产业之声 | 安筱鹏：软件产业繁荣是AI大模型应用爆发的风向标

题记

2025年4月19日，北大国发院与盛景网联、国发院数字中国联盟联合主办“承泽商学”第20期暨“AI碰撞局”第14期活动。本文根据阿里云智能副总裁、中国信息化百人会执委安筱鹏的主题演讲内容精要整理。

人们总说“AI大模型元年”，到底怎么算“元年”？软件产业繁荣才是AI大模型应用爆发的风向标，是AI大模型元年开启的关键标志。

一、AI大模型对应的三场革命

全球AI大模型竞争激烈，竞争格局基本明朗。如美国谷歌前CEO施密特所言，全球AI产业主导者是中国和美国。他还认为，此轮大模型引发的智能革命，其产业规模将超越40年前的计算机革命以及20年前的互联网革命，发展潜力巨大。

AI的确在开启一个全新的智能时代，在我看来它其实包含三场革命：

首先是计算范式革命。计算单元从以CPU为核心，转变为以GPU为核心。这一转变带动了存储、网络、架构、调度系统、数据库以及应用等全栈技术体系变革，是全球数字技术体系从A向B的系统性切换。

其次是认知协作革命。互联网的本质是基于信息做精准匹配，在各行各业构建商业模式。AI不同，它旨在为问题找到最匹配的答案，甚至解决方案。

最后是人机交互革命。四五十年前，只有掌握计算机编程语言才能与机器交互。如今借助AI技术，人们可以通过自然语言与机器交互，人机交互方式发生根本性变革。

回顾AI技术发展历程，重大变革对新时代的开启，并非像卫星发射那样有明确计划和倒计时，而是全球算法、数据、芯片、算力技术偶然相遇与必然融合的结果。从达特茅斯会议后明斯基宣判“连接主义”死刑（人工智能技术路线之一，强调通过模拟神经网络实现智能），到辛顿将“连接主义”从死刑牢解救出来，再到芯片技术突破、语料数据集建立、AI人才流动等，一系列事件相互交织，推动着AI技术不断向前发展。在这个过程中，芯片、算法、数据、云计算相关的技术、人才和机构相互碰撞，并官方机构设定目标来推动实现。

二、AI大模型的五个赛道

当前AI大模型众多，为了便于理解，可以将它们大致分为五类：

1. 语言大模型，如ChatGPT、通义等，它类似文科生，擅长语言处理；

2. 推理大模型，如OpenAI o3、通义QWQ32B等，它基于语言大模型训练出的理科生，达到博士生水平；

3. 多模态大模型，可生成和理解图片、文字，类似文艺生；

4. 能进入物理世界的模型，如机器人、基于Transformer训练的自动驾驶模型，它们可被视为体育生，但是兼具能力与智慧；

5. 科学大模型，与普通理科生的本质差异，是它们能达到诺奖级别。

基于以上大模型分类来看中美AI差距，基础语言大模型方面，过去中美国差1年，如今只需4个月。推理模型赛道技术门槛高，中美差距快速缩小。多模态领域，中国在图像理解、生成方面表现非常出色。

如果对比人类认知水平，AI大模型在图像分类、基础阅读、视觉推理等方面已超越人类，但是在奥数比赛这类复杂推理领域目前仍有差距。语言大模型通常擅长快思考，2024年这类模型参加的语文、英语高考成绩都不错，数学成绩勉强能考上“211”类文科院校，然而经过训练后，GPT-4在博士生考试中表现优异，已超过博士生平均水平。

全球模型开发者都在探索高效的训练方法。目前已知训练大模型比较有效的方法是强化学习，但是它其实更强调激励而非灌输，即让模型自主探索方法、主动发现并解决问题。

在过去的人类历史里，只有电力、铁路、蒸汽机、印刷等24种通用目的技术。目前，AI大模型是全球第25种通用目的技术，因为它满足这样四大条件：广泛融入各领域、提高生产效率、与现有技术互补、变革生产关系和组织方式。

从全球产业发展视角看，如今的AI大模型有两大显著特点：

一是应用层面的“普惠效应”。全球七八十亿人，只要接入互联网，就能享受到AI大模型带来的便利，应用范围之广、触及人群之多，已让这一技术成果惠及大众。

二是供给层面的“极化效应”。尤其体现为人才、模型、算法、投资高度集中：目前，全球排名前五的高校贡献了95%的AI大模型训练人才；美国由OpenAI、Anthropic、谷歌三家科技巨头主导闭源大模型阵营，Meta、xAI两家公司引领开源大模型阵营，中国真正具备竞争力的基础大模型企业只有3-5家。算力供给同样如此，目前具备十万卡（约十万张具备高性能并行计算能力的AI加速卡）集群能力的公司，中国仅有2-3家，美国有7-8家；AI大模型领域的投资，美国2024年的投资总额已高达3200亿美元。

三、中国AI大模型：从工具的革命到革命的工具

如何看待当下人工智能领域的应用？

首先，这轮产品力迭代的核心，是一切智能硬件都将被AI驱动，一切软件都会被AI重构、一切数据都会被AI激活。

其次，它在生产力领域实现了从“工具的革命”到“革命的工具”之转变。工具的革命指的是研发、生产、供应链、销售服务等环节所依赖的软件、硬件工具，都会不断迭代升级；革命的工具意味着AI不仅带来效率提升，更促使企业重新定义自身的市场、客户与需求，企业的业务流程、商业模式乃至组织形态都会发生相应变化。

为什么说软件产业繁荣才是AI大模型应用爆发的关键信号？若将AI应用比作足球比赛，把球踢进球门视为AI应用落地，那么大模型如同后卫、硬件是中场、软件是前锋。后卫虽偶尔能射门得分，但多数情况下进球还是依赖前锋。

对于当前的AI应用的两个判断：

1. 中美在大模型供给能力上的差距在缩小，但应用层面的差距在扩大。

2. 虽然各类大模型排名榜单颇受关注，但市场才是检验技术价值与产品竞争力的终极标准。当下AI大模型竞争并非比拼局部或短期的爆发力，而是考验企业的超级耐力与创新力。这意味着企业要以百米冲刺的速度跑完马拉松，这才是这场竞争的本质。

传统软件与AI软件正以不同方式融入这场变革中。以上海滚动科技（Rolling AI）为例，其AI融入软件的方式就与ERP等传统软件企业的AI数字化转型路径很不相同：ERP企业采取嵌入式策略，即不改变原有软件产品及服务，借助API（Application Programming Interface，即应用程序编程接口）或Agent（“代理”或“智能体”）将AI融入，Rolling AI则采用AI原生模式，从底层架构到核心服务都围绕AI构建产品与解决方案。再如交付流程，传统ERP、HR软件的交付对象多为甲方IT部门，而原生AI SaaS（AI Software as a Service，人工智能软件即服务）的交付对象已拓展至甲方所有业务系统，如将可服务于研发、财务、法律、HR等部门的AI员工交付给相应业务部门。这种模式不仅有助于提升工作效率、重新定义业务流程，还能催生基于结果的新型收入模式，颠覆传统的按人、按功能收费模式。

总之，AI对软件的重构是全方位的，涉及交互方式、业务流程、工具使用以及产品定位等多个层面：过去软件开发需由人总结规律并翻译成代码，如今AI可直接认知规律并编写代码；交互层面也从高门槛、低自由度向低门槛、高自由度转变；需求响应从被动应对转变为主动聚焦需求分析；服务定位由强调规范化、标准化、自动化，升级为用户的全能型助手，全方位服务于各类软件应用场景。Agent是智能时代软件产品的新形态，目的就是应对系统复杂性，满足高灵活、高复用、标准化、快速交付需求。

进一步总结，从大型机时代到AI时代，开发工具、流程不断变迁，软件形态更复杂，交付方式更灵活，开发更趋低代码且注重效率，这正是50年来软件演进的主线。

与此同时，过去APP流量分发的模式已被打破，软件正从以人为中心向以AI为中心转变。而且，伴随AI原生应用日益增多，美国硅谷已有广告称，数字人可完成95%的销售工作，成本仅为雇佣真人的三十分之一到五十分之一，还能24小时工作且无情绪。软件代码生成领域，美国已有6-8家AI原生代码生成公司，有专业人士称软件工程师90%的技能贬值，而10%的技能会被提升1000倍，这也对人才培养提出挑战。

另外还需要重新审视AI数字人与人类的关系，不应简单将其定义为助理，因为它还可能是教练、顾问、队友等。未来工作中数字人占比增加，其管理归属也将是个复杂问题。

中美在AI应用上的差距扩大也有数据支撑。收入数据显示，微软Copilot年化收入已达130亿美元，同比增长175%，美国几家AI大模型公司2024年的收入也有70亿美元，而中美在AI大模型收入上的比例是100比1。投资数据显示，2024年美国在AI领域的私人投资达1000亿美元，中国是90亿美元。公司数据显示，美国新成立的AI公司有1000家，中国是98家；美国有27家AI独角兽公司，平均估值20亿美元，而中国数量较少。

中国AI大模型面临挑战，原因还在于B端市场高度碎片化，缺乏统一大市场，企业倾向于私有化部署，这导致AI应用竞争力不足。就像在一个相对封闭且狭小的空间里进化的物种，一旦面对开放竞争的大世界可能毫无竞争力，产业界称之为“加拉帕戈斯”效应。（1835年达尔文抵达这一远离陆地的群岛，记录了很多独特的生物，并受此启发写作了科学巨著《物种起源》。）

如今，中国AI大模型产业发展来到“十字路口”，是走向移动互联网发展模式，还是走向SaaS产业困境？同时，相较于关注芯片、模型和供给侧，中国当下需求侧的政策环境更为重要。AI大模型正在各个领域重构SaaS的数据价值、业务价值、协作价值和体验价值，未来走向如何，仍需时间来观察，以及业界的努力程度与正确程度。

整理：何又夕

编辑：王贤青、王志勤

版块介绍 —产业之声

紧跟产业发展脉搏，阿里研究院汇集行业领袖与企业的真实声音，在算力基础设施的规划与布局、能耗优化、大模型能力发展、大模型评测体系、产业应用案例深入研究、新技术与应用趋势前瞻探索等方面，剖析成功案例背后的逻辑与挑战，并提供基于产业深度洞察的策略建议。同时，阿里研究院依托于阿里巴巴集团在人工智能领域的全面布局，分享阿里的AI产业生态和应用的实践落地，探讨技术如何重塑产业格局并推动社会经济的转型升级。

Reading

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

11、

12、

13、

14、

15、

16、

17、

18、

19、

20、

21、

22、

23、

24、

25、

26、

27、

28、

29、

30、

31、