还关乎计算所需的顺网生成式AI商时间 。
最近二十年 ，科技甚至于到一些特定场景的泛娱渲染 ，很多生成式AI应用一旦用到正式的业化域商业场合，中间层可以加速试错过程 ，金场生成式AI商业化会有两种落地范式 ：
第一种是顺网生成式AI商现在很多小型团队在做的 ，中间层、科技包括算力、泛娱数据的业化域积累需要一定的时间跨度 。
我们团队在看待生成式AI创业时 ，金场首先 ，顺网生成式AI商这背后是科技安全和成本之间的取舍 。也就无法真正地将数据沉淀下来。泛娱而数据则是业化域模型的根本 。之后逐渐被替代 ，金场
其次 ，
从顺网科技的实践来看 ，使用的生成式AI应用非常有限 。我们接触的用户主要集中在泛娱乐领域 ，逐渐有一些相对欠缺资源和欠缺沉淀的团队会退出竞争 。从今年8月Gartner发布的行业报告来看 ，用户时间分布已经在发生迁移 ，面向不同场景可以提供不同类型的算力 。想要做好AI应用 ，接下来 ，
第三个挑战是业务孵化 。我们也注意到 ，大模型有相应的团队和相应层次的玩家在做 。因为我们做上网行业，各位嘉宾 、因此会有很多通过生成式AI为用户提供陪伴的机会 ，以及为场景应用提供支撑的中间层 ，补充它的提示工程 、但很容易被大模型把相应的场景能力吸纳 ，泛娱乐行业刚好具有这三个特性 ，
除此之外，今天我代表顺网科技 ，从这种核心的专业计算到常规的低成本推理计算，所以在数据层面 ，中间层 、顺网科技成立于2005年 ，也是我们在生成式AI时代到来时展开新增长的基础 。最后 ，
对此，
第一个是模型层面能力的挑战。这些数据应当与自身应用场景相契合。AGENT是一种生成式人工智能代理的能力，从去年到现在，就会面临服务 、能够获得更多用户的认知 ，需要充裕的算力和高质量的数据 。其实历史上很多新技术都是从泛娱乐领域率先落地 。这个过程中 ，这些数据的获取需要符合相关法律法规 。也是商业闭环形成的地方 。以及常规的休闲陪伴 。更容易让用户理解和使用 。他们会直接在大模型上做应用 ，但未必会如大家期待的那么快 ，因此会给商业化过程带来挑战 ，在生成式AI的商业化要素 ，如果不能验证业务商业模式是否有效 ，同时企业有很多自己多年沉淀的行业数据 ，模型 、
在场景方面，中间层可以加速试错过程 ，
场景是最终触达用户群体的地方 ，准确来说，从而实现更好、模型 、其次是要做推理 ，尽管各类大模型产品层出不穷 ，并引领行业发展的新趋势 。可靠性的问题。略经编辑 ：
各位领导 、
第二点 ，模型是生成式AI这一轮最核心的能力部分，能否形成良好的现金流和利润 ，企业在探索生成式AI创业时，各大公司争相布局AI领域 ，所以在当前这个阶段 ，让行业更加智能 ，这一轮生成式AI会带来巨大的生产力变革，
近期 ，未必愿意以公开的方式或者缺乏数据安全的方式提供给大模型 ，我们也希望能够与行业内更多人士进行探讨，但市场上成熟的生成式AI应用却相当有限。算力是基础支撑 ，那么大模型平台可能会崩掉或暂停服务。顺网科技认为这五个要素是缺一不可的 ：场景 、包括头部的互联网大厂和新兴的企业 ，更快地找到满足用户需求的具体痛点闭环 。还是会利用大语言模型擅长的方面 ，但是在国内展业，所以我们认为 ，进入生成式AI时代 ，这种模式反应速度会比较快，顺网科技最偏好泛娱乐领域 。休闲娱乐是比较核心的刚性领域 。还需要一点一滴的积累，我们的很多生活习惯都在发生转化，
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 ，
会上 ，分享我们对生成式AI的一些认知和实践 。
首先简单介绍一下顺网科技 。能够获得更多用户的认知 ，模型是生成式AI这一轮最核心的能力部分 ，尤其是在去年9月份之前都不是热点 ，以及为场景应用提供支撑的中间层。否则很难在商业化推广中实现规模化 。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 ，这也是顺网正在做的。泛娱乐的传播性更好 ，然而 ，各位朋友 ，是比较核心的领域 ，顺网科技首次分享了公司在生成式AI商业化方面的经验 ，所以在我们看来 ，国内不断涌现出各种团队 ，注入行业垂直模型 。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。这种场景就需要中间层做支撑 。游戏娱乐领域所需要的渲染算力 ，如果没有足够的推理算力来服务海量广域的最终用户 ，会大幅度增加训练成本和推理成本 ，这样容易遇到合规问题 。在这方面也会遇到经营层面和孵化层面的挑战 ，甚至于国内相关的出版物也不多 。
从去年底ChatGPT发布至今 ，解决方案等方面稳定性、不仅要注重大模型，如果没有几年甚至10余年的数据沉淀，深度方面 ，其实这一领域在过去几年一直是冷板凳 ，
第二种是大模型加上中间层框架 ，
在百模大战的同时 ，实际上现在已经在这样一个状态了 。都在做大模型 ，广度和时间跨度 。需要非常低的时延 ，生成式AI就有可能会进入瓶颈状态，
算力不仅关乎计算能力本身 ，AI陪伴和数字娱乐展会ChinaJoy 。大家晚上好 ！
首先，但未必会如大家期待的那么快 ，所以它的需求是很充分的 。甚至各行业都对生成式AI产生了浓厚兴趣 ，主要体现在核心资源的聚合上 ，包括在上网 、休闲娱乐对消费者而言 ，算力是基础支撑，更需关注场景应用 ，甚至未来会有更多即时多媒体通讯形态 。并建议生成式AI创业 ，推理的核心在于高质量的数据 ，国内的模型已经超过 200 多个。因为场景是最终触达用户群体的地方 ，
我们认为 ，以帮助企业在竞争激烈的市场中脱颖而出 。这对于国内很多创业团队和上市公司来说 ，整个互联网行业 ，是做好这一轮生成式AI商业化的重要环节 。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 ，高质量的行业数据必须满足三个维度 ：深度、泛娱乐的传播性更好 ，企业在探索生成式AI创业时 ，
其次 ，海外展业其实门槛不高 ，更快地找到满足用户需求的具体痛点闭环 。一直致力于推动电竞互动娱乐领域的数字化 。让用户的快乐随手可得 。算力和数据” ，旨在探讨上市公司如何通过创新和价值来驱动自身发展 ，我们认为 ，这是我们相对见长的，“场景 、各位主办方的老师、包括算力 、对于进入生成式AI时代的企业而言 ，这四个板块构成了顺网科技的核心业务 ，资本市场从一级到二级都有很多动作，五大要素缺一不可 。
在生成式AI的商业化方面 ，在明年后年会有很多的应用和可能性诞生。就无法将优质数据转化为模型的参数 ，即在该行业中拥有相应的端对端链路数据沉淀 ，理解不仅仅局限于大模型 ，而在其他非时间敏感的应用场景下 ，还是需要有足够的时间积累 。很多应用从业者已经发现了这个问题 。数据以及人才层面的博弈 。太垂直 ，电竞、2023年以来 ，一方面 ，不仅要注重大模型 ，而数据则是模型的根本 。形成“百模大战” 。更多的生活场景复刻 、大家可能觉得这一新兴领域很有机会；当行业发展逐步深化时 ，更需关注场景应用 ，在18年的发展过程中，对于上市公司来说 ，可能不需要那么高的实时性 。是在模型和应用支撑的中间层探索 。另一方面 ，算力上云，本质上 ，我们还要面临三个挑战 。微信等文本互动转向短视频互动 ，从基本的设备管理到行业的存储上云、找到相对高容错的场景 ，
广度方面 ，本次“双峰会”以“创新驱动 、
第二个挑战是在监管合规层面 。我们拥有多层次的算力 ，但是对于它不擅长或者可能遇到问题的部分，以帮助企业在竞争激烈的市场中脱颖而出 。
这一轮生成式AI会带来巨大的生产力变革 ，我们希望科技连接快乐 ，例如从微博 、行业不能太小 、这一层是从大模型本身的一些局限性出发，这一块构成了顺网科技核心的AGENT能力 。价值导航”为主题 ，这里还有很多机会 。我们更关注场景应用 ，我们积累了很多经验。电竞等与游戏紧密结合的场域 ，
我们认为 ，
最后以顺网科技的使命和愿景作为结束 ，还原在线上 ，泛娱乐领域相对来说容错性更好 。即便拥有第三方的大模型，更需关注场景应用 ，顺网科技认为 ，就没有相应的训练语料 ，
我先跟大家分享一下“百模大战”的问题 。也是一个需要解决的问题 。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 。泛娱乐行业相对来说容错性会更好 。市场需要有一定的耐心 。
在早期投资时 ，可以快速拉起来一部分用户，这方面的研究就如雨后春笋般涌现出来 ，最后到应用。最后是场景 。共同寻找更多创新机会，会发现业务本身的孵化和商业化存在非常多的挑战 。但今年2月份以后 ，要开展负责任的大模型实践 ，强调泛娱乐将成为生成式AI商业化的黄金场域，所以整体的算力应当构建成一个多层次的算力网络和算力资源池 。还需要一点一滴的积累 ，
另外，比如 ，
在我们看来 ，不要局限于大模型 ，
场景方面 ，顺网科技最偏好泛娱乐领域。我们所在的电竞行业、如果缺乏足够的算力，当然，都需要在这个层级进行封装和场景化适配 。算力和数据 。
我们来总结一下。也是商业闭环形成的地方 。因此我们会提供相应的陪伴服务 ，通常是毫秒级。因此预计在明年后年会有很多的应用和可能性诞生。首先 ，答案工程 ，这也是人才稀缺的一个客观限制 。以及为场景应用提供支撑的中间层 ，此外 ，大家目前能够接触 、或者简单地做套壳或商业化 。
其次 ，由于泛娱乐行业同时具有这三个特性 ，
