要想托舉好一個(gè)優(yōu)秀項(xiàng)目，一方面要打通科研成果產(chǎn)業(yè)化的通道，讓最新的產(chǎn)業(yè)命題和前沿的技術(shù)發(fā)展碰撞，從命題的設(shè)置上形成常青常新的生態(tài)；另一方面，要鏈接科創(chuàng)和市場(chǎng)資源，來自專家評(píng)委以及資金、孵化器、政策上的幫扶等使得創(chuàng)業(yè)項(xiàng)目持續(xù)成長(zhǎng)。
孵化AI獨(dú)角獸需要更加寬容的環(huán)境、試錯(cuò)的機(jī)會(huì)，讓企業(yè)能夠充分探索商業(yè)化可能性，構(gòu)建數(shù)據(jù)流和算法流的閉環(huán)。
在大模型熱潮席卷的當(dāng)下，國(guó)內(nèi)AI行業(yè)已涌現(xiàn)出智譜AI、MiniMax、百川，零一萬(wàn)物、月之暗面等大模型“五小龍”企業(yè)，發(fā)展勢(shì)頭迅猛。當(dāng)前AI大模型行業(yè)現(xiàn)狀及瓶頸在哪里？在B端（企業(yè)端）還是C端（消費(fèi)端），中國(guó)AI大模型場(chǎng)景落地的真正痛點(diǎn)是什么？能夠脫穎而出的AI獨(dú)角獸企業(yè)具備怎樣的特質(zhì)？日前，AFAC2024金融智能創(chuàng)新大賽執(zhí)行委員會(huì)主席李暉、國(guó)方創(chuàng)新行業(yè)合伙人張治、上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院院長(zhǎng)黃海量向澎湃科技分享觀點(diǎn)，把脈大模型行業(yè)趨勢(shì)。
誕生大模型獨(dú)角獸是大勢(shì)所趨，搭建創(chuàng)新創(chuàng)業(yè)橋梁
“AFAC大賽希望能在創(chuàng)新創(chuàng)業(yè)方面起到連接器和橋梁的作用。”AFAC2024金融智能創(chuàng)新大賽執(zhí)行委員會(huì)主席李暉表示，一個(gè)好的項(xiàng)目或技術(shù)研發(fā)成果的商業(yè)應(yīng)用轉(zhuǎn)化，是一個(gè)復(fù)雜的工程，涉及多個(gè)維度，也存在諸多難點(diǎn)。要想托舉好一個(gè)優(yōu)秀項(xiàng)目的孵化，需要大賽持續(xù)地做好連接器和橋梁。
“五小龍”的出現(xiàn)也表明大模型技術(shù)從學(xué)術(shù)研究轉(zhuǎn)向商業(yè)化應(yīng)用，開始在各行各業(yè)加速探尋落地場(chǎng)景。李暉說，大模型及AI行業(yè)出現(xiàn)獨(dú)角獸是必然的，也是大勢(shì)所趨。這些企業(yè)的發(fā)展往往能催生新業(yè)態(tài)、新模式，帶動(dòng)產(chǎn)業(yè)、技術(shù)、人才等快速成長(zhǎng)和突破。“可以預(yù)見，大模型在各行業(yè)落地后將帶來更多變革和收益，各行業(yè)對(duì)AI的需求也會(huì)加速釋放，形成正反潰”
在李暉看來，具有成長(zhǎng)性的創(chuàng)新企業(yè)通常具備長(zhǎng)遠(yuǎn)且有挑戰(zhàn)的目標(biāo)，有清晰的市場(chǎng)定位，善于挖掘創(chuàng)新的商業(yè)模式。這些企業(yè)有打造好產(chǎn)品的能力，能夠抓住甚至創(chuàng)造出客戶想要的需求，有一定的核心技術(shù)優(yōu)勢(shì)，行業(yè)專家和頂尖人才的密度是成功的關(guān)鍵，同時(shí)有扎實(shí)落地、快速迭代和驗(yàn)證的能力。
“我們會(huì)關(guān)注AI企業(yè)是否具有端到端的模型訓(xùn)練能力、能否組織大規(guī)模的算力資源。更重要的是在商業(yè)化方面是否有清晰、可閉環(huán)的商業(yè)路徑。”國(guó)方創(chuàng)新行業(yè)合伙人、大賽企業(yè)組評(píng)委張治表示，孵化AI獨(dú)角獸需要更加寬容的環(huán)境、試錯(cuò)的機(jī)會(huì)，讓企業(yè)能夠充分探索商業(yè)化可能性，構(gòu)建數(shù)據(jù)流和算法流的閉環(huán)。
今年，北京大學(xué)、復(fù)旦大學(xué)、香港大學(xué)、螞蟻集團(tuán)等20多家名校名企聯(lián)合發(fā)起AFAC2024金融智能創(chuàng)新大賽，在近5000支隊(duì)伍中尋找中國(guó)金融科技的明日之星。“賽事點(diǎn)燃了初創(chuàng)團(tuán)隊(duì)和中小企業(yè)的創(chuàng)新創(chuàng)業(yè)熱情，他們的方案給評(píng)委留下了深刻印象，特別是首次設(shè)置的初創(chuàng)組和企業(yè)組，評(píng)委們從中看到了非常多的驚喜和突破。”李暉表示。
上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院院長(zhǎng)、大賽初創(chuàng)組評(píng)委黃海量表示，研報(bào)觀點(diǎn)提娶金融風(fēng)險(xiǎn)事件推理等參賽方案與實(shí)際金融需求的貼合度較高，已經(jīng)接近行業(yè)實(shí)用水平。
為了催生新業(yè)態(tài)、新模式，帶動(dòng)產(chǎn)業(yè)、技術(shù)、人才等快速成長(zhǎng)突破，大賽為優(yōu)勝項(xiàng)目搭建產(chǎn)業(yè)和投融資對(duì)接服務(wù)，讓優(yōu)勝企業(yè)有機(jī)會(huì)與產(chǎn)業(yè)鏈上下游企業(yè)、投資機(jī)構(gòu)、政府部門等建立聯(lián)系，促進(jìn)項(xiàng)目的產(chǎn)業(yè)化和商業(yè)化。學(xué)術(shù)界、產(chǎn)業(yè)界和投資界專家也為參賽項(xiàng)目提出建議。
大賽是創(chuàng)新創(chuàng)業(yè)的連接器和橋梁。一個(gè)好項(xiàng)目或技術(shù)研發(fā)成果的商業(yè)應(yīng)用轉(zhuǎn)化是一項(xiàng)復(fù)雜工程，存在市場(chǎng)洞察、資金需求、成熟度評(píng)估和周期等諸多難點(diǎn)。張治表示，尤其像金融大模型的落地需要更長(zhǎng)周期，金融科技企業(yè)從小場(chǎng)景切入，圍繞自身產(chǎn)品疊加AI能力，提升服務(wù)效率和效果是切實(shí)可行的路徑。
李暉表示，要想托舉好一個(gè)優(yōu)秀項(xiàng)目，一方面要打通科研成果產(chǎn)業(yè)化的通道，讓最新的產(chǎn)業(yè)命題和前沿的技術(shù)發(fā)展碰撞，從命題的設(shè)置上形成常青常新的生態(tài)；另一方面，要鏈接科創(chuàng)和市場(chǎng)資源，來自專家評(píng)委以及資金、孵化器、政策上的幫扶等使得創(chuàng)業(yè)項(xiàng)目持續(xù)成長(zhǎng)，完成大賽平臺(tái)對(duì)科創(chuàng)企業(yè)落地的托舉。
C端AI應(yīng)用成熟度大于B端，多產(chǎn)品正跑通PMF
國(guó)內(nèi)大模型的發(fā)展經(jīng)歷了從打榜到降成本的階段。張治表示，今年上半年，模型性價(jià)比尤其受到關(guān)注。大模型如何為真實(shí)業(yè)務(wù)場(chǎng)景賦能、產(chǎn)生真正的應(yīng)用價(jià)值是當(dāng)前行業(yè)內(nèi)最關(guān)注的問題之一。
但眼下仍未出現(xiàn)大模型現(xiàn)象級(jí)的應(yīng)用，一方面，模型性能仍有提升空間，面向商業(yè)落地還需打“補(bǔ)丁”。另一方面，ToB的商業(yè)模式和決策過程并未發(fā)生變化，張治表示，AI只能解決企業(yè)具體業(yè)務(wù)流中的一個(gè)小環(huán)節(jié)，若AI無(wú)法對(duì)B端的整體業(yè)務(wù)流帶來改變，就無(wú)法讓客戶為AI買單。
大模型改變B端的周期仍然漫長(zhǎng)，但新機(jī)會(huì)在于，“現(xiàn)在B端服務(wù)出現(xiàn)了一種新模式，從以前向B端賣軟件、賣解決方案，到現(xiàn)在直接向B端交付結(jié)果，無(wú)論是人力場(chǎng)景、法律場(chǎng)景、財(cái)稅場(chǎng)景，大模型企業(yè)為客戶交付職能外包，這是客戶愿意買單的。”張治表示。
相對(duì)于B端，大模型落地C端的周期將更短，張治介紹，一些產(chǎn)品正逐步跑通PMF（產(chǎn)品市場(chǎng)匹配度），解決C端的部分痛點(diǎn)就能得到持續(xù)應(yīng)用，“AI應(yīng)用在C端的成熟度大于B端，個(gè)人效率助手、情感陪伴、多模態(tài)表達(dá)、口語(yǔ)陪練都產(chǎn)生了可見的價(jià)值。”
盡管當(dāng)前大模型技術(shù)和產(chǎn)品存在同質(zhì)化，但黃海量認(rèn)為，從科技發(fā)展歷程來看，同質(zhì)化是必經(jīng)階段，無(wú)論是大模型的原創(chuàng)性技術(shù)，還是垂直落地的應(yīng)用技術(shù)，當(dāng)前仍處于科技浪潮的早期，業(yè)界對(duì)大模型的認(rèn)知是趨同的，一定程度上約束了大模型應(yīng)用開發(fā)的發(fā)散性，但已有企業(yè)在越來越多地探索差異化道路。
張治認(rèn)為，“產(chǎn)品的設(shè)計(jì)能力和定位能力很重要，產(chǎn)品定義和模型訓(xùn)練應(yīng)該是一體化的。產(chǎn)品和客戶互動(dòng)的方式?jīng)Q定了產(chǎn)品的設(shè)計(jì)，也決定了模型的訓(xùn)練，用什么樣的數(shù)據(jù)訓(xùn)練。”不同數(shù)據(jù)集訓(xùn)練出來的模型偏好和能力不同，這考驗(yàn)企業(yè)的原始資源稟賦。
隨著大模型的發(fā)展，數(shù)據(jù)量級(jí)已從TB級(jí)躍升到PB級(jí)，對(duì)數(shù)據(jù)的需求也從單一文本向圖片、視頻、語(yǔ)音等多模態(tài)數(shù)據(jù)爆發(fā)，數(shù)據(jù)需求越來越復(fù)雜。
“在ChatGPT出圈之后，業(yè)界對(duì)算力、算法、數(shù)據(jù)這AI發(fā)展的三駕馬車提高了關(guān)注度，避免 ‘木桶效應(yīng)’成了大模型發(fā)展首要考慮的問題。”李暉表示，在算法方面，對(duì)Transformer基礎(chǔ)架構(gòu)及其衍生模型進(jìn)行優(yōu)化和創(chuàng)新是當(dāng)前的主流，但追求底層的根本革新仍有欠缺。
大模型底層原理和基礎(chǔ)是當(dāng)前學(xué)術(shù)研究的前沿。黃海量表示，盡管Transformer架構(gòu)和注意力機(jī)制被證明是有效的，但在處理長(zhǎng)文本時(shí)會(huì)出現(xiàn)效率較低、算力依賴過大等問題，學(xué)術(shù)界正普遍研究是否有效率更高的架構(gòu)來取代現(xiàn)在的Transformer架構(gòu)。
而學(xué)術(shù)界與產(chǎn)業(yè)界的深度碰撞對(duì)于大模型學(xué)術(shù)研究和落地應(yīng)用是必不可少的。“一個(gè)成功的金融大模型殺手級(jí)應(yīng)用，可能不是僅通過科技公司做出來的，而是要跨行業(yè)整合。”黃海量說，正如這次大賽，參賽選手與科技界、學(xué)術(shù)界深度碰撞，提振金融大模型賽道上前行者的信心，推進(jìn)產(chǎn)學(xué)研合作。
