高质量发展理念已深植于企业发展战略之中，数字化、智能化成为企业转型升级的重要推动力。今年，“人工智能+”首次被列入政府工作报告，人工智能赋能行业应用进一步走深、走广。

民营企业在推动人工智能发展上发挥着生力军作用。从智能识别到智能生成，民营企业多次挑起产业变革与实践的大梁。未来，民营企业如何在AI发展中展现更大作为？

近日，在国家发展改革委民营经济发展局举办的民营经济人士培训班期间，360集团首席运营官叶健接受了《每日经济新闻》记者的专访。叶健强调，大模型的场景化是中国发展人工智能更具优势之处，大模型应用将是中国弯道超车的好机会。

据叶健介绍，目前360集团在大模型应用领域主要着力于赋能个人、赋能企业、赋能业务三方面。他指出，大模型的出现不意味着可以跳过数字化直接到智能化，但数字化的很多部分可以通过大模型得到很大优化，通过大模型也可以去调动原来的一些数字化系统，这些加起来可以让企业的生产力得到极大的提高。

360集团首席运营官叶健 企业供图

“联手作战”、关注应用，中国如何弯道超车？

2022年11月，由美国OpenAI开发的ChatGPT横空出世，将以大模型为代表的人工智能产业推至新的高潮。国产大模型开启“百模大战”，中美人工智能竞争日趋激烈。随着大模型面世之初的兴奋褪去，国内这一波人工智能产业的热潮将会涌向何方？

叶健指出，从大模型的通用技术能力来看，国内相比于美国OpenAI公司仍然存在一定差距。“差距一方面来自先发优势。另一方面，美国在算力上对我国的各种限制也造成一些影响。”叶健表示，在通用技术层面，360集团的对策是把旗下AI浏览器作为入口，构建CoE技术架构，联合国内共16家大模型，“通过16家取长补短，发现整体表现比GPT-4o更好，媲美OpenAI o1”。

叶健将16家大模型“联合作战”中使用的技术称之为“慢思考”。“举个例子，有时候可能国内某个模型先回答问题，另一家模型可能去反思第一个大模型回答的是对还是错，第三个模型整合一下双方模型，最后再给个答案出来。”

而在通用大模型之外，业内更为关注的是大模型的场景化，在叶健看来，这反而是中国更具优势之处。“由于我国的人口优势，以及工业门类比较齐全，在大模型应用上是我们弯道超车的好机会。”叶健说。

实际上，如何让大模型更好地应用于千行百业，已成为这一波人工智能讨论的主旋律。一个常常被提出的问题是：大模型带来的价值提升究竟有多大？从“百模大战”到应用实践，企业对这一问题的回答亦是对人工智能生命力的检验。

叶健坦言，大模型对于个人提升工作效率来说有明显效益，但在赋能业务这方面，既要考虑到大模型技术，也要考虑到业务自身的一些问题，这部分确实要花很多的精力，不是一朝一夕做成的事情。“我们经常提到一个词叫小切口、大纵深。”叶健说，“找到这些小切口，真做进去以后，慢慢整个链路会发生一些优化，最后重塑业务”。

360集团找到的一个小切口是知识管理。叶健指出，数据变成知识是一个复杂的过程，这些“暗知识”可能藏在各种流程中，可能藏在员工自己的电脑里，也可能是多模态的知识，大模型出现后，由于能处理多模态数据，因此在整合数据并转化为知识上有非常大的优势。“这一块我们会慢慢形成一个标准化的产品，再与客户进行更多合作。”

谈AI产品同质化：深入业务与场景，差异也会出现

360集团以安全产品和浏览器业务而为公众所熟知，不过，随着近两年公司大举投入人工智能领域，资本市场对360集团的预期也在发生变化。人工智能将为360集团业务带来哪些增量价值？

叶健将大模型业务带来的价值分为四层。第一，赋能个人。“这块我们做了非常多的探索，例如AI助手、AI搜索，同时我们也把现在很多办公工具AI化，通过大模型技术提高个人生产率”。第二，赋能企业，“大模型的出现能够使数据迅速‘蒸馏’为知识，再加上我们的搜索技术，企业能在这方面形成一定竞争力”。第三，赋能业务，如果把大模型跟现有的IT系统结合起来，就能真正地实现对业务的重塑。最后，是大模型如何帮助我们更好地创新。

“目前为止我们主要在前三层做了很多工作，这对我们的业务和客户应该说还是非常有帮助的。”叶健补充道。

这些年，360集团在企业数字化服务领域已积累了不少经验。谈及公司提供的数字化与智能化服务的关系，叶健表示，大模型在处理多模态数据和非结构化数据上天生更有优势，因此可以对数字化做一些重塑。此外，大模型也可以与原来的数字化系统连接，例如智能体。

叶健进一步指出，数字化还是继续往下做，但数字化的很多部分可以通过大模型得到很大的优化，反过来通过大模型还可以去调动原来的一些数字化系统，这些加起来可以让企业的生产力得到极大的提高。

值得一提的是，在360集团选择的这条“赛道”上，“参赛选手”不在少数，AI搜索、AI办公、AI助手等类型产品已不再是稀缺品。那么，360集团如何脱颖而出？

叶健坦言，基于大模型的通用能力，大家确实可能会想到一些相同的主意，这时要看各自的能力沉淀。例如，360集团选择AI搜索、AI浏览器，这是因为在这方面有大量的沉淀，所以确实能够做得更与众不同，再加上公司在技术上率先采取了“慢思考”的方式。

叶健同时指出，在360集团深入业务、深入场景之后，差异也会出现。“在那个时候，你可能不仅仅要懂大模型技术，可能还要对客户的业务流程、业务痛点也比较了解，到那个领域里，应该说大家的竞争就非常广泛了。”叶健说。因此，360集团不仅需要算力合作伙伴，也需要行业的合作伙伴，与行业伙伴共同训练针对某个行业的基础模型，并针对某个场景真正实现优化。

“用大模型来管理大模型”，防范注入攻击

伴随大模型应用愈加丰富，大模型发展过程中的知识产权纠纷、内容安全、数据泄露风险等引起公众注意，出现风险事件的数量与类型也愈加繁杂。

作为一家兼具数字安全与人工智能“两翼”的科技企业，360集团将人工智能安全问题分为技术安全、内容安全和人类安全三类问题。

其中，技术安全主要涉及大模型技术本身引发的安全问题，如网络、数据和生成内容的安全；内容安全则是对大模型的控制、滥用、误用和恶意应用等问题；人类安全问题则是大模型强大后带来的安全可控问题。

叶健表示，针对上述问题，360集团提出大模型应用的四个原则，第一是安全，包括训练时和上网以后，主要集中在网络安全方面；第二是向善，这体现在大模型的价值观方面；第三是可信，大模型有时会产生“幻觉”，360集团希望大模型的数据做到可信；第四是可控，大模型如果与现有的信息技术合在一起，可能调用现在的IT系统，如果大模型失控了，引起的问题就非常严重。

目前，大模型最常见的安全问题之一为“注入攻击”，即通过使用恶意指令作为输入提示的一部分，来操纵语言模型输出的技术。针对这一问题，叶健提出的对策是“以模制模”。

叶健解释道，大模型在预训练的过程中一般采用无监督学习，例如，模型学习的时候会尽量让它看各种各样的书，看各种书的时候难免会有各种知识进入模型，但我们不希望其中一些知识用在不好的场景。这时可以使用“以模制模”的方法，在大模型上线之前，用另一个大模型进行价值观对齐；同时在上线之后，还会有另一个模型来监督它，通过语义判断大模型的回答是否有风险，“用大模型来管理大模型”。