2024年10月19日,第二季NUS新全球企业家硅谷论坛在世界创新中心硅谷隆重举办,来自全球的顶尖企业家、投资人、学者和行业专家齐聚一堂。此次论坛聚焦全球商业趋势,特别是AI技术的商业应用、全球投资的新机遇,以及亚裔创业者在硅谷及全球范围内的成长之路,吸引了广泛的关注与热烈讨论。
论坛通过一系列高水准的演讲、Panel对话和交流讨论,搭建了一个前瞻性思维碰撞的舞台。嘉宾们围绕人工智能、大数据、跨境投资、技术创新等核心议题,深入探讨了在全球经济快速变革的背景下,各行业如何应对挑战并抓住机遇。与会者不仅听到了来自不同行业领袖的洞见,也有机会与投资人、创业者面对面交流,讨论如何将前沿技术落地并推动商业变革。
论坛亮点包括三场重量级Panel讨论:
🔹 AI大周期下的全球产业变革:AI商业应用
🔹 硅谷洞见:从历史经验和趋势中寻找商业投资新机遇
🔹 打破天花板:亚裔创业者在硅谷的成长之路
嘉宾们的深度见解不仅让与会者获益匪浅,还为未来全球经济的发展指引了新的方向。通过这样的交流与对话,论坛为全球企业家们搭建了一个交流合作的桥梁,也为未来商业与技术的结合提供了更多的思考和启示。
在本次硅谷新全球企业家论坛的Panel1,中文EMBA第32班校友张英 (Founder, GBIZAI) 主持了“AI大周期下的全球产业变革:AI商业应用”专题讨论,与嘉宾们共同交流了AI技术如何为商业应用赋能,帮助人们更好地理解AI技术在商业中的应用潜力。
AI赋能未来商业与创意产业
从医疗到娱乐的无限可能
张英
AI技术在过去两年内已成为备受关注的话题,无论是在内容创作、医疗、教育、金融还是娱乐领域,AI的应用都取得了令人瞩目的成果。
请结合自身领域的经验,分享一些关于AI在商业场景中的实际应用案例,并探讨AI如何为企业带来新的机遇和赋能。
Edward Zou
当前,AI发展迅速,Oracle将AI解决方案划分为四个层次:基础设施层、数据层、应用层和服务层。
通过与NVIDIA的深度合作,Oracle支持大规模GPU集群,确保AI项目的高效运行。数据层确保丰富的数据支持AI训练,应用层则通过AI实现流程自动化和预测分析,优化企业管理。服务层通过提供视觉、语音等AI服务,帮助企业全面提升智能化水平。
张英
各位企业家来自不同领域,包括医疗、教育和金融行业。Oracle在To B市场中有哪些成功的AI应用案例能够为这些企业提供借鉴?尤其是在这些行业中,Oracle是否已经通过一些实际应用,展示了如何利用AI技术提升业务效率和创新能力?
Edward Zou
目前我们的讨论集中在生成式AI的应用,特别是在Oracle与英伟达等合作伙伴的共同努力下,Oracle在AI生态系统中进行了深度布局。
以下是一些实际的应用案例:
电影后期制作
Oracle与一家影视公司合作,利用Oracle的向量数据库 (Vector DB) 处理大量视频素材。通过相似度搜索,制作团队可以轻松找到相关素材,极大提升了视频编辑和管理的效率。
文本生成和数据管理
Oracle的生成式AI技术帮助企业处理内部数据,而不是仅依赖互联网公开数据。这种应用已经在医疗行业显现出效果,例如,Oracle通过Cerner优化了医疗数据管理系统,使得医生能够自动调取病人的相关数据,大大减少了手动操作的时间和错误。
医疗助手的应用
Oracle开发的AI医疗助手可以记录医生与病人的对话,自动生成就诊总结,医生只需核对,极大地提升了医生的工作效率,并让他们有更多时间与病人互动。
通过这些应用,Oracle正在为不同领域的客户提供智能化解决方案,提升运营效率,推动创新。
张英
在探讨AI在医疗行业的应用之后,我们想重点关注娱乐行业,特别是在影视、音乐和游戏等领域的AI应用。
前几天,我们参观了王戈老师的工作室,深入了解了AI在视频和音乐制作中的应用现状。这些技术已被广泛用于娱乐内容的生成和编辑,例如游戏开发、视频制作和音乐创作等。
请谈谈对AI在娱乐行业未来发展前景的看法。具体来说,AI如何赋能这一领域?现阶段有哪些商业机会?未来的潜力又在哪里?
刘岩
在过去的六个月里,AI在音乐生成领域取得了显著进展,我的项目也随之经历了不少变化。目前,AI每天可生成约50万首歌曲,远超市场需求。然而,尽管数量庞大,质量却未达到预期。这是因为AI模型通常依赖现有音乐模板进行模仿,而非自主创作。
多个团队已在AI音乐生成领域投入了大量资源,但技术仍面临挑战。同样,AI在视频和影视制作中也存在类似问题,创新性有限,依赖模板生成。
尽管如此,AI技术的潜力不可忽视,未来在娱乐行业的应用仍值得期待。但在创意领域,我们应保持现实的期待。
AI赋能未来
探索技术如何颠覆商业与创意产业
张英
当前的视频生成技术虽然一开始只是生成简单的视频内容,但今年上半年已经出现了生成广告片的案例。很多人认为,这种技术未来有可能在广告制作领域中起到重要作用,尤其是在大幅降低制作成本方面。因为制作广告的成本往往非常高,AI生成技术的优势可能就在于帮助企业降低这些费用。
无论是音乐还是视频,它们最终的商业变现模式是如何实现的?模型生成的内容如何才能被推向市场并实现盈利?比如,您运营的音乐平台或视频平台未来的商业模式和盈利方式会是什么样的?
刘岩
过去六个月中,AI在音乐生成领域的应用发生了一些重要变化。如今,许多音乐创作者不再依赖自主研发的AI模型,而是使用现有的工具对现有音乐进行解析和再创作。这种方式简化了模型开发的需求,使得通过AI生成音乐变得更加高效。
在我们的项目中,我们每天生成大量音乐,并通过不同的应用场景来推广这些作品,回归到更传统的音乐商业模式。这种降维处理的方式,让我们可以更实际地运用AI技术进行商业化。
同样,在数字生命项目上,我们也简化了技术,不再追求复杂的复现,而是为用户提供如个人传记生成等实际可落地的服务。这种简化让AI技术更具商业化的潜力。
张英
还有一个关于行业应用的问题——Google的AI模型与其他公司的差异性。
我们想进一步了解Google在AI应用中的定位,特别是在搜索引擎和广告领域。Google在这些方面已经广泛应用了AI技术,请分享一下,Google是如何在这些领域定位其AI技术的?并且您如何看待Google在这些维度上AI的具体应用和发展方向?
Lei Zhang
过去一年,我聚焦于AI技术在短视频和短剧中的应用。短剧在中国市场迅速崛起,几乎达到了成熟规模。我预测,未来全球短剧的市场规模将有望接近手机游戏的规模,前景非常可观。
AI在短视频的应用已展现出强大潜力,但距离达到影视制作的高标准还有一定差距。当前,AI可以实现简单场景的生成和背景替换,但要在广告制作等领域实现商业化应用,还需进一步降低制作成本。
随着技术进步,尤其在视频生成和图像处理领域,AI为行业带来了新机会。我相信,AI将推动短剧和娱乐产业的发展,尤其是在C端商业模式中,AI将为用户创造全新的体验和商业模式。
张英
目前Google在中国或亚太地区,尤其是在与本地企业的合作方面,采取了哪些战略布局?微软在中国有较多本地合作,并提供相关服务,而Google在AI领域的产品和技术虽然非常有竞争力,但在中国市场的认知度似乎不高。
另外,Google如何帮助本地企业利用其大模型进行应用开发?在与微软进行大模型合作的情况下,Google如何定位自身在这个市场中的竞争力和机会?
Lei Zhang
坦率地讲,这不是我主要的关注领域,但我可以提供一些相关的见解。虽然Google在中国的发展遇到了一些挑战,但目前仍在广告及相关领域保持着业务,尤其是面向台湾市场的部分业务。此外,对于有全球业务的公司,Google仍是一个强有力的合作伙伴,特别是在文化产品推广和广告投放方面。
如果企业涉及出版或大规模电子商务,Google在广告投放及电子书相关业务上能提供帮助。对于已经在多个国家运营的公司,Google的全球团队能协助进行跨区域的广告和用户管理。此外,Google的AI和大数据处理技术也能帮助企业提升用户分析与市场洞察能力。建议探索Google AI平台如何为您的业务带来更多价值。
张英
请分享一下对空间智能未来发展和应用的看法。
Triston Cao
分享一下我在2017年加入团队时的小故事。当时AI还处于起步阶段,大家都在讨论这个趋势,包括像Jason这样的人也在推动AI的发展,甚至还开设了TT系列会议。当时的观点是:“The more you save, the more you make”,这反映了AI的高速发展趋势。
二维到三维世界的转换,这背后的关键是什么?为什么传统的计算机视觉无法做到,而如今的AI技术却可以实现甚至超越人类能力?早期的AI主要是基于计算机视觉,开始只是识别一张照片中的物体,后来逐步发展到多人物体识别,甚至还能将每个人标记出来。在这一过程中,除了GPU的强大计算能力,数据也起到了至关重要的作用。早期AI还需要人类标注数据,一步步帮助AI提高识别精度。
如今,技术已经发展到了Text-to-3D的阶段,这是近两年尤其热门的话题。通过文本生成三维模型的技术,现在不仅能够在画面中呈现,甚至还能生成一个真正可供机器识别的三维模型。这些模型不仅仅是视觉上的三维效果,更是可以用于真实场景或商业应用中的三维结构。
目前,技术的主要问题在于数据堆积还不够多、精确度也有待提升,但随着技术的发展,这些障碍一定会逐步克服。去年至今的变化就十分显著,过去生成简单的三维模型可能需要一个半小时,如今只需40分钟甚至更短,将来可能仅需几秒钟甚至可以实时生成。这将极大地推动应用层面的发展,例如在竞赛、设计或概念展示中,AI可以迅速生成模型供人类迭代,从而大幅提升效率。
总的来说,我认为未来几年,Text-to-3D技术将会取得巨大进展,尤其在商业应用中会有很好的前景。我们现在正处在这个技术发展的起步阶段,未来还会看到更多惊喜。
张英
如果要是AI快速发展,并且在某个阶段进入商业应用,您认为在哪些行业它的影响会最大,或者在哪些领域它的效能会最高?
Triston Cao
如果AI技术快速发展,进入某个阶段的商业应用,哪些行业会受益最大?首先,像游戏行业对AI的需求较为明显,尤其是推理类游戏,这类行业对AI的技术要求相对较低,可能首先会获益。
另外,目前在发展较快的领域中,机器人尤其是服务机器人 (personal service robots) 是一个非常热门的领域。与工业机器人不同,服务机器人对空间识别的精度要求更高,尤其是如何精确识别物体的三维位置并进行交互。例如,在人类眼中,三维空间的距离感不需要精确到毫米级,但对于机器人或者自动驾驶汽车而言,精确到厘米甚至毫米是必不可少的。为此,数据的完整性、精确性和多样性对于该技术的进一步发展至关重要。
尽管在现阶段存在一定的挑战,但只要有合适的商业模式和技术支持,AI在这些行业中将会展现出极大的潜力,并有可能推动这些行业进入新的发展阶段。
张英
请从创业者和企业家的角度,谈谈如何从商业的角度看待空间智能的发展及其未来的潜力?
Arvin Sun
当前的创业环境充满挑战,特别是在面对行业巨头时,小型创业公司必须找到独特的切入点来获得生存空间。以空间智能为例,它的应用领域非常广泛,但其中一个主要的挑战就是处理非结构化数据。物理世界的感知大部分是非结构化的,因此如何获取并处理这些数据变得至关重要。
比如我们公司,专注于宠物行为分析,尤其是狗的行为翻译,将其转换为人类可以理解的形式,使宠物和人类之间可以进行更自然的交互。这也是空间智能的一部分。随着机器人在日常生活中的普及,机器人需要与宠物交互,而如何通过视觉和触觉来感知和理解宠物,将成为至关重要的问题。
此外,生成式AI在情感感知和触觉感知方面有很大的潜力。虽然当前的技术已经有所进展,但要达到更高的共情能力,还需要更多的感知数据和神经网络的支持。尽管神经网络技术看似已经不那么前沿,但它在特征提取方面仍然非常关键。在实现商业化之前,创业公司需要具备处理脏活累活的能力,即深入处理和训练数据,这样才能抓住市场机遇,实现更大的商业价值。
Lei Zhang
我觉得可以从多个维度来解读。首先,生成内容的能力依然存在局限性,尤其是在感知和理解三维世界的过程中。另一方面,从感知三维世界的角度看,AI在理解空间、物体和它们之间的关系上,还处于发展阶段。可以参考一个非常直观的视频示例,特别是在Google平台上,有一个关于未来AI应用的视频,展示了AI如何像一个助手一样在你旁边进行实时数据分析和解读。
在目前阶段,AI的功能还远未达到iPhone的创新程度。我们可以把现在的AI技术类比为“刚刚拍摄的时代”,需要有更具革命性的人物出现,推动AI产品的发展,甚至在日常生活中提供更多即时、深度的辅助功能。
另一方面,当前AI的进步也为创业者带来了机会。相比过去,创业者不再需要自己收集大量数据或建立专属的AI模型。随着像GPT这样的模型不断普及,开发者可以基于现有的大量数据和模型快速构建产品,只需要在特定场景下微调即可。这种环境大大降低了技术门槛,并将AI应用推广到更多领域。因此,未来在使用场景和数据协作方面,AI有着广阔的前景。
全球AI格局与数据融合
创业者如何在多元市场中找到突破口
张英
今天到场的嘉宾分别来自不同国家和地区,大家的视角各不相同。在当前全球AI技术格局的背景下,国内外的AI大模型已经呈现出不同的特点与发展路径。对于创业公司来说,如何在这两个截然不同的市场中找到合适的市场定位,成为突破的关键?
Arvin Sun
目前全球AI技术的发展格局大致可以分为三个主要区域:北美、欧洲和亚洲。首先,北美以美国为主导,在AI技术和数据监管方面是最为严格的。尽管如此,美国依然是全球AI创新的主要推动者,因为它在创新环境上相对宽松,允许企业进行大胆的技术探索。而欧洲的监管较为严苛,尤其在隐私保护和数据使用上,但创业环境相对更难。因此,虽然创新空间存在,但需要企业应对大量的法规和合规要求。
相比之下,亚洲,特别是以中国为代表,在AI领域的发展则相对灵活。像东南亚地区,使用新技术的门槛较低,企业可以更容易地推行新产品。
美国创业公司最好采用美国公司主体,而像BVI或开曼群岛的架构,已逐渐不被主流投资者接受。
最后一个重点在于AI技术的监管与数据监管。比如近期加州的法案讨论了对AI的严格监管,该法案的通过与否将影响所有在该行业内的公司。AI企业的技术发展若受限于数据使用量和模型的规模,将严重影响企业的创新能力。此外,市场的身份和产品监管,包括数据的存储、处理和传输,可能对初创企业的融资和业务增长产生更大的影响。
在数据层面,欧洲的数据监管政策比美国更加复杂且严格。例如,一些欧洲国家还会有不同的监管要求,这使得创业公司在进入这些市场时需要额外的合规工作。总结来说,技术创新固然重要,但数据、市场和身份的合规监管才是对创业公司影响最大的因素。
张英
最后一个问题主要涉及AI与数据的深度融合。大家知道,很多人现在使用GPT等工具在互联网上获取一些常规问题的答案,但这些基本都是互联网公开的数据。对于企业而言,自己的数据资产至关重要,尤其是在数据安全方面,同时如何利用这些数据赋能企业的业务应用也是十分关键的。在企业运营中,AI与企业数据的结合是如何帮助优化运营决策、提升效能的?
Triston Cao
当然,数据安全是最重要的。目前在企业界,很多企业在探索如何利用AI为业务创造价值。除了训练自己的模型,实际上很少有企业会大规模训练大模型。通常情况下,企业会基于现有的大模型,针对自己的需求进行定制化开发。
现在,很多企业更倾向于使用所谓的“强化学习”,即将大模型作为基础工具,通过读取企业自身的数据来提取有价值的信息,再根据这些信息提供具体的服务和决策支持。
现场观众Q&A
观众提问
作为风投领域的一员,我想请教一下刘岩先生,您提到AI生成音乐以及在生产方面的应用确实非常具有潜力。但与此同时,AI生成内容在版权保护方面也引发了不少挑战。您怎么看待这些挑战,尤其是在如何平衡创新与版权保护之间的关系?在AI生成的作品中,版权保护面临哪些具体问题,企业在此领域应如何应对?
刘岩
我认为版权问题可以从两个层面来看。首先是数据层面,当前美国的相关诉讼已经开始。我们曾认为在中国从事这类工作相对容易,比如我们可以获取全世界大量的音乐作品进行训练。在中国,大概有一两千万首中文歌曲,而海外的音乐大概有八千万到一亿首左右。然而在进行训练时,获取这些音乐版权是一个非常敏感的问题。正因为此,像抖音、Google等大厂对进行此类工作非常谨慎,因为他们意识到版权方面的法律风险非常大。
第二个层面是当歌曲生成之后,如何界定其版权。不同国家对于版权的定义方式各不相同。在中国,版权归属主要依据创作的参与度来确定。中国的版权法要求所有的创作归属都必须关联到个人,而非平台,这对创作者和平台的关系具有重要影响。在美国,情况可能有所不同,尤其是针对数据训练中的版权问题,这也是当前美国面临的主要障碍。
文章来源:新加坡国立大学EMBA
AD
转载、商务合作等请联系以下渠道,投稿请发送至邮箱:submission@hbrchina.org
点 在看 让管理新知传得更远