科大讯飞刘聪：AI应用落地的关键是深入场景

AI应用要能够创造商业价值，核心在于对落地场景的深入理解。模型大小的选择也应根据实际应用场景和任务需求来决定。

“AI大模型应用落地的第一核心是深入理解场景，用场景需求牵引着技术的发展。”7月29日，科大讯飞副总裁、研究院院长刘聪在媒体沟通会上对外表示，中国拥有独特的应用场景优势，庞大的人口基数为行业产品提供了丰富的数据和多样化的应用场景，AI应用要能够创造商业价值，核心在于对落地场景的深入理解。对于目前热议的小模型潮流，刘聪认为，模型大小的选择也应根据实际应用场景和任务需求来决定。

?

大模型落地依赖对场景需求的认知

2024年，大模型赛道竞争更加激烈，刘聪表示，科大讯飞更关注大模型能否真正实际应用到系统中，为用户提供可衡量的价值和效果，在这个过程中对场景的认知起到关键作用。

刘聪以科大讯飞发布的首款星火智能批阅机为例，“没有大模型时，我们也做批改，有了大模型之后，现在批改比过往厉害了很多。”他表示，该款智能批阅机目前基于星火大模型V4.0的底座能力研发，可以在对多学科、多题型作业进行智能批改，即时生成报告，以便老师在作业讲评时进行分层辅导。

刘聪认为，这款产品之所以能迅速被市场接受，背后离不开对行业的深入理解和技术积累。科大讯飞早在十年前便提出了全学科自动阅卷的概念，通过长期的技术积累，才能够快速将大模型技术应用在产品中，并实现产品性能的快速迭代。

正是基于对场景的深入认知，科大讯飞在执行大模型“1+N”路线时也会因地制宜。“1+N”的“1”指通用的认知智能大模型，“N”就是大模型在各个领域的落地，包括教育、办公、汽车、人机交互以及医疗等。刘聪坦言，经过实践，他们发现之前设定的“1+N”的逻辑存在冗余问题，今年，他们对“1”和“N”的划分进行了调整，“N”在落地场景中，有部分场景下的常用能力可以整合到核心业务里，不再作为独立业务存在，减少重复开发的工作。

让场景和实际任务需求来决定模型选择

大模型进入下半场，从技术到应用，市场对于更易本地部署的高效率、低成本模型越来越感兴趣。今年暑期，AI巨头们也密集发布小模型，既比性能，还拼价格。

7月19日，OpenAI发布GPT-4o mini，号称是“OpenAI最智能和最实惠的小模型”，无独有偶，苹果也发布了DCLM小模型，并且发布即开源。有观点指出，这些模型参数小、占内存少，在特定场景中，经过精调后使用效果可以媲美大模型，成为性价比之选。

在刘聪看来，大模型与小模型的选择，其实根据复杂任务规划需求而定。对于部分高难度任务包括复杂的推理任务，比如数学推理等这类任务往往需要大规模模型的支持，因为它们涉及多步骤推理和跨领域信息整合。对于简单的任务，比如特定行业的翻译或文本处理，甚至编写代码这类专业性工作，中小规模的模型可能就足够了。特别是在需要快速响应的场景下，如在个人电脑上使用，通常不需要依赖云端处理。

“不过，小模型的不断进步需要依赖大模型的发展。”刘聪指出，无论是大模型还是小模型，最重要的是根据实际应用场景和任务需求来决定，而不是简单地追求模型的大小或复杂度。

刘聪表示，国内拥有独特的应用场景优势，庞大的人口基数为行业产品提供了丰富的数据和多样化的应用场景，这在某种程度上是优势。尽管在通用大模型的用户活跃度上可能不及国外，但在行业应用方面，中国拥有丰富的场景和数据，这反而成为机会。