打卡智能中國（七）：AI的小城故事_風聞

“您認為AI公司在昆明，跟北上廣相比有什麼優勢？”

“我覺得昆明就是中國的硅谷，氣候特別好。”

這段對話，是在一次人工智能主題座談會上真實發生的。

經常參加這類交流活動的朋友可能會懂，這類問題一般在“遞話”，給受訪人一個“安利”自家的產品、技術、差異化價值的由頭。所以當現場有人拋出這個問題時，我也做好了聽到一堆PR公關辭令的準備。

沒想到，這位昆明某AI服務商、數據科技公司的技術負責人，給出的答案是大家都沒有設想過的。但這種“意料之外”，展現出在“北上廣”這類大城市少見到的“地氣”。

活動結束後，我和這位技術負責人單獨聊了聊，又發現了一種“意料之外”。

他們公司也在做大模型，用的是開源Llama架構+國產算力，經由私有數據微調，為雲南遊客提供線上問答服務。

你可能會問，AI模型都不是自己從底層代碼寫上來的，有什麼差異化競爭力？實際上並不是大家想的那麼簡單，只要調用API再用數據跑一遍就行了，他們在模型之外做的工作非常多且紮實。

比如，他們服務的一些雲南本地企業，可能連數據標註、數據治理、數據工具鏈等基礎概念都不知道，高質量數據集、文檔也沒有，想要訓練專有AI模型，就得從自己組建“標註組”開始。因為客户都很在意數據隱私，所以一個組的項目做完就要解散，標註人才就流失了，下次再重新建組。今天的AI落地，依然高度依賴“有多少人工就有多少智能”。

當我們走到三、四線城市，發現這裏的AI公司和開發者，對AI的認知和做法，都有很大的不同。

用這些“意料之外”，我們可以大概拼出一張拼圖，上面寫着：在小城市做AI，究竟是一種什麼體驗。

小城做AI，如同養“中華田園貓”

雄踞全球科技資本和人才的硅谷，是OpenAI、DeepMind等頂級AI機構生長的土壤。那麼，中國三、四線小城市的一方水土，會孕育出怎樣的AI呢？

在雲南，我見到了兩個AI服務商，以及不少開發了行業AI應用的實體企業，他們的AI模型有一個共同點：都使用通用大模型作為基座。比如基於開源Llama 2架構，加上自有數據、客户數據進行精調，底層代碼都不是自己從頭寫上來的。

站在巨人的肩膀上，是目前在小城市做AI的最優解。

當地的AI開發者告訴我，首先，他們測試了市面上主流的開源大模型和閉源大模型，最終選擇了Llama，原因是模型在業務場景下的表現好，而且生態夠豐富，社區資源多，配套工具成熟，這給他們的後續訓練和開發減少了很多難度。

此外，身在三、四線城市的AI公司，往往並沒有足夠的預算、算力、工程人才去從頭訓練一個新的大模型，加入開源社區或閉源生態是最現實的選擇。一位技術負責人説，他們沒法像大廠那樣囤上幾千幾萬張英偉達算力卡，加上N卡價格瘋漲，所以用的是國產算力，雖然需要解決跟CUDA的兼容性問題，但能滿足他們的需求，是目前比較有性價比的選擇。

另外，他們在本地垂類賽道，數據和工程是核心競爭力。這些三、四線城市的AI公司，沒有股價壓力，也不需要給投資人PR，專注於某一個非常小的垂類場景，一般也是大廠看不上、不會去碰的小市場，依靠私有數據積累和工程化交付的能力，就能建立起商業模式。

因為很多落地場景，只有在當地深入瞭解行業才能發現。

比如一個AI公司，基於開源大模型+自有旅遊數據開發的民宿大模型，已經在雲南大理的民宿落地了。而將大模型的對話能力，打造成“24小時AI管家”，這個靈感來自民宿會遇到社恐的遊客，或者不希望暴露隱私，不想因為WiFi密碼等小事麻煩服務人員，管家的介入很難做到恰到好處，讓遊客住的不夠舒適自在。而大模型出來之後，就在旅客和管家之間，多了一個AI交互的緩衝地帶，一些小問題通過AI管家就能解決，需要人工服務時隨叫隨到，這樣就很好地解決了旅客的顧慮。

目前，該公司的AI大模型服務，主打的就是可落地、支持私有化，目前覆蓋了文旅、工業、政務等場景，業務營收有70%以上來自大型企業的數智化。

實話説，很多一線城市的AI創業公司、高校科研院所打造的大模型，都未必能產生這樣的落地能力和經濟價值。

總的來説，我的感受是，三、四線城市的技術從業者，上來就是從場景裏找機會，找跟AI的結合點，反而更容易出效果。

一位開發者朋友是這樣説的，“搞AI就像養貓，科學家們和企業會養聰明的品種貓，這跟我沒什麼關係，我喜歡養小貓串串，把AI領域跟人文藝術領域結合起來，這個品種你沒見過吧”。

將通用大模型的“品種貓”跟本地場景、本土需求相結合，進行“雜交”，養出一隻只“混血小貓”，這些垂類AI應用，就像中華田園貓，可能是大廠和科技媒體人不太關注的，卻沐浴着雲南得天獨厚的陽光，真實而有生命力地成長着。

在小城市做AI的可能性

在交流活動中，有好幾個媒體人都詢問，在雲南做AI有哪些阻礙和挑戰。真正的問題，似乎在意料之外，又在情理之中。

所謂意料之外，是很多問題已經在被積極解決了。

比如基礎設施，在大家的印象中，三、四線城市的數字基礎設施發展比較晚，發展AI的資源稟賦比較薄弱。實際上，基礎設施在當地越來越不成為問題。

拿算力來説，雲南的算力資源已經可以滿足當地AI的開發需求。當地工作人員告訴我們，由於電價便宜，氣候條件好，所以雲南很適合發展AI人工智能數據中心，前文提到的民宿大模型，就是在昆明人工智能計算中心上進行訓練的，採用的國產算力。當地交通領域的數據中心工作人員也提到，該行業數據中心已經完成了60%的國產替代率。

至於數據，參加交流活動的兩家AI服務商，此前都是數據服務提供商。其中一個成立於2018年，在2020年的時候就形成了第一版數據解決方案，和一、二線的大廠簽訂了合作關係，積累了大量的數據資源和工程經驗。而算法，如前所説，依託全球領先的開源模型和社區，當地AI公司也可以快速上手開發。

那麼，當地AI發展的真正約束條件是什麼呢？

一是遠離產業帶。行業AI解決方案包含了多個環節和生產鏈條，很多小城市還沒有建立起產業集聚優勢，導致生產環節中存在斷點。一位昆明當地的AI服務商提到，客户的私有化部署，往往需要單獨成立標註組，項目完成就解散了，人才就要流失。而他們跟省外的標註公司合作，有的要收取加盟費，有的對團隊規模有要求，必須達到100人以上，這就給他們的項目增加了不少成本。

二是缺人。既然到外省找人很麻煩，那麼找本地人才呢？答案就是當地沒有那麼多AI人才。那一場交流活動中，也有云南當地的AI產業學院老師參加，對方提到，該學院今年招收了200名人工智能專業的本科生。現場一家AI公司表示：“200個？根本不夠用啊。”

除了人數少，由於人工智能是一個新興專業，當地也還在探索培養方案，有老師提到，目前AI教學還存在跟應用領域不夠貼近的問題，企業提供的AI實訓平台不符合教學、科研的需求，學校只能自己開發。

如何解決上述困境？我也在當地看到了一種跟開源文化有點類似的產業集羣創新模式，那就是“抱團取暖”。

一家本地的數據服務公司，將自己打造的數據標註、數據治理、數據探源等工具鏈，開源出來，豐富區域內的數據資源。此外，依託昆明人工智能計算中心，當地也在陸續開展師資培訓、工程師培訓等人才培養項目，打通“學練訓賽業”，推動產學研用的融合。

遠離了“北上廣”和“龍頭企業”的三、四線城市，由於AI產業鏈的零星聚集，反而跟彼此產生了格外強的引力，特別積極地希望貢獻出自己的一份力量。

產業AI的“面子”和“裏子”

説到這裏，你可能會問，那三、四線城市的AI落地情況究竟怎麼樣？跟當地產業相結合的廣度和深度如何呢？

我可以分享兩個真實的見聞故事：

一個是“面子”。在中國－老撾的邊境城市，當地工作人員帶我們參觀了位於火車站附近的“智慧展示中心”。我們發現，這個展示中心的作用，確實是“展示”，我們到大屏幕前觀看完兩部宣傳片，就沒能再深入了。

另一個是“裏子”。當我們走到日常運行的貨車檢查站，一個工作人員對着鏡頭侃侃而談，告訴我們5G+AI的應用如何落地，讓貨車一站式通關，避免了層層卡驗，將每輛車的平均通關時間從8分鐘縮短到4分鐘。從技術規劃到落地效果，講的非常清晰，帶着一種很瞭解一線實際情況才有的揮灑自如。

對此，不同的人可能會有不同的解讀角度。

AI應該樂觀嗎？好像是的，它已經抵達了最遙遠的邊境線，在n線城市落地。AI應該悲觀嗎？也有點道理，有效的AI應用似乎就那麼多，作為“典型案例”存在，而如果沒有AI場景的遍地開花，那麼建好的AI基礎設施發揮的作用，確實就是擺在那裏，作為“展示”。

今天，三、四線城市的AI探索，處於一個智能化需求特別多、特別分散的階段，只能一個場景一個場景地滲透。而這也是本地AI企業和開發者的機會，也有越來越多的人看到了這些地方存在的無數個被AI改變的可能性。

在當地走訪時，本地AI企業提到一句話：通過一個場景，探索出一些模式，應用到整個行業，一個個場景的智能化，拼起來就是整個行業的智能化。

他們確實也是這樣做的。

這些微小而分散的需求，是AI大廠和巨頭不願意觸碰，做了也投入回報比很低的場景，被當地企業一個接一個地解決着。

比如雲南開發出的越南語、老撾語、緬甸語、柬埔寨語、泰語等南亞東南亞語言的掃描筆、AI翻譯機；幫助企業無需寫字段調用API，就能根據不同的使用場景，比如經營分析會、領導參觀彙報、財務數據上報等，實時生成任意需求BI的垂類大模型；為麻醉科提供高效智能排班服務的大模型等。

大模型狂奔這一年，已經從價值炒作階段進入到價值沉澱階段，有大模型廠商提出了“不作詩、只做事”的理念。那麼，誰來做事呢？

這些在小城市做AI的人，用一個個場景的拼圖，拼出了大模型“有用”的答案。而AI的小城故事，還會在這片土地一直講下去。