骨軟筋酥網順網科技：泛娛樂將成為生成式AI商業化的黃金場域
順網科技：泛娛樂將成為生成式AI商業化的順網生成式AI商黃金場域
2023-12-11 10:08:22編輯：Reset 順網科技認為，企業在探索生成式AI創業時，科技不僅要注重大模型，泛娛更需關注場景應用，業化域以及為場景應用提供支撐的金場中間層，以幫助企業在競爭激烈的順網生成式AI商市場中脫穎而出。近期，科技2023中國上市公司投資價值峰會暨中國投資基金峰會（以下簡稱“雙峰會”）在北京舉辦，泛娛本次“雙峰會”以“創新驅動、業化域價值導航”為主題，金場旨在探討上市公司如何通過創新和價值來驅動自身發展，順網生成式AI商并引領行業發展的科技新趨勢。
會上，泛娛順網科技首次分享了公司在生成式AI商業化方面的業化域經驗，強調泛娛樂將成為生成式AI商業化的金場黃金場域，并建議生成式AI創業，不要局限于大模型，更需關注場景應用，以及為場景應用提供支撐的中間層。
2023年以來，各大公司爭相布局AI領域，導致大模型產品密集落地，形成“百模大戰”。然而，盡管各類大模型產品層出不窮，但市場上成熟的生成式AI應用卻相當有限。
對此，順網科技認為，企業在探索生成式AI創業時，不僅要注重大模型，更需關注場景應用，以及為場景應用提供支撐的中間層，以幫助企業在競爭激烈的市場中脫穎而出。
除此之外，對于進入生成式AI時代的企業而言，將會面臨三個挑戰：其一是模型層面能力的提升；其二是監管合規層面的挑戰；其三是業務孵化和商業化。
在場景方面，順網科技最偏好泛娛樂領域。一方面，休閑娛樂是比較核心的剛性領域。另一方面，泛娛樂行業相對來說容錯性會更好。此外，泛娛樂的傳播性更好，能夠獲得更多用戶的認知，更容易讓用戶理解和使用。由于泛娛樂行業同時具有這三個特性，因此預計在明年后年會有很多的應用和可能性誕生。
其次，在生成式AI的商業化要素，“場景、中間層、模型、算力和數據”，五大要素缺一不可。因為場景是最終觸達用戶群體的地方，也是商業閉環形成的地方。中間層可以加速試錯過程，更快地找到滿足用戶需求的具體痛點閉環。模型是生成式AI這一輪最核心的能力部分，算力是基礎支撐，而數據則是模型的根本。
這一輪生成式AI會帶來巨大的生產力變革，但未必會如大家期待的那么快，還需要一點一滴的積累，市場需要有一定耐心。
以下是順網科技在鈦媒體2023年中國上市公司雙峰會的分享實錄，略經編輯：
各位領導、各位主辦方的老師、各位嘉賓、各位朋友，大家晚上好！
從去年底ChatGPT發布至今，整個互聯網行業，甚至各行業都對生成式AI產生了濃厚興趣，資本市場從一級到二級都有很多動作，今天我代表順網科技，分享我們對生成式AI的一些認知和實踐。
首先簡單介紹一下順網科技。順網科技成立于2005年，一直致力于推動電競互動娛樂領域的數字化。在18年的發展過程中，順網科技逐漸切入了四個核心領域，包括算力、電競、AI陪伴和數字娛樂展會ChinaJoy。這四個板塊構成了順網科技的核心業務，也是我們在生成式AI時代到來時展開新增長的基礎。
我先跟大家分享一下“百模大戰”的問題。從去年到現在，國內不斷涌現出各種團隊，包括頭部的互聯網大廠和新興的企業，都在做大模型，國內的模型已經超過 200 多個。從今年8月Gartner發布的行業報告來看，整個模型競爭已經進入了技術發展曲線的第一個峰值階段。接下來，逐漸有一些相對欠缺資源和欠缺沉淀的團隊會退出競爭。
在百模大戰的同時，我們也注意到，大家目前能夠接觸、使用的生成式AI應用非常有限。所以在我們看來，進入生成式AI時代，我們還要面臨三個挑戰。
第一個是模型層面能力的挑戰。主要體現在核心資源的聚合上，包括算力、數據以及人才層面的博弈。其實這一領域在過去幾年一直是冷板凳，尤其是在去年9月份之前都不是熱點，甚至于國內相關的出版物也不多。但今年2月份以后，這方面的研究就如雨后春筍般涌現出來，這也是人才稀缺的一個客觀限制。
第二個挑戰是在監管合規層面。要開展負責任的大模型實踐，會大幅度增加訓練成本和推理成本，因此會給商業化過程帶來挑戰，這背后是安全和成本之間的取舍。
第三個挑戰是業務孵化。在早期投資時，大家可能覺得這一新興領域很有機會；當行業發展逐步深化時，會發現業務本身的孵化和商業化存在非常多的挑戰。如果不能驗證業務商業模式是否有效，能否形成良好的現金流和利潤，生成式AI就有可能會進入瓶頸狀態，實際上現在已經在這樣一個狀態了。
我們團隊在看待生成式AI創業時，理解不僅僅局限于大模型，大模型有相應的團隊和相應層次的玩家在做。我們更關注場景應用，以及為場景應用提供支撐的中間層，這里還有很多機會。
場景方面，順網科技最偏好泛娛樂領域。首先，休閑娛樂對消費者而言，是比較核心的領域，所以它的需求是很充分的。其實歷史上很多新技術都是從泛娛樂領域率先落地。
其次，泛娛樂領域相對來說容錯性更好。很多生成式AI應用一旦用到正式的商業場合，就會面臨服務、解決方案等方面穩定性、可靠性的問題。所以在當前這個階段，找到相對高容錯的場景，是做好這一輪生成式AI商業化的重要環節。
另外，泛娛樂的傳播性更好，能夠獲得更多用戶的認知，更容易讓用戶理解和使用。所以我們認為，泛娛樂行業剛好具有這三個特性，在明年后年會有很多的應用和可能性誕生。
最近二十年，我們的很多生活習慣都在發生轉化，例如從微博、微信等文本互動轉向短視頻互動，甚至未來會有更多即時多媒體通訊形態。這個過程中，用戶時間分布已經在發生遷移，更多的生活場景復刻、還原在線上，因此會有很多通過生成式AI為用戶提供陪伴的機會，這也是順網正在做的。
在我們看來，生成式AI商業化會有兩種落地范式：
第一種是現在很多小型團隊在做的，他們會直接在大模型上做應用，或者簡單地做套殼或商業化。這種模式反應速度會比較快，可以快速拉起來一部分用戶，但是在國內展業，這樣容易遇到合規問題。海外展業其實門檻不高，但很容易被大模型把相應的場景能力吸納，之后逐漸被替代，很多應用從業者已經發現了這個問題。
第二種是大模型加上中間層框架，最后到應用。這一層是從大模型本身的一些局限性出發，補充它的提示工程、答案工程，注入行業垂直模型。同時企業有很多自己多年沉淀的行業數據，未必愿意以公開的方式或者缺乏數據安全的方式提供給大模型，這種場景就需要中間層做支撐。
從順網科技的實踐來看，首先，我們擁有多層次的算力，而且是異構算力，從這種核心的專業計算到常規的低成本推理計算，甚至于到一些特定場景的渲染，面向不同場景可以提供不同類型的算力。這是我們相對見長的，因為我們做上網行業，從基本的設備管理到行業的存儲上云、算力上云，以及算力全方位的線上線下一體化調度管理，我們積累了很多經驗。
第二點，是在模型和應用支撐的中間層探索。這一塊構成了順網科技核心的AGENT能力。準確來說，AGENT是一種生成式人工智能代理的能力，而不是只創建一兩個代理的化身。本質上，還是會利用大語言模型擅長的方面，但是對于它不擅長或者可能遇到問題的部分，都需要在這個層級進行封裝和場景化適配。
最后是場景。我們接觸的用戶主要集中在泛娛樂領域，因此我們會提供相應的陪伴服務，包括在上網、電競等與游戲緊密結合的場域，以及常規的休閑陪伴。
我們認為，想要做好AI應用，需要充裕的算力和高質量的數據。
首先，即便擁有第三方的大模型，如果缺乏足夠的算力，就無法將優質數據轉化為模型的參數，也就無法真正地將數據沉淀下來。其次是要做推理，如果沒有足夠的推理算力來服務海量廣域的最終用戶，那么大模型平臺可能會崩掉或暫停服務。這對于國內很多創業團隊和上市公司來說，也是一個需要解決的問題。
算力不僅關乎計算能力本身，還關乎計算所需的時間。比如，我們所在的電競行業、游戲娛樂領域所需要的渲染算力，需要非常低的時延，通常是毫秒級。而在其他非時間敏感的應用場景下，可能不需要那么高的實時性。所以整體的算力應當構建成一個多層次的算力網絡和算力資源池。
其次，推理的核心在于高質量的數據，這些數據應當與自身應用場景相契合。我們認為，高質量的行業數據必須滿足三個維度：深度、廣度和時間跨度。深度方面，即在該行業中擁有相應的端對端鏈路數據沉淀，當然，這些數據的獲取需要符合相關法律法規。
廣度方面，行業不能太小、太垂直，要有一定的市場容量和多細分行業覆蓋，否則很難在商業化推廣中實現規模化。最后，數據的積累需要一定的時間跨度。如果沒有幾年甚至10余年的數據沉淀，就沒有相應的訓練語料，所以在數據層面，還是需要有足夠的時間積累。
我們來總結一下。在生成式AI的商業化方面，順網科技認為這五個要素是缺一不可的：場景、中間層、模型、算力和數據。
場景是最終觸達用戶群體的地方，也是商業閉環形成的地方。中間層可以加速試錯過程，更快地找到滿足用戶需求的具體痛點閉環。模型是生成式AI這一輪最核心的能力部分，算力是基礎支撐，而數據則是模型的根本。
我們認為，這一輪生成式AI會帶來巨大的生產力變革，但未必會如大家期待的那么快，還需要一點一滴的積累，市場需要有一定的耐心。對于上市公司來說，在這方面也會遇到經營層面和孵化層面的挑戰，我們也希望能夠與行業內更多人士進行探討，共同尋找更多創新機會，從而實現更好、甚至更快的商業化進程。
最后以順網科技的使命和愿景作為結束，我們希望科技連接快樂，讓行業更加智能，讓用戶的快樂隨手可得。
