追求TC-PMF，零一萬(wàn)物會(huì)成為AI First嗎？

　　立志比肩GPT-5的零一萬(wàn)物，自Yi開(kāi)源版本之后，又發(fā)布了閉源大模型Yi-Large。

　　據(jù)悉，Yi-Large閉源模型，在中外權(quán)威指令遵循評(píng)測(cè)集中，Yi-Large的表現(xiàn)均優(yōu)于國(guó)際前五大模型。

　　事實(shí)上在去年5月，零一萬(wàn)物成立6個(gè)月后就發(fā)布了旗下首款中英雙語(yǔ)大模型Yi系列。并且從一開(kāi)始，李開(kāi)復(fù)就定下了一個(gè)宏偉且艱難的目標(biāo)：「成為World's No.1」。

　　打一出生就是「當(dāng)紅辣子雞」的零一萬(wàn)物也依靠大廠背景團(tuán)隊(duì)、優(yōu)異模型表現(xiàn)，達(dá)到了10億美元的估值。

　　在YI-Large的發(fā)布會(huì)上，李開(kāi)復(fù)還宣布，零一萬(wàn)物已啟動(dòng)下一代Yi-XLarge MoE模型訓(xùn)練，將沖擊GPT-5 的性能與創(chuàng)新性。

　　但作為AGI信徒的零一萬(wàn)物，更多需要思考在追趕GPT-5的同時(shí)，不影響自身AGI的發(fā)展道路?

　　一、激烈的市場(chǎng)，零一萬(wàn)物距離AGI有多遠(yuǎn)?

　　在接受APPSO采訪時(shí)，李開(kāi)復(fù)說(shuō)：我們是務(wù)實(shí)的AGI信仰者，我們一定要用最少的芯片，最低的成本訓(xùn)練出我們能訓(xùn)練最好的模型。同時(shí)我們會(huì)不斷的去摸索，找TC-PMF。

　　據(jù)悉，目前零一萬(wàn)物海外生產(chǎn)力應(yīng)用總用戶接近千萬(wàn)，今年ToC單一產(chǎn)品預(yù)計(jì)收入達(dá)1億元人民幣。

　　但這1億人民幣的單一產(chǎn)品應(yīng)收，只能夠代表TC-PMF，而不能夠代表零一萬(wàn)物已經(jīng)在AGI層面上實(shí)現(xiàn)TC-PMF。

　　要知道，與NLP、VC等弱模型不一樣的是，具象化之后的AGI，就是一個(gè)無(wú)所不能的、集各領(lǐng)域行業(yè)專家知識(shí)于一身的智能體，是一個(gè)能夠?qū)崿F(xiàn)幫助需求方完成一整套需求落地，并且在過(guò)程中具有適應(yīng)性和主動(dòng)型的通用人工智能。

　　AGI的實(shí)現(xiàn)背后一定程度上需要高昂的成本，這其中的費(fèi)用或許并不是百億、千億美金就能達(dá)到的。

　　但李開(kāi)復(fù)也曾表示，零一萬(wàn)物不會(huì)用純大力出奇跡的唯一思維，追求能不能用一百億美金，一千億美金實(shí)現(xiàn)大模型在場(chǎng)景中落地。

　　相對(duì)于行業(yè)內(nèi)不理性的ofo式流血燒錢(qián)打法，零一萬(wàn)物更偏向于讓大模型能夠用健康良性的ROI蓄能長(zhǎng)跑。

　　但零一萬(wàn)物需要思考的是，即便通過(guò)找到TC-PMF來(lái)發(fā)展，就一定能夠做到距離AGI越來(lái)越近嗎?

　　在AGI的發(fā)展中，認(rèn)知人工智能是通往AGI最清晰、最明確和最直接的途徑。

　　雖然有多個(gè)認(rèn)知架構(gòu)項(xiàng)目已經(jīng)持續(xù)活躍了幾十年，但迄今為止，沒(méi)有一個(gè)顯示出足夠的商業(yè)前景，被廣泛采用或受到特別充分的資助。

　　原因是多方面且復(fù)雜的，但一個(gè)共同的特點(diǎn)是：它們正在以模塊化和低效的方式運(yùn)行，并且缺乏深入的學(xué)習(xí)反饋和認(rèn)知理論。

　　回過(guò)頭來(lái)看這幾年AI硬件的發(fā)展就會(huì)發(fā)現(xiàn)，實(shí)際上AGI在硬件方面的進(jìn)程一直都在不斷突破當(dāng)中，所以真正影響AGI的實(shí)現(xiàn)，并不是軟硬件出現(xiàn)的阻礙，最大的阻礙其實(shí)是足夠準(zhǔn)確的發(fā)展項(xiàng)目，以及大量的資金支持。

　　“準(zhǔn)確的發(fā)展項(xiàng)目”對(duì)于目前在弱模型發(fā)展上的零一萬(wàn)物來(lái)說(shuō)，或許也很難。而通過(guò)現(xiàn)有的開(kāi)閉源大模型和一站式AI平臺(tái)萬(wàn)知，來(lái)達(dá)到AGI并且實(shí)現(xiàn)TC-PMF其實(shí)更難。

　　因?yàn)榫湍壳皝?lái)看，可以做會(huì)議紀(jì)要、周報(bào)、寫(xiě)作助手、速讀文檔、做PPT的一站式AI工作臺(tái)萬(wàn)知，雖然定位于2C生產(chǎn)力工具，但在應(yīng)用的過(guò)程中也更多是文本生成類(lèi)大模型。

　　這與能夠?qū)崿F(xiàn)幫助需求方完成一整套需求落地的智能體，還很遠(yuǎn)。

　　無(wú)論是零一萬(wàn)物亦或是其他的大模型玩家，似乎更多是致力于某一個(gè)狹義的人工智能中，以求能夠快速落地具體場(chǎng)景的大模型。

　　比方說(shuō)零一萬(wàn)物的Yi系列大模型，涉及AI寫(xiě)作、AI 編程、醫(yī)療、消費(fèi)3C、生化環(huán)材等多個(gè)領(lǐng)域。

　　但發(fā)展AGI的一個(gè)客觀標(biāo)準(zhǔn)是，在實(shí)現(xiàn)AGI的過(guò)程中，所做的AI工作，是否有明確定義的步驟或整體詳細(xì)計(jì)劃，很少有AI工作符合這一標(biāo)準(zhǔn)，包括零一萬(wàn)物。

　　對(duì)于零一萬(wàn)物，目前能看到的實(shí)際上零一萬(wàn)物做大模型的核心方法論，比如在于模基一體——模型與AI Infra并行開(kāi)發(fā);模應(yīng)一體——模型與應(yīng)用并行開(kāi)發(fā)。

　　二、AGI信徒，如何警惕“狹義AI陷阱”?

　　然而在基模一體化當(dāng)中，零一萬(wàn)物不僅自研AI Infra，還將AI Infra設(shè)立為重要方向，并且將模型團(tuán)隊(duì)和AI Infra團(tuán)隊(duì)高度共建，人數(shù)比為1比1。

　　當(dāng)然，在對(duì)自身具有ROI要求的零一萬(wàn)物來(lái)說(shuō)，務(wù)實(shí)的戰(zhàn)術(shù)發(fā)展往往更穩(wěn)妥。同時(shí)注重人才的加入，或許有助于零一萬(wàn)物更好的往AGI發(fā)展。

　　為了接近真正意義上的AGI，市場(chǎng)需要從第二波AI浪潮轉(zhuǎn)向第三波AI浪潮，從統(tǒng)計(jì)生成式AI轉(zhuǎn)向認(rèn)知AI。

　　也就是從以統(tǒng)計(jì)學(xué)和強(qiáng)化學(xué)習(xí)為特征的大模型，轉(zhuǎn)變?yōu)橐宰灾�、�?shí)時(shí)學(xué)習(xí)、適應(yīng)、高級(jí)推理為核心的大模型。

　　但急于通過(guò)萬(wàn)知來(lái)驗(yàn)證TC-PMF的零一萬(wàn)物，又怎么能夠確定走應(yīng)用層的路，更利于AGI的實(shí)現(xiàn)?

　　要知道，AI浪潮轉(zhuǎn)變的過(guò)程既簡(jiǎn)單又復(fù)雜，簡(jiǎn)單是整個(gè)轉(zhuǎn)變認(rèn)知上的簡(jiǎn)單，而復(fù)雜不僅僅是“調(diào)頭重來(lái)”從大模型發(fā)展基準(zhǔn)上改變，還需要警惕“狹義AI陷阱”的出現(xiàn)。

　　“狹義AI陷阱”通俗來(lái)說(shuō)就是，即使一切都順利朝著AGI預(yù)定義的目標(biāo)發(fā)展——擁有良好的理論基礎(chǔ)和發(fā)展計(jì)劃，出色的開(kāi)發(fā)團(tuán)隊(duì)和雄厚資金，以及正確的目標(biāo)基準(zhǔn)、開(kāi)發(fā)標(biāo)準(zhǔn)，但仍然存在著“狹義AI陷阱”的隱患。

　　因?yàn)檎麄�(gè)市場(chǎng)對(duì)實(shí)現(xiàn)AGI迫切的想法，某種程度上也會(huì)導(dǎo)致大部分企業(yè)最終利用外部人類(lèi)智慧來(lái)實(shí)現(xiàn)特定結(jié)果，或在給定基準(zhǔn)上取得進(jìn)展，而不是以一種將智慧(適應(yīng)性、自治的問(wèn)題解決能力)融入系統(tǒng)的方式來(lái)實(shí)現(xiàn)。

　　說(shuō)白了，偏向于特定任務(wù)的大模型升級(jí)，與AGI所追求的適應(yīng)型和主動(dòng)性實(shí)際上是相違背的。

　　如果持續(xù)性通過(guò)特定任務(wù)強(qiáng)化學(xué)習(xí)，那么最終導(dǎo)致的結(jié)果大概率就是：只有名義上是AGI的狹義人工智能工作。何況，目前零一萬(wàn)物能夠?qū)崿F(xiàn)特定場(chǎng)景應(yīng)用，解決特定問(wèn)題的大模型，都統(tǒng)稱為狹義人工智能。

　　不過(guò)，零一萬(wàn)物在多模態(tài)大模型上的成績(jī)是明顯的。

　　多模態(tài)大模型作為發(fā)展AGI的必經(jīng)之路，零一萬(wàn)物多模態(tài)大模型Yi-VL-34B版本在MMMU測(cè)試集上，以41.6%的準(zhǔn)確率超越了一系列多模態(tài)大模型，僅次于GPT-4V(55.7%)。

　　如果拋開(kāi)與GPT的比較，41.6%的準(zhǔn)確率對(duì)于多模態(tài)大模型來(lái)說(shuō)，并不算突出。

　　要知道，信息的完整性、環(huán)境的適應(yīng)性、交互的自然性、普遍性的應(yīng)用都是多模態(tài)發(fā)展最為重要的四大方面。

　　其中信息的完整性，需要大模型系統(tǒng)考慮到更多的信息維度，來(lái)決定最終決策的質(zhì)量以及準(zhǔn)確性。那么反過(guò)來(lái)也可以說(shuō)，41.6%的準(zhǔn)確率倒推是多模態(tài)大模型數(shù)據(jù)類(lèi)型的有限性，導(dǎo)致系統(tǒng)在決策時(shí)，沒(méi)有考慮到更多的信息維度。

　　另外，零一萬(wàn)物多模態(tài)團(tuán)隊(duì)正在探索從頭開(kāi)始進(jìn)行多模態(tài)預(yù)訓(xùn)練，以更快接近、超過(guò) GPT-4V，達(dá)到世界第一梯隊(duì)水平。

　　GPT不僅僅是零一萬(wàn)物最想要追趕的競(jìng)爭(zhēng)對(duì)手，同樣也是上百家大模型企業(yè)想要超越的對(duì)手，但在AGI尚未出現(xiàn)雛形之時(shí)，零一萬(wàn)物的目標(biāo)視野應(yīng)該是更廣闊的。

　　畢竟，在過(guò)去七八十年人工智能發(fā)展的歷程中，可以看到每一次人工智能新浪潮的產(chǎn)生，都是以模型參數(shù)量、訓(xùn)練樣本量和算力躍升帶來(lái)的人工智能重大發(fā)展。

　　而海外更擅長(zhǎng)通過(guò)不斷投入Scaling Law來(lái)提升模型參數(shù)量，國(guó)內(nèi)更多只能是一步一個(gè)腳印。

　　比如開(kāi)發(fā)更具性價(jià)比的AI芯片、更節(jié)能的智能計(jì)算中心、AI模型加速技術(shù)，加快多模態(tài)模型架構(gòu)創(chuàng)新和數(shù)據(jù)合成、多媒體數(shù)據(jù)標(biāo)注技術(shù)創(chuàng)新。

　　三、第三波AI浪潮的重點(diǎn)，或許是變現(xiàn)?

　　近兩年來(lái)，市場(chǎng)對(duì)模型性能提升的討論，無(wú)一不是集中在多模態(tài)大模型的訓(xùn)練和算法改進(jìn)上。對(duì)于初步的場(chǎng)景化落地，也無(wú)一不是免費(fèi)。

　　或許，在融資有限的市場(chǎng)里，當(dāng)下大模型公司的重點(diǎn)，除了尋找商業(yè)化落地之外，更注重大模型參數(shù)的增長(zhǎng)，以期通過(guò)擴(kuò)大想象空間來(lái)獲得更多融資的可能。

　　畢竟在國(guó)內(nèi)資本市場(chǎng)中，資金的走向往往更偏向于確定性的方向，而不是賭一個(gè)不確定性。

　　于是同樣的，在2023年往后難以獲取融資的時(shí)期里，大模型更傾向于走向2B2C撈錢(qián)存活。C端如OpenAI、Midjourney，Perplexity向個(gè)人用戶提供生產(chǎn)力解放工具，并以月費(fèi)訂閱模式變現(xiàn)。

　　B端如微軟、Salesforce，將AI技術(shù)集成到傳統(tǒng)產(chǎn)品中并提供垂直定制服務(wù)，以月費(fèi)訂閱或者用量模式變現(xiàn)。

　　而國(guó)內(nèi)尚未獲得變現(xiàn)的企業(yè)，則是在不斷的處于尋找商業(yè)化變現(xiàn)的過(guò)程中。

　　如百度在C端推出文心一言訂閱模式，B端提供底層架構(gòu)、解決方案;360在C端發(fā)力AI辦公，B端聚焦AI安全和知識(shí)管理等場(chǎng)景;訊飛則試圖將大模型與自身硬件產(chǎn)品進(jìn)行結(jié)合。

　　目前萬(wàn)知AI助手雖然對(duì)用戶完全免費(fèi)開(kāi)放，但據(jù)悉，后續(xù)萬(wàn)知會(huì)結(jié)合產(chǎn)品發(fā)展和用戶反饋推出收費(fèi)模式。

　　他認(rèn)為大模型C端產(chǎn)品的發(fā)展可分為六個(gè)階段：最初階段是將其作為生產(chǎn)力工具，隨后逐步拓展至娛樂(lè)、音樂(lè)和游戲領(lǐng)域。

　　接著進(jìn)入搜索領(lǐng)域，然后是電商市場(chǎng);之后進(jìn)一步延伸至社交和短視頻領(lǐng)域;最終發(fā)展到O2O產(chǎn)品階段。

　　然而在國(guó)內(nèi)市場(chǎng)，C端用戶似乎并不缺生產(chǎn)力工具，也不缺娛樂(lè)社交類(lèi)工具。開(kāi)啟收費(fèi)后的萬(wàn)知，真的能夠像在海外一樣順利嗎?

　　目前，根據(jù)頭部大模型左手C端右手B端，兩手抓的形式來(lái)看，大模型主要向B端收費(fèi)，對(duì)C端收費(fèi)的較少，且用戶付費(fèi)意愿較低。

　　這也注定了在眾多定位生產(chǎn)力的大模型中，大部分C端用戶會(huì)更偏向于低價(jià)者。

　　更何況，從Similar的數(shù)據(jù)看，5月份web端國(guó)內(nèi)訪問(wèn)量最大的前三名AI產(chǎn)品，分別是Kimi、文心一言、通義千問(wèn)，訪問(wèn)量分別是2250萬(wàn)、1780萬(wàn)和800萬(wàn)，而萬(wàn)知?jiǎng)t排名第十，訪問(wèn)量?jī)H32萬(wàn)。

　　面向海外，零一萬(wàn)物的成績(jī)或許很亮眼，但在國(guó)內(nèi)，不一定。

　　參考：

　　智聯(lián)萬(wàn)物：AI獨(dú)角獸「01萬(wàn)物」加速布局出海矩陣，“只做To C”的李開(kāi)復(fù)正逐步邁進(jìn)AI 2.0時(shí)代

　　APPSO：零一萬(wàn)物發(fā)布千億參數(shù)模型 Yi-Large，李開(kāi)復(fù)：中國(guó)大模型趕上美國(guó)，立志比肩 GPT-5

　　Z Finance：深度丨有頭有臉的AI獨(dú)角獸都在加緊出海，零一萬(wàn)物Yi-Large登陸全球頭部模型托管平臺(tái) Fireworks.ai

　　Z Finance：深度 | 超百億估值“新AI四小龍”誕生，零一萬(wàn)物掉隊(duì)，光年之外出局!

　　AI前線：零一萬(wàn)物發(fā)布Yi-VL多模態(tài)語(yǔ)言模型并開(kāi)源，測(cè)評(píng)僅次于GPT-4V