云啟資本合伙人陳昱：AI大模型突破核心在工程優化，應用落地符合“二八定律” 天天熱訊

21世紀經濟報道記者駱軼琪 廣州報道

(相關資料圖)

進入大模型發展時期，AI產業被視為進入了“iPhone時刻”甚至將來到“奇點”，諸多行業都將由此被改變。那么對于產業和個人來說，機會將在哪里？

近日舉行的2023小蠻腰科技大會暨AIGC人工智能峰會期間，云啟資本合伙人陳昱接受21世紀經濟報道記者專訪時表示，當前還在競速中的國內AI大模型企業都有發展機會，核心在于不斷提升工程優化和技術迭代能力，同時也要充分挖掘創新應用場景。

在他看來，生成式AI落地到應用場景中，將是80%存量應用升級+20%新應用探索的“二八定律”局面。也將給正在演進中的技術，如元宇宙、自動駕駛等，帶來漸進式能力推動。

作為早期投資人，在面對AI大模型創業項目時，他看好有野心、懂技術、執行力強的團隊。畢竟如今競爭對手眾多，如果執行力不夠，將很難在這一輪浪潮中跑出成果。據悉，2021年底，云啟在天使輪投資的MiniMax，是國內第一家擁有自研多模態大模型的創業公司，目前已開放API接口，和WPS等眾多企業合作。

追根溯源，如今火爆全球的ChatGPT背后，是Transformer架構的支撐。這一技術早在2017年被谷歌提出，2018年谷歌還提出基于Transformer架構的BERT技術等。

“其實無論是早期的CNN（卷積神經網絡）還是Transformer，都屬于在深度學習領域，行業探索過程中尋求的不同網絡結構。恰好Open AI用解碼器decoder only架構，證明了Transformer的可行性，并把參數規模從十億擴展到上千億量級。”他續稱，因此這一方面有賴于深度學習算法的持續發展；另一方面英偉達提供的GPU算力支持同樣功不可沒。

實際上，在早期路徑探索中，谷歌認為decoder only路線可能會不如encoder+decoder（編碼-解碼）效果好，因此采用了另外一條路線，而谷歌內部長期有多個團隊在做不同嘗試。

最終Open AI持續迭代，加之RLHF（人類反饋強化學習）后，證明了decoder only路線的可行性。隨著路線被證明，谷歌很快也推出號稱可對標GPT4的大模型PaLM2。

“國內和國外有不同的大模型體系，投身AI大模型的國內企業，當前還是有一定機會。”陳昱對記者分析，目前GPT-4的水平可能已經達到了95分，國內很多產品在80分左右，但是并不存在代際差。

這時候更重要的是，一方面，AI大模型公司需要花費更多時間在工程優化和技術迭代上；另一方面，更需要產品經理的創新能力，充分挖掘AI大模型的創新功能。

“我覺得這一輪，微軟在創新應用方面做得比絕大部分公司好，近期微軟密集發布新功能，比如在Bing中引入ChatGPT、適用于Windows 11的Windows Copilot等，因此也有聲音說，微軟的一系列動作要搶了創業公司的飯碗。”他續稱。

不過有行業觀點認為，Open AI更多是證明了Transformer架構路線的可行性，在具體落地時，或許未必要重投入，而是可以考慮小模型發展路線。

“目前業界存在不同觀點。”陳昱對記者分析，一部分人認為，小模型可能存在諸多優勢，如資源消耗較少、成本低，而成本低就是跑通商業模型的重要一環；同時，當前“大力出奇跡”的AI大模型中集合了太多數據量和能力，但實際在應用中或許未必需要。

但另一部分人認為，AI公司最終的發展目標都是瞄準通用人工智能（AGI），也即類似人類的大腦，在運轉過程中并不會分區，而是可以同時多路線思考運行，甚至各分區之間會互相作用，產生意想不到的效果。這條思路之下，就意味著需要大模型最終“一統江湖”。

總體來看，當前業界對這兩條路仍有分歧。“學術上也還沒有證明，大模型是否的確是參數量越多越好。畢竟目前AI的運作還是一個黑匣子。”

當然他也認為，并不是所有企業都需要有自己的大模型。“訓練大模型要從頭開始，這意味著巨大的資源消耗，需要衡量投入產出比。有時調用成熟的大模型，取得的效果可能遠比自己從頭搭建和訓練要好。”他強調，長遠來看，綜合考慮成本和收益是否算得過來賬很重要。

當前最受關注的，便是在生成式AI浪潮之下，對應用生態和相關底層技術帶來的影響。陳昱對記者分析，在應用場景落地中，將是80%存量應用升級+20%新應用探索的局面。

具體來說，數字經濟、企業服務/SaaS服務等技術此前已經發展多年，通過引入更好的AI大模型能力，可以將既有技術進一步升級，把之前很難做好的體驗真正做到滿意；再如微軟近期不斷對旗下應用進行迭代升級，將極大提升內容生產力和工作效率。這都是由技術變革帶來的體驗變革。

當然也會誕生新的應用，比如這一輪生成式AI與前一輪預訓練模型不同的是，已經能夠處理多模態、多語言信息，這將可能給教育、外貿等產業帶來新變化；此外，還將有面向開發者的AI解決方案（AI for Developers），可以幫助程序員編寫代碼、檢查安全漏洞等。

生成式AI技術的出現，也將給正在迭代中的技術路線帶來一定幫助，比如元宇宙和自動駕駛等。但這總體帶來的將是漸進式改變，而非顛覆式驅動。

陳昱對記者分析，AIGC對元宇宙的推動將主要在于素材生成。“元宇宙前期會在這方面花費較多時間，AIGC就可以幫助提高素材生成效率、節省創意時間。”

不過這并不能起到根本性推動作用。“元宇宙一直難以大面積落地，是因為暫時沒有剛需的應用場景。AR/VR被視為元宇宙的入口，但目前遇到的難題是，還沒有一款眼鏡達到可以長期佩戴使用的效果。”他指出。

對于自動駕駛的改善可以包括兩方面：感知（perception）和規劃（planning）部分。

此前自動駕駛功能運行時，傳感器需要不斷收集外部信息，進行標注。但有了AI大模型后，由于其具備zero-shot（零樣本）能力，可能就不再需要具象到所有可能出現的物體樣本進行標記。

而自動駕駛進程中，根據收集到的地圖、實時視覺等信息后，該決策是加速、減速還是換道等，就可以運用到AI大模型的推理能力，這將會比現有自動駕駛所用模型做到更好的效果。

對云計算的變化，陳昱指出，AI相關服務用量將激增，短期內會利好英偉達，但長久以后，云廠商可能會發現，與其每年不斷向英偉達下訂單購買芯片，不如自己開發芯片或和其他芯片廠商合作。

“英偉達的強悍在于開發了一款相對通用的AI芯片，但如果云廠商明確了未來幾年都會采用Transformer架構時，那么自己也可以考慮針對Transformer優化一款專有芯片，所以也看到包括谷歌、微軟、Meta都有自己的芯片開發計劃。”他續稱。

AI大模型還在不斷滲透到軟硬件層面，如近期ChatGPT推出iOS版、百度為此推出硬件產品等。不過陳昱并不認為AI大模型的出現會對既有軟硬件生態帶來太大角色改變。

“我認為改變的可能是搜索生態。”他續稱，比如ChatGPT就可能成為谷歌在搜索方面的競爭對手。這意味著對用戶使用習慣沒有太大改變，改變的只是獲取信息的途徑。

從社會影響來說，陳昱認為，這將對整個教育體系帶來巨變。可以類比此前計算機出現后，復雜的珠算、五位數乘法等學習，到今天多被計算器所取代，人們可以把腦力放在其他更有創造力知識的學習中去。“如果能夠利用好AI工具，幫助我們人類完成此前80%的工作，剩下20%可以更好地施展創造力和想象力，同時也會帶來新的職業暢想和組織范式。”

免責聲明：本文不構成任何商業建議，投資有風險，選擇需謹慎！本站發布的圖文一切為分享交流，傳播正能量，此文不保證數據的準確性，內容僅供參考

關鍵詞：