大模型时代变革下，如何落地成为了当前全行业共同关注的话题。面对大模型落地难的现状，InfoQ 极客传媒主办了「InfoQ 大模型技术应用创新大赛」，期望发掘更多能够解决产业数字化转型过程中实际问题的创新解决方案，共同推动大模型等技术在不同行业的落地实践。

8 月 4 日，InfoQ 发起了以“汇聚多行业赛道，探讨大模型落地的无限可能”为主题的大赛启动直播，中国信通院云大所人工智能部主任曹峰、北京极客邦科技创始人兼 CEO 霍太稳为大赛致辞，InfoQ 主编赵钰莹对大赛做了全面介绍。

此外，直播还邀请了各个赛道的专家评委开展圆桌讨论，他们分别是：技术创新赛道——科大讯飞 /AI 研究院副院长、科研部部长李鑫，北京欧拉认知智能科技有限公司 CEO 王绪刚；产品经理赛道——任意门科技（Soul）效率产品负责人张深深；产业应用赛道（金融）——众安保险技术总监韩冬振；产业应用赛道（制造）——宁德新能源科技有限公司数字化转型顾问王晓钰以及产业应用赛道（教育）——北京极客邦科技有限公司研发总监韩磊，6 位专家共同探讨了大模型对各赛道的影响、如何理解 AI first 以及对参赛选手的建议等。

(相关资料图)

InfoQ：如何来看待大模型的兴起及其对技术、产品或者不同行业带来的影响？

李鑫： 大模型的兴起所影响的不仅仅是个别行业，而是对广泛的通用行业，主要有以下几个方面；

第一，对获取信息方式的影响，以前的搜索引擎可能是 Top K 的模式，大模型其实更多的是 Top One，信息分发的模式会有一些变化；第二，对于内容生产的影响，例如在电商模式中，过去的内容生产需要更多的人力物力，大模型的出现对内容生产甚至产品出海都带来了显著变化；第三，自然交互的改变，以前人机交互更多的是一些小模型的算法，现在基于大模型强大的自然语言理解能力，使得人机交互更自然。

此外，大模型的影响更显著聚焦到两个方面：一是 IT 行业，大模型会创造一种新的编程模式即人机结对编程，这种方式将颠覆传统意义上研发团队的工作模式。二是科研行业，大模型对科研工作而言，是一个重要的加速器。

王绪刚： 我们看到很多企业对大模型的到来感受到压力，当然也有憧憬。大模型对企业服务的影响，实际上最先改变的可能是整个办公流程。其次是对企业内部知识的提升，不管是生产制造型企业，还是咨询型企业，大模型对于企业内部的知识是一种质的提升。此外，有助于企业内部的结构化数据整合和业务场景下的预测、挖掘。

王晓钰： 大模型的兴起让 AI 进入到工业领域和工程领域，也让我们看到了很多契机。在此之前， AI 应用在工业领域面临诸多挑战，原因在于工业对可解释性和精度要求比较高，尤其是涉及到生产制造过程。以前如果只是基于数据去挖掘，往往达不到工业领域对精度的很多要求，这就是为什么我们会基于专家知识去分析大语言模型对语义的理解能力。同时，我们看到两个大的机会，一是人机交互方式的改变，例如，让专家直接以熟悉的语言跟机器进行交互，就不需要经过编程人员和技术人员的翻译。二是分工的改变，当大家都可以用更自然的语言去交互的时候，就像不同领域的专家在会议室去交流，它会使得我们的一些分工方式，包括专家和人机之间的分工，可能原来一些简单初级的工程师做的工作，随着计算机的边界可能会发生变化。

韩冬振： 众安保险是一家互联网保险公司。身处保险行业，大模型的兴起对我们整个技术和业务既带来了冲击也迎来了契机。从技术层面来说，互联网行业的技术人员占据较大比例，如果结对编程或者编程助手应用落地的话有助于研发效率大幅度提升。但是，这里需要考虑一个非常重要的问题：安全问题。利用大模型辅助编程或者寻找 bug 等都涉及诸多安全隐患，如果针对安全问题能够有所突破也是具有价值的。另外，大模型落地可能性比较大的方向可能是智能营销。例如，营销素材的设计，营销话术的设计等。除此之外，智能客服尤其是保险行业私域层面的智能客服目前是比较火热的。

张深深： 对于多数普通人而言，接触到大模型更多集中在应用层。首先，大模型更倾向投入到准入门槛较高的行业，比如律师行业，例如 Open AI 第一个下场领投的产品就是一个法律类的产品。其次就是陪伴类的产品或者心理咨询类的产品。此外，经营助手类的产品，例如数据分析类应用。因此，想要参加产品经理赛道的话，更加需要着重做一些大模型在基础应用层次上落地探索。

韩磊： 大模型最先影响的可能就是教育赛道，从行业需求来看，现在很多家长培养孩子 AI 方面的能力，例如编程，似乎已经成为学生必备的技能了。

教育赛道主要包括两方面：学生和老师。对于学生而言，AI 可能会对学习方式带来翻天覆地的变化。比如个性化学习，基于学生的学习成绩、对知识点的掌握程度，个性化定制学习方案。AI 更像一个虚拟的教育助手，随时随地与学生进行沟通来回答学习的问题。对于老师而言，可能不需要花很多时间再去做重复性很高的工作。另一方面，可能会出现两极分化，教学水平一般的老师可能不如 AI，教学水平高的老师，可能更容易基于 AI 会迭代自己的教育方式。

InfoQ：如何理解 AI-First 的概念？

王绪刚： AI 在不同阶段释放的价值也会不同。目前面对大模型带来的冲击更多集中在知识密集型行业，例如法律和医疗行业，大模型在加速初级工作者的工作效率的同时，未来也可能替代他们。此外，现在对 AI 的探索刚刚开始，随着 AI 能力的加强，以及在其他场景的应用，未来会有无限的可能，甚至一些人已经开始做世界级模型，可以将控制系统、语言模型、思考模型连接在一起，可能只需要由人的思考去控制装置的行动，实现脑机接口的结合。未来，AI 可能不仅仅是脑力的延伸，还是脑力加上体力的延伸。

王晓钰： 我比较看好的一个方向是创意、知识与算力的结合：通过将人的灵感与 AI 结合，经由人机更深度的融合，进一步放大在更广泛、更灵活、更真实的场景，让人们更加有效地发挥创意。

韩冬振： 过去人们很难想到将实际场景与 AI 结合起来，随着 AI 浪潮兴起我们在实际场景中更加容易想到如何利用 AI 提升工作效率。对于众安保险，现阶段我们正在梳理整个保险行业的细分领域和场景与 AI 结合的可能性，进而提升运营效率、开发效率、产品上线效率等。

张深深： 在大模型没有被引爆之前，可能很多人已经在不自知的情况下体验到了 AI 的能力，比如我们常用的一些分析工具，例如 GrowingIO 等，虽然这些是数据模块，但在大模型落地之后一些数据先行的企业可能会做更多动作，基于自身内部的业务应用大模型替代分析师的一部分工作。AI 时代，可能需要我们把注意力更多放在可落地的事情上、再去延伸思索。

李鑫： 对于 AI-First 的理解，如果将 First 理解为序词，就是把 AI 放在第一位，这对于做产品和做应用是比较“温柔”的。另外一种就是将 First 理解为副词，可能更接近于“不 AI，毋宁死”，是一种比较激烈的做产品的方式。其实这两种说法没有对错，而是需要在不同的场景选择更好的方式研发产品，满足用户需求，实现价值最大化。

对于本次大赛，我觉得需要明确的两个场景要素是：第一，场景里的输入和输出，把输入和输出定义清楚，AI 就更可能融入场景。第二，定义好输入和输出之后，中间过程不管是智力还是体力劳动，能够用自然语言的方式或多或少把它从黑盒状态变成白盒状态，那么这种输入和输出之间大语言模型就能发挥更大价值。AI 其实就能派上用场。

韩磊： 我理解的 AI-First 是以人工智能为中心的一种产品思维方式，而这种产品思维方式需要场景化落地。例如移动互联网时代，如果没有手机的应用场景，人们根本无法实现手机订餐、手机打车等。也就是说，通过合适的场景解决用户问题才能实现 AI 价值最大化。

InfoQ：面向本次大赛选手，各位评委专家有什么建议？

韩冬振： 做大模型需要将赛道与自身实际经验结合，而不是在众多场景中硬套，这样很难达到预期效果。短期内找一个合适的场景去做，长期的话，站在行业的视角，比如像保险行业，有可能要把保险行业知识结合大模型，也可以是垂直领域的小模型，通过长期投入为行业模型增添助力。对于本次大赛的选手而言，短期找一个具体的场景能产生效果是更加合适的。

王晓钰： 在工业领域尤其是制造领域，对大模型的探索也需要围绕应用的场景，主要的价值维度是时间的交付、质量和成本。选择知识复杂度较高但是大模型技术又相对比较成熟的场景，有价值也有可行性。

我设想了短、中、长期阶段的场景：

短期而言，应用大模型的理解能力将定义清楚的问题转换成一个计算机容易解决的问题。这里就需要在应用场景上做好结构化，定义问题非常清晰。中期而言，类似于【自动编程】人的思路和想法。过去要把想法转换成计算机的结构化的表达并不够自然，可以借助大语言模型，人们用自然的表达方式提问，由语言模型把它翻译成一个对问题的结构化定义，所以短期来说是有清晰的问题定义，而中期来说有清晰的思路，但需要大模型把它翻译成结构化的、清晰的问题定义。长期而言，可以选择创意性更高的场景，比如研发端的一些场景，可以用大语言模型跟人做一个交互的过程。

李鑫： 我觉得有两类比较合适的场景：一类就是现在已经用 AI 能解决的场景，但是效果上基于大模型还可以再往上提升一个档次。另一类是以前我们想拿 AI 做，但是 AI 做出来的东西，应用大模型是不是有可能把它做得更好。我更倾向于鼓励选手选择聚焦和细分的场景增强落地性。

张深深： 我给大家三个建议：第一，假如选手要做大模型的应用层，最好要选择劳动密集型的产业并且聚焦在对应的结合点上。第二，选择的行业要有比较强的行业规范，因为只有强行业规范，才能判定输出的结果是不是符合要求。第三，选择的项目一定要有线上的数据资产，如果没有线上数据资产的话而去做基础的大模型，在清洗数据上很费功夫。

韩磊： 如果给选手一些建议的话，我建议大家从需求着手。教育赛道主要还是解决用户在学习场景的痛点，缩短用户从问题到答案的距离。其次，从提效着手，找到合适的场景将大模型的提效优势发挥出来，比如基于文章内容生成脑图或者能总结萃取文章知识点等，这都能提升学习和教学效率。从长期来看，基于 AI 能力，创造出新产品形态或者业务形态，不论是在交互方式上，还是用户学习方式上，都是有价值的改变。

王绪刚： 如果把大赛当成一个创业过程，那就需要考虑这个项目的商业价值和创新性，而创新性又体现在稀缺性和实用性。稀缺性上要考虑两部分：一是技术的稀缺性，也就是说可以弥补现在技术上的不足，在某些场景生成更加准确的结果；二是数据的稀缺性，假如选手能拿到行业稀缺数据而且具有高质量的标注就可以构建自己的知识库，再借助大模型应用在合适的场景，就会建构稀缺性的护城河。再说到实用性，简单的说就是做出来的东西能够提升工作效率，能够在业务场景落地，实现价值。

InfoQ：对本届大赛的参赛选手送上一句话的寄语

李鑫： 让想象力放飞的同时求真务实，让大模型真正落地。

韩冬振： 聚焦行业，解决痛点

王晓钰： 重在参与和尝试，充分探索！

张深深： 明确行业核心诉求，做真正有利于行业的大模型

王绪刚： 做有爱的 AI，希望因为 AI 我们能够享受工作与生活！

韩磊： 希望选手们充分发挥自己的想象力和创造力，取得好成绩！