“人工智能已经迈入了AGI时代，大模型技术的突飞猛进，使业界也在关注大模型如何让数字化转型效果发挥更好，此时，基础设施以及产业生态建设就会变成非常大的门槛，AGI会在IT行业中掀起一场生态上的变革，重构几乎所有的软件应用。”腾讯云副总裁陈平说。

11月15日，在腾讯云向量数据库技术及产业峰会上，腾讯云全面升级向量数据库多项核心性能，最高支持千亿级向量规模和500万QPS峰值能力，同时和信通院一起联合50多家企业共同发布了国内首个向量数据库标准，推进向量数据库及大模型相关产业走向大规模应用。

陈平表示，AGI将带来两大主要挑战，首先是重构整体生态，AI给各行业带来了新的机遇，包括IT等传统行业都需要快速调整和升级现有的生态体系，以适应技术的快速进步。

其次是新型技术集成上，因为数据量激增，对传统基础设施处理数据的能力带来了非常大的压力，也就需要有更高效的数据库，更高效的存储和处理能力，向量数据库正是AGI时代大模型的“最佳拍档”。

“数据、算力、模型和应用4个层次的产业生态，需要互相配合。”陈平说，数据层方面，数据是AI的基石，企业需要采集、存储和处理数据，向量数据方式的应用会大大加速AI进程，更易于分析和理解数据，也更易于模型处理。

算力层方面，腾讯会与更多合作伙伴合作，从软硬件一起，满足不同场景下的计算需求，部署包含多种AI芯片的硬件设施，提供有弹性、稳定的计算服务，和芯片制造厂商合作，优化硬件性能，实际上腾讯也投资了AI芯片的生产、设计厂商，也投资了大模型厂商、应用厂商。

模型层方面，腾讯会把数据和算力相结合，关注AI技术的前沿发展，引入或者自主研发高性能AI模型。陈平说，截至今年10月，国内已经发布了约130个大模型，这非常非常多，未来可能会慢慢集中到几个大模型身上去。

“那么，大模型在模型层上怎么和应用结合好，也不光是看你拥有的算力，模型做得好坏，极为重要的一环就是和生态之间的合作是不是能做得足够好。”陈平说。

应用层方面，真正在生产生活中，AI原生应用做得很好的，还相当少，可能会在写文章时用大模型，或者如特斯拉，大模型已经作用于自动驾驶的感知和预测环节，但这还不是真正投入到实际生产、真实世界中应用。陈平说，事实上，大模型要发挥价值是在生产生活中真正应用。

面向AGI时代的挑战，陈平说，腾讯会积极面对，做好技术升级、跨界合作、人才培育和政策适应等工作，通过打造数据、算力、模型和应用等四个层面的产业生态，进而实现深度融合、资源共享，创造更多价值。

陈平还介绍，腾讯云向量数据库产品其实早在2018年就已经在开始基于自身业务需求在推动，经历了多年打磨和实践，已经投入到实际生产中来，在这个探索过程中，也联合了腾讯自身标准化团队，成为国内首个通过信通院产品标准测试的向量数据库厂商。

“向量数据库是AGI时代的数据枢纽，可以让大模型能充分理解企业业务，更好为企业来服务。因此，数据枢纽的产业生态圈建设尤为重要。”陈平说，腾讯愿意积极参与相关标准制定，并通过搭建AGI的技术生态联盟，和上下游伙伴一道加强产业合作，打造更多行业解决方案，加速大模型落地。

为了加速向量数据库在企业的大规模应用，腾讯云推出了国内“首个”端到端的向量数据库解决方案，通过文本智能化分割、选择向量化模型、帮助客户建立索引，再经智能化排序实现端到端的数据接入体验。将端到端召回率提高30%，缩短数据接入AI的时间。

数据显示，目前腾讯云向量数据库已经累积服务了腾讯内部40多个业务，日请求量达1600亿次，服务了包括博世、销售易、搜狐、好未来、链家等在内的超过1000家外部客户。

【圆桌】

“离价值最近的大模型将率先赚到钱”

发布会后，多位专家还就大模型现状与未来发展展开圆桌讨论。首先讨论的问题是大模型与数据库协同发展的话题。

销售易产品副总裁王超辉表示，大模型和向量数据库是共存的，不能取代。比如说，没有人是靠死记硬背提升智力，但好记性不如烂笔头，就算有再高的智商，家里都需要一个书柜、需要有图书馆。图书馆就代表着数据库。

腾讯云数据库副总经理兼向量数据库负责人罗云发言说，人类社会走向AGI的时代其实是逐步演进的，是通过数字化的方式模拟人类的世界达到AGI。大模型解决的是计算问题，而向量数据库解决的是人类数据的存储问题。

投入AI大模型的产业，哪一方可能率先能赚到钱？到底是做大模型平台的，还是做垂直应用的，多位专家也就此展开讨论。

真知创投副总裁陈超说，谁先赚到钱这个问题，英伟达现在已经是赚得盆满钵满，To C的行业也有OpenAI GPT为代表的也赚了不少钱，虽然可能目前还没有盈亏平衡，但未来则是会突破。

“从行业规律来看，回到100年前电力革命时代，也是从底层架构重构开始，确定了交流电、直流电应用的不同场景和应用不同的范围，才能在上面打造不同的应用，比如家用电器等等。”陈超说，基于交流电的底层架构，应用蓬勃兴起；同样的，人工智能革命也是由基础架构级的突破先行，包括底层的算力微架构、芯片之间的互联、上层的数据库等等，大模型达到多模态能力后，才能在这之上做不同应用，先有基础架构级的变革，再有应用变革。

AMD公司大中华区企业及商用事业部产品与技术负责人刘文卓也表示，早在十几二十年前，人工智能的神经网络研究就已经出来了，但AI到现在才热闹起来，一个大原因是算力到了比较便宜的程度，如果问一个问题，半小时才回答，这是不可想象的。尽管现在算力还面临GPU偏贵的痛点，但根据摩尔定律，未来算力会更加便宜。

“从C端来说，离用户最近的应该是第一波能赚钱的；从B端来说，离价值最近的是第一波能赚到钱的。”百川商业产研总经理李剑说，离用户最近，即确实可以帮助用户解决实际中的问题；离价值最近，可能现在有很多企业在观望状态或者在试用阶段，在尝试能带来怎样的帮助，能给企业带来实际收入，带来更好的营销效果，他肯定愿意买单的，如果你能证明帮他节约人力成本，这也能创造价值，也一定能够买单。

南方+记者  郜小平