文|光錐智能 周文斌
編輯|王一粟
“不敢下手，現(xiàn)在中國還沒跑出來一家絕對有優(yōu)勢的大模型，上層應(yīng)用沒法投，擔(dān)心押錯寶。”投資人Jucy（化名）向光錐智能表示，AI項(xiàng)目看得多、投的少是這段時間的VC常態(tài)。
ChatGPT點(diǎn)燃AI大爆炸2個月中，中國一直在等待自己的GPT-3.5。
AI真的冒犯到了打工人。游戲團(tuán)隊(duì)替代掉30%的原畫師、電商團(tuán)隊(duì)用AIGC生成低成本數(shù)字人模特、基礎(chǔ)程序員也感受到了被降維打擊的焦慮......眼看著GPT在國外要將所有領(lǐng)域都重新做一遍的趨勢，科技顛覆裹挾著金錢的味道滾滾而來。
于是，除了焦慮的打工人，企業(yè)急著用大模型降本增效，創(chuàng)業(yè)者急著接入大模型推出新產(chǎn)品，股市急著用ChatGPT概念割韭菜，培訓(xùn)機(jī)構(gòu)更是先賺一波為敬。
襯托之下，反而顯得喜歡追逐風(fēng)口的中國科技巨頭們比以往更沉得住氣。
果然，周期使人成長，公司也是。
終于，眾望所歸、望眼欲穿、姍姍來遲，4月第二周，中國也迎來了新一代大模型的密集發(fā)布。
繼通義千問開放測試4天后，張勇在接手阿里云后首次亮相，宣布所有阿里產(chǎn)品未來將接入“通義千問”大模型，進(jìn)行全面改造；
商湯科技在10日的技術(shù)交流會上，演示了“日日新”大模型的能力：對話、AI繪畫、編程、數(shù)字人，第二天開盤大漲9%；
華為盤古大模型在8日低調(diào)亮相，但并于10日發(fā)布新產(chǎn)品；
明星創(chuàng)業(yè)者王小川公開亮相，攜手搜狗老搭檔茹立云正式開啟AI創(chuàng)業(yè)的新征程，將在下半年推出百川智能的大模型；
毫末發(fā)布首個自動駕駛大模型DriveGPT雪湖·海若，把人類反饋強(qiáng)化學(xué)習(xí)引入到駕駛領(lǐng)域。
就連游戲公司昆侖萬維也趕來湊熱鬧，宣稱“中國第一個真正實(shí)現(xiàn)智能涌現(xiàn)”的國產(chǎn)大語言模型將于17日啟動邀請測試，但隨后被媒體質(zhì)疑其借熱點(diǎn)炒作股價。
熱熱鬧鬧、真真假假，大模型一時竟然有點(diǎn)亂花漸欲迷人眼。中國的大模型怎么就一下子如雨后春筍般都冒了出來？如果不重復(fù)造輪子，大家還能干點(diǎn)什么？
雖然是摸著Open AI過河，但中國大模型也都邁入了無人區(qū)。
01、涌現(xiàn)之前：亦步亦趨，又分道揚(yáng)鑣
如果要為AI大模型找一個時間節(jié)點(diǎn)，2019年應(yīng)該是關(guān)鍵的一個。
這一年2月，遠(yuǎn)在大洋彼岸的OpenAI推出了GPT-2，恰好也是這個時間點(diǎn)，微軟慷慨的投入了10億美元，讓OpenAI從“非營利性”組織變成了“盈利上限”組織。
大概在一個月之后，太平洋的另一邊，百度發(fā)布了ERNIE1.0，成為中國第一個正式開放的預(yù)訓(xùn)練大模型。
但這種第一其實(shí)有很多，比如華為的盤古大模型，業(yè)界首個千億參數(shù)的中文語言預(yù)訓(xùn)練模型；比如阿里的M6，中國首個千億參數(shù)多模態(tài)大模型；再比如騰訊HunYuan，國內(nèi)首個低成本、可落地的NLP萬億大模型.....
總之，只要定語加的足夠多，就總能在某個領(lǐng)域當(dāng)?shù)谝弧Ｄ嵌螘r間，從硅谷到北京西二旗、再從五道口到上海臨港，包括華為、阿里、騰訊、商湯在內(nèi)，凡是有能力的企業(yè)，都開始涉足AI大模型的相關(guān)研究。
但中國第一波AI大模型的“涌現(xiàn)”卻是在兩年之后。
2021年，曾任職過微軟亞洲工程院院長、后被雷軍親自邀請到金山接替求伯君任CEO的張宏江，牽頭成立的智源研究院發(fā)布“悟道1.0”，包括國內(nèi)首個面向中文的NLP大模型、首個中文通用圖文多模態(tài)大模型和首個具有認(rèn)知能力的超大規(guī)模預(yù)訓(xùn)練的模型等等。
智源成立于2018年，也就是OpenAI發(fā)布GPT-1.0的前五個月，作為北京市和科技部牽頭成立，并集合學(xué)界和頭部科技企業(yè)資源的研究機(jī)構(gòu)，智源其實(shí)是中國早期探索AI大模型的一個代表。
可以說，“悟道1.0”其實(shí)為中國后來所有AI大模型的一個樣本。除此之外，智源研究院還為中國構(gòu)建了大規(guī)模預(yù)訓(xùn)練模型技術(shù)體系，并建設(shè)開放了全球最大中文語料數(shù)據(jù)庫WuDaoCorpora，為后來其他企業(yè)發(fā)展AI大模型打下了基礎(chǔ)。
也正是在“悟道1.0”之后，中國大模型開始出現(xiàn)井噴的狀態(tài)。
2021年，華為基于昇騰AI與鵬城實(shí)驗(yàn)室聯(lián)合發(fā)布了鵬程盤古大模型。2022年，阿里發(fā)布了“通義”大模型系列，騰訊發(fā)布混元AI大模型......
在中國AI大模型如雨后春筍般涌現(xiàn)的同時，國外的AI大模型也走到了從量變到質(zhì)變的節(jié)點(diǎn)。
2022年11月，OpenAI發(fā)布了基于GPT-3.5的ChatGPT，徹底打開了人工智能的魔盒，然后就是席卷全球的AI 2.0浪潮。
事實(shí)上，如果以2018年GPT-1發(fā)布為節(jié)點(diǎn)，中國的AI大模型的發(fā)展與國外的發(fā)展脈絡(luò)一直都亦步亦趨，但ChatGPT為什么并沒有出現(xiàn)在中國？
這其實(shí)和國內(nèi)外AI大模型兩種不同的發(fā)展路徑有關(guān)。
從目前國外具有代表性的AI大模型產(chǎn)品來看，比如ChatGPT、Midjourney、Notion AI或者Stable diffusion等等，都是以C端用戶為基礎(chǔ)的產(chǎn)品。
而反觀國內(nèi)，目前大模型的主要應(yīng)用場景的都在B端。
比如阿里的“通義”大模型的典型應(yīng)用場景包括電商跨模態(tài)搜索、AI輔助設(shè)計(jì)、開放域人機(jī)對話、法律文書學(xué)習(xí)、醫(yī)療文本理解等等，而騰訊的HunYuan-NLP-1T大模型則應(yīng)用在騰訊廣告、搜索、對話等內(nèi)部產(chǎn)品落地，或者像商湯的大模型，為自動駕駛、機(jī)器人等通用場景任務(wù)提供感知和理解能力支持。
之所以選擇To B，一個重要的原因是，B端能夠更容易進(jìn)行商業(yè)化。
To B的行業(yè)特點(diǎn)導(dǎo)致中國的AI大模型并不需要做到非常大的參數(shù)規(guī)模，甚至于當(dāng)ChatGPT出來之后，國內(nèi)的公司討論的一個重要方向，是如何將已有的大模型規(guī)?！白鲂 ?，應(yīng)用到具體的行業(yè)上。
所以中國采用谷歌BERT路線的AI大模型會比較多，以更小的參數(shù)，做更有效率，更適合垂類的場景。
所以某種程度上，從出生的第一天，中國大模型就帶著商業(yè)化的任務(wù)。
而國外To C的大模型則不同，如ChatGPT的用戶在短短兩個月就達(dá)到一億，其底層預(yù)訓(xùn)練大模型GPT-3.5作為通用大模型，“大”成為參數(shù)的一個基本要求。
這在某種程度上促進(jìn)OpenAI不停為GPT增加參數(shù)，然后激發(fā)更強(qiáng)大的“涌現(xiàn)”現(xiàn)象，最終實(shí)現(xiàn)“大力出奇跡”的ChatGPT。
因此，To B和To C兩種完全不一樣的發(fā)展路徑，也將中國和美國的AI大模型引向了兩種完全不同的發(fā)展方向。
02、不要重復(fù)造輪子，但大家都想當(dāng)輪子
到目前為止，中國已經(jīng)發(fā)布的AI大模型產(chǎn)品已經(jīng)發(fā)布了5個，而這之后，還有5個AI大模型產(chǎn)品正在趕來的路上。
模型大亂斗已經(jīng)開始。
大部分國內(nèi)的大模型能力都在GPT-2的水平上，但關(guān)注度卻遠(yuǎn)遠(yuǎn)高于GPT-2推出時，這就造成了一種尷尬的局面——明知道還沒有完全準(zhǔn)備好，但卻不得不積極地在推進(jìn)模型發(fā)布，似乎稍微晚一點(diǎn)就會錯過整個市場。
的確，無論是市場還是技術(shù)本身，都在要求企業(yè)更快地將大模型推向市場。
從技術(shù)上講，越早進(jìn)入市場就能越早地獲得用戶的使用數(shù)據(jù)，進(jìn)而推動模型優(yōu)化迭代。從市場角度而言，當(dāng)國外AI大模型與產(chǎn)業(yè)結(jié)合帶來更高效率的同時，國內(nèi)企業(yè)也存在同樣的需求。
比如目前，光錐智能向多個SaaS公司調(diào)研發(fā)現(xiàn)，幾乎都已經(jīng)接入GPT-3.5，目前在同步測試文心一言中。
而對于推出大模型的企業(yè)來說，這個時候搶占市場先機(jī)就變得尤為重要。
某頭部機(jī)構(gòu)負(fù)責(zé)AI的投資人告訴光錐智能，“中國現(xiàn)在被排除在ChatGPT生態(tài)之外是非常危險的?！?/p>
他認(rèn)為，雖然應(yīng)用層存在更大的創(chuàng)業(yè)機(jī)會，但應(yīng)用層的所有應(yīng)用卻都依賴于大模型而存在。就像PC互聯(lián)網(wǎng)時代，所有的桌面應(yīng)用都基于Windows開發(fā)，而移動互聯(lián)網(wǎng)時代所有APP又都基于Android或iOS系統(tǒng)一樣，在模型即服務(wù)的時代，也需要出現(xiàn)一些“操作系統(tǒng)”級別的底層大模型。
目前國外GPT-4已經(jīng)明確可以成為這樣的存在，但國內(nèi)還沒有相應(yīng)的大模型出現(xiàn)。因此，在底層大模型的格局還未明朗的情況下，一旦大模型的市場格局發(fā)生變化，建立在大模型之上的應(yīng)用也將付之東流。
這也成為許多投資人不愿意現(xiàn)在就下場的原因，他們想讓這個市場再跑一跑，等待一個明確能夠成為“操作系統(tǒng)”級別的底層大模型出現(xiàn)。
所以，無論是百度還是阿里，在推出大模型之后，第一件關(guān)心的事就是——是否有更多企業(yè)能夠達(dá)成合作。
比如，在2月份明確文心一言推出計(jì)劃后，百度就開始積極推進(jìn)不同行業(yè)的企業(yè)接入文心一言，到3月16日百度發(fā)布文心一言時，已有超過650家企業(yè)宣布接入文心一言生態(tài)。而在4月7日，阿里官宣“通義千問”之后，第一件事也是向企業(yè)開放測試邀請。
如今國內(nèi)的AI大模型正處在競爭“誰能成為底層操作系統(tǒng)”的階段，各家積極推出自己的大模型，開放內(nèi)測，引導(dǎo)企業(yè)入駐，一個核心目標(biāo)就是圍繞大模型建立起自己的模型生態(tài)。
這是大廠能否在下一個時代繼續(xù)成為大廠的關(guān)鍵。下一個AI時代的船票并不是大模型，而是圍繞大模型建立起來的生態(tài)。
因此，即便所有人都在口口聲聲表示不要重復(fù)造輪子，不要浪費(fèi)資源建立一個同樣的大模型，但機(jī)會當(dāng)前，所有人都在重復(fù)造輪子。
但如今從百度到阿里，再從華為到商湯，底層大模型的戰(zhàn)爭也才剛剛剛開始，畢竟不只是像騰訊、字節(jié)這樣的科技巨頭，還有像王小川、王慧文、李開復(fù)等創(chuàng)業(yè)大佬也在虎視眈眈。
王小川、王慧文都先后入駐搜狐網(wǎng)絡(luò)科技大廈，五道口似乎又恢復(fù)了之前的榮光。
畢竟，許多人都感覺到，“這是一次文藝復(fù)興”。
到目前為止，更多具有競爭力的玩家還沒有完全下場，但底層大模型的“百團(tuán)大戰(zhàn)”卻已經(jīng)一觸即發(fā)。
03、AI熱“兩極化”，中間真空
大模型讓AI公司越來越重。
4月10日，商湯在公布“日日新SenseNova”大模型體系的同時，其實(shí)還提到另一個關(guān)鍵點(diǎn)，即依托于AI大裝置SenseCore實(shí)現(xiàn)“大模型+大算力”的研發(fā)體系。
為了滿足大模型海量數(shù)據(jù)訓(xùn)練的需求，原本可以輕裝上陣的算法公司，開始自己做云，也自建人工智能數(shù)據(jù)中心（AIDC）。
另一個案例就是毫末，這家自動駕駛公司為了用大模型訓(xùn)練數(shù)據(jù)，也建了自己的智算中心。
這些垂類的AI巨頭和獨(dú)角獸，之所以要自己做的這么重，最重要的原因之一，就是市面上幾乎沒有高性能的現(xiàn)成產(chǎn)品可以滿足。
近年來，大模型參數(shù)量以指數(shù)級的速率提升，而數(shù)據(jù)量隨著多模態(tài)的引入也將大規(guī)模增長，因此就必然會導(dǎo)致對算力需求的劇增。例如，過去5年，超大參數(shù)AI大模型的參數(shù)量幾乎每一年提升一個數(shù)量級。過往的10年，最好的AI算法對于算力的需求增長超過了100萬倍。
一位商湯員工表示，商湯上海臨港AIDC的服務(wù)器機(jī)柜設(shè)計(jì)功耗10千瓦~25千瓦，最大可同時容納4臺左右英偉達(dá)A100服務(wù)器，但普通的服務(wù)器機(jī)柜普遍設(shè)計(jì)功耗以5千瓦居多，而單臺A100服務(wù)器的功耗即高達(dá)4.5千瓦左右。
科技巨頭就更是如此，每個巨頭都希望在自己的生態(tài)中形成閉環(huán)，一定程度上也是因?yàn)檎麄€國內(nèi)開源的生態(tài)不夠強(qiáng)大。
目前，大模型產(chǎn)業(yè)鏈大致可以分為數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、模型產(chǎn)品三個層次。在國外，AI大模型的產(chǎn)業(yè)鏈比較成熟，形成了數(shù)量眾多的AI Infra（架構(gòu)）公司，但這一塊市場在國內(nèi)還相對空白。
而在國內(nèi)，巨頭們都有一套自己的訓(xùn)練架構(gòu)。
比如，華為的模型采用的是三層架構(gòu)，其底層屬于通識性大模型，具備超強(qiáng)的魯棒性的泛化性，在這之上是行業(yè)大模型和針對具體場景和工作流程的部署模型。這種構(gòu)架的好處是，當(dāng)訓(xùn)練好的大模型部署到垂類行業(yè)時，可以不必再重復(fù)訓(xùn)練，成本僅是上一層的5%~7%。
阿里則是為AI打造了一個統(tǒng)一底座，無論是CV、NLP、還是文生圖大模型都可以放進(jìn)去這個統(tǒng)一底座中訓(xùn)練，阿里訓(xùn)練M6大模型需要的能耗僅是GPT-3的1%。
百度和騰訊也有相應(yīng)的布局，百度擁有覆蓋超50億實(shí)體的中文知識圖譜，騰訊的熱啟動課程學(xué)習(xí)可以將萬億大模型的訓(xùn)練成本降低到冷啟動的八分之一。
整體來看，各個大廠之間的側(cè)重點(diǎn)雖然有所不同，但主要特點(diǎn)就是降本增效，而能夠?qū)崿F(xiàn)這一點(diǎn)，很大程度上就是受益于“一手包辦”的閉環(huán)訓(xùn)練體系。
這種模式在單一大廠內(nèi)部固然有優(yōu)勢，但從行業(yè)角度而言，也存在一些問題。
國外成熟的AI產(chǎn)業(yè)鏈形成了數(shù)量眾多的AI Infra公司，這些公司有的專門做數(shù)據(jù)標(biāo)注、做數(shù)據(jù)質(zhì)量、或者模型架構(gòu)等。
這些企業(yè)的專業(yè)性，能夠讓他們在某一個單一環(huán)節(jié)的效率、成本、質(zhì)量上都要比大廠親自下場做得更好。
比如，數(shù)據(jù)質(zhì)量公司Anomalo就是Google Cloud和Notion的供應(yīng)商，它可以通過ML自動評估和通用化數(shù)據(jù)質(zhì)量檢測能力，來實(shí)現(xiàn)數(shù)據(jù)深度觀察和數(shù)據(jù)質(zhì)量檢測。
這些公司就像汽車行業(yè)的Tier 1，通過專業(yè)的分工，能夠讓大模型企業(yè)不必重復(fù)造輪子，而只需要通過整合供應(yīng)商資源，就能快速地搭建起自己模型構(gòu)架，從而降低成本。
但國內(nèi)在這一方面并不成熟，原因在于：一方面國內(nèi)大模型的主要玩家都是大廠，他們都有一套自己的訓(xùn)練體系，外部供應(yīng)商幾乎沒有機(jī)會進(jìn)入；另一方面，國內(nèi)也缺乏足夠龐大的創(chuàng)業(yè)生態(tài)和中小企業(yè)，AI供應(yīng)商也很難在大廠之外找到生存的空間。
以谷歌為例，谷歌愿意將自己訓(xùn)練的數(shù)據(jù)結(jié)果分享給它的數(shù)據(jù)質(zhì)量供應(yīng)商，幫助供應(yīng)商提高數(shù)據(jù)處理能力，供應(yīng)商能力提升之后，又會反過來給谷歌提供更多高質(zhì)量數(shù)據(jù)，從而形成一種良性循環(huán)。
國內(nèi)AI Infra生態(tài)的不足，直接導(dǎo)致的就是大模型創(chuàng)業(yè)門檻的拔高。
王慧文剛下場做光年之外的時候曾提出5000萬美金的投入，這筆錢其實(shí)是李志飛為他算的，具體可以分為2000萬美金搞算力，2000萬美金找人，1000萬美金做數(shù)據(jù)。這體現(xiàn)出一個直接的問題，如果將在中國做大模型比喻成吃上一頓熱乎飯，那必須從挖地、種菜開始。
目前，在AI 2.0的熱潮中，一個重要的特點(diǎn)就是“兩極化”：最熱門的要么是大模型層、要么就是應(yīng)用層。而類似AI Infra（架構(gòu)）的中間層，反而有很大的真空。
別都盯著造輪子，能造一顆好的螺絲也很重要。
04、結(jié)語：巨頭&創(chuàng)新者
王小川和百度的隔空口水戰(zhàn)，成為最近大模型混戰(zhàn)中一個熱鬧的插曲。
“高富帥”李彥宏認(rèn)為，中國基本不會再出OpenAI，用巨頭的就可以了。
“直男”王小川說，行業(yè)中有些人（李彥宏）對未來的觀點(diǎn)從來就沒有判斷對過，一直活在平行宇宙里。
除了陳年恩怨，這大體上可以看作是巨頭和創(chuàng)業(yè)者之間的立場對立：巨頭都喜歡包攬一切，而創(chuàng)業(yè)者則喜歡打破常規(guī)。
而科技行業(yè)的成功似乎更依仗于創(chuàng)新。畢竟，從打造AlophaGo的DeepMind，到發(fā)布ChatGPT的OpenAI，沒有一個是從巨頭中孵化出來的。
這就是創(chuàng)新者的窘境。
對于科技巨頭而言，自己造輪子固然重要，但能找到、孵化出下一個OpenAI又何嘗不可呢？