他认为，力促链创虽然上述这些不像技术看起来那么复杂，但是需要时间，需要不断去搭资源。

我认为，产业大模型比光刻机、芯片的难度要低很多，因为毕竟是软件，但未来是要奔着AGI，也就是通用人工智能去的，这块的挑战就是算力。如果能取得成绩，新链我认为就已经是很大的进步了。

张鹏：融合通用大模型的能力提升所衍生的能力，能让我们去寻找到大模型原生的应用或者大模型原生场景。因为Sora本身还有很多创新的技术大家还在研究，发展我也不敢特别准地去预测需要多少时间，但我相信应该不需要太久。但是在这个过程当中，力促链创技术需要发展，产业也需要落地。

但如果把大模型越做越小，产业走垂直化、产业产业化、企业化、场景化的道路，可能不需要万亿、千亿的参数，只需要百亿的参数，再加上一些私有的核心数据加持，在一个垂直单元上是可以超过GPT-4的。按照刷榜的成绩，新链国内的模型早就超过了GPT-4了。

其次，融合美国也不是全面领先，美国真正在人工智能领先的公司，我认为就两家，软件是OpenAI，硬件是英伟达。

所以我主张要在企业用大模型不要一下子宏大叙事，发展而是在内部业务链条，或在外部产品功能中，选取两到三个场景，用大模型赋能。力促链创能不能展开聊聊？周鸿祎：我们去年从toB模式中找到一些方法论。

摘要：产业作为人工智能发展的核心引擎，产业国外的大模型不断引爆国内舆论场、刷新大众认知，我们的国产大模型还能弯道超车吗？今年是大模型应用元年，在现实的不同场景之下，大模型又将与产业擦出什么样的火花？华夏时报（www.chinatimes.net.cn）记者李明会北京报道伴随着ChatGPT、Sora、Figure01不断引发全球关注，人工智能（AI）的惊人迭代速度不断扩展着人们的想象空间。我认为，新链大模型比光刻机、芯片的难度要低很多，因为毕竟是软件，但未来是要奔着AGI，也就是通用人工智能去的，这块的挑战就是算力。

张鹏：融合通用大模型的能力提升所衍生的能力，能让我们去寻找到大模型原生的应用或者大模型原生场景。据我了解，发展现在的大模型厂商纷纷转型，往产业方向走、往垂直方向走。