寻路大模型商业化
8月16日，由北京商报社、深蓝媒体智库主办的AI主题沙龙在新闻大厦艺术馆举行，沙龙以“大模型见真章”为主题，邀请业内人士围绕着大模型产品、技术路线、场景寻找、伦理安全等诸多问题，探寻大模型商业化落地的可行之径。会上，北京商报社社长兼总编辑李波涛在致辞中表示，在经济寻求向上突破的当下，几乎唯一没有争议的就是科技，科技可以带来力量。无论是产业还是行业，“破圈”都已形成一个越来越明显的趋势，希望通过深蓝智库的活动，实现产业、行业、人群的“破圈”，将更多前沿的科技成果向更广泛的产业、行业、人群进行传播和输出。
这一波大模型不是泡沫
百度科技与社会研究中心主任余欢
“当所有人都相信这种发展时，就未必是泡沫了”。余欢提到，这一波大模型的兴起不是AI概念第一次被热炒，经过70多年发展，人工智能经历了几次起伏，但不同的是，这一波大模型已经成为当下人工智能的主流方向。
余欢表示，相比起之前的人工智能，这一波大模型的特点是泛化性更强、标准化程度更高、工业化发展趋势更明显。
此外，余欢提到，相比起之前的模型，大语言模型的特点主要分为两部分：情商和智商。当下人们更多解决的是智商问题，即能理解、有逻辑、会推理、能创作，但未来就会向“有感情”去努力，也就是说情商会成为大模型未来一段时间内进一步提升的能力。
今年6月，ChatGPT首次出现流量负增长，一时延伸出业内的各种讨论。对此，余欢表示，ChatGPT流量下滑的逻辑类似于“打江山容易守江山难”，随着时间的推移，剔除一定猎奇心态后，自然会面临有多少用户黏性的问题。但对中国大模型企业而言，流量不仅没有见顶，甚至可以说是还没开始。
至于商业化，余欢认为，要从付费和真正覆盖成本实现盈利两个方面看。虽然当下尚未出现大规模的批量化落地，但几家大模型厂商已经实现了零星的商业化落地，预计年底可能会出现一些典型的商业化落地案例。
中小微模式有望成为国内主流大模型
360智脑产品资深专家葛灿辉
在葛灿辉看来，大模型关乎国家生产力发展水平，中国要多方协力发展产业，未来中小微模式有望成为国内大模型发展的主流形式，通过模型压缩和优化，力争用有限资源达到近似性能。
网络安全起家的360是国内少数持续深耕人工智能核心技术的公司。
进入大模型赛道之初，360就确定了“四路齐发”场景布局，即面对消费者推出用户个人AI助力;面向中小微企业提供SaaS(软件即服务)化垂直应用;面对企业、政府和城市类客户支持私有化部署;面对行业客户推出垂直类大模型。
整个场景布局中的核心是API，这一平台的任务是赋能千行百业、打造开发者业务。“API主要提供各种能力，比如翻译、对话能力等，简单说就是API接入大模型可以做新应用。”葛灿辉这样介绍基于大模型开发行业应用的过程，“底层是360多个基础大模型，基于底层能力、API开发者工具和360智脑API开放平台，客户可以开发各种行业应用，比如知识管理、医疗问答、智能客服等。”
在葛灿辉看来，API的开放和兼容对快速推进上述流程至关重要。
谈到未来大模型技术趋势，他认为，中小微模式有望成为国内主流。怎么理解中小微模式?葛灿辉这样解释，即在保持较高预测准确性的同时，大幅度减小模型的大小和计算成本，优化计算效率，以实现高效的模型预测在较小的设备上运行。
资金不足导致大模型“外热内冷”
文渊智库创始人王超
“每一个科技浪潮都经历了爆发、泡沫、瓶颈和沉淀期”，王超例数了国内外科技圈发展的著名节点，“但以后冒出点水花的智能硬件、VR(虚拟现实)都没有找到新的方向，一直到2023年大模型的出现。很多人认为大模型标志着一个新的科技浪潮的到来。”
与其他几个经典风口不同的是，“大模型浪潮在爆发、泡沫、瓶颈和沉淀期的时间会缩短，它的商业化探索期也一样”，王超认为。至于所谓大模型流量见顶论，在他看来，“可能是舆论、普通用户参与度方面的观感，大模型的发展趋势和整个科技史没有区别，会在泡沫、瓶颈、产业爆发的路径上继续”。
大模型商业化的困难来自于芯片，也来自于资金。“由于种种原因，资本投入大模型行业的‘弹药’相比智能手机等时代要小得多，资金量不大而且资金来源没那么多元，这导致大模型行业即使在5、6月份最火的时期，整体也是“外热内冷”，也让新入局企业的商业化面临问题”，王超说。
但他同时认为，“中国一定会找到一个新办法。因为中国的创业者，包括新兴的和垂直类创业者，还在不停地进入大模型行业，中国创业者的基数优势依然明显。我们只需要找到一些应对芯片和投资的办法。很多政府类基金正在大踏步进入大模型领域，国内大模型企业的商业化一定会找到一个实现路径”。
大模型更安全，产业应用才能更深更广
蚂蚁集团大安全AI算法资深专家郑霖
郑霖表示，当下大模型应用方面会遇到很多风险和挑战，包括幻觉、结果不可控、安全以及歧视、偏见的问题。大模型只有更安全，在产业应用方面才能更深入更广泛。
在新AI时代，蚂蚁集团也从四个维度对可信AI做了重新定义，分别为大模型的可靠性、可控性、内容安全及合规以及伦理安全。
“总结下来，我们认为可信AI仍是一个非常难的科学命题，它希望达到的是超大规模数据生成学习范式下的安全、可控、可靠。”郑霖称。
除安全问题外，郑霖认为，大模型还需要重视生态的打造，从底层架构，到中间算法，再到上层应用，整体需要各行各业的从业者参与进来，将生态搭建起来。包括芯片短缺和算力等问题，都需要这样一个生态去解决。
在商业化问题上，郑霖提到，数据是一大障碍。他认为，大模型需要用对应企业的数据训练模型，但后者可能会认为这些数据是其核心资产，大模型都有强化学习机制，会产生数据合规方面的担忧。
但一些新的场景、新的交互方式可能会延伸出新的发展。郑霖举例提到，之前数字人(9.070, 0.11, 1.23%)很火，大模型被认为是给元宇宙的数字人提供了灵魂，“垂类大模型可能会有一些更好的产出机会”。
大模型流量见顶后还能继续加速推进
元语智能联合创始人兼COO朱雷
朱雷认为，ChatGPT的流量见顶并不意味着大模型发展到了瓶颈，一系列其他大模型的下载数据预示，大模型可能正在以另一种方式加速推进。
目前大模型离真正的商业化还比较远，虽然已经出现了一些落地项目，但整个市场充斥着一定量的“伪需求”，大量粗浅的、简单的伪需求会导致客户认为，向其兜售这种模型方案的厂商不够落地，进而呈现出劣币驱逐良币的情况。
“当下人们认为大模型难落地，也是因为没有发现有价值的应用。”朱雷称，面向企业客户做商业化落地，需要有真实的需求牵引，从用户出发，从需求出发，借用AI技术让业务快速增长。这其中涵盖了三个关键词，快速、业务和增长。
朱雷解释称，“快速”是因为很多企业等不及，受限于预算、经营环境以及客户需求等问题，企业通常不能花费一两年的时间等待大模型达到GPT4的效果后才考虑落地。
“业务”是因为很多模型厂商兜售方案时，其实与其主营业务没有太大关系，只是泛泛而谈的大模型场景，而无法解决具体的业务问题。
“增长”则是因为当下很多方案都以“降本增效”为导向，但商业化公司的重点很多时候不在降本，而在增效。毕竟省钱的空间是有限的，只有挣钱才是最重要的事情。
AI颠覆性创新需要现有业务重构
新壹科技CTO张华伟
大模型狂奔数月，竞争已从拼速度、比参数过渡到拼场景、拼落地，在这一阶段行业要跨过哪些门槛?“大模型见真章”2023深蓝媒体智库沙龙上，张华伟指出，大模型商业化落地需要集齐数据、用户和场景，“商业化是一个长期的过程，一个颠覆性的创新需要打破现有业务去重构，目前国内大模型混战还在起步阶段”。
7月27日，新壹科技发布了聚焦视频领域的垂直大模型，以及基于大模型的AIGC(人工智能生成内容)视频生成平台“秒创视频”、基于数字人的“新壹数字人”、明星数字人祝福视频制作产品“秒祝”。
之所以推出垂直类大模型，新壹科技的想法是，如果不从实际场景出发，会导致大部分通用大模型的实用性并不强，难以真正重塑实际的生产。新壹科技需要建立一个连接AI技术能力和垂直场景需求的大模型，能够提供释放生产力的能力，并创造更多实际价值。
在张华伟看来，AI是辅助工具，“像AI生成视频可以快速辅助创作者、达人以及媒体用户，快速提高生产力”。
不过，“这种效率提升需要一个过程，而且很漫长”，张华伟说，“大模型的能力是要在商业化场景落地的，需要数据、用户和场景。过程之所以漫长是因为企业有业务发展惯性，一个颠覆性的创新需要去做业务重构，这种重构会牺牲一部分人的利益，或者需要企业进行转型，要慢慢来。”
京公网安备:11010602130026号