Запускается большая модель To C и открывается шампанское в перерыве между коммерциализацией ИИ?

Источник: Интернет Цзянху.

Источник изображения: Создано Unbounded AI‌

Большие модели, похоже, не могут привнести больше воображения в оценку.

14 марта этого года OpenAI выпустила GPT-4, который еще больше улучшил понимание и надежность больших моделей. Два дня спустя Baidu Wen Xin Yi Yan был официально выпущен, и только в конце августа Wen Yi Yan официально открыл свои услуги для публики.

Помимо Baidu, iFlytek 6 мая выпустила модель Spark, а 5 сентября она будет открыта для публики. Шан Тан. В апреле была выпущена система больших моделей Ririxin, а в конце августа была утверждена большая модель Ririxin. Tencent Hunyuan и Alitong Qianwen также поспешили выйти на рынок.

Прошло уже полгода с момента дебюта первой отечественной крупномасштабной модели.Как обстоят дела на различных рынках капитала?

Цена акций Baidu на момент закрытия торгов в Гонконге составила 129 гонконгских долларов 14 марта и 132,2 гонконгских доллара 18 сентября.

SenseTime закрылся на уровне 3,33 гонконгских долларов 11 апреля и закрылся на уровне 1,46 гонконгских долларов 18 сентября.

iFlytek закрылся на уровне 63,76 юаня 8 мая и 48,38 юаня 18 сентября.

……

Действительно, вокруг концепции больших моделей был ажиотаж, но в настоящее время суета утихла, и рынок, похоже, не верит в эту концепцию.

15 августа вступили в силу «Меры по управлению службами генеративного искусственного интеллекта (проект для комментариев)», и путь к соответствию продукции AIGC был ясен. В результате интенсивно выпускались отечественные большие модели, в том числе Baidu, iFlytek, SenseTime, и т. д. Игроки начали захватывать рынок ToC.

Так может ли «первое крупномасштабное приложение» на мобильных телефонах людей стать «первым входом» в поколение ИИ? Это стоит изучить.

Большую модель «прикатили» к стойке регистрации, а шампанское открыли в перерыве после запуска ИИ?

Одно можно сказать наверняка: когда дело доходит до авангарда, рынок с нетерпением ожидает «производства» в смысле применения. Какие объективные проблемы могут решить большие модели?Приложения, способные решить эти проблемы, представляют собой приложения, имеющие коммерческую ценность.

Самое прямое применение крупных моделей — голосовые помощники.

Крупные модели усиливают волну приложений голосового взаимодействия, что может принести «вторую весну» в некоторые отрасли аппаратного обеспечения.

В области голосовых помощников наиболее успешное применение может быть в автомобилях.

Вэнь Синьиян получил доступ к Geely, Great Wall, Hongqi, Dongfeng Nissan и Lantu, ChatGPT подключен к Mercedes-Benz, большая модель Spark подключена к GAC, Huawei Pangu подключена к Thalys... Это тоже один из Простейшие сценарии коммерциализации больших моделей. В конце концов, для автомобильных сценариев крайне необходимы приложения голосового помощника, которые также являются относительно зрелой областью для внедрения на стороне B.

Хотя был сделан важный шаг в проникновении больших моделей на сторону C, я боюсь, что предстоит пройти еще долгий путь, прежде чем их можно будет по-настоящему применять в больших масштабах.

Сегодняшние аплодисменты похожи на шампанское в перерыве. Реальность такова, что крупные модели еще далеки от зрелости.

Люди должны признать, что большая модель выглядит очень надежной, но когда вы действительно используете ее для решения проблем, вы обнаружите, что она не так уж сильна.

За ними стоят проблемы с данными и экологические проблемы, но в конечном счете они могут решить реальные потребности лишь в ограниченной степени.

Во-первых, это проблема свежести данных. В ходе реального использования мы обнаружили, что на тот же вопрос ответ, который дает большая модель, даже не так хорош, как поиск.

Это ответ, полученный при поиске Baidu:

Вот ответ Вэнь Синьиян:

С точки зрения своевременности и точности поиск более соответствует здравому смыслу и более соответствует пониманию людьми реальных сцен.

«Вэнь Синь Иянь может быть полезен в любом сценарии применения, связанном с работой с языком, текстом или программным кодом», — однажды сказал внешнему миру Ван Хайфэн.

Действительно, сценарии применения больших моделей очень велики, но реальность такова, что в сценариях реального спроса нынешние продукты больших моделей, похоже, имеют много возможностей для улучшения.

По сравнению с Вэнь Синьианом, модель iFlytek Spark дает ответ, но время — это рейтинг листинговых компаний в 2022 году, что не является последними данными. Это также вопрос свежести данных.

Проблема свежести данных — это, по сути, островная проблема экологии данных.

На вопросы в некоторых вертикальных областях ответы, данные большими моделями, похоже, не отвечают потребностям людей с точки зрения профессионализма или своевременности. Это может быть связано с тем, что, будь то модель Вэнь Ияня или модель Синхуо, у всех недостаточно обучения данным в вертикальных полях.

Например, с точки зрения финансовой информации, результаты, предоставляемые большими моделями, могут быть не такими точными и полезными, как результаты, полученные на веб-сайтах с финансовой информацией. экосистема данных.

Взяв в качестве примера ChatGPT, OpenAI, Google и поддерживаемая ею Anthropic уже много лет используют онлайн-контент с других веб-сайтов или компаний для обучения своих генеративных моделей ИИ. Хотя объем данных гарантирован, существуют также потенциальные юридические проблемы.

Когда на первый план выходят большие модели, проблема острова данных становится более заметной. Поскольку пользователей не волнует, как вы получаете данные, их волнует только то, просты ли в использовании ваши инструменты.

Приложение Tianyancha выполняет поиск крупных моделей, и имеется более 100 связанных результатов. Хотя многие крупные модели выпустили свои собственные приложения, в настоящее время не так много действительно простых в использовании приложений. Приток большого количества пользователей обусловлен Новинка. Работа, выполняемая большими моделями в приложениях C-side, на самом деле все еще очень ограничена.

Например, если пользователь хочет преобразовать картинку с разрешением 2К в 4К, это технически не сложно, но большая модель не может дать результатов для обычных пользователей. Если после одного использования он не сработает, боюсь, вам будет сложно продолжать его использовать снова.

Так же, как в прошлом умные колонки и голосовые помощники, на самом деле у каждого есть голосовые помощники с искусственным интеллектом в своих мобильных телефонах. Почему они не используются чаще? На самом деле, это потому, что им нелегко пользоваться. Поэтому для Baidu, iFlytek и даже SenseTime проблема заключается не в том, смогут ли они создавать приложения C-side, а в том, достаточно ли они хороши.

Более успешным продуктом Baidu является Baidu Search. Интеллектуальный поиск действительно очень мощный инструмент, но вопрос о том, смогут ли крупномасштабные продукты достичь того же уровня, что и поиск, требует вопросительного знака.

У iFlytek некоторые аппаратные продукты работают хорошо, но проверка заключается в способности определять программные продукты; для SenseTime было сделано много приложений ToB, но ToC, очевидно, все еще требует большего опыта.

В настоящее время крупные модели отечественных ToC не очень дифференцированы. Большинство из них используются при создании контента, рисовании ИИ, переводе, офисе ИИ и других сценариях. Они также могут помочь людям решить некоторые практические проблемы, такие как составление планов встреч и написание конспектов для PPT, написание исследовательских отчетов и ежедневных отчетов о работе.

Но затем, сможет ли большая модель ToC действительно стать «хитом» и дифференцированной, я боюсь, что она будет проверена не только технологией искусственного интеллекта.

Период коммерциализации больших моделей подходит к концу.

Одним из самых больших препятствий для реализации крупных моделей на стороне Б является неспособность понять бизнес.

Например, финансовая сфера сильно ориентирована на данные. Людям необходимо принимать решения на основе данных. Если для обучения ИИ используется большой объем данных и финансовая теория, то перед лицом постоянно меняющегося рынка, как сколько решений можно принять с помощью больших моделей?Точность? Осмелятся ли пользователи использовать его?

Маск ранее заявлял, что FSD V12 почти полностью представляет собой нейронную сеть, создающую комплексную технологию автономного вождения. Другими словами, процесс сквозного ввода и вывода информации представляет собой «черный ящик».

Вы не знаете, как конкретно ИИ принимает решения, но вы в итоге получите полезный результат.

В большинстве случаев с такими приложениями проблем не возникает.Например, в сфере путешествий людям нужно безопасно добраться до места назначения.Даже если существует проблема черного ящика принятия решений, это не влияет на фактическое приложение. .

Самая большая проблема с «черным ящиком» принятия решений — это вопрос доверия к принятию решений.

Например, если вы задаете вопрос большой модели, являются ли ответы, данные на вопрос ИИ, реальными и достаточно достоверными? Эту проблему еще предстоит решить, приложив большие усилия. Проще говоря, чтобы научить большую модель тому, какие результаты являются правильными и простыми в использовании, необходимо постоянно «приводить» выходные результаты модели в соответствие с реальностью.

Это также важная задача для реализации больших моделей на стороне C.

Подлинность и эффективность полученных результатов не могут быть гарантированы на самом базовом уровне? Это необходимая проблема, которую необходимо решить, чтобы приложения больших моделей действительно могли привести к большому взрыву.

В прошлом ChatGPT тратил на это много денег.Вэнь Синьиян, Spark Model и модель Ririxin от SenseTime, очевидно, также должны пройти этот процесс.

На современном этапе увлечение применением общих больших моделей больше похоже на самосовершенствование людей.Выпуск компаниями больших моделей часто сопровождается серией пиар-мероприятий.Но кроме того, какое увеличение выгоды может Что касается количества, четкого плана до сих пор нет, есть только риторика по связям с общественностью о том, что «интеллектуальные крупномасштабные модели искусственного интеллекта сокращают затраты и повышают эффективность».

Нынешняя ситуация, когда компания является «гигантом» в плане продвижения продукции и «карликом» в бизнесе, — это не что иное, как попытка заклеймить себя как большую модель, чтобы вторичный рынок мог на нее хорошо взглянуть. Однако рынок уже голосует ногами и в конечном итоге будет оценивать реальные коммерческие показатели.

Интернет Цзянху считает, что если ценность крупных моделей в прошлом заключалась в «маркировке» технологических компаний с целью получения хороших цен на вторичном рынке, то смогут ли они выжить в будущем, зависит от того, смогут ли они завершить «продукцию». Действительно полагайтесь на способность приложения «завоевать мир».

Питер Тиль, крестный отец Кремниевой долины, однажды сказал, что почти все компании, которые любят навешивать на себя ярлыки, не подлежат инвестированию. Однажды он выразил эту точку зрения: «Я скептически отношусь ко всем тематическим горячим инвестициям. между такими инвестициями.Все любят складывать в одну горячую точку много совершенно разных вещей, под названием облачные вычисления, большие данные, искусственный интеллект, медицинские SaaS и т. д., но на самом деле нижний слой совсем другой.Компания, у которой есть никакой дифференциации».

То же самое касается и больших моделей.

Фактически, после того, как пузырь в сфере ИИ был сдут, рынок ясно понял, что реальная ценность больших моделей по-прежнему заключается в производстве. Ключом к продуктизации является не только конкуренция в технологиях, но и конкуренция в способностях менеджеров по продукту.

На данный момент «короли» предыдущей эпохи (такие как Alibaba и Tencent), возможно, обладают большим опытом и правом голоса, чем Baidu.

С одной стороны, ключом к продуктивности является способность точно определять потребности пользователей.

Например, в настоящее время все предпочитают создавать собственные приложения для искусственного интеллекта, но то, как лучше удовлетворить реальные потребности пользователей, зависит от определения продукта.

С другой стороны, только после производства крупные модели могут стать дифференцированными, а коммерциализация фактически является естественным результатом производства.

После знакомства с крупномасштабными моделями продуктов, выпущенными различными компаниями, у меня возникло стойкое ощущение, что, хотя они и имеют разные названия, в их продуктах не так много различий, а типы задач, которые они могут выполнять, схожи.

Например, когда вы впервые воспользуетесь Вэнь Синьянем, вы почувствуете, что он действительно могущественен и может дать ответы на все вопросы. Как только вы войдете в более глубокий контент, вы обнаружите, что ответы, которые он дает, слишком шаблонны и большую часть времени они похожи на пустые слова и клише.

Не только Вэнь Синьиян, модель Spark от iFlytek и SenseChat от SenseTime, производительность каждого на самом деле не сильно отличается.

По сути, это связано с тем, что большие модели по своей природе не являются сильным искусственным интеллектом: им все равно приходится полагаться на данные для непрерывного обучения, и они не выносят суждений на основе информации в истинном смысле этого слова. Таким образом, ключ к дифференциации лежит в конечном прикладном продукте.

Интернет Цзянху считает, что продукты крупной модели не только должны «привлекать» пользователей с помощью сценариев, но также должны использовать опыт для удержания пользователей и даже стимулирования готовности пользователей платить.

В настоящее время одобренные крупномасштабные прикладные продукты ориентированы на инструменты, которые охватывают большинство повседневных сценариев пользователей.Начали появляться приложения во всех направлениях, от работы до развлечений, в надежде стать новым входом.

Проблема в том, что большинство пользователей все еще находятся на стадии ранних пользователей, и не так уж много пользователей используют его для решения реальных проблем. Причина все еще может заключаться в применении продукта.

Возьмем, к примеру, простую необходимость проверки опечаток. Из личного опыта следует, что основные приложения для больших моделей, представленные в настоящее время на рынке, не очень хороши. Напротив, есть несколько вертикальных платформ, которые специализируются на корректуре статей, и пользовательский опыт намного лучше.многие. Как писатель, я действительно готов платить за такой продукт.

Не только работа с текстом, но и генерация кода и изображений. Текущая большая модель изначально решила проблему «можно ли ее использовать», но настоящий ключ — решить проблему «просто ли ее использовать».

Таким образом, возможности продукта в этих сегментированных приложениях могут стать ключом к тому, смогут ли пользователи действительно использовать большие модели.

После того, как большое количество пользователей будет использовать ее и для обучения ИИ будет использовано достаточно данных, возможности большой модели ИИ могут значительно улучшиться. ChatGPT действительно стал популярным после наплыва большого количества пользователей.

Ожидается, что после того, как будет открыта крупномасштабная модель, произойдет взрывной рост числа собственных приложений ИИ. После взрыва приложений, сколько пользователей может остаться, может стать вопросом, над которым «Вэнь Синь Иян» должен глубоко задуматься.

«Если вы хотите смеяться последним в «Битве 100 моделей», вам все равно нужно увидеть, сколько пользователей готовы потратить реальные деньги, чтобы заплатить», — сказал Лю Юй, отраслевой обозреватель.

После того, как у ChatGPT стало более 100 миллионов пользователей, он начал взимать абонентскую плату в размере 20 долларов США в месяц за сторону C и запустил корпоративную версию специально для стороны B. Это показывает, что мышление OpenAI меняется: от создания технологий к производству продуктов. Конечно, предполагается, что ChatGPT доказал свою способность решать более практические проблемы.

Другими словами, у игроков крупных моделей еще есть год, чтобы по-настоящему определить и улучшить собственные приложения ИИ для больших моделей. Далее, ключевым моментом может стать то, как хорошо работать в этой области и в дальнейшем повышать своевременность данных больших моделей.

Напишите в конце:

Успех Стива Джобса и iPhone доказывает, что на самом деле блестящими являются не технологии, а продукт.

Как создавать хорошие прикладные продукты, возможно, станет более четкой целью для крупных игроков, занимающихся модельным бизнесом. Вполне предсказуемо, что следующие приложения C-side действительно придется переделывать с использованием больших моделей. Это, несомненно, возможность для Baidu, iFlytek и SenseTime.

В индустрии искусственного интеллекта никогда не было недостатка в тех, кто ждет ветра, но чего действительно не хватает, так это тех, кто создает ветер. Дальше идет поле битвы настоящих мечей и пистолетов. Подождем и посмотрим, кто сможет ответить на разнообразные звонки и откройте золотую жилу приложений крупномасштабных моделей.