自從現(xiàn)象級(jí)模型ChatGPT問(wèn)世引發(fā)全球關(guān)注，大模型與人工智能的快速迭代，不斷刷新著新聞的頭條、人們的認(rèn)知，以及對(duì)于未來(lái)商業(yè)的無(wú)限想象。百模大戰(zhàn)、大模型與小模型的比拼、大模型幻覺(jué)、評(píng)估標(biāo)準(zhǔn)不一、數(shù)據(jù)集稀缺……隨著人工智能能力邊界的不斷拓寬，人們對(duì)于它的下半場(chǎng)去往何方，涌現(xiàn)著越來(lái)越多的討論。在2023達(dá)晨企業(yè)家峰會(huì)的行業(yè)分論壇上，我們邀請(qǐng)生態(tài)圈企業(yè)家，來(lái)一場(chǎng)關(guān)于人工智能的“中場(chǎng)討論”。
從ChatGPT問(wèn)世到目前，人工智能的發(fā)展仿佛被按下了加速鍵，今年一年的發(fā)展速度已經(jīng)超過(guò)了以往任何一個(gè)時(shí)代。看這么多的大模型，賽道非常熱鬧，動(dòng)輒大幾十億的資金，那么未來(lái)的終局是什么？終局，可能是未來(lái)3—5年，算力會(huì)成為基礎(chǔ)的工業(yè)設(shè)施，類(lèi)似于制造業(yè)企業(yè)所需要的天然氣、水和電。在實(shí)際生產(chǎn)和生活中，無(wú)論你是否愿意，都會(huì)存在。
以未來(lái)一定時(shí)期來(lái)看，卡脖子的算力是行業(yè)的痛點(diǎn)。但我們必須也認(rèn)識(shí)到，在算力的競(jìng)爭(zhēng)力上，還是有差距。目前國(guó)家在以集大成的能力去布局相關(guān)算力領(lǐng)域的研究和搭建，比如在北京、上海，把算力集中，以一種類(lèi)似基礎(chǔ)設(shè)施的模式去提供給創(chuàng)業(yè)者和企業(yè)，這里面會(huì)伴隨很多算力中心、云計(jì)算等相關(guān)的機(jī)會(huì)。另外，我們也提出了如稀疏計(jì)算、張量并行這樣的概念，嘗試通過(guò)軟硬協(xié)同來(lái)補(bǔ)算力的缺口。
另外通用模型，是不是就能解決所有的問(wèn)題呢？這可能是一個(gè)終極目標(biāo)，但是在當(dāng)前的演化過(guò)程中，大家也逐步發(fā)現(xiàn)，是不是可以通過(guò)通用模型+垂直應(yīng)用模型這樣的組合，去形成一定的商業(yè)形態(tài)？在整個(gè)落地的過(guò)程中，還有很長(zhǎng)的路要走，需要更多的資金來(lái)支持，更多的場(chǎng)景來(lái)支撐，大模型開(kāi)發(fā)和實(shí)際產(chǎn)業(yè)化應(yīng)用落地的路途依然任重道遠(yuǎn)。
經(jīng)過(guò)近幾年的發(fā)展，達(dá)晨在AI領(lǐng)域已投資了40余家企業(yè)，從基礎(chǔ)層、技術(shù)層、應(yīng)用層都做了一些投資布局。我們相信在新一輪的科技革命和產(chǎn)業(yè)變革當(dāng)中，AI企業(yè)將能找尋到新的發(fā)展機(jī)遇，當(dāng)然也面臨著新的挑戰(zhàn)和困境，我們應(yīng)該做好充分的準(zhǔn)備。
谷歌云大中華區(qū)軟件生態(tài)總經(jīng)理李云出席論壇，深入探討了GenAI行業(yè)的技術(shù)趨勢(shì)、市場(chǎng)格局和行業(yè)應(yīng)用。
大模型爆發(fā)這一事件的重要程度相當(dāng)于工業(yè)革命和互聯(lián)網(wǎng)的誕生。隨著技術(shù)的快速發(fā)展，未來(lái)AIGC應(yīng)用場(chǎng)景非常廣泛。投資界、企業(yè)界以及學(xué)術(shù)界都十分看好AIGC，認(rèn)為AIGC是未來(lái)5-10年的核心方向，將會(huì)是一個(gè)萬(wàn)億級(jí)市場(chǎng)。但我們也應(yīng)該注意，在AIGC的大廈上，還飄著一朵安全問(wèn)題的“烏云”。
一個(gè)達(dá)到萬(wàn)億級(jí)的市場(chǎng)，必須要謹(jǐn)慎考慮AIGC的安全話題，其最大的風(fēng)險(xiǎn)來(lái)自生成式人工智能的內(nèi)生安全。首先，大模型的生成機(jī)制使它非常容易“一本正經(jīng)胡說(shuō)八道”，不可避免地輸出一些不存在的事實(shí)。其次，由于大模型是靠大量人類(lèi)語(yǔ)料訓(xùn)練的，所以語(yǔ)料整體呈現(xiàn)的價(jià)值觀最終將影響大模型的價(jià)值觀。最后，數(shù)據(jù)收集的延遲也會(huì)導(dǎo)致信息的可信度下降。今后人類(lèi)判別信息真實(shí)性的成本將越來(lái)越高，特別是到了2030年訓(xùn)練數(shù)據(jù)主體來(lái)源為AI時(shí)，如何辨別真假？這是未來(lái)的嚴(yán)峻挑戰(zhàn)之一。
中國(guó)對(duì)AIGC監(jiān)管方面十分重視，行動(dòng)也非常迅速。今年1月執(zhí)行的《互聯(lián)網(wǎng)信息服務(wù)深度合成管理規(guī)定》，要求深度合成內(nèi)容需要提供必要標(biāo)識(shí)，要告訴別人是生成的。今年8月《生成式人工智能服務(wù)管理暫行辦法》執(zhí)行，要求數(shù)據(jù)、發(fā)布需要合規(guī)等。
對(duì)于如何提供安全的解決方案，中科睿鑒也提供了不同層次，面向國(guó)家、行業(yè)、個(gè)人和人類(lèi)需求的AIGC安全產(chǎn)品解決方案體系。比如睿鑒在面向個(gè)人安全AIGC檢測(cè)工具和服務(wù)方面，發(fā)布了睿鑒AI微信小程序，訪問(wèn)量非常大，各個(gè)行業(yè)的人都在用。當(dāng)個(gè)人用戶被用偽造視頻詆毀聲譽(yù)時(shí)，就需要用到檢測(cè)工具，去隨時(shí)隨地查詢圖像、視頻或文本是否是偽造的，希望這個(gè)工具可以服務(wù)到大家每一個(gè)人，造福人類(lèi)。
人工智能安全最大的問(wèn)題是不知道安全問(wèn)題究竟在哪里、有多少。因此必須不斷地探索它的安全邊界，里面有無(wú)數(shù)開(kāi)放問(wèn)題，最重要的有三個(gè)：第一，深入剖析AIGC大模型機(jī)理，需要打開(kāi)大模型黑箱，理解安全問(wèn)題產(chǎn)生內(nèi)在原因并解決它。第二，要發(fā)展可控的AIGC大模型。讓它的學(xué)習(xí)目標(biāo)是受人類(lèi)控制的，AIGC大模型應(yīng)當(dāng)（盡可能地）要為人類(lèi)可控。第三，審慎發(fā)展超級(jí)智能。低智能體無(wú)法控制高智能體，當(dāng)AI智能超越人類(lèi)的時(shí)候，人類(lèi)沒(méi)有安全可言了，包括圖靈獎(jiǎng)得主Hinton也說(shuō)到了這個(gè)問(wèn)題。未來(lái)會(huì)怎么樣？人類(lèi)如何面對(duì)超級(jí)智能？如何不被AI所控制？這些是非常開(kāi)放的問(wèn)題，我們需要一起面對(duì)和解決。
中國(guó)科學(xué)院計(jì)算所“數(shù)字內(nèi)容合成與偽造檢驗(yàn)實(shí)驗(yàn)室”，是國(guó)內(nèi)少有的以偽造檢測(cè)命名的專(zhuān)業(yè)實(shí)驗(yàn)室，依托實(shí)驗(yàn)室積累，孵化了企業(yè)“中科睿鑒”，取睿智鑒定真?zhèn)沃x。
今年7月，華為云在開(kāi)發(fā)者大會(huì)上發(fā)布了盤(pán)古大模型3.0，引起了很大的關(guān)注熱潮。華為從2019年就投入了大模型的研發(fā)，核心是要解決AI落地行業(yè)的難題。2021年，華為就發(fā)布了盤(pán)古大模型第一個(gè)版本。
可以說(shuō)，大模型給華為云AI項(xiàng)目落地帶來(lái)很大的變化：1、泛化的問(wèn)題，一個(gè)大模型覆蓋幾十、上百種小模型的場(chǎng)景；2、解決小樣本的問(wèn)題，很多行業(yè)場(chǎng)景的AI訓(xùn)練不像通用AI模型，在互聯(lián)網(wǎng)上有足夠的通用數(shù)據(jù)，少量樣本無(wú)法訓(xùn)練達(dá)到預(yù)期效果，大模型可以通過(guò)小樣本數(shù)據(jù)訓(xùn)練實(shí)現(xiàn)高精度；3、解決AI門(mén)檻的問(wèn)題，以前AI工程師和業(yè)務(wù)人員需要長(zhǎng)時(shí)間溝通，理解行業(yè)的問(wèn)題，才能開(kāi)發(fā)AI模型，現(xiàn)在有了大模型以后，很多時(shí)候，企業(yè)具有一定AI知識(shí)的業(yè)務(wù)人員，就可以自己通過(guò)微調(diào)的手段，來(lái)生成具體的場(chǎng)景模型。這些是大模型給行業(yè)AI應(yīng)用落地帶來(lái)的最大變化。
華為盤(pán)古大模型，不是一個(gè)模型，而是模型族，包括了各種不同能力的模型，盤(pán)古大模型從設(shè)計(jì)之初，就是面向行業(yè)，基于行業(yè)需求設(shè)計(jì)了盤(pán)古大模型的三層解耦架構(gòu)。陳李認(rèn)為，華為云除了要做好自己的盤(pán)古大模型，還要支持好千行百業(yè)打造大模型。在我國(guó)AI算力受到限制的情況下，華為云的昇騰AI云服務(wù)可以提供澎湃的AI算力，供大家訓(xùn)練大模型，同時(shí)昇騰AI算力也已經(jīng)適配好了主流的開(kāi)源大模型，大家可以在云上直接調(diào)用。華為就是要做黑土地，賦能好百模千態(tài)。
智譜AI團(tuán)隊(duì)脫胎于清華大學(xué)計(jì)算機(jī)系知識(shí)工程實(shí)驗(yàn)室，是國(guó)內(nèi)比較早投入大語(yǔ)言模型的團(tuán)隊(duì)。2020年可以稱作是大語(yǔ)言模型的元年，智譜也是那時(shí)開(kāi)始All in大模型研發(fā)工作。2022年8月，智譜推出了GLM-130B，發(fā)布之后在國(guó)內(nèi)外引起了非常大的反響，今年3月，智譜正式上線了ChatGLM千億基座對(duì)話模型，今年5月發(fā)布多模態(tài)對(duì)話模型，6月升級(jí)ChatGLM2模型，8月C端產(chǎn)品智譜清言正式上線，代表智譜發(fā)展過(guò)程和追趕世界頂級(jí)水平的步伐不斷的加速和提升，這個(gè)過(guò)程中達(dá)晨作為投資方給了很多的幫助。
我們認(rèn)為，人工智能的涌現(xiàn)呈現(xiàn)出特殊的增長(zhǎng)曲線，前面是慢性、線性的增長(zhǎng)，越過(guò)臨界點(diǎn)之后是井噴式的增長(zhǎng)，技術(shù)噴發(fā)、爆發(fā)以及應(yīng)用成熟的拐點(diǎn)是千億基座模型。經(jīng)過(guò)算法、加速一系列技術(shù)的研發(fā)努力之后，GLM-130B發(fā)布，引起了學(xué)術(shù)界和科技公司的廣泛關(guān)注，到現(xiàn)在為止，已有70多個(gè)國(guó)家，1000多家機(jī)構(gòu)使用這個(gè)模型?；谶@樣的基座模型，智譜在3月上線了ChatGLM，參考了ChatGPT發(fā)展路徑，加入了代碼預(yù)訓(xùn)練和微調(diào)等一系列技術(shù)，并把這個(gè)模型做成APP，今年8月31日第一批通過(guò)監(jiān)管部門(mén)審批，正式上線。
我們一直認(rèn)為，任何技術(shù)最終都會(huì)走向應(yīng)用，創(chuàng)造更多的用戶價(jià)值，所以智譜很早就開(kāi)始布局商業(yè)化路徑。對(duì)于大模型，智譜有全棧的服務(wù)，包括模型訓(xùn)練的方法、框架和模型本身的AIaaS等方面，支持更多的企業(yè)開(kāi)發(fā)自己的應(yīng)用，去賦能自己的行業(yè)，這是智譜比較早的提出的MaaS概念，在現(xiàn)在進(jìn)入生成式AI第二階段之后，在這個(gè)基礎(chǔ)上取得了更好的商業(yè)化落地的效果。
在傳統(tǒng)的軟件發(fā)展過(guò)程中，有大量的應(yīng)用是聚集了大量的用戶，這樣的應(yīng)用通常最后會(huì)把自己變成大的平臺(tái)，比如說(shuō)搜索引擎Google、Bing等產(chǎn)品，讓更多的開(kāi)發(fā)者和應(yīng)用借助這個(gè)平臺(tái)，變成這些平臺(tái)當(dāng)中的應(yīng)用，比如一個(gè)APP，或者一個(gè)插件。在那個(gè)階段，大家關(guān)注的是產(chǎn)品當(dāng)中用到的算法，這些算法要借助產(chǎn)品的平臺(tái)轉(zhuǎn)化成用戶所需要的價(jià)值。而現(xiàn)在這個(gè)階段不一樣的地方，是現(xiàn)在要關(guān)注的是大模型本身，思考的是從大模型出發(fā)，如何開(kāi)發(fā)新的應(yīng)用，能夠比較好地展現(xiàn)大模型原生的能力，而不是簡(jiǎn)單地當(dāng)成替換的零件（替換原有產(chǎn)品當(dāng)中某一個(gè)模型的模塊），因此思考的方向是不一樣的。
現(xiàn)在的大模型在改變?cè)械能浖拈_(kāi)發(fā)方式和生態(tài)的應(yīng)用方式。早期建立的平臺(tái)，用戶的功能、漏洞靠軟件開(kāi)發(fā)者定義和實(shí)現(xiàn)，而當(dāng)大語(yǔ)言模型產(chǎn)生之后，大家更期待在這樣的模式背后，大模型真正賦予軟件生態(tài)智慧，更自動(dòng)、更智能地打通APP背后的數(shù)據(jù)、邏輯、流程。比如說(shuō)你需要規(guī)劃3天的旅游行程，需要搜攻略、訂票、配合時(shí)間、安排行程，比較價(jià)格、方案，但是現(xiàn)在只需要大語(yǔ)言模型作為核心的AI助手，告訴它有3天假期，去什么地方，同行的有老人、孩子，它就可以自動(dòng)在網(wǎng)上獲取信息，甚至幫你訂機(jī)票、訂車(chē)、訂酒店。智譜已經(jīng)做了類(lèi)似的事情，這也是大家所想象的未來(lái)的大語(yǔ)言模型原生應(yīng)用開(kāi)發(fā)的方法。目前，智譜已經(jīng)推出了面向金融行業(yè)的辦公場(chǎng)景、知識(shí)共享場(chǎng)景等多種行業(yè)解決方案。
在醫(yī)療AI這個(gè)賽道里，數(shù)據(jù)和技術(shù)壁壘很強(qiáng)，醫(yī)療也是個(gè)嚴(yán)謹(jǐn)?shù)男袠I(yè)，所以在醫(yī)療行業(yè)里人工智能的進(jìn)展遠(yuǎn)遠(yuǎn)沒(méi)有通用大模型（比如OpenAI）走得這么前沿。但是醫(yī)療是非常重要的B端賽道，關(guān)系到民生，所以醫(yī)療方向里做人工智能的企業(yè)還是非常多的。
人工智能發(fā)展要跟場(chǎng)景、數(shù)據(jù)、商業(yè)等很多元素結(jié)合到一起，通過(guò)人工智能的技術(shù)解決真正場(chǎng)景里面的問(wèn)題，場(chǎng)景里面客戶也愿意為這個(gè)技術(shù)和產(chǎn)品買(mǎi)單，這是非常重要的點(diǎn)。國(guó)內(nèi)上市的政策、制度都在逐步變化，現(xiàn)在不盈利的企業(yè)上市難度比原來(lái)大很多，所以技術(shù)更需要和場(chǎng)景的痛點(diǎn)結(jié)合，一開(kāi)始就要思考做的產(chǎn)品，如何盈利。
首先醫(yī)學(xué)影像人工智能企業(yè)是最多的，比如肺結(jié)節(jié)的篩查，就是通過(guò)人工智能的學(xué)習(xí)，把醫(yī)生以前5-10分鐘看一個(gè)病人，提高到10秒鐘，大幅度提高效率，減少漏診。比如脈得智能，是GE醫(yī)療合作非常深入的超聲人工智能企業(yè)。超聲通常來(lái)說(shuō)對(duì)醫(yī)生個(gè)人手法是要求很高的，超聲設(shè)備的企業(yè)會(huì)做圖像質(zhì)控方向的人工智能應(yīng)用，但在圖像識(shí)別和診斷方面，會(huì)和國(guó)內(nèi)人工智能企業(yè)展開(kāi)合作，像脈得的AI應(yīng)用就和GE的臺(tái)式超聲機(jī)做了整合，醫(yī)生既可以看到超聲出來(lái)的原圖像，也可以動(dòng)態(tài)實(shí)時(shí)的看到人工智能處理過(guò)的圖像，價(jià)值非常高。影像人工智能在大的醫(yī)院可以提高效率，基層醫(yī)院可以進(jìn)行分級(jí)診療，應(yīng)用空間是很大的。脈得人工智能的應(yīng)用，是實(shí)時(shí)，多模態(tài)、多種圖像格式的，還可以給到很多量化分析，特征分析，以前醫(yī)生采集標(biāo)注非常麻煩，邊上還需要一個(gè)人幫忙記錄數(shù)據(jù)，整理報(bào)告，現(xiàn)在有了超聲AI可以處理完自動(dòng)出具結(jié)構(gòu)化的報(bào)告，操作非常的便捷，這很有臨床價(jià)值和實(shí)際意義。
醫(yī)療影像的人工智能這幾年發(fā)展迅速，根據(jù)初步的統(tǒng)計(jì)，目前已經(jīng)有70多個(gè)產(chǎn)品拿到NMPA三類(lèi)證，走進(jìn)臨床使用。早期這么多應(yīng)用同質(zhì)化的比較多，但是現(xiàn)在已經(jīng)所看到幾家頭部的企業(yè)慢慢成型，活到最后的才是贏家。另外，醫(yī)療人工智能還用在醫(yī)療芯片、醫(yī)療機(jī)器人、醫(yī)療可穿戴和元宇宙、健康管理、病例文獻(xiàn)、基因檢測(cè)、藥物合成等方向。AI在醫(yī)療的賽道很寬廣，需要差異化地來(lái)選擇人工智能的創(chuàng)新方向。
醫(yī)療器械大公司的數(shù)字醫(yī)療及醫(yī)療人工智能，主要是幾個(gè)方向：1）智能的設(shè)備，怎么把以前的設(shè)備做得更加的智能，怎么樣把設(shè)備、醫(yī)院的數(shù)據(jù)流、工作流、重大資產(chǎn)、績(jī)效管起來(lái)；2）智能的臨床，怎么樣把很多診療一體化做得更加智能，把就診流程做得更加順暢。近些年隨著外企把產(chǎn)線轉(zhuǎn)到中國(guó)來(lái)，很多合作伙伴，供應(yīng)商，成為賽道里面隱形的冠軍，在這個(gè)轉(zhuǎn)產(chǎn)過(guò)程中許多供應(yīng)鏈和核心零部件都需要人工智能的應(yīng)用，都是需要在本地找到供應(yīng)商、合作伙伴的，慢慢地會(huì)跑出來(lái)一些企業(yè)。
Q：今天的圓桌我們請(qǐng)了聚焦在AI細(xì)分領(lǐng)域應(yīng)用的企業(yè)嘉賓，一起探討目前大浪潮下AI的商業(yè)化落地，就是在目前的環(huán)境下面怎么通過(guò)技術(shù)賺錢(qián)，應(yīng)該也是各個(gè)企業(yè)在未來(lái)發(fā)展的最重要的核心要素。首先請(qǐng)各位簡(jiǎn)要介紹一下大家在AI的上半場(chǎng)，已經(jīng)做了哪些布局和取得的進(jìn)展。
百家云-馬義：百家云是一家以音視頻技術(shù)和AI技術(shù)驅(qū)動(dòng)的技術(shù)服務(wù)公司，主要是做TO B技術(shù)服務(wù)，最早從服務(wù)教育行業(yè)開(kāi)始，后延展至多個(gè)行業(yè)，去年底在納斯達(dá)克上市。我們一直密切關(guān)注AI技術(shù)浪潮的發(fā)展，因?yàn)閷?duì)于我們做TO B技術(shù)服務(wù)的公司來(lái)說(shuō)，這是一個(gè)生死的坎，做對(duì)了就會(huì)有大的發(fā)展，做錯(cuò)了就會(huì)再也沒(méi)有機(jī)會(huì)了。
倚瀾科技-戴翹楚：倚瀾科技是一家做元宇宙數(shù)字化營(yíng)銷(xiāo)的公司，通過(guò)自研的虛實(shí)融合引擎為品牌提供數(shù)字化營(yíng)銷(xiāo)解決方案，覆蓋了渲染和虛實(shí)交互以及底層內(nèi)容技術(shù)，為應(yīng)用于品牌的產(chǎn)品全生命周期數(shù)字化營(yíng)銷(xiāo)，目前已服務(wù)的品牌，包括特步集團(tuán)、太平鳥(niǎo)服裝等。
博特智能-戴亦斌：博特智能主要是圍繞內(nèi)容產(chǎn)業(yè)鏈用人工智能技術(shù)進(jìn)行賦能，比如，AI內(nèi)容創(chuàng)作、AI內(nèi)容安全、AI內(nèi)容信息檢測(cè)和過(guò)濾，即在互聯(lián)網(wǎng)上、政企客戶和專(zhuān)業(yè)機(jī)構(gòu)，他們對(duì)外需要發(fā)布的內(nèi)容，以及信息進(jìn)行識(shí)別和合規(guī)檢測(cè)。今年新的業(yè)務(wù)，主要是針對(duì)大模型的應(yīng)用和AIGC的安全評(píng)測(cè)。
恒力華振-劉濤：恒力華振是做裝備智能化和數(shù)字化企業(yè)，宗旨是讓裝備好用，讓人用好裝備。我們來(lái)做這件事情，主要是看到很多工廠里的操作人員，對(duì)設(shè)備不是很了解，或者對(duì)設(shè)備的掌握使用會(huì)隨著老工人的離開(kāi)而流失。我們希望通過(guò)對(duì)裝備做數(shù)據(jù)收集、管理和數(shù)據(jù)模型，把這些工人的經(jīng)驗(yàn)和企業(yè)管理的經(jīng)驗(yàn)沉淀到設(shè)備上面，讓設(shè)備越來(lái)越智能。目前我們?cè)诰?xì)化工、機(jī)加工等行業(yè)，以及一些卡脖子設(shè)備上開(kāi)展工作，并取得較好效果。
脈得智能-侯雨：脈得智能專(zhuān)注醫(yī)療人工智能，目前業(yè)務(wù)分布在兩個(gè)方向：第一，圍繞著超聲醫(yī)學(xué)影像所涵蓋的臨床方向，包括甲狀腺、乳腺、前列腺、肝臟等一系列的臨床疾病的分類(lèi)，來(lái)做超聲相關(guān)的人工智能的專(zhuān)家診療系統(tǒng)和平臺(tái)的建設(shè)；第二，在醫(yī)療方面的布局，圍繞基因組學(xué)的生物信息分析，加入人工智能的應(yīng)用和落地的結(jié)合。我們希望在嚴(yán)肅醫(yī)療的場(chǎng)景下，人工智能也可以發(fā)揮積極的作用。目前在國(guó)內(nèi)，我們從細(xì)分賽道的市場(chǎng)占有率和覆蓋，應(yīng)該是排名第一，全國(guó)TOP100的醫(yī)院超過(guò)90%都是我們覆蓋的客戶。
Q：目前的背景是“百模大戰(zhàn)”，也請(qǐng)各位分享一下，在下半場(chǎng)，各自的思考和布局是什么？
百家云-馬義：我們這樣的企業(yè)，更多關(guān)注的行業(yè)落地。在行業(yè)領(lǐng)域當(dāng)中，我們更了解客戶的需求，如何幫助用戶提高效率，在這方面會(huì)比我們?cè)贑端應(yīng)用和其他方面的應(yīng)用，能結(jié)合更快、更早一點(diǎn)，還是有很大的機(jī)會(huì)，這是我大概的想法。
倚瀾科技-戴翹楚：現(xiàn)在大模型感覺(jué)布局初具規(guī)模，但我們?cè)谧鼍唧w的品牌化數(shù)字化營(yíng)銷(xiāo)的時(shí)候發(fā)現(xiàn)，其實(shí)大模型的成本非常高的，落到實(shí)際的行業(yè)當(dāng)中，我們會(huì)更關(guān)注小模型一些，因?yàn)樗谔囟ǖ念I(lǐng)域當(dāng)中，能更快速地落地，實(shí)現(xiàn)產(chǎn)業(yè)化的規(guī)模，這是我們公司關(guān)于“百模大戰(zhàn)”的實(shí)戰(zhàn)想法。
博特智能-戴亦斌：我們做互聯(lián)網(wǎng)的內(nèi)容運(yùn)營(yíng)平臺(tái)和內(nèi)容發(fā)布（直播、短視頻等）的內(nèi)容審核，傳統(tǒng)的內(nèi)容審核方法是AI做初篩、人工做二次審查。第一道AI的審查就是傳統(tǒng)的的文本分類(lèi)、關(guān)鍵詞匹配、圖像識(shí)別、人臉識(shí)別等，可以使用各種小模型來(lái)審查，對(duì)文本、音視頻、圖像等進(jìn)行審核；而人工二次審核是行業(yè)的痛點(diǎn)，無(wú)論是大企業(yè)，還是新興企業(yè)，人力成本都是一個(gè)不小的負(fù)擔(dān)，而且人員素質(zhì)，能力參差不齊，也會(huì)帶來(lái)主觀判斷和標(biāo)準(zhǔn)把握尺度不一，造成不小的安全風(fēng)險(xiǎn)遺漏。
在內(nèi)容安全風(fēng)險(xiǎn)面前，我們倡導(dǎo)用鐵面無(wú)私的機(jī)器來(lái)做判官，把安全性提上去。所以我們通過(guò)大模型的技術(shù)手段來(lái)替代人工二次審核，大模型技術(shù)用在一次審核成本太高，效果也達(dá)不到，但是用在做二次審核是非常好的，我們?cè)谶@方面投入了很多資源和精力研究，目前也取得了非常不錯(cuò)的效果，成本降低到人工二次審核成本的四分之一或五分之一。最關(guān)鍵的是，通過(guò)我們獨(dú)有的“意識(shí)形態(tài)數(shù)據(jù)集”訓(xùn)練的安全大模型，在解決大模型社會(huì)主義核心價(jià)值觀對(duì)齊、消除歧視偏見(jiàn)、遵守法律法規(guī)、個(gè)人權(quán)利的維護(hù)等大模型疑難雜癥層面得到了很大的質(zhì)量提升。這是我們?cè)诖竽Ｐ蛻?yīng)用方面的收獲和體會(huì)?？梢哉f(shuō)大模型在未來(lái)各個(gè)領(lǐng)域都有非常高的實(shí)踐價(jià)值。
恒力華振-劉濤：從模型角度來(lái)講，我們?cè)诮衲晟习肽?，也試著?xùn)練了軸承的故障診斷、齒輪箱故障診斷的小模型。跟傳統(tǒng)的深度學(xué)習(xí)、傳統(tǒng)的工業(yè)計(jì)算模型相比，小模型的精度有一定的提高，可以提高20%-30%的效果。后續(xù)，我們也是想進(jìn)一步地把這些新的功能逐步加入，把辨識(shí)的精度和效率做得更好。
另外，我們主攻的工業(yè)場(chǎng)景當(dāng)中，很多的合作單位，他們對(duì)數(shù)據(jù)質(zhì)量要求和數(shù)據(jù)完整性要求越來(lái)越高，所以很多企業(yè)其實(shí)都在建數(shù)據(jù)系統(tǒng)和積累自己的數(shù)據(jù)，希望通過(guò)的自己的數(shù)據(jù)訓(xùn)練出來(lái)適合自己工廠的診斷模型和經(jīng)驗(yàn)生產(chǎn)的模型，提高生產(chǎn)質(zhì)量和生產(chǎn)效率，降低生產(chǎn)成本，這也是目前的趨勢(shì)。
脈得智能-侯雨：大家一直分享的通用型大規(guī)模的預(yù)訓(xùn)練的模型，對(duì)我們做醫(yī)療行業(yè)的來(lái)說(shuō)，現(xiàn)階段可能是比之前嘉賓介紹的更早期的階段，所以我們更加專(zhuān)注的是符合個(gè)性化需求、臨床需求的專(zhuān)業(yè)方向的行業(yè)大模型。基于這樣的情況，我們現(xiàn)在跟全國(guó)多中心聯(lián)合，幫助醫(yī)院搭建人工智能中心，基于這個(gè)中心圍繞幾個(gè)維度做事情，像醫(yī)院管理、精準(zhǔn)治療和方案設(shè)計(jì)到最后的康復(fù)、隨訪等環(huán)境都會(huì)涉及。在我們這個(gè)行業(yè)，現(xiàn)在更多是像錘子釘釘子，解決行業(yè)當(dāng)中具體的細(xì)分需求，這是我們?cè)卺t(yī)療細(xì)分賽道做的前期布局。
Q：關(guān)于AI的商業(yè)化，我們也希望探討一下，在真正銷(xiāo)售的過(guò)程中，客戶是否會(huì)買(mǎi)單，或者會(huì)不會(huì)存在這種情況，就是現(xiàn)在推銷(xiāo)產(chǎn)品的時(shí)候，如果不提大模型、不提AIGC，產(chǎn)品就賣(mài)不出去了？
百家云-馬義：現(xiàn)在我們對(duì)產(chǎn)品上落地AIGC，我們是這樣考慮的：現(xiàn)在大家熟悉的所有的應(yīng)用，可能在未來(lái)幾年內(nèi)，整個(gè)界面都會(huì)發(fā)生變化，因?yàn)榇蠹业慕换シ绞綍?huì)發(fā)生變化，不是以前的鼠標(biāo)、觸摸屏，而是會(huì)發(fā)展到AI語(yǔ)言的交互方式，如果你的模塊沒(méi)有做智能升級(jí)，對(duì)用戶來(lái)說(shuō)，TA的操作體驗(yàn)感越來(lái)越差。
另外，基于大模型在這個(gè)階段的特性，我們認(rèn)為更大的可能性，還是會(huì)用在一些比較可以代替的基礎(chǔ)性人體勞動(dòng)的地方，代替一些大眾可以做的事情，把人解放出來(lái)，規(guī)?；瘉?lái)獲得利潤(rùn)空間。
倚瀾科技-戴翹楚：其實(shí)這個(gè)市場(chǎng)變化非?？臁ｋS著AIGC大模型這兩年火熱了，更方便客戶理解這項(xiàng)技術(shù)是如何幫助行業(yè)的發(fā)展，我們發(fā)現(xiàn)客戶也在成長(zhǎng)，無(wú)形之中成為了AI技術(shù)和產(chǎn)業(yè)聯(lián)合的橋梁。其實(shí)在早期，高科技公司去落地這件事情是非常困難的，通過(guò)AIGC大模型的宣傳，反而讓客戶更加愿意去擁抱新技術(shù)給行業(yè)帶來(lái)的變化，我們感受到，目前客戶也是非常地?zé)崃业厝肀н@項(xiàng)技術(shù)，并且更愿意和我們這些高科技產(chǎn)業(yè)進(jìn)行合作。
博特智能-戴亦斌：從我們實(shí)際的體會(huì)來(lái)說(shuō)，在AIGC商業(yè)化的時(shí)候，主要考慮兩個(gè)方面，一是應(yīng)用效果，能幫助客戶解決實(shí)際問(wèn)題的效果；再就是成本，在中國(guó)做TO B應(yīng)用都是高難度的應(yīng)用，既要效果好，又要價(jià)格便宜，所以一定要平衡好成本和效果。
在讓客戶付費(fèi)和商業(yè)化方面，我個(gè)人有一個(gè)認(rèn)識(shí)，就是我們盡量來(lái)做存量市場(chǎng)，因?yàn)榇媪渴袌?chǎng)有現(xiàn)成的預(yù)算，通過(guò)大模型和AIGC，可以降低成本，這個(gè)客戶相對(duì)來(lái)說(shuō)用得不那么費(fèi)勁，我們也跟客戶達(dá)到了雙贏的效果。
恒力華振-劉濤：AIGC和人工智能在工業(yè)領(lǐng)域，還是比較熱門(mén)的，這次GPT出來(lái)之后，讓我們的客戶對(duì)人工智能新的發(fā)展的有了更高的預(yù)期。今年我們可以明確感受到，在客戶做新項(xiàng)目的時(shí)候，會(huì)更多地考慮把人工智能的想法和功能帶進(jìn)去。但同時(shí)，工業(yè)企業(yè)對(duì)成本的要求也是非常嚴(yán)苛，每一次都考慮投資回報(bào)率，所以在這一點(diǎn)上我們必須做好權(quán)衡，滿足我們客戶要求的效果，同時(shí)成本又可以控制住。所以我們也在思考，是不是可以有輕量化的產(chǎn)品，結(jié)合人工智能，更容易在工廠落地、讓工廠變得智能。
脈得智能-侯雨：當(dāng)前我們的醫(yī)生和醫(yī)療的相關(guān)資源，其實(shí)是分布非常不均衡的，存在短缺的問(wèn)題，但就診和醫(yī)療的需求，又非常旺盛，隨著老齡化的到來(lái)，會(huì)進(jìn)一步加大。目前沒(méi)有辦法通過(guò)常規(guī)節(jié)奏的手段，來(lái)響應(yīng)爆炸式的井噴的現(xiàn)象，所以需要人工智能和大模型的技術(shù)，用關(guān)鍵的模型來(lái)做關(guān)鍵性的事情，彌補(bǔ)中間的差異。
另外一點(diǎn)，在嚴(yán)肅醫(yī)療的方向上，世界各個(gè)國(guó)家對(duì)嚴(yán)肅醫(yī)療都有著很高的準(zhǔn)入門(mén)檻，從整個(gè)注冊(cè)證的獲批，到物價(jià)收費(fèi)條碼落地，再到院內(nèi)對(duì)患者進(jìn)行收費(fèi)，其實(shí)是比較漫長(zhǎng)的過(guò)程，所以這個(gè)轉(zhuǎn)化的過(guò)程中，不是說(shuō)這個(gè)產(chǎn)品具備了很多的應(yīng)用的場(chǎng)景和價(jià)值就可以很容易的變現(xiàn)，它必須先解決好資質(zhì)的問(wèn)題，再在這個(gè)基礎(chǔ)上，逐步變現(xiàn)。另外還有一點(diǎn)需要注意的是，對(duì)于消費(fèi)者或者是患者來(lái)說(shuō)，TA是最在意的，就是這個(gè)AI的結(jié)果和生成的內(nèi)容的質(zhì)量和可信度，這是非常重要的。
