- Tema
2k Popularidad
5k Popularidad
2k Popularidad
158k Popularidad
1833k Popularidad
63k Popularidad
112k Popularidad
451k Popularidad
7207k Popularidad
10722k Popularidad
- Anclado
2k Popularidad
5k Popularidad
2k Popularidad
158k Popularidad
1833k Popularidad
63k Popularidad
112k Popularidad
451k Popularidad
7207k Popularidad
10722k Popularidad
¿Se lanza el modelo grande To C y se abre el champán en el entretiempo de la comercialización de la IA?
Fuente: Internet Jianghu
Los modelos grandes parecen no lograr aportar más imaginación a la valoración.
El 14 de marzo de este año, OpenAI lanzó GPT-4, que mejoró aún más la comprensión y confiabilidad de modelos grandes. Dos días después, Baidu Wen Xin Yi Yan fue lanzado oficialmente y no fue hasta finales de agosto que Wen Yi Yan abrió oficialmente sus servicios al público.
Además de Baidu, iFlytek lanzó el modelo Spark el 6 de mayo y estará abierto al público el 5 de septiembre. Shang-Tang. En abril, se lanzó el sistema de modelo grande de Ririxin y, a finales de agosto, se aprobó el modelo grande de Ririxin. Tencent Hunyuan y Alitong Qianwen también se apresuraron a ingresar al mercado.
Ahora que ha pasado medio año desde el debut del primer modelo nacional a gran escala, ¿cómo está el desempeño de los distintos mercados de capitales?
El precio de cierre de las acciones de Baidu en Hong Kong fue de 129 dólares de Hong Kong el 14 de marzo y de 132,2 dólares de Hong Kong el 18 de septiembre.
SenseTime cerró a HK$ 3,33 el 11 de abril y cerró a HK$ 1,46 el 18 de septiembre.
iFlytek cerró a 63,76 yuanes el 8 de mayo y a 48,38 yuanes el 18 de septiembre.
……
De hecho, ha habido rumores sobre el concepto de modelos grandes, pero en la actualidad, el bullicio se ha desvanecido y el mercado no parece comprarlo.
El 15 de agosto, las "Medidas de gestión de servicios de inteligencia artificial generativa (borrador para comentarios)" entraron en vigor y el camino hacia el cumplimiento de los productos AIGC fue claro. Como resultado, se lanzaron intensamente modelos nacionales grandes, incluidos Baidu, iFlytek, SenseTime, etc. Los jugadores comenzaron a apoderarse del mercado de ToC.
Entonces, ¿puede el "primer modelo de aplicación de gran tamaño" en los teléfonos móviles de las personas convertirse en la "primera entrada" a la generación de IA? Vale la pena investigarlo.
¿El modelo grande fue "llevado" a la recepción y se abrió champán en el entretiempo después de que se lanzó la IA?
Una cosa que es segura es que cuando se trata de vanguardia, lo que el mercado espera es la "productización" en el sentido de la aplicación. ¿Qué tipo de problemas objetivos pueden resolver los modelos grandes? Las aplicaciones que pueden resolver los problemas son aplicaciones con valor comercial.
La aplicación más directa de los modelos grandes son los asistentes de voz.
Los modelos grandes fortalecen una ola de aplicaciones de interacción de voz, que pueden traer una "segunda primavera" a algunas industrias de hardware. Por ejemplo, los parlantes inteligentes tienen nuevos puntos de venta y los parlantes inteligentes Xiaodu pueden encontrar nuevos puntos de crecimiento.
En el campo de los asistentes de voz, la aplicación de mayor éxito puede ser la del automóvil.
Wen Xinyiyan ha obtenido acceso a Geely, Great Wall, Hongqi, Dongfeng Nissan y Lantu. ChatGPT está conectado a Mercedes-Benz, el modelo grande Spark está conectado a GAC, Huawei Pangu está conectado a Thalys... Este también es uno de los Escenarios más sencillos para la comercialización de modelos grandes. Después de todo, para escenarios dentro de vehículos, las aplicaciones de asistente de voz se necesitan con urgencia y también son un campo relativamente maduro para la implementación del lado B.
Aunque se ha dado un paso importante en la penetración de modelos grandes en el lado C, me temo que todavía queda un largo camino por recorrer antes de que puedan aplicarse realmente a gran escala.
Los aplausos de hoy son como descorchar champán en el entretiempo: la realidad es que las modelos grandes están lejos de ser maduras.
Lo que la gente debe aceptar es que el modelo grande parece muy fuerte, pero cuando realmente lo usas para resolver problemas, descubres que no es tan fuerte.
Para algunas de las necesidades más prácticas, incluso simples, los modelos grandes aún no pueden satisfacerlas. Hay problemas de datos y problemas ecológicos detrás de ellos, pero en última instancia, solo pueden resolver las necesidades reales de forma limitada.
El primero es la cuestión de la actualización de los datos. En el uso real, descubrimos que para la misma pregunta, la respuesta dada por el modelo grande ni siquiera es tan buena como la búsqueda.
Esta es la respuesta dada por la búsqueda de Baidu:
"Wen Xin Yiyan puede ser útil en cualquier escenario de aplicación que implique tratar con lenguaje, texto o código de programa", dijo una vez Wang Haifeng al mundo exterior.
De hecho, los escenarios de aplicación de los modelos grandes son muy amplios, pero la realidad es que en los escenarios de demanda real, los productos actuales de los modelos grandes parecen tener mucho margen de mejora.
En comparación con Wen Xinyiyan, el modelo iFlytek Spark da la respuesta, pero el momento es la clasificación de las empresas que cotizan en bolsa en 2022, que no son los datos más recientes, sino que también es una cuestión de actualidad de los datos.
Para preguntas en algunos campos verticales, las respuestas dadas por los modelos grandes no parecen satisfacer las necesidades de las personas en términos de profesionalismo o puntualidad. Esto puede deberse a que, ya sea Wen Yiyan o el modelo Xinghuo, no todos tienen suficiente entrenamiento de datos en campos verticales.
Por ejemplo, en términos de información financiera, los resultados proporcionados por modelos grandes pueden no ser tan precisos y utilizables como los resultados encontrados en los sitios web de información financiera. Por supuesto, puede haber problemas de derechos de autor involucrados, pero en esencia es un problema insular en El ecosistema de datos.
Tomando ChatGPT como ejemplo, OpenAI, Google y su soporte Anthropic han estado utilizando contenido en línea de otros sitios web o empresas para entrenar sus modelos de IA generativa durante muchos años. Aunque la cantidad de datos está garantizada, también existen posibles problemas legales.
Cuando los modelos grandes pasen a primer plano, este problema de isla de datos se volverá más prominente. Debido a que a los usuarios no les importa cómo obtienes los datos, solo les importa si tus herramientas son fáciles de usar.
Por ejemplo, si un usuario quiere convertir una imagen con resolución 2K a 4K, no es técnicamente complicado, pero el modelo grande no puede ofrecer resultados para los usuarios normales. Si no funciona después de usarlo una vez, me temo que será difícil seguir usándolo nuevamente.
Al igual que en el pasado los altavoces inteligentes y los asistentes de voz, de hecho, todo el mundo tiene asistentes de voz con IA en sus teléfonos móviles, ¿por qué no se utilizan con más frecuencia? De hecho, es porque no es fácil de usar. Por lo tanto, para Baidu, iFlytek e incluso SenseTime, el desafío no es si pueden crear aplicaciones del lado C, sino si son lo suficientemente buenas.
El producto Baidu más exitoso es Baidu Search. La búsqueda inteligente es realmente muy poderosa, pero si los productos a gran escala pueden alcanzar el mismo nivel que la búsqueda requiere un signo de interrogación.
Para iFlytek, algunos productos de hardware están funcionando bien, pero la prueba radica en la capacidad de definir productos de software; para SenseTime, las aplicaciones ToB se han hecho mucho, pero ToC obviamente todavía requiere más experiencia.
En la actualidad, los grandes modelos de ToC domésticos no están muy diferenciados. La mayoría de ellos se utilizan en la creación de contenido, pintura de IA, traducción, oficina de IA y otros escenarios. También pueden ayudar a las personas a resolver algunos problemas prácticos, como generar esquemas de reuniones y escribir esquemas para PPT., escribir informes de investigación y redactar informes de trabajo diarios.
Pero a continuación, si el modelo grande de ToC realmente puede convertirse en un "éxito" y diferenciado, me temo que no solo será probado por la tecnología de inteligencia artificial.
El período de ventana para la comercialización de modelos grandes se está agotando.
Uno de los mayores obstáculos para implementar grandes modelos en el lado B es la incapacidad de comprender el negocio.
Por ejemplo, el campo financiero es un campo fuertemente orientado a los datos. Las personas necesitan tomar decisiones basadas en datos. Si se utiliza una gran cantidad de datos y teoría financiera para entrenar la IA, entonces, frente al mercado en constante cambio, ¿cómo ¿Cuánta toma de decisiones se puede tomar con modelos grandes? ¿Se atreven los usuarios a utilizarlo?
Musk ha dicho anteriormente que FSD V12 es casi en su totalidad una red neuronal, que construye un conjunto de tecnología de conducción autónoma de extremo a extremo. En otras palabras, el proceso de entrada y salida de información de un extremo a otro es una "caja negra".
No sabes cómo la IA toma decisiones específicamente, pero eventualmente obtendrás un resultado utilizable.
La mayoría de las veces no hay ningún problema con este tipo de aplicaciones. Por ejemplo, en el campo de los viajes, lo que la gente necesita es llegar a su destino de manera segura. Incluso si existe el problema de la caja negra en la toma de decisiones, no afecta la aplicación real. .
El mayor problema con la caja negra de la toma de decisiones es la cuestión de la confianza en la toma de decisiones. Los modelos grandes de nube a extremo también tienen problemas similares.
Por ejemplo, si le hace una pregunta a un modelo grande, ¿las respuestas dadas por la pregunta de IA son lo suficientemente reales y creíbles? Este problema aún debe resolverse con grandes esfuerzos. En pocas palabras, para enseñar a un modelo grande qué resultados son correctos y fáciles de usar, esto requiere "alinear" constantemente los resultados de salida del modelo con la realidad.
Este también es un desafío importante para los modelos grandes que se implementarán en el lado C.
¿No se puede garantizar la autenticidad y eficacia de los resultados en el nivel más básico? Este es un problema de requisitos previos que debe resolverse si las aplicaciones de modelos grandes realmente pueden marcar el comienzo de una gran explosión.
En el pasado, ChatGPT gastó mucho dinero para hacer esto. Wen Xinyiyan, Spark Model y el nuevo modelo diario de SenseTime obviamente también necesitan pasar por este proceso.
En la etapa actual, la moda por la aplicación de grandes modelos generales se parece más al autocultivo de la gente. El lanzamiento de grandes modelos por parte de las empresas suele ir acompañado de una serie de actividades de relaciones públicas. Pero, además, ¿qué tipo de aumento de beneficios puede ¿Qué traerá a las empresas del lado B? Sin embargo, todavía no hay un plan claro, sólo la retórica de relaciones públicas de "los modelos inteligentes de IA a gran escala reducen los costos y mejoran la eficiencia".
Esta situación actual de ser un "gigante" en cuanto a promoción de producto y un "enano" en los negocios no es más que intentar etiquetarse como un gran modelo para que el mercado secundario le mire bien. Sin embargo, el mercado ya está votando y, en última instancia, se fijará en el rendimiento comercial real.
Internet Jianghu cree que si el valor de los modelos grandes en el pasado radica en el "etiquetado" de las empresas de tecnología para obtener buenos precios en el mercado secundario, entonces si podrán sobrevivir en el futuro depende de si pueden completar la "productización". Confíe realmente en la capacidad de la aplicación para "conquistar el mundo".
Peter Thiel, el padrino de Silicon Valley, dijo una vez que en casi todas las empresas a las que les gusta etiquetarse a sí mismas no se puede invertir: "Soy escéptico con respecto a todas las inversiones temáticas candentes. En términos generales, se dice que no hay distinción entre tales inversiones. A todos les gusta poner muchas cosas completamente diferentes en un punto caliente, etiquetadas como computación en la nube, big data, inteligencia artificial, SaaS médico, etc., pero en realidad la capa inferior es completamente diferente. Una empresa que tiene ninguna diferenciación”.
Lo mismo ocurre con los modelos grandes.
De hecho, después de que se exprimió la burbuja en la pista de IA, el mercado entendió claramente que el valor real de los modelos grandes todavía radica en la producción. La clave para la productización no es sólo una competencia en tecnología, sino también una competencia en las capacidades de los gerentes de producto.
En este punto, los “reyes” de la era anterior (como Alibaba y Tencent) pueden tener más experiencia y voz que Baidu.
Por un lado, la clave para la productización es poder definir con precisión las necesidades del usuario.
Por ejemplo, actualmente todo el mundo prefiere crear aplicaciones nativas de IA, pero la forma de satisfacer mejor las necesidades reales de los usuarios depende de la definición del producto.
Por otro lado, sólo después de la productización pueden diferenciarse los modelos grandes, y la comercialización es en realidad el resultado natural de la productización.
Después de experimentar los productos modelo a gran escala lanzados por varias empresas, tengo la fuerte sensación de que, aunque tienen nombres diferentes, no hay muchas diferencias en sus productos y los tipos de tareas que pueden completar son similares.
Por ejemplo, cuando empieces a utilizar a Wen Xinyiyan por primera vez, sentirás que es realmente poderoso y puede dar respuestas a todas las preguntas. Una vez que involucre un contenido un poco más profundo, descubrirás que las respuestas que da son demasiado formuladas. y la mayoría de las veces son como palabras vacías y clichés.
No solo Wen Xinyiyan, el modelo Spark de iFlytek y SenseChat de SenseTime, el desempeño de todos en realidad no es muy diferente.
En esencia, esto se debe a que los modelos grandes no son por naturaleza una inteligencia artificial fuerte, todavía necesitan depender de datos para el entrenamiento continuo y no emiten juicios basados en información en el verdadero sentido. Por tanto, la clave de la diferenciación reside en el producto de aplicación final.
Internet Jianghu cree que los productos de modelos grandes no sólo necesitan "atraer" a los usuarios a través de escenarios, sino que también necesitan utilizar la experiencia para retener a los usuarios e incluso estimular su disposición a pagar.
En la actualidad, estos productos de aplicaciones de gran modelo que han sido aprobados se centran en herramientas que cubren la mayoría de los escenarios diarios de los usuarios, han comenzado a aparecer aplicaciones en todas las direcciones, desde el trabajo hasta el entretenimiento, con la esperanza de convertirse en una nueva entrada.
El problema es que la mayoría de los usuarios todavía se encuentran en una etapa de adopción temprana y es posible que no haya muchos usuarios que lo utilicen para resolver problemas reales. La razón aún puede estar en la aplicación del producto.
Tomemos como ejemplo la simple necesidad de verificar errores tipográficos. Por experiencia personal, las principales aplicaciones de modelos grandes actualmente en el mercado no son muy buenas. Por el contrario, existen algunas plataformas verticales que se especializan en la revisión de artículos y la experiencia del usuario es mejor. mucho mejor muchos. Como escritor, en realidad estoy muy dispuesto a pagar por un producto de este tipo.
No solo trabajo de texto, sino también generación de código y generación de imágenes. El modelo grande actual resolvió inicialmente el problema de "se puede usar", pero la verdadera clave es resolver el problema de "si es fácil de usar".
Por lo tanto, las capacidades del producto en estas aplicaciones segmentadas pueden ser la clave para determinar si los usuarios realmente pueden utilizar modelos grandes.
Después de que lo utilice una gran cantidad de usuarios y se utilicen suficientes datos para entrenar la IA, las capacidades del modelo de IA grande pueden mejorar a pasos agigantados. ChatGPT realmente despegó después de la afluencia de una gran cantidad de usuarios.
Es previsible que después de que se abra el modelo a gran escala, habrá una explosión de aplicaciones nativas de IA. Después de la explosión de aplicaciones, cuántos usuarios pueden quedarse puede ser una cuestión en la que "Wen Xin Yiyan" deba pensar profundamente.
"Si quieres reírte el último en la 'Batalla de los 100 modelos', todavía tienes que ver cuántos usuarios están dispuestos a gastar dinero real para pagar", dijo Liu Yu, un observador de la industria.
Después de que ChatGPT tuvo más de 100 millones de usuarios, comenzó a cobrar una tarifa de suscripción de 20 dólares al mes para el lado C y lanzó una versión empresarial específicamente para el lado B. Esto muestra que el pensamiento de OpenAI está cambiando, desde la creación de tecnología hasta la creación de productos. Por supuesto, la premisa es que ChatGPT ha demostrado ser capaz de resolver problemas más prácticos.
Se necesitará un año más para que los grandes modelos nacionales alcancen el nivel de GPT4. En otras palabras, todavía queda un año para que los grandes modelos definan y mejoren verdaderamente las aplicaciones nativas de la IA de modelos grandes. A continuación, la clave puede ser cómo hacer un buen trabajo en esta área y mejorar aún más la puntualidad de los datos de los modelos grandes.
Escribe al final:
El éxito de Steve Jobs y el iPhone demuestra que lo que realmente brilla no es la tecnología, sino el producto.
Cómo fabricar buenos productos de aplicación puede ser un objetivo más claro para los grandes fabricantes de modelos. Es previsible que las próximas aplicaciones del lado C deban rehacerse con modelos grandes, lo que sin duda es una oportunidad para Baidu, iFlytek y SenseTime.
A la industria de la IA nunca le han faltado los que esperan el viento, pero lo que realmente falta son los que crean el viento. Luego viene el campo de batalla de espadas y pistolas reales. Esperaremos y veremos quién puede responder a una variedad de convocatorias y abrir la mina de oro de las aplicaciones de modelos a gran escala.