滕斌圣、曹欣蓓／文

1956年夏天，在美國漢諾斯小鎮(zhèn)達(dá)特茅斯學(xué)院的一次會議上，人工智能（AI）的概念被正式提出。彼時，由于計算能力和數(shù)據(jù)規(guī)模的限制，AI的商業(yè)化進(jìn)展緩慢。直到21世紀(jì)，隨著深度學(xué)習(xí)技術(shù)的突破和大數(shù)據(jù)時代的到來，AI才真正進(jìn)入商業(yè)化應(yīng)用的快車道。

但AI商業(yè)化的道路并非一片坦途，技術(shù)、商業(yè)以及社會倫理的多重博弈，始終貫穿AI的發(fā)展。在商業(yè)化尚未落地之時，企業(yè)仍面臨重重挑戰(zhàn)。

商業(yè)機(jī)遇：效率革命的明暗面

AI早期的商業(yè)化應(yīng)用主要集中在一些特定的垂直領(lǐng)域，通過自動化、智能化和數(shù)據(jù)驅(qū)動等技術(shù)手段，提升行業(yè)效率。

智能客服系統(tǒng)是AI早期應(yīng)用的典型案例。通過自然語言處理技術(shù)，AI能夠同時處理各類客戶咨詢。

安防是另一個應(yīng)用領(lǐng)域，如通過AI技術(shù)幫助公安部門快速識別嫌疑人。

在制造業(yè)，特斯拉的“黑燈工廠”也是AI應(yīng)用的代表。工廠內(nèi)，AI驅(qū)動的機(jī)器人承擔(dān)了電池組裝、車身焊接等復(fù)雜任務(wù)。同時，特斯拉利用計算機(jī)視覺實時監(jiān)測生產(chǎn)流程，快速檢測并糾正缺陷。此外，通過AI進(jìn)行預(yù)測性維護(hù)，設(shè)備故障得以提前預(yù)防，減少了停機(jī)時間。

效率革命導(dǎo)致資本市場的融資蜂擁而至，投資人不斷押注“改變?nèi)祟愇拿鳌钡臄⑹乱鐑r。

美國數(shù)據(jù)湖獨(dú)角獸平臺Databricks在2024年完成了100億美元的融資。OpenAI在2024年10月完成了66億美元的融資，估值達(dá)到1570億美元。在國內(nèi)的AIGC行業(yè)，創(chuàng)業(yè)邦睿獸分析的數(shù)據(jù)顯示，2024年第三季度發(fā)生融資事件84起，已披露融資金額為105.4億元，已披露融資規(guī)模以2億—5億元區(qū)間居多，單筆平均融資額為2.6億元。

但效率神話背后是殘酷的行業(yè)生態(tài)。一方面，場景碎片化成為AI技術(shù)從實驗室走向規(guī)?；涞氐淖璧K。

在制造業(yè)，不同產(chǎn)線因光照條件、傳送帶速度等差異也可能導(dǎo)致模型失效。這些非標(biāo)特性提升了AI的開發(fā)成本，一些領(lǐng)先企業(yè)正不斷提升模型的通用性和適應(yīng)性。

與此同時，隨著AI技術(shù)的發(fā)展，生成能力、泛化能力和自然交互能力得到顯著提升，使其能夠更好地適應(yīng)不同工業(yè)場景的需求。這些技術(shù)進(jìn)展正在逐步緩解場景碎片化帶來的挑戰(zhàn)，為AI的規(guī)模化落地開辟了新路徑。

此外，場景的碎片化不僅源于技術(shù)問題，還與行業(yè)標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)存在孤島現(xiàn)象等密切相關(guān)，這需要建立開放的技術(shù)生態(tài)，推動數(shù)據(jù)的標(biāo)準(zhǔn)化和數(shù)據(jù)共享，同時鼓勵設(shè)備制造商、軟件開發(fā)商和終端用戶之間的深度合作。

另一方面，頭部企業(yè)虹吸效應(yīng)加劇。鈦媒體數(shù)據(jù)顯示，自2022年11月30日ChatGPT發(fā)布以來至2024年7月29日，國內(nèi)新注冊成立、現(xiàn)在卻處于注銷吊銷或停業(yè)異常狀態(tài)的AI相關(guān)公司達(dá)78612家。

在追求技術(shù)突破和商業(yè)化的道路上，眾多企業(yè)面臨巨大挑戰(zhàn)。舉例而言，在國內(nèi)大模型領(lǐng)域，智譜AI、月之暗面、百川智能的估值均超過200億元。其中，月之暗面在2024年2月憑借單輪超10億美元的融資刷新行業(yè)紀(jì)錄，資本加速向頭部聚攏。

這種高濃度的資源傾斜，使得頭部企業(yè)憑借資金、人才與技術(shù)三重優(yōu)勢，形成“融資—研發(fā)—市場”的正循環(huán)。中小企業(yè)則在資本獲取、技術(shù)突破及行業(yè)認(rèn)證等環(huán)節(jié)面臨系統(tǒng)性困境。

馬太效應(yīng)的深化正在重塑行業(yè)生態(tài)。一方面，頭部陣營通過技術(shù)代差構(gòu)筑護(hù)城河；另一方面，在IPO市場面臨周期性挑戰(zhàn)的背景下，創(chuàng)業(yè)投資退出通道縮窄，初創(chuàng)企業(yè)可能因此陷入資源匱乏的困境，從而抑制技術(shù)路線發(fā)展的多樣性。

因此，我國需要建立分層支持體系，在保障頭部企業(yè)國際競爭力的同時，又能通過專項基金、技術(shù)開源等方式為中小企業(yè)保留創(chuàng)新火種，以實現(xiàn)產(chǎn)業(yè)的可持續(xù)發(fā)展。

數(shù)據(jù)隱私：AI企業(yè)頭頂?shù)摹斑_(dá)摩克利斯之劍”

在AI技術(shù)迅猛發(fā)展的浪潮中，數(shù)據(jù)成為驅(qū)動創(chuàng)新的核心資源。隨著數(shù)據(jù)價值的凸顯，數(shù)據(jù)隱私問題也逐漸浮出水面。

早期AI企業(yè)往往面臨兩難選擇。一方面，數(shù)據(jù)是訓(xùn)練算法、優(yōu)化模型的命脈，沒有足夠的數(shù)據(jù)支持，技術(shù)突破幾乎無從談起；另一方面，數(shù)據(jù)治理的雙重危機(jī)正從被動和主動兩個維度撕裂企業(yè)防線，用戶隱私泄露的風(fēng)險如同懸在企業(yè)頭頂?shù)摹斑_(dá)摩克利斯之劍”。

在被動層面，AI模型的訓(xùn)練高度依賴海量數(shù)據(jù)，但合法獲取高質(zhì)量數(shù)據(jù)的成本居高不下，該矛盾催生了行業(yè)亂象。部分初創(chuàng)企業(yè)為快速起量，不惜通過隱蔽條款、數(shù)據(jù)爬蟲，甚至是灰色交易等非常規(guī)手段獲取數(shù)據(jù)。

在主動層面，據(jù)人工智能數(shù)據(jù)安全公司Cyberhaven的監(jiān)測，2024年企業(yè)員工在AI工具上傳敏感數(shù)據(jù)的頻次激增485%，每10萬名員工向機(jī)器人發(fā)送數(shù)據(jù)超過200萬次。

這背后暴露出AI行業(yè)正面臨創(chuàng)新陷阱：技術(shù)突破的加速度與倫理治理的滯后性，構(gòu)成了數(shù)字經(jīng)濟(jì)時代最危險的剪刀差。

當(dāng)人工智能公司DeepMind未經(jīng)明確授權(quán)處理160萬患者醫(yī)療數(shù)據(jù)引發(fā)訴訟（盡管倫敦法院駁回了該案）；當(dāng)2024年1月，意大利數(shù)據(jù)保護(hù)局指出ChatGPT數(shù)據(jù)收集技術(shù)違反該國隱私法，對于AI企業(yè)而言，如何在創(chuàng)新與隱私保護(hù)之間找到平衡，是企業(yè)實現(xiàn)長遠(yuǎn)發(fā)展的重要課題。

從更宏觀的角度看，這需要建立技術(shù)開發(fā)者、法律學(xué)者與公眾的共治網(wǎng)絡(luò)，實現(xiàn)創(chuàng)新加速度與倫理底線的動態(tài)平衡。

此外，訓(xùn)練數(shù)據(jù)或算法的失衡也可能演變?yōu)橄到y(tǒng)性歧視的放大器。

美國非營利性在線新聞網(wǎng)站ProPublica的報道顯示，作為一款預(yù)測罪犯可能會成為再犯的風(fēng)險評估軟件，COMPAS的算法存在偏見，黑人更有可能被誤判，白人更有可能被漏判，盡管被預(yù)測為低風(fēng)險，但該部分白人依然繼續(xù)犯罪。

當(dāng)算法決策介入生死攸關(guān)的領(lǐng)域時，倫理失范還可能引發(fā)致命危機(jī)。

據(jù)英國《每日電訊報》當(dāng)?shù)貢r間6月7日報道，美國佛羅里達(dá)14歲少年的母親正起訴谷歌公司和由兩名前谷歌員工創(chuàng)辦的Character.AI，指控其開發(fā)的AI聊天機(jī)器人導(dǎo)致她14歲的兒子自殺。

當(dāng)技術(shù)觸碰人性底線時，任何算法優(yōu)化都不能凌駕于生命價值之上，AI系統(tǒng)在道德責(zé)任界定、內(nèi)容安全機(jī)制等方面的倫理規(guī)范是所有企業(yè)必須思考的課題。

技術(shù)失控的風(fēng)險不僅存在于司法領(lǐng)域，更會滲透到社會生活的方方面面。基于用戶行為數(shù)據(jù)的個性化推薦系統(tǒng)，正在制造數(shù)字化時代的“認(rèn)知繭房”。

當(dāng)算法捕捉到用戶對某類題材的興趣，會啟動自我強(qiáng)化的推薦循環(huán)，如連續(xù)選擇懸疑劇會觸發(fā)更多同類推送，觀看歷史劇則導(dǎo)向相似內(nèi)容的推薦。

這種看似貼心的服務(wù)模式，實則構(gòu)建起了固化的信息閉環(huán)，公共討論的理性空間不僅遭到侵蝕，社會整體的價值光譜也將趨于單一化。

政府和監(jiān)管機(jī)構(gòu)應(yīng)發(fā)揮主導(dǎo)作用，制定并完善針對AI技術(shù)的倫理法規(guī)和行業(yè)標(biāo)準(zhǔn)。由于不同國家和地區(qū)的法律規(guī)定存在差異，企業(yè)要想在全球范圍內(nèi)合規(guī)運(yùn)營，也需要綜合了解，建立倫理影響前置評估機(jī)制，在技術(shù)研發(fā)初期就引入多元利益相關(guān)方參與價值的對齊和校準(zhǔn)。

此外，教育機(jī)構(gòu)也需要強(qiáng)化對學(xué)生和從業(yè)者的倫理教育，培養(yǎng)其對技術(shù)倫理問題的敏銳洞察力和正確價值觀。

只有多方協(xié)同合作、防范技術(shù)失控帶來的風(fēng)險，AI技術(shù)才能在倫理的軌道上穩(wěn)健發(fā)展。

未來已來

AI技術(shù)以效率工具的身份切入市場，通過自動化流程與數(shù)據(jù)分析實現(xiàn)商業(yè)突破，但這背后是高昂的成本。

2024年12月，通用汽車宣布將停止對Cruise的Robotaxi業(yè)務(wù)投資，轉(zhuǎn)而將Cruise的技術(shù)整合到通用汽車的輔助駕駛系統(tǒng)SuperCruise中，以推動個人車輛的自動駕駛發(fā)展。轉(zhuǎn)變的背后正是過高的成本以及商業(yè)化進(jìn)展過慢的挑戰(zhàn)。

據(jù)中國工業(yè)互聯(lián)網(wǎng)研究院數(shù)據(jù)，2024年，字節(jié)火山引擎、阿里云、百度云等頭部廠商主動打破成本困局，掀起大模型價格戰(zhàn)，降價幅度普遍達(dá)到90%以上。

看似慘烈的價格博弈，實則是生態(tài)培育的戰(zhàn)略舉措：通過價格杠桿撬動市場需求，短期讓利換取長期地位，以促進(jìn)大模型應(yīng)用的快速落地和生態(tài)繁榮。

中國 本 土 研 發(fā) 的 大 模 型DeepSeek-R1則證明了另一種有效路徑，通過“算法創(chuàng)新+有限算力”，實現(xiàn)了性能比肩OpenAIo1正式版的同時，又將成本壓縮至前者的數(shù)十分之一。

DeepSeek的開源生態(tài)還吸引了大量開發(fā)者和企業(yè)的參與，當(dāng)參與規(guī)模達(dá)到一定程度時，會形成強(qiáng)大的技術(shù)力量和社區(qū)影響力。DeepSeek通過開源吸引全球開發(fā)者基于其技術(shù)進(jìn)行創(chuàng)新，使其技術(shù)路徑成為行業(yè)標(biāo)桿，同時通過降低技術(shù)門檻，還能激發(fā)長尾創(chuàng)新。

此外，開源生態(tài)帶來的技術(shù)擴(kuò)散有望突破企業(yè)邊界，形成跨行業(yè)的協(xié)同創(chuàng)新網(wǎng)絡(luò)，從而產(chǎn)生正向外部性。

創(chuàng)新范式也在加速商業(yè)應(yīng)用的落地。華山醫(yī)院就在不同平臺部署測試DeepSeek70B和滿血版大模型。瑞金醫(yī)院聯(lián)合華為發(fā)布國內(nèi)首個病理大模型“瑞智病理”，實現(xiàn)病理切片自動化分析，日均處理量達(dá)3000張，印證了垂直場景的規(guī)模化落地潛力。

AI大模型研發(fā)的背后是規(guī)模定律，DeepSeek的突圍則揭示了在數(shù)據(jù)要素投入的邊際產(chǎn)出下降時，依然可以通過創(chuàng)新重構(gòu)生產(chǎn)函數(shù)。

這給行業(yè)帶來的啟示是：在AI快速發(fā)展的背景下，效率革命并非一蹴而就，而是一場需要持續(xù)投入和創(chuàng)新的持久戰(zhàn)。企業(yè)需要不斷探索如何在有限的資源下實現(xiàn)技術(shù)的最大化利用，同時尋找與商業(yè)需求的深度融合點(diǎn)。

然而，AI系統(tǒng)的運(yùn)行依賴海量數(shù)據(jù)，數(shù)據(jù)在收集、存儲、使用和共享的過程中涉及諸多倫理問題，如數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)偏見、算法歧視等。只有在數(shù)據(jù)倫理得到充分保障的前提下，AI技術(shù)才能真正實現(xiàn)其應(yīng)有的社會價值和商業(yè)潛力。

最后，AI使用者在使用AI提升效率的同時，也要警惕AI幻覺，即AI系統(tǒng)生成看似合理但實際虛假或誤導(dǎo)性的信息，普通用戶往往難以辨別其真實性。這種現(xiàn)象不僅會誤導(dǎo)用戶決策，還可能引發(fā)信任危機(jī)。

從認(rèn)知層面看，數(shù)字素養(yǎng)教育需要被納入公民基礎(chǔ)教育體系，建立技術(shù)局限性認(rèn)知，養(yǎng)成信息溯源性驗證、多源數(shù)據(jù)對比等底層邏輯，培養(yǎng)“懷疑—求證—研判”的思維范式。針對某些特定專業(yè)場景，通過引入人工復(fù)核制度，在能釋放AI效能紅利的同時，又能構(gòu)筑風(fēng)險防火墻，促進(jìn)AI技術(shù)健康、可持續(xù)發(fā)展，從而實現(xiàn)技術(shù)可靠性與商業(yè)可行性的共振。

（滕斌圣系長江商學(xué)院戰(zhàn)略學(xué)教授、副院長、新生代獨(dú)角獸全球生態(tài)體系研究中心主任，曹欣蓓系長江商學(xué)院新生代獨(dú)角獸全球生態(tài)體系研究中心研究員）