Mẫu To C cỡ lớn được ra mắt và rượu sâm panh được mở vào giữa thời gian thương mại hóa AI?

Nguồn: Internet Jianghu

Nguồn hình ảnh: Được tạo bởi AI‌ không giới hạn

Các mô hình lớn dường như không mang lại nhiều trí tưởng tượng hơn trong việc định giá.

Vào ngày 14 tháng 3 năm nay, OpenAI đã phát hành GPT-4, giúp cải thiện hơn nữa sự hiểu biết và độ tin cậy của các mô hình lớn. Hai ngày sau, Baidu Wen Xin Yi Yan chính thức được phát hành, phải đến cuối tháng 8, Wen Yi Yan mới chính thức mở cửa dịch vụ ra công chúng.

Ngoài Baidu, iFlytek đã phát hành mẫu Spark vào ngày 6 tháng 5 và sẽ mở cửa cho công chúng vào ngày 5 tháng 9. Thượng Đường. Vào tháng 4, hệ thống mô hình lớn Ririxin đã được ra mắt và vào cuối tháng 8, mô hình lớn Ririxin đã được phê duyệt. Tencent Hunyuan và Alitong Qianwen cũng gấp rút tham gia thị trường.

Bây giờ, đã nửa năm trôi qua kể từ khi mô hình quy mô lớn trong nước đầu tiên ra mắt, diễn biến của các thị trường vốn khác nhau như thế nào?

Giá cổ phiếu đóng cửa của Baidu tại Hồng Kông là 129 đô la Hồng Kông vào ngày 14 tháng 3 và 132,2 đô la Hồng Kông vào ngày 18 tháng 9.

SenseTime đóng cửa ở mức 3,33 đô la Hồng Kông vào ngày 11 tháng 4 và đóng cửa ở mức 1,46 đô la Hồng Kông vào ngày 18 tháng 9.

iFlytek đóng cửa ở mức 63,76 nhân dân tệ vào ngày 8 tháng 5 và 48,38 nhân dân tệ vào ngày 18 tháng 9.

……

Quả thực đã có tin đồn về khái niệm mẫu xe cỡ lớn nhưng hiện tại, sự nhộn nhịp đã nhạt dần và thị trường dường như không còn mua nó.

Vào ngày 15 tháng 8, "Các biện pháp quản lý dịch vụ trí tuệ nhân tạo sáng tạo (Dự thảo lấy ý kiến)" đã có hiệu lực và con đường tuân thủ sản phẩm AIGC đã rõ ràng, nhờ đó, các mô hình lớn trong nước đã được ra mắt rầm rộ, bao gồm Baidu, iFlytek, SenseTime, v.v. Người chơi bắt đầu nắm bắt thị trường ToC.

Vậy liệu “ứng dụng mô hình lớn đầu tiên” trên điện thoại di động của người dân có thể trở thành “lối vào đầu tiên” cho thế hệ AI? Nó đáng để xem xét.

Mô hình lớn được "lăn vào" quầy lễ tân, mở sâm panh vào giữa hiệp sau khi AI ra mắt?

Một điều chắc chắn là khi đi đầu, điều mà thị trường đang mong đợi chính là “sản xuất hóa” theo nghĩa ứng dụng. Những loại vấn đề khách quan nào mà mô hình lớn có thể giải quyết?

Ứng dụng trực tiếp nhất của các mô hình lớn là trợ lý giọng nói.

Các mô hình lớn củng cố làn sóng ứng dụng tương tác bằng giọng nói, có thể mang lại "mùa xuân thứ hai" cho một số ngành công nghiệp phần cứng. Ví dụ: loa thông minh có điểm bán hàng mới và loa thông minh Xiaodu có thể tìm thấy điểm tăng trưởng mới.

Trong lĩnh vực trợ lý giọng nói, ứng dụng thành công nhất có thể là ô tô.

Wen Xinyiyan đã có quyền truy cập vào Geely, Great Wall, Hongqi, Dongfeng Nissan và Lantu. ChatGPT được kết nối với Mercedes-Benz, mẫu xe lớn Spark được kết nối với GAC, Huawei Pangu được kết nối với Thalys... Đây cũng là một trong những các kịch bản dễ dàng nhất để thương mại hóa các mô hình lớn. Xét cho cùng, đối với các tình huống trên ô tô, các ứng dụng trợ lý giọng nói là rất cần thiết và cũng là một lĩnh vực tương đối trưởng thành để triển khai bên B.

Mặc dù một bước quan trọng đã được thực hiện trong việc thâm nhập các mô hình lớn vào phía C, nhưng tôi e rằng vẫn còn một chặng đường dài trước khi chúng có thể thực sự được áp dụng trên quy mô lớn.

Sự cổ vũ ngày nay giống như việc bật sâm panh vào giờ nghỉ giải lao, thực tế là những người mẫu lớn còn lâu mới trưởng thành.

Điều mọi người cần phải chấp nhận là mô hình lớn nhìn rất mạnh mẽ nhưng khi thực tế sử dụng nó để giải quyết vấn đề thì bạn sẽ thấy nó không mạnh đến thế.

Đối với một số nhu cầu thiết thực nhất, dù đơn giản, các mô hình lớn vẫn không thể đáp ứng được, đằng sau đó là các vấn đề về dữ liệu và sinh thái, nhưng xét đến cùng, chúng chỉ có thể giải quyết được nhu cầu thực tế ở một mức độ hạn chế.

Đầu tiên là vấn đề về độ mới của dữ liệu. Trong sử dụng thực tế, chúng tôi nhận thấy rằng đối với cùng một câu hỏi, câu trả lời do mô hình lớn đưa ra thậm chí còn không tốt bằng tìm kiếm.

Đây là câu trả lời được đưa ra bởi tìm kiếm của Baidu:

Đây là câu trả lời được đưa ra bởi Wen Xinyiyan:

Về tính kịp thời và chính xác, việc tìm kiếm phù hợp hơn với lẽ thường và phù hợp hơn với hiểu biết của mọi người về cảnh thực.

"Wen Xin Yiyan có thể hữu ích trong bất kỳ tình huống ứng dụng nào liên quan đến việc xử lý ngôn ngữ, văn bản hoặc mã chương trình." Wang Haifeng từng nói với thế giới bên ngoài.

Quả thực, các kịch bản ứng dụng của các mô hình lớn là rất lớn, nhưng thực tế là trong các kịch bản nhu cầu thực tế, các sản phẩm mô hình lớn hiện nay dường như còn rất nhiều chỗ cần cải tiến.

So với Wen Xinyiyan, mô hình iFlytek Spark đưa ra câu trả lời, nhưng thời điểm là bảng xếp hạng các công ty niêm yết năm 2022, đây không phải là dữ liệu mới nhất mà còn là vấn đề về độ mới của dữ liệu.

Vấn đề về độ mới của dữ liệu về cơ bản là một vấn đề đảo của hệ sinh thái dữ liệu.

Đối với những câu hỏi thuộc một số lĩnh vực ngành dọc, câu trả lời mà các mô hình lớn đưa ra dường như chưa đáp ứng được nhu cầu của người dân về tính chuyên nghiệp hay tính kịp thời. Điều này có thể là do, dù là Wen Yiyan hay Xinghuo Model, mọi người đều không được đào tạo đủ dữ liệu về các lĩnh vực dọc.

Ví dụ, về mặt thông tin tài chính, kết quả mà các mô hình lớn đưa ra có thể không chính xác và hữu dụng như kết quả tìm thấy trên các trang web thông tin tài chính. hệ sinh thái dữ liệu.

Lấy ChatGPT làm ví dụ, OpenAI, Google và Anthropic được nó hỗ trợ đã sử dụng nội dung trực tuyến từ các trang web hoặc công ty khác để đào tạo các mô hình AI tổng quát của họ trong nhiều năm.

Khi các mô hình lớn lên hàng đầu, vấn đề đảo dữ liệu này sẽ trở nên nổi bật hơn. Bởi vì người dùng không quan tâm đến cách bạn lấy dữ liệu nên người dùng chỉ quan tâm đến việc liệu công cụ của bạn có dễ sử dụng hay không.

Tianyancha APP tìm kiếm các mô hình lớn và có hơn 100 kết quả liên quan. Mặc dù nhiều mô hình lớn đã phát hành APP của riêng họ, nhưng hiện tại, không có nhiều ứng dụng thực sự dễ sử dụng. Lượng người dùng đông đảo là do Công việc mà các mô hình lớn thực hiện trên ứng dụng C-side thực tế vẫn còn rất hạn chế.

Ví dụ: nếu người dùng muốn chuyển đổi hình ảnh có độ phân giải 2K thành 4K thì không phức tạp về mặt kỹ thuật, nhưng mô hình lớn không thể mang lại kết quả cho người dùng thông thường. Nếu sử dụng một lần mà không có tác dụng thì e rằng sẽ khó tiếp tục sử dụng lại.

Cũng giống như loa thông minh và trợ lý giọng nói trước đây, trên thực tế, điện thoại di động ai cũng có trợ lý giọng nói AI, tại sao chúng không được sử dụng thường xuyên hơn? Trên thực tế, đó là vì nó không dễ sử dụng. Do đó, đối với Baidu, iFlytek và thậm chí cả SenseTime, thách thức không phải là liệu họ có thể tạo ra các ứng dụng phía C hay không mà là liệu chúng có đủ tốt hay không.

Sản phẩm thành công hơn của Baidu là Baidu Search. Tìm kiếm thông minh thực sự rất mạnh mẽ, nhưng liệu các sản phẩm quy mô lớn có thể đạt được trình độ tương tự như tìm kiếm hay không thì vẫn còn một dấu hỏi.

Đối với iFlytek, một số sản phẩm phần cứng đang hoạt động tốt nhưng thử nghiệm nằm ở khả năng định nghĩa sản phẩm phần mềm; đối với SenseTime, các ứng dụng ToB đã được thực hiện rất nhiều nhưng ToC rõ ràng vẫn đòi hỏi nhiều kinh nghiệm hơn.

Hiện tại, các mô hình ToC lớn trong nước không có nhiều khác biệt, hầu hết chúng được sử dụng trong sáng tạo nội dung, vẽ AI, dịch thuật, văn phòng AI và các tình huống khác. Chúng cũng có thể giúp mọi người giải quyết một số vấn đề thực tế, chẳng hạn như tạo đề cương cuộc họp và viết đề cương cho PPT. , viết báo cáo nghiên cứu và viết báo cáo công việc hàng ngày.

Nhưng tiếp theo, liệu mô hình ToC cỡ lớn có thực sự trở thành “cú hit” và khác biệt hay không, tôi e rằng nó sẽ không chỉ được thử nghiệm bởi công nghệ AI.

Thời kỳ thương mại hóa các mẫu xe lớn sắp hết.

Một trong những trở ngại lớn nhất khi triển khai các mô hình lớn ở bên B là không có khả năng hiểu rõ về hoạt động kinh doanh.

Ví dụ, lĩnh vực tài chính là lĩnh vực thiên về dữ liệu, con người cần đưa ra quyết định dựa trên dữ liệu. Nếu sử dụng một lượng lớn dữ liệu và lý thuyết tài chính để đào tạo AI, thì trước một thị trường luôn thay đổi, làm thế nào nhiều quyết định có thể được thực hiện bởi các mô hình lớn? Người dùng có dám sử dụng nó không?

Musk trước đây đã nói rằng FSD V12 gần như hoàn toàn là một mạng lưới thần kinh, xây dựng một bộ công nghệ lái xe tự động từ đầu đến cuối. Nói cách khác, quá trình nhập và xuất thông tin từ đầu đến cuối là một “hộp đen”.

Bạn không biết AI đưa ra quyết định cụ thể như thế nào nhưng cuối cùng bạn sẽ nhận được kết quả có thể sử dụng được.

Hầu hết, không có vấn đề gì với các ứng dụng như vậy. Ví dụ, trong lĩnh vực du lịch, điều mọi người cần là đến đích an toàn. Ngay cả khi tồn tại vấn đề về hộp đen ra quyết định, nó cũng không ảnh hưởng đến ứng dụng thực tế .

Vấn đề lớn nhất với hộp đen ra quyết định là vấn đề về niềm tin ra quyết định, các mô hình lớn từ đám mây đến đầu cuối cũng gặp vấn đề tương tự.

Ví dụ: nếu bạn hỏi một mô hình lớn một câu hỏi, liệu câu trả lời mà câu hỏi AI đưa ra có đủ thực tế và đáng tin cậy không? Vấn đề này vẫn cần phải được giải quyết với những nỗ lực lớn lao. Nói một cách đơn giản, để dạy cho một mô hình lớn kết quả nào là chính xác và dễ sử dụng, điều này đòi hỏi phải liên tục “căn chỉnh” kết quả đầu ra của mô hình với thực tế.

Đây cũng là một thách thức quan trọng đối với các mô hình lớn được triển khai ở phía C.

Tính xác thực và hiệu quả của kết quả đầu ra không thể được đảm bảo ở mức cơ bản nhất? Đây là vấn đề tiên quyết cần được giải quyết liệu các ứng dụng mô hình lớn có thể thực sự tạo ra một vụ nổ lớn hay không.

Trước đây ChatGPT đã chi rất nhiều tiền để làm việc này, Wen Xinyiyan, Spark Model và mô hình mới hàng ngày của SenseTime rõ ràng cũng cần phải trải qua quá trình này.

Ở giai đoạn hiện nay, cơn sốt áp dụng các mô hình lớn nói chung giống như việc con người tự trau dồi bản thân hơn, việc các công ty tung ra các mô hình lớn thường đi kèm với một loạt các hoạt động quan hệ công chúng. Nhưng ngoài ra, lợi ích nào có thể tăng thêm? Tuy nhiên, vẫn chưa có kế hoạch rõ ràng, chỉ là những lời hoa mỹ trong quan hệ công chúng là “Các mô hình quy mô lớn thông minh AI giúp giảm chi phí và nâng cao hiệu quả”.

Thực trạng trở thành “đại gia” về quảng bá sản phẩm và “lùn” trong kinh doanh hiện nay không gì khác hơn là cố gắng tự dán nhãn cho mình là người mẫu lớn để thị trường thứ cấp có thể nhìn kỹ. Tuy nhiên, thị trường đã bỏ phiếu bằng đôi chân của mình và cuối cùng sẽ xem xét hiệu suất thương mại thực tế.

Internet Jianghu tin rằng nếu giá trị của các mẫu xe lớn trước đây nằm ở việc các công ty công nghệ "dán nhãn" để có được mức giá tốt trên thị trường thứ cấp, thì liệu họ có tồn tại được trong tương lai hay không phụ thuộc vào việc họ có thể hoàn thành "sản xuất" hay không. ... Thực sự dựa vào khả năng ứng dụng để "chinh phục thế giới".

Peter Thiel, cha đỡ đầu của Thung lũng Silicon, từng nói rằng các công ty thích dán nhãn cho mình hầu như đều không thể đầu tư, ông từng bày tỏ quan điểm này: "Tôi hoài nghi về tất cả các khoản đầu tư nóng theo chủ đề. Nói chung, người ta nói rằng không có sự phân biệt." Mọi người đều thích đặt nhiều thứ hoàn toàn khác nhau vào một điểm nóng, được dán nhãn là điện toán đám mây, dữ liệu lớn, trí tuệ nhân tạo, SaaS y tế, v.v., nhưng trên thực tế, lớp dưới cùng lại hoàn toàn khác. không có sự khác biệt.”

Điều tương tự cũng xảy ra với các mô hình lớn.

Trên thực tế, sau khi bong bóng trong lĩnh vực AI bị bóp nghẹt, thị trường hiểu rõ rằng giá trị thực của các mẫu xe cỡ lớn vẫn nằm ở khả năng sản xuất. Chìa khóa của sản xuất không chỉ là cạnh tranh về công nghệ mà còn là cạnh tranh về năng lực quản lý sản phẩm.

Lúc này, những “ông vua” của thời đại trước (như Alibaba, Tencent) có thể đã có nhiều kinh nghiệm và tiếng nói hơn Baidu.

Một mặt, chìa khóa của sản xuất là có thể xác định chính xác nhu cầu của người dùng.

Ví dụ, hiện nay mọi người đều thích làm các ứng dụng gốc AI, nhưng làm thế nào để đáp ứng tốt hơn nhu cầu thực tế của người dùng lại phụ thuộc vào định nghĩa sản phẩm.

Mặt khác, chỉ sau khi sản xuất, các mô hình lớn mới có thể trở nên khác biệt và thương mại hóa thực sự là kết quả tự nhiên của quá trình sản xuất.

Sau khi trải nghiệm các sản phẩm mô hình quy mô lớn do nhiều công ty khác nhau phát hành, tôi có cảm giác mạnh mẽ rằng mặc dù chúng có tên khác nhau nhưng sản phẩm của chúng không có nhiều khác biệt và loại nhiệm vụ mà chúng có thể hoàn thành cũng tương tự nhau.

Ví dụ, khi bạn sử dụng Wen Xinyiyan lần đầu tiên, bạn sẽ cảm thấy rằng anh ấy thực sự rất mạnh mẽ và có thể đưa ra câu trả lời cho mọi câu hỏi, một khi liên quan đến nội dung sâu hơn một chút, bạn sẽ thấy rằng những câu trả lời anh ấy đưa ra quá công thức và hầu hết thời gian chúng giống như những từ trống rỗng và sáo rỗng.

Không chỉ Wen Xinyiyan, mẫu Spark của iFlytek và SenseChat của SenseTime, hiệu suất của mọi người thực tế không khác nhau nhiều.

Về bản chất, điều này là do các mô hình lớn về bản chất không phải là trí tuệ nhân tạo mạnh, chúng vẫn cần dựa vào dữ liệu để đào tạo liên tục và không đưa ra phán đoán dựa trên thông tin theo đúng nghĩa. Vì vậy, chìa khóa tạo nên sự khác biệt nằm ở sản phẩm ứng dụng cuối cùng.

Internet Jianghu tin rằng các sản phẩm mô hình lớn không chỉ cần "thu hút" người dùng thông qua các kịch bản mà còn cần sử dụng trải nghiệm để giữ chân người dùng và thậm chí kích thích sự sẵn lòng trả tiền của người dùng.

Hiện tại, các sản phẩm ứng dụng mô hình lớn đã được phê duyệt này tập trung vào các công cụ phục vụ hầu hết các tình huống hàng ngày của người dùng, các ứng dụng ở mọi hướng từ công việc đến giải trí đã bắt đầu xuất hiện, hy vọng sẽ trở thành một lối vào mới.

Vấn đề là hầu hết người dùng vẫn đang ở trạng thái tiếp nhận sớm và có thể không có nhiều người dùng sử dụng nó để giải quyết các vấn đề thực tế. Nguyên nhân có thể vẫn nằm ở ứng dụng của sản phẩm.

Lấy nhu cầu kiểm tra lỗi chính tả đơn giản làm ví dụ, từ trải nghiệm cá nhân, các ứng dụng mô hình lớn phổ thông hiện nay trên thị trường đều không tốt lắm, ngược lại, có một số nền tảng dọc chuyên về hiệu đính bài viết và trải nghiệm người dùng là tốt hơn nhiều. nhiều. Với tư cách là một nhà văn, tôi thực sự rất sẵn lòng trả tiền cho một sản phẩm như vậy.

Không chỉ hoạt động văn bản, mà còn tạo mã và tạo hình ảnh.Mô hình lớn hiện nay bước đầu đã giải quyết được vấn đề "có dùng được không", nhưng mấu chốt thực sự là giải quyết được vấn đề "có dễ sử dụng" hay không.

Do đó, khả năng của sản phẩm trong các ứng dụng được phân khúc này có thể là chìa khóa quyết định liệu người dùng có thực sự có thể sử dụng các mô hình lớn hay không.

Sau khi một số lượng lớn người dùng sử dụng nó và sử dụng đủ dữ liệu để đào tạo AI, khả năng của mô hình AI lớn có thể được cải thiện một cách nhảy vọt. ChatGPT thực sự thành công sau sự có mặt của một lượng lớn người dùng.

Có thể thấy trước, sau khi mô hình quy mô lớn được mở ra, sẽ có sự bùng nổ của các ứng dụng gốc AI, sau khi ứng dụng bùng nổ, bao nhiêu người dùng có thể ở lại có thể là câu hỏi mà "Wen Xin Yiyan" cần phải suy nghĩ sâu sắc.

Liu Yu, một nhà quan sát trong ngành, cho biết: “Nếu muốn có được tiếng cười cuối cùng trong 'Trận chiến của 100 người mẫu', bạn vẫn phải xem có bao nhiêu người dùng sẵn sàng chi tiền thật để trả tiền."

Sau khi ChatGPT có hơn 100 triệu người dùng, nó bắt đầu tính phí đăng ký 20 đô la Mỹ mỗi tháng cho bên C và tung ra phiên bản doanh nghiệp dành riêng cho bên B. Điều này cho thấy tư duy của OpenAI đang thay đổi, từ chế tạo công nghệ đến chế tạo sản phẩm. Tất nhiên, tiền đề là ChatGPT đã được chứng minh là có thể giải quyết được nhiều vấn đề thực tế hơn.

Sẽ mất thêm một năm nữa để các mô hình lớn trong nước đạt đến cấp độ GPT4. Nói cách khác, vẫn còn một năm nữa để những người chơi mô hình lớn thực sự xác định và cải thiện các ứng dụng gốc của AI mô hình lớn. Tiếp theo, làm thế nào để thực hiện tốt công việc này và cải thiện hơn nữa tính kịp thời của dữ liệu của các mô hình lớn có thể là chìa khóa.

Viết ở cuối:

Thành công của Steve Jobs và iPhone chứng tỏ thứ thực sự tỏa sáng không phải là công nghệ mà là sản phẩm.

Làm thế nào để tạo ra những sản phẩm ứng dụng tốt có thể là mục tiêu rõ ràng hơn đối với những người chơi mô hình lớn. Có thể thấy trước rằng các ứng dụng C-side tiếp theo thực sự sẽ cần phải làm lại với mô hình lớn, đây chắc chắn là cơ hội cho Baidu, iFlytek và SenseTime.

Ngành công nghiệp AI chưa bao giờ thiếu những người chờ gió, nhưng điều thực sự thiếu là những người tạo ra gió. Tiếp theo là chiến trường của kiếm và súng thực sự. Chúng ta sẽ chờ xem ai có thể đáp ứng được nhiều loại kêu gọi và mở ra mỏ vàng ứng dụng mô hình quy mô lớn.