现在的 AI 水平距离 AGI 还很遥远，但已经消耗了巨大的算力和能耗

【本文来自《美报告发现：半数以上人工智能最热门领域，中国研究领先》评论区，标题为小编添加】

小模型技术是中国企业率先导入装备中，大模型也不例外

“大模型只是技术升级而不是革命”，“装备大模型化是商业化落地的最佳线路”

理性的看，从深度学习小模型再到今天的大模型，学习效率低即依赖大量算力和标记数据的问题没有解决，不可避免出现低级错误的问题也没有解决，因此，大模型只是技术升级而不是革命。大模型作为技术升级带来的红利，已经给商业化落地带来很多商机，给不少企业带来未来的增量或者效率提升。

现在的 AI 水平距离 AGI 还很遥远，但已经消耗了巨大的算力和能耗，以 chatGPT 为例，每天需要耗费 50 万度电，相当于 1.7 万个美国家庭的耗电量，其学习效率与人脑天壤之别，这不得不引发学者们思考新的出路。

通用大模型，是基础设施，有点像 Android 这样的操作系统，有两个特点。一是投入大，只有少数巨无霸企业能够持续投入；二是生态壁垒墙厚，占先机建立广大用户基础后，留给追赶着的机会就不多了。大模型技术是在美国爆发，因此 OpenAI、Google、Meta 等美国企业已占据了先机，中国企业或机构处于追赶状态，我们不得不面对和正视这个差距。

在中国，我们深入去看每一个细分行业，几乎都能找到一两家甚至更多具备很强产品研发能力的企业。这类企业在国内市场充分竞争厮杀，国外产品型公司很难与之竞争。这类企业，已经在将自身产品与行业大模型结合，推出更有竞争力的产品。以宇视自身为例，前段时间我们推出了夜鹰系列摄像机，其展现的在 0.001 Lux 下的夜视能力在业内引发热议，领先海外同行企业两年。夜鹰的背后是十多年摄像机技术的积累以及梧桐行业大模型的AI-ISP能力结合。总的来说，行业大模型落地产品，我国并不落后。

先从装备的产品力本身看，以AI体锻屏为例，需要具备成像技术、嵌入式软件技术、云和APP软件、硬件技术、显示技术、交互设计、工程交付技术等诸多要素，当然还有 AI。研发出有竞争力的产品还远远不够，得上量才能覆盖研发投入并有利润，这很考验企业的渠道能力。有渠道带货，我们还要能造得出来，这又考验企业的规模制造能力。产品售价既要有竞争力还要有利润，这又考验企业的规模采购议价能力。当然，还有速度要素。因此，比拼的是所有要素的综合能力。

AI是其中一个要素，从小模型到大模型，技术升级了。这个变量，在装备企业之间产生足够的影响，旧的产品会加速迭代，并且还会创造一些新的场景的产品；反之，如果跟不上技术迭代，企业就会掉队。但对于没有装备经验只有大模型技术的企业，要迈过其它诸多要素的槛，道阻且长。