与李彦宏在2024世界人工智能大会上的洞见相呼应，曾以"互联网+"引领时代的易观国际集团董事长于揚同样强调，AI领域的进步需跳出传统移动时代的思维框架，避免陷入盲目追求“超级应用”的误区。
7月4日，于揚和来自北京未来图灵科技有限公司（以下简称“未来图灵”）的编辑进行了一场对话。
他指出，虽然移动互联网时代孕育了诸如微信、抖音等杀手级应用，引领了亿级用户的潮流，但在AI大模型的新纪元中，成功的标准已悄然转变。于揚认为，真正的成功不在于用户数量的堆砌，而在于AI技术如何深入行业肌理，成为提升效率、降低成本的生产力工具。他呼吁业界应聚焦于AI技术的实际应用价值，而非仅仅追求表面的用户规模。
随着“百模大战”的热潮逐渐降温，于揚观察到AI行业正逐步向应用导向转型。这一趋势不仅催生了众多面向消费者的创新产品，更在B端市场激发了各行各业对大模型作为生产力工具的广泛探索。他强调，这种转型是对AI技术本质回归的深刻体现，即技术应服务于实际需求，而非成为数字泡沫的制造者。
针对当前行业中存在的对“超级应用”的过度追捧现象，于揚提出警示：盲目追求用户规模而忽视应用的实际效能，将可能导致资源浪费和行业发展偏离正轨。他鼓励从业者应更加理性地看待市场，将关注点放在如何通过AI技术解决实际问题上，以创造真正的社会价值。
易观国际集团董事长兼CEO--于揚
大模型是一个操作系统
未来图灵：对于您来说，大模型是什么？大模型在AI领域扮演着怎样的角色？
于揚：信息技术的发展历程可以追溯到（上世纪）70年代，那时信息技术刚刚起步。随着时间的推移，我们见证了从大型机、中型机到个人电脑的转变，这标志着计算机时代的基础设施的演变。在这个过程中，操作系统扮演了核心角色，比如IBM的专有操作系统，以及基于Unix系统的Solaris等重要操作系统。当然，各种应用也随之发展，早期的大型机、中型机和小型机上的应用界面相对单调，但它们在各个行业中发挥了重要作用。
进入21世纪，互联网特别是移动互联网的兴起，让安卓和iOS成为主要的操作系统，智能手机成为终端设备。
现在，我们处在AI时代，大模型就像新时代的操作系统，GPU则是基础设施，公司如英伟达和博通在提供支持AI应用的硬件方面发挥着重要作用。
总的来说，从信息技术时代到互联网时代、再到现在的AI时代，每个时代都有其基础设施、操作系统和应用这三个核心要素。随着AI技术的发展，我们可以预见，基于大模型的AI应用将会不断涌现，推动社会生产力的进一步发展。
AI要看实际效果、效益和性价比
未来图灵：您在2012年易观第五届移动博览会中提出“互联网+”概念，影响深远，那如今盛行大模型的时代又该称之为什么呢？这是一个怎样的演变过程，您可以详细讲一下吗？
于揚：我认为互联网是强大的生产力，应与生产关系结合，融入各行业以释放更多价值。利用这种新的生产力，释放原有行业业务场景的更多价值。在信息技术时代，我们使用信息技术作为生产力，无论是在办公通讯还是数据处理方面。当时，我们使用关系数据库，采用传统的软件方式进行操作。但到了互联网时代，我们采用了在线数据库和实时在线数据处理的方式，例如OLAP这样的在线数据库。
如果将“互联网+”的概念应用到今天的AI时代，我们可以称之为“AI+”。无论我们称之为IT时代、互联网时代还是AI时代，最重要的是这种生产力是否真实地进入了我们的生活和工作的各个方面，并真正产生了比以前更高的价值。所谓更高的价值，就是指是否提高了效率，是否改善了效果？
我的朋友彭志强（盛景网联董事长）提出"10倍"概念，这个概念来源于国外的一个想法，意味着任何新技术或新生产力在真正应用到场景中时，应该带来至少10倍的效益或节省10倍的成本。当然，这个“10倍”是一个假设，但我认为，即使是五六倍或六七倍的效益，也是非常显著的。核心在于是否能带来更好的效果，是否能降低更多的成本。这有点像奥林匹克精神——更高、更快、更远，再加上更便宜。
所以，我认为名称并不重要，最重要的是AI是否能让我们的生活和工作比以往效果更好、成本更低。对于那些不太了解的人，可以用"AI+"来表达AI作为生产力的性质。最终，我们还是要看AI的实际效果、效益和性价比。
AI在2035年才能成为真正的生产力
未来图灵：您认为大模型行业发展需要多长时间？发展轨迹是怎么样的？
于揚：我认为云计算的ToC应用，如Google Docs和Hotmail，是最早的云服务形式，出现在二十多年前。但云计算作为一个概念，直到2006年亚马逊推出AWS并由Google的CEO提出后才真正受到关注。2015年，AWS的业绩披露让人们意识到云计算已经融入生活和工作。
从这个角度来看，AI作为生产力，可能还需要很长时间才能真正带来价值。类似地，iPhone在推出5到6年后，即2014或2015年，才开始被视为强大的生产力工具。因此，从概念到商业成果，一个新技术可能需要9到10年的时间。按照这个逻辑，AI可能要到2035年左右才能真正成为生产力。
当然，AI的发展速度可能与IT和互联网不同，但新事物的普及需要人们的认知和接受过程。特别是对于企业来说，比如日本，它在IT时代非常先进，拥有像日立、东芝这样的领先公司，但在互联网和移动互联网时代，日本并没有很好地把握机会。现在，日本希望抓住AI的机会，但不可能完全抛弃传统的IT系统。对于新企业来说，从头开始使用AI是没有问题的，但许多企业有历史传承，如何处理过去的系统，以及如何无缝地将IT时代的投入传承到互联网时代，都是问题。
因此，我认为目前大模型可能还处于概念阶段，尚未成为真正产生生产力的工具。我们还需要进一步观察，目前可能还处于“外行看热闹”的阶段。
大模型热潮将于明年降温
未来图灵：您上面也提到，一个新事物从概念期到真正产生商业成果需要9到10年的时间，那您认为投资者会给这个产业这么长的时间吗？
于揚：我虽然不是投资领域的专家，但我想分享一些作为观察者的思考。我认为国内愿意进行超过10年长期投资的人不多，而美国和欧洲的耐心资本则能推动颠覆性创新。以Open AI为例，它虽然近期才广为人知，但已经发展了一段时间，表明任何新技术的发展都需要时间。
在融入人们的生活和工作中，最大的挑战不是技术本身，而是用户的使用习惯。一旦习惯形成，改变起来就非常困难。移动支付的普及过程就是一个很好的例子，它从早期的领先者，逐渐扩展到年轻人、再到老年人，这个过程并非一蹴而就。
同样，人工智能技术的普及也需要克服用户的使用习惯。只有当人们认识到这项技术的效果显著、成本低廉且风险小，他们才会开始改变习惯，从而让技术真正普及。这是一个需要时间的漫长过程。
我预计，明年大模型的热潮可能会降温，因为只有3—5家企业能够存活下来，且大模型的应用可能没有预期的那么好。然而，如果大模型能显著提升效能或降低成本，我相信这将吸引投资者的关注。这是一个需要耐心和时间的长期过程。
AI竞争态势：美国领先，日本复苏，中国奋起直追
未来图灵：您认为我国与其他国家在AI领域上有何差别？
于揚：我对当前全球AI领域的发展有一些个人看法。总的来说，我认为美国在AI方面处于领先地位，而日本虽然经济有所复苏，但在AI方面尚未有显著突破。我最近访问日本时，注意到了物价上涨和新建筑工地的增多，这可能表明日本经济正在恢复活力，但AI领域的进展尚不明确。
美国在AI领域的实力体现在GPU制造商英伟达和领军企业如OpenAI上。OpenAI与微软的紧密联系，以及苹果高管加入董事会的消息，都显示了美国在AI领域的强大生态系统。此外，还有Meta的Llama 3和Google的GEMINI等大型模型。
至于中国，我认为目前还不能说在哪些方面明显领先于美国。我们仍然处于AI发展的初期阶段，所有参与者都像是小学生，都在迅速进步。关键是要不断前进，不进步就意味着被淘汰。美国的生态系统可能更为强大，但是否具有绝对优势还有待观察。中国在某些方面可能有自己的优势，但目前还不能明确指出。总的来说，这是一个快速发展且竞争激烈的领域。
中国擅长AI应用创新：从模仿到引领
未来图灵：您之前谈到中国在应用方面有一些独特的优势？
于揚：我认为中国在应用层面具有明显的优势。回顾信息技术时代，中国拥抱这些技术的时间相对较晚，大约在80年代末到90年代初，与美国相比晚了大约20年。那时，中国并没有产生太多具有全球影响力的应用公司，但随着互联网时代的到来，我们接触互联网的时间与美国相差无几，大约在1999年到2000年，差距缩短至五年左右。这使得我们追赶的速度非常快，并且出现了许多优秀的互联网公司。
这些公司主要在应用层面取得了成功。例如，华为在互联网基础设施方面非常强大。在搜索和电子商务方面，虽然起初我们更多是模仿者，但后来逐渐发展出了自己的特色。例如，腾讯最初通过QQ起家，QQ实际上是ICQ的模仿者，但后来发展出了很多具有中国特色的功能。微信更是如此，不仅可以聊天，还可以进行支付、观看视频、订阅内容等，提供了丰富的企业服务和商家服务。
我认为中国在应用层面的创新能力非常强，这从腾讯的发展就可以看出。甚至像马斯克这样的人物也认为我们应该向腾讯学习，增加更多的支付功能等。我相信AI领域也会是这样，我们特别擅长应用创新。
从2015年开始，出现了一个趋势，即从“copy to China”转变为“copy from China”，意味着中国的优秀创新开始被国外学习和借鉴。中国在用户体验、营销和生态系统构建方面做得非常好，这使得我们的应用走在了世界前列。
我相信，如果我们在互联网应用上做得好，那么在AI的应用上也一定能够做得好。中国拥有庞大的人口，这为我们提供了丰富的应用场景。在未来二三十年内，中国仍然是人口大国，这为我们提供了无限的可能性。我相信，通过涌现效应，即足够多的人和团队聚集在一起，将会产生一些独特的创新，这些创新有可能引领整个世界。这也是我在2018年之前所见证的，中国的创新氛围孕育了许多优秀的互联网应用公司。
To B还是To C不重要，能否带来效能提升和成本降低才是关键
未来图灵：在大模型领域，是更侧重于B端（企业级）市场还是C端（消费者）市场？您认为哪种方向更具潜力？
于揚：我认为ToB和ToC的区分并不关键，重要的是技术能否带来实际效益和成本降低。以搜索为例，尽管大型模型能提供更全面的答案，但它们的准确性还有待验证。如果准确性问题未解决，消费者的信任就无法建立，其他一切都无从谈起。
我认为，无论是ToB还是ToC，企业采用新技术的过程都是循序渐进的。企业需要考虑投入产出比，以及如何将新技术与现有系统衔接。对于企业来说，这是一个涉及多人的复杂环境，需要克服组织使用习惯，还要考虑配合效率、责任分配以及奖惩机制。这与个人消费行为的逐步改进不同，因为组织需要克服的是整个群体的使用习惯。
在中国，ToB模式尤其面临挑战，因为市场主要由大型企业主导，中小企业生存质量不高，导致订阅模式难以落地。大型企业可能更倾向于自主开发技术。
无论是ToC还是ToB，关键在于是否能够提供显著的效能提升和成本降低。如果AI能带来5到10倍的效果提升，同时成本仅为原来的1/10，它就有可能被广泛采用。目前，AI技术的成熟度和市场需求都还需要进一步发展。我们需要深入思考如何利用AI技术，提供真正有价值的解决方案。
大模型的偏见其实是人类自身的偏见
未来图灵：大模型在数据学习中潜藏的偏见与歧视问题，我们该如何警惕并纠正这一技术倾向，避免其成为系统性偏见的帮凶？
于揚：我认为，当我们讨论大模型的偏见时，实际上我们是在讨论人类自身的偏见。大模型如同孩子，受教育和环境影响其成长。它所接收的数据和语料决定了它的价值观和世界观。尽管人工智能本身没有情感，但任何文字都带有某种价值观，这种价值观对人工智能可能是无意识的，但对我们人类是有意识的。
要避免偏见很难，因为即使是人类，每个人对同一件事的看法也可能各不相同，站在各自的立场上，似乎都有道理。一件事情可以从360度不同角度来看，每个角度都能自圆其说。当我们讨论偏差时，我们需要明确比较的标准是什么。如果标准不明确，就无法谈论偏差。而且，世界是分裂的，人类的看法也是分裂的，我们怎么要求人工智能有一个无偏差的观点呢？这取决于你从哪个角度问它，如果你们的标准不同，你肯定会认为它有偏差。
AI学会了“诚实地表达无知”
未来图灵：大模型目前局限于基础数据的归纳整理，缺乏突破性的创新应用能力，我们应当怎么改变这一现状？
于揚：我认为人工智能大模型的发展已经超越了技术层面，它们能够生成基于自身理解的独特看法，展现出智能特质。面对大模型可能的偏差，我想可以通过模型间的竞争和PK来促进进化和优化，类似于达尔文的进化论，适者生存。
从GPT3到3.5，再到Claude 3.5，以及即将推出的GEMINI 3，我们见证了大模型间的竞争和进化。我最近体验了Claude 3.5，发现它在某些方面比GPT更出色，尤其是它在不确定时会诚实地表达无知，请求更多信息，而不是强行给出错误答案。这种自我认知和诚实的态度，可能是大模型进化过程中的一个重要方向。
大模型出海原因：国内软件服务认可度不高
未来图灵：中国企业加速出海进程中，面临哪些挑战？如何制定有效策略以提升全球竞争力？
于揚：我认为中国企业在出海过程中应该充分利用我们擅长的三个方面：用户体验、沟通方式和生态系统。首先，中国的用户体验非常先进，例如网上购物的快速配送服务，这在西方国家是难以想象的。我们的物流系统能够让消费者实时追踪包裹，而在国外，消费者往往需要等待几天甚至一周才能收到包裹，且服务不够透明。其次，我们的沟通方式特别能抓住消费者心理，比如直播电商的兴起，这种模式在美国被称为"influencer"，并且随着TikTok在西方的流行，他们也开始学习这种模式。第三，中国的生态系统具有独特的效率追求，以及对高性价比的重视。我记得在新加坡的一个论坛上，新加坡商务部部长提到了"better cheaper,cheaper better"的理念，这与中国的生态系统行业非常相似，如拼多多上的Temu和Shein，它们提供了高质量且价格低廉的产品，体现了中国的制造能力和红利。
然而，出海并非易事，政治环境和市场接受度是我们必须考虑的挑战。政策变化和税收问题可能影响我们的市场竞争力。尽管如此，我相信通过结合制造业能力、沟通方式和高性价比理念，我们有机会在全球市场取得成功。
至于大模型公司为什么要拓展海外市场，我认为可能是因为在中国面临一些问题，比如对软件服务的认可度不高，大企业更倾向于购买人事服务而不是产品。这表明，尽管中国市场庞大，但在某些方面可能存在挑战，需要通过海外市场的拓展来寻求新的发展机会。
垂直大模型公司是一个伪命题
未来图灵：垂直于某一领域大模型公司前景如何，您觉得未来的市场将会是怎样的？
于揚：垂直大模型公司，我认为是一个伪命题，因为大模型可以进入应用场景，通过与数据和场景结合的小模型来解决特定的业务问题。
AI的基础设施除了算力和GPU，还包括能源问题，因为大模型的运行需要大量的电力。这可能是一个需要解决的大问题，但可能不是普通创业者能够考虑的。在操作系统层面，现在可能是一个战国时代，就像曾经的团购市场一样，最终可能只剩下少数几家公司。
对于垂直小模型公司，我认为它们是存在的，因为它们可以在大模型的基础上，结合特定行业的业务场景，解决特定的问题。但对于那些声称自己是垂直大模型公司的，我持怀疑态度。除非他们能够完全不依赖现有的水平大模型，从头构建一个全新的医疗或其他行业的大模型，否则他们实际上只是应用公司，使用人工智能技术解决特定行业的问题。
最后，我认为在未来5年内，90%自称为大模型的公司可能会消失或转型。他们可能会意识到，与其投入巨额成本去构建自己的大模型，不如专注于应用层面，解决特定客户的问题，这样可能更具有可行性和成本效益。
开源和闭源各有优势
未来图灵：大模型市场已经形成了“开源派”和“闭源派”，企业在开闭源上的交锋非常激烈。那您与贵公司属于哪一派？
于揚：我认为开源和闭源各有其优势和劣势。开源能吸引全球开发者参与，构建生态，但可能面临质量、存续性和稳定性问题。有时，开源项目会推出商业版，但这又等同于回到了闭源模式。闭源则提供稳定性和可靠性，责任明确。
作为开发者，我选择开源还是闭源其实还是取决于需求和业务阶段。如果业务场景未确定，我可能从成本较低的开源项目开始。如果业务场景明确，需要高可靠性，我会选择闭源，因为它能立即形成商业闭环。
开源是营销和交付方式，但盈利可能来自开源的商业版或闭源产品，这可能仍是主流盈利方式。我选择时会根据具体需求和业务发展阶段做出决策。
