Model besar To C diluncurkan, dan sampanye dibuka pada paruh waktu komersialisasi AI?

Sumber: Internet Jianghu

Sumber gambar: Dihasilkan oleh AI Tanpa Batas‌

Model-model besar tampaknya gagal menghadirkan lebih banyak imajinasi dalam penilaian.

Pada tanggal 14 Maret tahun ini, OpenAI merilis GPT-4, yang semakin meningkatkan pemahaman dan keandalan model besar. Dua hari kemudian, Baidu Wen Xin Yi Yan resmi dirilis, baru pada akhir Agustus lalu Wen Yi Yan resmi membuka layanannya untuk umum.

Selain Baidu, iFlytek merilis model Spark pada 6 Mei dan akan dibuka untuk umum pada 5 September. Shang Tang. Pada bulan April, sistem model besar Ririxin dirilis, dan pada akhir Agustus, model besar Ririxin disetujui. Tencent Hunyuan dan Alitong Qianwen pun bergegas memasuki pasar.

Kini, setengah tahun telah berlalu sejak debut model skala besar dalam negeri yang pertama, Bagaimana kinerja berbagai pasar modal?

Harga penutupan saham Baidu di Hong Kong adalah HK$129 pada 14 Maret dan HK$132,2 pada 18 September.

SenseTime ditutup pada HK$3,33 pada 11 April dan ditutup pada HK$1,46 pada 18 September.

iFlytek ditutup pada 63,76 yuan pada 8 Mei dan 48,38 yuan pada 18 September.

......

Konsep model berukuran besar memang pernah ramai digaungkan, namun saat ini hiruk pikuk tersebut sudah memudar dan pasar seolah tak akan membelinya.

Pada tanggal 15 Agustus, "Langkah-langkah Manajemen Layanan Kecerdasan Buatan Generatif (Draf untuk Komentar)" mulai berlaku, dan jalan menuju kepatuhan produk AIGC menjadi jelas. Akibatnya, model-model besar dalam negeri dirilis secara intensif, termasuk Baidu, iFlytek, SenseTime, dll. Pemain mulai merebut pasar ToC.

Jadi bisakah "aplikasi model besar pertama" di ponsel masyarakat menjadi "pintu masuk pertama" ke generasi AI? Ini layak untuk dicermati.

Model besar "diluncurkan" ke meja depan, dan sampanye dibuka pada paruh waktu setelah AI diluncurkan?

Satu hal yang pasti, jika menjadi yang terdepan, yang dinantikan pasar adalah “produktisasi” dalam artian aplikasi. Masalah obyektif seperti apa yang dapat diselesaikan oleh model besar? Aplikasi yang dapat menyelesaikan masalah tersebut adalah aplikasi yang mempunyai nilai komersial.

Penerapan paling langsung dari model besar adalah asisten suara.

Model besar memperkuat gelombang aplikasi interaksi suara, yang mungkin membawa "musim semi kedua" ke beberapa industri perangkat keras. Misalnya, speaker pintar memiliki nilai jual baru, dan speaker pintar Xiaodu mungkin menemukan titik pertumbuhan baru.

Di bidang asisten suara, aplikasi yang paling sukses mungkin ada pada mobil.

Wen Xinyiyan telah memperoleh akses ke Geely, Great Wall, Hongqi, Dongfeng Nissan, dan Lantu, ChatGPT terhubung ke Mercedes-Benz, Spark model besar terhubung ke GAC, Huawei Pangu terhubung ke Thalys... Ini juga salah satu skenario termudah untuk komersialisasi model besar. Lagi pula, untuk skenario di dalam kendaraan, aplikasi asisten suara sangat dibutuhkan dan juga merupakan bidang yang relatif matang untuk penerapan sisi-B.

Meskipun langkah penting telah diambil dalam penetrasi model besar ke sisi C, saya khawatir jalan masih panjang sebelum model tersebut benar-benar dapat diterapkan dalam skala besar.

Sorak-sorai hari ini seperti meminum sampanye di babak pertama, kenyataannya model-model besar masih jauh dari kata dewasa.

Apa yang orang perlu terima adalah bahwa model besar terlihat sangat kuat, namun ketika Anda benar-benar menggunakannya untuk memecahkan masalah, Anda akan menemukan bahwa model tersebut tidak sekuat itu.

Untuk beberapa kebutuhan yang paling praktis, bahkan yang sederhana, model besar masih belum mampu memenuhinya, terdapat masalah data dan masalah ekologi di baliknya, namun pada analisa akhir, model tersebut hanya dapat menyelesaikan kebutuhan aktual sampai batas tertentu.

Yang pertama adalah masalah kesegaran data. Dalam penggunaan sebenarnya, kami menemukan bahwa untuk pertanyaan yang sama, jawaban yang diberikan oleh model besar bahkan tidak sebaik penelusuran.

Inilah jawaban yang diberikan oleh pencarian Baidu:

Inilah jawaban yang diberikan oleh Wen Xinyiyan:

Dalam hal ketepatan waktu dan keakuratan, pencarian lebih konsisten dengan akal sehat dan lebih konsisten dengan pemahaman masyarakat tentang pemandangan nyata.

“Wen Xin Yiyan mungkin berguna dalam skenario aplikasi apa pun yang melibatkan penanganan bahasa, teks, atau kode program,” Wang Haifeng pernah berkata kepada dunia luar.

Memang benar, skenario penerapan model besar sangat besar, namun kenyataannya dalam skenario permintaan riil, produk model besar saat ini tampaknya memiliki banyak ruang untuk perbaikan.

Dibandingkan dengan Wen Xinyiyan, model iFlytek Spark memberikan jawabannya, namun waktunya adalah pemeringkatan emiten tahun 2022 yang bukan data terbaru, juga soal kesegaran data.

Masalah kesegaran data pada dasarnya adalah masalah ekologi data.

Untuk pertanyaan di beberapa bidang vertikal, jawaban yang diberikan oleh model besar tampaknya tidak memenuhi kebutuhan masyarakat dalam hal profesionalisme atau ketepatan waktu. Hal ini mungkin terjadi karena, baik Model Wen Yiyan atau Xinghuo, setiap orang tidak memiliki cukup pelatihan data di bidang vertikal.

Misalnya, dalam hal informasi keuangan, hasil yang diberikan oleh model besar mungkin tidak seakurat dan dapat digunakan seperti hasil yang ditemukan di situs web informasi keuangan. Tentu saja, mungkin ada masalah hak cipta, namun pada dasarnya ini adalah masalah pulau di ekosistem data.

Ambil contoh ChatGPT, OpenAI, Google, dan Anthropic yang didukungnya telah menggunakan konten online dari situs web atau perusahaan lain untuk melatih model AI generatif mereka selama bertahun-tahun. Meskipun jumlah datanya terjamin, ada juga potensi masalah hukum.

Ketika model besar muncul ke permukaan, masalah pulau data ini akan menjadi lebih menonjol. Karena pengguna tidak peduli bagaimana Anda memperoleh data, pengguna hanya peduli apakah alat Anda mudah digunakan.

Tianyancha APP mencari model besar, dan ada lebih dari 100 hasil terkait. Meskipun banyak model besar telah merilis APP mereka sendiri, saat ini tidak banyak yang benar-benar mudah digunakan. Masuknya sejumlah besar pengguna disebabkan oleh kebaruan Pekerjaan yang dilakukan oleh model besar pada aplikasi sisi-C sebenarnya masih sangat terbatas.

Misalnya, jika pengguna ingin mengubah gambar beresolusi 2K menjadi 4K, secara teknis tidak rumit, namun model yang besar tidak dapat memberikan hasil bagi pengguna biasa. Jika tidak berhasil setelah digunakan sekali, saya khawatir akan sulit untuk terus menggunakannya lagi.

Sama seperti smart speaker dan asisten suara di masa lalu, nyatanya setiap orang memiliki asisten suara AI di ponselnya, mengapa tidak lebih sering digunakan? Faktanya, itu karena penggunaannya tidak mudah. Oleh karena itu, bagi Baidu, iFlytek dan bahkan SenseTime, tantangannya bukanlah apakah mereka dapat membuat aplikasi C-side, tetapi apakah aplikasi tersebut cukup bagus.

Produk Baidu yang lebih sukses adalah Baidu Search Pencarian cerdas memang sangat kuat, tetapi apakah produk berskala besar dapat mencapai tingkat yang sama dengan pencarian memerlukan tanda tanya.

Untuk iFlytek, beberapa produk perangkat keras bekerja dengan baik, namun ujiannya terletak pada kemampuan mendefinisikan produk perangkat lunak; untuk SenseTime, aplikasi ToB sudah banyak dilakukan, namun ToC jelas masih membutuhkan lebih banyak pengalaman.

Saat ini, model besar ToC dalam negeri tidak terlalu terdiferensiasi. Sebagian besar digunakan dalam pembuatan konten, pengecatan AI, penerjemahan, kantor AI, dan skenario lainnya. Model tersebut juga dapat membantu orang memecahkan beberapa masalah praktis, seperti membuat kerangka rapat dan menulis garis besar untuk PPT, menulis laporan penelitian, dan menulis laporan kerja harian.

Namun selanjutnya, apakah model ToC yang besar benar-benar bisa menjadi "hit" dan terdiferensiasi, saya khawatir model tersebut tidak hanya akan diuji oleh teknologi AI.

Masa jendela untuk komersialisasi model besar hampir habis.

Salah satu kendala terbesar dalam menerapkan model besar di sisi B adalah ketidakmampuan memahami bisnis.

Misalnya, bidang keuangan adalah bidang yang sangat berorientasi pada data. Masyarakat perlu mengambil keputusan berdasarkan data. Jika sejumlah besar data dan teori keuangan digunakan untuk melatih AI, maka dalam menghadapi pasar yang terus berubah, bagaimana caranya? banyak pengambilan keputusan yang dapat dilakukan dengan model besar?Akurasi? Apakah pengguna berani menggunakannya?

Musk sebelumnya mengatakan bahwa FSD V12 hampir seluruhnya merupakan jaringan saraf, yang membangun serangkaian teknologi mengemudi otonom ujung ke ujung. Dengan kata lain, proses input dan output informasi end-to-end adalah “kotak hitam”.

Anda tidak tahu bagaimana AI membuat keputusan secara spesifik, tetapi pada akhirnya Anda akan mendapatkan hasil yang bermanfaat.

Seringkali tidak ada masalah dengan aplikasi seperti itu. Misalnya, di bidang perjalanan, yang dibutuhkan masyarakat adalah mencapai tujuan dengan selamat. Sekalipun ada masalah kotak hitam pengambilan keputusan, hal itu tidak mempengaruhi aplikasi sebenarnya. .

Masalah terbesar dengan kotak hitam pengambilan keputusan adalah masalah kepercayaan pengambilan keputusan, dan model besar cloud-to-end juga memiliki masalah serupa.

Misalnya, jika Anda mengajukan pertanyaan kepada model besar, apakah jawaban yang diberikan oleh pertanyaan AI tersebut cukup nyata dan dapat dipercaya? Masalah ini masih perlu diselesaikan dengan upaya besar. Sederhananya, untuk mengajarkan model besar tentang hasil yang benar dan mudah digunakan, hal ini memerlukan "penyelarasan" terus-menerus antara hasil keluaran model dengan kenyataan.

Ini juga merupakan tantangan penting bagi model besar untuk diimplementasikan di sisi C.

Keaslian dan efektivitas hasil keluaran tidak dapat dijamin pada tingkat paling dasar? Ini adalah masalah prasyarat yang perlu diselesaikan apakah aplikasi model besar benar-benar dapat menghasilkan ledakan besar.

Dulu, ChatGPT menghabiskan banyak uang untuk melakukan ini.Wen Xinyiyan, Spark Model, dan model baru harian SenseTime jelas juga harus melalui proses ini.

Pada tahap saat ini, kegemaran penerapan model-model besar secara umum lebih seperti pengembangan diri masyarakat. Pelepasan model-model besar oleh perusahaan seringkali dibarengi dengan serangkaian kegiatan kehumasan. Namun selain itu, peningkatan manfaat seperti apa yang bisa yang dibawanya ke perusahaan sisi B? Dari segi kuantitas, masih belum ada rencana yang jelas, hanya retorika humas yang mengatakan "model cerdas AI skala besar mengurangi biaya dan meningkatkan efisiensi".

Situasi saat ini menjadi "raksasa" dalam hal promosi produk dan "kurcaci" dalam bisnis tidak lebih dari mencoba melabeli dirinya sebagai model besar agar pasar sekunder bisa meliriknya dengan baik. Namun, pasar sudah mengambil keputusan dan pada akhirnya akan melihat kinerja komersial sebenarnya.

Internet Jianghu percaya bahwa jika nilai model besar di masa lalu terletak pada "pelabelan" perusahaan teknologi untuk mendapatkan harga yang bagus di pasar sekunder, maka apakah mereka dapat bertahan di masa depan tergantung pada apakah mereka dapat menyelesaikan "produksi" .Sangat mengandalkan kemampuan aplikasi untuk "menaklukkan dunia".

Peter Thiel, bapak baptis Silicon Valley, pernah berkata bahwa perusahaan yang suka memberi label pada dirinya sendiri hampir semuanya tidak dapat diinvestasikan. Dia pernah menyatakan pandangan ini: "Saya skeptis terhadap semua investasi panas tematik. Secara umum, Dikatakan bahwa tidak ada perbedaan antara investasi semacam itu. Semua orang suka memasukkan banyak hal yang sangat berbeda ke dalam satu titik fokus, yang diberi label sebagai komputasi awan, data besar, kecerdasan buatan, SaaS medis, dll., namun kenyataannya lapisan terbawahnya benar-benar berbeda. tidak ada perbedaan.”

Hal yang sama berlaku untuk model besar.

Faktanya, setelah gelembung jalur AI dihilangkan, pasar dengan jelas memahami bahwa nilai sebenarnya dari model besar masih terletak pada produksi. Kunci produksi tidak hanya persaingan teknologi, tetapi juga persaingan kemampuan manajer produk.

Pada titik ini, “raja” di era sebelumnya (seperti Alibaba dan Tencent) mungkin memiliki lebih banyak pengalaman dan pendapat dibandingkan Baidu.

Di satu sisi, kunci produksi adalah kemampuan mendefinisikan kebutuhan pengguna secara akurat.

Misalnya, semua orang saat ini lebih memilih untuk membuat aplikasi asli AI, namun cara memenuhi kebutuhan aktual pengguna dengan lebih baik bergantung pada definisi produk.

Di sisi lain, hanya setelah produksi, model-model besar dapat terdiferensiasi, dan komersialisasi sebenarnya adalah hasil alami dari produksi.

Setelah mencoba produk model skala besar yang dirilis oleh berbagai perusahaan, saya mempunyai perasaan yang kuat bahwa meskipun mereka memiliki nama yang berbeda, tidak banyak perbedaan pada produknya, dan jenis tugas yang dapat mereka selesaikan juga serupa.

Misalnya, saat pertama kali menggunakan Wen Xinyiyan, Anda akan merasa bahwa dia benar-benar kuat dan dapat memberikan jawaban atas semua pertanyaan.Setelah melibatkan konten yang lebih mendalam, Anda akan menemukan bahwa jawaban yang dia berikan terlalu rumusan, dan sering kali kata-kata itu seperti kata-kata kosong dan klise.

Tak hanya Wen Xinyiyan, model Spark iFlytek, dan SenseChat SenseTime, performa setiap orang sebenarnya tak jauh berbeda.

Intinya, hal ini karena model besar pada dasarnya bukanlah kecerdasan buatan yang kuat, mereka masih perlu mengandalkan data untuk pelatihan berkelanjutan, dan mereka tidak membuat penilaian berdasarkan informasi dalam arti sebenarnya. Oleh karena itu, kunci diferensiasi terletak pada produk aplikasi akhir.

Internet Jianghu percaya bahwa produk model besar tidak hanya perlu "menarik" pengguna melalui skenario, tetapi juga perlu menggunakan pengalaman untuk mempertahankan pengguna dan bahkan merangsang kesediaan pengguna untuk membayar.

Saat ini, produk aplikasi model besar yang telah disetujui berfokus pada alat yang mencakup sebagian besar skenario pengguna sehari-hari.Aplikasi di segala bidang mulai dari pekerjaan hingga hiburan mulai bermunculan, berharap menjadi pintu masuk baru.

Masalahnya adalah sebagian besar pengguna masih dalam tahap pengguna awal, dan mungkin tidak banyak pengguna yang menggunakannya untuk memecahkan masalah sebenarnya. Alasannya mungkin masih terletak pada penerapan produk.

Ambil contoh kebutuhan sederhana untuk memeriksa kesalahan ketik. Dari pengalaman pribadi, aplikasi model besar arus utama yang saat ini ada di pasaran tidak terlalu bagus. Sebaliknya, ada beberapa platform vertikal yang berspesialisasi dalam pengoreksian artikel, dan pengalaman pengguna adalah jauh lebih baik. banyak. Sebagai seorang penulis, saya sebenarnya memiliki kemauan yang kuat untuk membayar untuk produk semacam itu.

Tidak hanya pekerjaan teks, tetapi juga pembuatan kode dan pembuatan gambar Model besar saat ini pada awalnya telah memecahkan masalah "dapatkah digunakan", tetapi kunci sebenarnya adalah memecahkan masalah "apakah mudah digunakan".

Oleh karena itu, kemampuan produk dalam aplikasi tersegmentasi ini mungkin menjadi kunci apakah pengguna benar-benar dapat menggunakan model besar.

Setelah sejumlah besar pengguna menggunakannya, dan data yang cukup digunakan untuk melatih AI, kemampuan model AI yang besar dapat meningkat pesat. ChatGPT benar-benar melejit setelah masuknya sejumlah besar pengguna.

Dapat diperkirakan bahwa setelah model skala besar dibuka, akan terjadi ledakan aplikasi asli AI.Setelah ledakan aplikasi, berapa banyak pengguna yang dapat bertahan mungkin menjadi pertanyaan yang perlu dipikirkan secara mendalam oleh "Wen Xin Yiyan".

“Jika Anda ingin mendapatkan tawa terakhir dalam 'Pertempuran 100 Model', Anda masih harus melihat berapa banyak pengguna yang bersedia mengeluarkan uang nyata untuk membayarnya,” kata Liu Yu, seorang pengamat industri.

Setelah ChatGPT memiliki lebih dari 100 juta pengguna, ChatGPT mulai membebankan biaya berlangganan sebesar US$20 per bulan untuk sisi-C, dan meluncurkan versi perusahaan khusus untuk sisi-B. Hal ini menunjukkan bahwa pemikiran OpenAI mengalami perubahan, dari membuat teknologi menjadi membuat produk. Tentu saja premisnya adalah ChatGPT terbukti mampu menyelesaikan masalah yang lebih praktis.

Diperlukan waktu satu tahun lagi bagi model besar dalam negeri untuk mencapai level GPT4. Dengan kata lain, masih ada satu tahun tersisa bagi pemain model besar untuk benar-benar mendefinisikan dan meningkatkan aplikasi asli AI model besar. Selanjutnya, bagaimana melakukan pekerjaan dengan baik di bidang ini dan lebih meningkatkan ketepatan waktu data pada model besar mungkin menjadi kuncinya.

Tulis di akhir:

Kesuksesan Steve Jobs dan iPhone membuktikan bahwa yang benar-benar bersinar bukanlah teknologinya, melainkan produknya.

Cara membuat produk aplikasi yang baik mungkin merupakan tujuan yang lebih jelas bagi pemain model besar. Diperkirakan aplikasi C-side berikutnya memang perlu dikerjakan ulang dengan model yang besar.Ini tidak diragukan lagi merupakan peluang bagi Baidu, iFlytek, dan SenseTime.

Industri AI tidak pernah kekurangan orang-orang yang menunggu angin, tapi yang benar-benar kurang adalah mereka yang menciptakan angin. Berikutnya adalah medan perang pedang dan senjata sungguhan. Kita tunggu dan lihat siapa yang bisa merespon berbagai macam angin. panggilan dan membuka tambang emas aplikasi model skala besar.