3月29日消息，首屆中國AIGC產業峰會在京舉行，大會由量子位主辦，聚集起了領域內產學研代表，分享和探討了包括大模型、生成式AI、ChatGPT等在內時下熱議趨勢和話題。
在題為《中國AIGC新機遇》的圓桌對話環節，量子位主編金磊與4位從業者展開了精彩的探討。他們是：
元語智能聯合創始人兼COO朱雷；
峰瑞資本投資合夥人陳石；
無界AI聯合創始人馬千里；
華院數智人商業化副總裁林萊尼。
圖片來源：圓桌環節
以下為圓桌內容，經巴比特整理，有刪減。
金磊：我們每個話題都設置了一個關鍵詞，第一個關鍵詞叫“感受”，在這波AIGC熱潮中，你最直觀的感受是什麼？
朱雷：
震撼和衝擊。比如，ChatGPT在各行各業接受程度和應用深度，遠遠超過了我們的預期。原來對AI的關注群體都在小圈子裡，AI也僅僅是在某些環節裡應用，這次它破圈了，這是一個非常大的技術變革。
陳石：
經歷了幾次AI的技術變革，但這次還是讓我們感到驚訝，突然一個跳躍，不是連續的變化。它已經具備了通用人工智能的火花，而且還在不停銷毀，所以也很驚喜。
從產業角度來說，它一定對整個人類社會的效率、體驗，都會是一個非常大的提升，很本質地改變各行各業，特別是內容行業、教育行業、科研等等。
所以，我們很興奮，這是人類的福祉，前提是你不要背叛人類。另外，我覺得也是創業者很好的機會。
馬千里：
站在創業者的角度看會更加焦慮，因為發展速度太快了。你做了大量工作，但是有可能在大模型底部的創新，或者是別的團隊的創新，他們很快就能趕上來，有時候會有技術的焦慮感。
另一方面，其實是所有行業內的人都在焦慮，甚至傳統產業的一些人也在焦慮，因為他們焦慮他們會找到我們，抱團取暖。比如奇瑞汽車、上汽集團，有做潮玩的，做快消品的等等，他們都會找到我們，他們會把他們的設計需求，把他們的一些訴求提給我們，我們一起去做AI的訓練，甚至他們給我們大量的私有化數據，就像某一家做房產的，他們有大量的建築設計的那些比較隱私的圖片，他們會把這些圖片給到我們，我們一塊去做訓練。他們擔心的是說如果他們不參與到這個浪潮裡就會被淘汰掉。
所以，雖然有焦慮，但更多是在焦慮中有前進的感覺。
金磊：我們的第二個關鍵詞叫做模型同質化和創新性。就目前來看，無論是AIGC應用的玩法，或者是背後算法模型似乎有同質化的趨勢。你覺得中國AIGC的原創性該如何體現？
朱雷：
目前來講，在基礎研究或者原創性上國內與國外是有一段距離。但是不是說我們目前做自研的大模型沒有價值？我覺得反而勢在必行。
第一點，我們國內都在做中文語料的大規模梳理，中文數據集，中文的通用語料質量相對來說會差一些，開源氛圍也差一些，比如醫療這個行業，國外有很多開源數據集，國內我們了解到只有兩個，一個是杭州這邊有家醫院，一個是自貢市有數據集。我們要做這個事情，就要推動開源數據集以及開源模型的一個氛圍和一個生態構建。
第二點，現在大模型的AI基礎設施在國內已經達到了相當高的重要程度的量級，這個時候對人才的吸引力很高，從長期角度來看，這個事情的意義對於國內做基礎設施的，長遠上來講是非常有價值的。
說到國內的這些模型的同質化和創新性，對於國內初創公司來講，創新性是要體現在你要對於這個行業有足夠多的理解，以及迅速地在行業內把數據和場景跑起來。對初創公司來說，你可以在模型底層數據層面上和指令微調層面上做一定的創新性。
馬千里：
做產品創新來說擁抱SD（國外開源文生圖模型stable diffusion）生態沒有太多的關係，因為大量數據訓練其實還是要自己去做。你如果想做出差異化，這是自然一種選擇。
現在開發國風模型（國風風格的文生圖），我們會有大量國風類圖片數據，比如像中國人的臉、外貌，比如漢服，需要很具體、很精細區分不同時代、名族服飾樣式，你的左衣襟和右衣襟之間都會是有區別的，做國風類圖片的這些人他很要求這些東西。
這是一方面，最重要創新在於，中國的用戶數據是非常重要的。我們無界AI平台A有200萬用戶，每天創作接近3000萬張圖片。這些內容被大量用戶的收藏，使用一鍵同款製作，等等，這麼多用戶的行為給你反饋。我們會把這些受到喜歡的作品的關鍵詞，拿來做進一步模型訓練，使得我們平台能力得到增強，得到創新，這也使得雖然基於開源SD，但是我平台的作品質量會和市面上大部分產品不太一樣，因為我們有自己的數據循環在裡面，這是一個創新點。
林萊尼：
如何定義數智人原創性，首先從底層算法來說和小冰、科大訊飛確實差不多，但是第一個我覺得數智人本身分類型，分了三個類型，比如像魔法科技的柳葉熙走中國國風系列，有非常好的價值引導。我們公司這種類型屬於功能服務型，我們就滲透到各行各業，我們擁有自己領域型知識圖譜。第三種偏向遊戲開發理念，遊戲裡面一些虛擬分身。所以本身從數字人來說，我們就是分行業、分領域、分功能。
我們公司專注做領域型知識圖譜，所以數智人只是我們在傳達表達領域型知識圖譜一種載體，他本身就是多模態的組合，原來是文字和語音，未來多模態則可以基於圖像理解，生成圖像任務型交互，創新性主要看每一家公司所深耕的領域在哪裡。
金磊：我們看到好的模型出來，或者科技熱點出來，國內會一窩蜂擁上去，這會不會產生一些泡沫，你怎麼看待這個問題？
陳石：
這次不僅僅是國內，海外也是一窩蜂。有個統計是2022年平均四天出一個大模型，大概90多個大模型，主要是以美國為主。
熱度當然很高，但我不認為這是一個短期的熱潮，我不認為他是泡沫，我覺得它會經歷很長時間的進步，會產出很大的社會價值和商業價值。
金磊：
針對大模型還有一個問題要討論一下，就是參數規模，這個關鍵詞叫做大力一定會出奇蹟嗎？大力出奇蹟這種方式一定是AIGC未來必經之路嗎？
馬千里：
如果能出奇蹟不管大力還是什麼力都是好事情，在國內大家覺得大力出奇蹟是一件壞事情，其實不見得是壞事情。
另一方面，有一個觀點說，人類智能希望干預機器，教機器怎麼下圍棋，讓他學習人類的棋譜。其實最有效的方法是自我學習，無監督的學習，一定程度上我們人類太多干預反而限制了它的發揮。本質上可能還需要大量算力，算法上也會跟進，不是那麼強的去干預它。
金磊：咱們訓練一次大模型，參數特別大的話，動輒數千萬美元成本，投資角度來看你如何看待大力出奇蹟事情，創業公司有機會嗎？
陳石：
大力出奇蹟是必然，就是這個階段，因為這次是無監督學習的一個突破，因為無監督學習特別是大規模無監督學習一直是機器學習的聖杯，從來沒有人取得過這個聖杯，但是我覺得OpenAI把這個聖杯拿下來了，本身就是要靠大量的數據無監督的去學習產生的，我覺得是一個趨勢，是當下被驗證的一個事情，所以估計大家還會這麼做。
商業角度來說，我覺得大的模型還只能這麼訓練，但是作為創業者去專注於做應用層創業，其實可以不需要自己去訓練模型，最多可以說在一些大模型基礎之上做一些調優。我覺得大部分創業機會可能還是在非模型層，或者說是在一些垂類的模型。
大模型，我覺得未來中國可能也不會有太多家，全球也不會有太多家，有一些模型可能是垂類模型，這個是很大的機會。
金磊：我們最後一個關鍵詞，“中國AIGC新機遇”。我們想請在座各位用簡短一句話來談談你對它的一個期待。
林萊尼：
我們會發現互聯網企業可能對於35歲+的這些人群不是非常友好，我們也會思考，AI真的是創造了失業潮嗎？後來我覺得也並不是，我很喜歡一句廣告詞，“永不放棄，奔向未來”，面向未來一定要Brave。
馬千里：
對於中國的機遇來說，可能未來的大模型，即使你和國外有差距，甚至有幾倍的差距，但是可能對於人類來說都夠用了。
蘇聯和美國冷戰的時候，都說自己能毀滅地球多少遍，其實毀滅一遍就夠了。 AIGC產生的能力可能會強到，即使兩個模型之間有百分之多少的差距，但都無所謂，對於人類來說夠用了，這是一個長期的看法。
另外，即使現在我們在大模型上，的的確確可能沒有外國人那麼強，但是從邏輯上我們應該還是能趕上的。
陳石：
我覺得其實這是全人類的機遇。
另外，我覺得中國是有機會做成一個自己的大模型的，因為算法是人類共同科研的成果，它整個的訓練過程起碼在GPT3我們都看的到，包括ChatGPT人類反饋的強化學習，也都看到了這個過程，可能有一些語焉不詳。所以做一個大模型剩下的是一些工程的工作，在工程工作上我們中國的工程師是不怕的。
從算力維度講，這個事情還是需要慢慢來，我覺得可能盡量去想一些替代的辦法，就是有自己的算力，或者以別的方式獲取一些算力。
數據呢，我覺得我們是可以做到的，因為數據集這個事情，相對我們還是有辦法的。
憑著中國人的聰明程度，我覺得基礎模型是可以突破的，當然復現到今天GPT4這個能力，可能還有差距，但是是時間問題。
在應用層面，微信、釘釘等，歷史已一再證明，中國在軟件的應用上是很厲害的。
朱雷：
我非常同意陳石總的看法，雖然說現在跟GPT4比技術差距還是有的，但確實是時間的問題。但是是機遇的同時也是一種挑戰。我最後一句話就是我們要擁抱AI。
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載