文｜白 鴿
編｜王一粟
當普通人被AI轟炸的已經(jīng)疲勞，應用落地也沒有驚人地突破，AI大模型的發(fā)展似乎已經(jīng)進入瓶頸期。
在云棲大會之前，業(yè)界彌漫著對AI的唱衰，似乎又到了一個歷史的轉折點。如2017年上一代深度學習AI一樣，在經(jīng)歷了行業(yè)高光時刻后，大模型似乎進入了漫長的技術積累和落地應用階段。
但AI大模型發(fā)展真的放緩了嗎？
“技術的進步速度依然很快”、“落地中沒覺得太多困難，反而全是機會”。在兩天的交流中，大模型創(chuàng)業(yè)公司、云廠商、AI企業(yè)服務公司，行業(yè)里實打實做業(yè)務的所有公司都對光錐智能表達著，對AI前景的一片樂觀。
“o1的推理能力確實上了一個很大臺階。”階躍星辰創(chuàng)始人姜大昕在2024云棲大會上說道，“o1也第一次證明大語言模型可以擁有人腦慢思考能力，同時也帶來Scaling Law的新方向。”
這也就意味著，隨著OpenAI o1模型的發(fā)布，生成式AI從原本的預訓練時代，邁入大規(guī)模推理時代。
不過，AI仍處于早期的發(fā)展階段。
“如今我們還處于L2的發(fā)展早期，但AI仍在加速發(fā)展中，未來18個月甚至有可能出現(xiàn)L4級的突破現(xiàn)在業(yè)界的對AI未來的整體預測，都過于保守了。”生數(shù)科技首席科學家朱軍則如此說道。
阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘在2024云棲大會上也表示：“過去22個月，AI發(fā)展速度超過任何歷史時期，但我們依然還處于AGI變革的早期。生成式AI最大的想象力，絕不是在手機屏幕上做一兩個新的超級app，而是接管數(shù)字世界，改變物理世界。”
阿里巴巴集團CEO、阿里云智能集團董事長兼CEO吳泳銘
無疑，當前AI大模型的發(fā)展已經(jīng)進入轉折點，而未來18個月，也將是決定我們能否邁向AGI時代的關鍵。
大模型邁入推理時代，技術仍在大爆炸類似于自動駕駛系統(tǒng)分級一樣，此前OpenAI也將最終抵達AGI終點，劃分了五大等級：
L1：聊天機器人，具有對話能力的AI。L2：推理者，像人類一樣能夠解決問題的AI。L3：智能體，不僅能思考，還可以采取行動的AI系統(tǒng)。L4：創(chuàng)新者，能夠協(xié)助發(fā)明創(chuàng)造的AI。L5：組織者，可以完成組織工作的AI。
其中，以GPT為代表的大語言模型屬于L1階段，而以o1為標志，則開啟了L2推理時代。
背后的邏輯在于，GPT的訓練方式為Predict Next Token ，即預測接下來會出現(xiàn)的token是什么，即使GPT4能夠把復雜的問題拆解成多個步驟再分布解決，但其還是屬于一種直線型思維，沒有反向推理、思考能力。
所以，GPT只能夠實現(xiàn)類似于人腦中系統(tǒng)1的思考方式。這是我們的“快速思考”系統(tǒng)，更多依賴于人類身體的條件反射能力，而不是思考能力。
而o1則采用了強化學習的訓練框架，這就使大模型具備了思考能力，也就是系統(tǒng)2，其與系統(tǒng)1最大的區(qū)別，就在于系統(tǒng)2能夠探索不同的路徑，并自我反思、糾錯，然后不斷試錯，直到找到一個正確途徑。
“這次的o1，是把以前的模仿學習和強化學習結合起來了，使得一個模型同時有了人腦系統(tǒng)1和系統(tǒng)2的能力，意義非常大。”姜大昕如此說道。
同時，他也表示：“o1并沒有到一個很成熟階段，只是開端，實際上OpenAI給我們找到了一條上限很高的路，能夠不斷走下去。”
業(yè)內也有觀點認為，o1則暫時扭轉了大模型已沒有進步空間論調，為大模型 “泡沫” 續(xù)命。畢竟，此前大模型訓練已經(jīng)陷入原有Scaling Law的瓶頸，模型參數(shù)規(guī)模擴大后，性能提升逐漸放緩。
不過，在姜大昕、楊植麟、朱軍等人看來，過去18個月中，大模型技術迭代并不慢，仍處于加速發(fā)展期。
“從廣泛的角度來說，大家可能沒感知到。單從技術來說，現(xiàn)在技術發(fā)展曲線是越來越陡峭的。”生數(shù)科技首席科學家朱軍如此說道。
一方面，從大模型數(shù)量角度來看，現(xiàn)在每個月都會有新的模型、新的產品、新的應用涌現(xiàn)出來。
OpenAI在2月發(fā)布了Sora，5月發(fā)布了GPT-4o，上周發(fā)布的o1等，其對手Anthropic有Claude系列，谷歌有Gemini系列、LLaMA的系列等。
姜大昕表示：“原本OpenAI一家獨大，今年也逐漸變成了群雄并起，你追我趕的局面，各家都在提速。”
另一方面，從大模型能力的角度來看，從單一模型，到多模態(tài)融合，從多模態(tài)理解到多模態(tài)生成，從模仿學習再到強化學習，可以看到大模型的能力正在縱向（理解多維物理世界）和橫向（思考能力，即智商）雙向發(fā)展。
在GPT-4o發(fā)布之前，OpenAI有單獨的視覺理解模型GPT4V、視覺生成模型Sora、聲音模型Whisper等，而隨著GPT-4o發(fā)布，原本這些孤立的模型則全部被融合到一起。
為什么融合這件事非常重要？
“因為我們物理世界本身就是一個多模的世界，所以多模融合一定是有助于大模型更好的去為物理世界建模，能夠更好的模擬世界。”姜大昕說道。
多模態(tài)融合能夠讓大模型更好的理解多模態(tài)的物理世界，o1的強化學習則可以讓大模型能夠自主思考物理世界中的事物發(fā)展邏輯。
同時，姜大昕還提到，智駕是一個非常有代表性的從數(shù)字世界走向物理世界真實應用場景。特斯拉FSD V12的意義，不僅在于智駕本身，可以認為是為將來智能設備如何與大模型結合，更好的探索物理世界指明一個方向。
此外，朱軍還提到，大模型技術加速發(fā)展背后最核心的原因，則在于大家對這種路線的認知和準備上，達到了比較好的程度，“在物理條件上，比如像云基礎設施、計算資源的準備都比較充分，不像ChatGPT剛出來時，大家更多是不知所措。”
要想富，先修路。AI大模型的加速發(fā)展，也離不開AI基礎設施的快速迭代，以阿里云為代表的云廠商們，則在其中扮演著日益重要的角色。
“AI計算正加速演進，成為計算體系的主導。”吳泳銘說道，“在新增算力市場上，超過50%新需求由AI驅動產生，AI算力需求已占據(jù)主流地位。”
所有行業(yè)，都需要性能更強、規(guī)模更大、更適應AI需求的基礎設施。
在此次云棲大會上，阿里云在底層基礎設施層面，也進行了全系列產品家族升級。全面重構底層硬件、計算、存儲、網(wǎng)絡、數(shù)據(jù)庫、大數(shù)據(jù)，并與AI場景有機適配、融合，加速模型的開發(fā)和應用。
AI基礎設施的完善，無疑為大模型技術的升級迭代提供了強有力的支撐。
但就像行業(yè)廣為流傳的“無法落地的技術沒有價值”，如何推動大模型真正的落地應用，也是擺在當前行業(yè)中的一大難題。
大模型落地應用的工具鏈已成熟大模型技術浪潮，往往會帶動整個產業(yè)鏈向前發(fā)展的浪潮，大模型的打造只是起點，把技術落地到產業(yè)場景，創(chuàng)造價值才是目標。
在朱軍看來，現(xiàn)在大模型所有的落地應用最后都指向兩個方向：
一個是面向C端消費者，提供娛樂化的數(shù)字內容和工具；
一個是面向B端企業(yè)，為行業(yè)發(fā)展降本增效，提升社會生產力水平。
不過，相比于C端，“B端應用目前相對明確，許多大模型已在多個場景中廣泛應用，幾乎覆蓋所有行業(yè)。”此前智源研究院院長王仲遠如此說道。
但是，于企業(yè)而言，其需要大模型能夠在實際場景中真正解決某個問題，而不是在100個場景中解決70%-80%的問題。同時，現(xiàn)階段企業(yè)對大模型的訴求更加務實，不僅關注模型技術的領先性，也要看如何融合到業(yè)務場景，如何降本增效解決實際問題。
那么，如何幫助企業(yè)打破大模型技術落地障礙？
鏈接大模型技術和上層應用的中間件，即一套大模型時代的原生工具鏈的成熟，則成為關鍵。
在中間工具鏈層，大概可以分為兩類玩家：
一類是以阿里云、騰訊云等為代表的云廠商們，這些云廠商們則構建了從PaaS，到MaaS，再到SaaS的全棧式體系化工具鏈能力。
阿里云底層基礎大模型包含了大語言模型通義千問和覆蓋文生圖、文生視頻的場景模型通義萬象，在兩個模型基礎上，在延伸出其他模型產品，用戶可以按需使用。
阿里云的MaaS服務平臺百煉，則為開發(fā)者和企業(yè)提供一站式AI大模型開發(fā)工具，包括完整的模型服務工具和全鏈路應用開發(fā)套件，并預置豐富的能力插件，提供API及SDK等便捷的集成方式，高效完成大模型應用構建。
魔搭社區(qū)則匯聚了業(yè)內領先的大模型產品，能夠讓開發(fā)者一站式調用自己想要的模型。同時，阿里云還為用戶和企業(yè)提供可以開箱即用的模型應用，包括通義靈碼、實時記錄、PPT創(chuàng)作、翻譯助手等。
“我們希望企業(yè)和開發(fā)者能以最低的成本做AI、用AI，讓所有人都能用上最先進的大模型。”阿里云CTO周靖人表示。
其他云廠商與阿里云在整體工具鏈架構上相差不大，同樣都能夠為開發(fā)者和企業(yè)提供大而全的工具鏈平臺，而這也是云廠商們的優(yōu)勢。
另一類，則是面向不同領域細分的玩家，比如專注于數(shù)據(jù)庫的OceanBase、做合成數(shù)據(jù)平臺的51Sim，做物理AI訓練平臺的松應科技、面向游戲賽道的巨人網(wǎng)絡等。
這些玩家聚焦在某一細分市場中，并為該市場領域的用戶提供成熟的平臺工具鏈產品。
比如在數(shù)據(jù)領域，大模型的發(fā)展離不開高質量的數(shù)據(jù)，但是真實數(shù)據(jù)的絕對量又是相對較少的。因此，近兩年來合成數(shù)據(jù)也正逐漸成為行業(yè)發(fā)展的重點趨勢之一。
此次云棲大會上，專注于合成數(shù)據(jù)平臺的51Sim也進行了相關技術展示，其已經(jīng)構建起了大量高質量的合成數(shù)據(jù)集及針對3D數(shù)據(jù)生產的工具鏈，并已實現(xiàn)量產落地，幫助傳統(tǒng)行業(yè)進行數(shù)字化轉型的同時也致力于有效服務AI大模型訓練。
此外，值得一提的是，在算力層面，除了云廠商們之外，還有一批創(chuàng)企聚焦于AI Infra賽道，要做算力的“賣鏟人”。
無問芯穹的業(yè)務是以大模型能效優(yōu)化工具包為核心，向下聯(lián)動多家國產芯片公司，向上服務大模型算法企業(yè)（通過智算云服務、智算一體機等方式），協(xié)同算力、算法、生態(tài)，推動行業(yè)大模型的高效落地。
算力、算法和數(shù)據(jù)，是AI大模型發(fā)展的基矗在這三大領域，除了云廠商們之外，也都存在不同企業(yè)，做小而精的工具鏈平臺，前后兩者則共同為大模型的落地應用，提供了成熟工具鏈，也讓大模型落地變得更加順暢。
大模型落地應用的PMF“我們現(xiàn)在仍處于產業(yè)發(fā)展的早期階段，其中一個特點就是技術驅動產品的比例會更高。”月之暗面創(chuàng)始人楊植麟說道，“因此很多時候，產品開發(fā)其實是在觀察當前技術發(fā)展，然后盡量把它的價值最大化。”
而隨著o1的發(fā)布，強化學習的訓練模式，無疑也將會給產品應用帶來新的范式。
楊植麟也表示，產品形態(tài)上也將會發(fā)生變化，“引入這種思考范式后，AI可能能夠執(zhí)行分鐘、小時甚至天級別的任務，產品形態(tài)會更接近人或“助理”的概念。”
事實上，目前AI大模型落地應用的邏輯，還是以TPF（技術/產品契合度）為主，而不是以PMF（產品/市場契合度）為主。
不過，隨著大模型技術的快速迭代，技術的可用性也大幅提升，大模型已經(jīng)具備了文本、語音、視覺的多模態(tài)能力，能夠開始完成復雜指令。
未來以PMF為主的大模型新應用趨勢，也將逐漸成為主流，而只有真正的基于市場需求，才能夠創(chuàng)造出真正的殺手級應用。
在此趨勢下，面向人形機器人、教育、汽車、制造、交通等多個領域，多項基于大模型最新應用加速落地應用。同時，在目前大模型落地應用的方式上，則大概有創(chuàng)作搭檔、效率工具、專業(yè)助手、擬人交互等4大類。
比如在汽車領域，為了解決人類駕駛的雙手，智能駕駛技術飛速發(fā)展，“端到端”大模型是當下備受關注的自動駕駛解決方案。
“之前的自動駕駛技術，是靠人來寫算法規(guī)則，幾十萬行代碼，仍然無法窮盡所有的駕駛場景。采用‘端到端’大模型技術訓練后，AI模型可直接學習海量人類駕駛視覺數(shù)據(jù)。”吳泳銘表示。
大模型加持下，人形機器人擁有了聰慧的“大腦”、敏捷的“小腦”、靈活的“肢體”。“我們研究了人形機器人的操作大模型，基于語言和視覺信號的輸入，使得人形機器人有了舉一反三的能力，可以只需要少量數(shù)據(jù)就能學會相關技能。”清華大學交叉信息研究院助理教授、星動紀元創(chuàng)始人陳建宇說。
在教育領域，大模型成熟前，人類歷史上所有技術都無法實現(xiàn)類老師的一對一輔導。隨著大模型技術發(fā)展，在2024云棲大會上，精準學布全球首個超擬人一對一AI老師。
“它就像你花200-300元\\小時請的一對一私人老師一樣，能有規(guī)劃、有體系地對孩子進行一對一學習輔導，而且AI老師還能運用不同的教學技巧，實時調整教學內容，幫助學生養(yǎng)成好的學習習慣。”精準學集團創(chuàng)始人&CEO楊仁斌如此說道。
“超擬人一對一AI老師”的誕生意味著大模型從千篇一律的“AI做題工具”真正進化到普適化的教學應用場景，開始成為一個“體系化的教學輔導老師”。
事實上，從聊天機器人，到AI搜索，再到AI視頻生成，大模型的落地應用可以說引發(fā)了一個又一個行業(yè)熱潮，但回歸到真實用戶體驗上，卻又是“沒那么好用”。
歸根結底，還是目前大模型技術發(fā)展尚屬于早期階段，技術推動產品發(fā)展，而不是技術成熟后，由市場需求推動產品。
不過，AI具備創(chuàng)造能力、幫助人類解決復雜問題的路徑，已經(jīng)清晰可見，也打開了AI在各行業(yè)場景中廣泛應用的可能性。
“今天o1出來以后，把強化學習又泛化到了更高的階段，AI的能力上限也變得更高了，這其中將會存在這大量的機會。”姜大昕也如此說道。
面向未來“因為現(xiàn)在整個加速發(fā)展，很多時候我們預測通常會過于保守。我預想未來18個月可能比較令人興奮的一個進展，我希望看到L3已經(jīng)基本上實現(xiàn)。”朱軍如此說道。
吳泳銘也表示，“AI驅動的數(shù)字世界連接著具備AI能力的物理世界，將會大幅提升整個世界的生產力，對物理世界的運行效率產生革命性的影響。”
