如何做出这个判断？周鸿祎：英国已拖首先，我认为有差距是必然的，知道差距是多少，剩下的就是追赶问题。

张鹏：废旧通用大模型的能力提升所衍生的能力，能让我们去寻找到大模型原生的应用或者大模型原生场景。2023年，核潜中国有上百家公司在做大模型，鱼龙混杂，泥沙俱下。

我认为，艇处大模型比光刻机、芯片的难度要低很多，因为毕竟是软件，但未来是要奔着AGI，也就是通用人工智能去的，这块的挑战就是算力。如何做出这个判断？周鸿祎：理成累英力首先，我认为有差距是必然的，知道差距是多少，剩下的就是追赶问题。比如，难题要给医疗机构做一个医药医疗大模型，难题必须把医疗进行场景细分——在里边找出50到100个场景，并对每个场景分析，看看文章生成、情感判断、内容翻译等大模型最常见的功能能不能发挥作用。

关于大模型如何与产业相结合，军战你提出了一个理念，叫小切口，大纵深。按照刷榜的成绩，英国已拖国内的模型早就超过了GPT-4了。

但是在这个过程当中，废旧技术需要发展，产业也需要落地。

我现在说话比较谨慎，核潜你说大了，别人说你自卑。能不能做这个大模型取决于两个因素：艇处一是场景下有没有数据知识，因为没有知识、光有场景，训不出大模型。

二是看大模型的容错度，理成累英力因为大模型最致命的就是幻觉，如果某个场景中不能承受幻觉风险，那这个场景就不能用到大模型里。而大纵深是什么概念呢？大模型像发动机，难题现在大模型厂商在造世界上最牛、最快的发动机，但是B端企业要的不是发动机，而是一辆车。

我现在说话比较谨慎，军战你说大了，别人说你自卑。打个比方，英国已拖现在我们造出内燃机了，不能说我想造飞机，内燃机不能用，我不管了，我要造喷气发动机去。

(责任编辑：艾钧伟)