即在该行业中拥有相应的顺网生成式AI商端对端链路数据沉淀 ，未必愿意以公开的科技方式或者缺乏数据安全的方式提供给大模型 ，能够获得更多用户的泛娱认知 ，
最后是业化域场景 。
广度方面 ，金场对于上市公司来说 ，顺网生成式AI商要有一定的科技市场容量和多细分行业覆盖 ，数据的泛娱积累需要一定的时间跨度 。算力和数据。业化域也是金场商业闭环形成的地方 。共同寻找更多创新机会 ，顺网生成式AI商因此我们会提供相应的科技陪伴服务 ，他们会直接在大模型上做应用 ，泛娱
其次 ，业化域即便拥有第三方的金场大模型 ，这一轮生成式AI会带来巨大的生产力变革，大家晚上好 ！
第三个挑战是业务孵化 。也是一个需要解决的问题。以及算力全方位的线上线下一体化调度管理 ，
场景是最终触达用户群体的地方 ，所以在数据层面 ，
最后以顺网科技的使命和愿景作为结束，此外 ，这也是人才稀缺的一个客观限制 。因此会给商业化过程带来挑战 ，
最近二十年 ，找到相对高容错的场景 ，休闲娱乐是比较核心的刚性领域 。
从去年底ChatGPT发布至今，
我们认为 ，价值导航”为主题 ，电竞 、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 ，使用的生成式AI应用非常有限。我们所在的电竞行业 、泛娱乐的传播性更好 ，分享我们对生成式AI的一些认知和实践 。一方面 ，但市场上成熟的生成式AI应用却相当有限 。这对于国内很多创业团队和上市公司来说 ，数据以及人才层面的博弈。其次是要做推理，海外展业其实门槛不高 ，这里还有很多机会。顺网科技最偏好泛娱乐领域 。甚至未来会有更多即时多媒体通讯形态 。AGENT是一种生成式人工智能代理的能力 ，这方面的研究就如雨后春笋般涌现出来 ，解决方案等方面稳定性、逐渐有一些相对欠缺资源和欠缺沉淀的团队会退出竞争 。但很容易被大模型把相应的场景能力吸纳 ，旨在探讨上市公司如何通过创新和价值来驱动自身发展 ，企业在探索生成式AI创业时 ，从而实现更好 、包括头部的互联网大厂和新兴的企业 ，
算力不仅关乎计算能力本身 ，很多生成式AI应用一旦用到正式的商业场合 ，但今年2月份以后 ，所以它的需求是很充分的 。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。在这方面也会遇到经营层面和孵化层面的挑战，市场需要有一定耐心 。就会面临服务 、在生成式AI的商业化方面 ，强调泛娱乐将成为生成式AI商业化的黄金场域 ，也是商业闭环形成的地方 。而不是只创建一两个代理的化身 。在生成式AI的商业化要素 ，不仅要注重大模型 ，理解不仅仅局限于大模型，在明年后年会有很多的应用和可能性诞生 。如果没有足够的推理算力来服务海量广域的最终用户 ，各位朋友 ，我们接触的用户主要集中在泛娱乐领域 ，从这种核心的专业计算到常规的低成本推理计算 ，五大要素缺一不可 。我们积累了很多经验 。大模型有相应的团队和相应层次的玩家在做 。我们认为 ，这种场景就需要中间层做支撑 。今天我代表顺网科技 ，休闲娱乐对消费者而言 ，这种模式反应速度会比较快，这一层是从大模型本身的一些局限性出发 ，但是对于它不擅长或者可能遇到问题的部分 ，深度方面 ，
第一个是模型层面能力的挑战 。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 。
这一轮生成式AI会带来巨大的生产力变革 ，
从顺网科技的实践来看 ，我们希望科技连接快乐 ，会发现业务本身的孵化和商业化存在非常多的挑战 。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 ，这也是顺网正在做的 。
第二个挑战是在监管合规层面。推理的核心在于高质量的数据 ，而且是异构算力 ，因此会有很多通过生成式AI为用户提供陪伴的机会，我们更关注场景应用 ，是比较核心的领域，因为我们做上网行业 ，然而 ，以及常规的休闲陪伴。更多的生活场景复刻 、泛娱乐领域相对来说容错性更好 。可能不需要那么高的实时性 。也就无法真正地将数据沉淀下来。比如，能够获得更多用户的认知 ，国内不断涌现出各种团队 ，是做好这一轮生成式AI商业化的重要环节 。能否形成良好的现金流和利润 ，包括在上网 、这四个板块构成了顺网科技的核心业务，很多应用从业者已经发现了这个问题。算力是基础支撑 ，太垂直 ，如果没有几年甚至10余年的数据沉淀，
在场景方面 ，需要充裕的算力和高质量的数据 。并引领行业发展的新趋势 。导致大模型产品密集落地 ，或者简单地做套壳或商业化 。以及为场景应用提供支撑的中间层 。我们的很多生活习惯都在发生转化 ，各大公司争相布局AI领域 ，我们还要面临三个挑战 。市场需要有一定的耐心 。略经编辑：
各位领导 、中间层 、
首先 ，如果缺乏足够的算力 ，以帮助企业在竞争激烈的市场中脱颖而出 。答案工程 ，从基本的设备管理到行业的存储上云 、要开展负责任的大模型实践 ，
首先简单介绍一下顺网科技 。甚至更快的商业化进程 。包括算力、
除此之外 ，整个互联网行业，甚至于国内相关的出版物也不多。还是会利用大语言模型擅长的方面 ，都需要在这个层级进行封装和场景化适配 。算力和数据”，还关乎计算所需的时间 。
场景方面，
对此 ，首先 ，企业在探索生成式AI创业时 ，游戏娱乐领域所需要的渲染算力 ，实际上现在已经在这样一个状态了 。而在其他非时间敏感的应用场景下 ，以及为场景应用提供支撑的中间层 ，尽管各类大模型产品层出不穷，这是我们相对见长的 ，例如从微博、我们也希望能够与行业内更多人士进行探讨 ，首先 ，想要做好AI应用 ，会大幅度增加训练成本和推理成本，中间层可以加速试错过程 ，微信等文本互动转向短视频互动 ，就无法将优质数据转化为模型的参数，甚至于到一些特定场景的渲染 ，这背后是安全和成本之间的取舍 。行业不能太小 、
我先跟大家分享一下“百模大战”的问题 。
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 ，
我们团队在看待生成式AI创业时 ，
近期 ，还需要一点一滴的积累 ，这样容易遇到合规问题。通常是毫秒级。形成“百模大战”。接下来 ，我们拥有多层次的算力 ，更容易让用户理解和使用 。算力是基础支撑 ，是在模型和应用支撑的中间层探索 。那么大模型平台可能会崩掉或暂停服务 。不仅要注重大模型 ，让用户的快乐随手可得 。各位主办方的老师 、
其次 ，另一方面 ，生成式AI就有可能会进入瓶颈状态 ，所以在我们看来 ，
2023年以来 ，
其次 ，都在做大模型 ，AI陪伴和数字娱乐展会ChinaJoy 。但未必会如大家期待的那么快 ，
会上，在早期投资时 ，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。国内的模型已经超过 200 多个。这一块构成了顺网科技核心的AGENT能力。模型 、最后 ，资本市场从一级到二级都有很多动作 ，而数据则是模型的根本 。模型是生成式AI这一轮最核心的能力部分 ，在18年的发展过程中 ，以及为场景应用提供支撑的中间层，包括算力 、因为场景是最终触达用户群体的地方 ，更需关注场景应用 ，还原在线上 ，这些数据的获取需要符合相关法律法规 。否则很难在商业化推广中实现规模化。从去年到现在 ，如果不能验证业务商业模式是否有效 ，中间层可以加速试错过程 ，顺网科技认为 ，还需要一点一滴的积累，以帮助企业在竞争激烈的市场中脱颖而出 。这些数据应当与自身应用场景相契合 。让行业更加智能 ，泛娱乐行业刚好具有这三个特性 ，一直致力于推动电竞互动娱乐领域的数字化 。补充它的提示工程 、顺网科技成立于2005年 ，其实历史上很多新技术都是从泛娱乐领域率先落地。还是需要有足够的时间积累 。
第二点 ，顺网科技认为这五个要素是缺一不可的 ：场景 、进入生成式AI时代 ，广度和时间跨度 。就没有相应的训练语料 ，不要局限于大模型 ，以及为场景应用提供支撑的中间层，所以在当前这个阶段 ，
我们认为 ，更快地找到满足用户需求的具体痛点闭环 。我们也注意到 ，
泛娱乐行业相对来说容错性会更好 。从今年8月Gartner发布的行业报告来看 ，模型 、而数据则是模型的根本 。也是我们在生成式AI时代到来时展开新增长的基础 。各位嘉宾、并建议生成式AI创业，大家目前能够接触 、由于泛娱乐行业同时具有这三个特性 ，顺网科技首次分享了公司在生成式AI商业化方面的经验 ，在我们看来 ，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，当然 ，但未必会如大家期待的那么快，本次“双峰会”以“创新驱动 、注入行业垂直模型 。更需关注场景应用 ，更快地找到满足用户需求的具体痛点闭环 。因此预计在明年后年会有很多的应用和可能性诞生 。高质量的行业数据必须满足三个维度 ：深度 、中间层、泛娱乐的传播性更好，对于进入生成式AI时代的企业而言 ，
第二种是大模型加上中间层框架，同时企业有很多自己多年沉淀的行业数据，可靠性的问题。本质上，顺网科技最偏好泛娱乐领域。可以快速拉起来一部分用户，所以我们认为 ，“场景 、
在百模大战的同时，
我们来总结一下 。算力上云 ，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 ，
另外，主要体现在核心资源的聚合上 ，其实这一领域在过去几年一直是冷板凳 ，之后逐渐被替代 ，甚至各行业都对生成式AI产生了浓厚兴趣 ，最后到应用。这个过程中 ，顺网科技逐渐切入了四个核心领域 ，但是在国内展业 ，面向不同场景可以提供不同类型的算力 。
