ChatGPT新「工業革命」　中國科技業教父：邊緣AI藏巨大潛力

企業需衡量自身能力

在這樣的結構下，對於AI時代的大模型競爭者而言，似乎每一層都意味著崛起的機遇。然而，對那些資源不充分和實力不夠強的企業來說，無論是在算力層、基礎設施層，還是基礎模型層，成功機率都不太高。因為有門檻，而且難以跨越。事實上，大多數創新風口應該會出現在垂直基礎模型層，以及SaaS。

不僅如此，想要在部署端（邊緣裝置：智慧型手機、個人電腦、智能汽車和機器人）加入AI能力，就需要為邊緣定制模型，在這方面有很多工作待完成。況且，具體到部署端，模型並不是愈大愈好，而是愈小、愈快愈好。

比如，當我們把大模型的能力遷移到無人自駕車上，首先要解決的問題是可靠與精確，讓AI能夠在最短時間內，對交通狀況做出最佳判斷。我的判斷是，在大模型時代，邊緣的機會非常大，也非常多。

一些國外公司正在瞄準AI操作系統的機遇，發力攻關，百度、阿里、騰訊、字節跳動、華為等本土巨擘也在此領域佈局。哪怕是初創公司，倘若能夠獲得百億級的投資，也可以嘗試探索一番，OpenAI就是這麼成長起來的。

但我覺得，有想法的企業還是應該量力而行，不應該看到風口就往上撲，一窩蜂去做操作系統層。就像在移動互聯網時代，iOS和Android固然發展得很好，但顯然應用層更催生了更多超級玩家，如今日頭條和TikTok、微信和淘寶，大模型時代也是如此。

在大模型時代，操作系統一家獨大的可能性不大。因AI而生的App可以接入不同系統，結合不同基礎大模型。所以，與其臨淵羨魚，不如多觀察，多思考模型與模型之間的互動，以及怎樣更好的跨模型工作，怎樣在模型裡蒐集知識，進而將其轉化為自身的產品優勢。

一個積極的變化是，以往開發任何應用都需要大規模的數據，現在依託訓練模型，數據的調用已不成問題，因而每個企業只需要結合自己的專有數據做微調（fine tuning）和提示工程（prompt engineering），就能以比過去更少的投入，獲得更好的反饋與更高的回報。

總之，新時代的信息技術從業者可能會發現，有更多有趣的工作等著自己去完成。一切的改變始於ChatGPT，它的成功加速了整個行業生態的轉變，帶來了新範式的啟示。它的影響才剛剛開始。

（雜誌原標題：中國科技業教父：邊緣AI藏巨大潛力。責任編輯：池珮筑）