AI大模型站在十字路口，持續(xù)突破or陷入低谷？

　　文|白 鴿

　　編|王一粟

　　當(dāng)普通人被AI轟炸的已經(jīng)疲勞，應(yīng)用落地也沒有驚人地突破，AI大模型的發(fā)展似乎已經(jīng)進(jìn)入瓶頸期。

　　在云棲大會之前，業(yè)界彌漫著對AI的唱衰，似乎又到了一個歷史的轉(zhuǎn)折點(diǎn)。如2017年上一代深度學(xué)習(xí)AI一樣，在經(jīng)歷了行業(yè)高光時刻后，大模型似乎進(jìn)入了漫長的技術(shù)積累和落地應(yīng)用階段。

　　但AI大模型發(fā)展真的放緩了嗎?

　　“技術(shù)的進(jìn)步速度依然很快”、“落地中沒覺得太多困難，反而全是機(jī)會”。在兩天的交流中，大模型創(chuàng)業(yè)公司、云廠商、AI企業(yè)服務(wù)公司，行業(yè)里實(shí)打?qū)嵶鰳I(yè)務(wù)的所有公司都對光錐智能表達(dá)著，對AI前景的一片樂觀。

　　“o1的推理能力確實(shí)上了一個很大臺階。”階躍星辰創(chuàng)始人姜大昕在2024云棲大會上說道，“o1也第一次證明大語言模型可以擁有人腦慢思考能力，同時也帶來Scaling Law的新方向。”

　　這也就意味著，隨著OpenAI o1模型的發(fā)布，生成式AI從原本的預(yù)訓(xùn)練時代，邁入大規(guī)模推理時代。

　　不過，AI仍處于早期的發(fā)展階段。

　　“如今我們還處于L2的發(fā)展早期，但AI仍在加速發(fā)展中，未來18個月甚至有可能出現(xiàn)L4級的突破——現(xiàn)在業(yè)界的對AI未來的整體預(yù)測，都過于保守了。”生數(shù)科技首席科學(xué)家朱軍則如此說道。

　　阿里巴巴集團(tuán)CEO、阿里云智能集團(tuán)董事長兼CEO吳泳銘在2024云棲大會上也表示：“過去22個月，AI發(fā)展速度超過任何歷史時期，但我們依然還處于AGI變革的早期。生成式AI最大的想象力，絕不是在手機(jī)屏幕上做一兩個新的超級app，而是接管數(shù)字世界，改變物理世界。”

　　無疑，當(dāng)前AI大模型的發(fā)展已經(jīng)進(jìn)入轉(zhuǎn)折點(diǎn)，而未來18個月，也將是決定我們能否邁向AGI時代的關(guān)鍵。

　　大模型邁入推理時代，技術(shù)仍在大爆炸

　　類似于自動駕駛系統(tǒng)分級一樣，此前OpenAI也將最終抵達(dá)AGI終點(diǎn)，劃分了五大等級：

　　L1：聊天機(jī)器人，具有對話能力的AI。

　　L2：推理者，像人類一樣能夠解決問題的AI。

　　L3：智能體，不僅能思考，還可以采取行動的AI系統(tǒng)。

　　L4：創(chuàng)新者，能夠協(xié)助發(fā)明創(chuàng)造的AI。

　　L5：組織者，可以完成組織工作的AI。

　　其中，以GPT為代表的大語言模型屬于L1階段，而以o1為標(biāo)志，則開啟了L2推理時代。

　　背后的邏輯在于，GPT的訓(xùn)練方式為Predict Next Token ，即預(yù)測接下來會出現(xiàn)的token是什么，即使GPT4能夠把復(fù)雜的問題拆解成多個步驟再分布解決，但其還是屬于一種直線型思維，沒有反向推理、思考能力。

　　所以，GPT只能夠?qū)崿F(xiàn)類似于人腦中系統(tǒng)1的思考方式。這是我們的“快速思考”系統(tǒng)，更多依賴于人類身體的條件反射能力，而不是思考能力。

　　而o1則采用了強(qiáng)化學(xué)習(xí)的訓(xùn)練框架，這就使大模型具備了思考能力，也就是系統(tǒng)2，其與系統(tǒng)1最大的區(qū)別，就在于系統(tǒng)2能夠探索不同的路徑，并自我反思、糾錯，然后不斷試錯，直到找到一個正確途徑。

　　“這次的o1，是把以前的模仿學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合起來了，使得一個模型同時有了人腦系統(tǒng)1和系統(tǒng)2的能力，意義非常大。”姜大昕如此說道。

　　同時，他也表示：“o1并沒有到一個很成熟階段，只是開端，實(shí)際上OpenAI給我們找到了一條上限很高的路，能夠不斷走下去。”

　　業(yè)內(nèi)也有觀點(diǎn)認(rèn)為，o1則暫時扭轉(zhuǎn)了大模型已沒有進(jìn)步空間論調(diào)，為大模型 “泡沫” 續(xù)命。畢竟，此前大模型訓(xùn)練已經(jīng)陷入原有Scaling Law的瓶頸，模型參數(shù)規(guī)模擴(kuò)大后，性能提升逐漸放緩。

　　不過，在姜大昕、楊植麟、朱軍等人看來，過去18個月中，大模型技術(shù)迭代并不慢，仍處于加速發(fā)展期。

　　“從廣泛的角度來說，大家可能沒感知到。單從技術(shù)來說，現(xiàn)在技術(shù)發(fā)展曲線是越來越陡峭的。”生數(shù)科技首席科學(xué)家朱軍如此說道。

　　一方面，從大模型數(shù)量角度來看，現(xiàn)在每個月都會有新的模型、新的產(chǎn)品、新的應(yīng)用涌現(xiàn)出來。

　　OpenAI在2月發(fā)布了Sora，5月發(fā)布了GPT-4o，上周發(fā)布的o1等，其對手Anthropic有Claude系列，谷歌有Gemini系列、LLaMA的系列等。

　　姜大昕表示：“原本OpenAI一家獨(dú)大，今年也逐漸變成了群雄并起，你追我趕的局面，各家都在提速。”

　　另一方面，從大模型能力的角度來看，從單一模型，到多模態(tài)融合，從多模態(tài)理解到多模態(tài)生成，從模仿學(xué)習(xí)再到強(qiáng)化學(xué)習(xí)，可以看到大模型的能力正在縱向(理解多維物理世界)和橫向(思考能力，即智商)雙向發(fā)展。

　　在GPT-4o發(fā)布之前，OpenAI有單獨(dú)的視覺理解模型GPT4V、視覺生成模型Sora、聲音模型Whisper等，而隨著GPT-4o發(fā)布，原本這些孤立的模型則全部被融合到一起。

　　為什么融合這件事非常重要?

　　“因?yàn)槲覀兾锢硎澜绫旧砭褪且粋�多模的世界，所以多模融合一定是有助于大模型更好的去為物理世界建模，能夠更好的模擬世界。”姜大昕說道。

　　多模態(tài)融合能夠讓大模型更好的理解多模態(tài)的物理世界，o1的強(qiáng)化學(xué)習(xí)則可以讓大模型能夠自主思考物理世界中的事物發(fā)展邏輯。

　　同時，姜大昕還提到，智駕是一個非常有代表性的從數(shù)字世界走向物理世界真實(shí)應(yīng)用場景。特斯拉FSD V12的意義，不僅在于智駕本身，可以認(rèn)為是為將來智能設(shè)備如何與大模型結(jié)合，更好的探索物理世界指明一個方向。

　　此外，朱軍還提到，大模型技術(shù)加速發(fā)展背后最核心的原因，則在于大家對這種路線的認(rèn)知和準(zhǔn)備上，達(dá)到了比較好的程度，“在物理?xiàng)l件上，比如像云基礎(chǔ)設(shè)施、計(jì)算資源的準(zhǔn)備都比較充分，不像ChatGPT剛出來時，大家更多是不知所措。”

　　要想富，先修路。AI大模型的加速發(fā)展，也離不開AI基礎(chǔ)設(shè)施的快速迭代，以阿里云為代表的云廠商們，則在其中扮演著日益重要的角色。

　　“AI計(jì)算正加速演進(jìn)，成為計(jì)算體系的主導(dǎo)。”吳泳銘說道，“在新增算力市場上，超過50%新需求由AI驅(qū)動產(chǎn)生，AI算力需求已占據(jù)主流地位。”

　　所有行業(yè)，都需要性能更強(qiáng)、規(guī)模更大、更適應(yīng)AI需求的基礎(chǔ)設(shè)施。

　　在此次云棲大會上，阿里云在底層基礎(chǔ)設(shè)施層面，也進(jìn)行了全系列產(chǎn)品家族升級。全面重構(gòu)底層硬件、計(jì)算、存儲、網(wǎng)絡(luò)、數(shù)據(jù)庫、大數(shù)據(jù)，并與AI場景有機(jī)適配、融合，加速模型的開發(fā)和應(yīng)用。

　　AI基礎(chǔ)設(shè)施的完善，無疑為大模型技術(shù)的升級迭代提供了強(qiáng)有力的支撐。

　　但就像行業(yè)廣為流傳的“無法落地的技術(shù)沒有價(jià)值”，如何推動大模型真正的落地應(yīng)用，也是擺在當(dāng)前行業(yè)中的一大難題。

　　大模型落地應(yīng)用的工具鏈已成熟

　　大模型技術(shù)浪潮，往往會帶動整個產(chǎn)業(yè)鏈向前發(fā)展的浪潮，大模型的打造只是起點(diǎn)，把技術(shù)落地到產(chǎn)業(yè)場景，創(chuàng)造價(jià)值才是目標(biāo)。

　　在朱軍看來，現(xiàn)在大模型所有的落地應(yīng)用最后都指向兩個方向：

　　一個是面向C端消費(fèi)者，提供娛樂化的數(shù)字內(nèi)容和工具;

　　一個是面向B端企業(yè)，為行業(yè)發(fā)展降本增效，提升社會生產(chǎn)力水平。

　　不過，相比于C端，“B端應(yīng)用目前相對明確，許多大模型已在多個場景中廣泛應(yīng)用，幾乎覆蓋所有行業(yè)。”此前智源研究院院長王仲遠(yuǎn)如此說道。

　　但是，于企業(yè)而言，其需要大模型能夠在實(shí)際場景中真正解決某個問題，而不是在100個場景中解決70%-80%的問題。同時，現(xiàn)階段企業(yè)對大模型的訴求更加務(wù)實(shí)，不僅關(guān)注模型技術(shù)的領(lǐng)先性，也要看如何融合到業(yè)務(wù)場景，如何降本增效解決實(shí)際問題。

　　那么，如何幫助企業(yè)打破大模型技術(shù)落地障礙?

　　鏈接大模型技術(shù)和上層應(yīng)用的中間件，即一套大模型時代的原生工具鏈的成熟，則成為關(guān)鍵。

　　在中間工具鏈層，大概可以分為兩類玩家：

　　一類是以阿里云、騰訊云等為代表的云廠商們，這些云廠商們則構(gòu)建了從PaaS，到MaaS，再到SaaS的全棧式體系化工具鏈能力。

　　阿里云底層基礎(chǔ)大模型包含了大語言模型通義千問和覆蓋文生圖、文生視頻的場景模型通義萬象，在兩個模型基礎(chǔ)上，在延伸出其他模型產(chǎn)品，用戶可以按需使用。

　　阿里云的MaaS服務(wù)平臺百煉，則為開發(fā)者和企業(yè)提供一站式AI大模型開發(fā)工具，包括完整的模型服務(wù)工具和全鏈路應(yīng)用開發(fā)套件，并預(yù)置豐富的能力插件，提供API及SDK等便捷的集成方式，高效完成大模型應(yīng)用構(gòu)建。

　　魔搭社區(qū)則匯聚了業(yè)內(nèi)領(lǐng)先的大模型產(chǎn)品，能夠讓開發(fā)者一站式調(diào)用自己想要的模型。同時，阿里云還為用戶和企業(yè)提供可以開箱即用的模型應(yīng)用，包括通義靈碼、實(shí)時記錄、PPT創(chuàng)作、翻譯助手等。

　　“我們希望企業(yè)和開發(fā)者能以最低的成本做AI、用AI，讓所有人都能用上最先進(jìn)的大模型。”阿里云CTO周靖人表示。

　　其他云廠商與阿里云在整體工具鏈架構(gòu)上相差不大，同樣都能夠?yàn)殚_發(fā)者和企業(yè)提供大而全的工具鏈平臺，而這也是云廠商們的優(yōu)勢。

　　另一類，則是面向不同領(lǐng)域細(xì)分的玩家，比如專注于數(shù)據(jù)庫的OceanBase、做合成數(shù)據(jù)平臺的51Sim，做物理AI訓(xùn)練平臺的松應(yīng)科技、面向游戲賽道的巨人網(wǎng)絡(luò)等。

　　這些玩家聚焦在某一細(xì)分市場中，并為該市場領(lǐng)域的用戶提供成熟的平臺工具鏈產(chǎn)品。

　　比如在數(shù)據(jù)領(lǐng)域，大模型的發(fā)展離不開高質(zhì)量的數(shù)據(jù)，但是真實(shí)數(shù)據(jù)的絕對量又是相對較少的。因此，近兩年來合成數(shù)據(jù)也正逐漸成為行業(yè)發(fā)展的重點(diǎn)趨勢之一。

　　此次云棲大會上，專注于合成數(shù)據(jù)平臺的51Sim也進(jìn)行了相關(guān)技術(shù)展示，其已經(jīng)構(gòu)建起了大量高質(zhì)量的合成數(shù)據(jù)集及針對3D數(shù)據(jù)生產(chǎn)的工具鏈，并已實(shí)現(xiàn)量產(chǎn)落地，幫助傳統(tǒng)行業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型的同時也致力于有效服務(wù)AI大模型訓(xùn)練。

　　此外，值得一提的是，在算力層面，除了云廠商們之外，還有一批創(chuàng)企聚焦于AI Infra賽道，要做算力的“賣鏟人”。

　　無問芯穹的業(yè)務(wù)是以大模型能效優(yōu)化工具包為核心，向下聯(lián)動多家國產(chǎn)芯片公司，向上服務(wù)大模型算法企業(yè)(通過智算云服務(wù)、智算一體機(jī)等方式)，協(xié)同算力、算法、生態(tài)，推動行業(yè)大模型的高效落地。

　　算力、算法和數(shù)據(jù)，是AI大模型發(fā)展的基礎(chǔ)。在這三大領(lǐng)域，除了云廠商們之外，也都存在不同企業(yè)，做小而精的工具鏈平臺，前后兩者則共同為大模型的落地應(yīng)用，提供了成熟工具鏈，也讓大模型落地變得更加順暢。

　　大模型落地應(yīng)用的PMF

　　“我們現(xiàn)在仍處于產(chǎn)業(yè)發(fā)展的早期階段，其中一個特點(diǎn)就是技術(shù)驅(qū)動產(chǎn)品的比例會更高。”月之暗面創(chuàng)始人楊植麟說道，“因此很多時候，產(chǎn)品開發(fā)其實(shí)是在觀察當(dāng)前技術(shù)發(fā)展，然后盡量把它的價(jià)值最大化。”

　　而隨著o1的發(fā)布，強(qiáng)化學(xué)習(xí)的訓(xùn)練模式，無疑也將會給產(chǎn)品應(yīng)用帶來新的范式。

　　楊植麟也表示，產(chǎn)品形態(tài)上也將會發(fā)生變化，“引入這種思考范式后，AI可能能夠執(zhí)行分鐘、小時甚至天級別的任務(wù)，產(chǎn)品形態(tài)會更接近人或“助理”的概念。”

　　事實(shí)上，目前AI大模型落地應(yīng)用的邏輯，還是以TPF(技術(shù)/產(chǎn)品契合度)為主，而不是以PMF(產(chǎn)品/市場契合度)為主。

　　不過，隨著大模型技術(shù)的快速迭代，技術(shù)的可用性也大幅提升，大模型已經(jīng)具備了文本、語音、視覺的多模態(tài)能力，能夠開始完成復(fù)雜指令。

　　未來以PMF為主的大模型新應(yīng)用趨勢，也將逐漸成為主流，而只有真正的基于市場需求，才能夠創(chuàng)造出真正的殺手級應(yīng)用。

　　在此趨勢下，面向人形機(jī)器人、教育、汽車、制造、交通等多個領(lǐng)域，多項(xiàng)基于大模型最新應(yīng)用加速落地應(yīng)用。同時，在目前大模型落地應(yīng)用的方式上，則大概有創(chuàng)作搭檔、效率工具、專業(yè)助手、擬人交互等4大類。

　　比如在汽車領(lǐng)域，為了解決人類駕駛的雙手，智能駕駛技術(shù)飛速發(fā)展，“端到端”大模型是當(dāng)下備受關(guān)注的自動駕駛解決方案。

　　“之前的自動駕駛技術(shù)，是靠人來寫算法規(guī)則，幾十萬行代碼，仍然無法窮盡所有的駕駛場景。采用‘端到端’大模型技術(shù)訓(xùn)練后，AI模型可直接學(xué)習(xí)海量人類駕駛視覺數(shù)據(jù)。”吳泳銘表示。

　　大模型加持下，人形機(jī)器人擁有了聰慧的“大腦”、敏捷的“小腦”、靈活的“肢體”。“我們研究了人形機(jī)器人的操作大模型，基于語言和視覺信號的輸入，使得人形機(jī)器人有了舉一反三的能力，可以只需要少量數(shù)據(jù)就能學(xué)會相關(guān)技能。”清華大學(xué)交叉信息研究院助理教授、星動紀(jì)元創(chuàng)始人陳建宇說。

　　在教育領(lǐng)域，大模型成熟前，人類歷史上所有技術(shù)都無法實(shí)現(xiàn)類老師的一對一輔導(dǎo)。隨著大模型技術(shù)發(fā)展，在2024云棲大會上，精準(zhǔn)學(xué)布全球首個超擬人一對一AI老師。

　　“它就像你花200-300元\小時請的一對一私人老師一樣，能有規(guī)劃、有體系地對孩子進(jìn)行一對一學(xué)習(xí)輔導(dǎo)，而且AI老師還能運(yùn)用不同的教學(xué)技巧，實(shí)時調(diào)整教學(xué)內(nèi)容，幫助學(xué)生養(yǎng)成好的學(xué)習(xí)習(xí)慣。”精準(zhǔn)學(xué)集團(tuán)創(chuàng)始人&CEO楊仁斌如此說道。

　　“超擬人一對一AI老師”的誕生意味著大模型從千篇一律的“AI做題工具”真正進(jìn)化到普適化的教學(xué)應(yīng)用場景，開始成為一個“體系化的教學(xué)輔導(dǎo)老師”。

　　事實(shí)上，從聊天機(jī)器人，到AI搜索，再到AI視頻生成，大模型的落地應(yīng)用可以說引發(fā)了一個又一個行業(yè)熱潮，但回歸到真實(shí)用戶體驗(yàn)上，卻又是“沒那么好用”。

　　歸根結(jié)底，還是目前大模型技術(shù)發(fā)展尚屬于早期階段，技術(shù)推動產(chǎn)品發(fā)展，而不是技術(shù)成熟后，由市場需求推動產(chǎn)品。

　　不過，AI具備創(chuàng)造能力、幫助人類解決復(fù)雜問題的路徑，已經(jīng)清晰可見，也打開了AI在各行業(yè)場景中廣泛應(yīng)用的可能性。

　　“今天o1出來以后，把強(qiáng)化學(xué)習(xí)又泛化到了更高的階段，AI的能力上限也變得更高了，這其中將會存在這大量的機(jī)會。”姜大昕也如此說道。

　　面向未來“因?yàn)楝F(xiàn)在整個加速發(fā)展，很多時候我們預(yù)測通常會過于保守。我預(yù)想未來18個月可能比較令人興奮的一個進(jìn)展，我希望看到L3已經(jīng)基本上實(shí)現(xiàn)。”朱軍如此說道。

　　吳泳銘也表示，“AI驅(qū)動的數(shù)字世界連接著具備AI能力的物理世界，將會大幅提升整個世界的生產(chǎn)力，對物理世界的運(yùn)行效率產(chǎn)生革命性的影響。”