场景方面 ，金场能够获得更多用户的顺网生成式AI商认知 ，从这种核心的科技专业计算到常规的低成本推理计算 ，
在场景方面 ，泛娱这些数据应当与自身应用场景相契合 。业化域所以整体的金场算力应当构建成一个多层次的算力网络和算力资源池 。AI陪伴和数字娱乐展会ChinaJoy 。高质量的行业数据必须满足三个维度 ：深度、
各位领导 、以及算力全方位的线上线下一体化调度管理 ，从今年8月Gartner发布的行业报告来看 ，我们拥有多层次的算力 ，实际上现在已经在这样一个状态了 。在早期投资时，
广度方面，理解不仅仅局限于大模型，导致大模型产品密集落地 ，都在做大模型，我们也注意到 ，
第二点 ，而数据则是模型的根本 。最后到应用。如果没有几年甚至10余年的数据沉淀 ，
第二种是大模型加上中间层框架 ，甚至未来会有更多即时多媒体通讯形态 。不要局限于大模型 ，在这方面也会遇到经营层面和孵化层面的挑战 ，顺网科技成立于2005年，因为我们做上网行业 ，一直致力于推动电竞互动娱乐领域的数字化。
我们团队在看待生成式AI创业时 ，尽管各类大模型产品层出不穷 ，
首先，我们所在的电竞行业 、但未必会如大家期待的那么快，所以我们认为 ，
其次，此外 ，因为场景是最终触达用户群体的地方 ，旨在探讨上市公司如何通过创新和价值来驱动自身发展 ，顺网科技首次分享了公司在生成式AI商业化方面的经验 ，这方面的研究就如雨后春笋般涌现出来 ，
最近二十年，整个互联网行业 ，顺网科技逐渐切入了四个核心领域 ，甚至各行业都对生成式AI产生了浓厚兴趣 ，更快地找到满足用户需求的具体痛点闭环 。我们积累了很多经验 。分享我们对生成式AI的一些认知和实践 。生成式AI就有可能会进入瓶颈状态 ，包括头部的互联网大厂和新兴的企业 ，甚至于到一些特定场景的渲染 ，五大要素缺一不可 。市场需要有一定的耐心 。泛娱乐的传播性更好，顺网科技最偏好泛娱乐领域 。数据以及人才层面的博弈 。通常是毫秒级 。首先 ，AGENT是一种生成式人工智能代理的能力 ，而在其他非时间敏感的应用场景下 ，对于进入生成式AI时代的企业而言 ，企业在探索生成式AI创业时 ，共同寻找更多创新机会 ，强调泛娱乐将成为生成式AI商业化的黄金场域，
最后以顺网科技的使命和愿景作为结束 ，算力和数据 。大模型有相应的团队和相应层次的玩家在做 。
我们认为，我们接触的用户主要集中在泛娱乐领域，另一方面 ，以帮助企业在竞争激烈的市场中脱颖而出。
会上 ，
近期 ，并引领行业发展的新趋势。这种场景就需要中间层做支撑 。要开展负责任的大模型实践 ，解决方案等方面稳定性 、用户时间分布已经在发生迁移 ，而且是异构算力 ，
第三个挑战是业务孵化。会大幅度增加训练成本和推理成本，算力是基础支撑 ，会发现业务本身的孵化和商业化存在非常多的挑战 。各位主办方的老师 、使用的生成式AI应用非常有限 。其实这一领域在过去几年一直是冷板凳 ，2023中国上市公司投资价值峰会暨中国投资基金峰会（以下简称“双峰会”）在北京举办 ，即在该行业中拥有相应的端对端链路数据沉淀 ，找到相对高容错的场景 ，
从去年底ChatGPT发布至今 ，“场景 、也是一个需要解决的问题 。中间层 、并建议生成式AI创业 ，如果不能验证业务商业模式是否有效 ，需要非常低的时延 ，电竞 、因此我们会提供相应的陪伴服务 ，更快地找到满足用户需求的具体痛点闭环。而数据则是模型的根本 。对于上市公司来说 ，这背后是安全和成本之间的取舍 。包括算力 、如果缺乏足够的算力 ，因此会有很多通过生成式AI为用户提供陪伴的机会 ，让行业更加智能 ，之后逐渐被替代，顺网科技认为，所以它的需求是很充分的 。在18年的发展过程中 ，更需关注场景应用 ，大家目前能够接触 、将会面临三个挑战 ：其一是模型层面能力的提升；其二是监管合规层面的挑战；其三是业务孵化和商业化 。本质上 ，这个过程中 ，这一层是从大模型本身的一些局限性出发，国内不断涌现出各种团队 ，尤其是在去年9月份之前都不是热点 ，我们希望科技连接快乐 ，还原在线上 ，更需关注场景应用 ，模型是生成式AI这一轮最核心的能力部分 ，各位嘉宾 、中间层可以加速试错过程 ，还是需要有足够的时间积累 。还关乎计算所需的时间 。泛娱乐领域相对来说容错性更好 。形成“百模大战”。市场需要有一定耐心 。算力和数据” ，因此预计在明年后年会有很多的应用和可能性诞生 。
我们认为 ，可以快速拉起来一部分用户，我们也希望能够与行业内更多人士进行探讨 ，从基本的设备管理到行业的存储上云、但市场上成熟的生成式AI应用却相当有限 。不仅要注重大模型 ，这一块构成了顺网科技核心的AGENT能力。以及为场景应用提供支撑的中间层 ，其次是要做推理 ，以及为场景应用提供支撑的中间层 ，因此会给商业化过程带来挑战 ，是比较核心的领域 ，
对此 ，甚至更快的商业化进程 。能否形成良好的现金流和利润 ，
场景是最终触达用户群体的地方 ，首先 ，还需要一点一滴的积累 ，补充它的提示工程、算力是基础支撑，要有一定的市场容量和多细分行业覆盖 ，价值导航”为主题，数据的积累需要一定的时间跨度 。可能不需要那么高的实时性 。顺网科技最偏好泛娱乐领域 。但今年2月份以后，更容易让用户理解和使用 。
这一轮生成式AI会带来巨大的生产力变革 ，微信等文本互动转向短视频互动 ，
2023年以来，这一轮生成式AI会带来巨大的生产力变革 ，更多的生活场景复刻 、很多应用从业者已经发现了这个问题。整个模型竞争已经进入了技术发展曲线的第一个峰值阶段。算力上云，各大公司争相布局AI领域，比如 ，我们还要面临三个挑战 。从去年到现在 ，但很容易被大模型把相应的场景能力吸纳 ，都需要在这个层级进行封装和场景化适配 。
第二个挑战是在监管合规层面。在明年后年会有很多的应用和可能性诞生 。
第一个是模型层面能力的挑战 。逐渐有一些相对欠缺资源和欠缺沉淀的团队会退出竞争 。需要充裕的算力和高质量的数据 。进入生成式AI时代 ，深度方面，在生成式AI的商业化方面 ，更容易让用户理解和使用 。以及为场景应用提供支撑的中间层。推理的核心在于高质量的数据 ，泛娱乐行业刚好具有这三个特性 ，
算力不仅关乎计算能力本身 ，
以下是顺网科技在钛媒体2023年中国上市公司双峰会的分享实录 ，可靠性的问题 。
从顺网科技的实践来看 ，
在百模大战的同时 ，这对于国内很多创业团队和上市公司来说 ，想要做好AI应用 ，
首先简单介绍一下顺网科技 。就没有相应的训练语料 ，也是我们在生成式AI时代到来时展开新增长的基础 。面向不同场景可以提供不同类型的算力。
在我们看来 ，在生成式AI的商业化要素，休闲娱乐对消费者而言 ，这是我们相对见长的，
另外 ，企业在探索生成式AI创业时 ，是在模型和应用支撑的中间层探索 。还是会利用大语言模型擅长的方面 ，资本市场从一级到二级都有很多动作 ，很多生成式AI应用一旦用到正式的商业场合 ，就无法将优质数据转化为模型的参数 ，广度和时间跨度 。然而，这种模式反应速度会比较快 ，休闲娱乐是比较核心的刚性领域。这样容易遇到合规问题 。如果没有足够的推理算力来服务海量广域的最终用户 ，他们会直接在大模型上做应用，所以在当前这个阶段，这些数据的获取需要符合相关法律法规 。同时企业有很多自己多年沉淀的行业数据，也是商业闭环形成的地方 。大家晚上好 ！最后 ，以及为场景应用提供支撑的中间层 ，甚至于国内相关的出版物也不多 。从而实现更好 、是做好这一轮生成式AI商业化的重要环节 。由于泛娱乐行业同时具有这三个特性 ，而不是只创建一两个代理的化身。否则很难在商业化推广中实现规模化 。接下来 ，
最后是场景 。
除此之外 ，但是在国内展业 ，一方面 ，主要体现在核心资源的聚合上 ，这也是顺网正在做的 。
我先跟大家分享一下“百模大战”的问题。以帮助企业在竞争激烈的市场中脱颖而出 。电竞等与游戏紧密结合的场域，
其次，行业不能太小 、其实历史上很多新技术都是从泛娱乐领域率先落地。今天我代表顺网科技 ，模型是生成式AI这一轮最核心的能力部分 ，能够获得更多用户的认知，准确来说，当然，也是商业闭环形成的地方。包括算力、让用户的快乐随手可得。但是对于它不擅长或者可能遇到问题的部分 ，这也是人才稀缺的一个客观限制 。例如从微博 、模型、包括在上网、泛娱乐行业相对来说容错性会更好 。还需要一点一滴的积累 ，国内的模型已经超过 200 多个 。但未必会如大家期待的那么快，
其次 ，也就无法真正地将数据沉淀下来 。那么大模型平台可能会崩掉或暂停服务 。游戏娱乐领域所需要的渲染算力 ，以及常规的休闲陪伴。中间层可以加速试错过程 ，答案工程 ，泛娱乐的传播性更好，海外展业其实门槛不高 ，注入行业垂直模型。所以在数据层面，各位朋友 ，这里还有很多机会 。生成式AI商业化会有两种落地范式：
第一种是现在很多小型团队在做的 ，太垂直，这四个板块构成了顺网科技的核心业务 ，更需关注场景应用 ，本次“双峰会”以“创新驱动 、我们认为 ，
我们来总结一下。就会面临服务 、
详情© 2019 京ICP备888888号
