跨境电商网站建设方案,网站建设要用到编程吗,铁路建设单位网站,木樨园网站建设公司“不敢下手#xff0c;现在中国还没跑出来一家绝对有优势的大模型#xff0c;上层应用没法投#xff0c;担心押错宝。”投资人Jucy#xff08;化名#xff09;向光锥智能表示#xff0c;AI项目看得多、投的少是这段时间的VC常态。
ChatGPT点燃AI大爆炸2个月中#xff0…“不敢下手现在中国还没跑出来一家绝对有优势的大模型上层应用没法投担心押错宝。”投资人Jucy化名向光锥智能表示AI项目看得多、投的少是这段时间的VC常态。
ChatGPT点燃AI大爆炸2个月中中国一直在等待自己的GPT-3.5。
AI真的冒犯到了打工人。游戏团队替代掉30%的原画师、电商团队用AIGC生成低成本数字人模特、基础程序员也感受到了被降维打击的焦虑......眼看着GPT在国外要将所有领域都重新做一遍的趋势科技颠覆裹挟着金钱的味道滚滚而来。
于是除了焦虑的打工人企业急着用大模型降本增效创业者急着接入大模型推出新产品股市急着用ChatGPT概念割韭菜培训机构更是先赚一波为敬。
衬托之下反而显得喜欢追逐风口的中国科技巨头们比以往更沉得住气。
果然周期使人成长公司也是。
终于众望所归、望眼欲穿、姗姗来迟4月第二周中国也迎来了新一代大模型的密集发布。
继通义千问开放测试4天后张勇在接手阿里云后首次亮相宣布所有阿里产品未来将接入“通义千问”大模型进行全面改造商汤科技在10日的技术交流会上演示了“日日新”大模型的能力对话、AI绘画、编程、数字人第二天开盘大涨9%华为盘古大模型在8日低调亮相但并于10日发布新产品明星创业者王小川公开亮相携手搜狗老搭档茹立云正式开启AI创业的新征程将在下半年推出百川智能的大模型毫末发布首个自动驾驶大模型DriveGPT雪湖·海若把人类反馈强化学习引入到驾驶领域。就连游戏公司昆仑万维也赶来凑热闹宣称“中国第一个真正实现智能涌现”的国产大语言模型将于17日启动邀请测试但随后被媒体质疑其借热点炒作股价。
热热闹闹、真真假假大模型一时竟然有点乱花渐欲迷人眼。中国的大模型怎么就一下子如雨后春笋般都冒了出来如果不重复造轮子大家还能干点什么
虽然是摸着Open AI过河但中国大模型也都迈入了无人区。
涌现之前亦步亦趋又分道扬镳
如果要为AI大模型找一个时间节点2019年应该是关键的一个。
这一年2月远在大洋彼岸的OpenAI推出了GPT-2恰好也是这个时间点微软慷慨的投入了10亿美元让OpenAI从“非营利性”组织变成了“盈利上限”组织。
大概在一个月之后太平洋的另一边百度发布了ERNIE1.0成为中国第一个正式开放的预训练大模型。
但这种第一其实有很多比如华为的盘古大模型业界首个千亿参数的中文语言预训练模型比如阿里的M6中国首个千亿参数多模态大模型再比如腾讯HunYuan国内首个低成本、可落地的NLP万亿大模型.....
总之只要定语加的足够多就总能在某个领域当第一。那段时间从硅谷到北京西二旗、再从五道口到上海临港包括华为、阿里、腾讯、商汤在内凡是有能力的企业都开始涉足AI大模型的相关研究。
但中国第一波AI大模型的“涌现”却是在两年之后。
2021年曾任职过微软亚洲工程院院长、后被雷军亲自邀请到金山接替求伯君任CEO的张宏江牵头成立的智源研究院发布“悟道1.0”包括国内首个面向中文的NLP大模型、首个中文通用图文多模态大模型和首个具有认知能力的超大规模预训练的模型等等。
智源成立于2018年也就是OpenAI发布GPT-1.0的前五个月作为北京市和科技部牵头成立并集合学界和头部科技企业资源的研究机构智源其实是中国早期探索AI大模型的一个代表。
可以说“悟道1.0”其实为中国后来所有AI大模型的一个样本。除此之外智源研究院还为中国构建了大规模预训练模型技术体系并建设开放了全球最大中文语料数据库WuDaoCorpora为后来其他企业发展AI大模型打下了基础。
也正是在“悟道1.0”之后中国大模型开始出现井喷的状态。
2021年华为基于昇腾AI与鹏城实验室联合发布了鹏程盘古大模型。2022年阿里发布了“通义”大模型系列腾讯发布混元AI大模型......
在中国AI大模型如雨后春笋般涌现的同时国外的AI大模型也走到了从量变到质变的节点。
2022年11月OpenAI发布了基于GPT-3.5的ChatGPT彻底打开了人工智能的魔盒然后就是席卷全球的AI 2.0浪潮。
事实上如果以2018年GPT-1发布为节点中国的AI大模型的发展与国外的发展脉络一直都亦步亦趋但ChatGPT为什么并没有出现在中国
这其实和国内外AI大模型两种不同的发展路径有关。
从目前国外具有代表性的AI大模型产品来看比如ChatGPT、Midjourney、Notion AI或者Stable diffusion等等都是以C端用户为基础的产品。
而反观国内目前大模型的主要应用场景的都在B端。
比如阿里的“通义”大模型的典型应用场景包括电商跨模态搜索、AI辅助设计、开放域人机对话、法律文书学习、医疗文本理解等等而腾讯的HunYuan-NLP-1T大模型则应用在腾讯广告、搜索、对话等内部产品落地或者像商汤的大模型为自动驾驶、机器人等通用场景任务提供感知和理解能力支持。
之所以选择To B一个重要的原因是B端能够更容易进行商业化。
To B的行业特点导致中国的AI大模型并不需要做到非常大的参数规模甚至于当ChatGPT出来之后国内的公司讨论的一个重要方向是如何将已有的大模型规模“做小”应用到具体的行业上。
所以中国采用谷歌BERT路线的AI大模型会比较多以更小的参数做更有效率更适合垂类的场景。
所以某种程度上从出生的第一天中国大模型就带着商业化的任务。 而国外To C的大模型则不同如ChatGPT的用户在短短两个月就达到一亿其底层预训练大模型GPT-3.5作为通用大模型“大”成为参数的一个基本要求。
这在某种程度上促进OpenAI不停为GPT增加参数然后激发更强大的“涌现”现象最终实现“大力出奇迹”的ChatGPT。
因此To B和To C两种完全不一样的发展路径也将中国和美国的AI大模型引向了两种完全不同的发展方向。
