決勝大模型：打造新質生產力

周鴻祎

祖籍湖北，1970年出生於河南省駐馬店市，360集團創始人，全國政協委員，九三學社中央委員。

周鴻祎於1992年和1995年先後在西安交通大學獲得學士學位和碩士學位，目前清華大學創新領軍工程博士在讀。

2005年，周鴻祎創辦360公司，首創“免費安全”模式。2022年，周鴻祎帶領360全面轉型為數字安全公司，踐行“上山下海助小微”的企業戰略，為數字中國發展築牢安全屏障。2023年，周鴻祎帶領360確定“Al+安全”雙主線發展戰略，自研認知型通用大模型“360智腦”，攻克Al大模型安全的世界前沿課題，進一步服務政府、城市、企業智能化升級。

周鴻祎榮獲全國勞動模範、國家百千萬人才工程有突出貢獻中青年專家、國務院特殊津貼專家、“北京學者”等榮譽稱號，同時擔任西安交通大學兼職教授、香港大學客座教授，任中國互聯網協會副理事長、中國計算機學會計算機安全專委會副主任等職務。

前言

政府和企業擁抱AI面臨的困惑

政府和企業想擁抱AI，首先要樹立AI信仰

DeepSeek火爆出圈，大模型落地正當其時

大模型發展的十二個趨勢預測

01 技術觀 大模型是真智能

第 1章 大模型理解了人類語言，是AI發展的重大突破

1.1 兩種極端觀點

1.2 大模型理解了人類語言，是真智能

1.3 大模型是暴力美學新典範

1.4 大模型訓練與人腦學習原理相似

1.5 什麼是模型參數

1.6 不要用硬盤和內存的眼光去看待大模型

1.7 大模型不是對數據和知識的壓縮

1.8 不要用傳統搜索引擎的眼光去看待大模型

1.9 體現大模型具有真智能的四個現象

第 2章 o1邏輯推理能力大幅增強，DeepSeek顛覆式創新改寫AI發展格局

2.1 OpenAI發布o1大模型，擁有逆天推理能力

2.2 o1利用思維鏈技術，賦予模型慢思考能力

2.3 DeepSeek顛覆式創新：技術創新

2.4 DeepSeek顛覆式創新：體驗創新

2.5 DeepSeek顛覆式創新：市場模式創新

2.6 DeepSeek顛覆式創新：生態模式創新

第3章 從單模態到跨模態，多模態技術快速疊代

3.1 Sora最重要的突破是理解了物理世界

3.2 Sora與傳統文生視頻技術及CG技術有何不同

3.3 Sora能幫我們做什麼

3.4 GPT-4o：讓AI能聽、會說、看懂世界

3.5 GPT-4o能幫我們做什麼

第4章 大模型的應用前景

4.1 大模型的快速發展，加速AGI到來

4.2 大模型提升生產力的五層能力

4.3 大模型的通用能力

4.4 大模型的科技能力

4.4.1 大模型科技能力一：推動自動駕駛迎來革命性變化

4.4.2 大模型科技能力二：促進具身機器人產業加速發展

4.4.3 大模型科技能力三：為生物、醫學研究帶來革命性變化

4.4.4 大模型科技能力四：幫助基礎科學研究突破瓶頸

4.4.5 大模型科技能力五：反向解決能源自由問題

02 產業觀 大模型將引領新工業革命

第5章 大模型是新質生產力的驅動引擎，將引發新一輪工業革命

5.1 大模型不是泡沫，將引領新一輪工業革命

5.2 “人工智能+”首次寫入政府工作報告，大模型必將成為新質生產力的驅動引擎

5.3 大模型引發新一輪工業革命需要一個深刻的變革過程

5.4 面對全球大模型產業之爭，要打贏“三大戰役”

第6章 通用大模型之戰

6.1 中美通用大模型發展的總體差距

6.2 超級通用大模型之路應作為國家戰略

6.3 不要被OpenAI的超級通用大模型之路牽著鼻子走

第7章 應用場景之戰

7.1 把大模型拉下神壇，才能掀起新工業革命

7.2 通用大模型無法滿足政府和企業的專業場景需求

7.3 Think Different——大模型發展並非只有一條路

7.4 大模型的最新發展趨勢

7.4.1 趨勢一“專”：大模型向專業化發展

7.4.2 趨勢二“小”：大模型參數規模越做越小，進入輕量化時代

7.4.3 趨勢三“廉”：模型的成本越來越低，“原子彈”變成“茶葉蛋”

7.4.4 趨勢四“強”：知識密度快速增長，小模型能力越來越強

7.5 開源大模型爆發代表了“專、小、廉、強”的發展趨勢

7.6 大模型支撐技術快速發展

7.6.1 支撐技術一：強化學習

7.6.2 支撐技術二：智能體框架

7.6.3 支撐技術三：工作流系統

7.7 實現新一輪工業革命的路線一：大模型上終端，走進千家萬戶

7.8 實現新一輪工業革命的路線二：走專業化道路，走進千行百業

7.9 走專業化道路，首先要找到明星場景

7.10 走專業化大模型之路，許多問題就會迎刃而解

第8章 大模型安全之戰

8.1 大模型的全新特性帶來了前所未有的安全挑戰

8.1.1 AI攻防安全

8.1.2 AI自身安全

8.1.3 AI倫理安全

8.2 傳統安全技術能解決AI的傳統安全問題，但對新型AI安全問題束手無策

8.3 360提出“以模制模”新解法，用安全大模型應對新型AI安全問題

8.4 大模型的“安全四原則”

03 方法論 專業化大模型如何落地

第9章 政府和企業落地大模型的誤區和關鍵問題

9.1 政府和企業落地大模型，要避開七大誤區

9.1.1 誤區一：追求宏大敘事

9.1.2 誤區二：追求全能

9.1.3 誤區三：取代原有IT系統

9.1.4 誤區四：跳過數字化階段

9.1.5 誤區五：追求從頭預訓練自有專屬大模型

9.1.6 誤區六：迷信Copilot模式和LUI

9.1.7 誤區七：追求極致的全面自動化、無人化

9.2 政府和企業落地大模型，還應關註四大關鍵問題

第 10章 知識管理

10.1 知識是從數字化到智能化升級的關鍵所在

10.2 大數據背後隱藏了大量知識，大數據平臺無法從數據層面上升到知識層面

10.3 從數據驅動到知識驅動，大模型打通大數據業務的“最後一公裏”

10.4 構建大模型驅動的企業知識中樞和情報中樞，打造企業大模型的基礎設施

10.5 把大數據中心升級為知識中樞

第 11章 專家模型協同

11.1 為什麼需要專家模型協同

11.2 如何實現專家模型協同

11.3 基於專家模型協同的“復仇者聯盟”

第 12章 構建智能體

12.1 為什麼需要智能體

12.2 如何實現智能體

12.3 智能體平臺解決大模型應用落地核心問題

第 13章 融合工作流

13.1 為什麼需要融合工作流

13.2 如何實現融合工作流

13.3 業務協作平臺實現融合工作流

第 14章 企業級大模型實踐與解決方案

14.1 打造360安全大模型的方法論

14.2 實踐證明，百億大模型訓練得好，專業能力可以超越GPT-4

14.3 納米AI企業版可充當政企數字化轉型戰略的底座

04 360企業級大模型落地方案及案例

第 15章 360發展大模型的獨特優勢

15.1 國內數智化企業領航者

15.2 滿載榮譽的AI大模型廠商

15.3 深耕AI領域十余載

15.4 國內領先的數智化算力資源

15.5 豐富的數據資源

15.6 國內頂尖的專業人才

第 16章 360企業級大模型落地方案

16.1 360企業級大模型的六大基礎設施

16.2 360城市級大模型落地解決方案

16.3 360企業級大模型典型案例

16.3.1 案例一：大模型賦能某市12345便民服務平臺

16.3.2 案例二：某工程公司落地AI與IT協同

16.3.3 案例三：某連鎖旅遊平臺落地智慧巡店系統

16.3.4 案例四：大模型賦能某市政府政策法規咨詢業務

16.3.5 案例五：某市公安落地智慧報警平臺

16.3.6 案例六：大模型賦能互聯網輿情發現