2023年初，ChatGPT 的出现，引发了国内外各类AIGC技术应用的爆发，让人们看到了新世界的曙光，也感受到了迫在眉睫的剧变。无论是前沿科技产业还是整个经济社会格局，都将因此产生巨大的变化，众多企业将迎来价值重估，无数行业将面临重做。
作为15年来陪伴数以十万计创业者共同成长的产业加速平台，创业黑马发起了AIGC主题系列直播活动，邀请多位业内知名企业家、投资人、专家学者和创业实践者，从软硬件平台视角、投资人视角、行业应用视角等维度看AIGC，共话大模型时代新机会，展现产业新力量。
本期的分享嘉宾是华创资本创始合伙人熊伟铭和梅卡曼德机器人创始人邵天兰。华创资本是国内知名的早期风险投资机构，曾投出AI芯片公司深鉴科技、壁仞科技，以及自动驾驶公司文远知行、智加科技等企业。梅卡曼德是一家头部智能机器人公司，创始团队均来自清华，此前曾获多家知名机构的投资，华创资本也是他们早期的投资人之一，同时梅卡曼德也是2022年黑马大赛的夏季冠军。
在5月17日的《黑马说》直播中，两位嘉宾围绕《AICG大模型在工业数字化领域的应用机会及未来》主题进行了深入探讨，探讨的问题主要有梅卡曼德如何借助AIGC大模型打造核心竞争力，以及什么样的AIGC大模型企业值得投资机构关注等。
以下为本次直播实录整理：
创业黑马：我们先请两位分别谈一谈对当前AI行业的看法。
熊伟铭：我们从2016年开始“放弃”互联网，并把所有精力投放在科技创业赛道上，也是那时开始关注 AI领域的投资机会，投了自动驾驶等新行业。AI领域除了CV（即Computer Vision计算机视觉）之外，还有NLP（即Natural Language Processing自然语言处理），目前，CV的准确度已经达到了95%，但NLP却在过去很长时间都没有进展，直到2022年底才有了一个突破性的飞跃。从这个角度其实也说明了一个行业原理，就是很多的创新虽然看起来是偶然爆发，但其实之前已经经历了长时间的蛰伏。
邵天兰：大模型、Chat GPT等技术的诞生带来了很多新的可能性，所以我们是十分荣幸能够参与一个机器人非常火热的时代。从工业角度来说，过去10年，工业机器人在中国的销量增长了10倍，这对工业品来说是很振奋人心的一件事情。因为在工业领域，特别是制造、物流等自动化要求高的领域，借助近年来人工智能技术的发展，比如先进的视觉技术、还有机器人规划技术等，已经实实在在地实现了对行业的改变。
熊伟铭：今天的题目是AIGC，但可能我们不仅限于此，还可能更多讨论大模型和多模态的AI能力，以及对各行各业产生的各种各样的助力。那么从工业机器人的角度来讲，天兰能否介绍一下这些大模型和这种多模态的能力，对于梅卡曼德的一些助力体现在哪些方面？
邵天兰：大模型对我们整个行业来说就像是一块非常重要的拼图，是能把机器人的基础能力以一个更智能的方式统筹起来的关键点。因为大模型拥有巨大的参数量，可通过跨模态的各种各样训练得出数据，相当于把工程师的很多基础能力以更智能方式的排列组合。因此大模型的出现让我们看到了一个巨大的机会，让我们有机会把机器人的技术再推上一个量级，也许是现在的10倍甚至100倍，这是令我们这些从业者非常兴奋的一件事。
熊伟铭：梅卡曼德是我目前看到的新行业或者新技术中，能够把CV领域和NLP领域做到多模态融合以及提升效率的为数不多案例。那么在梅卡曼德的应用中，哪些具体的部分是会用到大模型？
邵天兰：“能不能用”有一个我个人觉得很重要的门槛，即这个任务到底能不能出错，以及人们对它的期待是怎样的。比如自动驾驶，大街上的车和人的情况是复杂的，所以安全性、可靠性要求极高。所以在一些极端高要求的领域，大模型本身的替代和帮助并没有那么立竿见影，但在一些要求相对不那么高的任务，大模型是可以应用的。目前，在梅卡曼德的一些基础能力部分，已经开始应用大模型，比如帮我们做一个方案或做一个程序等，它能以一种非常智能的方式，来降低使用者的使用门槛，并代替人完成其中一部分的组合方式，它并不是替代基础能力，而是用更智能的方式帮助人工完成统筹工作。
熊伟铭：从这个角度来讲，其实大模型推动了所有行业的市场在扩大。
邵天兰：在我看来，大模型应该还会打开很多全新的领域，比如新的技术、新的行业等。我们曾说，市场上有100个需求，过去的机器人只能满足一个，通过我们的产品和技术赋能，也许能满足三五个，而大模型出来之后，我觉得也许能满足20个。另一方面，大模型也会给人和公司都带来巨大的变化，比如我是学计算机的，我要花巨大的时间学计算机的底层知识、相关的数学以及各种各样的语言和相关的库等等，而有了大模型之后，这种情况将会完全改变。
熊伟铭：随着这些工具慢慢产生，最小的生产力单元也在变得越来越小。就像当年我们觉得Instagram的团队很牛，只有10个人。以后在大模型的帮助下，专才也将会慢慢消失，因为理论上大模型可以覆盖到所有的所谓专业领域。
邵天兰：对，专才的个体可能不再稀缺，但是专才的公司会一直稀缺，因为能把一件事情做专做透，绝对是这个世界上最重要的能力。但我认为专才的公司会出现整合，以制造业为例子，制造业的行业特征就是工艺繁琐、门槛很“碎”——远看是个万亿市场，近看是一万个1亿市场，非常难整合。但借助大模型，我认为可以高效地整合出多个100亿市场，同时，大模型也会带来硬件上的进一步标准化。
熊伟铭：你刚才提到一个很有意思的事情，就是一个万亿级的市场和1万个1亿级的市场其实完全是两回事。所以你觉得大模型能为这些1亿规模的制造业工厂们做些什么，你觉得他们会变成什么？
邵天兰：第一，能够提升专业人士的效率，比如原来100个专业人士可以服务100家客户，现在可以服务1000家客户。第二，能够更高质量地满足那种变化很快、需求繁杂的非标型客户的需求。第三，是能够往服务业方向上做很多拓展。
熊伟铭：在大模型带来的各种变动中，你认为梅卡曼德会在这样一个变化的市场里担任一个什么样的角色？
邵天兰：首先，这种最基础的底层模型肯定只有极少数公司在做，比如深度学习的模型和深度学习的框架，而大模型也会经历类似的现象，是一场少数巨头的游戏。我个人一直有一个观点，就是公司做技术一定要走极端，要么就把技术做到世界领先，有技术壁垒、也有很好的效果，要么可以选择直接“躺平”，直接用市场上的巨头产品。而针对大模型的最底层技术，我也保持这样的观点。
熊伟铭：你是从什么时候开始关注到大模型对业务有帮助？
邵天兰：大模型这件事并没有那么新，从两三年开始，我们就从学术界、业内等地方开始关注它，但那个时候我们感觉它离我们的业务还比较远，成本非常高，效果也不显著。在Chat GPT出来之后，我们才觉得这个事居然这么快就能够在业务上达成可预见性了。对我们来说，更好的一个方式就是把自己的API做好的前提下，利用大模型的技术解锁更多的场景。当然，这只是我今天的看法，再过半年、一年，这个行业可能还会发生更多的新变化。
熊伟铭：你自己的员工，目前有百分之多少是在用ChatGPT或者大模型来辅助自己的工作？从这些使用者交付的工作中，你能感受到质量的提升或者是速度的增加吗？效率主要体现在哪些方面？
邵天兰：我没有具体地统计过，但我们现在一共是将近700位同学，其中海外的公司使用率可能接近100%了，我们国内的话，我保守估计可能1/4的比例。效率提升确实是有的，比如用大模型阅读我们的数据、文档，还有就是知识的转换、翻译等。我觉得在未来1000天内，就会有很多行业发生翻天覆地的变化，不是说所有人都一定要去做大模型本身，而是指不拥抱新技术的个人、公司或投资机构，很可能会被边缘化。
熊伟铭：在这1000天内的大模型发展，对于梅卡曼德来说，你觉得商业模式上的提升会体现在哪些方面？
邵天兰：主要是体现在一些新的场景出现。比如出现一个新的方向，这个方向足够大，大到我们的3D视觉传感器和智能软件一年能销售10万套、100万套，大到以前大家所做的事情都显得没有那么重要了。这意味着拐点一旦出现，行业瞬间就能被“点爆”，这是很有可能被实现的。但我现在还不能给出一个准确的答案，只能隐约感觉，这个爆点今年不一定能出来，它很可能是在服务业，也可能是在一些我们还没有关注到的、当前自动化程度较低的制造业场景当中。
创业黑马：最后还有几个问题希望熊总可以帮忙解答。除了智能机器人以外，在工业数字化领域的话，还有什么细分赛道比较适合布局AIGC大模型？市场规模大概有多大，您作为投资人能不能展望一下？
熊伟铭：我特别看好大模型，我觉得大模型的影响会非常深远，它比互联网的影响力要大多了，互联网能解决的可能更多还是连接或IT的提升，而大模型是直接把IT提到了一种智能的水平，所以所有的行业都会在大模型的前提下重新搞一遍。但从顺序上来讲，我认为可能先是中国软件业，然后是一些因为有AI存在才出现的新行业，比如自动驾驶等，它们未来也会因为大模型的布线或者多模态的熟练，而变得更加易用跟商业化。最后一个是硬件，或者说我们的智能制造，比如中国原来可能根本没有的垂直行业。AI最强的是它一旦了解了规则，就能够创造出人类很难或者不见得很难、但需要花费很长时间才能创造出来的方案。