最近著名的投资人朱啸虎有篇文章，标题是“ChatGPT对勇于探索商业模式的公司很不友好，未来两三年内请大家放弃融资幻想”。朱啸虎这么说的原因，是因为他认为，在大模型时代，99%的价值都是GPT创造的，勇于探索商业模式的公司做个插件，没什么价值。

  其实，不管是不是插件，AI应用是有价值的。起码，做大模型的都这样认为。在近日的“世界互联网大会数字文明尼山对话”上，李彦宏在《大模型重塑数字世界》的演讲中表示，“新的国际竞争战略关键点，不是一个国家有多少个大模型，而是你的大模型上有多少原生的AI应用，这些应用在多大程度上提升了生产效率。”

  猎豹移动董事长兼CEO傅盛转了朱啸虎这篇文章，并批评说：“硅谷一半的创业企业都围绕ChatGPT开始了，我们的投资人还能这么无知者无畏。”他在朋友圈和朱啸虎开始争论，傅盛说：互联网99%的规范都是TCP/IP创造的，创业有价值吗？汽车99%的价值都是热力学定义创造的，创业有价值吗？大多数中小网站的流量都是搜索引擎带来的，那创业有价值吗？

  傅盛认为，创业没有底层价值也能存活。大模型更像大学，培养出千千万万的毕业生，但是大学不会统治一切，更不会让创业没有价值。

  傅盛的说法对不对，不妨从TCP/IP说起。全世界几十亿台电脑，连接在一起，上海的某一块网卡送出信号，可以精确地传递到纽约的一部手机上。这种功能，建立起了如今庞大的互联网经济。这背后，不那么准确地说，是依靠TCP/IP协议。

  我们使用的网络，可大致分为五层。最底下的一层叫作“实体层”（Physical Layer），指网卡、光纤、网线，第二层叫“链路层”（Link Layer）指网卡通讯的语言。这两层绝大多数都是公司、你家里路由器之内的。第三层是“网络层”（Network Layer）指IP地址；第四层是“传输层”（Transport Layer）指TCP、UDP这些协议，是保障传输的方式。这两层，是路由器、运营商、全世界的传播。最上面的一层叫作“应用层”（Application Layer）指各种用户接触的APP，接收到了信息。

  TCP/IP协议只是诸多协议中的一个，1983 年，美国国防部高级研究计划局决定 以 TCP/IP 协议取代旧网络核心协议 NCP 后，才结束了旧通信协议的多方割据状态。与此同时，TCP/IP 协议的规范和技术都是开放的、免费的。不仅仅是TCP/IP，实际上，越下面的层，越靠近硬件；越上面的层，越靠近用户。

  大模型也可大致分为芯片、框架、模型、应用四层架构。底层是芯片层，比如，nvidia的“显卡”构成了最底层的硬件层。芯片之上是框架层，现在主流的框架包括百度飞桨，Meta的PyTorch，谷歌的TensorFlow等。框架上面是模型层，ChatGPT和文心大模型就在模型层。模型之上是应用层，包括各种各样的AI原生应用。大模型成为了AI时代的操作系统，所有应用都将基于大模型开发。

  在我看来，围绕大模型进行的创业，有没有价值，能不能成功，不在于大模型有没有底层价值，而在于大模型的商业控制力有多强，可以把自己的业务链蚕食过去。

  对于互联网而言，越靠下的层，不管是否免费，但对用户来说就越透明，没有一点控制力。网卡、路由器厂商、TCP/IP协议不能说，我拒绝给某个应用服务，因为我自己打算做这个业务。但某一些程度上，苹果APPSTORE却能做到这一点，iPhone没有底层价值，但是商业控制力强。大学有底层价值，但对学生没有一点控制力的。

  从商业上看，从产权上看，与互联网的去中心化不同，大模型的硬件、算法都是集中在一个企业手中的。显然，OpenAI可以拒绝为某个特定的地区、公司、应用服务。所以，大模型厂商有较强的控制力。

  这就是大模型和TCP/IP的区别。从这一点上看，朱啸虎是对的。围绕大模型的创业，没有巨头级的机会。缺乏最终应用壁垒的创业，最终都变成了消耗资金买英伟达 A100卡、买云服务，但这一点，比不过现有有积淀，有资金的先入大玩家。

  但事情并没有完，正如傅盛所说：大模型是公有数据的缩略图，但是公有数据解决不了所有流程。场景、用户，仍然是很重要的，所以，苹果也不可能什么都自己做。而且，大模型之间也有竞争，原生的AI应用能够找到自己的发展空间。这一点上，傅盛是对的。某一些程度上，他与朱啸虎达成了一致，有空间，但没有BAT级的机会。

  更多是本来就掌握了场景、用户的垂直玩家，可以把大模型玩得很好。已拥有使用场景的玩家，通过利用大模型，非常容易就能为自己的产品加上人工智能的功能，能从大模型中得到赋能。

  从这个角度，未来围绕大模型的，仍然有很多创业机会。现在大模型可谓突飞猛进。技术、产品、应用等各个层面，都以“周”为迭代速度向前突进。文心大模型已经迭代到3.5版本，与3月份的3.0版本相比，训练速度提升了2倍，推理速度提升了17倍，模型效果累计提升超过50%。随着AI能力的增加，在应用层面的机会就更多。

  不过，与前面围绕TCP/IP的创业不同，在大模型时代，基于前面所说的这些特性，行业内部赋能，或许作为一种新形式的创新，会占到围绕大模型的创新的很大一部分。这将会很大程度上提升实体经济的运行效率。

  所谓制造业，本质上是能量在信息的指导下，去改造物质的形态、结构。比如一张加工图纸的本质，就是指导能量改变物质的信息。在工业革命阶段，热机、电机弥补了人类肌肉能力的不足，提升了人类改造物质的能力。在数字化的经济时代，数字信息技术普遍的使用，提升了人类在存储、处理、分析信息的能力。这也必然会提升人类改造物质，也就是制造业的能力。所以，人工智能、大模型必然对制造业的发展产生重大影响。

  在汽车制造业，最复杂的设计环节，需要有经验比较丰富的工程师在2万多个零部件、几十万个参数里，找到满足需求的各种组合，再写文档、画图纸。大模型可以高效地找到组合信息，自动生成设计文档，大幅缩减研发周期和成本。

  在交通领域，通过大模型技术上的支持的智能交通方案，能提高交通运行效率。通过智能调整红绿灯的时间，可以让通行效率提升15%—30%，这将拉动GDP2.4%-4.8%的增长。

  再比如，百度智能云的“Comate”代码助手。借助文心大模型的理解、推理能力，“Comate”可实现代码的快速补齐、自然语言推荐代码、自动查找代码错误，全方面提升开发者研发效率。开发的人能通过插件等形式，在主流开发软件中使用“Comate”代码助手。

  所以，为了大模型将渗透到慢慢的变多的领域，在行业内部广泛落地，赋能数字化的经济、实体经济发展。当然，对于技术能力不够的实体经济个体，寻求外部的技术支援、采购外部的现成的AI应用，也是一个合理的选择。

  所以，围绕大模型的创业、创新，或许与围绕TCP/IP的创业创新，会不一样，除了在企业外部进行创业外，在企业内部创新，会成为一种重要的新形式。但有一点是相同的，那就是都是基于一个大人工智能平台上，无数垂直的AI应用赋能实体经济。

  人工智能的三大核心、基石——数据、算力和算法。数据决定了AI是一个在应用中获得发展的行业。只有在应用上推广，才可以获得发展，只有发展了才能获得话语权。所以，中国的大模型，第一步是要尽快地、尽可能大规模地投入应用，挤上牌桌，才可以获得竞赛入场券，中国才能拥有更壮大的数字化产业，数字化的经济规模将获得巨大增长。