近日，云啟資本合伙人陳昱接受21世紀(jì)經(jīng)濟(jì)報(bào)道記者專訪時(shí)表示，當(dāng)前還在競(jìng)速中的國(guó)內(nèi)AI大模型企業(yè)都有發(fā)展機(jī)會(huì)，核心在于不斷提升工程優(yōu)化和技術(shù)迭代能力，同時(shí)也要充分挖掘創(chuàng)新應(yīng)用場(chǎng)景。

在他看來(lái)，生成式AI落地到應(yīng)用場(chǎng)景中，將是80%存量應(yīng)用升級(jí)+20%新應(yīng)用探索的“二八定律”局面。也將給正在演進(jìn)中的技術(shù)，如元宇宙、自動(dòng)駕駛等，帶來(lái)漸進(jìn)式能力推動(dòng)。

作為早期投資人，在面對(duì)AI大模型創(chuàng)業(yè)項(xiàng)目時(shí)，他更看好有野心、懂技術(shù)、執(zhí)行力強(qiáng)的團(tuán)隊(duì)。

競(jìng)速AI大模型

追根溯源，如今火爆全球的ChatGPT背后，是Transformer架構(gòu)的支撐。這一技術(shù)早在2017年被谷歌提出，2018年谷歌還提出基于Transformer架構(gòu)的BERT技術(shù)等。

“其實(shí)無(wú)論是早期的CNN（卷積神經(jīng)網(wǎng)絡(luò)）還是Transformer，都屬于在深度學(xué)習(xí)領(lǐng)域，行業(yè)探索過(guò)程中尋求的不同網(wǎng)絡(luò)結(jié)構(gòu)。恰好Open AI用解碼器decoder only架構(gòu)，證明了Transformer的可行性，并把參數(shù)規(guī)模從十億擴(kuò)展到上千億量級(jí)?！标愱爬m(xù)稱，因此這一方面有賴于深度學(xué)習(xí)算法的持續(xù)發(fā)展；另一方面英偉達(dá)提供的GPU算力支持同樣功不可沒(méi)。

實(shí)際上，在早期路徑探索中，谷歌認(rèn)為decoder only路線可能會(huì)不如encoder+decoder（編碼-解碼）效果好，因此采用了另外一條路線，而谷歌內(nèi)部長(zhǎng)期有多個(gè)團(tuán)隊(duì)在做不同嘗試。

最終Open AI持續(xù)迭代，加之RLHF（人類反饋強(qiáng)化學(xué)習(xí)）后，證明了decoder only路線的可行性。隨著路線被證明，谷歌很快也推出號(hào)稱可對(duì)標(biāo)GPT4的大模型PaLM2。

“國(guó)內(nèi)和國(guó)外有不同的大模型體系，投身AI大模型的國(guó)內(nèi)企業(yè)，當(dāng)前還是有一定機(jī)會(huì)?！标愱艑?duì)記者分析，目前GPT-4的水平可能已經(jīng)達(dá)到了95分，國(guó)內(nèi)很多產(chǎn)品在80分左右，但是并不存在代際差。

一方面，AI大模型公司需要花費(fèi)更多時(shí)間在工程優(yōu)化和技術(shù)迭代上；另一方面，更需要產(chǎn)品經(jīng)理的創(chuàng)新能力，充分挖掘AI大模型的創(chuàng)新功能。

“我覺(jué)得這一輪，微軟在創(chuàng)新應(yīng)用方面做得比絕大部分公司好，近期微軟密集發(fā)布新功能，比如在Bing中引入ChatGPT、適用于Windows 11的Windows Copilot等?！彼M(jìn)一步表示。

不過(guò)有行業(yè)觀點(diǎn)認(rèn)為，Open AI更多是證明了Transformer架構(gòu)路線的可行性，在具體落地時(shí)，或許未必要重投入，而是可以考慮小模型發(fā)展路線。

“目前業(yè)界存在不同觀點(diǎn)。”陳昱對(duì)記者分析，一部分人認(rèn)為，小模型可能存在諸多優(yōu)勢(shì)，如資源消耗較少、成本低，而成本低就是跑通商業(yè)模型的重要一環(huán)；同時(shí)，當(dāng)前“大力出奇跡”的AI大模型中集合了太多數(shù)據(jù)量和能力，但實(shí)際在應(yīng)用中或許未必需要。

但另一部分人認(rèn)為，AI公司最終的發(fā)展目標(biāo)都是瞄準(zhǔn)通用人工智能（AGI），也即類似人類的大腦，在運(yùn)轉(zhuǎn)過(guò)程中并不會(huì)分區(qū)，而是可以同時(shí)多路線思考運(yùn)行，甚至各分區(qū)之間會(huì)互相作用，產(chǎn)生意想不到的效果。這條思路之下，就意味著需要大模型最終“一統(tǒng)江湖”。

總體來(lái)看，當(dāng)前業(yè)界對(duì)這兩條路仍有分歧?！皩W(xué)術(shù)上也還沒(méi)有證明，大模型是否的確是參數(shù)量越多越好。畢竟目前AI的運(yùn)作還是一個(gè)黑匣子?！?/p>

當(dāng)然他也認(rèn)為，并不是所有企業(yè)都需要有自己的大模型?！坝?xùn)練大模型要從頭開始，這意味著巨大的資源消耗，需要衡量投入產(chǎn)出比。有時(shí)調(diào)用成熟的大模型，取得的效果可能遠(yuǎn)比自己從頭搭建和訓(xùn)練要好?！彼麖?qiáng)調(diào)，長(zhǎng)遠(yuǎn)來(lái)看，綜合考慮成本和收益是否算得過(guò)來(lái)賬很重要。

如何改變未來(lái)

當(dāng)前最受關(guān)注的，便是在生成式AI浪潮之下，對(duì)應(yīng)用生態(tài)和相關(guān)底層技術(shù)帶來(lái)的影響。

具體來(lái)說(shuō)，數(shù)字經(jīng)濟(jì)、企業(yè)服務(wù)、SaaS服務(wù)等技術(shù)此前已經(jīng)發(fā)展多年，通過(guò)引入更好的AI大模型能力，可以將既有技術(shù)進(jìn)一步升級(jí)，把之前很難做好的體驗(yàn)真正做到滿意；再如微軟近期不斷對(duì)旗下應(yīng)用進(jìn)行迭代升級(jí)，將極大提升內(nèi)容生產(chǎn)力和工作效率。這都是由技術(shù)變革帶來(lái)的體驗(yàn)變革。

生成式AI技術(shù)的出現(xiàn)，也將給正在迭代中的技術(shù)路線帶來(lái)一定幫助，比如元宇宙和自動(dòng)駕駛等。但總體帶來(lái)的將是漸進(jìn)式改變，而非顛覆式驅(qū)動(dòng)。

陳昱對(duì)記者分析，AIGC對(duì)元宇宙的推動(dòng)將主要在于素材生成?！霸钪媲捌跁?huì)在這方面花費(fèi)較多時(shí)間，AIGC就可以幫助提高素材生成效率、節(jié)省創(chuàng)意時(shí)間?！?/p>

不過(guò)這并不能起到根本性推動(dòng)作用。“元宇宙一直難以大面積落地，是因?yàn)闀簳r(shí)沒(méi)有剛需的應(yīng)用場(chǎng)景。AR/VR被視為元宇宙的入口，但目前遇到的難題是，還沒(méi)有一款眼鏡達(dá)到可以長(zhǎng)期佩戴使用的效果?！彼赋觥?/p>

對(duì)于自動(dòng)駕駛的改善可以包括感知和規(guī)劃部分兩方面。此前，自動(dòng)駕駛功能運(yùn)行時(shí)，傳感器需要不斷收集外部信息，進(jìn)行標(biāo)注。但有了AI大模型后，由于其具備zero-shot（零樣本）能力，可能就不再需要具象到所有可能出現(xiàn)的物體樣本進(jìn)行標(biāo)記。

而自動(dòng)駕駛進(jìn)程中，根據(jù)收集到的地圖、實(shí)時(shí)視覺(jué)等信息后，該決策是加速、減速還是換道等，就可以運(yùn)用到AI大模型的推理能力，這將會(huì)比現(xiàn)有自動(dòng)駕駛所用模型做到更好的效果。

與此同時(shí)，AI大模型還在不斷滲透到軟硬件層面，如近期ChatGPT推出iOS版、百度為此推出硬件產(chǎn)品等。不過(guò)陳昱并不認(rèn)為AI大模型的出現(xiàn)，會(huì)對(duì)既有軟硬件生態(tài)帶來(lái)太大角色改變。

“我認(rèn)為改變的可能是搜索生態(tài)。”他續(xù)稱，比如ChatGPT就可能成為谷歌在搜索方面的競(jìng)爭(zhēng)對(duì)手。這意味著對(duì)用戶使用習(xí)慣沒(méi)有太大改變，改變的只是獲取信息的途徑。

從社會(huì)影響來(lái)說(shuō)，陳昱認(rèn)為，這將對(duì)整個(gè)教育體系帶來(lái)巨變?？梢灶惐却饲坝?jì)算機(jī)出現(xiàn)后，復(fù)雜的珠算、五位數(shù)乘法等學(xué)習(xí)，到今天多被計(jì)算器所取代，人們可以把腦力放在其他更有創(chuàng)造力知識(shí)的學(xué)習(xí)中去?！叭绻軌蚶煤肁I工具，幫助我們?nèi)祟愅瓿纱饲?0%的工作，剩下20%可以更好地施展創(chuàng)造力和想象力，同時(shí)也會(huì)帶來(lái)新的職業(yè)暢想和組織范式?！?/p>