在國(guó)內(nèi)科技創(chuàng)新的歷史上，從來(lái)沒(méi)有像大模型技術(shù)那樣，短短幾個(gè)月就建立起“科技界共識(shí)”。

我 1998 2008年進(jìn)入科技圈，見證了 PC 時(shí)代、互聯(lián)網(wǎng)時(shí)代和移動(dòng)互聯(lián)網(wǎng)時(shí)代的變化，從未見過(guò)如此迅速的“共識(shí)達(dá)成率”。以極客公園的企業(yè)家社區(qū)為例。 Founder Park 因?yàn)榇竽Ｐ皖I(lǐng)域的技術(shù)變化比較早，所以在短時(shí)間內(nèi)就受到了重視。 4 一個(gè)月的時(shí)間增加了 15 萬(wàn)關(guān)注者，社區(qū)成員已擴(kuò)大到七八千人。

就在昨天，第一批國(guó)產(chǎn)大模型通過(guò)備案點(diǎn)燃了大家的熱情。備案管理代表了大模型發(fā)展的寬松政策，這也意味著國(guó)內(nèi)大模型的商業(yè)化和產(chǎn)業(yè)化將真正開放。

但是，如果“共識(shí)”達(dá)成得太快，就會(huì)有一些令人擔(dān)憂的地方，因?yàn)檫@項(xiàng)技術(shù)還處于發(fā)展初期，不可能像“水銀瀉地”一樣落地到普遍領(lǐng)域。

客觀地說(shuō)，如果你認(rèn)為大模型技術(shù)已經(jīng)帶來(lái)了 AGI 黎明，那么我們應(yīng)該坦誠(chéng)地看到它真正的實(shí)用性，并成為生產(chǎn)力，現(xiàn)在我們開始探索。那些在一線創(chuàng)業(yè)公司經(jīng)歷過(guò)的人。 KnowHow 而且問(wèn)題，正是最值得聚集的星火燎原。

基于這一理念，阿里云聯(lián)合 Founder Park 邀請(qǐng)了 20 在杭州西溪濕地，多位中國(guó)大模型領(lǐng)域的模型層、工具層、網(wǎng)絡(luò)層等優(yōu)秀企業(yè)家進(jìn)行了面對(duì)面的閉門交流。

阿里云董事長(zhǎng)張勇也給這次閉門會(huì)取了個(gè)好名字——“西溪論道”。在這次近五個(gè)小時(shí)的閉門會(huì)上，張勇坐在我旁邊，參與了企業(yè)家的群聊。我看到他的筆記里全是幾頁(yè)。

8 月 23 號(hào)碼，西溪論道參與者合影

可見，阿里巴巴云作為計(jì)算率基礎(chǔ)設(shè)施層，應(yīng)該如何與這些方面連接和共同創(chuàng)造，如何支持各方面的企業(yè)家使用大模型，這是張勇最關(guān)心的話題。這說(shuō)明阿里巴巴云和國(guó)內(nèi)其他企業(yè)的態(tài)度完全不同，如何促進(jìn)大模型生態(tài)繁榮是阿里巴巴云最關(guān)心的事情。

這些是中國(guó)大型模型領(lǐng)域最積極、最活躍的力量。從下午2點(diǎn)到晚上9點(diǎn)，他們從行業(yè)的很多方面進(jìn)行了立體的交流和沖擊，也從各自的最新實(shí)踐中談到了很多有洞察力的觀點(diǎn)。根據(jù)他們的說(shuō)法，我們?cè)谶@里一起討論，聽到了很多真相和“真誠(chéng)”。

在這篇文章中，我整理了一些令人印象深刻的要點(diǎn)，并與大家分享。

注重大模型，更要注意大模型。 infra

現(xiàn)在世界上任何地方，做大型模型，除了人才，最稀缺的資源就是 GPU。

百川智能創(chuàng)始人&CEO 王小川和朋友們分享了他去硅谷的事情，英偉達(dá)一年了。 GPU 出貨量在 100 萬(wàn)顆，但 OpenAI 說(shuō)要設(shè)計(jì) 1000 萬(wàn)顆 GPU 連接在一起的超算。

因此 GPU 到底有多少算夠了，有限的算率有解嗎？

創(chuàng)新工場(chǎng)董事長(zhǎng)、零一萬(wàn)物創(chuàng)始人李開復(fù)表示，盡管數(shù)千萬(wàn)張張 GPU 天方夜談，但“大力創(chuàng)造奇跡”的暴力美學(xué)是有背景的。加強(qiáng)鼻祖的學(xué)習(xí) Richard Sutton 在《The Bitter Lesson》(《痛苦的教訓(xùn)》)提到：在過(guò)去的70年里， AI 在里面放一點(diǎn)知識(shí)，想要增加一點(diǎn)能力，想要調(diào)整模型架構(gòu)，最后發(fā)現(xiàn)幾乎沒(méi)有價(jià)值。在過(guò)去的70年里，唯一的推動(dòng) AI 前進(jìn)的力量，是一種通用且可擴(kuò)展的計(jì)算能力。增強(qiáng)了計(jì)算能力，相應(yīng)地促進(jìn)了算法，促進(jìn)了數(shù)據(jù)的進(jìn)步，這是大力創(chuàng)造奇跡的背景。

所以，在這波大模型浪潮中跑出來(lái)的企業(yè)，首先要有算率，選擇幾個(gè)人、幾十張卡的“稟賦”，或者調(diào)用集中的大模型，可能更務(wù)實(shí)。

“當(dāng)計(jì)算率相對(duì)足夠的時(shí)候，在這個(gè)前提下，我們可以充分利用計(jì)算率，做出很多今天只使用開源，只調(diào)整。 Llama2（Meta 大語(yǔ)言模型)做不到的東西。前有 OpenAI 不惜任何代價(jià)開設(shè)模型新標(biāo)桿，之后有 Meta 開源為大家鋪平了道路，這是李開復(fù)對(duì)大模型公司新目標(biāo)和新實(shí)踐的探索，在動(dòng)蕩不安、高度不確定的大模型創(chuàng)業(yè)環(huán)境中。

什么是這款游戲？如何讓一塊 GPU 發(fā)揮兩塊，甚至三塊的能力？這一問(wèn)題可能需要更多地關(guān)注團(tuán)隊(duì)的構(gòu)成。李開復(fù)認(rèn)為，Infra(硬件底層)團(tuán)隊(duì)必須比較 Modelling(模型)團(tuán)隊(duì)也更加強(qiáng)大。他說(shuō)大家很快就會(huì)發(fā)現(xiàn)，做過(guò)大模型。 Infra 人比做大模型的人更貴，更稀缺；而且可以做到 Scaling Law(擴(kuò)展規(guī)律，模型能力隨著訓(xùn)練計(jì)算量的增加而提高)的人會(huì)比較大模型。 Infra 人們更加稀缺。

由于出色的 Scaling 團(tuán)隊(duì)可以避免徒勞的練習(xí)。作為一種訓(xùn)練，他們很有可能會(huì)成功。一旦失敗，他們也有能力立即停下來(lái)，并且有足夠的數(shù)學(xué)能力去做。此外，還有很多微妙的細(xì)節(jié)和經(jīng)驗(yàn)。比如讀完論文，你會(huì)少走很多彎路，因?yàn)橛行┱撐氖枪室鈱懗鰺o(wú)效的東西，不會(huì)讀很容易偏頗。

事實(shí)上，客觀地看，GPU 這個(gè)問(wèn)題的短缺不僅是中國(guó)企業(yè)家的問(wèn)題，也是全世界企業(yè)家的問(wèn)題。因此，如何做好有限的計(jì)算率將成為大型公司競(jìng)爭(zhēng)的關(guān)鍵。

對(duì)此，李開復(fù)提出了一個(gè)明確的看法：大型團(tuán)隊(duì)的每個(gè)位置都需要人才，Pre Train（預(yù)訓(xùn)練）、Post Train（訓(xùn)練后）、Multi-Modal(多模態(tài))，Scaling Up(可擴(kuò)展性)，Inference(推理)等都有其重要性。其中，Infra 這個(gè)團(tuán)隊(duì)的人才比較稀缺，需要更多的關(guān)注。

事實(shí)上，除了企業(yè)家自己對(duì)大模型有更深入的了解之外，他們還需要更多維度的技術(shù)創(chuàng)新，比如一個(gè)現(xiàn)場(chǎng)。 infra 層層企業(yè)家，墨芯創(chuàng)始人&CEO 在計(jì)算中，王維分享了一個(gè)解決方案——稀疏計(jì)算。使我看到了云端和終端 AI 通過(guò)優(yōu)化計(jì)算模式，芯片加速方案可以全面稀疏神經(jīng)網(wǎng)絡(luò)開發(fā)，提供超高計(jì)算能力和超低功耗的通用性。 AI 計(jì)算平臺(tái)的概率。

ChatGPT 點(diǎn)燃熱情，Llama2 讓人腳踏實(shí)地

假如說(shuō) ChatGPT 點(diǎn)燃了許多企業(yè)家的熱情，那么Meta 開源的 LLaMA和 LIama2讓絕大多數(shù)企業(yè)家在基礎(chǔ)模型的起跑線上“眾生平等”。然而，根據(jù)自身的資源優(yōu)勢(shì)和能力結(jié)構(gòu)，企業(yè)家在未來(lái)的發(fā)展方向上顯然有不同的使命和愿景。

對(duì)仍然選擇做底座大模型的企業(yè)家來(lái)說(shuō)，開源的底座只是起點(diǎn)。盡管在和和和，李開復(fù)指出 GPT-3、GPT-3.5 等 SOTA（state of the art，在各種模型評(píng)價(jià)中，Llama2 差別不大?？梢詫?shí)際使用，今天， Llama2 的能力跟 GPT-4，以及 Bard下一個(gè)版本(谷歌的大語(yǔ)言模型)，差別很大。

這似乎也給了大模型公司騰出了一些空間。未來(lái)，“真有錢”、“真有能力”的大模型企業(yè)家將有機(jī)會(huì)轉(zhuǎn)化為一個(gè) New Bard 或是 New GPT-4 的打法。

另外一方面，許多企業(yè)家表示，Meta “今天，開源給業(yè)界帶來(lái)了極大的印象，” xxx 也許是中國(guó)最好的模式，但是明天它可能會(huì)被超越。甚至有一天，你會(huì)發(fā)現(xiàn)你原來(lái)練習(xí)的模型幾乎沒(méi)有用。當(dāng)技術(shù)替代或更強(qiáng)的開源模型出現(xiàn)時(shí)，過(guò)去的投資可能會(huì)完全“浪費(fèi)水”。比如開源模型在預(yù)訓(xùn)練中看到了1萬(wàn)億英語(yǔ)。 Token，您自己的模型必須再看一遍，也許毫無(wú)價(jià)值。"出去問(wèn)創(chuàng)始人&CEO 李志飛認(rèn)為，要充分看清開源帶來(lái)的深刻影響。

他說(shuō)：“雖然每個(gè)人都有偉大的理想和抱負(fù)，但這取決于他們是否有足夠的資金來(lái)支持那一天。所以要腳踏實(shí)地，活著也許比什么都重要?！睘懼劭萍?CEO 周明也認(rèn)為，很多原本想做“最好的大模型”的公司，其實(shí)需要重新思考創(chuàng)業(yè)的生態(tài)位置，選擇擁抱開源，在開源的底座上做“為自己所用”的事情。舉例來(lái)說(shuō)，英語(yǔ)開源模型在中文能力方面較弱，并未在行業(yè)場(chǎng)景、信息等方面進(jìn)行打磨，這恰好是創(chuàng)業(yè)團(tuán)隊(duì)的機(jī)會(huì)。

此時(shí)，瀾舟科技將開源模型當(dāng)作開源模型。 L0 底座，在這上面，做 L1 語(yǔ)言模型，L2 產(chǎn)業(yè)模型，L3 場(chǎng)景模型。周明覺(jué)得，這樣一層一層做好，通過(guò)客戶跟客戶走。 AI Agents(代理)通過(guò)互動(dòng)獲得反饋，模型一點(diǎn)一點(diǎn)的迭代，會(huì)慢慢建立堡壘。即使未來(lái)出現(xiàn)更好的開源模型，也有辦法在此基礎(chǔ)上重新訓(xùn)練或繼續(xù)迭代。"開源模型"節(jié)節(jié)攀升"，你會(huì)隨著比你優(yōu)秀的人的發(fā)展而成長(zhǎng)?！?/span>

使用好的開源模型，也是一個(gè)堡壘和門檻。這可能和很多人想象的不一樣。甚至有人可能會(huì)問(wèn)，基于開源模型還是大模型嗎？另一方面，很多企業(yè)也避免談?wù)撌褂瞄_源模型的話題。

事實(shí)上，基于開源模型，后續(xù)投資門檻并不低，能力要求也不低。使用開源只能有效降低冷啟動(dòng)成本，對(duì)企業(yè)家來(lái)說(shuō)并不可恥。舉例來(lái)說(shuō)，李志飛分析說(shuō)，一個(gè)開源模型可能已經(jīng)看到了。 1 萬(wàn)億 Token 數(shù)據(jù)，幫助您節(jié)省數(shù)百萬(wàn)美元，模型制造商需要再次向下訓(xùn)練模型。最終要做到模型 State of the art（SOTA，指的是領(lǐng)先的大模型)的水平。每一步都不能少于數(shù)據(jù)清洗、預(yù)訓(xùn)練、微調(diào)和學(xué)習(xí)。每年的計(jì)算率可能是1000萬(wàn)美元，不一定一下子就沒(méi)有門檻，更不用說(shuō)使用開源模型了。

從這個(gè)角度來(lái)看，開源模型是更務(wù)實(shí)的選擇，但也是提升和訓(xùn)練實(shí)用模型的真本事?；陂_源，我們有機(jī)會(huì)做出一個(gè)好的大模型。核心是擁有相對(duì)領(lǐng)先的認(rèn)知和持續(xù)迭代模型的能力。

大模型 ToB 現(xiàn)狀與實(shí)踐

模型化能力的提升是一方面，落入客戶場(chǎng)景，另一方面。

從顧客的角度來(lái)看，大模型、“大”并不是唯一的追求，甚至完全不一定是顧客想要的。

一些企業(yè)家分享了一個(gè)特別現(xiàn)實(shí)的用戶場(chǎng)景：真正跟隨 B 客戶談話，客戶只需要語(yǔ)言邏輯，多輪對(duì)話，一定的推理能力，其他的 AGI(通用人工智能)不需要任何能力。

顧客告訴他，其他功能反而帶來(lái)了麻煩，“幻覺(jué)”（Hallucination）這個(gè)問(wèn)題無(wú)法解決，而且顧客本來(lái)就有很多 AI 1.0 模型，原本用得很好，為什么要丟掉不用，AI2.0 無(wú)需覆蓋 1.0 能力，能夠合理調(diào)用就好。這也解釋了為什么在國(guó)內(nèi)外？ RPA 大模型的引入是領(lǐng)域最積極的。來(lái)也科技創(chuàng)始人&CEO 汪冠春今年在國(guó)內(nèi)市場(chǎng)也證實(shí)了客戶在這方面有明確的需求。

在這種情況下，只要你清楚地理解自然語(yǔ)言，并調(diào)用參數(shù)。 AI 1.0 模型和外部數(shù)據(jù)庫(kù)，結(jié)果是可靠的，成本也比較低，最后用大模型將結(jié)果組裝起來(lái)，形成一份報(bào)告。這里的模型起到了任務(wù)分配的作用：分為子任務(wù)，每個(gè)子任務(wù)調(diào)用什么。在子任務(wù)中，有些大模型支持，有些是原來(lái)的統(tǒng)計(jì)模型，有些甚至不是自己的，而是第三方模型?？蛻糇罱K想要的只要能達(dá)到目標(biāo)。

試著找到這個(gè) PMF（Product Market Fit，在產(chǎn)品市場(chǎng)匹配之后，如果只是這樣做的話 To B，它的模型能力包括語(yǔ)言邏輯、多輪對(duì)話和少量推理。這個(gè)模型不需要太多，100。 億到 1000 十億的模型，相對(duì)來(lái)說(shuō)就夠了。相應(yīng)地，要在數(shù)百?gòu)埧ㄆ幕A(chǔ)上，做好語(yǔ)言邏輯、多輪對(duì)話，并具備一定的推理能力，再加上 AI Agents，基本上可以滿足用戶在很多場(chǎng)景中的需求。

一種通用的大模式，并不意味著所有的問(wèn)題都能得到解決。B 客戶的很多場(chǎng)景，一般的大模型都沒(méi)有效果。這意味著需要越來(lái)越多的模型和越來(lái)越多可收斂的場(chǎng)景，也意味著需要更多的力量來(lái)幫助技術(shù)和場(chǎng)景的對(duì)齊，而不是適應(yīng)所有場(chǎng)景的萬(wàn)能技術(shù)。

瀾舟科技 CEO 周明認(rèn)為，在模型中繼續(xù)訓(xùn)練用戶信息、行業(yè)數(shù)據(jù)，甚至地圖或規(guī)則是行業(yè)大模型存在的重要性。在通用大模型無(wú)法覆蓋的部分行業(yè)，加入這樣的數(shù)據(jù)可以很好的解決行業(yè)問(wèn)題，克服很多幻想問(wèn)題。

記得李志飛也補(bǔ)充了這個(gè)角度，他認(rèn)為，通用大模型和豎直大模型，各盡其用，魚和熊掌不可兼得。這個(gè)模型很大，意味著推理成本很高。而且，一個(gè)做ic設(shè)計(jì)的大模型，去回答電影、明星等娛樂(lè)內(nèi)容，也是毫無(wú)意義的。他認(rèn)為，To B更多的是垂直和可靠，而通用在于智力，具有很強(qiáng)的推理能力，邏輯能力，知識(shí)豐富。這不一定是 To B 現(xiàn)階段需要的。

同時(shí)，國(guó)內(nèi)各行各業(yè)對(duì)于在業(yè)務(wù)中加入大型模型的需求也十分強(qiáng)烈。藍(lán)湖創(chuàng)始人&CEO 任洋輝，和 Moka 創(chuàng)始人&CEO 這兩個(gè)家庭，李國(guó)興 SaaS 企業(yè)商品接入大模型后，已得到客戶的認(rèn)可，真正收到了錢。

通過(guò)從這兩個(gè)企業(yè)家身上走出來(lái) 2、3 月份到 7、8 對(duì)月份狀態(tài)變化的分析，我發(fā)現(xiàn)了SaaS 在這個(gè)領(lǐng)域，我們?cè)皆缈吹酱竽Ｐ蛶?lái)的技術(shù)變化是“重新定義軟件”的水平，我們就越敢用“死而生”的思維去實(shí)踐這個(gè)“重新定義”的過(guò)程?；旧蠋讉€(gè)月就會(huì)擺脫焦慮，讓人看到希望。

因此，手握客戶和場(chǎng)景的企業(yè)家，可能會(huì)成為那些大型企業(yè)家，成為更早獲得技術(shù)紅利的受益者。

因?yàn)槁淙肓颂囟ǖ膱?chǎng)景，大模型實(shí)際上會(huì)有不同的追求。比如華深智藥創(chuàng)始人&CEO 彭健說(shuō)，大模型帶來(lái)的幻像（Hallucination）這樣的藥物設(shè)計(jì) AI for Science 這個(gè)領(lǐng)域可能是有益的，在某種程度上，所謂的幻覺(jué)在某些領(lǐng)域就是智力的意義所在，因?yàn)樗梢詭椭O(shè)計(jì)出意想不到的蛋白質(zhì)組合方案。

如同智譜 AI 它是我國(guó)大型落地案例中跑得最快的一個(gè)， CSO 在實(shí)踐中，張闊認(rèn)為，對(duì)于未來(lái)大模型的價(jià)值，“20% 也許是中心化，80% 這將是非中心化的”，換句話說(shuō)，用更豐富、更多類型的大模型在客戶場(chǎng)景中產(chǎn)生價(jià)值，而不僅僅是解決所有問(wèn)題的大模型的無(wú)限泛化能力，這是必然趨勢(shì)。這也得到了很多一起交流的企業(yè)家的認(rèn)可。

AGI 值得犧牲，但也不要“玩命”

大模型是 AI 這是一個(gè)分界點(diǎn)。過(guò)去，人工智能在一個(gè)封閉的系統(tǒng)中追求確定的目標(biāo)。例如，人臉識(shí)別系統(tǒng)追求100%的準(zhǔn)確性，但現(xiàn)在，大模型帶來(lái)的“出現(xiàn)”是一種開放的智能，產(chǎn)生了各種概率。這是智能的真正特征，也是60年或70年來(lái)人工智能最大的變化。

在這樣一個(gè)新的智能系統(tǒng)出現(xiàn)之后，未來(lái)每個(gè)人都可以像電力革命一樣方便、低成本地獲得智商。

智源人工智能研究院院長(zhǎng)黃鐵軍認(rèn)為，從大廠到創(chuàng)業(yè)公司，這種技術(shù)變化迅速傳遞下去，這是新時(shí)代的開始。在這個(gè)時(shí)代什么都不做，好像對(duì)不起這個(gè)時(shí)代和技術(shù)的發(fā)展。

而 4 月底的百川智能被認(rèn)為是目前我國(guó)最“卷”的大模型之一，維持平均水平。 28 天發(fā)模型節(jié)奏，百川智能創(chuàng)始人&CEO 雖然王小川不承認(rèn)自己在“卷”，但他分享了快速落地的方法:比如搜索技術(shù)積累的團(tuán)隊(duì)，對(duì)數(shù)據(jù)處理有很大幫助。并引入搜索增強(qiáng)，增強(qiáng)學(xué)習(xí)，以及其他配套的全棧技術(shù)，的確能幫助模型做得更好?！叭绻憧纯船F(xiàn)在技術(shù)公司的高層背景，你會(huì)發(fā)現(xiàn)很多技術(shù)做得好的人都有搜索背景，這反映了一些技術(shù)思路正在逐漸被看到?！?/span>

然而，黃鐵軍認(rèn)為，從科學(xué)研究的角度來(lái)看，我們?nèi)匀恢皇沁M(jìn)入一個(gè)偉大時(shí)代的早期階段。如果我們比較電力時(shí)代，今天這樣的智商時(shí)代實(shí)際上是法拉第發(fā)電機(jī)的時(shí)候。一旦轉(zhuǎn)動(dòng)，電流就產(chǎn)生了?，F(xiàn)在是用大數(shù)據(jù)訓(xùn)練智力的階段。我們還需要一個(gè)人——麥克斯韋。由于電磁學(xué)的建立，電力開始在人類社會(huì)可靠可用，促進(jìn)工業(yè)革命的前提是電力。

今日的大模型還有許多東西是黑匣子，另一方面，大模型的“上限”也有很大的提升空間，AIGC 許多時(shí)候可以帶來(lái)巨大的驚喜，另一方面，大模型的“下限”仍然不能保持足夠穩(wěn)定。，在這個(gè)時(shí)候，有必要了解技術(shù)的邊界，合理地設(shè)定目標(biāo)，解決問(wèn)題。有些人要處理上限的探索，有些人要處理下限的穩(wěn)定。

對(duì)于企業(yè)家來(lái)說(shuō)，AGI(通用人工智能)曙光已經(jīng)出現(xiàn)，這是一個(gè)值得投身的職業(yè)，但也不要“玩命”。

另外，除了等待大模型技術(shù)進(jìn)一步發(fā)展之外，很多中間層的企業(yè)家都在改善讓大模型落地到應(yīng)用的環(huán)境。

BentoML 亞太區(qū)負(fù)責(zé)人劉聰表示，與之前的傳統(tǒng)機(jī)器學(xué)習(xí)相比，海外客戶基本上可以獲得一些預(yù)算來(lái)制造與大模型相關(guān)的產(chǎn)品原型或產(chǎn)品。 Demo。但是現(xiàn)在還沒(méi)有進(jìn)入工作環(huán)境，為公司創(chuàng)造商業(yè)價(jià)值，而且很多做中層的企業(yè)家都看到了這個(gè)機(jī)會(huì)。

Dify.ai 創(chuàng)始人&CEO 張路宇對(duì)創(chuàng)業(yè)的洞察也源于此，他表示，從開發(fā)者的角度來(lái)看，獲得模型是不夠的。他分享了一個(gè)數(shù)據(jù)。在分析了6萬(wàn)多個(gè)使用的樣本后，他發(fā)現(xiàn)現(xiàn)在生產(chǎn)或接近生產(chǎn)。這個(gè)比例幾乎是 5%。有些人對(duì)模型技術(shù)不太滿意，有些人還沒(méi)有適應(yīng)團(tuán)隊(duì)工作流程。 AI 應(yīng)用開發(fā)。相應(yīng)地，張路宇團(tuán)隊(duì)針對(duì)當(dāng)今投產(chǎn)概率較高的應(yīng)用，做了一些關(guān)鍵能力。舉例來(lái)說(shuō)，他們有一個(gè)指標(biāo)，就是改善客戶的摩擦程度。 AI 這個(gè)問(wèn)題能提供多少價(jià)值，提供相應(yīng)的能力。

Zilliz 創(chuàng)始人&CEO 從這個(gè)角度來(lái)看，星爵認(rèn)為一個(gè)極其簡(jiǎn)單的開發(fā)棧是AI民主的前提?；谶@個(gè)判斷，他提出了 CVP（大模型 向量數(shù)據(jù)庫(kù) 提示工程)這種開發(fā)棧。

怎樣通往 AI native？

什么叫 AI 時(shí)代的 Killer App(殺手級(jí)應(yīng)用)，今年 3 月微軟發(fā)布 Copilot 那時(shí)，很多人的好奇心被瞬間點(diǎn)燃。但是在這次閉門會(huì)上，李開復(fù)提出了不同的觀點(diǎn)，Copilot 不算是 all in 大型商品。

在他看來(lái)，放棄移動(dòng)互聯(lián)網(wǎng)最成功的產(chǎn)品之一微信 compatibility(兼容性)非常重要。最早的工作是 MSN、QQ，不過(guò)勝出的是微信，因?yàn)閺埿↓堊隽藳Q定，既然是移動(dòng)互聯(lián)網(wǎng)時(shí)代，就不要了， PC 當(dāng)初微信專注于移動(dòng)互聯(lián)網(wǎng)的特點(diǎn)，100%下注于新技術(shù)平臺(tái)。

從這個(gè)角度來(lái)看，AI native（AI 原生應(yīng)用程序可能有這樣一個(gè)特點(diǎn):如果大型模型被移除，應(yīng)用程序?qū)?huì)崩潰。這是一個(gè)完全依賴大型模型能力的應(yīng)用程序。但是去掉 Copilot，Office 軟件還是 Office，AI 只是錦上添花。

這種觀點(diǎn)得到了現(xiàn)場(chǎng)企業(yè)家最多的認(rèn)可，也引發(fā)了大家對(duì)此的定義， AI native 應(yīng)用的討論。

前不久流行的商品妙鴨，其產(chǎn)品負(fù)責(zé)人張?jiān)鹿庹J(rèn)為，沒(méi)有大模型，就沒(méi)有妙鴨，這與李開復(fù)對(duì)。 AI first，AI native 探索是一致的。

他認(rèn)為，妙鴨作為第一個(gè)應(yīng)用，最重要的是解決可控性。妙鴨團(tuán)隊(duì)一開始并不想做底層模型，而是更注重如何利用現(xiàn)有生態(tài)開源愛好者開發(fā)的各種插件和小模型進(jìn)行可控制。最重要的是可控性。妙鴨將照片質(zhì)量平均分配 90 分?jǐn)?shù)以上，也迎來(lái)了快速的成功。

他說(shuō)：“我們特別關(guān)注網(wǎng)絡(luò)層如何使模型更加可控，發(fā)現(xiàn)在圖像跑道上，已經(jīng)有了一些相對(duì)可控的技術(shù)。也許在語(yǔ)言跑道上，如果出現(xiàn)這種情況，對(duì)于上層應(yīng)用創(chuàng)業(yè)者來(lái)說(shuō)，將是一個(gè)質(zhì)變的時(shí)刻。張?jiān)鹿獾膶?shí)踐給使用大模型的企業(yè)帶來(lái)了一些啟發(fā)，可控性可能是 AI native 應(yīng)用誕生條件。Stability. AI China Lead 在開源社區(qū)推動(dòng)者處理可控性之后，鄭屹州也觀察到了這一趨勢(shì)，并出現(xiàn)了大量的應(yīng)用。

元石科技創(chuàng)始人李巖在實(shí)踐新一代應(yīng)用方面指出，大型模型所帶來(lái)的推理能力，是新一代商品的本質(zhì)差異。

而社交 Agent 這是一個(gè)被看好的機(jī)會(huì)，而且肯定會(huì)是第一批。 AI native 商品，但是這很可能要求創(chuàng)業(yè)者具備從大模型到產(chǎn)品“端到端”的構(gòu)建能力。舉例來(lái)說(shuō)，李志飛分享和分享。 Character.ai 當(dāng)討論后者為什么要做自己的大模型時(shí)，對(duì)方說(shuō)他們不會(huì)回答“調(diào)情”的問(wèn)題，因?yàn)樗麄儾粫?huì)回答像OpenAI或谷歌這樣的集中大模型。這是 Character.ai 尋找獨(dú)特的空間，也是可以逐步積累的堡壘。

在社交模式的應(yīng)用中，同一領(lǐng)域的傾心智能發(fā)現(xiàn)了獨(dú)特的場(chǎng)景。傾心智能 CEO 張逸嘉分享了他們看到的和預(yù)期的區(qū)別。如今，大模型可以落地的社交場(chǎng)景不是陪伴。每個(gè)人都需要時(shí)間來(lái)接受虛擬形象的陪伴?，F(xiàn)在落地的社交場(chǎng)景是角色扮演，用戶畫像是網(wǎng)絡(luò)小說(shuō)的粉絲，角色扮演是網(wǎng)絡(luò)小說(shuō)的新方式。

對(duì)今天最新的一個(gè) AI Agent 大模式是否“全村希望”，甚至最終帶來(lái)交互革命、終端革命、商業(yè)模式革命，很可能取決于多模式能力的發(fā)展。

思想宇宙創(chuàng)始人&CEO 陶芳波解釋說(shuō)，起初，每個(gè)人都對(duì) Agent 期望值很高，但是在現(xiàn)有的技術(shù)環(huán)境中發(fā)現(xiàn)，Agent 如何比 ChatGPT 解決了更多的問(wèn)題，難以解釋。他認(rèn)為，如果真的要的話 Agent 發(fā)揮作用，不要把那么多軟件放在軟件上 API 給予，因?yàn)檫B接軟件， API 本質(zhì)上是做兼容，是新瓶裝的舊酒。

Agent 有沒(méi)有更多的東西？ Native 以形式完成最后一英里。有很多事情要做，數(shù)字栩生創(chuàng)始人&CEO 宋震所說(shuō)的空間感知能力和多模態(tài)能力。當(dāng)這些條件成熟后，可能會(huì)出現(xiàn) Killer Case。

李志飛堅(jiān)定地認(rèn)為，現(xiàn)在看來(lái)，多模態(tài)是 C 位置，不是花瓶。因?yàn)锳gent 輸入和輸出都取決于多模態(tài)的能力，沒(méi)有多模態(tài)就沒(méi)有多模態(tài)。 Agent，只是今天的 Agent 更多的是通過(guò)語(yǔ)言模型，通過(guò)文本原始反饋，但最終還是 Agent 這將是一個(gè)多模式的分析、感知和行動(dòng)。他預(yù)測(cè)，跨模式知識(shí)的遷移，再過(guò)兩三年，將是大語(yǔ)言模型最大的貢獻(xiàn)。

大型時(shí)代，服務(wù)大 B 還是小 B

幾個(gè)月前，我正好趕上舊金山的數(shù)據(jù)公司。 Databricks 開發(fā)者大會(huì)。這是一家專門從事“數(shù)據(jù)湖”的數(shù)據(jù)平臺(tái)公司，可以算是一家在云計(jì)算平臺(tái)上成長(zhǎng)起來(lái)的“中間層”企業(yè)。就是這樣一家企業(yè)，估值幾年就達(dá)到了幾百億美元，而且還在持續(xù)增長(zhǎng)。Databricks 既有大型企業(yè)，也有小型創(chuàng)業(yè)公司，大小通吃。

今年，該公司迅速訪問(wèn)了大型模型，并收購(gòu)了大型模型公司。 Mosaic ML，開始幫助客戶落地大模型進(jìn)入業(yè)務(wù)，這個(gè)風(fēng)口讓它看到了一路狂奔千億美元的價(jià)值。

當(dāng)時(shí)我很好奇，為什么這樣一個(gè)基于云計(jì)算的“中間層”企業(yè)在中國(guó)似乎沒(méi)有成長(zhǎng)起來(lái)，而這波浪潮 AI 技術(shù)進(jìn)步的變量能否在中國(guó)催生出這樣一批將云計(jì)算率轉(zhuǎn)化為商業(yè)競(jìng)爭(zhēng)力，為更多行業(yè)帶來(lái)數(shù)字化進(jìn)步的“中層”知名企業(yè)？

阿里巴巴云董事長(zhǎng)張勇認(rèn)為，“中層”企業(yè)的出現(xiàn)肯定是可能的，云計(jì)算企業(yè)樂(lè)于看到。但這些公司需要解決的仍然是一個(gè)關(guān)鍵問(wèn)題?！?strong>定義清楚要解決誰(shuí)的問(wèn)題，定義越清晰，能力越到位，所做的事情就能真正“收斂”，真正具有商業(yè)“穿透力”。

同時(shí)也引起了企業(yè)家的討論，比如大型技術(shù)剛剛開始進(jìn)入行業(yè)，但是企業(yè)服務(wù)“不收斂”、項(xiàng)目化問(wèn)題開始出現(xiàn)。例如給 B 終端用戶進(jìn)行大模型培訓(xùn)，但由于信息是對(duì)方的，他們的團(tuán)隊(duì)很難“閉環(huán)”——數(shù)據(jù)沒(méi)有飛輪，收入和毛利都很低。他們不小心成了“高科技施工隊(duì)”，技術(shù)公司面對(duì)面。 B 端一個(gè)通病。一些企業(yè)家甚至開始懷疑大模型。 To B 土壤可能天生缺乏。

但是加入企業(yè)家群聊一直在做筆記的張勇，正是在這里非常系統(tǒng)地表達(dá)了不同的觀點(diǎn)：“To B 事實(shí)上，還有一種可能，那就是“小” B"，即那些中小企業(yè)，他們看起來(lái)不起眼，但數(shù)量眾多，僅僅為他們服務(wù)，就能造就現(xiàn)在的互聯(lián)網(wǎng)大佬。"

比如阿里早期的“黃頁(yè)”，讓中小賣家被外國(guó)客戶看到，帶來(lái)了跨境貿(mào)易的繁榮；淘寶解決了信息和物流的流通問(wèn)題，創(chuàng)造了電子商務(wù)的大類。

并且，與大企業(yè)相比，這些小企業(yè) B 公司不關(guān)心技術(shù)和愿景，誰(shuí)能幫助他們解決成長(zhǎng)問(wèn)題，就會(huì)為此付出代價(jià)。

目前大公司數(shù)據(jù)化的主要目的之一是“降低成本”，歸根結(jié)底是“節(jié)流”。然而，效率提升的空間總是有盡頭的，但增長(zhǎng)和發(fā)展的“開源”空間相對(duì)無(wú)限。張勇認(rèn)為，公司服務(wù)中的“開源”遠(yuǎn)比“節(jié)流”重要，每個(gè)人都愿意為發(fā)展買單。

他甚至認(rèn)為，過(guò)去數(shù)字企業(yè)服務(wù)過(guò)于重視“降低成本”可能是一種誤解，因?yàn)橥ǔＪ谴笃髽I(yè)愿意為提高百分之幾的效率付費(fèi)，而且體積大，符合投入產(chǎn)出率。然后讓大家圍繞大企業(yè)做項(xiàng)目。另一方面，小企業(yè)很難通過(guò)“降低成本”來(lái)啟動(dòng)自己的需求，他們想要的是成長(zhǎng)和發(fā)展的能力。

其實(shí)，小 B 顧客也有一個(gè)雙重的特點(diǎn)，那就是如果使用“訂閱”的方法，那么它實(shí)際上可以被視為“C 端用戶”。

此時(shí)張勇的觀點(diǎn)也得到了與會(huì)企業(yè)家的認(rèn)可，比如出去問(wèn)問(wèn)題的李志飛曾經(jīng)在語(yǔ)音識(shí)別領(lǐng)域做過(guò)。 To B 生意，被同行卷得很痛苦。后來(lái)他做了什么。 AI 配音工具“魔音工作坊”，服務(wù)內(nèi)容創(chuàng)作者，收斂到真正解決小問(wèn)題。 B 一般問(wèn)題商品，這些“小” B相反，讓他真正把它放在一邊 AI 技術(shù)已經(jīng)成為健康成長(zhǎng)的業(yè)務(wù)。

張勇還建議創(chuàng)業(yè)公司需要從一開始就明確自己想要服務(wù)的用戶， C 還是 B，是小 B 還是大 B，一定要定義好。張勇甚至認(rèn)為， AI 如果既做了企業(yè) To 大 B 又做 To 小 B 甚至 To C 這是行不通的。

盡管 AI 技術(shù)的發(fā)展帶來(lái)了許多變化，將會(huì)越來(lái)越具有通用性，但在技術(shù)層面之外，還有組織“DNA “問(wèn)題”，“在你的公司做大客戶和互聯(lián)網(wǎng)用戶的團(tuán)隊(duì)，工作的著裝和說(shuō)話方式可能會(huì)有所不同?！睆堄抡J(rèn)為他應(yīng)該定義他服務(wù)誰(shuí)，處理什么問(wèn)題，而不是去任何地方。

大型模型對(duì)云意味著什么？

幾年前的最后一波 AI 在浪潮中，很多創(chuàng)業(yè)公司也獲得了大量的融資，出現(xiàn)了很多知名公司和企業(yè)家，但幾年后，他們?nèi)匀慌ぷ?。我一直和很多企業(yè)家保持溝通，很多次約好聊天，看到他們看起來(lái)很累，嗓子嘶啞。當(dāng)我問(wèn)的時(shí)候，我通常會(huì)在前一天和一個(gè)大客戶一起喝酒，但是我沒(méi)有恢復(fù)。

這一次，很多企業(yè)家也目睹了“高級(jí)人力外包”和“高科技施工隊(duì)”，因?yàn)榧夹g(shù)無(wú)法形成標(biāo)準(zhǔn)化產(chǎn)品，只能接手項(xiàng)目。他們都認(rèn)為我們不能再犯錯(cuò)了。

同時(shí)，大家也很關(guān)心阿里云這樣的云計(jì)算平臺(tái)在模型時(shí)代會(huì)面臨什么變化。大家也問(wèn)張勇，在模型時(shí)代，他覺(jué)得云本身是技術(shù)還是商品？

“云本身應(yīng)該是一種商品，而不是一種商品，而是一系列的商品，”張勇的回應(yīng)非常直接?！痹谀Ｐ秃?AI 在潮流的推動(dòng)下，有一件事是肯定的，那就是行業(yè)和客戶對(duì)算率提出了全新的要求。如何滿足用戶對(duì)計(jì)算能力的進(jìn)一步需求，成為阿里云的基本出發(fā)點(diǎn)。張勇認(rèn)為這里一定有技術(shù)要解決的問(wèn)題，但阿里云也應(yīng)該思考如何“收斂”到真正解決工業(yè)生態(tài)問(wèn)題的產(chǎn)品，而不僅僅是導(dǎo)出計(jì)算率本身。

有趣的是，盡管這次交流活動(dòng)是有趣的。 FounderPark 社區(qū)和阿里巴巴云聯(lián)合邀請(qǐng)，但沒(méi)有安排任何關(guān)于“通義千問(wèn)”的分享。當(dāng)然，企業(yè)家也非常關(guān)心云平臺(tái)本身的大模型目的。張勇的觀點(diǎn)是:這很容易發(fā)生 Hyper Scaler跨技術(shù)時(shí)代(超大型玩家)，肯定沒(méi)人敢掉隊(duì)，不可能不去觸摸技術(shù)本身。但是他覺(jué)得，在這樣一個(gè)巨變的時(shí)代，阿里云要把握還是更核心的角色，就是Cloud。 Service Provider(云計(jì)算服務(wù)提供商)。

“要做好這個(gè)角色，不了解大模型肯定是不可能的?！睆堄抡f(shuō):“如果我們不問(wèn)通義，我們可能不知道如何幫助今天參加會(huì)議的企業(yè)家。”

事實(shí)上，讓張勇更加興奮的是，他十分確定，未來(lái)人類社會(huì)對(duì)計(jì)算能力的需求是無(wú)限的，對(duì)其效率的要求也會(huì)越來(lái)越高。所以張勇說(shuō)，阿里云絕對(duì)希望“模型越多越好，場(chǎng)景越多越好”。兩者越多，對(duì)計(jì)算能力的需求和技術(shù)標(biāo)準(zhǔn)就越高，這意味著云有了新的問(wèn)題需要面對(duì)和解決。而且只有不斷地解決“難題”，才能帶動(dòng)云的價(jià)值有更大的發(fā)展空間。

“云計(jì)算平臺(tái)需要前所未有的生態(tài)，而不是自己做任何事情。目前還沒(méi)有一家公司能夠使用自己的芯片、云計(jì)算、數(shù)據(jù)平臺(tái)、機(jī)器學(xué)習(xí)框架和大模型，產(chǎn)生所謂的“閉環(huán)”，這在物理上幾乎是不可能的?！?/span>

張勇覺(jué)得，AI 隨著技術(shù)的發(fā)展，生態(tài)學(xué)有了新的可能性。在過(guò)去的十年里，他有一個(gè)缺點(diǎn)，那就是中國(guó)云計(jì)算的快速發(fā)展，但是中國(guó) SaaS 由于基礎(chǔ)設(shè)施的快速發(fā)展，行業(yè)并沒(méi)有得到實(shí)質(zhì)性的改善。而且美國(guó)的 SaaS 公司，目前正在探索的公司 AI 嵌入平臺(tái)升級(jí)，走一條與國(guó)內(nèi)公司不同的道路。

他認(rèn)為，在 AI 在時(shí)代，中國(guó)有可能出現(xiàn)新一代。 SaaS，這將是一項(xiàng)全新的智能服務(wù)，以及以前。 SaaS 不同的流程驅(qū)動(dòng)程序，這種新的服務(wù)將由數(shù)據(jù)和智能驅(qū)動(dòng)，也可能不叫 SaaS。

面壁智能董事&CEO 在國(guó)內(nèi)，李大海指出 To B 這個(gè)市場(chǎng)很碎片化， SaaS 服務(wù)起不來(lái)的原因。但是現(xiàn)在有了大模型這樣的技術(shù)變量，能不能有一些變化是值得期待的。同時(shí)，他也期待著像阿里巴巴云這樣的云廠商在這里有一些好的解決方案和基礎(chǔ)，帶大家一起走得更平。

對(duì)張勇來(lái)說(shuō)，過(guò)去中國(guó)有很多。 SaaS 到目前為止，公司還不能安全。 Cloud Native(云原生)，而對(duì)于一個(gè)自然生長(zhǎng)在云上的人來(lái)說(shuō)， Intelligent Native新的服務(wù)(智能原生)，有機(jī)會(huì)“平替”以前的非原生商品。

許多時(shí)候我們感慨，去年十年的中國(guó) SaaS 行業(yè)增長(zhǎng)并不令人滿意，但現(xiàn)在大模型為創(chuàng)業(yè)公司在全新的數(shù)字生態(tài)中塑造新格局提供了新的機(jī)遇。張勇的結(jié)論是:這樣的機(jī)遇和挑戰(zhàn)對(duì)所有的企業(yè)家來(lái)說(shuō)都是一樣的，他們必須在未來(lái)找到自己的位置，共同創(chuàng)造生態(tài)伙伴關(guān)系和財(cái)富。

好了，上面是我的長(zhǎng)達(dá)。 7 一些在小時(shí)交流中選擇的筆記。今天大模型技術(shù)帶來(lái)的時(shí)代變化，我最強(qiáng)烈的感覺(jué)就是剛剛拉開帷幕。經(jīng)過(guò)上半年的極度興奮和“過(guò)度想象”，一個(gè)可能接近 10 今年的技術(shù)革命，才真正開啟了“萬(wàn)里長(zhǎng)征”。真正的共識(shí)是在瘋狂期過(guò)后真正進(jìn)入拓荒期，在這里經(jīng)過(guò)足夠的時(shí)間磨練和付出堅(jiān)實(shí)的代價(jià)才能得到的。
 

希望企業(yè)家和產(chǎn)業(yè)生態(tài)之間有更多坦誠(chéng)的交流和帶有“開源精神”的思考沖擊。事實(shí)上，張勇給這次交流起來(lái)的“西溪論道”這個(gè)名字相當(dāng)不錯(cuò)。坐著說(shuō)話，你應(yīng)該采取行動(dòng)。

我認(rèn)為，這個(gè)“道”應(yīng)該是 AGI 時(shí)代從技術(shù)到產(chǎn)品， vision 讓我們來(lái)看看價(jià)值的“創(chuàng)新之道”。

本文來(lái)自微信微信官方賬號(hào):極客公園（ID：geekpark），作者：張鵬

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com