文|任亦

編輯|阿至

不久前,百度創始人、董事長兼首席執行官李彥宏在西麗湖論壇上分享了對當下大模型發展的見解。他認爲,AI原生時代需要100萬量級的AI原生應用,但是不需要100個大模型,“不斷地重複開發基礎大模型是對社會資源的極大浪費。”

從ChatGPT掀起這場技術熱潮至今,大模型創業和曾經移動互聯網時代的百團大戰、百播大戰一樣,再次邁入了同一條河流:百模大戰。公開數據顯示截至10月份,中國已經發布了238個大模型,相較於6月份的79個翻了3倍。

熱錢湧向了基礎大模型,但在落地應用中,就目前爲止,並未出現真正被大模型顛覆的場景或行業。

看向海外市場,微軟、OpenAI、谷歌已經逐步形成了AI大模型的增長飛輪。ChatGPT推出支持“看、聽、說”的聊天機器人服務、Meta 發佈基於Llama 2的聊天機器人Meta AI 和類似MidJourney 的文生圖服務Emu、谷歌則發佈類似微軟Copilot的OS智能助理Assistant with Bard,和集體照優化等AI 手機應用。

無論是科技巨頭,還是創業公司,他們都正在積極追趕AI大模型應用的發展。

基於此,國內市場也發生了新的變化。11月8日,由36氪 AI協同創新中心聯合Colingo共同主辦的我愛黑“可頌”大語言模型應用創新挑戰賽落下帷幕,25個參賽項目進入最終的線下路演,接受來自企業方評委的點評和考察。

這些來自品牌方、互聯網真正的一線技術負責人的視角和觀點,某種程度上也代表了當下真實的市場需求和企業業務痛點。而當新技術想要跨越科學和商業的邊界,走出象牙塔,就必須走到一線的業務和需求當中,解決實際的問題。

此次大賽創辦的初衷,也是希望推動大模型真正走進場景應用階段,當創業者之間的比拼從宏觀轉向微觀,考驗的不僅是團隊的交付能力,還有對應用場景以及用戶需求的精準洞察。

當開發AI原生應用成爲產業趨勢,36氪 AI協同創新中心想要藉助大賽撕開一道口子,讓越來越多的創業者和產業相關方關注並參與到場景和應用中來,推動AI時代的技術落地和新商業飛輪的運轉。

大模型應用,未來已來

大模型帶來的生成式AI技術,讓人可以用自然語言與機器交互,這是不亞於PC時代到移動互聯網時代的又一次革新。

但衆所周知,作爲底層技術底座,大模型並不能直接創造商業收益,而未來的大模型市場也並不能容納下上百個大模型底座的存在。

大模型底座只能作爲人工智能時代的操作系統而衍生,更多的應用將基於大模型而開發、創新。而這些大量長在大模型上的“AI原生應用”,也必將帶來新的流量分配,創造新的增長風口。

但事實上,先進的技術與落地之間往往隔着一道鴻溝。

過去十幾年,人工智能領域的新技術接二連三出現,但經過沉澱、研發之後,很多技術和應用成爲了曇花一現的存在,無論是企業還是普通大衆,在消耗了足夠的新鮮感之後,一旦應用的實用價值有限,它們也就隨之被冷落。

在相當長一段時間裏,AI的發展和應用,從研發走到落地階段,往往面臨着場景難挖掘、落地難提效的問題,生成式AI時代的應用盡管剛剛起步,也同樣繞不開上述難題。

根據蒙牛集團數智化研發負責人皮人偉多年以來的觀察,技術與落地商業化是有區別的。“一般技術落地的過程要經歷從Idea(創意)、Demo(核心功能演示)、Prototype(樣品,可行性論證)到Production(產品上線,大規模部署)的演進。”

與此對照,去年12月開始的通用大語言模型爆發至今,大部分的產品還處於Demo階段。但是,不同於過往人工智能技術下的產品和應用,大模型的通用能力,對各行各業都存在實用價值。在皮人偉看來,這(技術的落地和商業化)需要時間和項目去熬,沒有捷徑,而所謂的距離,就是時間和經驗。

永輝彩食鮮副總裁兼CTO喬新亮闡述了同樣的邏輯。在他看來,當應用研發的生產力達到一定程度之後,原有的生產關係必然發生新的變化,因此重構技術和應用體系才能幫助大模型應用釋放的更大的能量。

就像喬新亮所言的那樣,技術永遠是企業拉開差距、推動社會向前的核心因素。但只講技術,並不意味着能解決企業面臨的實際問題,對於這個產業鏈上的參與者而言,他們必須“下沉”到企業的場景之中。

而從商業化規模的角度去看,喬新亮則表示,新技術的落地和應用必須伴隨着企業使用成本的下降和效率的提升,簡言之,二者缺一不可。“如果技術能帶來提效,但成本卻難以被企業承受,那這並非實現產業落地的路徑。”

百模大戰後,業界的關注點從基礎大模型轉向了應用層,2023年下半年,幾乎所有AI的新概念和風口,都圍繞着如何讓大模型快速落地、更加普惠而展開。正如喬新亮所言,所有的技術創業公司,最後還是得看企業的盈利模型。

這是屬於創業者的機會

ChatGPT走紅之初,國內很多從業者被其技術能力所震撼,選擇投身於訓練一個屬於自己的大模型產品。

但經過一段時間的沉澱之後,很多從業者開始迴歸理性,在多位大模型從業者看來,大模型只是底層的技術能力。無論是各項參數,還是訓練能力的提升都不能帶來商業收益。因此,資金和資源更強的科技巨頭公司才更有能力承擔大模型底層技術底座的角色。

創業公司和巨頭公司“卷”大模型技術底座並非明智的選擇。而應用層意味着每一位創業者都能夠在產業鏈上做各自擅長的事,通過對應用場景的深入挖掘而實現企業降本增效和產業的發展。

“新技術和產品,更重要的實現商業價值上的循環。”長城汽車智能網聯數據總監王珏華表示。“我可以不需要完全用通用能力都可以,而是基於大模型本身並結合應用場景實現真正的商業化。”

他認爲,大模型這個技術最好的應用模式是重構自身的業務鏈條。以營銷爲例,王珏華提到了大模型應用的兩個角度。

一方面,營銷預案的物料,素材,能否通過大模型來實現更爲精準的生產。另一方面,大模型能否在銷售過程中輔助銷售人員進行售賣,通過記錄用戶的喜好和行爲實現精準推薦。

也正如李彥宏所言,大模型有沒有對互聯網公司的DAU、時長、用戶留存這些指標產生正向影響,有沒有對企業的收入、利潤、成本產生影響,纔是問題的本質。

貫徹於市場對大模型應用落地的原則,我愛黑“可頌”大語言模型應用創新挑戰賽正是基於“人人都可參與AI創新”的願景出發,希望通過更多創業者的參與和創新,實現產業生態的完善。

作爲此次比賽中的底座,低代碼平臺Colingo將參賽的技術門檻降到最低,讓更多有志於投身生成式AI新事業的團隊有機會參與到開發的過程中。

Colingo創始人蔡建的目標是讓大模型開發就像拼樂高一樣簡單,用戶可以自由組合功能塊,無需考慮代碼和環境,直接根據系統預製模板和功能快速構建屬於自己的大模型應用。

在他看來,基於此,創新者才更有機會關注應用本身。“大家能夠從更爲深刻的層面去思考,當下市場背景下,這些應用到底能夠解決怎樣的實際問題。”

基於此,此次我愛黑“可頌”大語言模型應用創新挑戰賽中,上述四位評委在對項目的選擇上均提出了各自的見解。

蔡建認爲創新性是項目的核心。皮人偉則認爲,如果沒有對技術實現過程清晰的理解,會使大模型應用創新層面方面容易陷入“浮誇陷阱”。喬新亮更關注應用的規模性落地以及成本的降低,王珏華則認爲具體場景的應用和提效是關鍵。

因此,對於創業者而言,與真實應用場景以及用戶的鏈接實現,並找到貼近行業應用的開發靈感是至關重要的方向。

正如皮人偉所言,現在不太流行甩概念了,只有Demo跑通了,纔可能有PoC和最佳實踐,纔可能與業務結合,而這才意味着團隊是靠譜的。

大模型如何改變傳統行業的生態?

大模型原生於互聯網,但對於傳統行業而言也並不陌生。

以ChatGPT爲代表的大模型引領新一輪全球人工智能技術發展浪潮,大模型不斷加速實體經濟智能化升級,深度改變行業生產力。這一次,傳統產業很早就意識到了要在這輪浪潮中實現智能化轉型和升級,進而提高生產效率和技術創新。

而從另一個角度出發,大模型其實離不開傳統行業的積累。一方面,基礎大模型缺乏行業專業知識,需要大模型提供方與垂直行業合作開發行業大模型。另一方面,落地行業應用將實現大模型的價值,而落地離不開傳統行業場景的構建。

當然,機遇往往伴隨着挑戰。傳統行業的迭代升級是一個“牽一髮而動全身”的過程,相比互聯網企業建立在數字化的基礎之上,傳統行業在轉型升級中要經歷更爲漫長和持久的考驗。

因此,在這一輪大模型升級改造中,率先走在企業轉型前端的也往往是各個傳統行業、領域的頭部玩家。

以蒙牛爲例,皮人偉提到蒙牛數智化主要以自研爲主,早在GPT-3之時就進行了預研,“我們認爲大模型在蒙牛落地的最佳方式就是快速用研發產出,通過最佳實踐驗證新概念與新技術。”

比如AISM(蒙牛自研的AIGC通用技術平臺)作爲蒙牛研發的一部分,通過AI擴散、全面AI和AI應用三個階段逐步推進。所謂AI擴散,即蒙牛通過自研的AIGC平臺一站式整合多種功能,在內部快速擴散生成式AI應用;全面AI,可以理解爲普惠型的AI領域能力培訓,蒙牛內部會定期開展培訓,主要聚焦在Prompt、模型微調和知識庫構三方面能力培養訴求;最後AI應用,則是針對垂直應用領域研發定製化AI產品,比如蒙牛基於AISM平臺孵化的AI投手已於10月30日上線。

總結來看,皮人偉認爲傳統企業應該首先意識到作爲生產力提升工具,AIGC是具有革命性的,但就像所有工具一樣,需要培訓和練習。對於企業而言,根據自研平臺或者通用平臺形成更多的案例對外推廣,纔是佔據品牌心智的最佳方式之一。與此同時,基於數據統計和不斷的迭代,企業要結合成本等角度找到適合自己的應用場景。

此外,他提到當下B端AI產品分爲生成式AI和分析式AI,企業可以嘗試做AISM實現不同廠商靈活切換,確保AI功能安全穩定的同時,最大化的降低“斷供”、“高成本”、“重構”風險。

王珏華則強調,相比其他工具,大模型應用的變化週期更短,技術門檻更高,所帶來的變革性更強。

但是,對於傳統企業甚至任何企業而言,大模型應用效應的擴大都在於其是否真正在場景上解決企業的問題,而且只降本是遠遠不夠的,要想獲得認可,更要強調增效。

從傳統企業的角度出發,數字化轉型向來是內部的核心工程,這將深刻改變企業的生產力和生產方式。因此,面對新技術、新機遇、新變革,需要企業具備更深刻的變革的決心,並基於此而不斷推進。

儘管屬於AI和大模型的爆款應用還處在萌芽期,但在上述行業人士的觀點中,創業者能夠觀察到的發展之路卻愈加明確和清晰:必須要找到真正適合大模型技術特性和商業規律的應用方向。

近期,OpenAI稱今年的收入會超過13億美元,相比去年的2800萬美元年收入,增長40餘倍。在國內市場,無論是面向個人用戶開發大模型應用,還是面向開發者、企業的用戶,都在蓬勃發展,實現商業價值將成爲必經之路。

人工智能誕生至今近70年,幾度沉浮,技術的迴旋前進卻從未停止。儘管當下仍有諸多困境待解,但我們更相信大模型及其應用生態會在不斷地試錯和迭代發展中,找到自己在商業社會和人類文明進程中的位置。

奇點時刻一定會到來,所有人都在時刻準備着。

相關文章