直擊WAIC 2025｜專訪畢馬威中國(guó)張慶杰：大模型“價(jià)格戰(zhàn)”要平衡“夠用就好”與“性能冗余”

每經(jīng)記者｜張梓桐    每經(jīng)編輯｜文多    

“滿足數(shù)據(jù)基礎(chǔ)成熟、場(chǎng)景痛點(diǎn)明確、商業(yè)化路徑清晰等條件的行業(yè)將成為AI（人工智能）落地的‘先鋒軍’?？傮w來(lái)看，醫(yī)療、制造、金融領(lǐng)域?qū)⒆钕缺l(fā)；教育行業(yè)也有爆發(fā)潛質(zhì)。”7月28日下午，畢馬威中國(guó)數(shù)字化賦能及人工智能主管合伙人張慶杰在“2025世界人工智能大會(huì)暨人工智能全球治理高級(jí)別會(huì)議”（WAIC 2025）上接受《每日經(jīng)濟(jì)新聞》記者（以下簡(jiǎn)稱NBD）專訪時(shí)，作出上述判斷。

當(dāng)前，人工智能技術(shù)正加速?gòu)膶?shí)驗(yàn)室走向產(chǎn)業(yè)實(shí)踐，成為驅(qū)動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型的核心引擎。與此同時(shí)，隨著生成式AI技術(shù)加速滲透千行百業(yè)，大模型產(chǎn)業(yè)正從概念熱潮邁入務(wù)實(shí)發(fā)展的深水區(qū)。

當(dāng)前市場(chǎng)呈現(xiàn)多重鮮明特征：“價(jià)格戰(zhàn)”硝煙漸濃，模型訓(xùn)練與部署成本持續(xù)下探，技術(shù)門檻不斷降低；落地場(chǎng)景加速分化，不同行業(yè)對(duì)AI的需求呈現(xiàn)差異化發(fā)展；通用模型與垂直模型的路徑之爭(zhēng)愈演愈烈。

對(duì)此，張慶杰認(rèn)為大模型成本下降是一把“雙刃劍”，需警惕陷入“廉價(jià)平庸化”陷阱。他強(qiáng)調(diào)，企業(yè)必須在技術(shù)、商業(yè)、社會(huì)三個(gè)維度把握平衡，既要關(guān)注成本與效能的非線性博弈，也要處理好規(guī)?；c差異化的矛盾統(tǒng)一，更要平衡效率提升與風(fēng)險(xiǎn)控制。

畢馬威中國(guó)數(shù)字化賦能及人工智能主管合伙人張慶杰 圖片來(lái)源：企業(yè)提供

要避免模型“廉價(jià)平庸化” 需平衡三個(gè)方面

NBD：您此前表示未來(lái)兩年將迎來(lái)人工智能應(yīng)用大爆發(fā)，能否具體說(shuō)說(shuō)哪些行業(yè)會(huì)成為應(yīng)用爆發(fā)的“先鋒領(lǐng)域”？

張慶杰：人工智能應(yīng)用的爆發(fā)需要數(shù)據(jù)基礎(chǔ)成熟、場(chǎng)景痛點(diǎn)明確、行業(yè)需求強(qiáng)烈、商業(yè)化路徑清晰、價(jià)值貢獻(xiàn)較大、監(jiān)管綠燈等前提條件，滿足這些條件的行業(yè)將成為AI落地的“先鋒軍”。

總體來(lái)看，醫(yī)療、制造、金融領(lǐng)域?qū)⒆钕缺l(fā)。教育行業(yè)也有爆發(fā)潛質(zhì)，但目前監(jiān)管政策暫不清晰。能源、農(nóng)業(yè)等行業(yè)的長(zhǎng)期價(jià)值雖大，但受基礎(chǔ)設(shè)施限制，可能增速略緩。

NBD：從發(fā)展趨勢(shì)來(lái)看，大模型的應(yīng)用方向正從通用大模型轉(zhuǎn)向行業(yè)垂直模型乃至企業(yè)私域模型，這對(duì)企業(yè)的技術(shù)儲(chǔ)備和資金投入有怎樣的要求？

張慶杰：從通用大模型轉(zhuǎn)向行業(yè)垂直模型或私域模型，本質(zhì)上是從“技術(shù)探索”到“生產(chǎn)級(jí)應(yīng)用”的跨越，對(duì)（企業(yè)）技術(shù)儲(chǔ)備和資金投入的要求呈指數(shù)級(jí)提升。

在技術(shù)儲(chǔ)備方面，要從AI三要素來(lái)看——企業(yè)需具備行業(yè)級(jí)數(shù)據(jù)治理與隱私計(jì)算能力，需具備模型定制能力與領(lǐng)域自適應(yīng)技術(shù)，需支持算力的異構(gòu)管理與混合部署。

在資金投入方面，企業(yè)在算力、數(shù)據(jù)治理、定制開(kāi)發(fā)等方面的成本將普遍增加2~5倍。

NBD：模型成本大幅下降的同時(shí)，如何確保其顛覆性應(yīng)用價(jià)值的釋放，這里面有哪些關(guān)鍵的平衡點(diǎn)需要把握？

張慶杰：在模型成本大幅下降的背景下，要避免“廉價(jià)平庸化”需在三方面把握平衡。

在技術(shù)維度，需要關(guān)注成本與效能博弈，平衡“夠用就好”與“性能冗余”、平衡通用基座與垂直精調(diào)、平衡集中訓(xùn)練與邊緣智能；在商業(yè)維度，需要關(guān)注規(guī)模化與差異化的統(tǒng)一，平衡標(biāo)準(zhǔn)化與定制化、平衡技術(shù)護(hù)城河與生態(tài)開(kāi)放度、平衡直接與間接價(jià)值捕獲；在社會(huì)維度，則應(yīng)關(guān)注效率與風(fēng)險(xiǎn)的拉鋸，平衡應(yīng)用激進(jìn)性與倫理安全、平衡數(shù)據(jù)飛輪與隱私保護(hù)、平衡人力替代與人機(jī)協(xié)同。

企業(yè)應(yīng)用AI易陷入五大誤區(qū)

NBD：AI時(shí)代的商業(yè)模式轉(zhuǎn)型會(huì)呈現(xiàn)哪些具體特征，能否舉例說(shuō)明某類企業(yè)可能的轉(zhuǎn)型路徑？

張慶杰：AI時(shí)代商業(yè)模式轉(zhuǎn)型呈現(xiàn)三大核心特征：一是能力服務(wù)化轉(zhuǎn)型，如工程機(jī)械企業(yè)從產(chǎn)品提供商轉(zhuǎn)為智能化服務(wù)商；二是價(jià)值捕獲方式革新，如農(nóng)業(yè)無(wú)人機(jī)企業(yè)按增產(chǎn)效果收費(fèi)；三是生態(tài)平臺(tái)化升級(jí)，如“海爾卡奧斯”平臺(tái)連接15萬(wàn)家制造企業(yè)。

以制造業(yè)為例，轉(zhuǎn)型分三階段：1~2年完成數(shù)據(jù)筑基，2~3年實(shí)現(xiàn)服務(wù)重構(gòu)并提升效率40%，3~5年完成生態(tài)躍遷使服務(wù)收入占比從不足5%提至35%以上。

NBD：您認(rèn)為企業(yè)在利用AI實(shí)現(xiàn)高效資源配置和流程優(yōu)化時(shí)，最容易陷入哪些“應(yīng)用誤區(qū)”？

張慶杰：企業(yè)應(yīng)用AI易陷入五大誤區(qū)。一是過(guò)度追求技術(shù)先進(jìn)而忽視業(yè)務(wù)適配，如直接套用通用大模型不做領(lǐng)域適配；二是數(shù)據(jù)基礎(chǔ)滯后，數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、標(biāo)注不足就倉(cāng)促上馬，約60%項(xiàng)目的失敗源于此；三是組織協(xié)同不足，技術(shù)與業(yè)務(wù)部門脫節(jié)，僅35%的企業(yè)具備有效協(xié)作機(jī)制；四是過(guò)度自動(dòng)化，關(guān)鍵環(huán)節(jié)全權(quán)交由AI會(huì)增加風(fēng)險(xiǎn)；五是缺乏持續(xù)投入，將AI視為一次性項(xiàng)目，但成功的企業(yè)通常會(huì)用15%~20%的預(yù)算持續(xù)優(yōu)化。

NBD：人才在AI時(shí)代依然不可替代，那么企業(yè)在優(yōu)化人才招聘和培養(yǎng)體系時(shí)，應(yīng)培訓(xùn)員工重點(diǎn)提升哪些與AI協(xié)作有關(guān)的核心能力？

張慶杰：企業(yè)需重點(diǎn)培養(yǎng)員工五大協(xié)作能力：一是人機(jī)協(xié)作能力，員工應(yīng)理解AI邊界并校正輸出；二是數(shù)據(jù)素養(yǎng)，員工應(yīng)能解讀AI的輸入和輸出邏輯；三是批判性思維，員工應(yīng)獨(dú)立判斷AI建議并識(shí)別偏見(jiàn)；四是持續(xù)學(xué)習(xí)能力，員工應(yīng)快速掌握新型AI工具；五是創(chuàng)新整合能力，員工需將AI與傳統(tǒng)流程結(jié)合創(chuàng)造價(jià)值。

企業(yè)應(yīng)該建立分層培養(yǎng)體系并注重實(shí)戰(zhàn)，具備這些能力的團(tuán)隊(duì)比普通團(tuán)隊(duì)的效率高40%以上。

NBD：數(shù)據(jù)作為布局AI的關(guān)鍵，企業(yè)在數(shù)據(jù)治理、隱私保護(hù)與AI應(yīng)用價(jià)值挖掘之間該如何平衡？

張慶杰：企業(yè)平衡數(shù)據(jù)治理與價(jià)值挖掘需要四項(xiàng)策略：一是建立分級(jí)分類管理體系，對(duì)核心與非敏感數(shù)據(jù)差異化管控；二是用隱私計(jì)算實(shí)現(xiàn)數(shù)據(jù)可用不可見(jiàn)，如某銀行通過(guò)“聯(lián)邦學(xué)習(xí)”（一種在沒(méi)有任何人看到或接觸數(shù)據(jù)的情況下訓(xùn)練AI模型的方法），提升了25%的反欺詐準(zhǔn)確率；三是構(gòu)建全生命周期管理機(jī)制，歐盟企業(yè)會(huì)向GDPR（《通用數(shù)據(jù)保護(hù)條例》）合規(guī)投入營(yíng)收的1.2%，以此獲取15%業(yè)務(wù)增長(zhǎng)；四是形成數(shù)據(jù)倫理審查制度，由跨部門團(tuán)隊(duì)進(jìn)行事前評(píng)估。企業(yè)完善治理體系后，其AI項(xiàng)目的成功率高出行業(yè)平均值40%。