李彦宏：ChatGPT大模型时代开启三大产业机会，10倍于移动互联网

3月17日，百度创始人、董事长兼首席执行官李彦宏在2023亚布力中国企业家论坛年会上提到：

ChatGPT开启的大模型时代，将产生三大产业机会：

第一类是新型云计算公司，其主流商业模式从IaaS变为MaaS（模型即服务）；

第二类是进行行业模型精调的公司，即行业大模型公司，这是通用大模型和企业之间的中间层，为行业客户提供解决方案；

第三类是基于大模型底座进行应用开发的公司，即应用服务提供商。基于文本生成、图像生成、音频生成、视频生成、数字人、3D等场景，已经涌现出很多创业明星公司。

以下为李彦宏演讲核心观点，有删减。

AI时代的创业机会

可能10倍于移动互联网

创业公司重新做一个ChatGPT其实没有多大意义，基于大语言模型开发应用机会很大，没有必要再重新发明一遍轮子。

我认为创业的机会很大，这个机会可能10倍于移动互联网的机会，主要机会肯定在各种各样基于大模型开发出来的应用，这个应用是To C还是To B，是收费还是广告模式，我认为肯定会都有。

创业者来不需要关心这个事，不可能有天花板，以至于一个创业公司都要担心这个市场是不是足够大，完全不用担心。

第一类是新型云计算公司，其主流商业模式从IaaS变为MaaS（模型即服务）；

第二类是进行行业模型精调的公司，即行业大模型公司，这是通用大模型和企业之间的中间层，为行业客户提供解决方案；

第三类是基于大模型底座进行应用开发的公司，即应用服务提供商。基于文本生成、图像生成、音频生成、视频生成、数字人、3D等场景，已经涌现出很多创业明星公司。

创业公司不要考虑基础大模型，

真正机会在应用层

如果去做基础大模型的话，创业公司是没有优势的，这和OpenAI那个时代是很不一样的，它2015年成立之后，慢慢琢磨，在别人都看不上，不看好的方向，最后做出来了，一下聚集了一批开发者，有微软的支持，才能够有今天。

但是今天所有的大厂都在玩命投资源做的情况下，我作为一个创业公司，我想做一个基础大模型，我想让所有的开发者都基于我的模型开发应用，这没有什么道理啊。你又不是第一个做出来的，市场上已经有了。

要数据没有数据优势，要算力没有算力优势，要生态没有生态优势。对于创业公司来说，最好做一些新东西，做一些别人不太看好的东西，成功率会更高一点，社会意义、商业价值都会更大。

十年以后，全世界有50%工作会是提示词工程，不会写提示词的人会被淘汰

今天在我看来所谓的AI Native最明显特征，就是提示词。

过去没有这个行当，我们也不觉得说跟计算机交互有那么多讲究，今天或者未来怎么去写提示词，才能够把大模型能力能够推举出来，这是非常有意思的行当，我也认为这是将来新的工作机会，最容易出现的地方。

甚至有一个比较大胆的猜测，我觉得10年之后，全世界有50%工作会是提示词工程(prompt engineering)，不会写提示词(prompt)的人会被淘汰。

大模型处于产业发展的早期阶段

今天大模型处在产业发展非常早期阶段，不管是什么样的观察，我观察也好，其他人观察也好，都有可能发生变化。

在中国市场上极早做出来一个生成式大语言模型意义是非常大的。

其他的大厂包括美国的谷歌、Facebook、Amazon都没有发出来，我觉得有两种原因，一个原因是他们之前没有那么重视这件事，生成式AI和过去搜索引擎常用的判别式AI是不太一样的，使用的算法、理念甚至是评判质量好坏的标准都不太一样。

所以生成式AI不是大厂之前很重视的方向，等到ChatGPT出来之后，它再着急的话确实需要时间的，不是一时半会儿能够做的跟OpenAI做的一样好。

大模型是云计算的

Game Changer

我认为文心一言的出现或者大语言模型的出现对于云计算来说，是一个game changer，它会改变云计算的游戏规则。

因为过去比较传统的云计算就是卖算力，主要是每秒钟的运算速度、存储这些比较基础的能力。

但是随着技术的演进，真正AI时代的应用不会建立在一个过去的地基上。过去的地基，除了刚才说的云计算之外，还有在移动时代的iOS或者安卓这样的操作系统上面去开发APP，或者PC时代的话就是在Windows上面开发各种各样的软件。

而在AI时代，上面开发的不管是搜索或者是贴吧，都是基于这些大模型去进行开发。这和过去一个创业公司直接去用某一个云，是很不一样的，那个时候用的确实就是算力，甚至具体到用几块CPU、GPU，而以后不用再担心这个层面的事了。

就比如我小时候学的是汇编语言，后来学C语言，而今天大家都在用Python写代码，方便程度是完全不一样的。你如果能够用Python写，谁还会去学汇编？就是这么简单的一个道理。

大模型之间的PK，

最终是看效率

对于百度这样的公司，当我们在提供基础模型的时候，我们用什么框架、芯片其实还是很重要的。

甚至某种意义上讲，它每一层通过反馈不断相互加强，不断提升它的效率。

所以，内部叫做端到端的优化。

由于我们在芯片层有昆仑，在框架层有飞桨，在大模型层有文心。当然，这种暴力美学如刚才提到的很耗算力，那么同样用价值10亿美元的芯片，怎么比别人效率更高，怎么能够算得更快？

就需要有飞桨这个框架进行配合。模型也要能够知道这些芯片到底是什么能力可以被充分发挥出来，或者说，昆仑芯片怎么改变一下自己的设计，去更适用于飞桨，更适用于文心一言的模型。

这些东西端到端优化之后，我们的效率会比任何其他的大模型要更高。

所以，时间长了，商业的竞争最终竞争的是效率，你的效率比别人更高你就赢了，你的效率比别人低，再给你投多少钱，最终也会打水漂，这是无数的案例都证明了这一点。

行业大模型存在较大机会

除了基础模型之外，某一个行业比如能源行业，所以行业大模型应该是一个未来比较看得见的创业机会，有些行业相对比较后知后觉，那些客户觉得不着急，等等看。

这个时候如果你基于这个行业的共性训练出来一个行业大模型的话，可以慢慢把行业客户都吃下来，让他们基于这个行业大模型再去开发自己的应用。

AI带来的生产力提升，

会创造出更多的工作

今天没有马车夫这样的工作，因为出现了汽车。

但是今天世界上存在的工作机会跟100年前相比，不仅是多了，而且多了很多倍。我没有那么悲观，我是乐观的。

技术进步的速度越来越快，生产效率提升会越来越明显，这是过去很多年的发展之中不断证明的。

如果过去大家可能一周工作5天，也许10年之后工作3天就足够了。

劳动生产率的提升会让人们生活的幸福感更强。我自己也因为这件事情很兴奋，因为我能够参与其中并且贡献一些东西。

以后没准学文科更容易找工作

对开发者来说现在硅谷那边已经风起云涌，在做各种基于GPT的应用，给编程带来了很大的不同，过去我们面向API、技术栈，现在变成promote编程了，整个开发者生态和应用会发生很大变化。

未来可能不需要那么多程序员，今天写计算机程序的程序员，大模型很多时候能够自动生成代码。

但是我们会需要越来越多的提示词工程师。大模型本身的能力放在那儿了，谁能把它用好，这个东西是有讲究的，用得好不好，完全靠提示词来决定。

提示词写得好，智能涌现的可能就多一些，反馈的结果就更有价值一些，提示词不好，出来的东西就是一本正经胡说八道，或者是错误的结论。

所以怎么样把提示词写好，这些东西既是技术也是艺术，甚至我觉得艺术的成分还更多一些。

今天这种世俗的来看，好像学自然科学的人更好找工作，工资更高，学文科的不太行，以后没准学文科更容易找工作，因为写提示词的时候，想象力、情感、表达这些有可能真的比现在学工程的人要更有意思，更有效果一些。