摘要：题记：2025年4 月19日，北大国发院与盛景网联、国发院数字中国联盟联合主办“承泽商学”第20 期暨“AI碰撞局”第14期活动。本文根据阿里云智能副总裁、中国信息化百人会执委安筱鹏的主题演讲内容精要整理。

题记：2025年4 月19日，北大国发院与盛景网联、国发院数字中国联盟联合主办“承泽商学”第20 期暨“AI碰撞局”第14期活动。本文根据阿里云智能副总裁、中国信息化百人会执委安筱鹏的主题演讲内容精要整理。

人们总说“AI大模型元年”，到底怎么算“元年”？软件产业繁荣才是AI大模型应用爆发的风向标，是AI大模型元年开启的关键标志。

AI大模型对应的三场革命

全球AI大模型竞争激烈，竞争格局基本明朗。如美国谷歌前CEO施密特所言，全球AI产业主导者是中国和美国。他还认为，此轮大模型引发的智能革命，其产业规模将超越40年前的计算机革命以及20年前的互联网革命，发展潜力巨大。

AI的确在开启一个全新的智能时代，在我看来它其实包含三场革命：

首先是计算范式革命。计算单元从以CPU为核心，转变为以GPU为核心。这一转变带动了存储、网络、架构、调度系统、数据库以及应用等全栈技术体系变革，是全球数字技术体系从A向B的系统性切换。

其次是认知协作革命。互联网的本质是基于信息做精准匹配，在各行各业构建商业模式。AI不同，它旨在为问题找到最匹配的答案，甚至解决方案。

最后是人机交互革命。四五十年前，只有掌握计算机编程语言才能与机器交互。如今借助AI技术，人们可以通过自然语言与机器交互，人机交互方式发生根本性变革。

回顾AI技术发展历程，重大变革对新时代的开启，并非像卫星发射那样有明确计划和倒计时，而是全球算法、数据、芯片、算力技术偶然相遇与必然融合的结果。从达特茅斯会议后明斯基宣判“连接主义”死刑（人工智能技术路线之一，强调通过模拟神经网络实现智能），到辛顿将“连接主义”从死刑牢解救出来，再到芯片技术突破、语料数据集建立、AI人才流动等，一系列事件相互交织，推动着AI技术不断向前发展。在这个过程中，芯片、算法、数据、云计算相关的技术、人才和机构相互碰撞，并官方机构设定目标来推动实现。

AI大模型分类及其特点

当前AI大模型众多，为了便于理解，可以将它们大致分为五类：

1. 语言大模型，如ChatGPT、通义等，它类似文科生，擅长语言处理；

2. 推理大模型，如OpenAI o3、通义QWQ32B等，它基于语言大模型训练出的理科生，达到博士生水平；

3. 多模态大模型，可生成和理解图片、文字，类似文艺生；

4. 能进入物理世界的模型，如机器人、基于Transformer训练的自动驾驶模型，它们可被视为体育生，但是兼具能力与智慧；

5. 科学大模型，与普通理科生的本质差异，是它们能达到诺奖级别。

基于以上大模型分类来看中美AI差距，基础语言大模型方面，过去中美差1年，如今只需4个月。推理模型赛道技术门槛高，中美差距快速缩小。多模态领域，中国在图像理解、生成方面表现非常出色。

如果对比人类认知水平，AI大模型在图像分类、基础阅读、视觉推理等方面已超越人类，但是在奥数比赛这类复杂推理领域目前仍有差距。语言大模型通常擅长快思考，2024年这类模型参加的语文、英语高考成绩都不错，数学成绩勉强能考上“211”类文科院校，然而经过训练后，GPT-4在博士生考试中表现优异，已超过博士生平均水平。

全球模型开发者都在探索高效的训练方法。目前已知训练大模型比较有效的方法是强化学习，但是它其实更强调激励而非灌输，即让模型自主探索方法、主动发现并解决问题。

在过去的人类历史里，只有电力、铁路、蒸汽机、印刷等24种通用目的技术。目前，AI大模型是全球第25种通用目的技术，因为它满足这样四大条件：广泛融入各领域、提高生产效率、与现有技术互补、变革生产关系和组织方式。

从全球产业发展视角看，如今的AI大模型有两大显著特点：

一是应用层面的“普惠效应”。全球七八十亿人，只要接入互联网，就能享受到AI大模型带来的便利，应用范围之广、触及人群之多，已让这一技术成果惠及大众。

二是供给层面的“极化效应”。尤其体现为人才、模型、算法、投资高度集中：目前，全球排名前五的高校贡献了95%的AI大模型训练人才；美国由OpenAI、Anthropic、谷歌三家科技巨头主导闭源大模型阵营，Meta、xAI两家公司引领开源大模型阵营，中国真正具备竞争力的基础大模型企业只有3-5家。算力供给同样如此，目前具备十万卡（约十万张具备高性能并行计算能力的AI加速卡）集群能力的公司，中国仅有2-3家，美国有7-8家；AI大模型领域的投资，美国2024年的投资总额已高达3200亿美元。

如何看待当下人工智能领域的应用？

首先，这轮产品力迭代的核心，是一切智能硬件都将被AI驱动，一切软件都会被AI重构、一切数据都会被AI激活。

其次，它在生产力领域实现了从“工具的革命”到“革命的工具”之转变。工具的革命指的是研发、生产、供应链、销售服务等环节所依赖的软件、硬件工具，都会不断迭代升级；革命的工具意味着AI不仅带来效率提升，更促使企业重新定义自身的市场、客户与需求，企业的业务流程、商业模式乃至组织形态都会发生相应变化。

为什么说软件产业繁荣才是AI大模型应用爆发的关键信号？若将AI应用比作足球比赛，把球踢进球门视为AI应用落地，那么大模型如同后卫、硬件是中场、软件是前锋。后卫虽偶尔能射门得分，但多数情况下进球还是依赖前锋。

对于当前AI应用的两个判断：

1. 中美在大模型供给能力上的差距在缩小，但应用层面的差距在扩大。

2. 虽然各类大模型排名榜单颇受关注，但市场才是检验技术价值与产品竞争力的终极标准。当下AI大模型竞争并非比拼局部或短期的爆发力，而是考验企业的超级耐力与创新力。这意味着企业要以百米冲刺的速度跑完马拉松，这才是这场竞争的本质。

传统软件与AI软件正以不同方式融入这场变革中。以上海滚动科技（Rolling AI）为例，其AI融入软件的方式就与ERP等传统软件企业的AI数字化转型路径很不相同：ERP企业采取嵌入式策略，即不改变原有软件产品及服务，借助API（Application Programming Interface，即应用程序编程接口）或Agent（“代理”或“智能体”）将AI融入，Rolling AI则采用AI原生模式，从底层架构到核心服务都围绕AI构建产品与解决方案。再如交付流程，传统ERP、HR软件的交付对象多为甲方IT部门，而原生AI SaaS（AI Software as a Service，人工智能软件即服务）的交付对象已拓展至甲方所有业务系统，如将可服务于研发、财务、法律、HR等部门的AI员工交付给相应业务部门。这种模式不仅有助于提升工作效率、重新定义业务流程，还能催生基于结果的新型收入模式，颠覆传统的按人、按功能收费模式。

总之，AI对软件的重构是全方位的，涉及交互方式、业务流程、工具使用以及产品定位等多个层面：过去软件开发需由人总结规律并翻译成代码，如今AI可直接认知规律并编写代码；交互层面也从高门槛、低自由度向低门槛、高自由度转变；需求响应从被动应对转变为主动聚焦需求分析；服务定位由强调规范化、标准化、自动化，升级为用户的全能型助手，全方位服务于各类软件应用场景。Agent是智能时代软件产品的新形态，目的就是应对系统复杂性，满足高灵活、高复用、标准化、快速交付需求。

进一步总结，从大型机时代到AI时代，开发工具、流程不断变迁，软件形态更复杂，交付方式更灵活，开发更趋低代码且注重效率，这正是50年来软件演进的主线。

与此同时，过去APP流量分发的模式已被打破，软件正从以人为中心向以AI为中心转变。而且，伴随AI原生应用日益增多，美国硅谷已有广告称，数字人可完成95%的销售工作，成本仅为雇佣真人的三十分之一到五十分之一，还能24小时工作且无情绪。软件代码生成领域，美国已有6-8家AI原生代码生成公司，有专业人士称软件工程师90%的技能贬值，而10%的技能会被提升1000倍。这也对人才培养提出挑战。

另外还需要重新审视AI数字人与人类的关系，不应简单将其定义为助理，因为它还可能是教练、顾问、队友等。未来工作中数字人占比增加，其管理归属也将是个复杂问题。

中美在AI应用上的差距扩大也有数据支撑。收入数据显示，微软Copilot年化收入已达130亿美元，同比增长175%，美国几家AI大模型公司2024年的收入也有70亿美元，而中美在AI大模型收入上的比例是100比1。投资数据显示，2024年美国在AI领域的私人投资达1000亿美元，中国是90亿美元。公司数据显示，美国新成立的AI公司有1000家，中国是98家；美国有27家AI独角兽公司，平均估值20亿美元，而中国数量较少。

中国AI大模型面临挑战，原因还在于B端市场高度碎片化，缺乏统一大市场，企业倾向于私有化部署，这导致AI应用竞争力不足。就像在一个相对封闭且狭小的空间里进化的物种，一旦面对开放竞争的大世界可能毫无竞争力，产业界称之为“加拉帕戈斯”效应。（1835年达尔文抵达这一远离陆地的群岛，记录了很多独特的生物，并受此启发写作了科学巨著《物种起源》）。

如今，中国AI大模型产业发展来到“十字路口”，是走向移动互联网发展模式，还是走向SaaS产业困境？同时，相较于关注芯片、模型和供给侧，中国当下需求侧的政策环境更为重要。AI大模型正在各个领域重构SaaS的数据价值、业务价值、协作价值和体验价值，未来走向如何，仍需时间来观察，要看业界的努力程度与正确程度。

整理：何又夕| 编辑：王贤青、王志勤

来源：北大国发院