近日，在WAIC 2024—AI规模新经济论坛上，中金公司首席经济学家、研究院院长彭文生则在论坛中发布的《AI经济学报告》指出，AI算力和模型层的市场规模大概是5.2万亿元人民币，应用层和产业化规模约为9.4万亿元人民币。从应用角度，AI经济可分为“AI产业化”与“产业化的AI”，前者包括具身智能、人形机器人等新领域；后者则通过为工业、制造业、服务业等领域加入AI来提升效率。

完美的AI，要结合具体场景应用，解决实际问题、提升用户价值。应该是端到端解决问题，让机器人像人一样思考，让产品像人一样工作。AI进化的云迹科技复合多态机器人“UP”，已经做到了这点。云迹科技CPO李全印结合具体实践在会上分享了对AI的商业化的思考。

（以下为21财经的报道原文）

人工智能规模化边界，商业化挑战几何？

从“ChatGPT时刻”到“百模大战”，人工智能的破圈能力与商业潜力已经得到了充分的证明。而今天，业界对人工智能的讨论，也已经从简单AI的发展路径与商业模式，开始向更深层次的问题与症结进行探索。

本次世界人工智能大会（WAIC）AI规模新经济论坛中，来自上交所、港交所、中金公司，创新工场等等顶尖金融机构，诺北奖得主和知名学者，微软中国、云迹科技、百川智能等顶尖AI领域企业嘉宾，就更宏观的AI经济问题、AI投资可持续性以及AI应用、商业模式进行了讨论。

其中，AI商业模式的“商业化”，包括对AI投资的逻辑要素，成为了很多嘉宾所总结的关键点。

“从云迹来看，AI产品、AI服务对用户的成本是降低的，我们这一直在做稳定、高效、低成本的具身智能产品。”论坛嘉宾、云迹科技首席产品官李全印在与会期间接受21世纪经济报道记者采访时，从具身智能与机器人结合的角度解释AI带来的经济效益潜力。

在他看来，AI+具身智能的服务是软件和硬件的结合，尤其是云迹科技推出的复合多态机器人“UP”能使用工具、理解拆解任务、群体智能协作。从效率上找到最优解。从成本上来看，可以做到一机多能，同时做到降本增效率，提高收入。

探索AI的边界与挑战

AI规模新经济论坛中，众多知名学者开始从更宏观的角度，阐释AI经济效益，以及对AI投资面临的可持续性问题。

2011年诺贝尔经济学奖得主托马斯·萨金特在演讲中指出，人工智能会切实改变并加速经济的发展速率与发展方式。但与此同时。经济学界已经关注到在数字经济蓬勃发展的背后存在的数字经济占比总收入比例的上升，以及劳动力在社会总收入地位的逐渐下滑等现象，其需要引起一定的重视。

中金公司首席经济学家、研究院院长彭文生则在论坛中发布了《AI经济学报告》。该报告指出，AI算力和模型层的市场规模大概是5.2万亿元人民币，应用层和产业化规模约为9.4万亿元人民币。从应用的角度，AI经济可分为“AI产业化”与“产业化的AI”，前者包括具身智能、人形机器人等新领域；后者则通过为工业、制造业、服务业等领域加入AI来提升效率。

彭文生指出，当今AI领域引发思考的问题，主要在于AI经济的规模经济边界问题，包括算力的限制，参数增加的边际效益递减，存量数据和数据交易有限，以及发展人工智能对电力的损耗和对碳中和的挑战等问题。

从国际视角来看，彭文生认为，作为新一轮经济革命的起点，AI会导致全球经济体之前的分流还是收敛值得关注。他指出，分析AI革命后的经济基于两种理论：新古典增长理论认为技术是外生的，是存在所谓后发优势理论的，并且资本边际回报是降低的，因此发达国家的资金会流入发展中国家，造成分流和追赶效应。

但内生增长模型认为技术进步是内生的，谁有能力做研发、谁就能获得更高的利润，谁能获得更高的规模，谁就能做更多创新，因而会造成收敛，因此美国才会长期处于领先地位。

彭文生认为，目前中国的优势在人口优势带来规模优势和应用潜力，这将成为人工智能领域的投资需要重点关注的内容。从更广的产业分析角度，AI会对智力密集型产业形成替代效益，对服务和体力要求较高的产业，反而不会引发更大的替代。

对中国今天人工智能领域面临的挑战，到场专家有自己的见解。

硅谷高创会主席，知名AI领域作者吴军认为，人工智能的发展离不开算力、数学模型和数据；而中国虽然在高端算力芯片上存在缺失，但仍能大量的绿电、AI专用芯片替代通用芯片的方式解决。

同时吴军指出，虽然国内大部分都使用Facebook Llama这一开源工具，但仍需要注重算法领域的研究。

“Facebook半年更新一次，大家和Facebook的差距差半年，如果它两年更新一次，你不能说这差距反而变成了差两年。”吴军指出。

前中金公司CEO、清华大学访问教授朱云来则指出，除了算法、算力层面的缺失，目前人工智能的立法、商业模式和大量重复投资的问题也尤其值得重视。

同时，人工智能投资产生的利润效益，将会成为AI整个行业成功可持续发展的重要因素。

朱云来指出，即便人工智能最后在由公共和私人部门的协调下形成了一个巨型的，类似社会基础设施规模的模型，并对公众产生足够的效益，但如果无法有效激励参与者，那么这种高强度的投资便难以维系。

“从投资的角度，无论你是公共的还是私人的，你最后投资得有足够的效益。如果一个投资永远没有收益，就算是你有特别好的公共效益，可能也是无法持续的。”朱云来表示。

AI与具身智能商业化潜望

而作为AGI创业的商业化前景，部分嘉宾提出了国内外AGI创业生态的差异。

微软中国客户代表王景茜指出，当前专用模型创业需要的人力体量已经越来越轻量化，但同时国内客户的付费意愿比较低。因此中国AI企业面临两个选择，一是做模型出海；二是通过累计用户推动免费模式吸引大规模客户体来提升商业化边际。

百川智能技术联合创始人谢剑认为，目前美国人工智能的B端市场与C端市场几乎有着同等的体量，但在中国B端与C端相比却体量不大，因此应开拓更多B端市场的可能性。其次，他也支持王景茜的观点，认为国内的AI企业必须通过免费模式，往后再去寻找更有潜力的商业模式。

除了AGI小模型创业之外，通过具身智能或其他2B业务打包销售，则是当前人工智能创业在国内逻辑最为顺畅的商业模式之一。

李全印则从云迹科技的角度，谈到了如何为具身智能与机器人寻找匹配的客户需求的商业模式。

“机器人的发展，从工业机器人走到现在商用机器人的时代，云迹科技一直在商用机器人中探索如何落地、场景、需求、性价比、可靠性，这是我们一直去把握的重点。”李全印表示：“这么多年我们坚持做两件事，第一件事叫人类不能干的事，第二类叫人类不想干的事。什么叫不能干的事？就是有污染有风险这类的事，像火灾救助这类的事机器人干更合适。第二是我不想，下楼取外卖，我有大量的重复的劳动、dirty work我不想干，这些其实都是机器人干的。

一面是在解放人力、另一面是在职业增强，让机器人创造人类幸福感。李全印还谈到了性价比的问题。

“最早在2015年时，我们卖一台机器人要十几万，酒店第一批“尝鲜者”会来尝试，还无法大规模落地，随着供应链升级，机器人任务数每天跑到100多趟，它的价值真正被市场接受，也迎来了市场的大规模增长。”李全印分享到：“价格和价值间的平衡点，这是我们一定要考虑清楚的。”

“AI核心不仅仅是技术，还有用户体验。要结合具体场景应用，解决实际问题、提升用户价值，这需要具身智能准确理解周围的环境，大致可以分为三个层级：第一层就是你说啥我干啥，是作为工具被调用 ；第二层是你稍微表达了一下我就大概知道了，我就帮你干了，是执行被分解的任务。第三种就是你啥也不说，就我来干，保证周围环境的整洁、什么时间需要做什么事情，这叫协作自治，自主拆解分配任务，闭环任务。目前云迹科技正在探索的是第三种。”李全印在接受21世纪经济报道记者采访时表示。