微软

大模型会经历重复建设然后出清的过程。 作者｜甲小姐、刘杨楠 燃烧半年的大模型之火正在逐渐冷却。 一个直观的表现是，ChatGPT的用户增长开始下坡。第三方网站SimilarWeb的监测数据显示，今年6月，ChatGPT的网站与移动客户端的全球流量（PV）环比下降了9.7%，美国地区的流量环比下降了10.3%，用户在ChatGPT上的停留时间也下降了8.5%。 此外，七月以来，微软、谷歌、AWS、阿里巴巴等国内外科技大厂开始陆续发布2023半年报，遗憾的是，各项收入数据中，AI几乎没什么存在感。 大模型似乎走入了用户增长和商业落地的双重瓶颈。与此同时，另一股AI势力正在异军突起。 个性化AI聊天机器人创业公司Character.ai自去年9月发布Beta版本以来，用户涨势凶猛。SimilarWeb数据显示，2023年6月，Character.ai访问量达到2.8亿，5月的增长率更高达62.55%。不仅如此，Character.ai用户黏性极高。多个第三方统计数据显示，用户在Character.ai的停留时间长达28分钟。相比之下，ChatGPT的用户停留时长约8分钟，YouTube和B站的停留时长约20分钟，WhatsApp约18分钟，Google、Facebook和Twitter约10分钟——足见用户对Character.ai“偏爱有加”。 成立于2022年，同样主攻个人人工智能（Personal Intelligence）的AI初创企业Inflection AI也冲劲十足。Inflection AI于今年5月推出了首款产品“Pi”，仅2个月后，Inflection AI便在7月完成13亿美元的新一轮融资，估值突破40亿美元，成为OpenAI之后估值最高的AI初创企业。 这两家公司的出现，让“情感AI”成为ChatGPT之外的另一个焦点。 在国内，清华系AI初创企业聆心智能已经在情感AI领域布局多年。从应用场景上划分，ChatGPT可归为“功能AI”，其价值是用超越人脑的智能帮人类解决各类实际问题，追求“高智商”；而聆心智能、Character.ai及Inflection AI正在做的事可归为“情感性AI”，其价值在于解决人类情感需求，追求“高情商”。 聆心智能创始人、首席科学家黄民烈同时还在清华大学担任多个职位——他是清华大学计算机科学与技术系长聘教授、国家杰出青年科学基金获得者、智能技术与系统实验室副主任及清华大学基础模型中心副主任。 在涌入大模型的众多学者、创业者中，黄民烈的判断独树一帜。他并未直接瞄准看起来极其性感的“通用大模型”，而是从2015年起就尝试破解情感AI的密码。在他看来，“功能固然很重要，但人的情感也是非常本质的需求”。 事实上，“功能AI”还是“情感AI”，这既是AGI的技术选择，也是AGI的社会角色选择——AI之于人到底会是什么样的存在，是工具，是助手，还是伙伴？本期甲小姐对话黄民烈，聊一聊大模型重复建设之下的另一个视角和判断。 1.谈现状：“大模型会经历一个重复建设之后出清的过程” 甲小姐：最近很多人感觉ChatGPT的热度降下来了，你有这种感受吗？ 黄民烈：融资市场和产业都在趋于冷静。原因是，之前无论投资还是产业，都在说要做“中国的OpenAI”，现在已经有这么多开源和闭源的模型，大家开始考虑能做什么样的应用来真正解决产业问题；大家对大模型的认知更清晰了，有各种评测榜单，大家逐渐清楚彼此的能力；另外，七八月份是上市公司半年报的窗口期，市场会冷静地看这些公司的投入在财报上如何反应，大模型的投入和产出是否匹配。之后有些公司可能会被收并购，融不到钱的公司也会倒闭，这是行业发展的客观规律。 甲小姐：现在我们公允地看过去半年的AI热潮，哪些被高估，哪些被低估？ 黄民烈：大家对通用大模型的期待很高，但在解决实际问题时，国内模型距离ChatGPT、GPT-4还有挺大差距。一方面是我们底层模型的能力还要提高；另一方面，大模型最终要落地产业，依然需要大模型之外的能力，比如加上传统的算法模块，形成一个以大模型为主导的复杂系统，真正解决行业问题。 甲小姐：我身边真实的个人用户，从最开始对ChatGPT上头，到今天逐渐冷静甚至弃用，原因有二：第一是ChatGPT会出现幻觉，不够可信；第二是无法做精确计算等等。这是ChatGPT热度下降的本质原因吗？ 黄民烈：本质与否不好说，但这是一个重要原因。现在大模型容易产生幻觉，因为ChatGPT是概率模型，每次问答都会随机采样，同一个输入，不同的人、不同时间得到的回答不一样，有不可控性。怎么解决这个问题？要和业务、场景结合。比如有些场景允许有一定的容错率，但有些场景容错率为零，就得有别的手段来处理。 再比如你刚才讲的精确计算，现在技术发展很快，大模型算数学题，过去全是概率采样，每次的计算结果都不一样；但现在不一定要通过概率采样去做，可以把数学题变成一个公式，再在模型中插入一个Python解释器去执行，最终得到的结果是确定的。因此，神经系统和符号计算系统结合能够很好地提升模型能力。所以技术也在随着业务需求不断演进，快速发展，有些稀奇古怪的问题今天都能解决得挺好，这是一个动态过程。 甲小姐：放眼全球AI产业的细分发展，通常是美国定义流行，中国一拥而上，市场关注度在短期会高度集中在某一两个赛道，但在欧洲有很多AI细分门类一直有人在做，对比而言，今天的中国AI产业似乎少了某种多样性。你曾表达过“重复造轮子”可能不利于AI发展。近半年内国产大模型的数量已经增长到80多个，是否存在重复建设？ 黄民烈：肯定存在。现在算力非常紧张，基本租不到卡，大家都把算力圈起来了，但各家在技术、能力和商业化路径上都大同小异，肯定是重复投入。但这也是一个市场自然淘汰和选择的过程。中国的做事方式和国外不太一样，搜索是这样，互联网也是这样，CV热也是这样，现在大模型应该还会有一个重复建设然后出清的过程。 甲小姐：你曾表达过ChatGPT的底层还是基于Transformer架构，在模型架构上没有太多创新，它的成功是“数据+工程+系统”层面的集成化创新。ChatGPT会是AI范式的最终状态吗，还是会出现一个新的范式颠覆它？ 黄民烈：很有可能是后者，但现在也不好说。不能说OpenAI没有技术创新，他们肯定有各种各样的创新，只是现在披露出来的比较少。新的范式在2-3年可能不太会出现，但5-10年大概率会出现。在现在这个时代，技术发展具有很大的不可预测性。 甲小姐：回顾历史，AI范式一直合久必分分久必合，几个月前很多人认为ChatGPT路径正在一统江湖，目前这个趋势有变化吗？AI范式正朝着哪个力量发展，是归一的力量还是分化的力量？ 黄民烈：大语言模型、多模态、视觉都是不同的方向，AI研究不一定是大一统的事情，会不断有新的元素融入进来。我本人更希望有多样性的发展，只有百家争鸣才能更好地激发创新，大一统的语言模型对于学术创新来说不一定是好事。 甲小姐：AI领域的next big thing可能是什么？ 黄民烈：相对来讲，学术界更容易做出新的AI范式，例如神经网络和符号计算的大规模结合。也许是新的神经网络架构，也许是能解决现在模型问题的新的神经符号系统。 2.谈模式：“开源与否本质上是商业逻辑” 甲小姐：LLaMA2发布对市场影响很大，国内百川、阿里等都在开源，有些公司还没有确定未来究竟开源还是闭源。开源对一群人来说是原则问题，象征着极客精神和价值导向，对另一群人来讲是利润问题，如果开源和商业逻辑不匹配就很难开源。能否展开说说开源对市场产生了什么样的连锁反应？ 黄民烈：说实话，公司会在不同阶段打不同的牌。Meta的LLaMA做得很好，但谷歌就不怎么开源，OpenAI也全部闭源，Claude介于开源、闭源之间，因为公司的战略打法不同。Meta作为后来者，可能以开源赢得市场认可、口碑，再想办法拓展商业客户。而且Meta对于商业利用还是有比较大的限制，它规定访问流量大于一定范围就必须受限。  相对而言，入局更晚的公司肯定要通过开源来赢得市场和业界的认可。因为不是每个人都有技术能力和算力资源去训练模型，那我就给你提供模型能力，服务很多中小B企业，还能不断收集数据去微调模型。像智谱、MiniMax，包括我们这种做得更早的公司，就在一定范围内开源，可以调用我们的API服务。所以并不存在完全的开源，这取决于公司的战略打法和发展阶段，以及早期采取的模型策略。 比如OpenAI就认为大模型很智能，如果开源让每个人都去用不一定是好事，把所有事情控制在自己手里相对更安全。我不知道这是他们的真实想法还是一种托辞，但我认为开源与否本质上还是商业逻辑。 甲小姐：安卓的开源会让很多人以极低的成本接入生态，但对普通人来说，要接入大模型依然门槛不低。 黄民烈：肯定要有算力，还要有一定的技术人员，否则就要依赖大模型生态中的工具链。但相比之下，开源是静态版本，闭源可以动态地更新系统。 甲小姐：是否可以理解为，刚开始创业就开源的公司很大程度上是以开源来吸附更多的资源，让公司进展更快，但很可能某天就会闭源，目前大模型领域还没有出现真正意义上的苹果和安卓，大家还是阶段性战术？ 黄民烈：是的。开源会形成品牌效应，能够吸引来一定的商业客户，这是有很大影响力的。 甲小姐：接下来，大模型的发展逻辑是在ChatGPT的基础上继续修修补补、添砖加瓦，还是有其他的路径？...