运输效率方面，楼市流之前抵达香港要6至7小时，现在仅需3至4个小时。

比如，换量还要给医疗机构做一个医药医疗大模型，换量还必须把医疗进行场景细分——在里边找出50到100个场景，并对每个场景分析，看看文章生成、情感判断、内容翻译等大模型最常见的功能能不能发挥作用。中国正发出拥抱新一轮科技和产业浪潮的新信号，下主发力以人工智能为引擎的新质生产力。

楼市流能不能展开聊聊？周鸿祎：我们去年从toB模式中找到一些方法论。Sora运用到的仍是已有的技术，换量还只不过OpenAI把这些技术综合起来从工程上进行了优化，做到了之前的人没有做到的事情。如何做出这个判断？周鸿祎：下主首先，我认为有差距是必然的，知道差距是多少，剩下的就是追赶问题。

所以我主张要在企业用大模型不要一下子宏大叙事，楼市流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。我现在说话比较谨慎，换量还你说大了，别人说你自卑。

但真正用一用，下主我觉得国内的大部分都达到或者超过了GPT-3.5的能力，全世界也就只有中国有这个能力。

你说小了，楼市流别人说你自大。我认为，换量还大模型比光刻机、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。

但如果把大模型越做越小，下主走垂直化、下主产业化、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。这就对算力的要求就降到很低，楼市流可能有十张消费级显卡在一个场景就能用起来，非常适合我们国家，这也是我们弯道超车的一个场景。

打个比方，换量还现在我们造出内燃机了，不能说我想造飞机，内燃机不能用，我不管了，我要造喷气发动机去。所以我主张要在企业用大模型不要一下子宏大叙事，下主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。

(责任编辑：马浚伟)