周鸿祎：企业家应该把AI视成一个巨大的机会，要有紧迫感

专题：2024中国企业领袖年会

　　“2024中国企业领袖年会”于12月13日-15日举行，主题为“蓄力开新局”。360集团创始人周鸿祎出席并演讲。

　　作为企业家，周鸿祎表示，抱怨外在的环境有时候可能解决不了问题，企业家有百折不挠的精神，要寻找产业发展新的突破方向。这两年大模型横空出世，变成全球产业变革的核心驱动力，也带来了很多新的创新机遇。

　　“认知决定命运”，他认为，认知很重要，行动之前要先解决相不相信的问题。“所以我提了一个问题，叫AI认知或者AI信仰。就是你相不相信这次人工智能、大模型是真的智能、是真的突破？如果不相信，可能你就会错过这个机会。”

　　周鸿祎谈到，网上还有很多制造焦虑的言论老是在谈谁的企业要被AI淘汰、什么人要被AI淘汰，“很多人问我，我这个行业还行不行？我也不知道，但是我知道一点，不拥抱AI的人或者组织，肯定会被动的AI的人淘汰”。

　　对此，他建议，企业家应该把AI视成现在一个巨大的机会，要有紧迫感，但是也不用特别慌张，因为AI未来五年到十年都有大的发展空间。

　　周鸿祎提到，全球大模型发展已经分成了泾渭分明的两路，一条路是通用人工智能之路，还有一条路是应用之路。“我们现在一说起来言必称OpenAI、言必称一些大模型公司，他们实际走的是通用人工智能之路，目标和野心是通过不断卷模型、卷算力、卷数据，做超大参数的模型，是希望给人类打造一个宇宙间通用无敌、什么都懂、什么都会的超级人工智能，这基本上是在造原子弹。”

　　但是最近这条路碰到了问题，一个是人类的数据，网上能找到的数据基本上用完了。同时，大家也在反思，人工智能在模仿人类智力，再往下发展的时候，可能要走专业化路线。打造一个全知、全能的超级人工智能，在逻辑上也是不成立的。

　　因此，他认为，打造专业化大模型，要把大模型拉下神坛，“把它从原子弹变成茶叶蛋”。周鸿祎指出，超级计算机并没有带来真正的工业革命，反而是后来像玩具一样的PC带来了工业革命。因为PC足够廉价、成本足够低，进入了百行千业、进入了千家万户，才带来了真正的信息革命。“今天走专业化大模型之路，我觉得才能把大模型变成茶叶蛋，每个企业用得起。所以大模型应该是私有化的部署在每个企业内部，不需要大模型能力很全面，只需要大模型在一个方向上解决问题，这才是真正思路、范式的变化。”

　　企业如何走应用之路？周鸿祎把大模型分解成六层能力，不同能力用在企业的不同场景：第一层基本能力，是大模型的语言能力，第二层是大模型有很强的创意能力，第三是大模型的分析能力，第四是业务能力，第五层能力是创新能力，第六层是科学问题。

　　基于大模型的六层能力，他总结了企业如何让大模型走专业之路的方向，应用智能、万物智能、数转质改、AI产业、AI安全等。

　　第一，大模型是人类有史以来发明最好的工具，能把人类所有知识随身携带，它能够提升每个人的能力，甚至能赋予一个个体具有超能力。

　　第二，从万物互联走向万物智能，实际上今天大模型有一个很重要的方向是把大模型做小，上各种智能硬件。

　　第三，助力传统产业打造新质生产力，帮助传统产业实现数转质改。

　　第四，赋能未来产业，包括自动驾驶、具身智能、生物制药等新兴产业。

　　第五，AI对科技有巨大的推动力，大模型可以给科技研究带来新的研究范式和研究工具。

　　对此，他提出几个建议：

　　第一，大模型未来五到十年都会把所有赛道重塑一遍，企业不一定需要更换赛道，不一定要转化行业，而是要想一想能不能重做一遍。但是AI对企业会有一个要求，就是AI跟企业业务怎么结合，企业内部人人要熟悉AI，掌握AI，使用AI，企业才能够有创造力、有想法。但是他也指出，经过调查，企业里主动用AI的并不多。因为AI不是一种天然的习惯，是需要强迫自己去用，才逐渐有一个适应的过程。

　　第二，企业可以在办公和营销这两个场景下应用AI，比如会议记录的整理、文告的撰写、面试结果的分析等等。

　　第三，不要试图用AI去解决自己企业所有的问题，也不要大而化之的说要做一个产业大模型或者行业大模型，而是在企业内部找一些分析的场景，把复杂的业务流程进行分解之后，在一些垂直的业务场景上打造自己的专业大模型和数字员工，集小胜于大胜，不追求面面俱到的全能大模型，而找到一个合适的场景。

　　如何寻找场景？他指出了四个方向：对上，对领导的决策如何提供支持；对下，对员工提高工作效率如何支持；对内，内部的业务管理流程；对外，自己的产品服务体系。

　　最后周鸿祎呼吁到，“希望大家从今天开始，能开始学习运用AI，去开始使用AI，全员用AI，能一起抓住大模型时代的创新机会。也欢迎大家关注我的个人账号，红衣大叔周鸿掉，我在我的账号里会分享AI技术的发展趋势。”

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。