，“我們認為有機會在3年內打造出具有三甲醫院主治醫師水平的AI兒科醫生，相當于造出了100萬個主治醫師，足以覆蓋全國鄉一級的診所。”

相較而言，在用AI做「錘子」的行業，往往更先一步摘取到大模型落地帶來的果實。

在文旅領域，AI作為效率工具，成為獲得競爭力的一個關鍵。中旅國際科技創新負責人龔夢溪提到，AI可以縱深的結合到景區搜索、咨詢、預訂等場景中，重塑整個行業的流量入口。無獨有偶，去哪兒旅行技術總監鄭吉敏也分享，他們將國際酒店的宣傳視頻制作AI化以后，酒店的定制視頻覆蓋率大幅提升，視頻上線后效果相對提升6%。

在金融行業，數據信息化的扎實“地基”，讓大模型的落地之路更加通暢。然而，金融業固有的風險厭惡，使得技術的演進更為謹慎。展望下一步，恒生電子首席科學家白碩提到，要從技術導向的「容易實現場景」轉向業務導向的「剛需場景」。

從以上典型行業的實踐來看，AI落地的核心動力來源于業務剛需，而模型能力的上限則決定了AI當前能夠為哪些場景賦能。

除了模型能力的限制外，用戶對新技術的接受度也是AI落地不可忽視的重要因素。以AI社交為例，Soul AI產品負責人程兆華提到，用戶面對形象可愛的虛擬客服時，對AI幻覺的容忍度會顯著提升。他指出，在技術能力難以完全滿足需求的情況下，從產品層面優化體驗，以彌補技術的短板，是一個可行的解題思路。

總結來說，AI在行業中的落地依賴模型能力，但更需要結合對業務需求的深刻理解以及對用戶體驗的細致打磨。AI的落地必須有明確的目的導向——這需要從對AI的精準認知和長期的實踐積累中來。

3.不懼大廠的新一代創客：走出大模型和大廠的射程

2024年，AI領域的新創業者們達成了一個共識：不要做OpenAI會做的事情。

不可否認，通用大模型玩家正隨著時間推移愈發強大，這意味著它們的觸角將持續侵蝕更多的領域。以OpenAI為例，從4o到o1的模型迭代，到推出SearchGPT和寫作工具Canvas，每一次更新的背后，都有無數創業項目被迫停下腳步。

軟積木CEO劉海峰提到，值得AI創業者投入的項目大致可以分為兩類：大模型做不到的事情，或者大模型能做到但成本極高的事情。

AI領域的創業者必須對技術趨勢保持足夠的敏銳度。MetaGPT聯合創始人徐宗澤曾分享過，他們的團隊如何從現有產品的不足中找到突破口。他表示：我們創建MetaGPT的理由很“簡單粗暴”——因為LangChain遠遠不夠好，而海外用戶對多智能體框架有著較高的需求。在MetaGPT中，我們支持多種智能體角色的定義和配置，覆蓋軟件開發項目的各個階段，例如產品經理、架構師、工程師等等。

這種精準的定位，果然為產品贏得了市場。據他分享，許多用戶自發地在公司內部宣傳了MetaGPT，為產品帶來了可觀的初始流量。

如果說，獨到的眼光和果斷的判斷是AI創業者的敲門磚，那么堅韌的勇氣則是他們闖關的關鍵。因為選擇了AI創業，就意味著時刻與風險同行。

正如王小川所言：“創業公司需要在大廠的射程之外尋找發展空間。如果一個公司被看得特別明白，那就不是一個創業公司了。”

劉海峰也提到，即使有再正確的判斷，AI創業依然充滿不確定性，但正是不確定性孕育了新的機會。

4.AI編程產品，“我們實際在做兩件事”

AI編程賽道是AI應用領域最早、也是獨角獸最集中的方向之一。國內大模型廠商都試圖從編程場景找到LLM落地的切入口。

不過與傳統編程產品不同的是，這一輪AI編程工具天然就暗存著“民主化編程”的愿景，即不僅是提高開發人員的生產效率，更要讓普通用戶也能參與到軟件創造中來。

百度Comate架構師徐曉強在考慮Comate產品的發展時，表達了“縱橫”兩個方向的期望。“首先，我們希望能夠擴展它，以覆蓋更多的研發場景，甚至于應用到非研發場景中，從而幫助各種不同的角色在開發和軟件工程協同工作中提升效率。其次，我也希望Comate能在垂直在開發領域中，為開發中的需求分析提供更深入的支持。幫助大家在使用過程中能夠更容易上手，快速地達到熟練水平，獲得更好的成果。”

對于現在扎堆涌現的AI編程類產品，究竟進化到怎樣的程度了？

商湯科技Copilot技術應用負責人張濤認為，如果不考慮現在模型能力的限制，可以說趨于成熟了。張濤看來，對于AI編程產品而言，實際上大家現在在做這兩件事情：第一，克服現在大模型的若干個缺點，第二，激發大模型更多的思考能力。

但對于克服大模型的缺點方面，“業內還沒有行業標準的成熟狀態，大家還是在摸索。”比如在抑制大模型幻覺方面，雖然有不少方法如prompt engineering、SFT、RAG等，可能路徑是清晰的，但在實際的技術棧上還沒有形成真正的共識。針對不同的場景，大家會采用一些不同的方式。”

此外，徐曉強指出目前大模型在信息的深入理解、多模態信息處理及創新能力方面仍有著巨大的短板。

另外對于“AI會取代程序員”的質疑，這些身在其中的產品打造者都不約而同的表示，現在的AI輔助編程工具代替不了開發者，目的是為了增強人的能力，讓機器與人更好地協作。

通義靈碼產品技術負責人陳鑫解釋道：“因為我們現在太多的企業需求，其實還沒有得到滿足。我們現在要做的就是先把這些需求一點點腳踏實地地去滿足，最終去實現一個AI產品，幫助開發者去解放生產力，從而更多聚焦于創新。”

值得注意的是，AI編程工具更像是大模型落地初始場景，基于它，阿里、百度、商湯等大模型廠商紛紛已經將其復制擴展到更多非程序員的白領辦公場景中，隨著大模型能力的進化，相信2025將會迎來新品類的爆發。

5.為什么大家集體押注智能體

整個AI圈正瘋狂加碼智能體。有人斷言，2025年將成為智能體元年。

這種集體押注并非偶然，背后的邏輯清晰可見。一方面，AI的未來不可能止步于聊天對話層面，一個具備行動能力的智能體才是邁向 AGI 的必經之路；另一方面，訓練效能的瓶頸已成AI發展的公認困境，而智能體則是開啟下一個增長曲線的希望。

Agently.cn創始人、前光年之外開發者生態產品經理莫欣指出，“單靠大模型遠遠不夠”。無論是為現有業務賦能，還是開發垂直領域應用（如語言翻譯工具），從模型能力走向實際服務用戶的過程中，必須構建一套連接層，智能體正是這個中間環節的核心所在。

從年初至今，多位AI大佬頻繁提及智能體對未來生活的深遠影響。OpenAI CEO Sam Altman 在年終總結《Reflections》中預言，2025年將迎來首個AI智能體進入工作場景，產生實際經濟效益。據報道，OpenAI已在開發代號為“Operator”的智能體產品，有望于1月發布。NVIDIA CEO 黃仁勛 在CES演講中表示，智能體將成為數字世界的核心角色，能夠自主學習、分析，并完成復雜任務，從而徹底改變我們的工作和生活方式。

然而，不是所有人都認為2025年會成為智能體的全面爆發之年。前OpenAI開發者關系負責人、現Gemini API負責人Logan Kilpatrick認為，智能體的規模化落地還需更多時間。他預計，2025年的主題將是AI視覺能力的突破，而大規模智能體應用則可能在12個月后才真正成熟，離觸達十億級用戶仍有較大差距。

在具體實現層面，MetaGPT創始人徐宗澤認為，兩類智能體更有可能“出圈”：一、融入當下生活方式的智能體，如抖音和快手平臺中提升搜索體驗的AI助手；二、提升生產力的智能體，尤其是能處理開放式任務和多模態信息的系統，能處理廣義上的各種數據類任務。

智能體為何如此炙手可熱？核心在于它讓AI從“理解”走向“執行”，從“工具”變為“伙伴”。

6.國產芯片的崛起：最大贏家英偉達未必能笑到最后

提到芯片算力，不得不提到AI領域的最大贏家——英偉達。今年2月，英偉達首次突破了2萬億市值，并在4個月后突破了3萬億，曾一度登頂全球市值第一。

除了英偉達，其他廠商也在積極布局，爭奪AI芯片的市場份額。AMD計劃在2025年推出其最強AI芯片MI355X，與英偉達的Blackwell展開競爭。谷歌則憑借其專為AI大模型設計的TPU芯片取得了顯著進展，性能是傳統GPU的3到5倍。國內方面，華為推出了7nm工藝的AI芯片昇騰910C，直接對標英偉達的H200，進一步加大在AI領域的競爭力。同時，摩爾線程、燧原科技、壁仞科技等國產芯片廠商紛紛排隊IPO，這也反映了資本對國產芯片未來前景的看好。

然而，如今的GPU競爭已不僅僅是硬件的較量。在今年的GTC大會上，黃仁勛更是直接表示：“英偉達是一家軟件公司”。有了CUDA這條強大的護城河，即便AMD和國產芯片廠商在內存、計算能力等規格上推出了更強的產品，其實際性能仍難以與英偉達的GPU相媲美。

不過，中昊芯英創始人楊龔軼凡卻認為英偉達未必能笑到最后。他指出，GPU并不是AI大模型的終極解決方案。楊龔軼凡認為，GPU并非專為AI而設計，它只是當前環境下的最佳選擇。隨著AI應用的不斷深入與市場的擴展，作為服務工具的芯片將會迎來新的變革，新的現象級芯片將應運而生。他大膽預測，最終，GPU在市場上的份額可能只有兩成，而剩下的八成市場將由TPU等新型AI芯片主導。

7.寫在2025：大模型落地一番新景象

以上，我們從行業應用、云廠商、大模型創業者、AI產品開發者、國產算力創業者分別展開了各自的落地敘事，并重點對AI編程和Agent兩個賽道玩家的進展和挑戰做出了解讀。令人欣喜的是，大模型通用的能力已經得到了各行業用戶普遍接受，因為的確可以給社會帶來真實的生產價值，但同時可以看出：成熟的產品卻乏善可陳，依舊任重道遠。

去年10月，51CTO對500多位企業內部的技術專家在做了一項的大模型行業落地的問卷調研，調研顯示超三成的企業已經在企業內部著手部署應用，同時在這些企業當中有39%的企業已經將LLM用于核心業務。然而，綜合看各個行業的實際應用體感，大家給出的大模型應用分數差強人意：6.35，只是剛剛及格。

“早期被高估，長期被低估”，大模型也不例外。如果我們把目光投向2025，就會發現一番新的景象——一方面，大模型在多模態、深度推理等方面正在穩步推進，另一方面以Agent為代表的AI原生應用正在被給予商業爆發的厚望；此外，新一代的智能化設備，包括具身機器人、AI眼鏡等都已經開始步入到我們的生產生活之中。

首先，以o1為代表的深度推理模型的推出會帶來新一輪的想象空間。英諾天使基金合伙人王晟指出，這意味著大模型的范式開始從“經驗知識系統”推進到了“推理決策系統”，不止可以打造ChatBot，而是可以真正切入到各個產業

，尤其在科學、醫療領域將會得到更有價值的實踐落地。

其次，多模態方面更深一步的應用。未來6個月多模態技術的突破將會成為關鍵的亮點。未來更多產品形態中會引進多模態交互、生成的能力。51Talk技術副總裁蔡林預測，在教育醫療行業有望誕生出殺手級應用。Soul AI產品負責人程兆華認為，特別在傳統的視頻制消費領域，將會迎來新一輪的AI變革，C端體驗上也會迎來多元化的提升。

然后，AI Agent是業界的一個共識。作為基礎的大模型技術的應用框架，Agent是大模型基建和人類社會生活和生產結合的關鍵橋梁。

京東集團算法總監韓艾表示，現有的Agent應用實例已經給行業帶來了很大的鼓舞，比如情感陪伴場景和各種平臺應用等，不僅提高了用戶體驗，也帶來了很大的企業商用的潛力。

完全有理由相信，2025年，Agent將會在B端和C端全面開花。像素綻放CEO趙充指出，未來Agent不僅會在數量上爆發，同時Agent產品也將會更加貼近用戶畫像和需求。

再把視角拉向生活，新一代的智能化設備將會大量涌現。隨著大模型的小型化，電腦、手機、眼鏡、耳機、車載設備等成為模型載體，真正有望實現小算力的智能普惠；另一方面具身智能機器人的興起，勢必也會帶動新一輪的生產力變革。

最后值得一提的是，2025年隨著國內千卡、萬卡集群的逐步成熟，中美大模型之間的差距將會越來越小甚至反超；而在產品層面，中國AI產品也將會深度參與到全球化的競爭之中，繼續發揮中國作為世界工廠的優勢。

展望2025，大模型落地無疑將會度過一個關鍵的渡劫期。AI原生應用的打造范式能否成型，Killer App能否涌現，是留待大模型公司和AI應用創客們奮力一搏的關鍵之戰。

鮮花與荊棘同在，榮耀屬于“愛拼者”。共勉！提前祝各位新春快樂！

圖片

本文轉載自51CTO技術棧，作者：云昭、伊風