文|阿爾法工場(chǎng)
10月17 日，在“2023百度世界大會(huì)”上，李彥宏正式發(fā)布了最新的文心大模型4.0版本。
一時(shí)間，各種測(cè)評(píng)紛涌而至，各大科技媒體從理解、生成、邏輯和記憶能力等方面，對(duì)模型進(jìn)行了全方位測(cè)評(píng)。
然而，除了被人反復(fù)談?wù)摰奈男?.0之外，在發(fā)布會(huì)上，另一個(gè)稍顯低調(diào)的功能，卻也冷不丁地顯示了未來(lái)大模型的發(fā)展趨勢(shì)。
這就是百度文心4.0的插件功能。
目前，文心4.0光是插件就有8個(gè)，包括一鏡流影（文字轉(zhuǎn)視頻）、說(shuō)圖解畫（看圖說(shuō)話）、E言易圖（可視化數(shù)據(jù)分析）等。
這些插件還可以自由組合，來(lái)完成更復(fù)雜的任務(wù)。
不僅如此，百度文心大模型插件開發(fā)平臺(tái)——靈境矩陣平臺(tái)，上線1個(gè)月已有2.7萬(wàn)家開發(fā)者申請(qǐng)入駐，個(gè)人開發(fā)者占比超30%。
那么，百度為何如此重視插件？而插件生態(tài)的繁榮，對(duì)大模型又意味著什么？
01 插件，讓大模型如虎添翼
從某種程度上說(shuō)，插件對(duì)于大模型，相當(dāng)于是另一大隱藏的“殺手锏。”
在不對(duì)模型算法、參數(shù)進(jìn)行改進(jìn)的情況下，僅僅憑借一個(gè)簡(jiǎn)單的外接插件，模型能力就有可能得到顯著擴(kuò)展和提升。
此前，GPT-4就已經(jīng)通過(guò)插件功能實(shí)現(xiàn)了如虎添翼的效果。外界甚至將那次提升稱之為GPT-4.5的到來(lái)。
今年7月9號(hào)，OpenAI宣布將官方插件Code Interpreter（代碼解釋器）通過(guò)設(shè)置中的Beta面板向所有ChatGPT Plus 用戶提供。
那Code Interpreter具體能做什么？
簡(jiǎn)單來(lái)說(shuō)，它相當(dāng)于是GPT-4能力邊界的一次大擴(kuò)展，能讓GPT-4做到很多之前做不到的事。
例如，在該插件推出后，推特用戶@歸藏展示了用代碼解析器分析newsletter訂閱用戶數(shù)據(jù)的過(guò)程。
代碼解析器從分析數(shù)據(jù)到制圖，都不需要使用任何復(fù)雜軟件，只需要說(shuō)出：“我想分析最近一個(gè)月訂閱用戶增長(zhǎng)的趨勢(shì)”這類直白的prompt，就可以完成。
除外，人們還能直接用“人話”讓GPT通過(guò)數(shù)據(jù)制作一些可視化的GIF圖片。
例如人們?nèi)绻胫谱饕环菝绹?guó)燈塔的地理圖標(biāo)，只需要上傳地理位置數(shù)據(jù)，GPT就能通過(guò)插件功能，自動(dòng)制作如下的GIF動(dòng)圖。
而即使是想通過(guò)圖片生成視頻，CodeInterpreter也能手到拈來(lái)。在啟用插件后，只需告訴GPT：“我想用這張圖片，制作一段從右往左的平移視頻?！?/p>
GPT就會(huì)根據(jù)你的要求，自動(dòng)將Midjourney生成的圖片做成視頻。
甚至，不怎么有代碼和編程經(jīng)驗(yàn)的人，也能運(yùn)用CodeInterpreter插件，在5分鐘內(nèi)制作一個(gè)簡(jiǎn)單的游戲。
總地來(lái)說(shuō)，CodeInterpreter包括的功能，涵蓋了打破模態(tài)壁壘，轉(zhuǎn)換素材形態(tài)，進(jìn)行數(shù)據(jù)分析等多種不同的任務(wù)。
而該插件之所以有如此“逆天”的功能，則是因?yàn)槠浯蚱屏俗匀徽Z(yǔ)言和代碼語(yǔ)言之間的壁壘。
有了它，用戶就能刨去復(fù)雜的代碼過(guò)程，通過(guò)自然語(yǔ)言交互（所謂“人話”），直接完成各種跨領(lǐng)域、跨模態(tài)的任務(wù)。
也正因如此，有人驚呼這種讓模型能力倍增的插件，就是GPT-4.5的到來(lái)。
由此，我們便不難理解，為何百度會(huì)如此重視插件的發(fā)展。
對(duì)于大模型研發(fā)團(tuán)隊(duì)來(lái)說(shuō)，讓一個(gè)模型囊括用戶的所有需求是不可能，也不現(xiàn)實(shí)的。因?yàn)樵贏I演化的過(guò)程中，用戶必定會(huì)產(chǎn)生更多新的，難以預(yù)料的想法、需求。
而這時(shí)，一個(gè)個(gè)多樣化的、靈巧的插件，就成了延申大模型能力的“義體”。
02 插件的百花齊放
除了OpenAI自帶的原生插件之外，當(dāng)下的AI賽道上，還涌現(xiàn)出了其他百花齊放的插件。
此處，我們將做一些簡(jiǎn)單的列舉，看看這些功能各異的插件，將對(duì)大模型帶來(lái)哪些多樣化的擴(kuò)展。
ChatPDF
ChatPDF是一款功能強(qiáng)大的在線PDF工具，用戶只需上傳PDF文件到ChatPDF，ChatPDF便能夠快速使用AI解析PDF文件內(nèi)容，并生成準(zhǔn)確的答案來(lái)回答用戶的問(wèn)題。
除了智能問(wèn)答功能，ChatPDF還提供了在線編輯、轉(zhuǎn)換和文件壓縮功能。如果用戶想在PDF文件中添加或刪除一些元素，或者更改某些文本或圖像，ChatPDF 的在線編輯功能將會(huì)非常有用。
Monica
一個(gè)接入了ChatGPT的API接口的網(wǎng)頁(yè)側(cè)邊欄插件，啟動(dòng)該插件后，在瀏覽任何網(wǎng)站時(shí)，Monica就能使用ChatGPT的能力，解讀任何信息或文本，或?qū)W(wǎng)頁(yè)內(nèi)容進(jìn)行探討，以及提供翻譯等。
值得一提的是，除了ChatGPT之外，Monica還集合了Claued、Bard等其他AI的接口，如果這還不夠，用戶還可以在其接入的AI庫(kù)中，自行搜索并添加其他AI工具，從而可以通過(guò)不同的AI滿足自己多樣化的需求。
ChatHub
這是一個(gè)可以在一個(gè)應(yīng)用程序中使用不同的聊天機(jī)器人的插件，目前支持ChatGPT和新的BingChat，并將來(lái)會(huì)集成Google Bard等更多聊天機(jī)器人。用戶可以同時(shí)與多個(gè)聊天機(jī)器人進(jìn)行交流，輕松比較它們的答案。
NoteGPT
這是一個(gè)使用ChatGPT對(duì)視頻進(jìn)行總結(jié)的插件。支持在視頻網(wǎng)站上一鍵截屏和記錄筆記。
啟動(dòng)該插件后，面對(duì)某些時(shí)長(zhǎng)較長(zhǎng)的視頻時(shí)，用戶就可以快速地用ChatGPT獲取視頻內(nèi)容的關(guān)鍵信息，并生成摘要和總結(jié)，同時(shí)還可以在觀看視頻時(shí)一鍵截屏或記錄帶有時(shí)間戳的筆記。
智星AI助手
這是國(guó)內(nèi)首款支持插件的AI認(rèn)知模型產(chǎn)品，智星AI當(dāng)前已接入7個(gè)插件，包括天氣查詢、Bing搜索、Wolfram等，可以快速提供實(shí)時(shí)天氣信息，解答高等數(shù)學(xué)問(wèn)題，進(jìn)行深度金融分析等。
相較而言，ChatGPT每次只能使用3個(gè)插件，而智星AI使用時(shí)沒(méi)有插件數(shù)量限制。
WPSAI
相當(dāng)于是國(guó)內(nèi)版的Microsoft365 Copilot，具備縮寫、擴(kuò)寫、續(xù)寫、轉(zhuǎn)變寫作風(fēng)格、總結(jié)概括文章要點(diǎn)，快速生成PPT大綱、一鍵制作PPT模板，智能化處理Excel表格等功能，并擁有語(yǔ)音交互新特性，可以在手機(jī)等小屏終端上進(jìn)行移動(dòng)辦公。
03 插件里的雄心
除了上述種類各異的第三方插件功能外，各大科技巨頭在插件方向上，也呈現(xiàn)出了一種蓄勢(shì)待發(fā)的態(tài)勢(shì)。
例如，MicrosoftAI 插件平臺(tái)，就提供了一系列的工具和服務(wù)，讓開發(fā)者可以利用微軟的的ChatGPT和新必應(yīng)，創(chuàng)建和部署各種AI插件，包括能力模型類、數(shù)據(jù)類、應(yīng)用類等。其插件跨越了多個(gè)場(chǎng)景和產(chǎn)品，如Dynamics 365、Microsoft 365等。
而在國(guó)內(nèi)方面，百度也推出了號(hào)稱讓人人可開發(fā)AI插件的「靈境矩陣」平臺(tái)，試圖以文心一言為基礎(chǔ)，構(gòu)建一個(gè)龐大的插件生態(tài)。
而這種大布局的背后，至少顯露了巨頭們?cè)趦煞矫娴囊鈭D：1、 以插件為突破口，打通大規(guī)模商業(yè)化的路徑；2、 以龐大的插件生態(tài)，構(gòu)筑類似英偉達(dá)的CUDA那樣的軟件壁壘。
關(guān)于第一點(diǎn)，為何大模型+插件模式，極有可能是AI大規(guī)模商業(yè)化的答案？
理由其實(shí)很簡(jiǎn)單，此前的大模型，無(wú)論是AI生文、作圖，其賦能領(lǐng)域都只能局限在單一的、狹窄的范圍內(nèi)。
某個(gè)大模型也許寫作水平不錯(cuò)，但它在現(xiàn)實(shí)中，該如何解決商品對(duì)比、財(cái)務(wù)分析這樣多門類的、具體的任務(wù)呢？
人們?cè)谏钪械男枨笫嵌鄻踊⒍鄬哟蔚?，從這個(gè)角度上說(shuō)，當(dāng)大模型打破了單一模態(tài)的限制，并滿足了這種多樣化需求的時(shí)候，就是其真正大規(guī)模商業(yè)化落地的開始。
而一個(gè)個(gè)外接的插件功能，就相當(dāng)于是大模型的？“眼”和“手”，讓其不再局限于單一領(lǐng)域、模態(tài)的范圍。
在未來(lái)，用戶可能只需要一個(gè)大模型入口，就能完成諸如訂票、點(diǎn)餐、叫外賣等任務(wù)。
而這也引出了第二點(diǎn)，即以插件為主的生態(tài)壁壘。
在當(dāng)下的大模型賽道上，盡管國(guó)內(nèi)外衍生的AI應(yīng)用已不勝枚舉，當(dāng)其中有相當(dāng)一部分，仍然是基于ChatGPT的“套殼”產(chǎn)品。
這樣的現(xiàn)實(shí)，也從一個(gè)側(cè)面反映出：在大模型的選擇上，大部分開發(fā)者和用戶，仍然只認(rèn)最強(qiáng)的幾個(gè)頭部產(chǎn)品。
著名投資機(jī)構(gòu)A16Z上月公布的流量前50的AI網(wǎng)站，其中相當(dāng)一部分是“套殼”應(yīng)用
換句話說(shuō)，對(duì)于大模型，用戶只要遇到了一個(gè)最好用的，就不太會(huì)再用其他的。
在這樣的邏輯之下，眾多企業(yè)若是不想陷入重復(fù)造輪子的境地，最好的選擇必然是將重心轉(zhuǎn)向應(yīng)用端。
而歷史的經(jīng)驗(yàn)表明，在軟件、應(yīng)用端的競(jìng)爭(zhēng)上，誰(shuí)能為開發(fā)者提供一個(gè)低門檻的，友好的開發(fā)環(huán)境，誰(shuí)就能率先建立起自身的生態(tài)壁壘。
在這方面，英偉達(dá)的CUDA可以說(shuō)是做了一個(gè)極好的表率。
經(jīng)過(guò)持續(xù)的演進(jìn)，CUDA已然形成了一個(gè)豐富而成熟的龐大生態(tài)。英偉達(dá)也由此實(shí)現(xiàn)了軟硬件深度捆綁：用他的軟件就必須買他的硬件，買他的硬件使用CUDA可事半功倍。
而目前各大巨頭們?cè)诓寮系臓?zhēng)相布局，也頗與英偉達(dá)的CUDA有異曲同工之妙：開發(fā)者或用戶若想實(shí)現(xiàn)低門檻、快捷的AI應(yīng)用開發(fā)，就必須基于其大模型的能力。
反過(guò)來(lái)，應(yīng)用生態(tài)的繁榮，又會(huì)強(qiáng)化人們對(duì)其大模型的仰賴。
而誰(shuí)若率先實(shí)現(xiàn)了這樣與應(yīng)用相互促進(jìn)，相輔相成的生態(tài)，誰(shuí)就將有可能在AI時(shí)代率先豎立起自身的生態(tài)的壁壘。