全球3.5億下載量破紀(jì)錄！ Llama家族暴漲10倍，開源帝國掀AI革命

　　誕生一年半，Llama家族早已穩(wěn)坐開源界頭把交椅。最新報(bào)告稱，Llama全球下載量近3.5億，是去年同期的10倍。而模型開源讓每個(gè)人最深體會(huì)是，token價(jià)格一降再降。

　　Llama一舉成為世界開源的領(lǐng)頭羊。

　　截至目前，Llama模型在開源平臺(tái)HuggingFace下載量近3.5億。

　　Groq的創(chuàng)始人表示，這也太瘋狂了，想想Linux花了多長時(shí)間才達(dá)到這個(gè)數(shù)字?

　　官博介紹，這一數(shù)字，是去年同期的10倍。而且，僅在上個(gè)月，模型的下載量超2000萬次。

　　2023年2月，Llama1首次亮相，經(jīng)過多次迭代，到現(xiàn)在已經(jīng)過去了整整18個(gè)月。

　　而在這僅有的一年半里，Llama已經(jīng)從一個(gè)最先進(jìn)的單體基礎(chǔ)模型，發(fā)展成為，一個(gè)面向開發(fā)者的強(qiáng)大生態(tài)系統(tǒng)。

　　LeCun還不忘給自家模型宣傳一波，越來越多的大公司、小公司、初創(chuàng)公司、政府和非營利組織，正基于此開發(fā)新的產(chǎn)品和服務(wù)。

　　還有高校機(jī)構(gòu)、研究人員和工程師每天都在改進(jìn)Llama，并提出新的用例。

　　另外，值得關(guān)注的一點(diǎn)是，自今年5月Llama3.1發(fā)布之后，云服務(wù)商對模型API token調(diào)用需求，翻了一番還要多。

　　一些Meta最大的云服務(wù)提供商，從2024年1月到7月，Llama的每月token量增長了10倍。

　　從微軟云、英偉達(dá)、谷歌云等科技巨頭，到Groq、Databricks等初創(chuàng)公司，全都支持Llama模型的使用。

　　老黃稱，「Llama深深地影響著最先進(jìn)AI的進(jìn)步」。

　　可見，Llama正引領(lǐng)著開源之光。

　　Llama開源，拉低token價(jià)格戰(zhàn)

　　GPT-4級(jí)別模型開源，最先帶來的好處是，token的價(jià)格不斷下降。

　　AI大牛吳恩達(dá)在DeepLearning的博客中，算了一筆賬:

　　近期，OpenAI官宣降價(jià)后，GPT-4o的token成本，現(xiàn)在是每百萬token4美元。(假設(shè)是80%輸入和20%輸入token混合率)

　　還記得，2023年3月首發(fā)GPT-4時(shí)，每百萬token的成本是36美元。

　　博客地址:https://www.deeplearning.ai/the-batch/issue-264/

　　17個(gè)月的時(shí)間，價(jià)格相當(dāng)于每年下降了79%(4/36= (1- p)^{17/12})。

　　如你所見，token價(jià)格正迅速下降!

　　而推動(dòng)token價(jià)格不斷下降的一個(gè)因素，便是開源模型(如Llama3.1)的發(fā)布。

　　這是因?yàn)�，API提供商(如Anyscale、Fireworks、Together AI初創(chuàng)公司，以及一些大型云服務(wù)商)并不需要擔(dān)心賺回開發(fā)模型所需的成本，因此他們可以直接在價(jià)格、速度等其他因素上，開啟競爭。

　　此外，一些芯片公司Groq(快速生成token領(lǐng)先者)、Samba Nova(能以114token/s速度運(yùn)行Llama3.1405B)、Cerebras(以1800token/s速率運(yùn)行Llama3.18B)，以及英偉達(dá)、AMD、英特爾、高通等半導(dǎo)體巨頭，在硬件上的創(chuàng)新，近一步拉低了模型價(jià)格。

　　Groq發(fā)文介紹了，如今支持Llama模型的生態(tài)。

　　「到目前為止，Groq已經(jīng)使用Llama模型套件和自家LPU Inference，每天向40多萬開發(fā)人員提供50億個(gè)免費(fèi)token」。

　　在構(gòu)建用程序時(shí)，吳恩達(dá)發(fā)現(xiàn)，根據(jù)未來技術(shù)發(fā)展方向，進(jìn)行設(shè)計(jì)是非常有用的，而非局限于當(dāng)前水平。

　　基于多家軟硬件公司的技術(shù)路線(改進(jìn)半導(dǎo)體、更小的模型、推理架構(gòu)中的算法創(chuàng)新)，可以預(yù)見的是，token價(jià)格還將持續(xù)下降。

　　這意味著，即便你構(gòu)建的智能體工作流看起來成本太高，而隨著token價(jià)格不斷下降，或許在某個(gè)時(shí)間，這套方案在未來也變得經(jīng)濟(jì)可行。

　　假設(shè)你創(chuàng)建了一個(gè)APP幫助人類，可每秒連續(xù)輸出100個(gè)token。那如果百萬token4美元，每小時(shí)只花費(fèi)1.44美元。

　　這遠(yuǎn)遠(yuǎn)低于美國，以及許多其他國家最低工資標(biāo)準(zhǔn)。

　　Meta挑戰(zhàn)ChatGPT贏得數(shù)百萬用戶

　　小扎希望，到今年年底，讓Meta AI成為全球使用量最多的AI助手，超越OpenAI的ChatGPT。

　　目前，這一切正朝著他的目標(biāo)，取得了進(jìn)展。

　　據(jù)內(nèi)部2位員工透露，8月初，Meta AI(2023年9月發(fā)布)在發(fā)布不到一年時(shí)間里，收攬了至少4億月活躍用戶和4000萬日活躍用戶。

　　這些數(shù)字從側(cè)面反映了，超30億用戶的Meta，每天至少使用Meta旗下的一款應(yīng)用中的AI助手。

　　此外還包括，通過Meta AI專屬網(wǎng)站，以及Ray-Ban智能眼鏡，也收獲了不少用戶。

　　龐大的用戶群，成為大型科技公司優(yōu)勢，希望從ChatGPT中奪取一部分市場份額和關(guān)注度。

　　其實(shí)，谷歌也向數(shù)十億用戶推廣了對話式AI——Gemini，但力度卻不如Meta。

　　但一些使用Meta應(yīng)用程序的人，在Facebook、Reddit、X上，抱怨Meta過于激進(jìn)地推廣AI助手，比如在其APP的鍵盤上添加搜索按鈕。

　　有的人還出了一個(gè)關(guān)閉Meta AI對話的教程。

　　出于對用戶參與度的擔(dān)憂，Meta員工可能會(huì)不定期討論的一個(gè)問題是，是否有些用戶無意間使用了Meta AI。

　　8月初使用數(shù)據(jù)顯示，大約10%的月活躍用戶，每天使用助手來回答問題、生成圖像和執(zhí)行其他任務(wù)。

　　而這一比例遠(yuǎn)低于Meta的其他應(yīng)用程序。

　　Meta此前2月報(bào)告稱，80%的月活躍用戶每天至少使用一款自家的應(yīng)用。

　　這些數(shù)字表明，Meta AI已經(jīng)是ChatGPT強(qiáng)有力的競爭者之一。

　　2022年11月，ChatGPT首次推出。截至目前，每周有超2億人使用。鑒于最近的使用數(shù)據(jù)，Meta AI可能相距不遠(yuǎn)。

　　與Meta AI不同，ChatGPT也是一項(xiàng)盈利的業(yè)務(wù)模型。

　　數(shù)百萬用戶每月需要支付20美元，成為ChatGPT Plus用戶，才能用上最先進(jìn)模型撰寫、編程、答問的能力。

　　數(shù)據(jù)顯示，ChatGPT訂閱收入，每年大約高達(dá)20億美元。

　　Meta已在今年投入高達(dá)400億美金數(shù)據(jù)中心和其他基礎(chǔ)設(shè)施。

　　而Meta AI被視為，未來公司獲得這些巨額投資回報(bào)的關(guān)鍵部分，主要用于開發(fā)這一產(chǎn)品的背后大模型Llama。

　　雖有報(bào)道曝出，Meta正推出一個(gè)付費(fèi)版的高級(jí)人工智能助手。

　　去年9月，Meta剛剛推出AI助手時(shí)，人們最初只能通過Instagram、WhatsApp或Messenger上的直接消息與Meta AI聊天。

　　今年，Meta開始在各種應(yīng)用中， 讓其變得更加顯眼、容易訪問。

　　4月，他們將Meta AI添加到其應(yīng)用程序的搜索欄和信息流中，并為其推出了獨(dú)立網(wǎng)站meta.ai。

　　同月，Meta還推出了一個(gè)新版本的AI助手，該版本能夠識(shí)別和解析圖像，并在其Ray-Ban智能眼鏡中廣泛應(yīng)用。

　　目前，該助手在Meta的應(yīng)用程序中可用的語言有8種，并在22個(gè)國家提供，同時(shí)在美國和加拿大的智能眼鏡中提供英語版本。

　　開源AI如火如荼

　　開源AI技術(shù)正在迅速發(fā)展，推動(dòng)著生成式AI的重大創(chuàng)新。通過GitHub和Hugging Face等可訪問的研究和平臺(tái)，社區(qū)已經(jīng)啟動(dòng)了取得突破性成果的項(xiàng)目。

　　生態(tài)系統(tǒng):穩(wěn)步增長，走出泡沫化的底谷期(Trough of Disillusionment)

　　自2023年第一季度的溫和增長以來，開發(fā)者的興趣已經(jīng)增長并穩(wěn)定下來，進(jìn)入了「穩(wěn)步爬升的光明期」(Slope of Enlightenment)——價(jià)值驅(qū)動(dòng)的創(chuàng)新在此增長。

　　2024年，開源AI中嚴(yán)肅的開發(fā)者參與(即GitHub貢獻(xiàn)者)仍在繼續(xù)增加。

　　市場分析:開發(fā)工具仍是熱門，訓(xùn)練和監(jiān)督勢頭正旺

　　- 開源AI產(chǎn)品初創(chuàng)企業(yè)數(shù)量顯著增加

　　2024年，參與開源AI的參與者數(shù)量激增，新的參與者如Neum AI和Patronus AI進(jìn)入了這一領(lǐng)域，而像Vian AI這樣的老牌參與者也為其用戶提供了開源工具包。

　　- 開發(fā)工具仍然熱門;培訓(xùn)和監(jiān)控工具競爭加劇

　　大多數(shù)初創(chuàng)企業(yè)仍專注于生成式AI的開發(fā)工具，這對于構(gòu)建、部署和管理應(yīng)用程序至關(guān)重要。

　　然而，圍繞模型訓(xùn)練和監(jiān)督用例的初創(chuàng)企業(yè)活動(dòng)有所增加，這表明可能會(huì)向在小眾數(shù)據(jù)上微調(diào)模型和增強(qiáng)AI治理的方向轉(zhuǎn)變。

　　在開源模型領(lǐng)域，領(lǐng)先者開始顯現(xiàn)，開發(fā)的新模型較少，更多的重點(diǎn)放在來自Mistral和Meta等公司的改進(jìn)和更高效的版本上。

　　- 開源開發(fā)正在縮小與閉源解決方案的差距

　　開源使得研究更具成本效益和可訪問性，促進(jìn)了來自多元?jiǎng)?chuàng)作者的創(chuàng)新，并且法律限制較少。據(jù)統(tǒng)計(jì)，有41%的企業(yè)用戶傾向于選擇開源來滿足生成式AI的需求。

　　融資環(huán)境:融資步伐加快，規(guī)模更大、后期交易增

　　過去兩年，開源AI領(lǐng)域已完成60多筆交易，總?cè)谫Y額超過130億美元。這些交易中有超過45%屬于A輪及以上的融資，表明對增長階段投資的強(qiáng)烈關(guān)注。

　　- Deci AI被英偉達(dá)以3億美元收購

　　- Scale AI完成了10億美元的F輪融資

　　- Mistral AI完成了6.4億美元的B輪融資

　　- Together AI完成了1.06億美元的A輪融資

　　在開源AI領(lǐng)域中，模型訓(xùn)練和開發(fā)工具是獲得資金最多的細(xì)分領(lǐng)域(不包括Mistral和Databricks)，占總?cè)谫Y的60%。

　　其中，英偉達(dá)參與了8筆交易(包括Scale AI、Mistral AI、Together AI)。

　　基礎(chǔ)模型:性能差距已縮小

　　如今，開源和閉源模型之間的基準(zhǔn)差距現(xiàn)在比以往任何時(shí)候都要小——Meta Llama和Mistral在MMLU上的表現(xiàn)幾乎與GPT-4o相同。

　　其他開源模型，如Qwen和Yi，也在性能上快速趕上。

　　為了解決現(xiàn)有評估(如Elo和MMLU)的局限性，Hugging Face于2024年6月正式推出了專注于復(fù)雜任務(wù)的開源LLM排行榜——Open-LLM-Leaderboard。

　　在過去的6個(gè)月中，隨著新競爭者的出現(xiàn)，開源AI的格局發(fā)生了顯著變化。

　　經(jīng)過大量數(shù)據(jù)預(yù)訓(xùn)練的Qwen，于2024年6月在Huggingface Traction上獲得了最高的下載量。

　　Github:Huggingface、MindsDB和Roboflow非常火爆

　　GitHub的stars是項(xiàng)目在GitHub上受歡迎程度的直接指標(biāo)。

　　AutoGPT和ModularML的Mojo在2023年引領(lǐng)了GitHub熱度——自那時(shí)以來，多個(gè)倉庫已經(jīng)獲得了顯著的進(jìn)展。

　　LeRobot提供基于PyTorch的真實(shí)世界機(jī)器人模型、數(shù)據(jù)集和工具，旨在使機(jī)器人技術(shù)更易于訪問。它具有最先進(jìn)的模仿學(xué)習(xí)和強(qiáng)化學(xué)習(xí)方法，提供預(yù)訓(xùn)練模型、人類收集的數(shù)據(jù)集和模擬環(huán)境。

　　由英偉達(dá)支持的MindsDB是一個(gè)使用企業(yè)數(shù)據(jù)構(gòu)建AI模型的平臺(tái)。MindsDB簡化了數(shù)據(jù)源和AI/ML工具之間的連接，自動(dòng)化工作流程以創(chuàng)建定制的AI系統(tǒng)。