作者： 劉曉潔
[ 據(jù)科技部新一代人工智能發(fā)展研究中心5月底發(fā)布的《中國人工智能大模型地圖研究報告》，中國10億以上參數(shù)規(guī)模的大模型已經(jīng)發(fā)布了79個。 ]剛過去的世界人工智能大會上，關(guān)于大模型的商業(yè)化和落地，幾乎是每一場論壇都被提及的問題。
“大家都看到了大模型的可能性，但是這個落地到底能有多大助力，還是未知數(shù)，”浙江大學教授趙俊博表示，“如何讓用戶在某一場景下感受到大模型的能力，并且愿意為它付費，這是巨大機會也是巨大挑戰(zhàn)。”
如果在WAIC的展覽上走一圈，你會發(fā)現(xiàn)大模型隨處可見，目不暇接，但走完后，很難說會對哪一個大模型的應用留下特別深刻的印象。百模大戰(zhàn)的背景下，同質(zhì)化成為一個顯性的問題，此外，在如此大的投入下，企業(yè)應該如何建立競爭壁壘，在未來的洗牌階段生存下來，也是應該考慮的問題。
多位大模型從業(yè)者在接受第一財經(jīng)記者采訪時表示，現(xiàn)在如果只是做出一個“聊得還不錯”的大模型，難度沒那么大，同時各家的區(qū)別并不大，真正有區(qū)分度的是解答數(shù)學題這類復雜推理的題目，這里面才真正體現(xiàn)了模型的思維能力。與此同時，面對同質(zhì)化，不同的企業(yè)應當有對自身定位和資源稟賦的認真思考。
群雄逐鹿的大模型時代
過去的半年，通用大模型和垂直大模型的創(chuàng)業(yè)如火如荼，據(jù)科技部新一代人工智能發(fā)展研究中心5月底發(fā)布的《中國人工智能大模型地圖研究報告》，中國10億以上參數(shù)規(guī)模的大模型已經(jīng)發(fā)布了79個。
在2023年H1結(jié)束后，啟明創(chuàng)投基于與近200家生成式AI企業(yè)的交流做了一個總結(jié)。在這些生成式AI新公司中，多模態(tài)應用方向占比達到44%，而提供支持的底層技術(shù)企業(yè)共占比29%，還有27%做的是語言類應用。
在200余家公司的具體方向中，生產(chǎn)力工具占得最多，高達46%，包括文案寫作、圖像生成、視頻腳本生成、3D資產(chǎn)生成等，另外ChatBot 占了8%。
銜遠科技創(chuàng)始人周伯文對第一財經(jīng)表示，目前看來，各家大模型的總體差距不大，還沒有出現(xiàn)具備明顯優(yōu)勢的一方，均處于對下一代AI技術(shù)研發(fā)與應用落地的探索階段。無論是百度、阿里等大廠，還是諸多創(chuàng)業(yè)公司，整體的發(fā)展策略還是以“追趕”為先。
在WAIC期間，上海AI實驗室發(fā)布了書生通用大模型，談及與其他大模型不一樣的地方，上海AI實驗室教授林達華告訴第一財經(jīng)，實驗室非常關(guān)注模型核心內(nèi)在的思維能力，“就聊天這個事情，從目前大家已經(jīng)認知到的技術(shù)路徑來說，要調(diào)出一個感覺還可以的模型沒有那么困難，但是真正難的是要解非常難的數(shù)學題，一些復雜推理的題目。”
在6月，上海AI實驗室已經(jīng)首發(fā)過一次書生·浦語模型，林達華表示，當時模型的數(shù)理能力還在30分左右，這個數(shù)字是相當?shù)偷模F(xiàn)在已經(jīng)到了60分了，而這背后的支撐的條件，一個是從2K做到8K的語境長度升級，其次是一些微調(diào)和更高質(zhì)量的語料訓練。
不過，即使是該實驗室現(xiàn)在發(fā)布的模型，與GPT4仍然有著很大的距離。
國內(nèi)的大模型發(fā)展速度已經(jīng)非常快，在林達華看來，整體的感覺是，最頭部的企業(yè)與GPT3.5的距離沒有很大，背后的一個點在于，OpenAI在過往的一些論文里對GPT3.5的技術(shù)路徑大體有所公開，不過，從GPT3.5如何到GPT4的水平，到現(xiàn)在OpenAI沒有公布任何細節(jié)。
國內(nèi)訓練大模型有不少的短板，此前很多觀點提到了中文語料的缺乏，但林達華認為，語料需要更好的技術(shù)清洗，但這并不是大的問題，最根本的是技術(shù)上的壁壘。
在用戶與大模型的互動中，經(jīng)常會發(fā)現(xiàn)生成出來的東西令人哭笑不得，張冠李戴，例如讓AI畫一張車水馬龍的圖片，結(jié)果AI確實畫了一匹馬、一條龍還有水；紅燒獅子頭畫成了一張紅色的動物獅子的腦袋，這是模型怎么樣來保證生成結(jié)果的可靠性和準確性問題，林達華表示，這其實是目前行業(yè)共同面臨的阻礙。
包括此前的ChatGPT，在生成結(jié)果的準確性方面還有很大的挑戰(zhàn)，但在GPT4版本中，已經(jīng)能夠做得相對較好，林達華解釋，在技術(shù)上是有壁壘的，需要后來者大量地試錯，經(jīng)由不同的方案逐漸去靠近準確性。
網(wǎng)梯科技創(chuàng)始人張震提及自己的一個觀察是，在2022年12月用ChatGPT，感覺它還在一本正經(jīng)地胡說八道，僅僅是及格線，而GPT4已經(jīng)可以做到80分。
他舉例：“測國內(nèi)的模型，你問它公雞蛋怎么做才好吃？所有的模型都會一本正經(jīng)地說公雞蛋要蒸、炸、炒、煮，包括拿小學基本的邏輯題測國內(nèi)的模型，只要那個題目不在之前的題庫里，它都聽不懂，唯一能聽懂的就是GPT4。”在全面測試了國內(nèi)國際全部模型后，張震認為，如果是在教育領(lǐng)域做“老師”，GPT4是有希望的，目前國內(nèi)的其他模型還沒有可能性，它們大都在教育領(lǐng)域缺乏基本的常識和推理能力。
由于GPT4未公開算法，作為追趕者的企業(yè)需要創(chuàng)造性地提出自研算法才能研發(fā)出達到或超過GPT4效果的通用大模型。基于以上的判斷，對于目前大模型的井噴式發(fā)布，行業(yè)普遍認可和樂觀。
商湯科技智能產(chǎn)業(yè)研究院院長田豐此前就對第一財經(jīng)提到，“必須要通過競爭才能出來一個更優(yōu)秀的大模型，美國在人工智能仍排在第一，我們在追趕的狀態(tài)，這個時候還是得去做，要重視或者鼓勵這種基礎(chǔ)科研的創(chuàng)新。”他認為，這是一個行業(yè)必經(jīng)的歷程。
周伯文認為，良性競爭是發(fā)展的助推器。但他同時也提到，不建議所有的企業(yè)扎堆，尤其是做基礎(chǔ)的模型，消耗資源很大，且最后市場化和商業(yè)化的風險也存在很多不明朗的地方。不過長遠來看，算力方面的“浪費”會持續(xù)收窄，因為大模型最重要的是能力，而非參數(shù)規(guī)模。生成式AI未必需要大規(guī)模的模型參數(shù)，還有大量的空間去壓縮。
落地需深挖渠、高筑墻
最近半年，張震每周要參加1~2次的AI模型研討會，在WAIC期間，關(guān)于大模型、生成式AI等的相關(guān)論壇就有幾十場。
張震總結(jié)了研討會的頻率與行業(yè)發(fā)展階段的規(guī)律，“看論壇開的頻率就知道這個行業(yè)是什么階段，頻率特別高就說明在探索階段。”在畢業(yè)之前，張震在學校做過電子商務創(chuàng)業(yè)，當時創(chuàng)業(yè)失敗，很多人請他做專家講授失敗的經(jīng)驗，“這樣的論壇一直持續(xù)到2004年就沒有了，因為在國內(nèi)基本成熟了。”在他看來，現(xiàn)在大模型行業(yè)還處于初期不成熟的階段。
“我自己的判斷依據(jù)是，大模型是操作系統(tǒng)，所以國內(nèi)只要沒有實力挑戰(zhàn)操作系統(tǒng)的公司，在兩年之后都會銷聲匿跡，都會變成每個行業(yè)的應用公司，在這個背景下，深入行業(yè)、深入應用，我覺得是未來發(fā)展的方向。”張震表示，大模型改變了教育領(lǐng)域里的計算結(jié)構(gòu)，從過去的CPU+操作系統(tǒng)+應用，變成了GPU+大模型+應用。
應用、落地也是在WAIC期間經(jīng)常被與會嘉賓提及的詞。“任何的技術(shù)，無論是大模型還是過往的深度學習，一個技術(shù)有生命力，一定要通過落地在實際的應用中產(chǎn)生價值。”周伯文對第一財經(jīng)表示。
周伯文認為，中國生成式人工智能需要探索一條新的道路，即垂直整合從自有基礎(chǔ)大模型到應用，到終端用戶的全場景閉環(huán)，以實現(xiàn)生成式 AI 技術(shù)與商業(yè)價值“雙落地”。未來，大模型領(lǐng)域的企業(yè)還需深挖渠、廣積糧、高筑墻，錨定適合的行業(yè)，從創(chuàng)意工具走向可控性極強的生產(chǎn)力工具，建立自己的壁壘。
在有市場壓力的情況下，從企業(yè)的角度，周伯文的建議是先把價值閉環(huán)摸清楚，“從開源的基礎(chǔ)模型出發(fā)，先去構(gòu)建整體的價值閉環(huán)，把商業(yè)形態(tài)價值點先摸清楚了之后，再回來去看整個閉環(huán)哪里還存在技術(shù)上的短板，這樣就能更有針對性地投入技術(shù)研發(fā)的力量，而不至于大家都重復投入到基礎(chǔ)模型上面。”
此前還有觀點認為，大模型領(lǐng)域是贏者通吃的游戲，林達華認為，可能會有少數(shù)的機構(gòu)有能力做出高質(zhì)量的基座模式，但會有非常多的企業(yè)和研究機構(gòu)、團隊，能夠在這個基礎(chǔ)之上深入不同行業(yè)、不同需求場景，打造出真正有創(chuàng)造性、符合需求的產(chǎn)品，“這其實是一個非常分散的市場，很難一個公司有足夠多的部門能夠把落地場景做得很豐富。”
他的建議是，不同的企業(yè)應該有對自己定位和資源稟賦的認真思考，基于我們的生產(chǎn)生活需求非常復雜，最終一定會形成新的不同的分工格局。
據(jù)啟明創(chuàng)投報告，當前生成式AI市場處于技術(shù)主導的早期階段，未來存在千億美元市值的平臺性企業(yè)的機會。而那些簡單的文本處理和套殼的ChatBot將很快成為紅海。創(chuàng)業(yè)公司要從取悅早期用戶的興奮中冷靜下來，構(gòu)筑更高的壁壘。絕大多數(shù)用戶并不僅僅滿足于獲取可能與事實不符的娛樂性對話，如何把知識嵌入大模型的需求非常迫切，當前相關(guān)技術(shù)和產(chǎn)品尚供給不足，仍處于藍海狀態(tài)。
而在通用大模型創(chuàng)業(yè)公司方興未艾的同時，許多面向特定行業(yè)的垂直大模型公司開始出現(xiàn)，主要聚焦在醫(yī)療、電商、科研、工業(yè)、自動駕駛和機器人(13.930, 0.09, 0.65%)等方向。具備行業(yè)屬性的智能助手方向的創(chuàng)業(yè)企業(yè)開始增加，如求職、招聘、求學、法律、健康、購物、企業(yè)知識問答等方向的個人助手和員工助手方向的創(chuàng)業(yè)公司持續(xù)涌現(xiàn)。
趙俊博團隊正在嘗試用大語言模型TableGPT處理表格。他們想做讀懂表格的大語言模型，根據(jù)表格和數(shù)據(jù)庫內(nèi)容聊天，絕非閑聊，而是偏向于完成實際的工作內(nèi)容，目標用戶包括企業(yè)管理者、數(shù)據(jù)分析師、學生等等，例如“零門檻讓你玩轉(zhuǎn)表格”。
