作者：Ben
編輯：王與桐
幾天前，Hugging Face旗下“明星”開源庫Transformers的Star數(shù)量超過了100,000。
而且，Transformers應(yīng)該是GitHub上最快達(dá)成這一里程碑的開源項目。
毋庸置疑地是，Hugging Face 絕對是這個時代最耀眼的AI公司之一。
過去一年，Hugging Face的搜索指數(shù)甚至遠(yuǎn)超生成式AI領(lǐng)域的明星公司Stability AI。
在此之前，Hugging Face歷史上的高光時刻大抵集中在一年前的2022年年中。
簡單來說，Hugging Face是一家開源模型庫公司。
2022年3月14日，推特賬號@BigScienceLLM開始每日更新一個名為BLOOM大模型的訓(xùn)練進(jìn)度。當(dāng)然，這個時候公眾對大模型的認(rèn)知幾乎還不存在。
BLOOM項目由Hugging Face主導(dǎo)，共有來自全球60多個國家、200多個各類機構(gòu)，總共超過1000名研究人員和工程師參與其中，其中有大量來自微軟、Meta、谷歌及其他科技巨頭的員工以個人名義參與。
5月10日，Hugging Face宣布C輪1億美元融資，由Lux Capital領(lǐng)投，紅杉資本、Coatue、Betaworks、NBA球星Kevin Durant等跟投，其估值增長到了20億美元。
5月16日，Hugging Face首次登上了福布斯北美人工智能50強榜單。
7月2號，參數(shù)總量達(dá)1760億的BLOOM大模型經(jīng)過為期117天的訓(xùn)練宣告完成，其參數(shù)總量恰好比OpenAI已經(jīng)發(fā)布了近三年的GPT-3多10億。
當(dāng)時間來到2022年8月，在美國科羅拉多州博覽會所舉辦的藝術(shù)比賽中，一幅名為《太空歌劇院》的AI生成畫作，力壓參賽的所有其他人類藝術(shù)家，獲得大賽金獎。
于是在此后，Midjourney、Stability AI、OpenAI 等新一代人工智能公司輪番登場，成為AI大舞臺上聚光燈的焦點。
過去一年來，Hugging Face沒有再獲得新的融資，其估值距離超級獨角獸相去甚遠(yuǎn)。
今年，Hugging Face也發(fā)布了對標(biāo)ChatGPT的開源對話工具HuggingChat，但淹沒在鋪天蓋地的同類應(yīng)用中，泯然眾人。
在Hugging Face身上完全看不到大部分明星創(chuàng)業(yè)公司所經(jīng)歷的跌宕起伏，仿佛一切都是水到渠成。
隨著業(yè)界對于大模型的關(guān)注熱點由夸夸其談，進(jìn)入需要弄清來龍去脈的深水區(qū)，Hugging Face存在的價值又開始受到業(yè)內(nèi)密切關(guān)注。
Hugging Face保持著一貫以來的低調(diào)，畢竟他們沒有大肆擴張的壓力，也不需要通過不斷畫餅來吸引資本的關(guān)注。
這和公眾認(rèn)知中，大模型賽道必然需要無限燒錢以投入海量AI算力的觀點相悖，在公開報道中，2021年9月 Hugging Face 完成4000萬美元的B輪融資時，其銀行賬戶上仍然有90%上一輪融到的錢還沒有花。
事實上很難挖掘到Hugging Face有什么閃光的特質(zhì)，在近期科技播主Harry Stebbings的訪談節(jié)目中，Hugging Face聯(lián)合創(chuàng)始人兼CEO Clément Delangue謙遜地表示：如果沒有開源、如果谷歌沒有分享那篇劃時代的《Attention is all you need》論文、沒有分享他們的BERT論文、沒有分享他們的擴散模型論文，我們可能還需要再等30、40甚至50年才能達(dá)到今天的水平。
0. 前傳
Transformer：人工智能的范式轉(zhuǎn)移
在2017年之前，看到Transformer這個詞，大部分人想到的應(yīng)該是變形金剛（Transformers）、汽車人、孩之寶。
2017年6月，在谷歌團(tuán)隊發(fā)表的論文《Attention Is All You Need》中，Transformer第一次出現(xiàn)在人工智能論文中，如果單純從字面意思來理解的話，Transformer可以被稱為一種基于注意力的編碼器/解碼器模型。
時至今日，各種GPT、各種BERT、各種羊駝（ LLaMA）占據(jù)著人工智能、大模型、AIGC秀場的C位，我們終于再也不會混淆Transformer和Transformers。
2018年，剛剛誕生一年的Transfomer讓 NLP 發(fā)生了關(guān)鍵的范式轉(zhuǎn)移，從過去僅初始化模型的第一層，到通過分層表示對整個模型進(jìn)行預(yù)訓(xùn)練，Transfomer為人工智能達(dá)到今天的高度開辟了一種全新的工作方式，使信息可以從預(yù)先訓(xùn)練的語言模型轉(zhuǎn)移到下游任務(wù)和應(yīng)用。
機會總是留給有準(zhǔn)備的人，在人工智能領(lǐng)域更是如此。
成立于2016年的聊天機器人公司Hugging Face，在這一年悄悄地轉(zhuǎn)身開始嘗試做些不一樣的事情，從此，Hugging Face不再是出現(xiàn)在對話框或塑料袋上的emo，而漸漸成為大模型領(lǐng)域的一種信仰。
2018年10月，Hugging Face首席科學(xué)家Thomas Wolf花了幾天時間在GitHub上創(chuàng)建了一個名為pytorch-pretrained-BERT的項目，項目的熱度超出了所有人的預(yù)期。
Hugging face并沒有對Transformer模型本身進(jìn)行改進(jìn)，而是將其與一系列衍生模型封裝成了一個全新的“開源產(chǎn)品”，也就是Transformers，面向研究人員和開發(fā)者，讓大家能方便的用上Transformer模型
通過開源模型庫，Hugging Face可以為人工智能算法架構(gòu)和模型庫的不斷迭代提供更多可能性。事實也在不斷證明，在多個前沿領(lǐng)域，初創(chuàng)公司更適合以全新的方式為開發(fā)者社區(qū)賦能，并且，開源創(chuàng)造的價值極具發(fā)散性，比傳統(tǒng)上開發(fā)私有化工具的效率提升顯著，價值更是超出多個數(shù)量級。
機會確實來得很突然，僅僅幾天時間Hugging Face已經(jīng)做好準(zhǔn)備開創(chuàng)一條全新的路徑，這也讓其避免了成為眾多Siri仿制品中的一員。
去年以來，多數(shù)人傾向于將Hugging Face的成功歸結(jié)于偶然性。
但是，如果一系列的偶然性事件接連發(fā)生，那一定是有著某種必然的聯(lián)系。
Hugging Face的創(chuàng)始人Clément Delangue在2021年的一次訪談中清晰地表達(dá)了這次轉(zhuǎn)變的底層邏輯：我們現(xiàn)在無須為競爭分心，而是轉(zhuǎn)向為開源領(lǐng)域和科研領(lǐng)域同時賦能。
其實在今天，Hugging Face還并不能算是一家多么偉大的公司，起碼基于大眾視角和商業(yè)化判斷將會得出這樣的結(jié)論。
但是Hugging Face在機器學(xué)習(xí)領(lǐng)域的重要性已經(jīng)不需要質(zhì)疑。
截至 2023 年 6 月1日，Hugging Face 共享了 215,693 個訓(xùn)練模型，38,085 個數(shù)據(jù)集，涵蓋 NLP、語音、生物學(xué)、時間序列、計算機視覺、強化學(xué)習(xí)等幾乎所有領(lǐng)域，搭建了全球范圍最完整的 AI 開發(fā)者生態(tài)。
特別是在當(dāng)前，AI2.0靠大模型成功出圈的重要時間節(jié)點，Hugging Face絕對有它難以逾越的不可替代性。
本文試圖用類似蒙太奇的方式，從一些碎片化的角度來探討，即使把“天時、地利、人和”全部湊齊，也很難再造一個Hugging Face。
01. AI倫理
什么是負(fù)責(zé)任的人工智能許可
2023年5月30日，非營利組織“人工智能安全中心”（Center for AI Safety）在官網(wǎng)發(fā)布一封聯(lián)名公開信，稱AI是堪比“疫情和核戰(zhàn)爭”的技術(shù)，未來或?qū)θ祟悩?gòu)成生存威脅。
公開信只有一句話，總共22個單詞：減輕AI（給人類）帶來的滅絕風(fēng)險應(yīng)成為全球性的優(yōu)先事項，與大流行病及核戰(zhàn)爭等其他影響社會的大規(guī)模風(fēng)險處于同等級別。
這次，OpenAI創(chuàng)始人Sam Altman、DeepMind CEO Demis Hassabis和Anthropic CEO Dario Amode等AI明星公司的代表悉數(shù)簽了字，總共有超過350位AI領(lǐng)域的知名人士簽署了聯(lián)名信。
名單中也有不少中國學(xué)者，包括中國工程院院士張亞勤，中科院自動化所人工智能倫理與治理研究中心主任曾毅，清華大學(xué)副教授詹仙園等人。
科技大佬們對AI的擔(dān)憂不是空穴來風(fēng)、也不是嘩眾取寵，而是真的會關(guān)系到未來每一個人生活的方方面面。
兩個月之前，馬斯克、蘋果聯(lián)創(chuàng)Steve Wozniak、Stability AI創(chuàng)始人Emad Mostaque等大佬們也曾共同發(fā)表公開信，呼吁在6個月內(nèi)暫停訓(xùn)練比GPT-4更強大的人工智能系統(tǒng)。
CNN架構(gòu)時代的深度學(xué)習(xí)三巨頭之一Yann LeCun曾經(jīng)表示：在我們做出人類級別的AI之前，需要先做出貓貓/狗狗級別的AI。而現(xiàn)在我們甚至連這都做不到。我們?nèi)笔Я耸种匾臇|西。要知道，連一只寵物貓都比任何大型語言模型有更多的常識，以及對世界的理解。
人工智能的倫理問題盡管由來已久，但是在AI2.0被看作第四次產(chǎn)業(yè)革命核心的背景下，為社會治理和道德規(guī)范帶來了完全無法預(yù)知的挑戰(zhàn)。
大模型直指AGI（通用人工智能），當(dāng)AI擁有了泛化的能力，也就意味著它手握一把雙刃劍，因此讓全世界開始警惕其可能帶來的巨大社會風(fēng)險。
AI倫理絕不是玄學(xué)，越來越多的用戶信任Hugging Face，將模型放在Hugging Face開源也絕不是偶然，在倫理層面高度認(rèn)同的共同體。
天時、地利固然都重要，但人和（姑且把人和理解為AI倫理）才是AI通向更高層次關(guān)鍵。
對于Hugging Face而言，注重AI倫理已經(jīng)融入其基因。
其訓(xùn)練大模型BLOOM的BigScience 項目從一開始就將倫理納入考量，并嚴(yán)格制定了專屬的倫理指導(dǎo)原則。因為大模型使用來自互聯(lián)網(wǎng)的數(shù)據(jù)集進(jìn)行訓(xùn)練，而這些數(shù)據(jù)集既包含了大量個人信息，又經(jīng)常展現(xiàn)出危險的偏見。
Hugging Face 的人工智能倫理學(xué)家Giada Pistilli起草了BLOOM的倫理準(zhǔn)則，作為模型開發(fā)訓(xùn)練的基本原則。準(zhǔn)則強調(diào)了諸如從不同的背景和地點招募志愿者、確保普通人能夠輕松地重現(xiàn)該項目的研究結(jié)果、還有公開公布其研究結(jié)果等細(xì)節(jié)。
同時，Hugging Face還公布了“負(fù)責(zé)任的人工智能許可”這一全新概念，作為使用BLOOM的服務(wù)條款協(xié)議，該許可的目的是防止執(zhí)法或衛(wèi)生保健等高風(fēng)險部門使用其技術(shù)傷害、欺騙、剝削或冒充公眾。
將時間軸前移，2021年，谷歌AI倫理團(tuán)隊所發(fā)生的巨大變動或許可以被認(rèn)為是影響未來AI格局的一條分水嶺。
2021年8月，谷歌倫理AI（Ethical AI）人工智能倫理研究小組前負(fù)責(zé)人Margaret Mitchell加入了Hugging Face，幫助其開發(fā)確保其算法公平的工具。
此前，Margaret Mitchell經(jīng)過四年的努力組織和招募員工，從無到有建立了谷歌 AI 倫理團(tuán)隊，并為谷歌AI在全球范圍樹立了良好的道德形象。
Margaret Mitchell花費數(shù)年時間樹立的“不作惡”（Don't be evil）形象，也一直是 Google AI倫理準(zhǔn)則的重要組成部分，在Margaret Mitchell之后的一段時間，這個口號對于谷歌 AI 更具諷刺意味。
Margaret Mitchell在加入Hugging Face之后，依然將“不作惡”的 AI倫理準(zhǔn)則一直貫徹到底。
對于在Hugging Face的感受，Margaret Mitchell說：“這里已經(jīng)有很多基本的道德價值觀。很明顯，我不必強行插手或改進(jìn)倫理流程。”
事實上，在涉及與人工智能倫理相關(guān)的一系列問題上，Hugging Face始終保持著嚴(yán)謹(jǐn)?shù)膽B(tài)度，作為一個開源模型庫，希望與開發(fā)者和用戶達(dá)成在 AI倫理方面的共識。
從Hugging Face持續(xù)更新的 AI 倫理簡報中，能夠清晰地看到Hugging Face開發(fā) AI 倫理相關(guān)工具和保障措施的脈絡(luò)，并以此確保開源科學(xué)能夠賦予個人權(quán)力，不斷將潛在危害最小化。
無論未來AI能否改變世界、或?qū)⒁允裁葱问�、什么程度改變世界，大模型已�?jīng)是無法逆轉(zhuǎn)的現(xiàn)實。它可以是將第四次工業(yè)革命推向高潮的生產(chǎn)力工具，也不排除會成為阻礙人類繼續(xù)進(jìn)步的絆腳石。
如果沒有基于專業(yè)知識構(gòu)建的AI倫理道德約束，很有可能無法避免將來會出現(xiàn)巨大的反噬。人類必須未雨綢繆，提前做好最周密的布局以抵御這場颶風(fēng)。
過去幾年間，全球范圍內(nèi)已經(jīng)發(fā)布了100多項人工智能倫理治理相關(guān)文件，各國政府、國際組織、學(xué)術(shù)界和產(chǎn)業(yè)界四方力量高度關(guān)注人工智能倫理治理問題。
近年來，我國接連發(fā)布了《新一代人工智能治理原則》《新一代人工智能倫理規(guī)范》等政策文件，其中明確提出八項原則，強調(diào)將倫理道德融入人工智能全生命周期。
但是，對于大模型和人工智能的規(guī)范不能只停留在政策層面，由于大模型特別擅長模仿真實的人類語言，所以也更容易被用來欺騙人類。
從人類用人工智能欺騙人類，到人工智能主動欺騙人類或許僅隔著一層紙。
人類必須找到完美的技術(shù)手段來駕馭它。
02. 非商業(yè)
不高估短線、不低估長線
從長線來看，Hugging Face在人工智能領(lǐng)域的地位很可能像瑞士一樣穩(wěn)固。
中立的瑞士靠堅固的保險柜在大國之間游刃有余。
而Hugging Face則是依靠開放，徹底地開源，甚至找不到任何與Hugging Face對標(biāo)的競爭對手。
未來，在替股東們賺夠錢之后，OpenAI也有機會成為公益性機構(gòu)。
但現(xiàn)在，全球獨角獸中可能只有Hugging Face脫離了“低級趣味”。
Hugging Face不但免費，還能幫用戶省錢。
Hugging Face解決了很多人工智能公司的核心痛點，就是降低了搭建比算法團(tuán)隊還要龐大的工程團(tuán)隊難度，換句話說就是承擔(dān)了大部分臟活和累活，所以受到了大部分算法專家的歡迎。
Hugging Face在改變世界，在改變世界的過程中并不一定會實現(xiàn)傳統(tǒng)意義上的商業(yè)價值。
所以，Hugging Face很可能不適用于過往的投資邏輯。
再考慮到科技領(lǐng)域大概率會發(fā)生類似云原生的“AI原生”時代，所以在未來，來自工業(yè)時代、互聯(lián)網(wǎng)時代、移動互聯(lián)網(wǎng)時代的很多商業(yè)邏輯都可能將面臨挑戰(zhàn)。
對此，紅杉的合伙人 Pat Grady 也曾表示：Hugging Face優(yōu)先考慮的是應(yīng)用，而不是變現(xiàn)，我認(rèn)為這是正確的做法。他們看到了 Transformer 模型在 NLP 之外的應(yīng)用方式，看到了成為 GitHub 的機會，這不僅是面向 NLP，而且會延伸到機器學(xué)習(xí)的每個領(lǐng)域。
AI的商業(yè)化進(jìn)程并不簡單，上一波以CV、CNN為代表的AI1.0就沒有找到更好的突破口，至今還在自動駕駛的泥沼中苦苦掙扎。盡管邏輯合情合理、盡管從一開始就能讓市場看到具體的未來，但時間軸卻不在任何人的掌控中。
大模型很可能會遇到同樣難以真正商業(yè)化落地的問題。
5月4日，微軟官方宣布Bing聊天機器人全面開放給所有用戶，用戶不再需要加入候補名單，只需要登錄微軟賬戶，然后打開Bing或Edge瀏覽器，就可以直接體驗New Bing。
在外界看來，微軟將ChatGPT的能力集成到Bing中，讓GPT-4帶給用戶更強大的生成式搜索體驗，無疑是打向搜索巨頭谷歌的一記重拳，也必將顛覆過去20年其一家獨大的市場局面。
但由目前全球搜索市場份額的變化來看，卻出乎了所有人的意料。根據(jù)數(shù)據(jù)服務(wù)商StatCounter新近提供的數(shù)據(jù)顯示，微軟Bing的臺式電腦桌面搜索市場份額為7.1%，甚至低于去年10月OpenAI尚未發(fā)布ChatGPT時Bing 9.9%的歷史高點。
相比之下，谷歌搜索在桌面市場的份額達(dá)到了86.7%，較去年10月提升了近3個百分點。如果再把樣本范圍擴大到包含各種移動設(shè)備后，數(shù)據(jù)對微軟更加不利，Bing的整體市場份額僅為2.8%，而谷歌的市占率依然達(dá)92.6%，還是占據(jù)著搜索市場絕對的優(yōu)勢地位。
盡管被寄予厚望，但判斷人工智能的iPhone時刻是否已經(jīng)來臨大抵還為時尚早。
起碼在短期內(nèi)大模型很可能是被高估了。
大模型很可能真的要先成為下一代計算平臺的OS（操作系統(tǒng)），才能引發(fā)切實的量變。
或許因為ChatGPT的多輪對話邏輯并不適合替代搜索，而且用大模型來重寫所有軟件的邏輯也并不可靠。
過去二十多年已經(jīng)形成的肌肉記憶明顯對人工智能的現(xiàn)有能力并不友好。
況且考慮到基于大模型的應(yīng)用尚且居高不下的算力成本最終還將轉(zhuǎn)嫁給終端用戶，其商業(yè)前景就更加存疑。
在這樣的背景下，Hugging Face“現(xiàn)金為王”的非商業(yè)化策略更顯得難能可貴。
在Clément Delangue看來， Hugging Face的商業(yè)模式比絕大部分人工智能公司簡單得多，他介紹：Hugging Face首先是一個平臺，因此積累了比較大的用戶量，和大部分開源服務(wù)商類似，采用了免費模式的模式以期快速增長，不管是個人開發(fā)者還是公司都可以免費使用平臺的大部分服務(wù)，截至2022年已經(jīng)有超過15,000家公司用戶。
其中有20%，也就是差不多3,000家公司在使用Hugging Face的付費服務(wù)，其中包括了像英特爾、高通、輝瑞、Meta、Bloomberg、Grammerly等不同領(lǐng)域的知名公司，Hugging Face為這些付費用戶提供了各種高級功能。
在C輪1億美元融資之后，Hugging Face才少量開放了一些崗位，團(tuán)隊從之前一年的30人擴大到130人，從公司人數(shù)來看，確實比Midjourney要多不少，但還是遠(yuǎn)遠(yuǎn)低于其他獨角獸公司。
Hugging Face的招聘方式也和其他公司方式不太一樣，甚至不去設(shè)置特定的崗位名稱和崗位職責(zé)，在其看來一個開源平臺更需要和公司文化相符合，能夠擴大公司價值的人。
Clément Delangue也曾公開表示：Hugging Face 的目標(biāo)是通過工具和開發(fā)者社區(qū)，讓更多的人使用自然語言處理工具，達(dá)成他們的創(chuàng)新目標(biāo)，讓自然語言處理技術(shù)更容易使用和訪問。
他還補充說：沒有任何一家公司，包括科技巨頭，能夠獨自“解決 AI 問題”，而我們實現(xiàn)這一目標(biāo)的唯一途徑，是通過以社區(qū)為中心的方式，分享知識和資源。
正如Clément Delangue所說，如果谷歌沒有分享《Attention is all you need》，可能還需要再等50年人工智能才能達(dá)到今天的水平。Hugging Face讓全球最懂NLP、最懂ML的人能夠無障礙的一起工作，這在純商業(yè)化的公司架構(gòu)下是永遠(yuǎn)無法達(dá)到的。
即使目前大模型處在被高估的狀態(tài)，但AI一定代表著未來。
根據(jù) Straits Research 測算，2021 年全球 NLP 市場規(guī)模為 135 億美元，預(yù)計到 2030 年擴大至 910 億美元，CAGR 為 27%。與此同時，ML 市場預(yù)計在 2030 年達(dá)到 2,099 億美元。
據(jù)彭博行業(yè)研究報告顯示：到2032年，生成式AI市場的營業(yè)收入將是2022年收入的32.5倍，ChatGPT將帶來生成式AI十年繁榮，2032年市場規(guī)模1.3萬億美元。亞馬遜、谷歌母公司Alphabet、英偉達(dá)和微軟都可能是AI繁榮年代的大贏家。
只是對于Hugging Face而言，無法從市場占比簡單判斷其規(guī)模上限，但是沒有Hugging Face，所有與NLP、ML相關(guān)的研發(fā)可能都會延期。
03. 朋友圈
中國是否需要、能否出現(xiàn)Hugging Face
在一些關(guān)于Hugging Face券商研報性質(zhì)的分析中，總會為其生硬的匹配一些莫名其妙的競爭對手。
其中通常會包括OpenAI、DataRobot、甚至北美的幾大云廠商。
搬出這些公司或許可以抬高Hugging Face的身價，但事實上，Hugging Face不但沒有明確的對標(biāo)存在，也沒有真正意義上的競爭對手。
放眼與AI有關(guān)的圈子，目光所及似乎都是Hugging Face的朋友圈。
而且有趣的是，不但投資Hugging Face的機構(gòu)陣容豪華，包括了：Lux Capital、紅杉資本、Addition、Coatue、Betaworks、A.capital、SV angel。
其背后的個人投資者，幾乎全是北美科技公司的大佬：有OpenAI 聯(lián)合創(chuàng)始人兼CTO Greg Brockman、Salesforce首席科學(xué)家Richard Socher、MongoDB CEO Dev Ittycheria、Dataiku CEO Florian Douetteau、Datadog CEO Olivier Pomel、Kong CEO Augusto Marietti。
當(dāng)然，還有連投多輪的NBA球星Kevin Durant，據(jù)說Clément Delangue作為一個不看美國籃球的法國人，在和Kevin Durant見面時，完全不知道他在球場的光環(huán)。
在機器學(xué)習(xí)（ML）這么一個日新月異的細(xì)分賽道上，作為一家初創(chuàng)公司，要去和那些行業(yè)巨頭、以及科學(xué)界、開源界的行業(yè)大佬們競爭不但非常難，而且壓力可能來自方方面面。
科技巨頭或者幾大名校在北美就有上百個人工智能研究中心，雖然不同的個實驗室可能或有不同的側(cè)重點，但每一家都在不斷新陳代謝。
創(chuàng)業(yè)公司盲目競爭或許可以在一段時間、一定范圍內(nèi)超越對手，但人工智能的迭代速度太快了，任何單點的突破都可能快速被趕超。
Clément Delangue說：所以，我們現(xiàn)在不再試圖競爭，轉(zhuǎn)而選擇為開源界和科學(xué)界賦能。 通過開源模型，可以為架構(gòu)和數(shù)據(jù)庫的改進(jìn)提供靈感。Elastic和MongoDB就是很好的例子，它們的事跡表明，初創(chuàng)公司可以通過某種方式為社區(qū)賦能，此種方法產(chǎn)生的價值比通過搭建一個專有工具產(chǎn)生的價值高出上千倍。
當(dāng)然也不排除OpenAI這類大力出奇跡的特例，但是訓(xùn)練和運行ChatGPT所需要的鈔能力實在讓其他公司望塵莫及。
即使有微軟這樣贊助百億美元級別的金主全力支持，OpenAI還是在不斷補血。4月29日據(jù)北美某科技媒體披露，大語言模型ChatGPT開發(fā)商OpenAI近日又獲得新一筆總額超過3億美元的融資，公司估值已超270億美元。
而Hugging Face則不太擔(dān)心成本等方面的壓力，今年初，亞馬遜云科技宣布與Hugging Face進(jìn)一步合作。
亞馬遜云科技首席執(zhí)行官Adam Selipsky表示：生成式AI潛力巨大，但成本和專業(yè)性讓大部分公司望而卻步。Hugging Face和亞馬遜云科技的合作旨在幫助用戶以最高的性能和最低的成本創(chuàng)建自己的生成式AI應(yīng)用。
當(dāng)然，在如此前沿的賽道，用錢能解決的當(dāng)然都不是大問題，于是在知乎，不出所料地一定會有這樣一個老生常談的爭論主題，也是有關(guān)Hugging Face在知乎熱度最高的話題“為什么中國沒有Hugging Face”。
并且，還會帶入一個固定考量：目前來看，這種單靠開源模型庫的公司如何商業(yè)化，護(hù)城河在哪里？
這樣泛化的靈魂問題其實很難回答，于是，評論風(fēng)頭開始轉(zhuǎn)向，比如：
物質(zhì)是精神的基礎(chǔ)，如果被房價、房租、以及996束縛，是不可能有精力去搞開源的。活下去才最重要；國外的版權(quán)意識濃厚，公司更樂意花錢請開源公司服務(wù)；而國內(nèi)公司更傾向于花錢招人研究；國內(nèi)的AI產(chǎn)業(yè)還處于資本原始積累階段，對于小公司而言，向同行騙資料、騙技術(shù)，為了活下去，什么都可以做。
在AI2.0時代，不再是什么技術(shù)都可以Copy2China，通過簡單調(diào)整，就可以憑借巨大的人口紅利，實現(xiàn)建立在二次“創(chuàng)新”基礎(chǔ)上的雙贏。
開源已經(jīng)成為一道分水嶺，如果養(yǎng)成了拿來就用的習(xí)慣、而不想貢獻(xiàn)，當(dāng)然也就掌握不了核心競爭力。
同樣，在開源世界不能押注于確定性，如果依靠過往刻板的成見，可能永遠(yuǎn)也無法理解Hugging Face。
Clément Delangue認(rèn)為：初創(chuàng)公司可以通過某種方式為開放的社區(qū)賦能，此種方法產(chǎn)生的價值，比通過搭建一個專有工具，產(chǎn)生的價值高出上千倍。
這也對應(yīng)著人工智能時代的商業(yè)邏輯，當(dāng)大模型的復(fù)雜程度越來越高，管理和部署模型的成本也越來越不可控。Hugging Face 的開源模型庫不但可以幫為開發(fā)者和公司縮短研發(fā)周期，還可以為其優(yōu)化高達(dá)千萬美元的計算資源。
Clément Delangue說：公司不需要從創(chuàng)造的價值中獲取 100% 的紅利，只需將其中 1% 的價值變現(xiàn)，但即便只是 1%，也足夠讓你成為一家高市值的公司。
04. & so on
綠色清潔的AI將是長期話題
這半年來，科技領(lǐng)域的公眾人物們都在不停展望著五年、十年之后大模型帶來摧枯拉朽的變革。
李彥宏說：十年后，全世界50%的工作，都會是提示詞工程師。但是，Sam Altman說：5年內(nèi)，我們就不太會需要提示詞工程師。因為隨著AI的進(jìn)化，就能理解人類的自然語言，可以跟人正常交流，不需要專門寫提示詞。周鴻則表示：在三到五年里，各種行業(yè)都要被GPT重塑一遍，所以現(xiàn)在是誰不擁抱人工智能，誰就要被淘汰。
但其實初代iPhone發(fā)布后的幾年內(nèi)，智能終端上最醒目的應(yīng)用無非是憤怒的小鳥、捕魚達(dá)人、水果忍者等等這些。
與其鼓吹所謂iPhone時刻之于大模型，不如更多對比關(guān)注iPhone出現(xiàn)之前多點觸控、二維碼之類的變遷，可能更容易發(fā)現(xiàn)機會。
在Clément Delangue看來，機器學(xué)習(xí)正在取代軟件成為構(gòu)建技術(shù)的新方式，過去，采用傳統(tǒng)軟件架構(gòu)和編程方法可能需要編寫上百萬行代碼，但機器學(xué)習(xí)完全不需要這樣做，而且效果更好、速度更快。
大模型、人工智能必將是一場持久戰(zhàn)，相比于口水仗、預(yù)言和批評，業(yè)界應(yīng)該更多關(guān)注些實際問題，否則這場消耗戰(zhàn)耗費的算力資源恐怕至少堪比挖礦。
BLOOM的訓(xùn)練過程在法國超算Jean Zay上完成，全程使用了384塊80GB內(nèi)存版本的A100 GPU。
在BLOOM訓(xùn)練時Hugging Face發(fā)表了一篇題為《估算 1760 億參數(shù)語言模型 BLOOM 的碳足跡》（Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model）的論文，并且對外公布了一種全新的方法，來精確計算訓(xùn)練模型所產(chǎn)生的碳排放量，該方法可以覆蓋模型的整個生命周期，而不僅僅是訓(xùn)練期間。
訓(xùn)練大模型無疑會消耗大量能源，比如據(jù)公開報道，訓(xùn)練一個BERT模型大約會產(chǎn)生1,438磅二氧化碳，相當(dāng)于從紐約到舊金山之間的一次往返航班所產(chǎn)生的碳排放量。
BLOOM的訓(xùn)練吞吐量約為150 TFLOP，使用的超算由低碳的核能提供動力，所產(chǎn)生的熱量被循環(huán)利用給學(xué)校供暖。
正如在AI倫理方面的嚴(yán)謹(jǐn)，Hugging Face在ESG方面所承擔(dān)的責(zé)任更讓人相信這是一家靠譜的人工智能公司。
對于未來，Clément Delangue也不甚明了，他說：我們意識到計算資源越多，并不一定足以解決問題，導(dǎo)致回報開始下降。如果投資者跟進(jìn)，并不意味著他們都會成功，但這是一種有趣的風(fēng)險，我非常期待看到這些公司將來能創(chuàng)造出什么。
