对话陈龙：人工智能技术惊人进步背后却是颠覆式商业创新的匮乏

“人工智能技术正在取得惊人的进步，但是其技术发展的路径以及局限性在哪里？到底会在多大程度上影响经济？以及给商业带来的是范式还是效率的改变？存在很多重要、答案却不清晰，需要认真讨论的问题。”

7月4-5日，在2024年罗汉堂数字经济年会上，罗汉堂秘书长陈龙在开场时开宗明义。被视作第四次工业革命的人工智能，在短短两年时间内的迅猛发展，让各界都见证到其影响力。2024年罗汉堂数字经济年会，围绕人工智能对经济社会发展的影响及趋势展开，包括诺贝尔经济学奖获得者在内的50余名海内外学者、政策研究者、科技领军人物和企业家参与了演讲和讨论。

这也是罗汉堂数字年会第四次举办。作为罗汉堂的秘书长，陈龙原为长江商学院金融学教授、长江商学院副院长。他是加拿大多伦多大学金融学博士，曾经在美国任教多年，在美国华盛顿大学(WashingtonUniversityinSt.Louis)奥林商学院获得终身教职（tenure）的荣誉。

他在学术上长期从事股票和债券市场的资产定价、回报预测、和价格波动的研究；大量研究成果发表在世界顶级的金融学杂志上；是所有顶级金融杂志的审稿人和多家金融杂志的编委。他长期教授股票和债券投资课程，同时对互联网金融也有较深研究。

2014年，陈龙加入蚂蚁集团，担任战略部负责人。随后陈龙任阿里巴巴可持续发展管理委员会主席，主持阿里巴巴的可持续发展（ESG）工作，并负责阿里巴巴的未来战略研究。

2018年，阿里巴巴倡议发起开放型研究机构——罗汉堂，构建起一个包括多位诺奖经济学家在内的全球性社会科学研究社区，“它是一个尝试把理论和实践结合、打破学校边界的一个社会科学社区。”

在2024年罗汉堂数字经济年会期间，《经济大学说》围绕人工智能话题对话陈龙。

以下为对话全文：

《经济大学说》：

你本人是如何看待AI以及如何实践的？伴随着ChatGPT诞生，一年半以来AGI的迅速发展，在应用层面有哪些是你觉得比较惊喜的，在国内有哪些落地比较好的场景？

陈龙：

我觉得如果大家观察的话，现在AI有一个非常有趣的现象就是，技术惊人的进步和颠覆式的AI商业创新的匮乏，所以我特别想强调的是，当我们在理解科技商业的时候，要从商业的视角理解科技，而不是从科技的视角理解商业，这是非常不一样的，否则你就完全没有办法理解我刚才说的那句话。

罗汉堂这个品牌从刚开始建立的时候，就是尝试弥合世界洞见和学术思想之间的鸿沟，我们经常讲一句话“喜欢思考的人往往没有落地的价值”，往往实践者没有时间和训练去做很好的思考，这是一个巨大的距离。当年我们就有这么一个理想，弥合之间的鸿沟。

回到AI，现在很多讲AI都是从科技视角去讲AI，还是相对缺乏经济和商业的视角，倒过来看非常不一样。我们经常讲颠覆，举一个例子，比如美国去年财富500强的企业，有56%是二战以前诞生的，这些企业经历了很多科技和经济周期的冲击，我想讲的颠覆是有边界的，AI从商业和经济的角度应该问的是技术本质是什么？AI技术的商业本质是什么？技术和商业的结合又会发生什么？影响的边界是什么？影响的环节是什么？这样理解的话可能更有意义。现在这样的讨论太少了，大部分讲AI的人都是AI的兴奋者，他们兴致勃勃，但这样的例子很多，我们之前有很多的教训，比如说元宇宙、区块链，不是说这些没有未来，而是说我们得理解未来的本质以及它发生的节奏、它影响的范围、它的边界。

AI发展的同时需要大量数据，同时也产生了大量数据，如何利用好这些数据，背后有哪些机会？

在这一波AI革命以前，我们就一直在强调数据的力量。信息革命就是关于数据的革命，这个已经有很长一段时间了。但这次不同的是，AI会大大提高数据的处理效率，在这个背景下一个非常重要的方向是，我们要懂得AI跟以往是不一样的，大模型其实是一个神经网络，它其实是有记忆的，也就是说它学到一个东西以后可能就不需要那个数据了，这个跟以往非常不一样。在这个时代我们发现产业数据和knowhow是非常重要的，是企业的资产。在AI非常聪明、会学习数据、会记忆数据的这样一个神经网络大模型时代诞生的时候，对话陈龙：人工智能技术惊人进步背后却是颠覆式商业创新的匮乏如何保护数据的隐私和数据资产，以及如何跟AI结合得更好？我们经常讲一个词“智能”，智能有三个重要的概念：

1、数据

2、大模型

3、场景

这三个东西企业不会三者皆有，如何利用好他们之间的结合，把数据用好，而且在一个场景里面能够发生价值，优化大模型，这个如何结合是非常重要的。同时要保护好产业数据和knowhow，沉淀数据资产，这是很重要的。在过去几年中，在数据的治理、隐私保护、法规、行业实践上都取得了很大的进展，在这个基础上，在新一轮AI革命的前提下，数据驱动的商业我相信会有很大的发展。所以如何用好它、保护好它，这就非常重要。

AI是如何重塑数字经济的？

在过去20几年中，我们一直在用不同的词总结信息革命对我们的影响，更早是叫“信息革命”，后面讲“互联网”，后来是“移动互联网”，后来又讲“数字化”、“大数据”，现在又讲“AI商业”。如果让我来讲，整个数字革命对于经济和商业的影响主要是两个字：联、智。“联”就是互联网连接，“智”就是智能，他们后面藏着的都是数据，因为信息会带来“联”也会带来“智”。

我们看一下信息革命以来，最重要的新物种的诞生实际上是在互联网和移动互联以后才实现的，更早的时候我们会有计算机、IBM、Apple、微软这些硬件和软件的公司，但是大量新物种的出现是在连接时代产生的。

所以我想强调的是两个概念：

1、不是所有的科技革命对于商业和经济的影响都是一样的，有些是范式革命，有些是工具效率极大能力的提升。

2、“智”是不能替代“联”的，而且“智”可能会放大“联”的能力，但后面其实都是数据。

我相信数据的商业会有巨大的发展，他们其实是一体的，如果说整个数字革命给人类带来什么改变，我认为一个是连接的改变，一个是智能的改变，他们都是需要靠数据去支持的。

如此耗资巨大的科技革命与当下经济周期如何匹配？目前还是大型科技公司在出资、出人，像高校和研究机构应该如何参与其中？

从企业角度看现在不同营商环境带来的机会和挑战，现在AI革命的冲击其实和现有的经济周期是在一起的，换个角度来说，AI并不是最重要的需要耗费算力和投资的，只有一开始的大模型训练（费钱），但是后面推理使用，不需要很多的钱。

去年算是科技公司的AI年，今年是产业大模型落地年，明年可能会有更多消费侧、个人侧的AI应用崛起，这都是有节奏的。据我所知，现在大部分的落地应用都不会耗费太多的钱。我知道现在很多用大模型落地到产业其实不亏钱、不烧钱，很快就可以看到效果，这是非常普遍的。这是第一个，它跟烧钱没有那么大的关系。但是做最好的大模型训练的，那些确实需要烧钱，我觉得是两场战争。

第二个事情，我想鼓励一下企业，现在80%的产业利润、收益还是被芯片公司和云计算公司拿掉了，大模型公司得到的收益很少，还在普及阶段。我认为十年之内，大部分的收益会被产业应用拿到、被用户拿到。所以寻找AI落地，把它作为商业要素在自己的产业和场景里面找到价值，这是未来的必然之道，但这个不见得要烧很多钱，其实大有可为。

其实能够真正做大模型的企业很少，但我认为很多大模型企业，本质上是大模型应用企业，他们会找到一些产业，跟产业数据和knowhow结合起来，找到他们的价值，所以他们也会有出路。

我觉得大家不要被头部的大模型竞赛吸引，何况他们也是有限的，只不过头部的竞争比较抢眼球而已。