Випущена велика модель To C, а шампанське відкрито на половині комерціалізації AI?

Джерело: Internet Jianghu

Джерело зображення: створено Unbounded AI‌

Великі моделі, здається, не вносять більше фантазії в оцінку.

14 березня цього року OpenAI випустив GPT-4, який ще більше покращив розуміння та надійність великих моделей. Через два дні Baidu Wen Xin Yi Yan був офіційно випущений. Лише наприкінці серпня Wen Yi Yan офіційно відкрив свої послуги для громадськості.

На додаток до Baidu, iFlytek випустила модель Spark 6 травня, і вона буде відкрита для публіки 5 вересня. Шанг Тан. У квітні була випущена система великої моделі Ririxin, а в кінці серпня була затверджена велика модель Ririxin. Tencent Hunyuan і Alitong Qianwen також поспішили вийти на ринок.

Минуло півроку з моменту дебюту першої вітчизняної масштабної моделі, як виглядають різні ринки капіталу?

Ціна акцій Baidu на момент закриття торгів у Гонконзі становила 129 гонконгських доларів 14 березня та 132,2 гонконгських доларів 18 вересня.

SenseTime закрився на 3,33 HK$ 11 квітня та закрився на 1,46 HK$ 18 вересня.

iFlytek закрився на рівні 63,76 юаня 8 травня та 48,38 юаня 18 вересня.

……

Концепція великих моделей справді була галасом, але зараз ця суєта згасла, і ринок, здається, не купує її.

15 серпня набули чинності «Заходи з управління сервісом генеративного штучного інтелекту (проект для коментарів)», і шлях до відповідності продуктів AIGC був відкритим. У результаті інтенсивно випускалися великі вітчизняні моделі, включаючи Baidu, iFlytek, SenseTime, тощо. Гравці почали захоплювати ринок ToC.

Отже, чи може «перша велика модель програми» на мобільних телефонах людей стати «першим входом» до покоління ШІ? Це варто розглянути.

Велику модель "закотили" до стійки реєстрації, а шампанське відкрили в перерві після запуску AI?

Одне можна сказати напевно, що коли мова заходить на передній план, ринок з нетерпінням чекає «продуктивності» в сенсі застосування. Які об’єктивні проблеми можуть вирішувати великі моделі? Програми, які можуть розв’язувати проблеми, мають комерційну цінність.

Найпряміше застосування великих моделей – голосові помічники.

Великі моделі підсилюють хвилю додатків для голосової взаємодії, що може принести «другу весну» в деякі апаратні галузі. Наприклад, розумні колонки мають нові переваги продажу, а розумні колонки Xiaodu можуть знайти нові точки зростання.

У сфері голосових помічників найбільш успішне застосування може бути в автомобілях.

Вень Сіньянь отримав доступ до Geely, Great Wall, Hongqi, Dongfeng Nissan і Lantu. ChatGPT підключено до Mercedes-Benz, велика модель Spark підключена до GAC, Huawei Pangu підключена до Thalys... Це також один із найпростіший сценарій комерціалізації великих моделей. Зрештою, для автомобільних сценаріїв терміново потрібні додатки голосового помічника, які також є відносно зрілим полем для впровадження на стороні B.

Незважаючи на те, що було зроблено важливий крок у проникненні великих моделей у C-сторону, я боюся, що попереду ще довгий шлях, перш ніж їх можна буде справді застосувати у великих масштабах.

Сьогоднішні вітання схожі на шампанське під час перерви. Реальність така, що великі моделі далеко не дорослі.

Люди повинні прийняти те, що велика модель виглядає дуже міцною, але коли ви фактично використовуєте її для вирішення проблем, ви побачите, що вона не така міцна.

Для деяких найбільш практичних, навіть простих потреб, великі моделі все ще не можуть їх задовольнити.За ними існують проблеми з даними та екологічні проблеми, але в кінцевому підсумку вони можуть вирішити реальні потреби лише в обмеженій мірі.

По-перше, це питання актуальності даних. Під час фактичного використання ми виявили, що на те саме запитання відповідь, яку дає велика модель, не така хороша, як пошук.

Це відповідь, яку дає пошук Baidu:

Ось відповідь, яку дав Вень Сіньянь:

З точки зору своєчасності та точності, пошук більше відповідає здоровому глузду та більш узгоджується з розумінням людей реальних сцен.

«Вень Сінь Іянь може бути корисним у будь-якому прикладному сценарії, який передбачає роботу з мовою, текстом або програмним кодом», — якось сказав зовнішньому світу Ван Хайфен.

Дійсно, сценарії застосування великих моделей дуже великі, але реальність полягає в тому, що в реальних сценаріях попиту поточні великі моделі продуктів, здається, мають багато можливостей для вдосконалення.

Порівняно з Wen Xinyiyan, модель iFlytek Spark дає відповідь, але час – це рейтинг зареєстрованих компаній у 2022 році, що не є останніми даними. Це також питання свіжості даних.

Проблема свіжості даних — це, по суті, острівна проблема екології даних.

На запитання в деяких вертикальних сферах відповіді, надані великими моделями, здається, не відповідають потребам людей з точки зору професіоналізму чи своєчасності. Це може бути тому, що незалежно від моделі Wen Yiyan або Xinghuo, у всіх недостатньо навчання даних у вертикальних полях.

Наприклад, з точки зору фінансової інформації, результати, надані великими моделями, можуть бути не такими точними та придатними для використання, ніж результати, знайдені на веб-сайтах із фінансовою інформацією. Звичайно, можуть бути проблеми з авторським правом, але, по суті, це острівна проблема в екосистема даних.

Візьмемо, наприклад, ChatGPT, OpenAI, Google і Anthropic, що їх підтримує, протягом багатьох років використовують онлайн-контент з інших веб-сайтів або компаній для навчання своїх генеративних моделей штучного інтелекту. Хоча обсяг даних гарантований, існують також потенційні юридичні проблеми.

Коли великі моделі вийдуть на перший план, ця проблема острова даних стане більш помітною. Оскільки користувачів не хвилює, як ви отримуєте дані, їм важливо лише те, чи прості у використанні ваші інструменти.

Tianyancha APP шукає великі моделі та містить понад 100 пов’язаних результатів. Хоча багато великих моделей випустили власні програми, наразі небагато справді простих у використанні. Приплив великої кількості користувачів пояснюється Робота, яку виконують великі моделі над додатками на стороні C, насправді все ще дуже обмежена.

Наприклад, якщо користувач хоче конвертувати картинку з роздільною здатністю 2K в 4K, технічно це не складно, але велика модель не може дати результат для звичайного користувача. Якщо після одного використання він не спрацює, я боюся, що буде важко продовжувати використовувати його знову.

Подібно до розумних колонок і голосових помічників у минулому, фактично кожен має голосові помічники зі штучним інтелектом у своїх мобільних телефонах. Чому вони не використовуються частіше? Насправді це тому, що ним нелегко користуватися. Тому для Baidu, iFlytek і навіть SenseTime проблема полягає не в тому, чи зможуть вони створювати додатки на стороні C, а в тому, чи вони достатньо хороші.

Найуспішнішим продуктом Baidu є Baidu Search.Інтелектуальний пошук справді дуже потужний, але чи можуть великомасштабні продукти досягти такого ж рівня, як пошук, потрібно поставити знак запитання.

Для iFlytek деякі апаратні продукти працюють добре, але перевірка полягає в здатності визначення програмних продуктів; для SenseTime, програми ToB було зроблено багато, але ToC, очевидно, все ще потребує додаткового досвіду.

Наразі великі моделі домашнього ToC не дуже диференційовані. Більшість із них використовуються для створення контенту, малювання штучного інтелекту, перекладу, офісу штучного інтелекту та інших сценаріїв. Вони також можуть допомогти людям вирішити деякі практичні проблеми, такі як генерування планів зустрічі та написання планів для PPT., написання звітів про дослідження та щоденних звітів про роботу.

Але далі, чи може велика модель ToC справді стати «хітом» і диференційованою, я боюся, що вона буде перевірена не лише технологією ШІ.

Період вікна для комерціалізації великих моделей закінчується.

Однією з найбільших перешкод для впровадження великих моделей на стороні B є нездатність зрозуміти бізнес.

Наприклад, фінансова сфера є сильно орієнтованою на дані. Людям потрібно приймати рішення на основі даних. Якщо для навчання штучного інтелекту використовується велика кількість даних і фінансова теорія, то перед обличчям ринку, що постійно змінюється, як великі моделі можуть приймати багато рішень? Чи наважуються користувачі ним користуватися?

Раніше Маск заявляв, що FSD V12 — це майже повністю нейронна мережа, яка створює набір наскрізних технологій автономного водіння. Іншими словами, процес наскрізного введення та виведення інформації є «чорним ящиком».

Ви не знаєте, як саме штучний інтелект приймає рішення, але зрештою ви отримаєте корисний результат.

Здебільшого з такими додатками немає проблем. Наприклад, у сфері подорожей людям потрібно безпечно дістатися місця призначення. Навіть якщо існує проблема чорної скриньки прийняття рішень, це не впливає на фактичне застосування .

Найбільшою проблемою з чорним ящиком для прийняття рішень є питання довіри до прийняття рішень. Великі моделі «від хмари до кінця» також мають подібні проблеми.

Наприклад, якщо ви задасте запитання великій моделі, чи відповіді, які дає запитання ШІ, реальні та достатньо достовірні? Цю проблему ще потрібно вирішувати великими зусиллями. Простіше кажучи, щоб навчити велику модель, які результати є правильними та простими у використанні, це вимагає постійного «узгодження» вихідних результатів моделі з реальністю.

Це також важливий виклик для великих моделей, які потрібно реалізувати на стороні C.

Автентичність і ефективність вихідних результатів не можна гарантувати на найпростішому рівні? Це передумова проблеми, яку необхідно вирішити, чи можуть додатки великих моделей справді спричинити великий вибух.

У минулому ChatGPT витрачав на це багато грошей. Вень Сіньян, Spark Model і щоденна нова модель SenseTime, очевидно, також повинні пройти через цей процес.

На нинішньому етапі захоплення застосуванням загальних великих моделей більше схоже на самовдосконалення людей. Випуск компаній великими моделями часто супроводжується низкою заходів зі зв’язків з громадськістю. Але крім того, яке збільшення вигоди може З точки зору кількості, досі немає чіткого плану, лише риторика зі зв’язків з громадськістю про те, що «великомасштабні інтелектуальні моделі ШІ зменшують витрати та підвищують ефективність».

Нинішня ситуація «гіганта» з точки зору просування продукту та «карлика» в бізнесі — це не що інше, як спроба назвати себе великою моделлю, щоб вторинний ринок міг добре розглянути це. Однак ринок уже голосує ногами і в кінцевому підсумку дивитиметься на фактичні комерційні показники.

Internet Jianghu вважає, що якщо цінність великих моделей у минулому полягає в «маркуванні» технологічних компаній для отримання хороших цін на вторинному ринку, то чи зможуть вони вижити в майбутньому, залежить від того, чи зможуть вони завершити «продуктивізацію». Дійсно покладайтеся на здатність програми «підкорити світ».

Пітер Тіль, хрещений батько Кремнієвої долини, якось сказав, що компанії, які люблять називати себе, майже всі непридатні для інвестування. Одного разу він висловив таку думку: «Я скептично ставлюся до всіх тематичних гарячих інвестицій. Загалом кажучи, кажуть, що немає відмінностей між такими інвестиціями. Усім подобається поміщати в одну гарячу точку багато абсолютно різних речей, позначених як хмарні обчислення, великі дані, штучний інтелект, медичні SaaS тощо, але насправді нижній рівень є зовсім іншим.Компанія, яка має немає диференціації».

Те ж саме стосується великих моделей.

Насправді, після того, як «бульбашку» на треку штучного інтелекту було видалено, ринок чітко зрозумів, що справжня цінність великих моделей все ще полягає в виробництві. Ключем до продуктивності є не лише конкуренція технологій, а й конкуренція можливостей менеджерів із продуктів.

На даний момент «королі» попередньої епохи (такі як Alibaba і Tencent) можуть мати більше досвіду, ніж Baidu.

З одного боку, ключем до продуктивності є можливість точно визначити потреби користувачів.

Наприклад, наразі всі вважають за краще створювати власні додатки ШІ, але те, як краще задовольнити фактичні потреби користувачів, залежить від визначення продукту.

З іншого боку, тільки після виробництва великі моделі можуть стати диференційованими, і комерціалізація є фактично природним результатом виробництва.

Ознайомившись із великомасштабними моделями продуктів, випущеними різними компаніями, я відчуваю, що, хоча вони мають різні назви, між їхніми продуктами не так багато відмінностей, а типи завдань, які вони можуть виконувати, схожі.

Наприклад, коли ви вперше використовуєте Wen Xinyiyan, ви відчуєте, що він справді могутній і може дати відповіді на всі запитання. Щойно це стосується трохи більш глибокого змісту, ви побачите, що відповіді, які він дає, занадто шаблонні, і здебільшого вони схожі на пусті слова та кліше.

Не тільки Wen Xinyiyan, модель Spark від iFlytek і SenseChat від SenseTime, продуктивність кожного насправді не сильно відрізняється.

По суті, це тому, що великі моделі за своєю природою не є сильним штучним інтелектом.Їм все одно потрібно покладатися на дані для постійного навчання, і вони не роблять суджень на основі інформації в справжньому сенсі. Тому ключ до диференціації лежить у кінцевому продукті застосування.

Internet Jianghu вважає, що продукти великої моделі повинні не тільки «залучати» користувачів за допомогою сценаріїв, але також повинні використовувати досвід, щоб утримувати користувачів і навіть стимулювати готовність користувачів платити.

Наразі ці великі моделі програмних продуктів, які були схвалені, зосереджені на інструментах, які охоплюють більшість щоденних сценаріїв користувачів.Почали з’являтися програми в усіх напрямках, від роботи до розваг, сподіваючись стати новим входом.

Проблема полягає в тому, що більшість користувачів все ще перебувають у стані перших користувачів, і може бути небагато користувачів, які використовують його для вирішення реальних проблем. Причина все ще може критися в застосуванні продукту.

Візьмемо для прикладу просту потребу перевірити друкарські помилки. З особистого досвіду можна сказати, що стандартні додатки великих моделей, які зараз є на ринку, не надто хороші. Навпаки, є деякі вертикальні платформи, які спеціалізуються на вичитуванні статей, і досвід користувача набагато краще багато. Як письменник, я дійсно готовий заплатити за такий продукт.

Не лише робота над текстом, а й створення коду та зображення. Нинішня велика модель спочатку вирішила проблему «чи можна її використовувати», але справжній ключ полягає у вирішенні проблеми «чи легко нею користуватися».

Таким чином, можливості продукту в цих сегментованих програмах можуть бути ключовими для того, чи дійсно користувачі зможуть використовувати великі моделі.

Після того, як нею скористається велика кількість користувачів і буде використано достатньо даних для навчання штучного інтелекту, можливості великої моделі штучного інтелекту можуть покращитися не по годинах. ChatGPT дійсно почав розвиватися після притоку великої кількості користувачів.

Можна передбачити, що після відкриття великомасштабної моделі відбудеться вибух власних додатків штучного інтелекту.Після вибуху додатків, скільки користувачів може залишитися, може стати питанням, над яким "Вень Сінь Іянь" повинен глибоко подумати.

«Якщо ви хочете посміятися останнім у «Битві 100 моделей», вам все одно потрібно побачити, скільки користувачів готові витратити реальні гроші, щоб заплатити», — сказав Лю Юй, оглядач галузі.

Після того як ChatGPT набрав понад 100 мільйонів користувачів, він почав стягувати плату за підписку в розмірі 20 доларів США на місяць для сторони C і запустив корпоративну версію спеціально для сторони B. Це показує, що мислення OpenAI змінюється, від створення технологій до створення продуктів. Звичайно, передумовою є те, що ChatGPT довів здатність вирішувати більш практичні проблеми.

Потрібен ще рік, щоб вітчизняні великі моделі досягли рівня GPT4.Іншими словами, залишився ще рік, щоб гравці великих моделей могли по-справжньому визначити та вдосконалити нативні додатки великої моделі ШІ. Далі ключем може стати те, як добре попрацювати в цій галузі та покращити своєчасність даних великих моделей.

Напишіть в кінці:

Успіх Стіва Джобса та iPhone доводить, що справді сяє не технологія, а продукт.

Як створити хороші прикладні продукти може бути більш чіткою метою для великих гравців моделі. Можна передбачити, що наступні додатки на стороні C справді потрібно буде переробити з великими моделями.Це, безсумнівно, можливість для Baidu, iFlytek і SenseTime.

В індустрії штучного інтелекту ніколи не бракувало тих, хто чекає вітру, але насправді бракує тих, хто створює вітер. Далі йде поле бою справжніх мечів і зброї. Ми почекаємо та побачимо, хто зможе відповісти на різноманітні викликів і відкрити золоту жилу великомасштабних моделей.