大模型走到下半場，真正的“卷點”應該在哪？

2024-07-06 18:11:06 編輯： robot

導讀　　來源：陸玖商業評論　　一方面，讓普通人以更小的成本，去了解和使用大模型和AI應用；另一方面，企業也能在不斷的AI應用中，了解模型使用的具體場景，以及能帶來的實際價值。　　自2022年底大語言...

　　來源：陸玖商業評論

　　一方面，讓普通人以更小的成本，去了解和使用大模型和AI應用；另一方面，企業也能在不斷的AI應用中，了解模型使用的具體場景，以及能帶來的實際價值。

　　自2022年底大語言模型面世以來，全球範圍內便掀起了新一輪AI浪潮，有的甚至最快是“以周爲單位”進行產品迭代。

　　根據一些公开資料，截至去年10月，國內發布的大模型就已超過230個，而6月份的時候這一數字還不到80個，短短4個月的時間就翻了近三倍。“百模趕考”實至名歸。

　　然而行業走到今天，有不少從業者發現，大模型的終點並不在數量的多少，諸如“我們真的需要這么多模型嗎”“模型之間卷規模到底有沒有用”“那真正的卷點應該被設定在哪”等這般話題，正被業內反復討論。

　　產生這種質疑之聲的原因，其實不難理解。畢竟放眼於應用層，除了基於开源大模型不斷調優的“套殼應用”，真正稱得上“能幹”的應用，卻是鳳毛麟角。

　　這也正如百度創始人李彥宏在上海世界人工智能大會上所說的，“AI時代，‘超級能幹’的應用比只看DAU的‘超級應用’更重要。”換言之，在廣泛的、實際的場景中，企業真正需要的是超級能幹的應用，有能力去解決實際問題，而不只是一個看似很大的超級應用。

　　隨着大模型“卷應用”的浪潮逐步在金融、交通、政務等領域落地开花，更多的人开始意識到，生成式AI的下半場，或許更大的機會在應用上。而中國的AI產業，有望從應用層實現彎道超車。

　　警惕“超級APP陷阱”

　　從PC時代到移動互聯時代，互聯網產品的形態與發展路徑，是截然不同的。

　　近二十年前，受限於通信技術與硬件水平，軟件產品的容量不可能做得太大，承載信息的能力自然也有限。

　　隨着硬件算力和通信技術的發達，智能手機作爲應用終端，开始成爲信息集散地。在這個時代成長起來的互聯網大廠，無一不靠大DAU，大用戶量的“超級APP”，觸及用戶生活的方方面面。也據此完成了“前AI時代”的資本積累。

　　當互聯網走入生成式AI時代，以往“一個超級APP”走天下的邏輯，是否還能通用？但如今，這也變成了一個值得商榷的問題。

　　畢竟此前幾乎無人可以預見，在人工智能時代，用戶最常用的AI功能是什么。到目前爲止，C端用戶最常使用的AI功能，多用於文檔解析、初級文案生成，文生圖、文生視頻雖然在商業領域已經有初步引用，但水平依舊無法在短時間取代專業人士。

　　基於同樣的原因，雖然底層模型已經初步產生馬太效應，資源和商業效益开始向頭部大廠聚集，但像移動互聯網時代超過1億日活的“現象級應用”，卻尚未誕生。其中一個原因，是大語言模型的所有能力，尚未被應用層开發者挖掘完畢。

　　與之相對的是，除了少數行業人士，市場對於生成式AI應用的認知和關注點，更多落在基礎模型的進展上。而李彥宏和百度，則更多希望通過站位未來，來調控這艘大船今天的業務方向。

　　相較於移動互聯網時代動輒比拼DAU規模，李彥宏認爲，不同時代下，應用的發展路徑和模式都是不一樣的。避免掉入“超級應用陷阱”，不要用移動時代的思維看問題，這是其在本次大會上給出的一個結論。

　　在他看來，AI時代下，“超級能幹”的應用遠比只看DAU的“超級應用”，來得更加重要。“只要對產業、對應用場景能產生大的增益，整體的價值就比移動互聯網要大多了。”李彥宏如是說。

　　仔細想來，其實這並不難理解。

　　眼下及未來很長一段時間裏，如果再像移動互聯網時代那般，把絕大多數精力放在底層模型，一來，不斷地重復开發基礎大模型，也是對社會資源的極大浪費；二來，也是更重要的是，這或將錯失更大的機會，特別是錨定產業價值層面的機會。

　　卷模型與卷應用，從來不是二選一

　　在人們討論AI大模型數量過多的時候，伴生而來還會注意到另一個現象：數百個大模型問世，這些大模型之間的差異性到底體現在哪兒？而僅從國內生成式AI的競爭演變，就能看出這個情況——

　　過去一年多，無論是模型層還是應用層，都出現了從“百模大战”到“補貼大战”的轉變，起碼在底層模型層，行業已經出現相對飽和；另一方面，行業出清的跡象已經產生。以文心一言爲代表的世界領先水平的一批國產大模型已經出現。

　　從過往連篇累牘的報道中也能發現，從無到有訓練一個底層大模型，數億乃至數十億的資本投入、一卡難求的算力投入、可遇而不可求的AI細分行業人才，只是萬裏長徵第一步。後續的模型迭代、生態培養等成本，遠非中小AI團隊可以承擔。

　　正因如此，對於行業的大多數人來說，除非是成規模的大廠，抑或是拿到“龍傲天”劇本的明日之星，卷模型都是一個“無底洞”。無論是積累用戶，抑或是解決實際場景下的實際問題，都是應用層的機會更大。

　　而在這個過程中，行業大模型有關开源、閉源誰更具有優勢的爭辯，一直未曾停止。

　　支持开源的行業人士認爲，开源模型的意義，在於所有團隊都站在一個起跑线上，拿着同樣的廚具和食材，能炒出什么樣的菜，各憑本事，這是一種公平競爭。

　　但大模型的开源，或許與一般意義上的軟件开源，存在根本上的差異。譬如一般軟件开源時，开發者可以獲取軟件的源代碼，並據此修改或者增加新功能。

　　大模型內部代碼，則分爲預訓練代碼、微調代碼和推理代碼三層，對於微調代碼，市場上已有很多公开方法。而大模型要被用起來，需要推理代碼，至於訓練過程和數據集，往往也是大模型廠商的核心所在。此外還有算力層面的考量。

　　在這種背景下，擁有經驗證商業模式的閉源模型，更適合在競爭激烈的大模型行業裏聚集人才和算力，進而實現商業化落地。這也是李彥宏的判斷。

　　盡管在大會上，他並未否定开源在某些環境中的使用價值，但他也提到，“當你處在一個激烈競爭的市場環境當中的時候，你需要是讓自己業務的效率比你的同行更高，成本比你的同行更低，這個時候商業化的閉源模型是最能打的。”

　　當然更值得強調的是，“沒有應用，光有基礎模型，不管是开源還是閉源都一文不值。所以，我從去年下半年就开始講大家不要卷模型了，要去卷應用。”

　　李彥宏透露，在更通用的領域當中，比如說代碼生成，像文心快碼這樣的軟件，在不同的領域正在逐步的滲透，“而在百度內部，我們有30%左右的代碼，已經用AI生成的，代碼的採用率超過了44%。”

　　下一個爆發點在哪？

　　無論是重構的百度文庫，抑或是作爲底層模型能力終端的文心一言，都只是生成式AI應用落地的初步形態。在李彥宏看來，智能體是大模型落地最有前景的發展方向，也被認爲是最接近AGI的方向。

　　從具體功能來看，智能體不止有對話能力、還有反思、協作能力。在未來的行業應用上，多個智能體協作，去解決復雜的任務，將是非常前沿的技術趨勢。某種意義上說，這也是“超級能幹”的又一種體現。

　　“制作一個好的智能體通常並不需要編碼，只要用人話把智能體的工作流說清楚，再配上專有的知識庫，一般就是一個很有價值的智能體了。”隨着基礎模型的日益強大，开發應用也越來越簡單了，智能體也成爲李彥宏最看好的AI應用方向之一。

　　事實上，百度對於智能體的布局較早。早在去年4月份，基於文心一言的文心智能體已經上线。今年6月，中國工程院朱有勇院士及團隊與百度共同打造的首個農業智能體——“農民院士智能體”正式發布。

　　智能體學習朱有勇院士的研究成果以及相關的農業知識之後，農民只需通過簡單的提問，就能得到關於旱地稻種植條件、培育技術、病蟲害防治等實際問題的專業解答。

　　值得一提的是，在文心智能體的平台上，已經有16萬多名开發者和超5萬家企業入駐，覆蓋了100多個應用場景，智能體生態已然初具規模。

　　在無數個細分領域，隨着各行各業對於生成式AI的理解不斷加深，基於閉源小模型的智能體，也將爲行業增效發揮巨大作用。企業多數重復瑣碎的工作，將會被“超級能幹”的智能體所替代，人類大腦深處的潛能，將會投入到更具創造性的工作中去。

　　而這，就是“超級能幹”的大模型應用落地的價值內核：一方面，讓普通人以更小的成本，去了解和使用大模型和AI應用；另一方面，企業也能在不斷的AI應用中，了解模型使用的具體場景，以及能帶來的實際價值。