朱克力：AI应用从技术狂热走向价值落地 | 立方大家谈

朱克力 | 立方大家谈专栏作者

AI大模型技术近两年呈现迅猛迭代之势，一个突出的问题是，超级应用迟迟未能出现，这让整个行业陷入深深的焦虑之中。大模型是生产要素配置的新质工具，根据生产函数关系理论，只有当生产要素通过应用转化为实际的生产力时，才能真正创造出经济价值。也就是说，应用才是AI大模型实现价值的核心环节。

在此背景下，近期有以“应用来了”为主题的行业会议强调对市场需求的洞察力，体现行业积极主动求新求变，以更好地契合市场对AI应用的迫切需求。而市场对AI应用的需求，也正处于快速增长的轨道上。

应用驱动的发展模式，在本质上与市场经济规律是高度一致的。在经济学当中，需求在经济活动中起着牵引作用。而强调应用驱动，实际上就是将市场需求作为根本导向，全力推动AI技术在各种各样的场景中得以落地实施。这种模式能有效优化资源配置，避免技术研发与市场需求相互脱节的局面，从而显著提升整个AI产业的经济效率。例如，当AI技术被广泛应用于生产、营销以及管理等关键环节时，生产效率能得到切实提高，成本得以有效降低，收益实现明显增长，赋能行业发展壮大，进而带动整个产业。

技术创新与产品布局：构建AI应用生态

在多模态领域，iRAG技术是一项重要探索成果。核心原理在于，将海量的亿级图片资源与强大的基础模型能力深度融合。通过这种创新的方式，解决长期以来在文生图过程中普遍存在的幻觉问题，实现超真实图片的生成。这一机制的运用，使生成内容在准确性和可控性方面都得到极大提升，在AI技术发展进程中不啻是一次关键突破。

从经济逻辑考量，iRAG技术应用将会为AI在多领域开辟出更为广阔的场景空间。以创意产业、广告营销以及影视制作等领域为例，这些领域对高质量、超真实的图片和视频素材有着强烈的需求。借助iRAG技术，能以较低的成本快速生成符合需求的高质量宣传图片和视频，在市场竞争中有效提升品牌形象和市场竞争力，进而对相关产业经济增长产生积极带动作用。

创新型工具的应用开发带来全新理念与方法。在当前技术环境下，尤其是在硅谷等科技前沿地区，普遍较为重视辅助代码生成技术，主要目的在于提升工程师的工作效率。而独辟蹊径将目光聚焦于非程序员群体的创新应用，赋予其编程能力实现无代码编程功能，同时具备多智能体协作及多工具调用等功能特性。用户仅仅通过自然语言交互的方式，就能轻松便捷地完成系统的搭建工作。

如此一来，可降低应用开发过程中所涉及的人力成本和时间成本。以往，应用开发往往需要专业程序员投入大量时间和精力编写代码，如今随着技术壁垒被打破，更多创意和想法能迅速地转化为实际的应用产品。这将激发人们的创业创新热情，催生大量中小微应用，丰富应用市场供给，更好地满足多样化市场需求，从而推动数字经济发展。

一个行业共识是，智能体被广泛认为是AI应用的主流形态。在智能体发展布局方面，全面深入的规划，涵盖角色类、工具类和行业类等多种类型的智能体。其中，角色类智能体借助大模型的加持，让数字人具备更高的拟人化程度，使之在教育、咨询等领域发挥出重要作用。工具类智能体为用户打造一个便捷、高效的创作平台，极大提升用户的创作体验和创作效率。行业类智能体在法律等行业展现强大服务能力，为大众提供专业、便捷的法律服务。

基于经济视角，智能体发展过程充分体现规模经济和范围经济效应。随着智能体数量的不断增加以及种类的日益丰富，其开发成本能够在更大的范围内进行分摊，从而降低单个智能体的开发成本。同时，多样化的智能体能够满足不同用户在不同场景下的多样化需求，为用户提供更加个性化、精准化的服务，进而有效地提高了整个AI生态系统的经济效益。

以招聘平台开展大模型合作为例，利用大模型对招聘流程进行重构，通过这种方式，人岗匹配的准确率得到大幅提升，同时成本也显著降低。这是AI在人力资源市场优化资源配置的典型范例。在制造业、能源、交通等多个领域，大模型平台的产业应用同样发挥着重要作用，在降本增效方面取得显著成效。

一系列成果有助于推动实体经济加速实现数字化转型，提高全要素生产率。通过积极引入和应用AI技术，对生产流程进行优化，提高产品质量，降低能源消耗，从而在激烈的市场竞争中增强竞争力，有力推动产业升级和经济结构调整。

AI发展的节奏与方向：长期主义与理性判断

自ChatGPT上线以来，模型发布节奏便成为行业关注的焦点。从应用角度出发来审视这一问题，可以清晰地看到，大模型技术的进步速度实际上并未减缓，持续增长的调用量就是有力证明。但需要注意的是，基础模型的迭代并非越快越好。如果基础模型迭代速度过快，将会给应用开发者带来诸多不利影响。

在技术创新与市场应用之间寻求平衡，是一种现实智慧。过快的技术变革意味着应用开发者需要不断地对其应用调整和适配，无疑会面临高昂的调整成本。在极端情况下，一些应用可能无法及时适应基础模型的快速变化而被市场淘汰。因此，合理的迭代节奏对于稳定市场预期具有至关重要的意义，有助于促进技术与应用之间的协同发展，确保整个AI产业链健康稳定运行。

在当前AI发展趋势中，多模态成为了一个备受瞩目的热点领域，其中Sora更是引发广泛关注。尽管Sora所代表的技术方向具有极高的意义和价值，但不可忽视的是，实现难度也相当巨大。在这种情况下，选择从实际应用出发，优先解决多模态应用中一些具体的、实际的问题，例如数字人的多模态融合问题，是一种更为务实和明智的发展路径。

这种发展路径的选择，是基于成本效益原则的考虑。在资源有限的现实情况下，优先投入资源解决那些能够快速落地并产生实际价值的问题，可避免过度投入到一些高难度、高成本但短期内难以实现的项目中。通过这种方式，有助于提高资源利用效率，推动多模态技术在虚拟直播、智能客服等实际应用领域逐步推广和应用。随着多模态技术在这些领域的应用不断深入，用户将能获得更优质便捷的体验，同时也可创造更多的经济价值。

在AI应用的发展方向探讨中，智能体作为被普遍认为的一个重要方向，是否成为AI应用的终极形态在行业内还存在一定讨论。一种观点认为，智能体在未来较长的一段时间内将会持续不断发展演进，并且将与未来可能出现的AI Worker长期并存。

技术的演进，通常是一个渐进过程。智能体在当前阶段已经在降低应用门槛、提高人机交互效率等方面展现出巨大价值。这使一些原本需要专业技术知识才能操作的复杂系统变得更易于使用，普通用户通过简单的自然语言交互就能完成复杂任务。随着技术持续进步，智能体形态和功能必然会不断发生变化和演进。例如，在未来智能家居场景中，智能体可能与物联网技术深度融合，成为智能管家，根据用户生活习惯自动控制家电设备、调节室内环境等；在智能城市建设中，智能体将发展成为智能管理系统，负责城市交通流量优化、能源资源合理分配等重要任务，从而创造出更多新的商业模式和经济增长点。

AI时代的行业协作与生态共建

在AI时代产业格局中，行业头部往往专注于做基础平台和工具、致力于赋能开发者创造更多应用。这一定位，体现在产业生态体系中对分工协作思想的理解和践行。专业化分工是提高生产效率的重要途径之一，通过聚焦技术研发和平台建设，可将自身资源和优势集中投入关键领域，为开发者提供强大稳定的基础支持。

开发者则能在搭建好的基础平台之上，充分发挥自身创造力和专业知识，聚力应用创新工作。这种双方优势互补的合作模式，能有效推动AI应用生态系统发展。从产业结构优化的角度来看，这种分工协作模式有助于提高整个AI产业的创新能力和市场竞争力。基础平台和工具能降低应用开发门槛，吸引更多开发者参与到AI应用开发中来，从而丰富应用市场供给。同时，多样化应用创新又能进一步促进基础平台技术不断完善升级，形成一个良性循环的发展态势。

大模型行业发展离不开人才支撑。一系列人才培养计划的实施，不仅为行业长远发展储备充足人才资源，更重要的是，为整个AI产业的可持续发展奠定坚实基础。

在推动技术创新和产业发展过程中，人才扮演着核心要素的角色。一个行业拥有充足的高素质人才供给，可有效降低企业人力成本。这是因为，高素质人才具备更强专业能力和创新能力，能在相同时间内创造出更多价值，从而降低单位产出的人力成本。同时，人才汇聚可极大提高创新效率，加速技术扩散和应用推广。当一批掌握先进AI技术人才进入行业后，能迅速将新技术应用到实际生产和服务中，并通过知识分享和技术交流，带动整个行业技术水平的水涨船高。此外，在人才培养方面积极作为，有助于提升国家在全球AI产业竞争中的人才优势，推动AI技术在更广泛领域得到应用，从而创造更多经济社会效益。

在AI产业生态系统中，通过与合作伙伴共建生态，能整合各方优势资源，实现资源优化配置。例如，与科研机构合作，可获取前沿科研成果，加速技术创新进程；与上中下游合作，可实现产业链协同发展，提高整个产业效率和竞争力。通过合作，能共同应对行业发展中面临的各种风险。面对技术变革、市场波动等不确定性因素，行业内可相互支持、合作创新以降低风险影响。通过共建生态，可更好推动AI产业健康有序发展，促进整个行业实现经济价值和社会价值的最大化。

责编:刘安琪 | 审核:李震 | 监审:万军伟