2022上广奖报名启动，全球创意人才汇聚上海！

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>對(dui)話(hua)小(xiao)冰(bing)CEO李(li)笛(di)：大(da)模(mo)型(xing)到(dao)2024年(nian)將(jiang)退(tui)熱(re)

原(yuan)文(wen)來(lai)源(yuan)：真(zhen)故(gu)研(yan)究(jiu)室(shi)

作(zuo)者(zhe)：石(shi)雨(yu)菡(han)

圖(tu)片(pian)来源：由(you)無(wu)界(jie) AI? 生(sheng)成(cheng)

ChatGPT的(de)出(chu)現(xian)，被(bei)認(ren)為(wei)是(shi)互(hu)聯(lian)網(wang)行(xing)業(ye)發(fa)展(zhan)的最(zui)後(hou)壹(yi)個(ge)機(ji)會(hui)。大廠(chang)、高(gao)校(xiao)、个人(ren)，入(ru)局(ju)大模型市(shi)場(chang)主(zhu)體(ti)繁(fan)多(duo)，“百(bai)模大戰(zhan)”正(zheng)在(zai)進(jin)行中(zhong)。

然(ran)而(er)冷(leng)靜(jing)下(xia)来直(zhi)視(shi)這(zhe)场浪(lang)潮(chao)，高昂(ang)的投(tou)資(zi)、稀(xi)缺(que)的人才(cai)、同(tong)質(zhi)化(hua)的競(jing)爭(zheng)以(yi)及(ji)仍(reng)不(bu)明(ming)朗(lang)的商(shang)业模式(shi)，眾(zhong)多針(zhen)对大模型的疑(yi)慮(lv)聲(sheng)也(ye)開(kai)始(shi)浮(fu)出水(shui)面(mian)。??

近(jin)日(ri)，《真故研究室》对话了(le)小冰公(gong)司(si)首(shou)席(xi)執(zhi)行官(guan)李笛。小冰是國(guo)內(nei)最早(zao)具(ju)備(bei)情(qing)感(gan)交(jiao)互功(gong)能(neng)机器(qi)人，小冰公司則(ze)是国内最早實(shi)现AIGC商业化落(luo)地(di)的企(qi)业之(zhi)一。

对於(yu)當(dang)下的大模型热潮，李笛有(you)更(geng)为冷静客(ke)觀(guan)的观點(dian)。

以下为对话实錄(lu)：

Q1：ChatGPT問(wen)世(shi)之后，国内大厂、人工(gong)智(zhi)能創(chuang)业者紛(fen)纷跟(gen)进。行业很(hen)热鬧(nao)，但(dan)大家(jia)似(si)乎(hu)看(kan)不出什(shen)麽(me)差(cha)別(bie)。您(nin)怎(zen)么看？

A1：目(mu)前(qian)国内至(zhi)少(shao)有70个大模型问世，但都(dou)是同质化的，也沒(mei)法(fa)实现差異(yi)化。因(yin)为大家的訓(xun)練(lian)數(shu)據(ju)都差不多，训练方(fang)法用(yong)的是OpenAI发表(biao)的論(lun)文中的方法，而且(qie)都是直接(jie)拿(na)GPT去(qu)训练，把(ba)GPT作为老(lao)師(shi)。

老师、训练数据、训练方法都是一樣(yang)的，怎么拉(la)开差距(ju)？

各(ge)个大厂都来做(zuo)大模型，其(qi)出发点不在于抓(zhua)住(zhu)風(feng)口(kou)和(he)机会，而是防(fang)禦(yu)。没有自(zi)己(ji)的大模型，就(jiu)会被竞争对手(shou)壓(ya)制(zhi)，反(fan)之就有机会压制别人。

Q2：您认为目前像(xiang)ChatGPT这样采(cai)用訂(ding)閱(yue)收(shou)費(fei)的商业模式，有发展前景(jing)嗎(ma)？

A2:首先(xian)不可(ke)否(fou)认的是，跟前幾(ji)年相(xiang)比(bi)，各方对于人工智能的需(xu)求(qiu)肯(ken)定(ding)是增(zeng)多的了。但是这么多大模型，它(ta)達(da)到規(gui)模化效(xiao)應(ying)了吗？我(wo)覺(jiao)得(de)是没有。

人工智能到今(jin)天(tian)为止(zhi)所(suo)探(tan)索(suo)的商业模式，大多很難(nan)言(yan)是成功的。就像ChatGPT，它本(ben)质其实是“賣(mai)话”：一个字(zi)多少錢(qian)，一句(ju)话多少钱。但这些(xie)回(hui)復(fu)的话語(yu)的價(jia)值(zhi)並(bing)没有进行區(qu)分(fen)。比如(ru)用戶(hu)跟它閑(xian)聊(liao)，某(mou)種(zhong)程(cheng)度(du)来說(shuo)它的话是不值钱的。但如果(guo)用户是希(xi)望(wang)得到指(zhi)点，那(na)它的回复就非(fei)常(chang)值钱了。

今天我們(men)討(tao)论 AI 的商业模式，这其中涉(she)及到的是AI所创造(zao)的价值和它得到的价值，但这兩(liang)者之間(jian)的鴻(hong)溝(gou)非常大。

比如過(guo)去行业都在卷(juan)的人臉(lian)識(shi)别技(ji)術(shu)，它讓(rang)国家、社(she)会變(bian)得更加(jia)安(an)全(quan)，它的价值顯(xian)然是很高的。但是人脸识别技术嵌(qian)入各种硬(ying)件(jian)后，技术本身(shen)的价值并没有得到相应的回報(bao)。最終(zhong)一些公司开始做系(xi)統(tong)集(ji)成、軟(ruan)硬結(jie)合(he)，卖的是設(she)备的硬件堆(dui)料(liao)。

现在人工智能的商业模式，是把技术做成了水、電(dian)、煤(mei)这样的基(ji)礎(chu)设施(shi)，頂(ding)多区分成工业用电或(huo)生活(huo)用电。但是，基于不同需求创造的不同价值，并没有得到区别性(xing)的回报。

Q3：收取(qu)技术調(tiao)用费用”的商业模式，有怎样的局限(xian)性？

A3：卖水、电、煤这样的基础设施要(yao)靠(kao)壟(long)斷(duan)，才能夠(gou)keep住利(li)潤(run)空(kong)间。但就我的經(jing)驗(yan)来看，没有誰(shui)能够在技术上(shang)实现垄断。所以它只(zhi)能靠節(jie)約(yue)成本来獲(huo)得利润空间，但这不僅(jin)是有限的，也没有上升(sheng)的可能。

即(ji)使(shi)跟隨(sui)所謂(wei)的摩(mo)爾(er)定律(lv)，把价格(ge)打(da)下来了，竞争对手也会迅(xun)速(su)把利润空间給(gei)補(bu)上。最后就会出现打价格战的情況(kuang)，然后大家就开始免(mian)费。这看起(qi)来是好(hao)事(shi)，但其实是限制整(zheng)个人工智能行业的发展。

Q4：小冰有探索出不同的、更有效的商业模式吗？

A4：小冰的商业模式是有些特(te)殊(shu)的，我们采用的是revenue share（收入分成）。我们并非提(ti)供(gong)技术接口去卖内容(rong)的调用，而是基于技术包(bao)裝(zhuang)成一个个具备不同能力(li)的“人”，也就是数字員(yuan)工。我们让各个数字员工去各行各业打工，類(lei)似于“勞(lao)務(wu)派(pai)遣(qian)”，最后获得的是工资，相当于公司收益(yi)分成。我们现在平(ping)均(jun)一个数字员工年薪(xin)能达到30萬(wan)。

比如今年2月(yue)，日本的小冰（Rinna）和Netflix一起推(tui)出了AI生成的動(dong)畫(hua)微(wei)短(duan)片《犬(quan)與(yu)少年》，一共(gong)三(san)分多鐘(zhong)。雖(sui)然分成是有限的，但Rinna作为一个影(ying)视创作者角(jiao)色(se)，它的生產(chan)力是无限的，未(wei)来每(mei)一部(bu)影视作品(pin)我们都可以获得相应的收益。

Q5：在探索出revenue share这样的商业模式之前，小冰是否有走(zou)过彎(wan)路(lu)？

A5：初(chu)期(qi)肯定是有的。2017年的時(shi)候(hou)，Rinna开始和羅(luo)森(sen)便(bian)利店(dian)合作，幫(bang)助(zhu)罗森去卖優(you)惠(hui)券(quan)。基于Rinna在情感交互上的优越(yue)性，它的促(cu)銷(xiao)效果非常好。而消(xiao)费者使用优惠券在線(xian)下購(gou)物(wu)，也帮助罗森获得了更多的營(ying)收。

但是这些营收我们并没有分成，因为当时我们对人工智能商业模式分析(xi)是，我们应該(gai)提供API，收取每次(ci)调用的钱。这个收入是很少的，而Rinna售(shou)卖优惠券所帶(dai)来的销售額(e)是巨(ju)大的，两者显然不成正比。

Q6：元(yuan)宇(yu)宙(zhou)火(huo)了两年，似乎现在有点退燒(shao)。一个原因被认为是它的体验感還(hai)没让客户觉得驚(jing)艷(yan)。大模型热是否也会因它的使用体验不够好，而出现热度退去的情况？您认为我国在大模型全球(qiu)竞争中的优勢(shi)和补齊(qi)的短板(ban)分别是什么？

A6：去年AI行业誕(dan)生了很多惊喜(xi)。人工智能技术发展这么多年以来，一直像潮水一样，每隔(ge)几年就会有一次潮湧(yong)和爆(bao)发。而这些所谓的“爆发”，只是因为被大众關(guan)註(zhu)到了，超(chao)过了大众对人工智能的认知(zhi)或預(yu)期。他(ta)们并不是终点。

就像当年的AlphaGo，无数人惊呼(hu)世界将被改(gai)变，但这么多年过去，并未发生巨大的变化。大模型也好、AIGC也罷(ba)，都是在技术瓶(ping)頸(jing)期发生的一次新(xin)突(tu)破(po)，未来它们也会有自己的瓶颈。距離(li)真正的AGI（通(tong)用人工智能），还要经歷(li)几輪(lun)类似的技术演(yan)进才会更清(qing)晰(xi)。

大模型到现在为止还有很多问題(ti)没有解(jie)決(jue)，比如準(zhun)確(que)性和成本高昂，所以小冰用的是混(hun)合模型理(li)念(nian)，小冰框(kuang)架(jia)内有近1000个大中小模型有机組(zu)合在一起共同支(zhi)撐(cheng)AI Being運(yun)轉(zhuan)。这样做的好處(chu)是成本相对低(di)廉(lian)、速度更快(kuai)，且能保(bao)證(zheng)足(zu)够准确并交付(fu)商用。

同时，大模型到现在为止没有一个准确定義(yi)，究竟(jing)多大參(can)数可以被叫(jiao)做大模型。上半(ban)年大家都在猜(cai)測(ce)，参数越大效果越好，后来发现某个稍(shao)小参数的模型也能达到同种效果。所以现在业内越来越多的人在说混合模型。

研究大模型，如果类比成學(xue)语言，有点像学日语，入門(men)容易(yi)精(jing)通难。创业者们很快能見(jian)到成效，但会发现太(tai)多问题需要解决。

现在的大模型同质化嚴(yan)重(zhong)。市面上根(gen)本用不了这么多大模型，到2024年应该就会退热，发现谁在岸(an)上谁在裸(luo)泳(yong)。

最后，大模型之间其实并不存(cun)在技术壁(bi)壘(lei)。它的技术理念已(yi)存在多年，业内有很多人在应用，国内外(wai)都是这样。只不过在fine-tune（微调）的过程中，研发者的專(zhuan)注度、投入度不一样。

我个人认为OpenAI是真的用工匠(jiang)精神(shen)去磨(mo)，取得了这个效果，所以有一定“时间壁垒”，但这和“技术壁垒”是两回事。在人工智能技术上，国内外并没有巨大差距，像芯(xin)片、操(cao)作系统，国内都非常厲(li)害(hai)，差距只在于是否耐(nai)得住寂(ji)寞(mo)，敢(gan)于去磨、去做创新研究。返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任(ren)編(bian)輯(ji)：