整理 | 伊風
采訪 | 張曉楠
嘉賓 | 巴川、朱雷、肖然
出品 | 51CTO技術棧（微信號：blog51cto）
作為AIGC應用落地元年，2024開年就拋給我們一些不太好回答的問題：
- 在以探索AGI為長期目標時，我們該堅守技術信仰嗎？
- 除了復制國外GPT-4、Sora這樣的成功案例，我們該如何尋求更大發(fā)展和突破？
- 即便算力問題得以解決，算法的難題如何跨越？
- 國內(nèi)企業(yè)為什么大都部署多個大模型？為什么并非所有企業(yè)都該擁抱AIGC？
前不久51CTO全新直播欄目《AIGC實戰(zhàn)派》有幸邀請到競技世界首席數(shù)據(jù)科學家巴川，元語智能聯(lián)合創(chuàng)始人兼COO、SuperCLUE社區(qū)發(fā)起人朱雷以及Thoughtworks中國區(qū)總經(jīng)理、中關村智聯(lián)創(chuàng)新聯(lián)盟秘書長肖然，在對談中回答以上疑問。
1.“技術信仰派”還是“市場信仰派”，只是一時之爭
51CTO: 在大模型“技術信仰派”與“市場信仰派”之爭中，你們站哪一派？這背后又折射了怎樣的一種現(xiàn)實？
巴川：我思考過這個問題，但是沒能給出一個非黑即白的答案。就長期而言我傾向于技術信仰派，因為技術進步是推動生產(chǎn)力發(fā)展的關鍵因素，雖然現(xiàn)在AIGC被炒得非常熱，但其長期影響力仍然是被低估的。
但在短期內(nèi)，大模型技術所能產(chǎn)生的影響又被高估了，這種誤判算是技術落地和廣泛應用的一個必經(jīng)階段。短期內(nèi)，AIGC將不斷向各行各業(yè)泛化，從這點來看，市場信仰派的觀點也很有價值。
朱雷：我是堅定的技術信仰派，就目前看，我認為技術派的勝算更大，因為推動大規(guī)模數(shù)據(jù)訓練和參數(shù)量的躍升已經(jīng)是全球性的技術共識，大家都在“卷”技術、搶人才。
對于市場派的觀點，我認為技術需要服務于用戶和客戶，解決具體的業(yè)務問題，這個站位和邏輯也沒有問題。然而，在以探索AGI為長期目標時，國內(nèi)需要一些堅持技術信仰的團隊，他們以長期研究和技術突破為目標，將商業(yè)化應用作為支持研發(fā)和基礎架構(gòu)試錯的一種手段。
國內(nèi)有幾家大模型公司我是很看好的，因為他們在技術層面有獨到的見解，比如做RAG搜索增強、長文本等等。但他們也沒有只做技術，也在各自的技術路線上嘗試了多種應用，如角色扮演、游戲、效率工具等。我覺得正因為他們有技術信仰，所以會在自己的應用上思考的更長遠一點。
相反，如果僅從商業(yè)化的角度出發(fā)，忽視技術的成熟度，這種做法從長期看是特別危險的。我們可以看到，隨著AI技術的不斷進步，一些早期的AI應用已經(jīng)失去了競爭力。OpenAI的Sora一旦對外開放，就將“殺死”很多小的AI視頻剪輯、自動化生成工具。因此，在AGI的早期階段，一定要保持技術前瞻性，去做長期的投入和研究。
肖然：在AI技術浪潮中，真正盈利的往往是提供工具的一方，而非單純追求市場應用的一方。這些工具，如RAG、Raptor等，本質(zhì)上是技術產(chǎn)品，它們的市場價值在于支持和促進技術創(chuàng)新。
所以，技術的快速發(fā)展已經(jīng)使得所謂的市場化變得不那么重要，因為需求實現(xiàn)的過程已經(jīng)被極大程度地壓縮了。年輕一代，即使沒有深厚的計算機背景，也能在短時間內(nèi)學會構(gòu)建智能應用。這表明，我們正在進入一個新時代，其中技術和市場之間的界限變得模糊。
從當前的角度來看，技術的重要性更為突出。如果你想創(chuàng)造出能夠完成更多任務的智能化產(chǎn)品，這非常依賴于底層基礎模型的發(fā)展。只有基礎模型得到提升，我們才能完成更多、更復雜的任務。
2.如果都是“市場派”邏輯，追上國外會變得更難
51CTO : 對比國外，國內(nèi)大模型會面臨哪些不同？你們對國內(nèi)大模型市場抱有哪些期待？
巴川：從算力角度來看，我們雖然在迎頭追趕，但仍然存在差距。芯片核心技術在國外手里，這直接影響了我們獲取最先進硬件的能力；另外，顯卡的采購困難和禁售帶來的價格飛漲也對我們產(chǎn)生了直接影響。
在算法方面，雖然很多人認為國內(nèi)外的算法水平?jīng)]有太大差異，但我們使用的基礎框架，如Transformer等，大多還是來自國外。盡管國內(nèi)的一些公司也在嘗試開發(fā)自己的框架，但離落地應用、甚至成為主流框架還差很多。
在數(shù)據(jù)方面，我認為國內(nèi)是有獨特優(yōu)勢的。互聯(lián)網(wǎng)快速發(fā)展的一二十年里，我們積累了大量數(shù)據(jù)，特別是在垂直領域，一旦某個應用推廣開來，就能夠迅速覆蓋數(shù)億用戶，這是歐美尤其是歐洲難以做到的。這樣的用戶基數(shù)使得我們能夠快速積累用戶數(shù)據(jù)，并在特定垂直領域快速實現(xiàn)應用的落地和迭代。
朱雷：在我看來，國內(nèi)外在大模型市場上的主要差異體現(xiàn)在發(fā)展節(jié)奏和目標上。比如OpenAI和谷歌下面的DeepMind，他們的目標更多地集中在實現(xiàn)AGI上。雖然他們也在推進商業(yè)化，但視野更為長遠，并在安全和基礎架構(gòu)上進行了深入研究和探索。
相比之下，目前國內(nèi)更多地在復制國外的成功案例，如GPT-4和Sora等。不過盡管如此，國內(nèi)公司融資充足，人才儲備也具備一定水平，且具有全球化視野，這有助于我們在數(shù)據(jù)規(guī)模和質(zhì)量上進行補充。
我認為，國內(nèi)的期待在于未來五年內(nèi)能否在基礎架構(gòu)上取得突破，而不是僅僅跟隨國外的技術發(fā)展。目前，國內(nèi)正在努力追趕GPT-4的水平，同時也有探索非Transformer架構(gòu)的嘗試。因為Transformer架構(gòu)本身存在局限性，預測下一個token，并不是真實世界的邏輯，因此這個架構(gòu)并不能做出世界模型。
肖然：即便算力問題得到緩解，我們?nèi)匀幻媾R著代際算法差異的挑戰(zhàn)。目前，國內(nèi)的大模型技術多在復制和追趕國外的成就，并嘗試做成功產(chǎn)品的理解和復現(xiàn)。但真的去做一些研究，比如Transform架構(gòu)的根本突破在哪里，國內(nèi)相關的討論又太少，我們需要更多的聲音和研究來探討和實現(xiàn)下一代的算法革新。
在應用層面，國內(nèi)的大模型應用多集中在企業(yè)內(nèi)部，而國外的模型精度更高，To C產(chǎn)品更為豐富。這背后的核心原因在于底層模型的成熟度差異。國內(nèi)企業(yè)被迫去做模型微調(diào)和基礎算力設施，通過這些應用手段，提升模型在特定領域的精度。
我樂觀估計，國內(nèi)的算力問題正在得到國家層面的有效解決。但同時，我擔心的是，當我們解決了算力和模型精度問題后，國際上可能出現(xiàn)新的算法突破，而科技巨頭會效仿OpenAI選擇閉源，屆時我們就會被拉大算法的代際差距。
3.AI太重要了，企業(yè)多模型部署“留后路”
51CTO: 具體到國內(nèi)企業(yè)部署和采用大模型，你們發(fā)現(xiàn)有哪些值得關注的特點，或者一些有趣的現(xiàn)象？這背后的深層原因是什么？
朱雷：我觀察到國內(nèi)企業(yè)往往會同時部署多個大模型。在與各行各業(yè)的企業(yè)接觸中，包括央企和上市公司，我發(fā)現(xiàn)他們會同時采購兩三家公司提供的大模型，并結(jié)合一些開源模型進行微調(diào)。這些企業(yè)會利用向量數(shù)據(jù)庫和增強工具，使得基于大模型構(gòu)建的應用背后有多個模型支撐。
這種現(xiàn)象背后的原因可能有幾個方面。首先，AI大模型目前被認為非常重要，因此企業(yè)愿意投入較多預算。隨著開源能力的提升，大模型的部署成本已經(jīng)降低，盡管后續(xù)的數(shù)據(jù)清洗和模型推理可能成本較高，但采購模型本身已經(jīng)變得相對便宜。
其次，當前大模型的能力還比較有限，特別是在特定行業(yè)的應用上。這就導致企業(yè)在應用大模型時會部署多個模型，以期望不同模型在不同方面的能力可以互補。
最后，AI的重要性不言而喻，但企業(yè)對于國內(nèi)大模型的發(fā)展前景還不太確定，因此他們傾向于嘗試多個模型，以觀望哪個模型能夠更好地發(fā)展，以免選錯后對企業(yè)造成較大損失。
肖然：從成本來看，盡管模型本身的成本已經(jīng)降低，但與之配套的運維成本卻相對較高。企業(yè)在微調(diào)大模型時需要投入額外的資源來管理知識庫和優(yōu)化整個數(shù)據(jù)處理流程，這導致了需要額外雇傭?qū)I(yè)人員來維護和優(yōu)化這些模型。而部署的多模型，每個基礎模型相對小一些，微調(diào)后能達到專事專用的效果。
此外，大型組織更有可能部署自有模型，而小型組織則不太可能考慮這一選項。在大型企業(yè)中，各個部門可能會根據(jù)自己的需求獨立部署和使用不同的模型。這種分散的部署方式雖然短期內(nèi)看似效率不高，但實際上有助于保護組織結(jié)構(gòu)擁有一定的自由空間，允許各部門根據(jù)自己的業(yè)務需求靈活調(diào)整。
最后，企業(yè)特別希望大模型的能力能夠與現(xiàn)有的工具鏈相結(jié)合，而不是完全替換現(xiàn)有的工作流程。例如，企業(yè)可能更愿意在現(xiàn)有的辦公平臺上集成模型來輔助工作，比如釘釘AI這樣的設計，而不是遷移到一個全新的系統(tǒng)中去。
51CTO：企業(yè)的模型部署、AIGC應用等等由哪個部門負責？
肖然：數(shù)字化能力強的公司可能會成立專門的人工智能中心，來負責模型和算力的相關工作，而應用則由具體實踐這些工具的相關部門負責。
在為企業(yè)部署AI能力時，負責牽頭的角色往往是CIO或CTO。然而，隨著人工智能戰(zhàn)略的重要性日益增加，一些企業(yè)包括我們自己公司開始設立CAO（Chief AI Officer）來專門負責人工智能戰(zhàn)略的制定和執(zhí)行。從長遠來看，或許越來越多的企業(yè)會設置類似CAO的崗位。
巴川：我們公司算是一個典型的中型互聯(lián)網(wǎng)游戲公司，我們有一個技術中臺，其中包括大數(shù)據(jù)、機器學習和深度學習等方向。技術中臺自然成為了大模型應用的主要推動者。同時，我們的業(yè)務部門，比如說美術部門、銷售部門，也在自下而上的擁抱技術變革。
我們也在嘗試多個模型，因為目前還不清楚哪個模型更合適。在這個過程中，我們會直接調(diào)用接口，也會對大模型進行微調(diào)。這其中涉及到成本和產(chǎn)出比的問題，業(yè)務部門會根據(jù)業(yè)務場景直接評估性價比，決定是否值得投入。
然而，技術部門在推動大模型應用時，可能會發(fā)現(xiàn)性價比并不高，這時我們的步伐就會受到限制。一些大模型，比如馬斯克最近發(fā)布的Grok開源大模型，雖然下載不難，但能運行起來的機器需要200萬成本，這就需要我們仔細考慮場景的適用性和成本效益，雖然我們自己也很好奇效果，但如何能說服管理者批預算是個難題。
對于中小公司來說，通用大模型的成本可能是難以承受的，可能需要大廠或國家意志整合資源才能實現(xiàn)。此外，我們也在思考，專注于特定業(yè)務場景的大模型是否會讓我們離AGI越來越遠。
4.“新質(zhì)生產(chǎn)力”AI+，已經(jīng)敲開了技術變革的門
51CTO：隨著大模型采購成本下降以及垂類模型的成熟，所有企業(yè)都應該擁抱大模型嗎？AIGC能在未來成為所有企業(yè)的剛需嗎？
巴川：隨著成本不斷下降，我認為中小企業(yè)完全有可能開始使用大模型。在形式上，他們可能會更多地選擇直接調(diào)用現(xiàn)有的大模型接口，利用其能力來降本增效，并在特定的市場業(yè)務場景中創(chuàng)造價值。而大型企業(yè)，如百度、阿里，可能會開發(fā)自己的模型，以保持技術壁壘和市場競爭力。
從國家層面來看，整合資源開發(fā)具有自主知識產(chǎn)權(quán)的大模型也是非常重要的，這不僅是技術追求，也是社會責任的體現(xiàn)。必須有人去開發(fā)大模型這樣的基礎設施。
肖然：AIGC就屬于國家提出的“新質(zhì)生產(chǎn)力”這個概念，隨著技術的進步，未來的情況將與現(xiàn)在大不相同，盡管可能不會有像iPhone那樣的顛覆性時刻，但人工智能的應用仍會讓人眼前一亮。
從這個角度來看，并不是所有企業(yè)都需要自己部署模型。隨著問題逐漸被解決，特別是走向AGI時，企業(yè)可能不再需要自己擁有模型。正如黃仁勛所說，“打敗你的不是AI，而是使用AI的人”。
朱雷：雖然大模型和AI技術的成本正在下降，但目前大多數(shù)企業(yè)的核心業(yè)務流程還不能依賴于大模型。目前，大模型的應用主要集中在相對邊緣的業(yè)務上，成本的降低并不直接等同于可以落地實施。真正要影響企業(yè)核心業(yè)務的落地，除了成本，還需要模型在準確性和推理速度上達到可用的水平，而目前這個階段還有相當大的差距。
5.“賣鏟子”是門好生意，引領應用新趨勢是“天花板”
51CTO：如何判斷一款AIGC應用是否優(yōu)秀呢？有什么標準嗎？
巴川：我會首先考慮合規(guī)性，這對于公司的業(yè)務至關重要；其次，AIGC生成的內(nèi)容是否有C端用戶愿意買單，這是一個直接且重要的評判標準；此外，我希望能夠看到應用中有些特色，能夠把相關的數(shù)據(jù)積累用起來，形成一定的壁壘。
肖然：我認為這個時代值得做的生意就是“賣鏟子”。使用AIGC技術提供工程化支持的工具和服務——是一個有前景的事情。直接做大模型的門檻太高了，不適合一般的玩家入場。無論AIGC應用是面向C端還是B端，都需要將這些技術工程化、規(guī)模化，讓組織能在內(nèi)部享受到AI技術帶來的便利。
如果涉及到直接面向消費者的應用，我會在合規(guī)的基礎上增加對高頻場景替代的考量。我喜歡那些能夠改變用戶習慣、增加用戶粘性的應用。
朱雷：從長遠來看，我認為AIGC應用在交互方面還有很大的創(chuàng)新空間。盡管目前市面上已有一些成熟的交互模式，如智能音箱和流程機器人，但未來可能會有新的交互模式出現(xiàn)，特別是適合AGI的新型交互模式，我期待在國內(nèi)看到這樣的創(chuàng)新。
