顺网技术：泛娱乐将变成生成式AI商业化的黄金场域

2023-12-11 10:08:22记者：Reset 顺网技术觉得，企业在探索生成式AI创业时，不只要注重模型，更需留意场景使用，以及为场景使用提供支撑的中间层，以合作企业在比拼激烈的刚刚最适合读的一句话：慢下来也是一种前进行业中脱颖而出。

近期，2023中国开售企业投资价值峰会暨中国投资基金峰会（以下简称“双峰会”）在北京举行，本次“双峰会”以“革新驱动、价值导航”为主题，旨在研究开售企业如何经由革新和价值来驱动自身进展，并推动行业进展的新走向。

会上，顺网技术首次转发了企业在生成式AI商业化方面的经验，强调泛娱乐将变成生成式AI商业化的黄金场域，并提议生成式AI创业，不要局限于模型，更需留意场景使用，以及为场景使用提供支撑的中间层。

2023年以来，各大企业争相布局AI领域，导致模型商品密集落地，形成“百模大战”。但是，尽管各类模型商品层出不穷，但行业上成熟的生成式AI使用却相当有限。

对此，顺网技术觉得，企业在探索生成式AI创业时，不只要注重模型，更需留意场景使用，清醒自律知进退以及为场景使用提供支撑的中间层，以合作企业在比拼激烈的行业中脱颖而出。

除此之外，针对进入生成式AI时代的企业而言，将会面临三个考验：其一是模型层面能力的提升；其二是推动合规层面的考验；其三是业务孵化和商业化。

在场景方面，顺网技术最偏好泛娱乐领域。一方面，休闲娱乐是较为核心的刚性领域。另一方面，泛娱乐行业相对来说容错性会更好。另外，泛娱乐的研究性更好，能够获得更多使用者的认知，更轻松让使用者理解和使用。由于泛娱乐行业另外具有这三个特性，所以预计在明年后年会有很多的使用和或许性诞生。

其次，在生成式AI的商业化要素，“场景、中间层、模型、算力和资料”，五大要素缺一不可。由于场景是最后触达使用者群体的地方，也是商业闭环形成的地方。中间层可以加速试错过程，更快地找到满足使用者需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力若干，算力是关于续集计划，相关话题阅读量破亿基础支撑，而资料则是模型的根本。

这一轮生成式AI会带来巨大的生产力变革，但未必会如大家盼望的那么快，还需要一点一滴的积累，行业需要有一定耐心。

以下是顺网技术在钛传媒2023年中国开售企业双峰会的转发实录，略经记者：

各位领导、各位主办方的教师、各位嘉宾、各位好友，大家晚上好！

从上一年底ChatGPT亮相至今，全部互联网行业，乃至各行业都对生成式AI形成了浓厚兴趣，资本行业从一级到二级都有很多动作，今天我代表顺网技术，转发我们对生成式AI的一些认知和实践。

先是简易说明一下顺网技术。顺网技术兴办于2005年，一直致力于合作电竞互动娱乐领域的数字化。在18年的进展过程中，顺网技术逐步切入了四个核心领域，含有算力、电竞、AI陪伴和数字娱乐展会ChinaJoy。这四个板块构成了顺网技术的核心业务，也是我们在生成式AI时代到来时展开新增长的基础。

我先跟大家转发一下“百模大战”的难题。从上一年到如今，境内不断涌现出各类团队，后来才懂，星河滚烫含有头部的互联网大厂和新兴的企业，都在做模型，境内的模型已然超过 200 多个。从本年8月Gartner亮相的行业报表来看，全部模型比拼已然进入了技术进展曲线的第一个峰值阶段。接下来，逐步有一些相对欠缺资源和欠缺沉淀的团队会退出比拼。

在百模大战的另外，我们也注意到，大家当下能够接触、使用的生成式AI使用相当有限。所以在我们看来，进入生成式AI时代，我们还要面临三个考验。

第一个是模型层面能力的考验。首要体如今核心资源的聚合上，含有算力、资料以及人才层面的博弈。实际上这一领域在过去几年一直是冷板凳，尤其是在上一年9月份之前都不是中心，乃至于境内有关的出版物也不多。但本年2月份以后，这方面的探究就如雨后春笋般涌现出来，这也是人才稀缺的一个客观限制。

第二个考验是在推动合规层面。要开展负责任的模型实践，会大幅度增多训练成本和推理成本，所以会给商业化过程带来考验，这背后是可靠和成本之间的取舍。

第三个考验是业务孵化。在早期投资时，大家或许觉得这一新兴领域很有机遇；当行业进展逐步深化时，会察觉业务本身的孵化和商业化存在相当多的考验。假如不能测试业务商业模式是否有效，能否形成良好的现金流和利润，生成式AI就有或许会进入瓶颈状态，实际上如今已然在这样一个状态了。

我们团队在看待生成式AI创业时，理解不只仅局限于模型，模型有相应的团队和相应层次的玩家在做。我们更留意场景使用，以及为场景使用提供支撑的中间层，这里还有很多机遇。

场景方面，顺网技术最偏好泛娱乐领域。先是，休闲娱乐对消费者而言，是较为核心的领域，所以它的需求是很充分的。实际上历史上很多新技术都是从泛娱乐领域率先落地。

其次，泛娱乐领域相对来说容错性更好。很多生成式AI使用一旦用到官方的商业场合，就会面临办事、解决计划等方面稳定性、可靠性的难题。所以在当前这个阶段，找到相对高容错的场景，是做好这一轮生成式AI商业化的重大环节。

另外，泛娱乐的研究性更好，能够获得更多使用者的认知，更轻松让使用者理解和使用。所以我们觉得，泛娱乐行业刚好具有这三个特性，在明年后年会有很多的使用和或许性诞生。

最近二十年，我们的很多日常习惯都在发生转化，例如从微博、微信等文本互动转向短影像互动，乃至前方会有更多即时多传媒通讯形态。这个过程中，使用者时间分布已然在发生迁移，更多的日常场景复刻、还原在线上，所以会有很多经由生成式AI为使用者提供陪伴的机遇，这也是顺网正做的。

在我们看来，生成式AI商业化会有两种落地范式：

第一种是如今很多小型团队在做的，他们会直接在模型上做使用，或者简易地做套壳或商业化。这种模式反应速度会较为快，可以高效拉起来一若干使用者，但是在境内展业，这样轻松遇到合规难题。海外展业实际上门槛不高，但很轻松被模型把相应的场景能力吸纳，之后逐步被替代，很多使用从业者已然察觉了这个难题。

第二种是模型加上中间层框架，最后到使用。这一层是从模型本身的一些局限性出发，补充它的提示工程、答案工程，注入行业垂直模型。另外企业有很多自己多年沉淀的行业资料，未必愿意以公开的方式或者缺乏资料可靠的方式提供给模型，这种场景就需要中间层做支撑。

从顺网技术的实践来看，先是，我们拥有多层次的算力，并且是异构算力，从这种核心的专业计算到常规的低成本推理计算，乃至于到一些特定场景的渲染，面向各异场景可以提供各异类型的算力。这是我们相对见长的，由于我们做上网行业，从基础的设备治理到行业的存储上云、算力上云，以及算力全方位的线启动下一体化调度治理，我们积累了很多经验。

第二点，是在模型和使用支撑的中间层探索。这一块构成了顺网技术核心的AGENT能力。精确来说，AGENT是一种生成式AI代理的能力，而不是只兴办一两个代理的化身。本质上，还是会运用大语言模型擅长的方面，但是针对它不擅长或者或许遇到难题的若干，都需要在这个层级开展封装和场景化适配。

最后是场景。我们接触的使用者首要集中在泛娱乐领域，所以我们会提供相应的陪伴办事，含有在上网、电竞等与游戏紧密结合的场域，以及常规的休闲陪伴。

我们觉得，想要做好AI使用，需要充裕的算力和高品质的资料。

先是，即便拥有第三方的模型，假如缺乏足够的算力，就无法将优质资料转化为模型的参数，也就无法真正地将资料沉淀下来。其次是要做推理，假如没有足够的推理算力来办事海量广域的最后使用者，那么模型渠道或许会崩掉或中止办事。这针对境内很多创业团队和开售企业来说，也是一个需要解决的难题。

算力不只关乎计算能力本身，还关乎计算所需的时间。比如，我们所在的电竞行业、游戏娱乐领域所需要的渲染算力，需要相当低的时延，通常是毫秒级。而在其他非时间敏感的使用场景下，或许不需要那么高的实时性。所以整体的算力应当兴办成一个多层次的算力联网和算力资源池。

其次，推理的核心在于高品质的资料，这些资料应当与自身使用场景相契合。我们觉得，高品质的行业资料必须满足三个维度：深度、广度和时间跨度。深度方面，即在该行业中拥有相应的端对端链路资料沉淀，自然，这些资料的获取需要符合有关法律法规。

广度方面，行业不能太小、太垂直，要有一定的行业容量和多细分行业覆盖，否则很难在商业化使用中做到规模化。最后，资料的积累需要一定的时间跨度。假如没有几年乃至10余年的资料沉淀，就没有相应的训练语料，所以在资料层面，还是需要有足够的时间积累。

我们来归纳一下。在生成式AI的商业化方面，顺网技术觉得这五个要素是缺一不可的：场景、中间层、模型、算力和资料。

场景是最后触达使用者群体的地方，也是商业闭环形成的地方。中间层可以加速试错过程，更快地找到满足使用者需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力若干，算力是基础支撑，而资料则是模型的根本。

我们觉得，这一轮生成式AI会带来巨大的生产力变革，但未必会如大家盼望的那么快，还需要一点一滴的积累，行业需要有一定的耐心。针对开售企业来说，在这方面也会遇到管理层面和孵化层面的考验，我们也期盼能够与行业内更多人士开展研究，共同寻找更多革新机遇，从而做到更好、乃至更快的商业化进程。

最后以顺网技术的使命和愿景身为落幕，我们期盼技术连接开心，让行业更为智能，让使用者的开心随手可得。