>首页> IT >

对话小冰CEO李笛:大模型到2024年将退热

时间:2023-07-04 12:09:33       来源:腾讯网

国内大模型浪潮退去后,能留下什么?‍‍‍‍‍‍‍‍

文 | 石雨菡‍‍‍


【资料图】

编辑 | 龚    正

ChatGPT的出现,被认为是互联网行业发展的最后一个机会。大厂、高校、个人,入局大模型市场主体繁多,“百模大战”正在进行中。

然而冷静下来直视这场浪潮,高昂的投资、稀缺的人才、同质化的竞争以及仍不明朗的商业模式,众多针对大模型的疑虑声也开始浮出水面。‍‍

近日,《真故研究室》对话了小冰公司首席执行官李笛。小冰是国内最早具备情感交互功能机器人,小冰公司则是国内最早实现AIGC商业化落地的企业之一。

对于当下的大模型热潮,李笛有更为冷静客观的观点。

以下为对话实录:

Q1:ChatGPT问世之后,国内大厂、人工智能创业者纷纷跟进。行业很热闹,但大家似乎看不出什么差别。您怎么看?

A1:目前国内至少有70个大模型问世,但都是同质化的,也没法实现差异化。因为大家的训练数据都差不多,训练方法用的是OpenAI发表的论文中的方法,而且都是直接拿GPT去训练,把GPT作为老师。

老师、训练数据、训练方法都是一样的,怎么拉开差距?

各个大厂都来做大模型,其出发点不在于抓住风口和机会,而是防御。没有自己的大模型,就会被竞争对手压制,反之就有机会压制别人。

Q2:您认为目前像ChatGPT这样采用订阅收费的商业模式,有发展前景吗?

A2:  首先不可否认的是,跟前几年相比,各方对于人工智能的需求肯定是增多的了。但是这么多大模型,它达到规模化效应了吗?我觉得是没有。

人工智能到今天为止所探索的商业模式,大多很难言是成功的。就像ChatGPT,它本质其实是“卖话”:一个字多少钱,一句话多少钱。但这些回复的话语的价值并没有进行区分。比如用户跟它闲聊,某种程度来说它的话是不值钱的。但如果用户是希望得到指点,那它的回复就非常值钱了。

今天我们讨论 AI 的商业模式,这其中涉及到的是AI所创造的价值和它得到的价值,但这两者之间的鸿沟非常大。

比如过去行业都在卷的人脸识别技术,它让国家、社会变得更加安全,它的价值显然是很高的。但是人脸识别技术嵌入各种硬件后,技术本身的价值并没有得到相应的回报。最终一些公司开始做系统集成、软硬结合,卖的是设备的硬件堆料。

现在人工智能的商业模式,是把技术做成了水、电、煤这样的基础设施,顶多区分成工业用电或生活用电。但是,基于不同需求创造的不同价值,并没有得到区别性的回报。

Q3:收取技术调用费用”的商业模式,有怎样的局限性?

A3:卖水、电、煤这样的基础设施要靠垄断,才能够keep住利润空间。但就我的经验来看,没有谁能够在技术上实现垄断。所以它只能靠节约成本来获得利润空间,但这不仅是有限的,也没有上升的可能。

即使跟随所谓的摩尔定律,把价格打下来了,竞争对手也会迅速把利润空间给补上。最后就会出现打价格战的情况,然后大家就开始免费。这看起来是好事,但其实是限制整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殊的,我们采用的是revenue share(收入分成)。我们并非提供技术接口去卖内容的调用,而是基于技术包装成一个个具备不同能力的“人”,也就是数字员工。我们让各个数字员工去各行各业打工,类似于“劳务派遣”,最后获得的是工资,相当于公司收益分成。我们现在平均一个数字员工年薪能达到30万。

比如今年2月,日本的小冰(Rinna)和Netflix一起推出了AI生成的动画微短片《犬与少年》,一共三分多钟。虽然分成是有限的,但Rinna作为一个影视创作者角色,它的生产力是无限的,未来每一部影视作品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,小冰是否有走过弯路?

A5:初期肯定是有的。2017年的时候,Rinna开始和罗森便利店合作,帮助罗森去卖优惠券。基于Rinna在情感交互上的优越性,它的促销效果非常好。而消费者使用优惠券在线下购物,也帮助罗森获得了更多的营收。

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是,我们应该提供API,收取每次调用的钱。这个收入是很少的,而Rinna售卖优惠券所带来的销售额是巨大的,两者显然不成正比。

Q6:元宇宙火了两年,似乎现在有点退烧。一个原因被认为是它的体验感还没让客户觉得惊艳。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竞争中的优势和补齐的短板分别是什么?

A6:去年AI行业诞生了很多惊喜。人工智能技术发展这么多年以来,一直像潮水一样,每隔几年就会有一次潮涌和爆发。而这些所谓的“爆发”,只是因为被大众关注到了,超过了大众对人工智能的认知或预期。他们并不是终点。

就像当年的AlphaGo,无数人惊呼世界将被改变,但这么多年过去,并未发生巨大的变化。大模型也好、AIGC也罢,都是在技术瓶颈期发生的一次新突破,未来它们也会有自己的瓶颈。距离真正的AGI(通用人工智能),还要经历几轮类似的技术演进才会更清晰。

大模型到现在为止还有很多问题没有解决,比如准确性和成本高昂,所以小冰用的是混合模型理念,小冰框架内有近1000个大中小模型有机组合在一起共同支撑AI Being运转。这样做的好处是成本相对低廉、速度更快,且能保证足够准确并交付商用。

同时,大模型到现在为止没有一个准确定义,究竟多大参数可以被叫做大模型。上半年大家都在猜测,参数越大效果越好,后来发现某个稍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,如果类比成学语言,有点像学日语,入门容易精通难。创业者们很快能见到成效,但会发现太多问题需要解决。

现在的大模型同质化严重。市面上根本用不了这么多大模型,到2024年应该就会退热,发现谁在岸上谁在裸泳。

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

我个人认为OpenAI是真的用工匠精神去磨,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,像芯片、操作系统,国内都非常厉害,差距只在于是否耐得住寂寞,敢于去磨、去做创新研究。

关键词: