打卡智能中国：AI的小城故事

原文来源：脑极体

图片来源：由无界 AI生成

“您认为AI公司在昆明，跟北上广相比有什么优势？”

“我觉得昆明就是中国的硅谷，气候特别好。”

这段对话，是在一次人工智能主题座谈会上真实发生的。

经常参加这类交流活动的朋友可能会懂，这类问题一般在“递话”，给受访人一个“安利”自家的产品、技术、差异化价值的由头。所以当现场有人抛出这个问题时，我也做好了听到一堆PR公关辞令的准备。

没想到，这位昆明某AI服务商、数据科技公司的技术负责人，给出的答案是大家都没有设想过的。但这种“意料之外”，展现出在“北上广”这类大城市少见到的“地气”。

活动结束后，我和这位技术负责人单独聊了聊，又发现了一种“意料之外”。

他们公司也在做大模型，用的是开源Llama架构+国产算力，经由私有数据微调，为云南游客提供线上问答服务。

你可能会问，AI模型都不是自己从底层代码写上来的，有什么差异化竞争力？实际上并不是大家想的那么简单，只要调用API再用数据跑一遍就行了，他们在模型之外做的工作非常多且扎实。

比如，他们服务的一些云南本地企业，可能连数据标注、数据治理、数据工具链等基础概念都不知道，高质量数据集、文档也没有，想要训练专有AI模型，就得从自己组建“标注组”开始。因为客户都很在意数据隐私，所以一个组的项目做完就要解散，标注人才就流失了，下次再重新建组。今天的AI落地，依然高度依赖“有多少人工就有多少智能”。

当我们走到三、四线城市，发现这里的AI公司和开发者，对AI的认知和做法，都有很大的不同。

用这些“意料之外”，我们可以大概拼出一张拼图，上面写着：在小城市做AI，究竟是一种什么体验。

小城做AI如同养“中华田园猫”

雄踞全球科技资本和人才的硅谷，是OpenAI、DeepMind等顶级AI机构生长的土壤。那么，中国三、四线小城市的一方水土，会孕育出怎样的AI呢？

在云南，我见到了两个AI服务商，以及不少开发了行业AI应用的实体企业，他们的AI模型有一个共同点：都使用通用大模型作为基座。比如基于开源Llama 2架构，加上自有数据、客户数据进行精调，底层代码都不是自己从头写上来的。

站在巨人的肩膀上，是目前在小城市做AI的最优解。

当地的AI开发者告诉我，首先，他们测试了市面上主流的开源大模型和闭源大模型，最终选择了Llama，原因是模型在业务场景下的表现好，而且生态够丰富，社区资源多，配套工具成熟，这给他们的后续训练和开发减少了很多难度。

此外，身在三、四线城市的AI公司，往往并没有足够的预算、算力、工程人才去从头训练一个新的大模型，加入开源社区或闭源生态是最现实的选择。一位技术负责人说，他们没法像大厂那样囤上几千几万张英伟达算力卡，加上N卡价格疯涨，所以用的是国产算力，虽然需要解决跟CUDA的兼容性问题，但能满足他们的需求，是目前比较有性价比的选择。

另外，他们在本地垂类赛道，数据和工程是核心竞争力。这些三、四线城市的AI公司，没有股价压力，也不需要给投资人PR，专注于某一个非常小的垂类场景，一般也是大厂看不上、不会去碰的小市场，依靠私有数据积累和工程化交付的能力，就能建立起商业模式。

因为很多落地场景，只有在当地深入了解行业才能发现。

比如一个AI公司，基于开源大模型+自有旅游数据开发的民宿大模型，已经在云南大理的民宿落地了。而将大模型的对话能力，打造成“24小时AI管家”，这个灵感来自民宿会遇到社恐的游客，或者不希望暴露隐私，不想因为WiFi密码等小事麻烦服务人员，管家的介入很难做到恰到好处，让游客住的不够舒适自在。而大模型出来之后，就在旅客和管家之间，多了一个AI交互的缓冲地带，一些小问题通过AI管家就能解决，需要人工服务时随叫随到，这样就很好地解决了旅客的顾虑。

目前，该公司的AI大模型服务，主打的就是可落地、支持私有化，目前覆盖了文旅、工业、政务等场景，业务营收有70%以上来自大型企业的数智化。