本文为胡鑫先生在2024观点数字未来发展大会发表的演讲
胡鑫（腾讯云副总裁、智慧建筑与不动产行业负责人）：首先感谢各位，我是第二次参加观点举办的这个大会，所以我想花点时间介绍一下我们在这个行业里面，我们对大模型，包括新质生产力是怎么思考的。在座的有我们的客户，也有我们的合作伙伴，所以花点时间介绍一下，有些想法不太成熟，大家多指正。
现在整个大的科技趋势，我们都无法回避一个概念，就是大模型。我认为科技对于房地产、建筑、不动产一定是一个辅助的工具，可以让这个行业更有温度、效率更高，在这个新的环境下，得以稳步往前发展。
今天我们讲大模型的发展趋势，从1957年的技术发展到GPT4、AIGC，其实走了很多年，所以这不是一个新技术，它也是一步一步迭代出来的技术。其实人工智能的概念，包括最早提到的图神经网络，几年前提到的网格计算，包括英伟达的芯片技术在2002年的时候已经在一些场景上用得很丰富了。到今天突然爆发，其实它是一个积累迭代的过程，我们今天发现这个事情慢慢进入人的生活了，到了今天它迭代到一定程度，它可以做联邦学习，可以做大语言模型。
今天大模型新的特点，第一个就是泛化性，对新数据的适应能力，或者说模型在从未见过的数据上能够表现出来的良好性能大大提升。但这个不是一蹴而就的。第二是在通用性的场景下，或者说跟人们息息相关的生活中，它的通用性可以解决多任务的能力上有大大提升。第三是在实用性上，它有大规模的提升。跟人的生活相关，在应用的时间性和可用性效率上，包括快速处理事情的能力、快速决策上有大提升。
今天国内已经发布了110多个大模型，覆盖了工业、政务、交通、传媒和能源等等行业，但是面对的场景还是图片生成、聊天对话、文案创作、广告营销等等，大家可以看这些领域，其实还是有它的特点的，更多的是更加贴近消费者、贴近终端的应用。计算机、科技和数字化的应用，一定是从C端开始慢慢往上转的。这跟腾讯从消费互联网转到产业互联网，这个路径是相似的，AIGC的发展也是沿这个路径走的。
我们在大模型的策略上，包括在行业内做科技企业的大模型策略，其实都是往这两个方向走的，第一是在通用能力上会有大规模的升级，所以我们基于大模型的基础，我们有自研的混元，刚才很多嘉宾也谈到的底层的大模型基础，这个基础是要投入大量的资本、人力、物力研发的，所以今天才得以迭代。第二是它有丰富的模型能力，包括文案的营销能力和文生图能力之后，它会有一些场景。如果今天大模型在行业内，比如在地产、物业的服务场景里面，一定是依赖于具像能力和精调能力，所以在一些垂类领域，行业大模型的效果优于通用模型。行业模型更利于私有化部署，这也符合To B行业的特点，因为有些数据我们不方便放在公有云上，或者不方便放在外面，要放在私有云里面，数据不出本地，在私有化环境里面自用，这是一个趋势。
刚才几位嘉宾提到，今天模型的算法和架构已经相对比较成熟，但是现在无论是国内还是国外，数据的完整程度、数据的治理程度决定了你训练、精调、推理最后的结果和效率。我相信大家在实际运用中也会遇到，你的数据量虽然大，但是你的效果不一定好，所以这个事情我们不是孤立地看模型，今天我们通过科技去赋能实业的时候，不能孤立看一件事情。即使今天我们有模型，有AIGC能力，但是你没有数据，或者数据质量不好，最后的结果也不会很好。当然还有应用场景，这三位一体的东西会导致最后的实践效果比较差，最后我们还是要看业务场景的，我们最后还是要看房子卖多少套、物业服务效率要提高多少，是不是有温度。
我们通过行业大模型推出了一些所谓的效能革命，其实我觉得效能革命这个词说得不好，还是"有温度"比较好。今天我们所有提供的这些能力，可以提高效率、提高服务品质、提高温度、提高质量。所以这里面第一个是能力更强，它的专业能力和推理能力更强，释放人的额外重复劳动。第二是效率更高，助力生产、经营、管理模式重塑业务。第三是场景更广，第四是应用更深。还有一点，如果利用这个能力会使我们的业务数据更加能积累、更加标准化、更加能数据资产化。今天我们提到新质生产力，也提到数据要素交易，数据要素交易的前提一定是数据的资产化，资产化的前提一定是标准化，质量要好，所以大家是互相迭代的。
我负责建筑不动产行业领域，包括物业、地产、建筑，也给大家分享一下我们是怎么做这件事情的。我们有一些科技能力和技术能力产品提供。首先底层方面，腾讯有强大的算力基础，因为我们本身是一个云计算公司，而且这个模型能力是基于算力的，这一点勿庸置疑。第二是在底层我们会基于行业建一些行业模型的开发生态，我觉得让一些企业自己去建技术模型，或者自己建一些行业的初始模型，为便利行业客户快速迭代，我们提供大模型的技术底座。在此基础上，我们还给客户提供了基于数据标注平台、训练平台，以及基于第三方的学习框架，还有应用平台。包括精调、训练、媒体AI、图像制作、客服等能力。再往上，大家可以在上面搭建自己的应用场景，同时训练你的垂直行业模型，慢慢就形成一个比较完整的业务闭环，我们会在云上提供这些能力。
基于这些模型之后，可以加入海量的行业数据去训练，我们提供了预训练，专业的人员和AI技术的训练，这里面有微调、训练，包括一些基于本行业的空间，这里面就结合了BIM和GIS等工具，以及完整时序数据，以更好的支撑设计、评估和建造场景的模型训练。但这并不是我们一家能干掉的，必须和一些合作伙伴一起来干这些事，我们提供工具、平台、基础的组件。
我们做了预训练之后，还会做一些精调，因为精调才能反向给应用提供一些服务，这里面会做一些参数的微调，大模型上的参数精调是非常需要专业化能力的。最后就是通过企业的数据、第三方的数据、公开的数据对它做强化训练，训练之后再调优，最后就向上对业务应用提供一个类似于AIGC能力，可能是一个助手，也可能是一个小程序，也可能是一个应用，这里面面对的可能是物业的服务场景，可能是工单系统，可能是你的业务联动性的分析系统，在这上面提供一些能力，做一些标注，最后就形成了垂类的行业模型。
在建筑不动产行业里面做行业大模型，我们也支持多个联动的场景，比如说在设计环节行业设计主要做电子图纸、CAD图纸，而今天则出现了更多的技术工具和数据内容，比如说通过遥感、城市GIS来形成片区的设计方案、BIM和CAD的数据，，以此形成一个虚拟的城市数字孪生空间。今天深圳做得非常好，已经形成了一个数字孪生的世界，。通过数字孪生的方式和今天通过大模型AIGC的能力，其实是大大提高了速度。所以我们可以利用多元异构的数据，基于模型做处理，通过数字孪生的技术，叠加AIGC的能力，这样形成一个可量化、可计算，最后形成一个全真互联的场景出来。
在2023年的游戏开发者大会上，我们把游戏的渲染能力、孪生能力、全真互联能力拿过来，加上AIGC，在AI Lab上，我们提出了自研的3D虚拟场景的自动生成解决方案。我们自动会生成面积25万平方公里、道路总长130公里、4416栋建筑城市，布局生成时间40分钟，独栋外观生成时间大概是一栋楼17.5分钟，这就是使用了一系列的混合技术+AIGC大模型的能力，就完全可以把整个数字城市、城市孪生模型生成出来。其实在后期的城市规划以及地产、营销模式里面，这是很好的模式，我们其实现在已经做到了，只要你的数据量是够的，你的孪生能力是够的，渲染能力、大模型能力加进来，你是可以做到的，当然这个成本怎么样，我们后面再探讨，相信在后期利用云计算能力、多模联调能力，这个事是一定能做到的。
我们再看另外一个场景，在不动产领域里面，物业人工客服的痛点分析，它明显是一个大模型语言交互模型的典型场景，AI大模型的知识库相比人工知识库能力大大的提升，所以今天的智能客服场景已经得到了大大的改观，我们在这一块跟物业公司有一些合作，大家有兴趣也可以交流一下。通过它做一些AI辅助、智能客服、知识库的训练，这样可以提升物业服务的温度。比如说24小时值守，包括数据的搜集、分发、工单等等事情都可以做到。
我们通过物业大模型给客户有温度的服务，基于通用模型、基于行业语料、行业法规、客户语料、数据，最后训练之后形成懂行业的语言模型，再懂业务的客户大模型。但是大家一定不要对这事期望值太高，今天我们能提供的能力，为什么叫有温度？有温度的核心逻辑是，它是一个辅助，它让人感觉更加亲切，同时在过程中慢慢迭代这个事情，最后达到我们想要的东西。我们的问答会越来越精准，这依赖于企业自身数据完整性、数据数量以及质量，包括你的日常训练的节奏，这其实是一个长期的过程。
我们在价值兑现的时候，第一个是精准，它会越来越精准，这肯定是一个需求，如果不精准你就不会用了。第二是降本增效，效率提升，第三是化繁为简。我今天早晨跟一个国内著名的物业公司领导聊，他说他们内部原来的培训资料非常多，这么多资料大家也没有怎么看，但是有了AIGC的能力，大家去针对性的查资料是非常方便的。
我今天花这些时间给大家介绍这个内容，核心还是希望通过像腾讯这样的科技企业的能力，通过我们的C端触达能力、模型能力、云计算能力，还是为在座的各位、为行业提供有价值的服务。希望未来能和大家多多合作。
