O grande modelo To C é lançado e o champanhe é aberto no intervalo da comercialização da IA?

Fonte: Internet Jianghu

Fonte da imagem: gerada por Unbounded AI‌

Os grandes modelos parecem não conseguir trazer mais imaginação na avaliação.

Em 14 de março deste ano, a OpenAI lançou o GPT-4, que melhorou ainda mais a compreensão e a confiabilidade de modelos grandes. Dois dias depois, o Baidu Wen Xin Yi Yan foi oficialmente lançado. Somente no final de agosto é que Wen Yi Yan abriu oficialmente seus serviços ao público.

Além do Baidu, a iFlytek lançou o modelo Spark no dia 6 de maio, e ele será aberto ao público no dia 5 de setembro. Shan Tang. Em abril, o sistema de modelo grande Ririxin foi lançado e, no final de agosto, o modelo grande Ririxin foi aprovado. Tencent Hunyuan e Alitong Qianwen também correram para entrar no mercado.

Agora, já se passou meio ano desde a estreia do primeiro modelo nacional de grande escala.Como está o desempenho dos vários mercados de capitais?

O preço de fechamento das ações do Baidu em Hong Kong foi de HK$ 129 em 14 de março e de HK$ 132,2 em 18 de setembro.

SenseTime fechou em HK$ 3,33 em 11 de abril e fechou em HK$ 1,46 em 18 de setembro.

A iFlytek fechou a 63,76 yuans em 8 de maio e a 48,38 yuans em 18 de setembro.

……

De fato, tem havido um burburinho sobre o conceito de modelos grandes, mas, atualmente, a agitação diminuiu e o mercado parece não comprá-lo.

Em 15 de agosto, as "Medidas Gerativas de Gerenciamento de Serviços de Inteligência Artificial (Rascunho para Comentários)" entraram em vigor, e o caminho para a conformidade do produto AIGC ficou claro. Como resultado, grandes modelos domésticos foram lançados intensamente, incluindo Baidu, iFlytek, SenseTime, etc. Os jogadores começaram a conquistar o mercado ToC.

Então, o "primeiro grande aplicativo modelo" nos telefones celulares das pessoas pode se tornar a "primeira entrada" para a geração de IA? Vale a pena investigar.

O modelo grande foi “levado” até a recepção e o champanhe foi aberto no intervalo após o lançamento da IA?

Uma coisa certa é que quando se trata de vanguarda, o que o mercado espera é a “produtização” no sentido de aplicação. Que tipo de problemas objetivos os grandes modelos podem resolver?As aplicações que podem resolver os problemas são aplicações com valor comercial.

A aplicação mais direta de modelos grandes são os assistentes de voz.

Grandes modelos fortalecem uma onda de aplicativos de interação de voz, o que pode trazer uma "segunda primavera" para algumas indústrias de hardware.Por exemplo, os alto-falantes inteligentes têm novos pontos de venda e os alto-falantes inteligentes Xiaodu podem encontrar novos pontos de crescimento.

Na área de assistentes de voz, a aplicação de maior sucesso pode ser em automóveis.

Wen Xinyiyan ganhou acesso a Geely, Great Wall, Hongqi, Dongfeng Nissan e Lantu. ChatGPT está conectado à Mercedes-Benz, o modelo grande Spark está conectado ao GAC, Huawei Pangu está conectado ao Thalys... Este também é um dos cenários mais fáceis para comercialização de modelos grandes. Afinal, para cenários em veículos, os aplicativos de assistente de voz são urgentemente necessários e também são um campo relativamente maduro para implementação no lado B.

Embora tenha sido dado um passo importante na penetração de grandes modelos no lado C, receio que ainda haja um longo caminho a percorrer antes que possam ser verdadeiramente aplicados em grande escala.

Os aplausos de hoje são como estourar champanhe no intervalo. A realidade é que modelos grandes estão longe de amadurecer.

O que as pessoas precisam aceitar é que o modelo grande parece muito forte, mas quando você realmente o utiliza para resolver problemas, descobrirá que não é tão forte.

Para algumas das necessidades mais práticas, mesmo simples, os grandes modelos ainda não são capazes de atendê-las.Há problemas de dados e problemas ecológicos por trás deles, mas, em última análise, eles só podem resolver as necessidades reais até certo ponto.

A primeira é a questão da atualização dos dados. Na prática, descobrimos que, para a mesma pergunta, a resposta dada pelo modelo grande não é tão boa quanto a pesquisa.

Esta é a resposta dada pela pesquisa do Baidu:

Esta é a resposta dada por Wen Xinyiyan:

Em termos de oportunidade e precisão, a pesquisa é mais consistente com o bom senso e mais consistente com a compreensão das pessoas sobre cenas reais.

"Wen Xin Yiyan pode ser útil em qualquer cenário de aplicação que envolva lidar com linguagem, texto ou código de programa", disse Wang Haifeng certa vez ao mundo exterior.

Na verdade, os cenários de aplicação de grandes modelos são muito grandes, mas a realidade é que em cenários de procura real, os actuais produtos de grandes modelos parecem ter muito espaço para melhorias.

Comparado com Wen Xinyiyan, o modelo iFlytek Spark dá a resposta, mas o momento é a classificação das empresas listadas em 2022, que não são os dados mais recentes. É também uma questão de atualização dos dados.

O problema da atualização dos dados é essencialmente um problema insular de ecologia de dados.

Para questões em alguns campos verticais, as respostas dadas por grandes modelos não parecem satisfazer as necessidades das pessoas em termos de profissionalismo ou oportunidade. Isso pode ocorrer porque, seja o modelo Wen Yiyan ou o modelo Xinghuo, nem todos têm treinamento de dados suficiente em campos verticais.

Por exemplo, em termos de informações financeiras, os resultados fornecidos por grandes modelos podem não ser tão precisos e utilizáveis como os resultados encontrados em sites de informações financeiras. É claro que pode haver questões de direitos autorais envolvidas, mas, em essência, é um problema insular em o ecossistema de dados.

Tomando ChatGPT como exemplo, OpenAI, Google e seu Anthropic apoiado têm usado conteúdo on-line de outros sites ou empresas para treinar seus modelos generativos de IA há muitos anos. Embora a quantidade de dados seja garantida, também existem possíveis questões legais.

Quando grandes modelos vierem à tona, esse problema de ilha de dados se tornará mais proeminente. Como os usuários não se importam com a forma como você obtém os dados, eles só se preocupam se suas ferramentas são fáceis de usar.

O APP Tianyancha pesquisa modelos grandes e há mais de 100 resultados relacionados. Embora muitos modelos grandes tenham lançado seus próprios APPs, no momento não há muitos que sejam realmente fáceis de usar. O influxo de um grande número de usuários se deve a a novidade. O trabalho realizado por grandes modelos em aplicações do lado C ainda é, na verdade, muito limitado.

Por exemplo, se um usuário deseja converter uma imagem com resolução de 2K em 4K, não é tecnicamente complicado, mas o modelo grande não pode dar resultados para usuários comuns. Se não funcionar depois de usá-lo uma vez, temo que será difícil continuar a usá-lo novamente.

Assim como no passado, alto-falantes inteligentes e assistentes de voz, na verdade, todos têm assistentes de voz de IA em seus telefones celulares. Por que eles não são usados com mais frequência? Na verdade, é porque não é fácil de usar. Portanto, para Baidu, iFlytek e até mesmo SenseTime, o desafio não é se eles podem fazer aplicativos do lado C, mas se são bons o suficiente.

O produto Baidu de maior sucesso é o Baidu Search. A pesquisa inteligente é realmente muito poderosa, mas é necessário um ponto de interrogação para saber se os produtos em grande escala podem atingir o mesmo nível da pesquisa.

Para iFlytek, alguns produtos de hardware estão indo bem, mas o teste está na capacidade de definir produtos de software; para SenseTime, muitas aplicações ToB foram feitas, mas ToC obviamente ainda requer mais experiência.

Atualmente, os grandes modelos de ToC domésticos não são muito diferenciados. A maioria deles é usada na criação de conteúdo, pintura de IA, tradução, escritório de IA e outros cenários. Eles também podem ajudar as pessoas a resolver alguns problemas práticos, como gerar esboços de reuniões e escrever esboços para PPT., escrever relatórios de pesquisa e escrever relatórios de trabalho diários.

Mas a seguir, se o grande modelo de ToC pode realmente se tornar um “sucesso” e diferenciado, temo que não seja testado apenas pela tecnologia de IA.

O período de janela para comercialização de modelos de grande porte está se esgotando.

Um dos maiores obstáculos à implementação de grandes modelos no lado B é a incapacidade de compreender o negócio.

Por exemplo, o campo financeiro é um campo fortemente orientado a dados. As pessoas precisam tomar decisões com base em dados. Se uma grande quantidade de dados e teoria financeira são usadas para treinar IA, então, diante do mercado em constante mudança, como muita tomada de decisão pode ser feita por modelos grandes? Os usuários se atrevem a usá-lo?

Musk disse anteriormente que o FSD V12 é quase inteiramente uma rede neural, construindo um conjunto de tecnologia de direção autônoma de ponta a ponta. Em outras palavras, o processo de entrada e saída de informações de ponta a ponta é uma “caixa preta”.

Você não sabe como a IA toma decisões especificamente, mas eventualmente obterá um resultado utilizável.

Na maioria das vezes, não há problema com tais aplicações. Por exemplo, no campo das viagens, o que as pessoas precisam é chegar ao seu destino com segurança. Mesmo que exista o problema da caixa preta de tomada de decisão, isso não afeta a aplicação real .

O maior problema com a caixa preta de tomada de decisão é a questão da confiança na tomada de decisão. Grandes modelos da nuvem até o fim também têm problemas semelhantes.

Por exemplo, se você fizer uma pergunta a um modelo grande, as respostas dadas pela pergunta sobre IA são reais e confiáveis o suficiente? Este problema ainda precisa ser resolvido com grandes esforços. Simplificando, para ensinar a um modelo grande quais resultados são corretos e fáceis de usar, isso requer um “alinhamento” constante dos resultados de saída do modelo com a realidade.

Este também é um desafio importante para grandes modelos a serem implementados no lado C.

A autenticidade e a eficácia dos resultados não podem ser garantidas ao nível mais básico? Este é um problema de pré-requisito que precisa ser resolvido para que aplicações de modelos grandes possam realmente provocar uma grande explosão.

No passado, ChatGPT gastou muito dinheiro para fazer isso. Wen Xinyiyan, Spark Model e o novo modelo diário do SenseTime obviamente também precisam passar por esse processo.

No estágio atual, a mania pela aplicação de grandes modelos gerais é mais parecida com o autocultivo das pessoas. O lançamento de grandes modelos pelas empresas é muitas vezes acompanhado por uma série de atividades de relações públicas. Mas, além disso, que tipo de aumento de benefícios pode traz para as empresas do lado B?No entanto, ainda não existe um plano claro, apenas a retórica de relações públicas de "modelos inteligentes de IA em grande escala reduzem custos e melhoram a eficiência".

Esta situação atual de ser um “gigante” na promoção de produtos e um “anão” nos negócios nada mais é do que tentar se rotular como um grande modelo para que o mercado secundário possa vê-lo bem. No entanto, o mercado já está a votar e acabará por olhar para o desempenho comercial real.

Internet Jianghu acredita que se o valor dos grandes modelos no passado reside na "rotulagem" das empresas de tecnologia para obter bons preços no mercado secundário, então a sobrevivência delas no futuro depende de conseguirem completar a "produtização" Confie realmente na capacidade do aplicativo para “conquistar o mundo”.

Peter Thiel, o padrinho do Vale do Silício, disse uma vez que as empresas que gostam de se rotular são quase todas ininvestíveis. Certa vez, ele expressou a seguinte opinião: "Sou cético em relação a todos os investimentos temáticos quentes. De um modo geral, diz-se que não há distinção entre esses investimentos. Todo mundo gosta de colocar muitas coisas completamente diferentes em um ponto quente, rotulado como computação em nuvem, big data, inteligência artificial, SaaS médico, etc., mas na verdade a camada inferior é completamente diferente. Uma empresa que tem sem diferenciação.”

O mesmo vale para modelos grandes.

Na verdade, depois que a bolha na pista da IA foi espremida, o mercado entendeu claramente que o valor real dos grandes modelos ainda reside na produção. A chave para a produtização não é apenas uma competição de tecnologia, mas também uma competição de capacidades de gestores de produto.

Neste ponto, os “reis” da era anterior (como Alibaba e Tencent) podem ter mais experiência e poder de decisão do que o Baidu.

Por um lado, a chave para a produtização é ser capaz de definir com precisão as necessidades do usuário.

Por exemplo, atualmente todos preferem criar aplicativos nativos de IA, mas a melhor forma de atender às necessidades reais dos usuários depende da definição do produto.

Por outro lado, somente após a produtização os grandes modelos podem se diferenciar, e a comercialização é, na verdade, o resultado natural da produtização.

Depois de experimentar os modelos de produtos em grande escala lançados por várias empresas, tenho uma forte sensação de que, embora tenham nomes diferentes, não existem muitas diferenças nos seus produtos e os tipos de tarefas que podem realizar são semelhantes.

Por exemplo, quando você usa Wen Xinyiyan pela primeira vez, você sentirá que ele é realmente poderoso e pode dar respostas a todas as perguntas. Uma vez que envolve um conteúdo um pouco mais aprofundado, você descobrirá que as respostas que ele dá são muito estereotipadas e na maioria das vezes são como palavras vazias e clichês.

Não apenas Wen Xinyiyan, modelo Spark da iFlytek e SenseChat da SenseTime, o desempenho de todos não é muito diferente.

Em essência, isso ocorre porque os grandes modelos não são de natureza artificial forte, eles ainda precisam confiar em dados para treinamento contínuo e não fazem julgamentos baseados em informações no verdadeiro sentido. Portanto, a chave da diferenciação está no produto final de aplicação.

Internet Jianghu acredita que os produtos de grande porte não precisam apenas “atrair” usuários por meio de cenários, mas também usar a experiência para reter usuários e até mesmo estimular a disposição dos usuários a pagar.

Atualmente, esses produtos de aplicativos de grande modelo aprovados concentram-se em ferramentas que cobrem a maioria dos cenários diários dos usuários. Aplicativos em todas as direções, do trabalho ao entretenimento, começaram a aparecer, na esperança de se tornarem uma nova entrada.

O problema é que a maioria dos usuários ainda está em um estado de adoção antecipada e pode não haver muitos usuários que o utilizem para resolver problemas reais. O motivo ainda pode estar na aplicação do produto.

Tomemos como exemplo a simples necessidade de verificar erros de digitação. Por experiência pessoal, os principais aplicativos de grande modelo atualmente no mercado não são muito bons. Pelo contrário, existem algumas plataformas verticais especializadas na revisão de artigos, e a experiência do usuário é muito melhor. muitos. Como escritor, na verdade tenho uma grande disposição de pagar por esse produto.

Não apenas trabalho de texto, mas também geração de código e geração de imagens.O grande modelo atual resolveu inicialmente o problema de "pode ser usado", mas a verdadeira chave é resolver o problema de "é fácil de usar".

Portanto, os recursos do produto nessas aplicações segmentadas podem ser a chave para saber se os usuários podem realmente usar modelos grandes.

Depois que um grande número de usuários o utiliza e dados suficientes são usados para treinar IA, os recursos do grande modelo de IA podem melhorar aos trancos e barrancos. O ChatGPT realmente decolou após o influxo de um grande número de usuários.

É previsível que após a abertura do modelo em grande escala, haverá uma explosão de aplicativos nativos de IA. Após a explosão de aplicativos, quantos usuários podem permanecer pode ser uma questão que "Wen Xin Yiyan" precisa pensar profundamente.

"Se você quiser rir por último na 'Batalha dos 100 Modelos', ainda terá que ver quantos usuários estão dispostos a gastar dinheiro real para pagar", disse Liu Yu, um observador do setor.

Depois que o ChatGPT tinha mais de 100 milhões de usuários, ele começou a cobrar uma taxa de assinatura de US$ 20 por mês para o lado C e lançou uma versão empresarial especificamente para o lado B. Isto mostra que o pensamento da OpenAI está a mudar, desde a criação de tecnologia até à produção de produtos. Claro, a premissa é que o ChatGPT provou ser capaz de resolver problemas mais práticos.

Levará mais um ano para que os grandes modelos domésticos atinjam o nível de GPT4. Em outras palavras, ainda falta um ano para que os grandes players de modelos realmente definam e melhorem as aplicações nativas de IA de grandes modelos. Em seguida, como fazer um bom trabalho nesta área e melhorar ainda mais a atualidade dos dados de grandes modelos pode ser a chave.

Escreva no final:

O sucesso de Steve Jobs e do iPhone prova que o que realmente brilha não é a tecnologia, mas o produto.

Como fazer bons produtos de aplicação pode ser um objetivo mais claro para grandes players. É previsível que as próximas aplicações do lado C realmente precisem ser refeitas com modelos grandes. Esta é sem dúvida uma oportunidade para Baidu, iFlytek e SenseTime.

A indústria da IA nunca faltou aqueles que esperam pelo vento, mas o que realmente falta são aqueles que criam o vento. Em seguida vem o campo de batalha de espadas e armas reais. Vamos esperar e ver quem pode responder a uma variedade de chamadas e abrir a mina de ouro de aplicações de modelos em grande escala.