作者 |  白發(fā)川

瘋狂的全民大模型

大約一年前，大家熱聊的先是LLM，LLM的全稱是Large language models，也就是大語言模型，那么它必然有2個特點，一個是自然語言，第二個是大。隨后它帶來了一個效果，就是能“生成”，可以像人一樣發(fā)言，不過輸出僅限于文本，看起來能夠自我輸出和自我思考，于是基于這個理念，AIGC這個概念應(yīng)運而生。 

緊接著，圍繞它誕生了非常多看起來更加“多模態(tài)的東西”，比如文生圖，圖生文，但是背后實質(zhì)上是多個模型的配合。當然這無可厚非，因為人也不是單純靠腦袋在工作，依舊有很多末端神經(jīng)充當包工頭的角色。

然后隨之而來的，似乎都不談LLM了，開始談GenAI、談大模型了。仿佛人類想象中能夠觸達的輸出，大模型也都可以。于是各種通用人工智能紛至沓來，“人類被計算機碾壓，無數(shù)群體即將失業(yè)”的輿論被拉起來，整個世界被GenAI裹挾著前進。

大廠不斷進行軍備競賽，搶購顯卡，跑模型，甚至不知道自己在干嘛，就因為大家都在干，于是自己也得干，而其中甚至多數(shù)，抓著開源的代碼，站上巨人的肩膀，開始賽跑。

除了基礎(chǔ)設(shè)施廠商在做模型、在不斷演進外，圍繞大模型生態(tài)的企業(yè)也沒閑著，通過各種方式，演繹自己的故事，例如大模型既然動腦能力不錯，但是動手能力差，那么就安裝手和腳，做Agent和MulAgent。大模型無法感知企業(yè)內(nèi)部知識，于是開始做RAG。

實際上，這個周期內(nèi)，真正賺到錢的，只有賣顯卡的和賣課程的。

誰在做大模型

前面提到，LLM有兩個特點，一個是自然語言，一個是大，因為大，那么自然不是任何一家企業(yè)都能做，真正具備做大模型能力的企業(yè)必須滿足這樣的條件：

• 擁有足夠的硬件
• 擁有足夠的數(shù)據(jù)
• 擁有足夠的人才
• 擁有足夠的資金

目前叫得上名字的企業(yè)都能分別滿足這幾個維度，但是滿足的程度是不一樣的。比如nivdia在硬件資源方面的沉淀就非常深厚，而有的企業(yè)則擁有更加多和好的數(shù)據(jù)，但在硬件資源方面則相對欠缺。

不過，即便如此，也能發(fā)現(xiàn)一個現(xiàn)象，那就是當談到大模型的時候，似乎出頭的并不是之前已經(jīng)存在的大廠，而是某些新秀——源源不斷的新秀，而之前就已經(jīng)聲名鵲起的大廠，其存在感反而弱了非常多。

這些新秀企業(yè)都有非常鮮明的特點，很多企業(yè)的成員都非常年輕，且更加優(yōu)秀，大部分都在大模型領(lǐng)域有非常深的學(xué)術(shù)造詣，進而步入到大模型的實踐落地中。其次相對于純軟件工程來說，在大模型領(lǐng)域，模型精準度優(yōu)化的重要性會高于代碼本身。

當然這種情況在軟件工程中也存在，比如當我們趕著推進功能進度的時候，就會降低代碼質(zhì)量要求。然而其不同之處在于大模型領(lǐng)域的代碼和最終推理的運行沒有必然的聯(lián)系，此特點從開源生態(tài)可見一斑。軟件工程開源的是源碼本身，而大模型領(lǐng)域開源的是模型。

也就是說，在軟件工程領(lǐng)域，軟件源碼質(zhì)量會直接影響可運行的軟件本身，所以不得不做好軟件工程這件事，甚至?xí)^度關(guān)注源碼質(zhì)量本身，通過源碼的質(zhì)量來控制最終的交付的功能的質(zhì)量。很多甲方企業(yè)甚至?xí)衍浖创a交付質(zhì)量作為項目驗收的條款之一。把這個邏輯映射到大模型領(lǐng)域，交付件是什么？是大模型，一個文件，這個文件可能1GB，可能100GB，可能1TB，當運行這個模型進行推理的時候，沒有人關(guān)心當時訓(xùn)練出這個模型的那一堆代碼到底質(zhì)量如何，甚至把那堆代碼丟掉，也不影響這個模型的后續(xù)使用。

因為源碼和交付件沒有必然關(guān)系可能有人會問，難道模型不需要再優(yōu)化？如果要擴展功能怎么辦？且不說站在外圍來看，微調(diào)已經(jīng)是標準手法，模型文件里面本身是什么？權(quán)重，權(quán)重再抽象呢？參數(shù)，也就是當你拿到一個模型文件之后，有無之前的代碼，并不影響這個模型的持續(xù)演進，極端情況下，代碼就是一次性產(chǎn)物，是一次性消耗品，既然是一次性消耗，那么就不用過度追求它的可演進。

所以目前真正在投入做大模型的企業(yè)，通常是擁有足夠硬件的企業(yè)，并且有足夠人才。在這兩個維度滿足度較高，那么投入做大模型，就會脫穎而出。

誰在用大模型

既然有人做，那就應(yīng)該有人用，否則做大模型的廠商就應(yīng)該消亡了，可是看目前的勢頭，似乎并沒有，那么就意味著，一定有人在用，或者資本看好，認為未來一定有人用，那么會是誰？

站在資本的角度，如果大模型具備人一樣的能力，那么就可以把手下的人全部裁掉，采購大模型服務(wù)，24小時不間斷地上班。那么在這樣的業(yè)務(wù)下，需要滿足如下兩個條件：

• 招聘員工的成本比大模型低，否則裁掉不是一筆劃算的買賣。
• 自身業(yè)務(wù)屬于資源生產(chǎn)的上游，最好有壟斷，否則最后會變成你和你的朋友，大家都用大模型在搞，最后變成了一堆機器人互玩，不但沒有新的資源產(chǎn)生，反而會把資源消耗殆盡。

站在個人的角度，對大模型有沒有需求？有，且非常多，各種自媒體視頻、文案，還不算灰產(chǎn)那些雜七雜八的東西。

也就是個人自身日常生活需求下，和企業(yè)基于自身業(yè)務(wù)的需求下，都存在對大模型的需求，那么這些需求里面，哪些是正統(tǒng)的，或者真正有價值的？我認為會是以下幾類：

• 服務(wù)于C端用戶自身的GenAI：如果是C端用戶借助大模型提升自己的短板并把這個過程當作內(nèi)容產(chǎn)物對外輸出，這樣的場景是沒有價值的，最后不外乎所有地方都充斥著大模型產(chǎn)生的內(nèi)容，甚至可能是同一個模型產(chǎn)生的，所以類似自媒體借助大模型去搞視頻這種業(yè)務(wù)，最后都會如此。唯有大模型的輸出，服務(wù)于自身個人需求，才會細水長流。
• 服務(wù)于B端的GenAI：只有服務(wù)于實體生產(chǎn)，產(chǎn)生真實生活資源的，或者服務(wù)于自身對內(nèi)流程的，才真正有價值，其余的都是曇花一現(xiàn)?？赡苡腥藭X得，很多企業(yè)使用大模型做一個客服人員來代替人24小時值班回答客戶問題，這類業(yè)務(wù)場景非常有價值。確實有價值，不過有沒有思考過一個問題，很有可能提問的這個“用戶”也不是人，而是是一個人的虛擬助理，設(shè)置這個虛擬助手和這個企業(yè)的客服人員，恰好購買了同一個模型服務(wù)？

因此雖然看起來地球上每一個角落，都能找到對大模型的需求，甚至都沒有辦法反駁它的合理性。但是這些需求，未必都是真正有意義和價值的。

關(guān)于GenAI，要冷靜

關(guān)于GenAI的實施，我勸你冷靜。拋開C端用戶隨意使用大模型生成內(nèi)容滿足自身需求外，在大部分企業(yè)中，企業(yè)在考慮大模型的時候，有如下問題是沒法繞過的：

• 安全問題：且不提調(diào)戲大模型泄漏原始數(shù)據(jù)這種比較好處理的問題，安全問題的核心是合規(guī)，這里的合規(guī)是感性的，而非理性的。是定性的，而非定量的。比如你沒有辦法通過規(guī)則窮舉所有性別歧視的情況，但是你需要保證模型在你的業(yè)務(wù)場景下的輸出是沒有性別歧視的。
• 絕對正確：大模型輸出不可能絕對正確，但是有部分場景，就是要求絕對正確，當沒有大模型的時候，就算0.0001%的情況下出現(xiàn)絕對不正確，一定有解決辦法，比如通知張三是臨時工，張三的領(lǐng)導(dǎo)李四負有直接管理職責，如果是大模型呢？
• 版權(quán)問題：老生常談。

我們站在三個角色的視角來思考這樣一個問題（雖然這個問題目前可以被100%解決）：

一個基于大模型做的BI系統(tǒng)上線了，但是這個系統(tǒng)在統(tǒng)計過去1年銷售額度的時候，連續(xù)問了10次，其中有1次和其余9次不一樣。這個BI系統(tǒng)涉及到三方企業(yè)：甲方A，大模型廠商B和軟件實施方C。A開始就這個P0事故進行追責尋求，C進行一番Debug后發(fā)現(xiàn)是因為大模型幻覺問題，于是這個問題劃到了B，但是B作為大模型服務(wù)提供商，一定不會保證100%不出現(xiàn)幻覺，且這一點一定不會出現(xiàn)在SLA里面，那么這個問題怎么解決？如果非要找一方來承擔這個問題，會是誰？

目前來說，期望引入GenAI來服務(wù)于對外的業(yè)務(wù)，相對來說風險較高，而從商業(yè)模式來說，以GenAI作為項目交付物，且服務(wù)于甲方的客戶的交付項目，幾乎有著不可評估的交付風險，當然潛在就存在不可估量的咨詢潛力。

目前來說，期望引入GenAI來解決企業(yè)發(fā)展問題，或者解決流程問題，幾乎都是不太可能的。

金融學(xué)家吳曉求說，IPO的錢不是企業(yè)“ICU”的救命錢，它是發(fā)展的錢，不是救命的錢，而目前任何把GenAI定位為“IPO”的需求大概率都不會成功。

所以對于GenAI，在全面狂歡之下，反而更應(yīng)該冷靜，因為隱藏在GenAI美好表象后的風險遠比想象中要大。