追求TC-PMF，零一萬物會成為AI First嗎？

　　立志比肩GPT-5的零一萬物，自Yi開源版本之后，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)威指令遵循評測集中，Yi-Large的表現(xiàn)均優(yōu)于國際前五大模型。

　　事實上在去年5月，零一萬物成立6個月后就發(fā)布了旗下首款中英雙語大模型Yi系列。并且從一開始，李開復就定下了一個宏偉且艱難的目標：「成為World's No.1」。

　　打一出生就是「當紅辣子雞」的零一萬物也依靠大廠背景團隊、優(yōu)異模型表現(xiàn)，達到了10億美元的估值。

　　在YI-Large的發(fā)布會上，李開復還宣布，零一萬物已啟動下一代Yi-XLarge MoE模型訓練，將沖擊GPT-5 的性能與創(chuàng)新性。

　　但作為AGI信徒的零一萬物，更多需要思考在追趕GPT-5的同時，不影響自身AGI的發(fā)展道路?

　　一、激烈的市場，零一萬物距離AGI有多遠?

　　在接受APPSO采訪時，李開復說：我們是務實的AGI信仰者，我們一定要用最少的芯片，最低的成本訓練出我們能訓練最好的模型。同時我們會不斷的去摸索，找TC-PMF。

　　據(jù)悉，目前零一萬物海外生產(chǎn)力應用總用戶接近千萬，今年ToC單一產(chǎn)品預計收入達1億元人民幣。

　　但這1億人民幣的單一產(chǎn)品應收，只能夠代表TC-PMF，而不能夠代表零一萬物已經(jīng)在AGI層面上實現(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，就是一個無所不能的、集各領域行業(yè)專家知識于一身的智能體，是一個能夠?qū)崿F(xiàn)幫助需求方完成一整套需求落地，并且在過程中具有適應性和主動型的通用人工智能。

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

　　但李開復也曾表示，零一萬物不會用純大力出奇跡的唯一思維，追求能不能用一百億美金，一千億美金實現(xiàn)大模型在場景中落地。

　　相對于行業(yè)內(nèi)不理性的ofo式流血燒錢打法，零一萬物更偏向于讓大模型能夠用健康良性的ROI蓄能長跑。

　　但零一萬物需要思考的是，即便通過找到TC-PMF來發(fā)展，就一定能夠做到距離AGI越來越近嗎?

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

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

　　原因是多方面且復雜的，但一個共同的特點是：它們正在以模塊化和低效的方式運行，并且缺乏深入的學習反饋和認知理論。

　　回過頭來看這幾年AI硬件的發(fā)展就會發(fā)現(xiàn)，實際上AGI在硬件方面的進程一直都在不斷突破當中，所以真正影響AGI的實現(xiàn)，并不是軟硬件出現(xiàn)的阻礙，最大的阻礙其實是足夠準確的發(fā)展項目，以及大量的資金支持。

　　“準確的發(fā)展項目”對于目前在弱模型發(fā)展上的零一萬物來說，或許也很難。而通過現(xiàn)有的開閉源大模型和一站式AI平臺萬知，來達到AGI并且實現(xiàn)TC-PMF其實更難。

　　因為就目前來看，可以做會議紀要、周報、寫作助手、速讀文檔、做PPT的一站式AI工作臺萬知，雖然定位于2C生產(chǎn)力工具，但在應用的過程中也更多是文本生成類大模型。

　　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。

　　無論是零一萬物亦或是其他的大模型玩家，似乎更多是致力于某一個狹義的人工智能中，以求能夠快速落地具體場景的大模型。

　　比方說零一萬物的Yi系列大模型，涉及AI寫作、AI 編程、醫(yī)療、消費3C、生化環(huán)材等多個領域。

　　但發(fā)展AGI的一個客觀標準是，在實現(xiàn)AGI的過程中，所做的AI工作，是否有明確定義的步驟或整體詳細計劃，很少有AI工作符合這一標準，包括零一萬物。

　　對于零一萬物，目前能看到的實際上零一萬物做大模型的核心方法論，比如在于�；�一體——模型與AI Infra并行開發(fā);模應一體——模型與應用并行開發(fā)。

　　二、AGI信徒，如何警惕“狹義AI陷阱”?

　　然而在基模一體化當中，零一萬物不僅自研AI Infra，還將AI Infra設立為重要方向，并且將模型團隊和AI Infra團隊高度共建，人數(shù)比為1比1。

　　當然，在對自身具有ROI要求的零一萬物來說，務實的戰(zhàn)術發(fā)展往往更穩(wěn)妥。同時注重人才的加入，或許有助于零一萬物更好的往AGI發(fā)展。

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

　　也就是從以統(tǒng)計學和強化學習為特征的大模型，轉(zhuǎn)變?yōu)橐宰灾�、實時學習、適應、高級推理為核心的大模型。

　　但急于通過萬知來驗證TC-PMF的零一萬物，又怎么能夠確定走應用層的路，更利于AGI的實現(xiàn)?

　　要知道，AI浪潮轉(zhuǎn)變的過程既簡單又復雜，簡單是整個轉(zhuǎn)變認知上的簡單，而復雜不僅僅是“調(diào)頭重來”從大模型發(fā)展基準上改變，還需要警惕“狹義AI陷阱”的出現(xiàn)。

　　“狹義AI陷阱”通俗來說就是，即使一切都順利朝著AGI預定義的目標發(fā)展——擁有良好的理論基礎和發(fā)展計劃，出色的開發(fā)團隊和雄厚資金，以及正確的目標基準、開發(fā)標準，但仍然存在著“狹義AI陷阱”的隱患。

　　因為整個市場對實現(xiàn)AGI迫切的想法，某種程度上也會導致大部分企業(yè)最終利用外部人類智慧來實現(xiàn)特定結(jié)果，或在給定基準上取得進展，而不是以一種將智慧(適應性、自治的問題解決能力)融入系統(tǒng)的方式來實現(xiàn)。

　　說白了，偏向于特定任務的大模型升級，與AGI所追求的適應型和主動性實際上是相違背的。

　　如果持續(xù)性通過特定任務強化學習，那么最終導致的結(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，目前零一萬物能夠?qū)崿F(xiàn)特定場景應用，解決特定問題的大模型，都統(tǒng)稱為狹義人工智能。

　　不過，零一萬物在多模態(tài)大模型上的成績是明顯的。

　　多模態(tài)大模型作為發(fā)展AGI的必經(jīng)之路，零一萬物多模態(tài)大模型Yi-VL-34B版本在MMMU測試集上，以41.6%的準確率超越了一系列多模態(tài)大模型，僅次于GPT-4V(55.7%)。

　　如果拋開與GPT的比較，41.6%的準確率對于多模態(tài)大模型來說，并不算突出。

　　要知道，信息的完整性、環(huán)境的適應性、交互的自然性、普遍性的應用都是多模態(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，來決定最終決策的質(zhì)量以及準確性。那么反過來也可以說，41.6%的準確率倒推是多模態(tài)大模型數(shù)據(jù)類型的有限性，導致系統(tǒng)在決策時，沒有考慮到更多的信息維度。

　　另外，零一萬物多模態(tài)團隊正在探索從頭開始進行多模態(tài)預訓練，以更快接近、超過 GPT-4V，達到世界第一梯隊水平。

　　GPT不僅僅是零一萬物最想要追趕的競爭對手，同樣也是上百家大模型企業(yè)想要超越的對手，但在AGI尚未出現(xiàn)雛形之時，零一萬物的目標視野應該是更廣闊的。

　　畢竟，在過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、訓練樣本量和算力躍升帶來的人工智能重大發(fā)展。

　　而海外更擅長通過不斷投入Scaling Law來提升模型參數(shù)量，國內(nèi)更多只能是一步一個腳印。

　　比如開發(fā)更具性價比的AI芯片、更節(jié)能的智能計算中心、AI模型加速技術，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)標注技術創(chuàng)新。

　　三、第三波AI浪潮的重點，或許是變現(xiàn)?

　　近兩年來，市場對模型性能提升的討論，無一不是集中在多模態(tài)大模型的訓練和算法改進上。對于初步的場景化落地，也無一不是免費。

　　或許，在融資有限的市場里，當下大模型公司的重點，除了尋找商業(yè)化落地之外，更注重大模型參數(shù)的增長，以期通過擴大想象空間來獲得更多融資的可能。

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

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

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

　　而國內(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安全和知識管理等場景;訊飛則試圖將大模型與自身硬件產(chǎn)品進行結(jié)合。

　　目前萬知AI助手雖然對用戶完全免費開放，但據(jù)悉，后續(xù)萬知會結(jié)合產(chǎn)品發(fā)展和用戶反饋推出收費模式。

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

　　接著進入搜索領域，然后是電商市場;之后進一步延伸至社交和短視頻領域;最終發(fā)展到O2O產(chǎn)品階段。

　　然而在國內(nèi)市場，C端用戶似乎并不缺生產(chǎn)力工具，也不缺娛樂社交類工具。開啟收費后的萬知，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，兩手抓的形式來看，大模型主要向B端收費，對C端收費的較少，且用戶付費意愿較低。

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

　　更何況，從Similar的數(shù)據(jù)看，5月份web端國內(nèi)訪問量最大的前三名AI產(chǎn)品，分別是Kimi、文心一言、通義千問，訪問量分別是2250萬、1780萬和800萬，而萬知則排名第十，訪問量僅32萬。

　　面向海外，零一萬物的成績或許很亮眼，但在國內(nèi)，不一定。

　　參考：

　　智聯(lián)萬物：AI獨角獸「01萬物」加速布局出海矩陣，“只做To C”的李開復正逐步邁進AI 2.0時代

　　APPSO：零一萬物發(fā)布千億參數(shù)模型 Yi-Large，李開復：中國大模型趕上美國，立志比肩 GPT-5

　　Z Finance：深度丨有頭有臉的AI獨角獸都在加緊出海，零一萬物Yi-Large登陸全球頭部模型托管平臺 Fireworks.ai

　　Z Finance：深度 | 超百億估值“新AI四小龍”誕生，零一萬物掉隊，光年之外出局!

　　AI前線：零一萬物發(fā)布Yi-VL多模態(tài)語言模型并開源，測評僅次于GPT-4V