顺网科技
：泛娱乐将成为生成式AI商业化的顺网生成式AI商黄金场域

2023-12-11 10:08:22编辑：Reset 顺网科技认为，企业在探索生成式AI创业时  ，科技不仅要注重大模型 ，泛娱更需关注场景应用 ，业化域以及为场景应用提供支撑的金场中间层 ，以帮助企业在竞争激烈的顺网生成式AI商市场中脱颖而出。

近期 ，科技2023中国上市公司投资价值峰会暨中国投资基金峰会（以下简称“双峰会”）在北京举办，泛娱本次“双峰会”以“创新驱动、业化域价值导航”为主题，金场旨在探讨上市公司如何通过创新和价值来驱动自身发展，顺网生成式AI商并引领行业发展的科技新趋势。

会上 ，泛娱顺网科技首次分享了公司在生成式AI商业化方面的业化域经验 ，强调泛娱乐将成为生成式AI商业化的金场黄金场域 ，并建议生成式AI创业，不要局限于大模型 ，更需关注场景应用
，以及为场景应用提供支撑的中间层
。

2023年以来，各大公司争相布局AI领域，导致大模型产品密集落地
，形成“百模大战”。然而，尽管各类大模型产品层出不穷，但市场上成熟的生成式AI应用却相当有限 。

对此，顺网科技认为 ，企业在探索生成式AI创业时，不仅要注重大模型，更需关注场景应用，以及为场景应用提供支撑的中间层，以帮助企业在竞争激烈的市场中脱颖而出 。

除此之外
，对于进入生成式AI时代的企业而言，将会面临三个挑战 
：其一是模型层面能力的提升；其二是监管合规层面的挑战；其三是业务孵化和商业化 。

在场景方面，顺网科技最偏好泛娱乐领域。一方面，休闲娱乐是比较核心的刚性领域 。另一方面，泛娱乐行业相对来说容错性会更好。此外
，泛娱乐的传播性更好 ，能够获得更多用户的认知，更容易让用户理解和使用。由于泛娱乐行业同时具有这三个特性，因此预计在明年后年会有很多的应用和可能性诞生。

其次，在生成式AI的商业化要素，“场景、中间层、模型 、算力和数据”
 ，五大要素缺一不可  。因为场景是最终触达用户群体的地方，也是商业闭环形成的地方。中间层可以加速试错过程，更快地找到满足用户需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力部分 ，算力是基础支撑，而数据则是模型的根本。

这一轮生成式AI会带来巨大的生产力变革 ，但未必会如大家期待的那么快 
，还需要一点一滴的积累，市场需要有一定耐心。

以下是顺网科技在钛媒体2023年中国上市公司双峰会的分享实录，略经编辑：

各位领导、各位主办方的老师、各位嘉宾、各位朋友，大家晚上好 ！

从去年底ChatGPT发布至今 ，整个互联网行业 ，甚至各行业都对生成式AI产生了浓厚兴趣，资本市场从一级到二级都有很多动作，今天我代表顺网科技，分享我们对生成式AI的一些认知和实践 。

首先简单介绍一下顺网科技
。顺网科技成立于2005年 ，一直致力于推动电竞互动娱乐领域的数字化
。在18年的发展过程中 ，顺网科技逐渐切入了四个核心领域，包括算力、电竞、AI陪伴和数字娱乐展会ChinaJoy 。这四个板块构成了顺网科技的核心业务，也是我们在生成式AI时代到来时展开新增长的基础 。

我先跟大家分享一下“百模大战”的问题 。从去年到现在 ，国内不断涌现出各种团队
，包括头部的互联网大厂和新兴的企业，都在做大模型，国内的模型已经超过 200 多个 。从今年8月Gartner发布的行业报告来看
，整个模型竞争已经进入了技术发展曲线的第一个峰值阶段 。接下来，逐渐有一些相对欠缺资源和欠缺沉淀的团队会退出竞争。

在百模大战的同时，我们也注意到
，大家目前能够接触、使用的生成式AI应用非常有限。所以在我们看来，进入生成式AI时代 ，我们还要面临三个挑战 。

第一个是模型层面能力的挑战
。主要体现在核心资源的聚合上
，包括算力、数据以及人才层面的博弈 。其实这一领域在过去几年一直是冷板凳，尤其是在去年9月份之前都不是热点 
，甚至于国内相关的出版物也不多
。但今年2月份以后，这方面的研究就如雨后春笋般涌现出来
，这也是人才稀缺的一个客观限制 。

第二个挑战是在监管合规层面。要开展负责任的大模型实践，会大幅度增加训练成本和推理成本，因此会给商业化过程带来挑战，这背后是安全和成本之间的取舍 。

第三个挑战是业务孵化。在早期投资时，大家可能觉得这一新兴领域很有机会；当行业发展逐步深化时，会发现业务本身的孵化和商业化存在非常多的挑战。如果不能验证业务商业模式是否有效，能否形成良好的现金流和利润 ，生成式AI就有可能会进入瓶颈状态，实际上现在已经在这样一个状态了
。

我们团队在看待生成式AI创业时  ，理解不仅仅局限于大模型，大模型有相应的团队和相应层次的玩家在做。我们更关注场景应用
，以及为场景应用提供支撑的中间层 ，这里还有很多机会。

场景方面 ，顺网科技最偏好泛娱乐领域
。首先 ，休闲娱乐对消费者而言，是比较核心的领域，所以它的需求是很充分的。其实历史上很多新技术都是从泛娱乐领域率先落地。

其次，泛娱乐领域相对来说容错性更好
。很多生成式AI应用一旦用到正式的商业场合 ，就会面临服务、解决方案等方面稳定性 、可靠性的问题
。所以在当前这个阶段，找到相对高容错的场景，是做好这一轮生成式AI商业化的重要环节。

另外
，泛娱乐的传播性更好，能够获得更多用户的认知，更容易让用户理解和使用 
。所以我们认为 ，泛娱乐行业刚好具有这三个特性，在明年后年会有很多的应用和可能性诞生。

最近二十年
，我们的很多生活习惯都在发生转化 ，例如从微博、微信等文本互动转向短视频互动 ，甚至未来会有更多即时多媒体通讯形态。这个过程中 ，用户时间分布已经在发生迁移 ，更多的生活场景复刻 
、还原在线上
，因此会有很多通过生成式AI为用户提供陪伴的机会，这也是顺网正在做的。

在我们看来，生成式AI商业化会有两种落地范式：

第一种是现在很多小型团队在做的 ，他们会直接在大模型上做应用
，或者简单地做套壳或商业化 。这种模式反应速度会比较快，可以快速拉起来一部分用户，但是在国内展业 ，这样容易遇到合规问题。海外展业其实门槛不高 ，但很容易被大模型把相应的场景能力吸纳 ，之后逐渐被替代，很多应用从业者已经发现了这个问题。

第二种是大模型加上中间层框架，最后到应用。这一层是从大模型本身的一些局限性出发，补充它的提示工程、答案工程，注入行业垂直模型 。同时企业有很多自己多年沉淀的行业数据，未必愿意以公开的方式或者缺乏数据安全的方式提供给大模型 ，这种场景就需要中间层做支撑。

从顺网科技的实践来看 ，首先，我们拥有多层次的算力，而且是异构算力 ，从这种核心的专业计算到常规的低成本推理计算，甚至于到一些特定场景的渲染，面向不同场景可以提供不同类型的算力
。这是我们相对见长的，因为我们做上网行业 ，从基本的设备管理到行业的存储上云 、算力上云
，以及算力全方位的线上线下一体化调度管理，我们积累了很多经验。

第二点
，是在模型和应用支撑的中间层探索。这一块构成了顺网科技核心的AGENT能力 。准确来说 ，AGENT是一种生成式人工智能代理的能力，而不是只创建一两个代理的化身。本质上，还是会利用大语言模型擅长的方面，但是对于它不擅长或者可能遇到问题的部分 ，都需要在这个层级进行封装和场景化适配。

最后是场景 。我们接触的用户主要集中在泛娱乐领域，因此我们会提供相应的陪伴服务 ，包括在上网 、电竞等与游戏紧密结合的场域，以及常规的休闲陪伴。

我们认为
，想要做好AI应用 ，需要充裕的算力和高质量的数据。

首先
，即便拥有第三方的大模型，如果缺乏足够的算力，就无法将优质数据转化为模型的参数 ，也就无法真正地将数据沉淀下来
。其次是要做推理，如果没有足够的推理算力来服务海量广域的最终用户
，那么大模型平台可能会崩掉或暂停服务。这对于国内很多创业团队和上市公司来说，也是一个需要解决的问题
。

算力不仅关乎计算能力本身
，还关乎计算所需的时间。比如
，我们所在的电竞行业 、游戏娱乐领域所需要的渲染算力，需要非常低的时延 ，通常是毫秒级。而在其他非时间敏感的应用场景下，可能不需要那么高的实时性 。所以整体的算力应当构建成一个多层次的算力网络和算力资源池
。

其次，推理的核心在于高质量的数据
，这些数据应当与自身应用场景相契合。我们认为
，高质量的行业数据必须满足三个维度：深度
、广度和时间跨度。深度方面，即在该行业中拥有相应的端对端链路数据沉淀，当然，这些数据的获取需要符合相关法律法规 
。

广度方面 ，行业不能太小 、太垂直，要有一定的市场容量和多细分行业覆盖 ，否则很难在商业化推广中实现规模化
。最后，数据的积累需要一定的时间跨度 。如果没有几年甚至10余年的数据沉淀，就没有相应的训练语料，所以在数据层面
，还是需要有足够的时间积累 。

我们来总结一下。在生成式AI的商业化方面，顺网科技认为这五个要素是缺一不可的 ：场景、中间层、模型 、算力和数据
。

场景是最终触达用户群体的地方，也是商业闭环形成的地方。中间层可以加速试错过程 ，更快地找到满足用户需求的具体痛点闭环。模型是生成式AI这一轮最核心的能力部分，算力是基础支撑，而数据则是模型的根本。

我们认为，这一轮生成式AI会带来巨大的生产力变革，但未必会如大家期待的那么快
，还需要一点一滴的积累，市场需要有一定的耐心。对于上市公司来说，在这方面也会遇到经营层面和孵化层面的挑战 ，我们也希望能够与行业内更多人士进行探讨 ，共同寻找更多创新机会
，从而实现更好、甚至更快的商业化进程
。

最后以顺网科技的使命和愿景作为结束，我们希望科技连接快乐，让行业更加智能 ，让用户的快乐随手可得 。