在近日舉行的數(shù)字文化創(chuàng)意內(nèi)容應用服務(wù)研討會上，英特爾Habana Labs中國區(qū)總經(jīng)理于明揚指出，盡管以生成式AI為代表的大模型技術(shù)為數(shù)字文化創(chuàng)意產(chǎn)業(yè)帶來了前所未有的變革潛力，但其距離實現(xiàn)規(guī)模化、高質(zhì)量的成熟應用，仍需跨越關(guān)鍵障礙。他認為，當前亟需從三大方面補足短板，方能充分釋放大模型在內(nèi)容創(chuàng)作、交互體驗與產(chǎn)業(yè)賦能上的巨大價值。

短板一：算力成本與能效比的雙重挑戰(zhàn)
于明揚首先強調(diào)了基礎(chǔ)設(shè)施層面的核心制約。大模型的訓練與推理，尤其是面向高質(zhì)量圖像、視頻、3D內(nèi)容生成及復雜劇情交互等數(shù)字文創(chuàng)高需求場景，對算力的需求呈指數(shù)級增長。高昂的算力成本直接拉高了創(chuàng)作與運營門檻，限制了中小型創(chuàng)意團隊和企業(yè)的廣泛接入。單純的算力堆砌并不可持續(xù)，能效比成為關(guān)鍵指標。“我們必須推動專用AI芯片架構(gòu)的創(chuàng)新，如采用Habana Gaudi等旨在提供更高訓練與推理效率的解決方案，在提升性能的同時顯著降低總體擁有成本（TCO），讓更強大的計算能力變得可及、可用、可持續(xù)。”他解釋道。這需要從硬件到軟件棧的協(xié)同優(yōu)化，構(gòu)建更高效、綠色的算力基座。

短板二：領(lǐng)域知識與創(chuàng)意可控性的深度整合
技術(shù)能力與文化產(chǎn)業(yè)的專業(yè)知識之間仍存在“鴻溝”。于明揚指出，當前通用大模型在生成內(nèi)容時，往往在文化內(nèi)涵的準確性、藝術(shù)風格的獨特性、價值導向的符合性以及敘事邏輯的連貫性上存在不足。數(shù)字文創(chuàng)作品強調(diào)思想性、藝術(shù)性和獨創(chuàng)性，這要求模型不能僅是“鸚鵡學舌”，而需深度理解特定文化背景、藝術(shù)流派和創(chuàng)作意圖。“未來的突破點在于‘領(lǐng)域精調(diào)’與‘可控生成’，”他表示，“需要將行業(yè)知識圖譜、專家經(jīng)驗規(guī)則、風格化數(shù)據(jù)集與大模型能力深度結(jié)合，發(fā)展出更精細的提示工程、可控參數(shù)調(diào)整以及基于人類反饋的強化學習（RLHF）機制。目標是讓AI從輔助工具進化成為真正理解創(chuàng)意總監(jiān)意圖、并能穩(wěn)定輸出符合專業(yè)要求的‘智能協(xié)作者’。”

短板三：應用生態(tài)與商業(yè)模式的成熟構(gòu)建
技術(shù)最終價值體現(xiàn)在落地應用中。于明揚認為，大模型在數(shù)字文化產(chǎn)業(yè)的成熟應用，有待一個繁榮、分層且互操作的應用生態(tài)。當前，從底層算力平臺、模型服務(wù)（MaaS）、到垂直行業(yè)應用（如AI編劇、數(shù)字人驅(qū)動、沉浸式場景生成）的鏈條尚未完全打通，工具碎片化、標準不統(tǒng)一等問題影響了開發(fā)效率和用戶體驗。清晰的商業(yè)模式仍在探索中。“我們需要協(xié)同產(chǎn)業(yè)鏈各方，共同構(gòu)建開放、易用的開發(fā)工具鏈和API服務(wù)，降低技術(shù)集成難度。積極探索在內(nèi)容IP開發(fā)、個性化體驗、互動敘事、元宇宙構(gòu)建等場景下的可持續(xù)商業(yè)模式，讓技術(shù)創(chuàng)新能切實轉(zhuǎn)化為文化生產(chǎn)力和市場競爭力。”

協(xié)同創(chuàng)新，共筑智能文創(chuàng)未來
于明揚道，補足上述短板非一日之功，亦非單一企業(yè)所能完成。它需要芯片廠商、算法公司、內(nèi)容平臺、文創(chuàng)機構(gòu)以及政策制定者形成合力，在技術(shù)研發(fā)、標準制定、人才培養(yǎng)、應用試點和倫理規(guī)范等方面協(xié)同推進。英特爾及Habana Labs將持續(xù)致力于通過提供高性能、高能效的AI計算解決方案，并與中國本土合作伙伴緊密協(xié)作，共同推動大模型技術(shù)扎實落地，賦能數(shù)字文化產(chǎn)業(yè)向更高質(zhì)量、更富創(chuàng)意、更高效率的方向演進，最終為全球用戶帶來前所未有的文化體驗。