企业该如何在AI新浪潮中立于不败之地？

<正>当下,生成式AI的发展正处于快速发展阶段,企业管理者要准备好迎接这一技术革命新时代。据麦肯锡最新报告显示,生成式AI每年可以为全球企业增加2.6万亿至4.4万亿美元的收入,而英国2022年的GDP总额为3.03万亿美元。实际上,伴随着大语言模型和生成式AI在2022年底的全面爆发,我们正在进入一个全新的“普惠”AI时代——AI不再是几个“高精尖”领域的专项应用,而是在各种大模型的帮助下,完成大量通用目的任务,实现更广泛的商业价值。     

李建忠：技术未来主义者的IT教育之路

<正>在创办Boolan之前,李建忠已经是业界知名的技术人员。凭借着对大数据和人工智能技术的洞察,李建忠率先组建技术团队,在教育产品方面引入AI技术,进行AI+教育的前沿探索。李建忠坚信,随着大语言模型引领的通用人工智能（AGI）变革进入拐点,人类社会将迎来又一次技术跃迁。     

布局建设四川AI公共算力平台服务构建新一代人工智能产业体系

当前,在AI大模型应用已成趋势的情况下,人工智能成为具有数万亿市场潜力的新赛道,也对高性能、大规模的算力设施提出了新要求。然而,单纯硬件驱动模式下的低水平算力中心对发展通用AI显然是不利的,不仅会造成区域算力及其服务市场的分割,同时也难以形成良好数字生态支撑通用AI发展。为此,建议要加快构建发展AI的公共算力政策制度体系,协同打造多层级AI公共算力服务平台体系,努力培育高性能AI公共算力产业生态体系,持续提升AI公共算力设施的普惠服务能力,以有效促进我省通用人工智能产业创新发展。     

大模型的方向比速度更重要

<正>在今年全球数字生态大会，腾讯自研通用大模型——混元正式亮相。对于大模型的发展方向，最务实的做法还是回到每个企业自身的痛点，比如降本增效，基于企业痛点用大模型去解决产业实际问题。今年AI确实很热，客户需求很强。不仅仅是大语言模型，而是所有AI相关的能力，比如机器视觉、语音识别、数智人等等，都特别感兴趣。我们其实一直持续在AI上加大投入，从研究算法到服务客户的场景需求，全面地布局。     

AI，属于一把手工程！

<正>创新不是一蹴而就,而是在大方向选对的前提下,小步快跑不断试错,生长出来的。而眼下的大方向就是AI。在平台公司争先构建千亿参数的大模型时,还要注意到,“智能化”最难的是“最后一公里”,要走完它,必然是要通过大模型技术和传统技术的结合,提供真正能落地提效的解决方案。     

进入AI原生时代

<正>所谓AI原生应用，就是基于大模型的理解、生成、逻辑和记忆能力开发出来的应用。同样，没有构建于基础模型之上的、丰富的AI原生应用生态，大模型就一文不值。百度用大模型重构的产品，有具体的思考。文心大模型4.0已经正式发布。它实现了基础模型的全面升级，理解、生成、逻辑和记忆四大能力，相比文心一言过去的版本都有明显提升。     

开启智能电商时代，百度的“AI试验田”

<正>5月25日，2023万象·百度移动生态大会在广州召开。会上，百度集团资深副总裁、百度移动生态事业群组（MEG）总经理何俊杰发表《AI重构未来》的主题演讲，首次提出要以AI原生思维重构百度移动生态，全面“刷新”百度搜索、百度APP、百度文库、百度电商等产品与服务的用户体验，推动人机交互、内容生产、营销与商业三重变革。他表示，之前文心一言、ChatGPT等大语言模型是在让AI变“大”，移动生态的这次重构，就是要致力于让AI变“小”，变得更具体，变得人人可用。     

当创意遇到智能：人与AI协同的产品创新案例研究

随着市场供给的竞争加剧和消费需求的快速多变,企业既希望能创造原创性的产品,又希望能高效匹配用户的异质需求,二者兼顾对产品创新而言是巨大挑战。然而,AI的出现为应对这一挑战提供了条件。本文基于一家智能创意广告企业的案例研究发现,在复杂多变的环境下,人与AI的协同既能有助于实现创意的多样化,又能有效匹配用户的异质需求,据此提出人与AI协同的产品创新模式。研究表明：（1）大数据构成人与AI协同的产品创新资源基础,AI智能设计、联合计算和即时分析构成人与AI协同的产品创新能力基础;（2）产品创意智能化、异质匹配与市场洞察、产品创意更新构成人与AI协同的产品创新过程机制;（3）人与AI的协同不仅有助于促进产品创意与用户异质需求的匹配,还有助于启发人的创意思维,从而实现创意与效率的平衡。由此,将现有AI作为产品创新辅助工具的研究拓展为AI作为创新主体与人协同创新的研究,提出人与AI协同的产品创新启发式验证,区别于以往研究的经验验证与数据验证而形成创新,丰富数字经济时代的产品创新理论内涵,为企业应对产品创新中创意与效率的兼顾难题提供启示。     

生成式AI，无法回避的新生产力！

<正>生成式AI是下一轮经济发展、企业竞争的新生产力。中国企业需要尽快引入、熟悉、运用它。换言之,新一轮的生存、发展、竞争,就是一场使用、熟悉新旧生产力的竞争。“我认为,可以用一个非常有用的框架来理解未来的人工智能（AI）——不是指今天的AI,因为它们与未来30年、50年或100年的AI相比,还不够复杂——那就是将其视为来自另一个星球的人工外星人。     

创新水平差异对融资方式选择影响——基于风险资本与银行债务资本的比较研究

本文通过构建一个模型分析了在存在双重道德风险的情况下,项目的创新水平对企业家选择融资方式的影响,研究认为在较低的创新水平下企业家将会选择银行债务融资;较高的创新水平企业家将会选择风险资本融资。模型进一步分析了创新水平对风险资本融资融资契约中风险资本家股权份额分配的影响,研究认为创新水平的增加将会引起风险资本家股权份额的增加。     

基于层次模型法的互联网环境下的群体决策支持系统

技术的进步与发展为群体决策支持系统(GDSS)的研究与开发带来了机遇,但是若缺乏系统性、逻辑性的方法指导,GDSS的研究与开发将陷入仅仅是将众多技术混合在一起的状态,不利于系统的重构。本文在综述层次模型法的研究背景和研究思想基础上,从系统可重用、便于升级维护的角度出发,提出将互联网环境下GDSS概念结构分为应用层、任务层、功能层和物理层,并详细阐述任务层和功能层的特点和结构以及GDSS生成器的普遍模型的设计。     

AI文字识别技术在城市规划档案数字化中的应用

将AI文字识别技术应用到城市规划档案管理工作中,可以实现数据化的管理,让档案文件在审查与管理时更具优势,使每一步流程得到优化,达成安全管控的目标。本文主要阐述了AI文字识别技术的应用优势,探讨AI文字识别技术在城市规划档案数字化中的应用策略。     

发电成本垂直差异电力市场概率发电——基于大用户电量偏好视角

针对碳减排后普遍存在的发电成本垂直差异电力市场及其显著的大用户电量偏好差异,本文提出概率性电量供给以及与之对应的概率发电,并利用价格杠杆调控发电商低碳发电尤其高发电成本发电机会与供给效能不足.先后构建发电成本内、外生选择下的概率发电模型,求解发电商的电量供给均衡并分析概率发电策略的最优性.最后,将发电成本内生选择模型拓展到分解市场需求不确定性的概率发电模型.研究发现:相比基准发电,概率发电可以作为一种有利可图的发电容量过剩的解决方法,即使在发电成本内生选择时也是可行的;当发电商采用“强”成本差异的发电策略时,引入折中的概率发电会让产品线上成本水平相互更接近,且大用户的消费者剩余得到提高;与此相反,在市场中实施“弱”成本差异发电,发电商利用概率发电则增大成本分离并降低大用户的消费者剩余;在不确定性市场需求下,当偏好低发电成本电量的大用户对单位发电成本的估价相对于偏好高发电成本电量的大用户对单位发电成本的估价足够高时,概率发电可以以一种管理不利需求状况工具的身份出现.     

决策支持系统生成器中模型的层次表示方法

人们提出了多种模型表示方法,但这些方法都忽略了模型的重要组成部分：变量转换关系、约束条件和目标函数的描述．表文将模型分为34-层次—— 理论模型层、属性模型层和数值 模型层．这3层模型在决策支持系统生成器中起着不同的作用,且必须表示在(DSSg)中．表文描述了3层模型的表示方法以及基于该表示方法的Dssg实现．     

大模型的下一站是应用

<正>百度作为人工智能的长期主义者，今天正站在新时代浪潮的顶端。文心一言向公众开放后，获得市场热烈反响，这足以体现用户对AI原生应用的热情。大模型的下一站是应用，对于百度移动生态而言，正掀起一场重构。很多合作伙伴把百度联盟比做一艘大船，要乘大船，出远海。而影响一艘大船能否顺利远航的关键，是要学会把握风和潮水的方向。     

一个基于科层结构的企业人力资本定价模型

科层结构作为一个关键的结构性因素应该进入人力资本定价模型,它是对人力资本实行差别定价的一个重要依据.在罗森的科层产出模型之上,通过引入人力资本能力函数建立了基于科层结构的企业生产函数,将人力资本的定价置于科层结构中研究;重点讨论了影响人力资本定价的两类因素--企业性因素和人力资本差异性因素--对人力资本定价的影响;最后提出了对不同人力资本实行差别定价的一个解决思路.     

代理人努力决策柔性的分成制委托代理模型

针对被忽视的代理人努力决策的柔性,在第0期完全信息条件下建立了基于柔性的代理人努力决策模型和委托人的最优分成制合同设计模型,证明了最优分成比例在柔性决策行为假定下的存在性,并与经典的委托-代理模型的结论进行对比分析.结果表明,努力决策柔性将会提高努力所要求的临界市场价格;最优分成比例随着代理人的努力成本增加而增加,随着市场价格的期望增长率和努力的产量的增加而减小,但不会随着市场价格的波动率的增加而降低;当市场状况差时,经典的委托代理理论给出的分成比例将会给予代理人过高的支付.     

需求不确定环境下的汇率风险对冲策略与批发价合同北大核心CSCDCSSCI

以全球环境下的一个由上游制造商和下游零售商组成的二级供应链为建模背景,建立了动态博弈模型,获得了均衡结果,并对均衡进行了比较静态分析,研究了汇率的不确定性、外生需求对风险对冲策略和批发价格的影响方式。结果表明:在均衡下,汇率的外生波动性的增加将导致制造商的汇率风险暴露比例降低,当制造商的风险规避系数足够大时,需求的外生波动性的增加将导致制造商的汇率风险暴露比例降低;汇率和需求的外生波动性的增加均会导致批发价格的降低。数值分析结果表明:在均衡下,汇率和需求的外生波动性的增加均会导致制造商利润的方差和期望值的降低,以及零售商利润的方差和期望值的增加。这表明,一方面,汇率风险通过批发价在供应链节点间向下传递,需求风险通过订货量向上传递;另一方面,制造商的汇率风险对冲策略能够实现风险承担与收益之间的权衡(即获取高收益对应着承担高风险)。     

考虑损失规避的期望效用投资组合模型

投资者行为的本质特征会影响投资者对不同风险资产的投资决策。本文从期望效用最大化的角度研究不同风险资产的配置问题,并将人的心理活动引入了投资组合模型之中。论文借鉴了损失规避这个重要的概念,将投资者的效用函数表示为期末财富和财富变化的函数;建立了基于损失规避的最优投资组合模型;并对我国上海股票市场进行了实证分析,得到了在财富变化的不同关心程度下的组合前沿。     

大模型的弱点，或是创业新机

<正>新事物出现都不是完美的，但底层范式的变化才是关键。Chat GPT的出现，带来了交互革命和生产力革命。那么在大模型时代，创业者的机会在哪里？我们都知道Chat GPT最近很火，这是人类历史上第一个仅用2个月，实现月活过亿的产品，最近月活已经突破10亿。其实这款产品只有一个聊天窗口（用户界面也并不出众），但为什么能在全球引发如此大的风潮？我将从原理层角度进行解读。