經(jīng)濟(jì)觀察報(bào) 侯宏/文 產(chǎn)業(yè)觀察家們注意到生成式AI的革命性意義，并做出了豐富解讀。
英偉達(dá)創(chuàng)始人兼首席執(zhí)行官黃仁勛稱生成式AI的推出為“AI產(chǎn)業(yè)的i－Phone時(shí)刻”，意指其顛覆性的技術(shù)突破和產(chǎn)品形態(tài)或引發(fā)了Al產(chǎn)業(yè)的全面變革。
投資公司a16z的合伙人馬丁卡薩多（MartinCasado）稱其為“第三個(gè)計(jì)算時(shí)代”，意指繼微芯片將計(jì)算的邊際成本降到零、互聯(lián)網(wǎng)將分發(fā)的邊際成本降到零之后，大模型將創(chuàng)作內(nèi)容的邊際成本降到零的第三次飛躍。
麥肯錫技術(shù)合伙人萊瑞拉余（LareinaYee）則將其類比為計(jì)算產(chǎn)業(yè)所經(jīng)歷過(guò)的大型機(jī)到個(gè)人電腦（PC）的劇變，意指生成式AI將技術(shù)使用權(quán)從精英轉(zhuǎn)向大眾，實(shí)現(xiàn)了AI技術(shù)的民主化。
但以上解讀局限于AI產(chǎn)業(yè)自身，沒(méi)有考慮生成式AI如何重塑更廣泛的經(jīng)濟(jì)。在筆者看來(lái)，生成式AI和大模型有潛力成為整個(gè)國(guó)民經(jīng)濟(jì)智能基礎(chǔ)設(shè)施，進(jìn)而奠定所謂的大智能時(shí)代。
展望未來(lái)：時(shí)代躍遷
不同于專注于解釋現(xiàn)有數(shù)據(jù)的分析式AI或根據(jù)給定輸入推斷輸出的預(yù)測(cè)式AI，生成式AI專注于生成新內(nèi)容，或稱合成數(shù)據(jù)（syntheticdata）。ChatGPT（美國(guó)AI公司OpenAI旗下的對(duì)話大模型產(chǎn)品）僅是大模型的一種。準(zhǔn)確地說(shuō)，它僅是文本大模型的一種。文本大模型之外，還有音頻大模型和視覺(jué)大模型。
不同于預(yù)設(shè)規(guī)則或試圖尋找結(jié)構(gòu)化規(guī)則的傳統(tǒng)AI，生成式AI直接從海量未經(jīng)標(biāo)簽化的非結(jié)構(gòu)化數(shù)據(jù)中提取基礎(chǔ)模型（foundationmodel），由于基礎(chǔ)模型的參數(shù)巨大，常被稱為大模型。大模型的訓(xùn)練極其昂貴，但具備一系列傳統(tǒng)AI模型不具備的優(yōu)勢(shì)。一是其采取的非監(jiān)督訓(xùn)練的方式極大降低了人工標(biāo)注的需要；二是模型具有更好的通用性，可靈活應(yīng)付多種任務(wù)；三是大模型可以理解并使用人類語(yǔ)言，交互體驗(yàn)非常自然。
歸根到底，大模型是人類全量知識(shí)的壓縮。傳統(tǒng)AI利用有限的知識(shí)（預(yù)設(shè)的算法）從豐富的場(chǎng)景數(shù)據(jù)中提取結(jié)果，而大模型利用近乎完備的知識(shí)去解讀場(chǎng)景數(shù)據(jù)（盡管它不一定豐富）。大數(shù)據(jù)時(shí)代和大智能時(shí)代，分別建立在這兩種不同的模式上。
與此同時(shí)，時(shí)代生產(chǎn)力的進(jìn)步還通常體現(xiàn)為某種新型基礎(chǔ)設(shè)施的建立。工業(yè)時(shí)代出現(xiàn)電力基礎(chǔ)設(shè)施，網(wǎng)絡(luò)化時(shí)代出現(xiàn)網(wǎng)絡(luò)基礎(chǔ)設(shè)施，而智能時(shí)代將出現(xiàn)何種基礎(chǔ)設(shè)施呢？在筆者看來(lái)，大模型具備成為智能基礎(chǔ)設(shè)施的潛力，因其具備基礎(chǔ)設(shè)施的三個(gè)基本特征。
一是通用性。傳統(tǒng)AI需要針對(duì)特定任務(wù)設(shè)計(jì)，表現(xiàn)出更多的專用性與垂直性。相比之下，經(jīng)過(guò)高強(qiáng)度預(yù)訓(xùn)練的大模型具備靈活應(yīng)對(duì)多種非預(yù)設(shè)任務(wù)的能力，可通過(guò)微調(diào)及提示詞工程實(shí)現(xiàn)應(yīng)用情景的高擴(kuò)展，進(jìn)而在通用性上大大提升。
二是規(guī)模經(jīng)濟(jì)。大模型的規(guī)模經(jīng)濟(jì)與兩個(gè)概念有關(guān)。一是智能涌現(xiàn)。只有模型參數(shù)規(guī)模超越臨界點(diǎn)之后，智能才開(kāi)始涌現(xiàn)。工業(yè)經(jīng)濟(jì)情景下，低于最小有效生產(chǎn)規(guī)模的廠商無(wú)法有效參與市場(chǎng)競(jìng)爭(zhēng)。類似地，廠商必須投入高昂的前期訓(xùn)練成本，才能參與大模型市場(chǎng)競(jìng)爭(zhēng)。二是智能摩爾定律。傳統(tǒng)摩爾定律預(yù)測(cè)硅片上的晶體管密度隨時(shí)間推移指數(shù)級(jí)增長(zhǎng)，而成本保持不變。智能摩爾定律則預(yù)測(cè)大模型智能所能覆蓋的場(chǎng)景數(shù)（智能密度）具有類似的規(guī)律。這意味著，隨著大模型參數(shù)的增長(zhǎng)，其覆蓋智能場(chǎng)景的單位成本呈指數(shù)級(jí)降低。
三是外部性。修好的路上不跑車，價(jià)值等于零。盡管大模型語(yǔ)境下的“車”是什么尚未完全確定，但確定的是大模型的出現(xiàn)將促進(jìn)各類“車型”的創(chuàng)新。因此，大模型對(duì)經(jīng)濟(jì)的推動(dòng)作用要遠(yuǎn)遠(yuǎn)大于生成式AI產(chǎn)業(yè)產(chǎn)值本身。聊天類應(yīng)用僅僅是大模型應(yīng)用的初級(jí)形態(tài)，而創(chuàng)意和想象力與未知場(chǎng)景進(jìn)行結(jié)合所迸發(fā)出產(chǎn)業(yè)能量，才是大模型作為基礎(chǔ)設(shè)施最具想象空間之處。
通用性、規(guī)模經(jīng)濟(jì)和外部性是基礎(chǔ)設(shè)施所具備的一般性特征。大模型作為基礎(chǔ)設(shè)施的特殊性何在呢？筆者認(rèn)為，這是人類歷史上第一次實(shí)現(xiàn)智能的大規(guī)模集中供給，故而稱其為智能基礎(chǔ)設(shè)施。
數(shù)字化時(shí)代難道不是已經(jīng)見(jiàn)證林林總總的智能化基礎(chǔ)設(shè)施（如智能手機(jī)、智能電網(wǎng)、智能交通等）了嗎？此處需澄清，智能的基礎(chǔ)設(shè)施化不同于基礎(chǔ)設(shè)施的智能化。智能手機(jī)的核心是手機(jī)，智能電網(wǎng)的核心是電網(wǎng)，智能交通的核心是交通，而賦予其各種智能內(nèi)涵的過(guò)程是基礎(chǔ)設(shè)施的智能化。
不同的是，智能基礎(chǔ)設(shè)施的核心是相對(duì)通用的智能本身，能對(duì)接千行百業(yè)。過(guò)去幾十年，數(shù)字化基礎(chǔ)設(shè)施圍繞信息的采集、處理、傳輸、存儲(chǔ)、計(jì)算等環(huán)節(jié)得到了充分的發(fā)展，而智能基礎(chǔ)設(shè)施的發(fā)展才剛剛開(kāi)始。
大智能時(shí)代
每輪基礎(chǔ)設(shè)施的躍遷都會(huì)引發(fā)一輪新商業(yè)機(jī)遇的爆發(fā)。這是因?yàn)�，基礎(chǔ)設(shè)施將此前需要分散承擔(dān)的可變成本轉(zhuǎn)化為集中承擔(dān)的固定成本，推動(dòng)新要素普及、降低創(chuàng)新門(mén)檻。
智能基礎(chǔ)設(shè)施帶來(lái)的新要素就是智能：大模型壓縮了人類所有知識(shí)，當(dāng)場(chǎng)景數(shù)據(jù)輸入大模型，大模型就能根據(jù)其知識(shí)反饋出相應(yīng)結(jié)果。當(dāng)這種智能產(chǎn)生模式廣泛應(yīng)用，我們或?qū)⒁?jiàn)證前所未有的大智能時(shí)代。
大智能時(shí)代區(qū)別于大數(shù)據(jù)時(shí)代的核心特征是數(shù)據(jù)與智能的解耦。谷歌常因所謂數(shù)據(jù)網(wǎng)絡(luò)效應(yīng)的原因被反壟斷機(jī)構(gòu)約談：搜索引擎的市場(chǎng)份額越大，用戶數(shù)據(jù)就越多，而數(shù)據(jù)訓(xùn)練出來(lái)的機(jī)器算法就越來(lái)越智能，進(jìn)而進(jìn)一步提升其用戶體驗(yàn)，導(dǎo)致更大的市場(chǎng)份額。曾鳴教授更是基于阿里巴巴的類似經(jīng)驗(yàn)，提煉出以“數(shù)據(jù)智能”為基石的“智能商業(yè)”方法論。這種思維強(qiáng)調(diào)企業(yè)構(gòu)建的數(shù)據(jù)飛輪是智能商業(yè)的前提：無(wú)數(shù)據(jù)，不智能。
在大智能時(shí)代，這一圭臬盡管在產(chǎn)業(yè)層面仍然成立，但在企業(yè)層面的應(yīng)用卻值得推敲：智能不再完全來(lái)自于企業(yè)自身構(gòu)建的數(shù)據(jù)飛輪。數(shù)據(jù)作為智能原料的地位無(wú)可撼動(dòng)。然而，大模型使用這種原料上的效率遠(yuǎn)超此前分散部署的“小模型”，以至于有志于“智能商業(yè)”的企業(yè)構(gòu)建自身數(shù)據(jù)飛輪喪失經(jīng)濟(jì)性。國(guó)家電網(wǎng)能穩(wěn)定輸出電力時(shí)，為何要在工廠旁邊自建小發(fā)電廠？
智能基礎(chǔ)設(shè)施化的后果之一是數(shù)據(jù)與智能的解耦。數(shù)據(jù)與智能的解耦并不意味著數(shù)據(jù)不重要，而是意味著小數(shù)據(jù)也可以撬動(dòng)大智能。當(dāng)前，大模型的進(jìn)一步發(fā)展面臨高質(zhì)量數(shù)據(jù)源不足的障礙，可見(jiàn)數(shù)據(jù)的重要性。
但這不意味著任何企業(yè)都需要花心思囤積數(shù)據(jù)。過(guò)去，企業(yè)要精心構(gòu)建并維護(hù)一個(gè)數(shù)據(jù)供應(yīng)鏈，才有可能實(shí)現(xiàn)所謂的數(shù)據(jù)智能。而今，大模型使得智能不需要在低水平重復(fù)開(kāi)發(fā)。企業(yè)只需要用小數(shù)據(jù)去微調(diào)這個(gè)模型，便有可能開(kāi)展“智能商業(yè)”。由此，企業(yè)可節(jié)省精力、聚焦業(yè)務(wù)創(chuàng)新，釋放出所謂智能紅利。
產(chǎn)業(yè)生態(tài)
立足當(dāng)下，本部分從三個(gè)視角來(lái)把握高度動(dòng)態(tài)復(fù)雜的生成式AI產(chǎn)業(yè)生態(tài)。一是供給側(cè)視角的技術(shù)生態(tài)，有助于理解生成式AI技術(shù)實(shí)現(xiàn)所需的生產(chǎn)要素；二是需求側(cè)視角的應(yīng)用生態(tài)，有助于了解生成式AI的應(yīng)用方向；三是中美競(jìng)爭(zhēng)背景下的區(qū)域生態(tài)，有助于理解需求側(cè)和供給側(cè)在不同條件下的互動(dòng)模式。
1、生成式AI技術(shù)生態(tài)
大模型技術(shù)生態(tài)符合典型的IT垂直分工架構(gòu)。最底層是基礎(chǔ)設(shè)施，負(fù)責(zé)提供大模型訓(xùn)練以及推理所需的算力。產(chǎn)業(yè)初期，算力主要用于模型預(yù)訓(xùn)練。隨著各大模型紛紛商用，用于響應(yīng)用戶請(qǐng)求所需的推理算力占比快速增加。
眾所周知，大模型的算力需求主要由GPU（圖像處理單元）來(lái)滿足。但NPU（神經(jīng)網(wǎng)絡(luò)處理器）和TPU（張量處理器）等專為大模型推理運(yùn)算設(shè)計(jì)的芯片也逐步成熟。NPU主要用于手機(jī)、無(wú)人機(jī)等終端產(chǎn)品的計(jì)算單元，而TPU是谷歌設(shè)計(jì)的云計(jì)算芯片。值得注意的是，硬件集群僅僅只是基礎(chǔ)設(shè)施的一部分，其上負(fù)責(zé)硬件資源調(diào)度的云平臺(tái)也非常重要。
基礎(chǔ)設(shè)施之上是大模型。大模型有開(kāi)源和閉源之分。OpenAI的GPT是一個(gè)閉源模型，而2023年7月，Meta（臉書(shū)母公司）的Llama2（一款大模型）宣布支持開(kāi)源和商用，引爆了大模型領(lǐng)域的開(kāi)源運(yùn)動(dòng)。選擇開(kāi)源模型還是閉源模型，似乎和應(yīng)用有關(guān)。ChatGPT、Mid－journey（美國(guó)AI公司Midjourney旗下的文生圖模型產(chǎn)品）等廣受歡迎的ToC（面向消費(fèi)者）應(yīng)用都構(gòu)建在私有大模型之上。但ToB（面向企業(yè)）領(lǐng)域的應(yīng)用通常構(gòu)建在開(kāi)源大模型之上，因?yàn)殚_(kāi)源大模型支持私有化部署，并在微調(diào)方面提供了更大的靈活度。
值得指出的是，大模型層與應(yīng)用層之間存在一個(gè)中間層，旨在幫助應(yīng)用開(kāi)發(fā)者解決兩方面問(wèn)題。一方面，基于大模型做二次開(kāi)發(fā)（微調(diào)、提示詞工程或基于人工反饋的增強(qiáng)學(xué)習(xí)）需要一系列工具或模板；另一方面，由于市面上存在多種大模型，應(yīng)用開(kāi)發(fā)者可能希望一站式接入和管理。所謂模型即服務(wù)（MaaS）集成了這些工具和功能。
2、大模型應(yīng)用生態(tài)
技術(shù)生態(tài)主要是巨頭和工程師的場(chǎng)域，而應(yīng)用生態(tài)則是創(chuàng)業(yè)者和產(chǎn)品經(jīng)理的沃土。在技術(shù)生態(tài)部分，應(yīng)用層在技術(shù)堆棧中的位置得到了強(qiáng)調(diào)。本部分談及的應(yīng)用生態(tài)則從需求側(cè)視角展開(kāi)，根本上是要回答：大模型如何對(duì)接應(yīng)用場(chǎng)景、創(chuàng)造用戶價(jià)值？這個(gè)問(wèn)題可以沿著兩個(gè)維度思考：客戶屬性和產(chǎn)品策略。
一方面，ToC和ToB的大模型應(yīng)用在價(jià)值創(chuàng)造方面具有顯著差異。首先，消費(fèi)類應(yīng)用的價(jià)值創(chuàng)造幾乎都在應(yīng)用內(nèi)完成，而企業(yè)級(jí)應(yīng)用需要與企業(yè)內(nèi)部?jī)r(jià)值鏈和IT系統(tǒng)整合。其次，消費(fèi)類應(yīng)用幾乎都基于公有云，而企業(yè)客戶因隱私顧慮偏好私有云或混合云部署。最后，消費(fèi)類應(yīng)用通常以一對(duì)多的方式提供服務(wù)進(jìn)而迅速規(guī)�；�，而企業(yè)級(jí)應(yīng)用服務(wù)通常需要一對(duì)一定制。
以上ToC和ToB客戶市場(chǎng)的一般性差異，并不因大模型技術(shù)的開(kāi)創(chuàng)性而改變�？梢�(jiàn)，ToC應(yīng)用的價(jià)值創(chuàng)造具備獨(dú)立性，而ToB應(yīng)用的價(jià)值創(chuàng)造高度依賴其他互補(bǔ)性資源。進(jìn)而，ToC應(yīng)用有望構(gòu)建出一個(gè)以自身為中心的生態(tài)，而ToB應(yīng)用通常嵌入在在位玩家（包括客戶）的生態(tài)中。
另一方面，無(wú)論是ToB還是ToC，大模型應(yīng)用可考慮增強(qiáng)、替代或整合三種策略。
增強(qiáng)策略為現(xiàn)有產(chǎn)品或服務(wù)加入大模型性能，進(jìn)一步提升產(chǎn)品體驗(yàn)。比如，Office產(chǎn)品中嵌入了基于大模型輔助工具（Copilot）或者視頻游戲中引入大模型生成個(gè)性化劇情。
替代策略則把大模型應(yīng)用作為生產(chǎn)力工具替代原有的低效流程。比如，在客服行業(yè)，替代正在大規(guī)模發(fā)生，而一部分營(yíng)銷設(shè)計(jì)工作也有望在大模型的支撐下實(shí)現(xiàn)自動(dòng)化。
相較于增強(qiáng)現(xiàn)有產(chǎn)品和替代低效流程，整合策略則跳出現(xiàn)有產(chǎn)品或流程，重新定義客戶體驗(yàn)。筆者避免使用顛覆一詞，因?yàn)檫@種重新定義很大程度上是通過(guò)重組現(xiàn)有要素發(fā)生的。大模型并不創(chuàng)造要素，但提供了高超的整合能力（如通過(guò)智能體，即Agent）。
3、生成式AI的區(qū)域生態(tài)
產(chǎn)業(yè)不可避免地嵌入在區(qū)域中�？v觀全球，生成式AI的產(chǎn)業(yè)競(jìng)爭(zhēng)主要是在中美之間開(kāi)展。對(duì)于中美AI產(chǎn)業(yè)的一般性對(duì)比分析不是本文的重點(diǎn)。接下來(lái)，主要分析兩國(guó)區(qū)域條件的差異如何影響技術(shù)生態(tài)、應(yīng)用生態(tài)以及兩者之間的良性反潰
靜態(tài)對(duì)比，中美兩國(guó)在技術(shù)生態(tài)方面的差距并不致命。誠(chéng)然，美國(guó)在聚集、培育生成式AI技術(shù)人才方面具有顯著優(yōu)勢(shì)。并且，GPU出口管制在很大程度上也增加了中國(guó)企業(yè)的成本。
但同時(shí)我們要看到三方面的有利因素。第一，得益于開(kāi)源運(yùn)動(dòng)的知識(shí)溢出效應(yīng)，中美技術(shù)差距并沒(méi)有大到足以阻礙中國(guó)的產(chǎn)業(yè)進(jìn)步；第二，中國(guó)企業(yè)對(duì)開(kāi)源的貢獻(xiàn)也在日益壯大，中國(guó)也吸引了一些頂級(jí)科學(xué)家回國(guó)創(chuàng)業(yè)；第三，盲目的科技軍備競(jìng)賽并不可取，大模型產(chǎn)業(yè)競(jìng)爭(zhēng)的焦點(diǎn)已轉(zhuǎn)向工程化和商業(yè)化。
反倒是中美應(yīng)用生態(tài)的差距令人擔(dān)憂。高科技產(chǎn)業(yè)的發(fā)展，短期內(nèi)可以靠資本維系，長(zhǎng)期來(lái)看要靠市場(chǎng)支付發(fā)展所需的成本，包括消費(fèi)者側(cè)和企業(yè)側(cè)的支付。然而，中國(guó)消費(fèi)者的付費(fèi)能力遠(yuǎn)不如美國(guó)消費(fèi)者。中國(guó)移動(dòng)通信用戶的月均支出約為50元，而美國(guó)約為50美元，但中國(guó)企業(yè)購(gòu)買(mǎi)GPU的成本要高于美國(guó)企業(yè)。
在ToB市場(chǎng)，支付能力且不談，最大的問(wèn)題是中國(guó)企業(yè)數(shù)字化水平低，尤其體現(xiàn)在SaaS（軟件即服務(wù)）的滲透率上。大模型應(yīng)用更容易部署到SaaS化程度較高的企業(yè)，因其底層數(shù)據(jù)治理較規(guī)范、流程標(biāo)準(zhǔn)化程度較高。反之，SaaS化程度不高的企業(yè)需要花費(fèi)大量時(shí)間和精力去做前期準(zhǔn)備，耗散掉精力、耐心和資源，這會(huì)導(dǎo)致大部分企業(yè)淺嘗輒止或望而卻步。
值得強(qiáng)調(diào)的是，中國(guó)在移動(dòng)互聯(lián)網(wǎng)時(shí)代的場(chǎng)景優(yōu)勢(shì)，在生成式AI產(chǎn)業(yè)不成立。場(chǎng)景優(yōu)勢(shì)建立在迭代之上，而迭代的前提是發(fā)展用戶�？v觀所有國(guó)內(nèi)大模型企業(yè)，沒(méi)有一家像推廣移動(dòng)互聯(lián)網(wǎng)APP那樣去不遺余力地發(fā)展用戶。關(guān)鍵原因在于，移動(dòng)互聯(lián)網(wǎng)APP服務(wù)一個(gè)新用戶的邊際成本幾乎為零，而大模型應(yīng)用發(fā)展一個(gè)用戶的邊際成本恒不為零。在商業(yè)模式清晰之前，地主家也沒(méi)這么多余糧。
如果說(shuō)中國(guó)移動(dòng)互聯(lián)網(wǎng)的成功經(jīng)驗(yàn)之一在于前端場(chǎng)景優(yōu)勢(shì)與后端技術(shù)進(jìn)步的正反饋，筆者擔(dān)心中國(guó)生成式AI產(chǎn)業(yè)正在經(jīng)歷一個(gè)截然相反的過(guò)程。從這個(gè)動(dòng)態(tài)視角再去看待中美之間技術(shù)生態(tài)的差距，恐怕會(huì)得到與靜態(tài)對(duì)比不同的結(jié)論。
幾點(diǎn)思考與建議
據(jù)說(shuō)，人們?nèi)菀赘吖酪患碌亩唐谟绊懙凸榔溟L(zhǎng)期潛力。事關(guān)生成式AI產(chǎn)業(yè)，本文恰好提供了一劑對(duì)癥解藥：筆者長(zhǎng)期看好其作為智能基礎(chǔ)設(shè)施的前途，但短期內(nèi)對(duì)其結(jié)構(gòu)性障礙持悲觀態(tài)度。
本文沒(méi)有論述中美生成式AI產(chǎn)業(yè)發(fā)展面臨的共性挑戰(zhàn)，而聚焦中國(guó)相對(duì)于美國(guó)的比較劣勢(shì)。那么，中國(guó)有沒(méi)有比較優(yōu)勢(shì)呢？筆者相信，發(fā)揮以下三方面的比較優(yōu)勢(shì)或有助于彌補(bǔ)劣勢(shì)：移動(dòng)互聯(lián)網(wǎng)生態(tài)、產(chǎn)業(yè)協(xié)同治理和商業(yè)模式創(chuàng)新。
一是打通移動(dòng)互聯(lián)網(wǎng)生態(tài)與生成式AI產(chǎn)業(yè)生態(tài)。我國(guó)移動(dòng)互聯(lián)網(wǎng)產(chǎn)業(yè)在網(wǎng)絡(luò)、終端與應(yīng)用環(huán)節(jié)具備端到端的競(jìng)爭(zhēng)優(yōu)勢(shì)，有望加持孱弱的ToC生成式AI應(yīng)用生態(tài)。比如，微信生態(tài)如何引入生成式AI、國(guó)產(chǎn)手機(jī)操作系統(tǒng)如何與生成式AI融合、云網(wǎng)一體如何助力AI算力網(wǎng)絡(luò)效率提升等議題都應(yīng)沿著如何利用業(yè)已建立的比較優(yōu)勢(shì)去哺育生成式AI產(chǎn)業(yè)。
二是推動(dòng)智能產(chǎn)業(yè)群協(xié)同發(fā)展。智能基礎(chǔ)設(shè)施的建設(shè)端需要整合算法、算力和數(shù)據(jù)等要素，是數(shù)字基礎(chǔ)設(shè)施和數(shù)字資源體系的有機(jī)融合和升級(jí)。支持?jǐn)?shù)字基礎(chǔ)設(shè)施運(yùn)營(yíng)企業(yè)向智能基礎(chǔ)設(shè)施運(yùn)營(yíng)企業(yè)升級(jí)，實(shí)施算力、數(shù)據(jù)、算法的一體化運(yùn)營(yíng)。在需求側(cè)，通過(guò)降低各行業(yè)使用生成式AI的成本，拉動(dòng)應(yīng)用、工程、運(yùn)營(yíng)等配套服務(wù)的發(fā)展。
三是堅(jiān)定鼓勵(lì)商業(yè)模式創(chuàng)新。生成式AI產(chǎn)業(yè)面臨的問(wèn)題歸根到底是價(jià)值創(chuàng)造和價(jià)值分配的問(wèn)題，即商業(yè)模式。無(wú)論打通移動(dòng)互聯(lián)網(wǎng)生態(tài)還是推動(dòng)產(chǎn)業(yè)協(xié)同發(fā)展，都旨在為生成式AI生態(tài)的發(fā)展創(chuàng)造一個(gè)更廣闊的環(huán)境和更堅(jiān)實(shí)的基矗這些比較優(yōu)勢(shì)是否能夠精準(zhǔn)轉(zhuǎn)化為可彌補(bǔ)比較劣勢(shì)的方面，商業(yè)模式設(shè)計(jì)起決定性作用。
（作者系北京大學(xué)國(guó)家發(fā)展研究院助理教授）
