تم إطلاق النموذج الكبير To C، وتم فتح الشمبانيا في نصف الوقت لتسويق الذكاء الاصطناعي؟

المصدر: إنترنت جيانغهو

مصدر الصورة: تم إنشاؤها بواسطة Unbounded AI‌

يبدو أن النماذج الكبيرة تفشل في جلب المزيد من الخيال في التقييم.

في 14 مارس من هذا العام، أصدرت OpenAI GPT-4، مما أدى إلى تحسين فهم وموثوقية النماذج الكبيرة. وبعد يومين، تم إطلاق Baidu Wen Xin Yi Yan رسميًا، ولم يفتح Wen Yi Yan رسميًا خدماته للجمهور إلا في نهاية أغسطس.

بالإضافة إلى Baidu، أصدرت iFlytek طراز Spark في 6 مايو، وسيكون مفتوحًا للجمهور في 5 سبتمبر. شانغ تانغ. في أبريل، تم إطلاق نظام Ririxin النموذجي الكبير، وفي نهاية أغسطس، تمت الموافقة على نموذج Ririxin الكبير. كما سارع كل من Tencent Hunyuan وAlitong Qianwen إلى دخول السوق.

الآن، مر نصف عام منذ ظهور أول نموذج محلي واسع النطاق، كيف هو أداء أسواق رأس المال المختلفة؟

كان سعر إغلاق سهم بايدو في هونج كونج هو 129 دولارًا هونج كونج في 14 مارس و132.2 دولارًا هونج كونج في 18 سبتمبر.

أغلقت SenseTime عند 3.33 دولار هونج كونج في 11 أبريل وأغلقت عند 1.46 دولار هونج كونج في 18 سبتمبر.

أغلقت iFlytek عند 63.76 يوان في 8 مايو و48.38 يوان في 18 سبتمبر.

……

لقد كان هناك بالفعل ضجة حول مفهوم النماذج الكبيرة، ولكن في الوقت الحاضر، تلاشت هذه الضجة ولا يبدو أن السوق يشتريها.

في 15 أغسطس، دخلت "تدابير إدارة خدمات الذكاء الاصطناعي التوليدي (مسودة للتعليقات)" حيز التنفيذ، وكان الطريق إلى الامتثال لمنتج AIGC واضحًا. ونتيجة لذلك، تم إطلاق النماذج الكبيرة المحلية بشكل مكثف، بما في ذلك Baidu وiFlytek وSenseTime و إلخ. بدأ اللاعبون في الاستيلاء على سوق ToC.

فهل يمكن أن يصبح "أول نموذج تطبيق كبير" على الهواتف المحمولة للأشخاص "المدخل الأول" لجيل الذكاء الاصطناعي؟ الأمر يستحق النظر فيه.

تم "نقل" النموذج الكبير إلى مكتب الاستقبال، وتم فتح الشمبانيا بين الشوطين بعد إطلاق الذكاء الاصطناعي؟

الشيء الوحيد المؤكد هو أنه عندما يتعلق الأمر بالمقدمة، فإن ما يتطلع إليه السوق هو "الإنتاج" بالمعنى التطبيقي. ما نوع المشاكل الموضوعية التي يمكن للنماذج الكبيرة أن تحلها؟ التطبيقات التي يمكنها حل المشاكل هي تطبيقات ذات قيمة تجارية.

التطبيق الأكثر مباشرة للنماذج الكبيرة هو المساعدين الصوتيين.

تعمل النماذج الكبيرة على تعزيز موجة من تطبيقات التفاعل الصوتي، الأمر الذي قد يجلب "الربيع الثاني" لبعض صناعات الأجهزة. على سبيل المثال، تتمتع مكبرات الصوت الذكية بنقاط بيع جديدة، وقد تجد مكبرات الصوت الذكية Xiaodu نقاط نمو جديدة.

في مجال المساعدات الصوتية، قد يكون التطبيق الأكثر نجاحًا في السيارات.

تمكن Wen Xinyiyan من الوصول إلى Geely، وGreat Wall، وHongqi، وDongfeng Nissan، وLantu. ويرتبط ChatGPT بـ Mercedes-Benz، ويرتبط طراز Spark الكبير بـ GAC، ويرتبط Huawei Pangu بـ Thalys... وهذا أيضًا أحد أسهل السيناريوهات لتسويق النماذج الكبيرة. بعد كل شيء، بالنسبة للسيناريوهات داخل السيارة، هناك حاجة ماسة إلى تطبيقات المساعد الصوتي وهي أيضًا مجال ناضج نسبيًا لتنفيذ الجانب B.

على الرغم من أنه قد تم اتخاذ خطوة مهمة في اختراق النماذج الكبيرة في الجانب C، إلا أنني أخشى أنه لا يزال هناك طريق طويل لنقطعه قبل أن يتم تطبيقها فعليًا على نطاق واسع.

إن هتافات اليوم أشبه بفرقعة الشمبانيا بين الشوطين، والحقيقة هي أن العارضات الكبيرات ما زلن ناضجات على الإطلاق.

ما يحتاج الناس إلى قبوله هو أن النموذج الكبير يبدو قويًا جدًا، ولكن عندما تستخدمه فعليًا لحل المشكلات، ستجد أنه ليس بهذه القوة.

بالنسبة لبعض الاحتياجات الأكثر عملية، وحتى البسيطة، لا تزال النماذج الكبيرة غير قادرة على تلبيتها. وهناك مشاكل تتعلق بالبيانات ومشاكل بيئية وراءها، ولكن في التحليل النهائي، لا يمكنها حل الاحتياجات الفعلية إلا إلى حد محدود.

الأول هو مسألة حداثة البيانات. في الاستخدام الفعلي، وجدنا أنه بالنسبة لنفس السؤال، فإن الإجابة التي يقدمها النموذج الكبير ليست جيدة حتى مثل البحث.

هذه هي الإجابة التي قدمها بحث بايدو:

هذه هي الإجابة التي قدمها ون شينييان:

من حيث التوقيت والدقة، يكون البحث أكثر اتساقًا مع الفطرة السليمة وأكثر اتساقًا مع فهم الأشخاص للمشاهد الحقيقية.

"قد يكون Wen Xin Yiyan مفيدًا في أي سيناريو تطبيق يتضمن التعامل مع اللغة أو النص أو رمز البرنامج." قال وانغ هايفنغ للعالم الخارجي ذات مرة.

في الواقع، فإن سيناريوهات تطبيق النماذج الكبيرة كبيرة جدًا، ولكن الحقيقة هي أنه في سيناريوهات الطلب الحقيقي، يبدو أن منتجات النماذج الكبيرة الحالية لديها مجال كبير للتحسين.

بالمقارنة مع Wen Xinyiyan، فإن نموذج iFlytek Spark يعطي الإجابة، ولكن الوقت هو تصنيف الشركات المدرجة في عام 2022، وهي ليست أحدث البيانات، إنها أيضًا مسألة حداثة البيانات.

مشكلة حداثة البيانات هي في الأساس مشكلة جزيرة في بيئة البيانات.

بالنسبة للأسئلة في بعض المجالات الرأسية، يبدو أن الإجابات التي تقدمها النماذج الكبيرة لا تلبي احتياجات الأشخاص من حيث الاحترافية أو التوقيت المناسب. قد يكون هذا لأنه، سواء كان نموذج Wen Yiyan أو Xinghuo، ليس لدى الجميع تدريب كافٍ على البيانات في المجالات الرأسية.

على سبيل المثال، عندما يتعلق الأمر بالمعلومات المالية، فإن النتائج التي تقدمها النماذج الضخمة قد لا تكون دقيقة وقابلة للاستخدام مثل النتائج الموجودة على مواقع المعلومات المالية. وبطبيعة الحال، قد تكون هناك قضايا تتعلق بحقوق الطبع والنشر، ولكنها في جوهرها مشكلة جزيرة في حد ذاتها. النظام البيئي للبيانات.

إذا أخذنا ChatGPT كمثال، فإن OpenAI وGoogle وAnthropic المدعومة منها تستخدم المحتوى عبر الإنترنت من مواقع الويب أو الشركات الأخرى لتدريب نماذج الذكاء الاصطناعي التوليدية الخاصة بها لسنوات عديدة. وعلى الرغم من ضمان كمية البيانات، إلا أن هناك أيضًا مشكلات قانونية محتملة.

عندما تأتي النماذج الكبيرة إلى الواجهة، ستصبح مشكلة جزيرة البيانات هذه أكثر وضوحًا. نظرًا لأن المستخدمين لا يهتمون بكيفية حصولك على البيانات، فإنهم يهتمون فقط بما إذا كانت أدواتك سهلة الاستخدام أم لا.

يبحث تطبيق Tianyancha عن نماذج كبيرة، وهناك أكثر من 100 نتيجة ذات صلة، على الرغم من أن العديد من النماذج الكبيرة قد أصدرت تطبيقاتها الخاصة، في الوقت الحاضر، لا يوجد الكثير منها سهل الاستخدام حقًا، ويرجع تدفق أعداد كبيرة من المستخدمين إلى إن العمل الذي تقوم به النماذج الكبيرة على تطبيقات الجانب C لا يزال في الواقع محدودًا للغاية.

على سبيل المثال، إذا أراد المستخدم تحويل صورة بدقة 2K إلى 4K، فإن الأمر ليس معقدًا من الناحية الفنية، لكن النموذج الكبير لا يمكنه إعطاء نتائج للمستخدمين العاديين. إذا لم يعمل بعد استخدامه مرة واحدة، أخشى أنه سيكون من الصعب الاستمرار في استخدامه مرة أخرى.

تماما مثل مكبرات الصوت الذكية والمساعدين الصوتيين في الماضي، في الواقع، لدى الجميع مساعدين صوتيين مدعمين بالذكاء الاصطناعي في هواتفهم المحمولة، لماذا لا يتم استخدامها بشكل متكرر؟ في الواقع، هذا لأنه ليس سهل الاستخدام. لذلك، بالنسبة لـ Baidu وiFlytek وحتى SenseTime، فإن التحدي لا يتمثل في ما إذا كان بإمكانهم إنشاء تطبيقات الجانب C، ولكن ما إذا كانت جيدة بما فيه الكفاية.

منتج بايدو الأكثر نجاحا هو بايدو سيرتش. إن البحث الذكي قوي للغاية بالفعل، ولكن ما إذا كانت المنتجات واسعة النطاق قادرة على تحقيق نفس مستوى البحث يتطلب علامة استفهام.

بالنسبة إلى iFlytek، تعمل بعض منتجات الأجهزة بشكل جيد، ولكن الاختبار يكمن في قدرة تعريف منتجات البرمجيات؛ بالنسبة إلى SenseTime، تم تنفيذ الكثير من تطبيقات ToB، ولكن من الواضح أن ToC لا تزال بحاجة إلى المزيد من الخبرة.

في الوقت الحاضر، النماذج الكبيرة لـ ToC المحلية ليست مختلفة تمامًا. يتم استخدام معظمها في إنشاء المحتوى، والتلوين بالذكاء الاصطناعي، والترجمة، ومكتب الذكاء الاصطناعي وسيناريوهات أخرى. ويمكنها أيضًا مساعدة الأشخاص على حل بعض المشكلات العملية، مثل إنشاء الخطوط العريضة للاجتماعات و كتابة الخطوط العريضة لـ PPT، وكتابة التقارير البحثية، وكتابة تقارير العمل اليومية.

ولكن بعد ذلك، ما إذا كان النموذج الكبير لـ ToC يمكن أن يصبح "ناجحًا" ومتميزًا حقًا، أخشى أنه لن يتم اختباره فقط من خلال تقنية الذكاء الاصطناعي.

الفترة المتاحة لتسويق النماذج الكبيرة على وشك النفاد.

إحدى أكبر العقبات التي تحول دون تنفيذ النماذج الكبيرة على الجانب B هي عدم القدرة على فهم الأعمال.

على سبيل المثال، المجال المالي هو مجال يركز بقوة على البيانات، ويحتاج الناس إلى اتخاذ قرارات بناءً على البيانات، وإذا تم استخدام كمية كبيرة من البيانات والنظريات المالية لتدريب الذكاء الاصطناعي، ففي مواجهة السوق المتغيرة باستمرار، كيف يمكن هل يمكن اتخاذ الكثير من القرارات باستخدام النماذج الكبيرة؟ هل يجرؤ المستخدمون على استخدامه؟

قال ماسك سابقًا إن FSD V12 عبارة عن شبكة عصبية بالكامل تقريبًا، حيث تقوم ببناء مجموعة من تقنيات القيادة الذاتية الشاملة. وبعبارة أخرى، فإن عملية إدخال وإخراج المعلومات من البداية إلى النهاية هي "الصندوق الأسود".

أنت لا تعرف كيف يتخذ الذكاء الاصطناعي القرارات على وجه التحديد، ولكنك ستحصل في النهاية على نتيجة قابلة للاستخدام.

في أغلب الأحيان لا توجد مشكلة في مثل هذه التطبيقات، على سبيل المثال، في مجال السفر، ما يحتاجه الناس هو الوصول إلى وجهتهم بأمان، وحتى لو كانت مشكلة الصندوق الأسود في اتخاذ القرار موجودة، فإنها لا تؤثر على التطبيق الفعلي .

إن أكبر مشكلة في الصندوق الأسود لصنع القرار هي مسألة الثقة في اتخاذ القرار. كما تعاني النماذج الكبيرة من السحابة إلى النهاية مشاكل مماثلة.

على سبيل المثال، إذا طرحت سؤالاً على نموذج كبير، فهل الإجابات التي يقدمها سؤال الذكاء الاصطناعي حقيقية وذات مصداقية بما فيه الكفاية؟ ولا تزال هذه المشكلة بحاجة إلى حل بجهود كبيرة. بكل بساطة، لتعليم نموذج كبير ما هي النتائج الصحيحة وسهلة الاستخدام، يتطلب ذلك "مواءمة" نتائج مخرجات النموذج باستمرار مع الواقع.

يعد هذا أيضًا تحديًا مهمًا للنماذج الكبيرة التي سيتم تنفيذها على الجانب C.

لا يمكن ضمان صحة وفعالية نتائج المخرجات على المستوى الأساسي؟ هذه مشكلة أساسية يجب حلها فيما إذا كانت تطبيقات النماذج الكبيرة يمكن أن تؤدي حقًا إلى انفجار كبير.

في الماضي، أنفق ChatGPT الكثير من المال للقيام بذلك، ومن الواضح أن Wen Xinyiyan وSpark Model وSenseTime النموذجي اليومي الجديد بحاجة أيضًا إلى المرور بهذه العملية.

في المرحلة الحالية، فإن جنون تطبيق النماذج الكبيرة العامة يشبه إلى حد كبير الزراعة الذاتية للناس. غالبًا ما يكون إصدار النماذج الكبيرة من قبل الشركات مصحوبًا بسلسلة من أنشطة العلاقات العامة. ولكن بالإضافة إلى ذلك، ما هو نوع الفائدة التي يمكن زيادةها ومع ذلك، لا توجد حتى الآن خطة واضحة، فقط خطاب العلاقات العامة المتمثل في "نماذج الذكاء الاصطناعي واسعة النطاق الذكية تقلل التكاليف وتحسن الكفاءة".

إن الوضع الحالي المتمثل في كونها "عملاقًا" من حيث ترويج المنتجات و"قزمًا" في مجال الأعمال ليس أكثر من محاولة تصنيف نفسها على أنها نموذج كبير حتى تتمكن السوق الثانوية من إلقاء نظرة فاحصة عليه. ومع ذلك، فإن السوق يصوت بالفعل وسينظر في النهاية إلى الأداء التجاري الفعلي.

تعتقد شركة Internet Jianghu أنه إذا كانت قيمة النماذج الكبيرة في الماضي تكمن في "وضع العلامات" على شركات التكنولوجيا من أجل الحصول على أسعار جيدة في السوق الثانوية، فإن قدرتها على البقاء في المستقبل تعتمد على ما إذا كان بإمكانها إكمال "الإنتاج" الاعتماد حقًا على قدرة التطبيق على "غزو العالم".

ذات يوم قال بيتر ثيل، الأب الروحي لوادي السيليكون، إن الشركات التي تحب أن تصنف نفسها كلها تقريباً غير قابلة للاستثمار. وقد أعرب ذات مرة عن هذا الرأي قائلاً: "أنا متشكك في كل الاستثمارات المواضيعية الساخنة. وبشكل عام، يقال إنه لا يوجد تمييز بين هذه الاستثمارات. يحب الجميع وضع الكثير من الأشياء المختلفة تمامًا في نقطة ساخنة واحدة، تسمى الحوسبة السحابية، والبيانات الضخمة، والذكاء الاصطناعي، والبرمجيات كخدمة طبية، وما إلى ذلك، ولكن في الواقع فإن الطبقة السفلية مختلفة تمامًا. لا تمايز."

الشيء نفسه ينطبق على النماذج الكبيرة.

في الواقع، بعد التخلص من فقاعة مسار الذكاء الاصطناعي، أدرك السوق بوضوح أن القيمة الحقيقية للنماذج الكبيرة لا تزال تكمن في الإنتاج. مفتاح الإنتاج ليس فقط المنافسة في التكنولوجيا، ولكن أيضًا المنافسة في قدرات مدير المنتج.

عند هذه النقطة، ربما يتمتع "ملوك" العصر السابق (مثل علي بابا وتينسنت) بخبرة وقول أكبر من بايدو.

من ناحية، فإن مفتاح الإنتاج هو القدرة على تحديد احتياجات المستخدم بدقة.

على سبيل المثال، يفضل الجميع حاليًا إنشاء تطبيقات الذكاء الاصطناعي الأصلية، ولكن كيفية تلبية الاحتياجات الفعلية للمستخدمين بشكل أفضل تعتمد على تعريف المنتج.

من ناحية أخرى، فقط بعد الإنتاج يمكن للنماذج الكبيرة أن تصبح متميزة، والتسويق هو في الواقع النتيجة الطبيعية للإنتاج.

بعد تجربة المنتجات النموذجية واسعة النطاق التي أصدرتها شركات مختلفة، لدي شعور قوي بأنه على الرغم من أن لها أسماء مختلفة، إلا أنه لا توجد اختلافات كثيرة في منتجاتها، كما أن أنواع المهام التي يمكنها إكمالها متشابهة.

على سبيل المثال، عندما تستخدم Wen Xinyiyan لأول مرة، ستشعر أنه قوي حقًا ويمكنه تقديم إجابات لجميع الأسئلة. وبمجرد أن يشتمل على محتوى أكثر تعمقًا، ستجد أن الإجابات التي يقدمها معقدة للغاية، و في معظم الأحيان تكون مثل الكلمات والكليشيهات الفارغة.

ليس فقط Wen Xinyiyan، ونموذج iFlytek's Spark، وSenseChat من SenseTime، فإن أداء الجميع في الواقع لا يختلف كثيرًا.

ويرجع ذلك في جوهره إلى أن النماذج الكبيرة ليست ذكاءً اصطناعيًا قويًا بطبيعتها، فهي لا تزال بحاجة إلى الاعتماد على البيانات للتدريب المستمر، ولا تصدر أحكامًا بناءً على المعلومات بالمعنى الحقيقي. ولذلك، فإن مفتاح التمايز يكمن في منتج التطبيق النهائي.

يعتقد Internet Jianghu أن المنتجات ذات النماذج الكبيرة لا تحتاج فقط إلى "جذب" المستخدمين من خلال السيناريوهات، ولكنها تحتاج أيضًا إلى استخدام الخبرة للاحتفاظ بالمستخدمين وحتى تحفيز استعداد المستخدمين للدفع.

وفي الوقت الحاضر، تركز هذه المنتجات التطبيقية ذات النماذج الكبيرة التي تمت الموافقة عليها على الأدوات التي تغطي معظم السيناريوهات اليومية للمستخدمين، وقد بدأت التطبيقات في جميع الاتجاهات من العمل إلى الترفيه في الظهور، على أمل أن تصبح مدخلاً جديدًا.

تكمن المشكلة في أن معظم المستخدمين ما زالوا في حالة من المتبنين الأوائل، وقد لا يكون هناك العديد من المستخدمين الذين يستخدمونه لحل المشكلات الفعلية. ربما لا يزال السبب يكمن في تطبيق المنتج.

خذ الحاجة البسيطة للتحقق من الأخطاء المطبعية كمثال. من التجربة الشخصية، فإن التطبيقات ذات النماذج الكبيرة السائدة حاليًا في السوق ليست جيدة جدًا. على العكس من ذلك، هناك بعض المنصات الرأسية التي تتخصص في تدقيق المقالات، وتجربة المستخدم جيدة جدًا. أفضل بكثير.كثيرة. باعتباري كاتبًا، لدي رغبة قوية في الدفع مقابل هذا المنتج.

ليس فقط العمل النصي، ولكن أيضًا إنشاء التعليمات البرمجية وإنشاء الصور، وقد حل النموذج الكبير الحالي في البداية مشكلة "هل يمكن استخدامه"، ولكن المفتاح الحقيقي هو حل مشكلة "هل من السهل استخدامه".

لذلك، قد تكون قدرات المنتج في هذه التطبيقات المجزأة هي المفتاح لمعرفة ما إذا كان بإمكان المستخدمين حقًا استخدام النماذج الكبيرة.

بعد أن يستخدمه عدد كبير من المستخدمين، ويتم استخدام بيانات كافية لتدريب الذكاء الاصطناعي، يمكن أن تتحسن قدرات نموذج الذكاء الاصطناعي الكبير بسرعة فائقة. انطلق ChatGPT بالفعل بعد تدفق عدد كبير من المستخدمين.

من المتوقع أنه بعد فتح النموذج واسع النطاق، سيكون هناك انفجار في تطبيقات الذكاء الاصطناعي الأصلية، بعد انفجار التطبيقات، قد يكون عدد المستخدمين الذين يمكنهم البقاء سؤالاً يحتاج "Wen Xin Yiyan" إلى التفكير فيه بعمق.

وقال ليو يو، أحد مراقبي الصناعة: "إذا كنت تريد أن تكون الضحكة الأخيرة في "معركة الـ 100 عارضة أزياء"، فلا يزال يتعين عليك معرفة عدد المستخدمين المستعدين لإنفاق أموال حقيقية للدفع".

بعد أن أصبح لدى ChatGPT أكثر من 100 مليون مستخدم، بدأت في فرض رسوم اشتراك قدرها 20 دولارًا أمريكيًا شهريًا للجانب C، وأطلقت إصدارًا مؤسسيًا خصيصًا للجانب B. وهذا يدل على أن تفكير OpenAI يتغير، من صنع التكنولوجيا إلى صنع المنتجات. بالطبع، الفرضية هي أن ChatGPT أثبت قدرته على حل المزيد من المشكلات العملية.

سوف يستغرق الأمر عامًا آخر حتى تصل النماذج الكبيرة المحلية إلى مستوى GPT4، وبعبارة أخرى، لا يزال هناك عام متبقي للاعبين في النماذج الكبيرة لتحديد وتحسين التطبيقات الأصلية للنماذج الكبيرة للذكاء الاصطناعي. بعد ذلك، قد يكون المفتاح هو كيفية القيام بعمل جيد في هذا المجال وتحسين توقيت البيانات للنماذج الكبيرة.

أكتب في النهاية:

ويثبت نجاح ستيف جوبز وجهاز iPhone أن ما يتألق حقاً ليس التكنولوجيا، بل المنتج.

قد تكون كيفية صنع منتجات تطبيقية جيدة هدفًا أكثر وضوحًا للاعبين ذوي النماذج الكبيرة. ومن المتوقع أن تحتاج تطبيقات الجانب C التالية إلى إعادة بنائها باستخدام نماذج ضخمة. ولا شك أن هذه فرصة لبايدو، وآي فلايتيك، وسينس تايم.

"لم تفتقر صناعة الذكاء الاصطناعي أبدًا إلى أولئك الذين ينتظرون الريح، ولكن ما ينقص حقًا هو أولئك الذين يصنعون الريح. بعد ذلك، تأتي ساحة معركة السيوف والبنادق الحقيقية. سننتظر ونرى من يمكنه الرد على مجموعة متنوعة من المكالمات وفتح منجم الذهب لتطبيقات النماذج واسعة النطاق.