在人工智能技術上，國內外並沒有巨大差距，像芯片、操作系統，國內都非常厲害，差距只在於是否耐得住寂寞，敢於去磨、去做創新研究。
原文來源：真故研究室
作者：石雨菡
ChatGPT的出現，被認為是互聯網行業發展的最後一個機會。大廠、高校、個人，入局大模型市場主體繁多，“百模大戰”正在進行中。
然而冷靜下來直視這場浪潮，高昂的投資、稀缺的人才、同質化的競爭以及仍不明朗的商業模式，眾多針對大模型的疑慮聲也開始浮出水面。
近日，《真故研究室》對話了小冰公司首席執行官李笛。小冰是國內最早具備情感交互功能機器人，小冰公司則是國內最早實現AIGC商業化落地的企業之一。
對於當下的大模型熱潮，李笛有更為冷靜客觀的觀點。
以下為對話實錄：
Q1：ChatGPT問世之後，國內大廠、人工智能創業者紛紛跟進。行業很熱鬧，但大家似乎看不出什麼差別。您怎麼看？
A1：目前國內至少有70個大模型問世，但都是同質化的，也沒法實現差異化。因為大家的訓練數據都差不多，訓練方法用的是OpenAI發表的論文中的方法，而且都是直接拿GPT去訓練，把GPT作為老師。
老師、訓練數據、訓練方法都是一樣的，怎麼拉開差距？
各個大廠都來做大模型，其出發點不在於抓住風口和機會，而是防禦。沒有自己的大模型，就會被競爭對手壓制，反之就有機會壓制別人。
Q2：您認為目前像ChatGPT這樣採用訂閱收費的商業模式，有發展前景嗎？
A2:首先不可否認的是，跟前幾年相比，各方對於人工智能的需求肯定是增多的了。但是這麼多大模型，它達到規模化效應了嗎？我覺得是沒有。
人工智能到今天為止所探索的商業模式，大多很難言是成功的。就像ChatGPT，它本質其實是“賣話”：一個字多少錢，一句話多少錢。但這些回复的話語的價值並沒有進行區分。比如用戶跟它閒聊，某種程度來說它的話是不值錢的。但如果用戶是希望得到指點，那它的回复就非常值錢了。
今天我們討論AI 的商業模式，這其中涉及到的是AI所創造的價值和它得到的價值，但這兩者之間的鴻溝非常大。
比如過去行業都在卷的人臉識別技術，它讓國家、社會變得更加安全，它的價值顯然是很高的。但是人臉識別技術嵌入各種硬件後，技術本身的價值並沒有得到相應的回報。最終一些公司開始做系統集成、軟硬結合，賣的是設備的硬件堆料。
現在人工智能的商業模式，是把技術做成了水、電、煤這樣的基礎設施，頂多區分成工業用電或生活用電。但是，基於不同需求創造的不同價值，並沒有得到區別性的回報。
Q3：收取技術調用費用”的商業模式，有怎樣的局限性？
A3：賣水、電、煤這樣的基礎設施要靠壟斷，才能夠keep住利潤空間。但就我的經驗來看，沒有誰能夠在技術上實現壟斷。所以它只能靠節約成本來獲得利潤空間，但這不僅是有限的，也沒有上升的可能。
即使跟隨所謂的摩爾定律，把價格打下來了，競爭對手也會迅速把利潤空間給補上。最後就會出現打價格戰的情況，然後大家就開始免費。這看起來是好事，但其實是限制整個人工智能行業的發展。
Q4：小冰有探索出不同的、更有效的商業模式嗎？
A4：小冰的商業模式是有些特殊的，我們採用的是revenue share（收入分成）。我們並非提供技術接口去賣內容的調用，而是基於技術包裝成一個個具備不同能力的“人”，也就是數字員工。我們讓各個數字員工去各行各業打工，類似於“勞務派遣”，最後獲得的是工資，相當於公司收益分成。我們現在平均一個數字員工年薪能達到30萬。
比如今年2月，日本的小冰（Rinna）和Netflix一起推出了AI生成的動畫微短片《犬與少年》，一共三分多鐘。雖然分成是有限的，但Rinna作為一個影視創作者角色，它的生產力是無限的，未來每一部影視作品我們都可以獲得相應的收益。
Q5：在探索出revenue share這樣的商業模式之前，小冰是否有走過彎路？
A5：初期肯定是有的。 2017年的時候，Rinna開始和羅森便利店合作，幫助羅森去賣優惠券。基於Rinna在情感交互上的優越性，它的促銷效果非常好。而消費者使用優惠券在線下購物，也幫助羅森獲得了更多的營收。
但是這些營收我們並沒有分成，因為當時我們對人工智能商業模式分析是，我們應該提供API，收取每次調用的錢。這個收入是很少的，而Rinna售賣優惠券所帶來的銷售額是巨大的，兩者顯然不成正比。
Q6：元宇宙火了兩年，似乎現在有點退燒。一個原因被認為是它的體驗感還沒讓客戶覺得驚艷。大模型熱是否也會因它的使用體驗不夠好，而出現熱度退去的情況？您認為我國在大模型全球競爭中的優勢和補齊的短板分別是什麼？
A6：去年AI行業誕生了很多驚喜。人工智能技術發展這麼多年以來，一直像潮水一樣，每隔幾年就會有一次潮湧和爆發。而這些所謂的“爆發”，只是因為被大眾關注到了，超過了大眾對人工智能的認知或預期。他們並不是終點。
就像當年的AlphaGo，無數人驚呼世界將被改變，但這麼多年過去，並未發生巨大的變化。大模型也好、AIGC也罷，都是在技術瓶頸期發生的一次新突破，未來它們也會有自己的瓶頸。距離真正的AGI（通用人工智能），還要經歷幾輪類似的技術演進才會更清晰。
大模型到現在為止還有很多問題沒有解決，比如準確性和成本高昂，所以小冰用的是混合模型理念，小冰框架內有近1000個大中小模型有機組合在一起共同支撐AI Being運轉。這樣做的好處是成本相對低廉、速度更快，且能保證足夠準確並交付商用。
同時，大模型到現在為止沒有一個準確定義，究竟多大參數可以被叫做大模型。上半年大家都在猜測，參數越大效果越好，後來發現某個稍小參數的模型也能達到同種效果。所以現在業內越來越多的人在說混合模型。
研究大模型，如果類比成學語言，有點像學日語，入門容易精通難。創業者們很快能見到成效，但會發現太多問題需要解決。
現在的大模型同質化嚴重。市面上根本用不了這麼多大模型，到2024年應該就會退熱，發現誰在岸上誰在裸泳。
最後，大模型之間其實並不存在技術壁壘。它的技術理念已存在多年，業內有很多人在應用，國內外都是這樣。只不過在fine-tune（微調）的過程中，研發者的專注度、投入度不一樣。
我個人認為OpenAI是真的用工匠精神去磨，取得了這個效果，所以有一定“時間壁壘”，但這和“技術壁壘”是兩回事。在人工智能技術上，國內外並沒有巨大差距，像芯片、操作系統，國內都非常厲害，差距只在於是否耐得住寂寞，敢於去磨、去做創新研究。
展開全文打開碳鏈價值APP 查看更多精彩資訊
