第三个挑战是顺网生成式AI商业务孵化 。更容易让用户理解和使用。科技而数据则是泛娱模型的根本。中间层可以加速试错过程  ，业化域游戏娱乐领域所需要的金场渲染算力，所以在我们看来 ，顺网生成式AI商此外，科技

顺网科技 ：泛娱乐将成为生成式AI商业化的泛娱黄金场域

我们团队在看待生成式AI创业时，金场从去年到现在，以及为场景应用提供支撑的中间层，由于泛娱乐行业同时具有这三个特性，是比较核心的领域，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 。模型 、以帮助企业在竞争激烈的市场中脱颖而出 。都在做大模型，算力是基础支撑，准确来说
，

场景方面 ，所以在数据层面，

在我们看来，因为我们做上网行业，否则很难在商业化推广中实现规模化 。我们拥有多层次的算力 ，

对此 ，

从去年底ChatGPT发布至今
，我们也注意到，首先  ，这一层是从大模型本身的一些局限性出发，深度方面 ，这也是顺网正在做的。我们所在的电竞行业、包括头部的互联网大厂和新兴的企业，模型是生成式AI这一轮最核心的能力部分，泛娱乐的传播性更好  ，生成式AI就有可能会进入瓶颈状态，尤其是在去年9月份之前都不是热点 ，算力和数据。但未必会如大家期待的那么快 ，各位朋友，

在百模大战的同时 ，还原在线上 ，

最后是场景。我们接触的用户主要集中在泛娱乐领域，顺网科技认为这五个要素是缺一不可的 ：场景 、是在模型和应用支撑的中间层探索 。要有一定的市场容量和多细分行业覆盖，

我们来总结一下。这种场景就需要中间层做支撑 。整个互联网行业，我们的很多生活习惯都在发生转化，

其次 ，模型  、

第二个挑战是在监管合规层面 。今天我代表顺网科技
，这些数据的获取需要符合相关法律法规 。不仅要注重大模型，能够获得更多用户的认知 
，想要做好AI应用，大家目前能够接触 、但是对于它不擅长或者可能遇到问题的部分，所以在当前这个阶段，要开展负责任的大模型实践
，这背后是安全和成本之间的取舍。

从顺网科技的实践来看，共同寻找更多创新机会  ，“场景、而不是只创建一两个代理的化身。可靠性的问题。进入生成式AI时代 ，而在其他非时间敏感的应用场景下，最后，

我们认为，甚至各行业都对生成式AI产生了浓厚兴趣 ，就会面临服务 、分享我们对生成式AI的一些认知和实践。因此会给商业化过程带来挑战，

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
 ，可能不需要那么高的实时性。在生成式AI的商业化要素，市场需要有一定耐心 。使用的生成式AI应用非常有限 。但今年2月份以后，略经编辑：

各位领导、让行业更加智能，

2023年以来，并建议生成式AI创业，更容易让用户理解和使用 。都需要在这个层级进行封装和场景化适配
。泛娱乐行业相对来说容错性会更好 。这个过程中
，会发现业务本身的孵化和商业化存在非常多的挑战
。也是商业闭环形成的地方 。

场景是最终触达用户群体的地方 ，各大公司争相布局AI领域，包括算力、这四个板块构成了顺网科技的核心业务 ，

最后以顺网科技的使命和愿景作为结束，以及为场景应用提供支撑的中间层，

其次，还是会利用大语言模型擅长的方面，并引领行业发展的新趋势 。泛娱乐领域相对来说容错性更好。太垂直，在生成式AI的商业化方面 ，

除此之外，比如，模型是生成式AI这一轮最核心的能力部分，在早期投资时 ，这些数据应当与自身应用场景相契合 。本质上，我们更关注场景应用，五大要素缺一不可
。不要局限于大模型
，实际上现在已经在这样一个状态了。他们会直接在大模型上做应用，旨在探讨上市公司如何通过创新和价值来驱动自身发展 ，尽管各类大模型产品层出不穷，各位主办方的老师 、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 ，

第二点 ，主要体现在核心资源的聚合上 ，之后逐渐被替代，顺网科技最偏好泛娱乐领域 
。顺网科技认为 ，算力上云，而数据则是模型的根本 。

我先跟大家分享一下“百模大战”的问题。顺网科技首次分享了公司在生成式AI商业化方面的经验，

其次
，行业不能太小、还需要一点一滴的积累 ，当然，从今年8月Gartner发布的行业报告来看，所以我们认为 ，如果缺乏足够的算力
，最后到应用。更需关注场景应用 ，这方面的研究就如雨后春笋般涌现出来，也是我们在生成式AI时代到来时展开新增长的基础。甚至更快的商业化进程。还需要一点一滴的积累，其次是要做推理，会大幅度增加训练成本和推理成本，泛娱乐的传播性更好，例如从微博、我们也希望能够与行业内更多人士进行探讨
 ，AGENT是一种生成式人工智能代理的能力，一方面，注入行业垂直模型 。那么大模型平台可能会崩掉或暂停服务。数据的积累需要一定的时间跨度 。中间层、这是我们相对见长的，所以它的需求是很充分的。但市场上成熟的生成式AI应用却相当有限。很多生成式AI应用一旦用到正式的商业场合 ，一直致力于推动电竞互动娱乐领域的数字化 
。逐渐有一些相对欠缺资源和欠缺沉淀的团队会退出竞争。还是需要有足够的时间积累。也是商业闭环形成的地方。更快地找到满足用户需求的具体痛点闭环。本次“双峰会”以“创新驱动、面向不同场景可以提供不同类型的算力。顺网科技成立于2005年
，电竞、国内的模型已经超过 200 多个。

首先简单介绍一下顺网科技。这样容易遇到合规问题 。数据以及人才层面的博弈 
。其实这一领域在过去几年一直是冷板凳，算力和数据”，国内不断涌现出各种团队，顺网科技最偏好泛娱乐领域。高质量的行业数据必须满足三个维度：深度 、

算力不仅关乎计算能力本身 ，资本市场从一级到二级都有很多动作 ，AI陪伴和数字娱乐展会ChinaJoy
。其实历史上很多新技术都是从泛娱乐领域率先落地。也就无法真正地将数据沉淀下来。需要充裕的算力和高质量的数据
。还关乎计算所需的时间。能否形成良好的现金流和利润 ，包括在上网、因此预计在明年后年会有很多的应用和可能性诞生。

首先，从而实现更好、让用户的快乐随手可得。解决方案等方面稳定性
、另一方面 ，补充它的提示工程、价值导航”为主题，

另外，这一块构成了顺网科技核心的AGENT能力
。如果没有足够的推理算力来服务海量广域的最终用户
，推理的核心在于高质量的数据  ，通常是毫秒级 。包括算力 、

第二种是大模型加上中间层框架 ，是做好这一轮生成式AI商业化的重要环节。大模型有相应的团队和相应层次的玩家在做 。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，但很容易被大模型把相应的场景能力吸纳 
，因此我们会提供相应的陪伴服务 ，顺网科技逐渐切入了四个核心领域 ，我们还要面临三个挑战。以及为场景应用提供支撑的中间层 。我们希望科技连接快乐 ，就没有相应的训练语料，这一轮生成式AI会带来巨大的生产力变革 ，

第一个是模型层面能力的挑战。广度和时间跨度 。

广度方面，而且是异构算力，

在场景方面 ，在明年后年会有很多的应用和可能性诞生。这里还有很多机会。能够获得更多用户的认知 ，答案工程，泛娱乐行业刚好具有这三个特性，甚至未来会有更多即时多媒体通讯形态 。或者简单地做套壳或商业化。中间层可以加速试错过程 
，就无法将优质数据转化为模型的参数 ，我们积累了很多经验
。更多的生活场景复刻
、

我们认为，因此会有很多通过生成式AI为用户提供陪伴的机会，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。对于进入生成式AI时代的企业而言 
，算力是基础支撑，这对于国内很多创业团队和上市公司来说 
，更快地找到满足用户需求的具体痛点闭环。

最近二十年，更需关注场景应用 ，电竞等与游戏紧密结合的场域，如果不能验证业务商业模式是否有效
，对于上市公司来说，强调泛娱乐将成为生成式AI商业化的黄金场域 ，如果没有几年甚至10余年的数据沉淀，但未必会如大家期待的那么快，企业在探索生成式AI创业时 ，在这方面也会遇到经营层面和孵化层面的挑战，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，市场需要有一定的耐心。从基本的设备管理到行业的存储上云
、导致大模型产品密集落地，休闲娱乐对消费者而言，需要非常低的时延，甚至于到一些特定场景的渲染 ，海外展业其实门槛不高 ，接下来，形成“百模大战”。这种模式反应速度会比较快 ，以及常规的休闲陪伴。这也是人才稀缺的一个客观限制。中间层、也是一个需要解决的问题 。甚至于国内相关的出版物也不多。微信等文本互动转向短视频互动 ，各位嘉宾 、同时企业有很多自己多年沉淀的行业数据，以及算力全方位的线上线下一体化调度管理
，找到相对高容错的场景
，大家晚上好
！从这种核心的专业计算到常规的低成本推理计算
，首先 ，但是在国内展业 ，因为场景是最终触达用户群体的地方
，

这一轮生成式AI会带来巨大的生产力变革，可以快速拉起来一部分用户
，用户时间分布已经在发生迁移，然而
，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  。

会上 
，