每經(jīng)記者 可楊    每經(jīng)編輯 張海妮    

開(kāi)欄語(yǔ)

大模型正從技術(shù)競(jìng)逐的“實(shí)驗(yàn)室”加速奔向產(chǎn)業(yè)落地的“深水區(qū)”。在這波浪潮中，一些先行者以敏銳的洞察力與破局勇氣，率先探索技術(shù)與場(chǎng)景的融合邊界——他們是打破算力桎梏的開(kāi)源先鋒，是深耕垂直領(lǐng)域的場(chǎng)景拓荒者，是構(gòu)建生態(tài)協(xié)同的產(chǎn)業(yè)布道者。

聚焦大模型應(yīng)用落地的“最后一公里”，我們對(duì)話以技術(shù)為矛、以場(chǎng)景為盾的探索者，試圖勾勒出一幅大模型賦能千行百業(yè)的“清明上河圖”，為行業(yè)提供可復(fù)用的方法論，也為中國(guó)AI產(chǎn)業(yè)的全球化突圍注入信心與動(dòng)能。

（策劃：郭榮村、李少婷）

義烏小商品城外貿(mào)出海成風(fēng)，不懂英語(yǔ)的店員對(duì)著海外直播平臺(tái)熱情闡述，大模型幫他們將訂單統(tǒng)統(tǒng)攬下，這離不開(kāi)AI（人工智能）翻譯的功勞。

在大模型重塑千行萬(wàn)業(yè)的浪潮中，傳統(tǒng)翻譯已發(fā)展成為集語(yǔ)言理解、知識(shí)處理、文化適配于一體的綜合性智能服務(wù)體系。換句話說(shuō)，翻譯不再是被動(dòng)接受技術(shù)賦能的領(lǐng)域，而是主動(dòng)引領(lǐng)大模型產(chǎn)業(yè)變革的前沿試驗(yàn)場(chǎng)。

但熱潮的另一面，是智能語(yǔ)言服務(wù)行業(yè)靜默的變革——機(jī)器翻譯增多，人類(lèi)譯員的工作并沒(méi)有隨之減少，然而單價(jià)出現(xiàn)下降；訂單量的增長(zhǎng)與盈利能力的滯漲構(gòu)成悖論。在這場(chǎng)人機(jī)博弈中，終極勝負(fù)手或許就藏在未被算法吞噬的認(rèn)知褶皺與知識(shí)基因之間。

近日，《每日經(jīng)濟(jì)新聞》記者專(zhuān)訪了國(guó)家專(zhuān)精特新“小巨人”企業(yè)——傳神語(yǔ)聯(lián)網(wǎng)網(wǎng)絡(luò)科技股份有限公司（以下簡(jiǎn)稱(chēng)傳神語(yǔ)聯(lián)）創(chuàng)始人何恩培。

當(dāng)前，大模型的競(jìng)爭(zhēng)已邁入第三年，新的玩家突出重圍，座次又生變化。何恩培認(rèn)為，此時(shí)談定局為時(shí)尚早，大模型還遠(yuǎn)未成熟，當(dāng)前更像是1920年的電氣時(shí)代，基礎(chǔ)技術(shù)已經(jīng)誕生，但五花八門(mén)的應(yīng)用尚未被發(fā)掘。

在他看來(lái)，智能語(yǔ)言服務(wù)行業(yè)正在從“單純的語(yǔ)言轉(zhuǎn)換”轉(zhuǎn)向“知識(shí)理解與應(yīng)用”。趨勢(shì)之下，傳神語(yǔ)聯(lián)選擇“后撤一步”，提供服務(wù)于行業(yè)的底層技術(shù)和工具。而在面向應(yīng)用提供服務(wù)的過(guò)程中，他們意識(shí)到，“大數(shù)據(jù)”并不適用，質(zhì)量更重于數(shù)量。

人機(jī)博弈：訂單貶值，發(fā)力底層

技術(shù)發(fā)展的腳步越快，各行各業(yè)面臨的拷問(wèn)就越相似——人工智能會(huì)取代我們嗎？

在這場(chǎng)關(guān)乎生存的討論中，智能語(yǔ)言服務(wù)行業(yè)是最早被卷入的領(lǐng)域之一。早在大模型熱潮來(lái)臨之前，機(jī)器翻譯就在不斷進(jìn)化，逐步蠶食著人工翻譯的生存空間。

這種焦慮也沖擊著客戶(hù)的預(yù)期：如果機(jī)器翻譯能做到“基本能看懂”，為什么還要支付高昂的翻譯費(fèi)用？

生成式AI席卷而來(lái)，人工翻譯會(huì)成為最先被取代的職業(yè)嗎？

“我可以給大家一個(gè)結(jié)論：翻譯可能是人類(lèi)和機(jī)器博弈中最后消亡的行業(yè)。”何恩培篤信，語(yǔ)言不僅僅是溝通工具，也是人類(lèi)思考的“操作系統(tǒng)”，是一個(gè)復(fù)雜而動(dòng)態(tài)的體系，機(jī)器需要通過(guò)自然語(yǔ)言來(lái)理解世界。

但在這場(chǎng)人類(lèi)與機(jī)器的“博弈”中，智能語(yǔ)言服務(wù)行業(yè)呈現(xiàn)出一個(gè)值得探究的信號(hào)：訂單增長(zhǎng)幅度顯著高于收入增長(zhǎng)。何恩培拋出這樣一組數(shù)據(jù)：2024年，傳神語(yǔ)聯(lián)的智能語(yǔ)言服務(wù)收入增長(zhǎng)了10%，但訂單量增長(zhǎng)了30%。

表面上看，這是一個(gè)樂(lè)觀的信號(hào)，訂單量增長(zhǎng)說(shuō)明市場(chǎng)需求仍然旺盛，但訂單的碎片化趨勢(shì)正在重塑行業(yè)——過(guò)去，一個(gè)翻譯訂單可能價(jià)值不菲，現(xiàn)在訂單金額卻越來(lái)越小，“因?yàn)榭蛻?hù)自己能‘看懂’了”。

機(jī)器翻譯的普及使得語(yǔ)言不再是障礙，提供智能語(yǔ)言服務(wù)也不再是一項(xiàng)“從頭到尾”的工作，而成為一種“修訂和優(yōu)化”的服務(wù)?？蛻?hù)的需求變得更加精準(zhǔn)。同時(shí)，客戶(hù)對(duì)人工翻譯的付費(fèi)意愿也在下降。既然機(jī)器能做到95%的準(zhǔn)確率，為什么還要收這么多錢(qián)？

然而，何恩培認(rèn)為，知識(shí)型產(chǎn)品具有一個(gè)顯著特征，即使機(jī)器翻譯的準(zhǔn)確率高達(dá)95%，但只要還需要人工從頭至尾審閱，以識(shí)別那5%的誤差，處理速度就會(huì)回落至人工水平。

人與機(jī)器的博弈最終帶來(lái)了企業(yè)間的博弈。客戶(hù)普遍認(rèn)為，機(jī)器進(jìn)行初步翻譯，僅需稍作修改即可，進(jìn)而付費(fèi)意愿降低；而為了獲客，智能語(yǔ)言服務(wù)企業(yè)選擇壓低價(jià)格，而成本端唯一的對(duì)沖方式，是不得不在部分場(chǎng)景中使用機(jī)器翻譯；機(jī)器不可避免地?fù)屪吡艘徊糠质袌?chǎng)，而人類(lèi)譯員的工作量減少，但單價(jià)也隨之下滑。

博弈中，傳神語(yǔ)聯(lián)選擇“后撤一步”。何恩培解釋?zhuān)^(guò)去，智能語(yǔ)言服務(wù)公司直接服務(wù)于終端客戶(hù)，但未來(lái)，傳神要做的是“賦能”，讓合作伙伴，比如翻譯公司、中介機(jī)構(gòu)，去覆蓋直接的語(yǔ)言需求，而傳神為他們提供底層技術(shù)和工具。

這一策略背后的核心邏輯是智能語(yǔ)言服務(wù)行業(yè)，正在從“單純的語(yǔ)言轉(zhuǎn)換”轉(zhuǎn)向“知識(shí)理解與應(yīng)用”。“傳統(tǒng)翻譯的總量并沒(méi)有減少，而是產(chǎn)品形態(tài)發(fā)生了變化。”何恩培說(shuō)，“客戶(hù)需要的，不再是簡(jiǎn)單的文本轉(zhuǎn)換，而是一整套基于大模型的知識(shí)處理能力。”

數(shù)據(jù)不是越多越好：質(zhì)量決定價(jià)值

出海，早已成為各家科技企業(yè)繞不開(kāi)的話題。何恩培認(rèn)為，對(duì)于中國(guó)企業(yè)而言，AI出海的真正挑戰(zhàn)不僅是語(yǔ)言問(wèn)題，而是幫助企業(yè)在新的市場(chǎng)環(huán)境中實(shí)現(xiàn)知識(shí)遷移和業(yè)務(wù)落地。

“他們關(guān)心的是能不能聽(tīng)‘懂’。”何恩培認(rèn)為，理想的場(chǎng)景是，大模型成為一個(gè)知識(shí)轉(zhuǎn)換與傳遞的工具，但現(xiàn)實(shí)總比理想復(fù)雜。今天的大模型在語(yǔ)言覆蓋上仍存在很大局限，尤其是對(duì)于非英語(yǔ)市場(chǎng)，數(shù)據(jù)的訓(xùn)練深度和準(zhǔn)確性仍不足以支撐高質(zhì)量的業(yè)務(wù)應(yīng)用。“每家企業(yè)的現(xiàn)有數(shù)據(jù)都很重要，因?yàn)槠髽I(yè)是依據(jù)自身特色出海。”

企業(yè)高質(zhì)量數(shù)據(jù)的稀缺，導(dǎo)致大模型在解決客戶(hù)的深度問(wèn)題上還沒(méi)有呈現(xiàn)出絕對(duì)優(yōu)勢(shì)。“我認(rèn)為（當(dāng)下）距離大模型真正解決客戶(hù)問(wèn)題還有一段路要走。”何恩培表示。

“過(guò)去企業(yè)把記錄和數(shù)據(jù)混在一起，他們認(rèn)為工單、硬盤(pán)（上的內(nèi)容）也是數(shù)據(jù)，但這只能叫記錄和資料。”他指出，數(shù)據(jù)的價(jià)值并不在于存量，而在于其系統(tǒng)化以及可被機(jī)器學(xué)習(xí)和推理的程度。

在人工智能發(fā)展初期，行業(yè)普遍追求“大數(shù)據(jù)”——投入數(shù)量龐大的數(shù)據(jù)進(jìn)行訓(xùn)練，以換取更強(qiáng)大的模型能力。然而，當(dāng)大模型逐漸成為基礎(chǔ)設(shè)施時(shí)，數(shù)據(jù)的“質(zhì)量”將比“數(shù)量”更重要。

在何恩培看來(lái)，數(shù)據(jù)、參數(shù)和算法并非孤立存在，而是一種動(dòng)態(tài)平衡關(guān)系；數(shù)據(jù)和參數(shù)規(guī)模在一定范圍內(nèi)能帶來(lái)性能增長(zhǎng)，但算法創(chuàng)新才是突破“天花板”的關(guān)鍵。

早期開(kāi)發(fā)翻譯軟件時(shí)，何恩培已經(jīng)體會(huì)到數(shù)據(jù)和規(guī)則規(guī)模的邊際效應(yīng)。“當(dāng)我們?cè)O(shè)定了1.5萬(wàn)條翻譯規(guī)則時(shí)，效果非常好。但當(dāng)規(guī)則規(guī)模擴(kuò)展到2萬(wàn)條（時(shí)），（效果）反而變差了。”原因很簡(jiǎn)單，數(shù)據(jù)之間、規(guī)則之間存在沖突，統(tǒng)計(jì)概率的關(guān)系也可能產(chǎn)生矛盾——換句話說(shuō)，數(shù)據(jù)或參數(shù)在某個(gè)階段的增加確實(shí)能帶來(lái)提升，但當(dāng)增長(zhǎng)到一定程度，如果算法不突破，模型的質(zhì)量反而會(huì)下降。

數(shù)據(jù)問(wèn)題是傳神語(yǔ)聯(lián)提出“數(shù)推分離”架構(gòu)的核心原因。何恩培回憶，最早在2021年，傳神語(yǔ)聯(lián)為法律行業(yè)開(kāi)發(fā)了一套AI系統(tǒng)，能夠?qū)W習(xí)過(guò)去十年的法律案例。然而客戶(hù)很快提出了一個(gè)關(guān)鍵問(wèn)題：新產(chǎn)生的數(shù)據(jù)怎么辦，還要重新訓(xùn)練一次嗎？

這促使他們開(kāi)始思考：如果數(shù)據(jù)和推理能夠分離，AI系統(tǒng)就可以在不依賴(lài)大規(guī)模訓(xùn)練的情況下，實(shí)現(xiàn)自我學(xué)習(xí)和進(jìn)化。“我們不需要把所有數(shù)據(jù)壓縮到神經(jīng)網(wǎng)絡(luò)里，而是讓推理大腦保持輕量化，同時(shí)支持實(shí)時(shí)學(xué)習(xí)。”何恩培解釋道，這種架構(gòu)不僅降低了模型的計(jì)算成本，還提高了適應(yīng)性，使其能夠在動(dòng)態(tài)環(huán)境中不斷優(yōu)化自身。

DeepSeek熱潮后，知名投資人朱嘯虎曾提出，以后給數(shù)據(jù)打標(biāo)簽的（工作）都需要博士生來(lái)做。何恩培認(rèn)同這個(gè)觀點(diǎn)：“我們現(xiàn)在在處理數(shù)據(jù)時(shí)，很多時(shí)候已經(jīng)是博士生在做了。”在當(dāng)下的人工智能熱潮中，數(shù)據(jù)的價(jià)值并不取決于它的數(shù)量，而取決于質(zhì)量，以及隱藏在其中的知識(shí)密度。

他舉例，如果一名律師在過(guò)去十年處理過(guò)500個(gè)案件，他的大腦中就沉淀了豐富的專(zhuān)業(yè)經(jīng)驗(yàn)。當(dāng)有人請(qǐng)教他相關(guān)的問(wèn)題時(shí)，他不需要拿出所有的案卷逐條翻閱，而是可以直接給出綜合判斷和方法論，這位律師的大腦就是一個(gè)“行業(yè)大模型”，其價(jià)值在于知識(shí)的提煉，而不是原始數(shù)據(jù)的堆積。

何恩培認(rèn)為，AI的未來(lái)，也將走向這樣的方向。企業(yè)往往不愿意分享自己的高價(jià)值數(shù)據(jù)，因?yàn)閿?shù)據(jù)往往涉及核心業(yè)務(wù)和商業(yè)秘密，但這并不意味著數(shù)據(jù)無(wú)法轉(zhuǎn)化為價(jià)值：“數(shù)據(jù)可以不外流，但由數(shù)據(jù)訓(xùn)練出的智能是可以共享的。”

談定局為時(shí)尚早：大模型還遠(yuǎn)未成熟

“回看我們的成長(zhǎng)路徑，從最早的2.1B模型，到現(xiàn)在的9B，我們從未在參數(shù)規(guī)模上盲目堆砌，也從未在算力上無(wú)止境投入。”何恩培表示，這并不是因?yàn)橘Y源不足，而是因?yàn)楣臼冀K認(rèn)為，這是一條更有效的技術(shù)路線。

在他的觀點(diǎn)中，衡量大模型價(jià)值的核心指標(biāo)并非參數(shù)規(guī)模，而是能否真正解決客戶(hù)的問(wèn)題。這種路徑在行業(yè)內(nèi)也帶來(lái)了一定的認(rèn)知挑戰(zhàn)，銷(xiāo)售和前端團(tuán)隊(duì)有時(shí)會(huì)遇到客戶(hù)的疑問(wèn)：模型參數(shù)還不到100億，算得上是大模型嗎？“但當(dāng)客戶(hù)真正使用后，他們就會(huì)明白，關(guān)鍵不在參數(shù)，而在效果。”

在當(dāng)下的科技語(yǔ)境中，“國(guó)產(chǎn)”“根技術(shù)”“0到1”已然成為熱詞，但在何恩培眼中，這些概念的邊界遠(yuǎn)比市場(chǎng)討論的更加復(fù)雜。

何恩培認(rèn)為，根技術(shù)是產(chǎn)品和應(yīng)用最基礎(chǔ)的底層能力，它可以是自己研發(fā)的，也可以是基于開(kāi)源的，甚至是通過(guò)授權(quán)獲得的。但無(wú)論如何，“我們掌握了這項(xiàng)技術(shù)，這項(xiàng)技術(shù)也屬于根技術(shù)，掌握了根技術(shù)，至少代表我們自己有了一定的主動(dòng)性”。而“（從）0到1的技術(shù)”則等于是某項(xiàng)應(yīng)用發(fā)明，它既可以在應(yīng)用層，也可以在根層。

在他看來(lái)，AI的未來(lái)競(jìng)爭(zhēng)，不僅僅是參數(shù)規(guī)模的競(jìng)賽，而是底層技術(shù)框架的競(jìng)爭(zhēng)，未來(lái)人工智能會(huì)衍生出無(wú)數(shù)的行業(yè)專(zhuān)用模型，而這些模型的底層架構(gòu)將決定它們的智能邊界。

“根原創(chuàng)”是何恩培提出的概念，他認(rèn)為這是根技術(shù)當(dāng)中最有生命力的一部分，“你只有在‘根’上創(chuàng)新，才能真正擁有自己的技術(shù)思想。”何恩培強(qiáng)調(diào)，技術(shù)體系是帶有思想性的，如果所有的技術(shù)來(lái)源都依賴(lài)于外部的開(kāi)源框架，就很難擺脫既有框架的思想束縛。而當(dāng)企業(yè)在根技術(shù)層面擁有自主權(quán)時(shí)，它不僅能擺脫對(duì)外部技術(shù)的依賴(lài)，還能決定自身技術(shù)演進(jìn)的方向，這才是最有創(chuàng)新價(jià)值的部分。

在商業(yè)層面，大模型競(jìng)賽邁入第三年，關(guān)于大模型的商業(yè)模式、技術(shù)最終是不是應(yīng)該是免費(fèi)的，在行業(yè)內(nèi)越來(lái)越被關(guān)注。過(guò)去，許多科技公司的商業(yè)模式都是先“燒錢(qián)做免費(fèi)”，再通過(guò)其他方式盈利。例如，搜索引擎免費(fèi)，但靠廣告賺錢(qián)；手游免費(fèi)，但靠道具收費(fèi)。

然而，大模型的情況似乎更為復(fù)雜。何恩培的核心觀點(diǎn)是：To B（企業(yè)級(jí)）市場(chǎng)的AI服務(wù)，不可能是免費(fèi)的。“企業(yè)使用AI的核心目的是解決業(yè)務(wù)問(wèn)題，而解決問(wèn)題就一定會(huì)有成本。”他說(shuō)，“只是說(shuō)在競(jìng)爭(zhēng)中把成本降到最低，一定不會(huì)免費(fèi)。因?yàn)椋ㄒ坏┟赓M(fèi)，它就缺乏了這項(xiàng)技術(shù)持續(xù)運(yùn)轉(zhuǎn)的能力，這由技術(shù)的稀缺性和商業(yè)模式共同決定。”

何恩培認(rèn)為，今天的大模型遠(yuǎn)遠(yuǎn)沒(méi)有成熟，市場(chǎng)格局還未定型，現(xiàn)在討論最終格局為時(shí)尚早。

當(dāng)前更像是1920年的電氣時(shí)代，電力技術(shù)已經(jīng)成熟，但沒(méi)人能想到后面還有那么多家電、設(shè)備會(huì)被發(fā)明出來(lái)。一方面，今天的大模型很多問(wèn)題尚未解決，不可能像一個(gè)成熟產(chǎn)品一樣占領(lǐng)所有領(lǐng)域；另一方面，當(dāng)前市場(chǎng)競(jìng)爭(zhēng)依舊集中在通用大模型方面，但垂直場(chǎng)景中的模型尚未爆發(fā)。“也許未來(lái)可能有一萬(wàn)個(gè)AlphaFold在不同行業(yè)，這才（會(huì)）形成大模型的完整生態(tài)。”何恩培說(shuō)。