AIGC創(chuàng)投現(xiàn)狀：激情與焦慮同行 | 圓桌論壇@中國AIGC產(chǎn)業(yè)峰會(huì)

明敏 蕭簫 整理自 AIGC峰會(huì)

量子位 | 公眾號(hào) QbitAI

AIGC熱得發(fā)燙，不跟上就會(huì)被淘汰。

這是當(dāng)下創(chuàng)投圈最直觀的感受。

但“跟上”并不是一件容易的事：怎么跟？朝什么方向跟？

一不留神，就可能與風(fēng)口錯(cuò)過。

對(duì)初創(chuàng)公司而言，如今AIGC技術(shù)發(fā)展過快，即便從應(yīng)用層出發(fā)創(chuàng)業(yè)，公司PPT也不一定能活過一次OpenAI技術(shù)迭代；

對(duì)投資方來說，短時(shí)間內(nèi)出現(xiàn)的AI新技術(shù)和新創(chuàng)業(yè)方向太多，從0開始學(xué)習(xí)很可能與潛力股擦肩而過。

技術(shù)狂歡之下，關(guān)于國內(nèi)外大模型創(chuàng)業(yè)差異、大模型未來發(fā)展方向和AIGC創(chuàng)新性的體現(xiàn)，企業(yè)和投資者們有了不一樣的思考。

為此，量子位邀請(qǐng)到了元語智能聯(lián)合創(chuàng)始人兼COO朱雷、峰瑞資本投資合伙人陳石、無界Ai聯(lián)合創(chuàng)始人馬千里和華院數(shù)智人商業(yè)化副總裁林萊尼，一起來討論這波AIGC浪潮下，中國面臨的新機(jī)遇和新挑戰(zhàn)。

圓桌環(huán)節(jié)由量子位主編金磊主持。在不改變?cè)獾幕A(chǔ)上，量子位對(duì)內(nèi)容進(jìn)行了編輯整理。希望能夠給你帶來更多的啟發(fā)與思考。

中國 AIGC 產(chǎn)業(yè)峰會(huì)是由量子位主辦的行業(yè)峰會(huì)，近 20 位產(chǎn)業(yè)代表與會(huì)討論。線下參與觀眾 600+，線上收看觀眾近 300 萬，得到了包括 CCTV2、BTV 等在內(nèi)的數(shù)十家媒體的廣泛報(bào)道關(guān)注。

話題要點(diǎn)

• AIGC讓很多人才重回AI賽道，長遠(yuǎn)來看對(duì)我國科技發(fā)展非常有利。
• 這輪AIGC熱潮讓創(chuàng)業(yè)者感到焦慮，但更多是在焦慮中前進(jìn)。
• 大部分AIGC創(chuàng)業(yè)公司的機(jī)會(huì)可能還是在非模型層，或是做一些垂類模型。
• 只要AI不背叛人類，就一定會(huì)帶來社會(huì)效率和人類體驗(yàn)的飛升。
• 成為像OpenAI一樣的企業(yè)，并不意味著打造一個(gè)中國版OpenAI。
• 國內(nèi)AIGC這一波巨大的浪潮，大家都說是“iPhone”時(shí)刻，但其實(shí)更像是初期的PC互聯(lián)網(wǎng)時(shí)刻。

以下為論壇對(duì)話全文：

論壇實(shí)錄

AIGC熱潮帶來震撼、興奮和焦慮

量子位金磊：特別感謝各位參與“中國AIGC新機(jī)遇”圓桌論壇，如今由ChatGPT引爆AIGC大熱潮，尤其是國內(nèi)已形成了一股燎原之勢(shì)。因此我們認(rèn)為站在當(dāng)下的時(shí)間點(diǎn)上，有必要對(duì)AIGC的快速發(fā)展做一個(gè)總結(jié)和討論，以應(yīng)對(duì)即將到來的新機(jī)遇。

為此，我們邀請(qǐng)了幾位走在業(yè)界前沿的企業(yè)嘉賓來共同探討這一話題。

第一位是元語智能聯(lián)合創(chuàng)始人兼COO朱雷，元語智能是這一波AIGC熱潮的先行者。

第二位是峰瑞資本投資合伙人陳石，前沿科技一直是峰瑞資本重點(diǎn)投資的方向。

第三位是無界Ai聯(lián)合創(chuàng)始人馬千里，在生成式繪畫方面，無界Ai同樣是國內(nèi)企業(yè)中的先行者，目前APP上的用戶已超過200萬人。

最后一位是華院數(shù)智人商業(yè)化副總裁林萊尼，華院計(jì)算深耕于人工智能數(shù)智人領(lǐng)域，長期致力于智能技術(shù)賦能產(chǎn)業(yè)。

在這場(chǎng)討論中，我們圍繞每個(gè)話題設(shè)置了一個(gè)關(guān)鍵詞。第一個(gè)話題比較輕松，關(guān)鍵詞為“感受”。

我們想首先請(qǐng)各位談一下，這波AIGC熱潮，給您所處的行業(yè)及相關(guān)業(yè)務(wù)，帶來的最直觀感受是什么？

元語智能朱雷：最直接的感受就是震撼和沖擊。

盡管我們一直在行業(yè)內(nèi)做大模型探索和開發(fā)，會(huì)有一定的預(yù)期，但這一輪熱潮中還是有很多方面超出我們的預(yù)判。

體現(xiàn)明顯的一個(gè)方面是ChatGPT在各行各業(yè)中的接受程度和應(yīng)用深度。這是人工智能發(fā)展以來非常大的一個(gè)改變。原來AI都是在小圈子或固定環(huán)節(jié)里應(yīng)用，這一次是真正實(shí)現(xiàn)了破圈，從廣度到深度，都是一個(gè)非常大的技術(shù)變革，這是我們認(rèn)為的震撼之處。
對(duì)我們所處行業(yè)來講，影響大概有兩點(diǎn)。

第一，我們正在做的模型迅速被推到了聚光燈下。舉例來說，我們?cè)?022年10月正式開源了單模型多任務(wù)大模型PromptCLUE，當(dāng)時(shí)的下載量不是很多，但在ChatGPT推出后，尤其是今年1月份，隨著全球范圍內(nèi)ChatGPT話題持續(xù)發(fā)酵，我們的開源模型下載量增長很快，這對(duì)我們來說是一個(gè)比較大的促進(jìn)作用，也加速了模型研發(fā)。

第二，人才方面。此前在國內(nèi)氛圍的影響下，不少國內(nèi)外人才加入AI浪潮，但也不免有些人對(duì)這一賽道有點(diǎn)失望。如今隨著這波巨浪襲來，讓很多人才重新回到了AI的大方向之下，所以我認(rèn)為從長遠(yuǎn)來看，這會(huì)是對(duì)我國科技行業(yè)的一個(gè)重大利好。

峰瑞資本陳石：其實(shí)我以前是寫程序的，對(duì)AI的技術(shù)和應(yīng)用比較了解。我自己本身也經(jīng)歷過之前深度學(xué)習(xí)的計(jì)算機(jī)視覺那一波AI浪潮，那么這一次是做生成式AI，以預(yù)訓(xùn)練大規(guī)模語言模型為主，GPT-4加入了多模態(tài)的輸入輸出。這次的技術(shù)變革讓我們感到非常驚訝，因?yàn)樗且粋€(gè)突然的跳躍，不是連續(xù)漸進(jìn)的變化。

這背后最主要的原因在于，AI其實(shí)已經(jīng)具備了一些通用智能。微軟研究院最近有一個(gè)報(bào)告，認(rèn)為當(dāng)下語言模型的發(fā)展，我們已經(jīng)看到了通用人工智能的火花，而且這個(gè)火花還在不停燃燒、變大，這是讓人很驚喜的事情。

從產(chǎn)業(yè)角度來說，我會(huì)覺得這一輪技術(shù)浪潮和上一輪深度學(xué)習(xí)浪潮相比，也有很大的不同。上一輪的AI技術(shù)變革，總體上來說沒有達(dá)到預(yù)期，主要是在通用性方面比較差，最后只在安防、人臉識(shí)別等少數(shù)應(yīng)用場(chǎng)景有一些真正的落地實(shí)踐，投入產(chǎn)出是不好的。但這一輪的AI技術(shù)變革，技術(shù)的通用性更好，適用的場(chǎng)景比較寬廣，產(chǎn)出價(jià)值會(huì)比較大。

我認(rèn)為如果AI會(huì)讓人類的社會(huì)運(yùn)轉(zhuǎn)效率、體驗(yàn)都實(shí)現(xiàn)提升。而這種變化是可以看到的，它也會(huì)從本質(zhì)上改變各行各業(yè)，特別是內(nèi)容生產(chǎn)、教育、科研等，還有其他更多行業(yè)都會(huì)受到影響。

因此我們對(duì)這一輪AIGC浪潮感到非常興奮。這是人類的福祉，但前提是AI不背叛人類；這也為各位創(chuàng)業(yè)者帶來了很好的機(jī)遇。

無界Ai馬千里：站在創(chuàng)業(yè)者角度來看，這輪AIGC熱潮讓我更加焦慮了。

因?yàn)樗陌l(fā)展速度太快了，我們?nèi)ツ?月的時(shí)候預(yù)估，在今年2、3月AI對(duì)圖片內(nèi)容的影響會(huì)越來越強(qiáng)，變化體現(xiàn)在漫畫、GIF、短視頻等領(lǐng)域。但沒想到，一季度Controlnet加入進(jìn)來后，誕生了非常多碾壓式的新成果。

這就會(huì)讓人時(shí)而覺得焦慮，因?yàn)樽约涸谧龃罅抗ぷ鲿r(shí)，其他團(tuán)隊(duì)可能會(huì)追趕上來。

另一方面，這種焦慮其實(shí)是全行業(yè)范圍的，甚至傳統(tǒng)行業(yè)的人也在焦慮。

這反而形成了一種“抱團(tuán)取暖”，一些“八竿子打不著”的合作對(duì)象找到我們，比如奇瑞汽車、若態(tài)潮玩、以及快消品的品牌等，他們把訴求給到我們，我們一起去做訓(xùn)練，甚至還會(huì)給大量私有化數(shù)據(jù)。

要知道這些數(shù)據(jù)在一般情況下，企業(yè)是不會(huì)輕易分享出去的，但現(xiàn)在他們?cè)敢馓峁?，也是在?dān)心如果不參與到這輪浪潮中來，就會(huì)被淘汰。

雖然有焦慮，但是更多是在焦慮中有前進(jìn)的感覺，這是創(chuàng)業(yè)者的一種感受。

華院林萊尼：我來從數(shù)智人領(lǐng)域談一下感受。

數(shù)智人從過去的文本客服，升級(jí)為語音客服，再到多模態(tài)人機(jī)交互系統(tǒng)的發(fā)展周期，人機(jī)交互模式正持續(xù)進(jìn)化。

目前的數(shù)智人技術(shù)已經(jīng)覆蓋了較多能力域，如能夠回答問題、撰寫文章、文本摘要、語言翻譯和代碼生成等任務(wù)，甚至可處理更多小眾主題；這些具備多模態(tài)交互能力的數(shù)智人在許多業(yè)務(wù)場(chǎng)景中已基本實(shí)現(xiàn)“聽得清、聽得懂、會(huì)表達(dá)”，并在金融、文旅、傳媒、公共服務(wù)、醫(yī)療、零售、文娛、智能家居等越來越多的行業(yè)中商業(yè)化落地，提供坐席客服、理財(cái)顧問、播報(bào)主持、導(dǎo)游導(dǎo)覽、虛擬偶像、虛擬歌手等輔助人工服務(wù)，已可作為企業(yè)或個(gè)人在完成一些重復(fù)性工作時(shí)的輔助工具。

并且，我們都知道全球在醫(yī)療和教育方面仍處于嚴(yán)重的資源不足，這兩個(gè)領(lǐng)域存在巨大需求但缺乏足夠勞動(dòng)力來滿足需求，這恰恰是數(shù)智人乃至人工智能未來的主要應(yīng)用之一。

舉例來說，許多發(fā)展中國家的老百姓由于所處偏遠(yuǎn)、基層醫(yī)療資源匱乏，就醫(yī)十分困難。

如設(shè)置一些專業(yè)醫(yī)療輔助用的數(shù)智人協(xié)助醫(yī)生完成基礎(chǔ)的預(yù)檢和分診工作，并為病人提供是否需要進(jìn)一步治療的建議和相關(guān)注意事項(xiàng)等，從而提高醫(yī)療工作效率和服務(wù)水平；在教育領(lǐng)域，通過AI賦能教育可以根據(jù)不同學(xué)生的特點(diǎn)因地制宜提供個(gè)性化的學(xué)習(xí)方案，培養(yǎng)學(xué)生學(xué)習(xí)興趣、提高教育質(zhì)量等等。

所以數(shù)智人的出現(xiàn)既是挑戰(zhàn)也是機(jī)遇，我們需要保持敏銳的洞察力和前瞻性思維，積極應(yīng)對(duì)它所帶來不管是正面亦或負(fù)面的影響。

中國AIGC創(chuàng)新性如何體現(xiàn)？

量子位金磊：討論的第二個(gè)關(guān)鍵詞，叫做模型同質(zhì)化和創(chuàng)新性。

就目前來看，無論是AIGC應(yīng)用的玩法，或是背后算法模型似乎有同質(zhì)化的趨勢(shì)。因此，中國AIGC的原創(chuàng)性該如何體現(xiàn)？

元語智能朱雷：這個(gè)問題很好，我們也一直在思考這一問題。

可以看到，大部分基礎(chǔ)研究、尤其是算法模型方面，很多都是國外率先誕生。再看國內(nèi)目前做大模型，無論是大廠、研究機(jī)構(gòu)還是初創(chuàng)公司，在基礎(chǔ)研究環(huán)節(jié)都是非常薄弱的，因此基礎(chǔ)研究或者原創(chuàng)性探索上，國內(nèi)目前還有一段距離需要追趕。

但這也不是說目前國內(nèi)自研大模型沒有價(jià)值，反而是非常勢(shì)在必行的。

第一，這可以推動(dòng)開源數(shù)據(jù)集、模型這方面的生態(tài)構(gòu)建。

比如在中文語料梳理上，通用語料質(zhì)量還不夠好；還有在開源方面的氛圍也比較差，據(jù)我們了解國外有很多醫(yī)療行業(yè)的開源數(shù)據(jù)集，但國內(nèi)我們已知的只有2個(gè)，開源數(shù)據(jù)集的質(zhì)量也不好。

因此要有更多人來做這件事，這也是我們?cè)Z智能核心團(tuán)隊(duì)在2019年發(fā)起中文語言模型評(píng)測(cè)基準(zhǔn)開源社區(qū)時(shí)，就在倡導(dǎo)的方向和理念。

第二，現(xiàn)在國內(nèi)對(duì)大模型AI基礎(chǔ)設(shè)施的重視，已經(jīng)到了相當(dāng)高的量級(jí)。這時(shí)對(duì)于人才的吸引，包括很多圈外人都愿意加入到這一浪潮中來，從長期角度來看，這件事對(duì)于國內(nèi)做AI基礎(chǔ)設(shè)施非常有價(jià)值。

國內(nèi)大模型的創(chuàng)新工作，大廠、初創(chuàng)公司都在做，各家的切入點(diǎn)也不同。

比如有專門做和心理咨詢相關(guān)的，比如元語智能就是在通用大模型之上，做上層專業(yè)模型。聚焦在一兩個(gè)行業(yè)里，解決客戶的具體問題。

對(duì)于國內(nèi)初創(chuàng)公司而言，創(chuàng)新性主要體現(xiàn)在對(duì)行業(yè)是否有足夠多、深刻的理解，以及是否能迅速在行業(yè)內(nèi)把數(shù)據(jù)和場(chǎng)景跑起來。這就要求初創(chuàng)公司在模型底層數(shù)據(jù)、指令微調(diào)層面上做一定創(chuàng)新。

無界Ai馬千里：做產(chǎn)品創(chuàng)新和擁抱Stable Diffusion生態(tài)并不沖突。SD只是幫忙從0-1的原型搭建，但是從底層數(shù)據(jù)、中層算法、上層應(yīng)用方面還是要做從1-100的創(chuàng)新。怎么做出這個(gè)差差異化，這是每個(gè)創(chuàng)業(yè)者要思考的事情。

比如我們現(xiàn)在開發(fā)國風(fēng)模型，首先這個(gè)模型底層要有大量國風(fēng)數(shù)據(jù)，比如中國人面孔、眼睛、漢服等素材，以漢服為例，甚至具體精細(xì)區(qū)分不同時(shí)期、不同民族風(fēng)格差別、漢服左右衣襟的不同代表意味都大不相同，細(xì)節(jié)見鬼神，對(duì)于關(guān)注國風(fēng)的人來說細(xì)節(jié)非常重要。誰訓(xùn)練出來了這種帶有豐富細(xì)節(jié)的戲份模型，誰就能具備底層的差異化。

訓(xùn)練數(shù)據(jù)不是一次性的，而是實(shí)時(shí)的、自我迭代的。我們平臺(tái)上每天有200萬用戶每天創(chuàng)作接近220萬張圖片，很多圖片都會(huì)被分享到我們的“廣場(chǎng)”里面，我們會(huì)將受到關(guān)注和喜愛的作品的關(guān)鍵詞拿來做進(jìn)一步訓(xùn)練，使平臺(tái)能力得到實(shí)時(shí)增強(qiáng)、這樣的話差異化就更體現(xiàn)出來了。這也是為什么我們使用開源Stable Diffusion，但是平臺(tái)作品和市面上的內(nèi)容有很大區(qū)別，實(shí)時(shí)自我迭代的數(shù)據(jù)訓(xùn)練成為了創(chuàng)新點(diǎn)。

當(dāng)然，除了底層數(shù)據(jù)，在訓(xùn)練方法方式上也有很多創(chuàng)新點(diǎn)，比如融合GPT的功能，這些功能我不贅述，歡迎大家直接用無界ai上手體驗(yàn)。

華院林萊尼：數(shù)智人作為生成式AI技術(shù)的其中一種應(yīng)用，本身包括了好幾個(gè)層面的內(nèi)容。就如我們?cè)u(píng)價(jià)一個(gè)演員，會(huì)從“聲臺(tái)行表”出發(fā)。除了外貌、聲音這些外在部分，數(shù)智人的行為動(dòng)作、文本表達(dá)、語音表達(dá)、交互方式甚至個(gè)性等都在生成范圍內(nèi)。

剛剛馬總從數(shù)智人的外貌、類型和風(fēng)格等方面做了解答。我這邊從數(shù)智人的內(nèi)容生成做一些補(bǔ)充。華院計(jì)算認(rèn)為，數(shù)智人有三個(gè)層次，第一個(gè)層次是能說會(huì)動(dòng)，第二個(gè)層次是真情實(shí)感，第三個(gè)層次是能思會(huì)想。

其中，第一個(gè)層次與 AIGC 技術(shù)中的音視頻生成相關(guān)，第二個(gè)層次與文本生成和跨模態(tài)生成相關(guān)，最后一個(gè)層次則是機(jī)器人能夠有自己的思考，經(jīng)持續(xù)進(jìn)行自主學(xué)習(xí)后，涉及策略生成等方面。為達(dá)成第三層次的數(shù)智人，我們將“常識(shí)知識(shí)圖譜”中的社交常識(shí)加入到對(duì)話交互框架，實(shí)現(xiàn)數(shù)智人的情緒系統(tǒng)；通過建立行為概率性知識(shí)圖譜，該圖譜涵蓋了5000+ 種不同的行為，實(shí)現(xiàn)數(shù)智人的個(gè)性化交互。

因此，最終生成的數(shù)智人，聲音外貌或有相像，但結(jié)合其形體動(dòng)作、交互內(nèi)容以及差異化的個(gè)性足以讓數(shù)智人具備自己情感和個(gè)性的個(gè)體，擁有獨(dú)一無二的原創(chuàng)性。當(dāng)然，目前華院要達(dá)成這種具備多模態(tài)交互能力且有自己個(gè)性和情感的數(shù)智人還需在認(rèn)知智能領(lǐng)域持續(xù)、深入的研究。

峰瑞資本陳石：在趨勢(shì)上看，不僅是國內(nèi)，海外也是有大量偏同質(zhì)化的跟進(jìn)。有個(gè)統(tǒng)計(jì)數(shù)據(jù)顯示，2022年平均四天出一個(gè)大模型，大概90多個(gè)大模型，主要是以美國為主。

本輪生成式AI的核心突破還是在算法層面和模型訓(xùn)練范式層面。

算法方面，大家剛剛都提到了Transformer、Diffusion Model，是目前的主流模型，所以現(xiàn)在很多模型都是以他們?yōu)榈讓蛹軜?gòu)來做迭代和變化的。

從熱度方面來看，我不認(rèn)為這是一個(gè)短期熱潮或泡沫，我認(rèn)為它會(huì)經(jīng)歷很長時(shí)間的進(jìn)步，并產(chǎn)生出非常大的社會(huì)價(jià)值和商業(yè)價(jià)值。業(yè)界有人說，大型語言模型是人機(jī)接口，還是新形態(tài)的操作系統(tǒng)。

首先，語言模型已經(jīng)成為了人機(jī)接口第一界面，以前通過菜單、圖形化的方式，人們只能做有限選擇，但其實(shí)通過語言才是人機(jī)交互最自然和靈活的選擇。

另外從操作系統(tǒng)角度來看，因?yàn)镚PT等語言模型已經(jīng)具備一定的通用智能，有點(diǎn)像大腦或者分發(fā)中心，它可以和人類做交互、接收、拆解和分發(fā)任務(wù)給各種外部插件應(yīng)用，得到結(jié)果后再反饋給人類，所以可以認(rèn)為它也具備了操作系統(tǒng)的特點(diǎn)。

未來軟件行業(yè)也在變化，我覺得方向是以語言模型為中樞的應(yīng)用生態(tài)體系。AI除了賦能并提升行業(yè)效率產(chǎn)生商業(yè)價(jià)值之外，人類還可以通過向AI學(xué)習(xí)，不斷提升人類自己的學(xué)習(xí)能力。

舉例來說，人類學(xué)習(xí)語言是很痛苦的，比如學(xué)外語十幾年效果可能都不是很好，但是機(jī)器學(xué)習(xí)語言的效率非常高，如果我們能夠部分打開AI的內(nèi)部結(jié)構(gòu)，找到一些其中的規(guī)律，或許人類也可以借此提升自己，和機(jī)器一起進(jìn)步，這些事情就具備很大的社會(huì)價(jià)值。

因此我不認(rèn)為AIGC熱潮會(huì)是短期的，它是有長期社會(huì)價(jià)值和商業(yè)價(jià)值的。

大模型只能靠“大力出奇跡”嗎？

量子位金磊：針對(duì)大模型的參數(shù)規(guī)模，還有一個(gè)問題要討論一下，叫做“大力出奇跡”。大力一定會(huì)出奇跡嗎？想先請(qǐng)教馬總，您覺得大力出奇跡這種方式一定是AIGC必經(jīng)之路嗎？

無界Ai馬千里：如果AIGC能出奇跡，不管是大力還是什么力，都是好事情。

在一些語境中，“大力出奇跡”像是一件壞事情一樣，好像迫不得已的選擇，但它不見得是壞事。

我曾經(jīng)看過一篇博客叫“苦澀的教訓(xùn)”，是強(qiáng)化學(xué)習(xí)之父Richard Sutton寫的，他認(rèn)為人類總是自作聰明地去干預(yù)機(jī)器，教它怎么下圍棋、讓它學(xué)習(xí)人類的棋譜，但其實(shí)最有效的方法還是自我學(xué)習(xí)，無監(jiān)督學(xué)習(xí)。

一定程度上，我們?nèi)祟惛深A(yù)太多反而會(huì)限制它的發(fā)揮。所以本質(zhì)上，雖然我們需要大量算力、算法上也要跟進(jìn)，但我們不需要那么強(qiáng)地去干預(yù)它，否則效果可能會(huì)南轅北轍。

峰瑞資本陳石：大力出奇跡是必然，因?yàn)槟壳斑@個(gè)階段的突破，就是無監(jiān)督學(xué)習(xí)取得的。

無監(jiān)督學(xué)習(xí)、特別是大規(guī)模無監(jiān)督學(xué)習(xí)，此前一直是機(jī)器學(xué)習(xí)領(lǐng)域的圣杯，從來沒人取得過這個(gè)圣杯。如今OpenAI把它拿下來了，我覺得這是當(dāng)下被驗(yàn)證的一件事情，也是一個(gè)趨勢(shì)，所以估計(jì)大家還會(huì)這么做，在算法和訓(xùn)練技術(shù)方面如果沒有取得大的突破，我覺得大模型還只能這么訓(xùn)練。

對(duì)創(chuàng)業(yè)公司來說，他如果是做應(yīng)用層，其實(shí)可以不需要自己去訓(xùn)練模型，而是在大模型基礎(chǔ)上做調(diào)優(yōu)。所以我覺得，大部分AIGC創(chuàng)業(yè)公司的機(jī)會(huì)可能還是在應(yīng)用層，或者做一些垂類模型方向。

大模型本身，我覺得未來中國可能不會(huì)有太多家、甚至全球也不會(huì)有太多家去做。但垂類模型還有一定的機(jī)會(huì)。

如何看待中國版OpenAI

量子位金磊：接下來的關(guān)鍵詞叫做“中國版OpenAI”。這波熱潮中，國內(nèi)有很多大佬紛紛下場(chǎng)布局、廣發(fā)AI英雄帖，說要打造中國版OpenAI。

所以，就中國目前大環(huán)境來看，有必要做“中國版OpenAI”嗎？可行性高嗎？

華院林萊尼：我對(duì)我們國家出現(xiàn)像OpenAI那樣基于底層算法研究、研發(fā)出劃時(shí)代創(chuàng)新技術(shù)或應(yīng)用的公司充滿信心，尤其我看到現(xiàn)場(chǎng)有不少Z世代的年輕創(chuàng)業(yè)者，他們不僅有創(chuàng)新精神，也有情懷和責(zé)任感。

但成為像OpenAI一樣的企業(yè)，并不意味著打造一個(gè)中國版OpenAI，我們無需重復(fù)他人的道路，在人工智能領(lǐng)域，“創(chuàng)新”是非常重要的。雖然OpenAI打造了一個(gè)多模態(tài)大模型的底層平臺(tái)，為我們打開了生成式AI技術(shù)的應(yīng)用大門，但從真實(shí)世界應(yīng)用場(chǎng)景來看，多模態(tài)大模型也并非能“一招鮮、吃遍天”。

舉例來說，從GPT的1.17億到GPT-3的1750億，幾年來大模型參數(shù)量增長了近1500倍，而Google的Switch Transformer參數(shù)量更是達(dá)到1.6萬億，海量參數(shù)規(guī)模所需的龐大算力，是許多企業(yè)甚至行業(yè)無法提供的。

因此，如何提高算法魯棒性、提升模型效果，通過小樣本學(xué)習(xí)、多模態(tài)學(xué)習(xí)等實(shí)現(xiàn)少量數(shù)據(jù)完成新領(lǐng)域的訓(xùn)練，仍然是AI需要考慮的問題。

目前，我國已有不少露出小荷尖尖角的AI企業(yè)正在茁壯發(fā)展，雖然暫時(shí)因算力或算法上積累的經(jīng)驗(yàn)不足，與OpenAI這樣全球頂尖的AI公司尚有差距。但我堅(jiān)信不久的未來，我們將看到屬于我們自己的AI代表企業(yè)及其創(chuàng)新技術(shù)。

元語智能朱雷：我覺得這個(gè)說法有一點(diǎn)以偏概全。OpenAI所謂“十年磨一劍”，是因?yàn)樗畛跏且苑怯阅康某闪⒌囊患医M織。最近它跟微軟合作，整體才進(jìn)入閉源狀態(tài)，也有了一些商業(yè)化的模式。

但其實(shí)以商業(yè)化為目標(biāo)的技術(shù)研究，國外也有很多公司都在做，而不以商業(yè)化為目標(biāo)的技術(shù)研究，國內(nèi)也有很多，比如高校、研究院、或是一些開源社區(qū)等，有一大批開發(fā)者和組織，以開源為目的在做這樣的事情。

只不過目前國內(nèi)環(huán)境下，大家普遍只會(huì)關(guān)注到一些有商業(yè)光環(huán)的項(xiàng)目，但對(duì)于那些非商業(yè)化的項(xiàng)目大家關(guān)注度比較低。

其實(shí)包括我們陳石總這樣的投資人也好，包括我們量子位這種媒體也好，大家可能真的要做一件事，就是推動(dòng)國內(nèi)開源數(shù)據(jù)集和開源模型的發(fā)展，這個(gè)可能會(huì)成為未來的一個(gè)基石。

我認(rèn)為，國內(nèi)和國外在這件事上沒有本質(zhì)區(qū)別，大家都有一些考慮商業(yè)化的公司和以開源為目的的組織。

對(duì)中國AIGC新機(jī)遇的期待

量子位金磊：最后一個(gè)關(guān)鍵詞，就是圓桌論壇的議題“中國AIGC新機(jī)遇”，我們用簡短一句話來談?wù)剬?duì)它的期待。

華院林萊尼：說起這個(gè)期待，我們發(fā)現(xiàn)互聯(lián)網(wǎng)企業(yè)可能對(duì)于35歲+的人群不是很友好，所以我們也在思考一個(gè)問題，AI真的創(chuàng)造了失業(yè)潮嗎？后來我覺得不是。我也是35歲以上的中年人了，在這里說說我的感受。

我很喜歡一句廣告詞，就是“永不放棄，奔向未來”，雖然我們已經(jīng)35歲多了，但我們也可能會(huì)像Transformer用到一些機(jī)制進(jìn)行自我變革一樣，永不放棄奔向未來，用積極和勇敢的心態(tài)正面來自未來的機(jī)遇和挑戰(zhàn)。

無界Ai馬千里：我倒覺得可能是比較復(fù)雜的一種，你看最近有一個(gè)新聞，就是包括馬斯克在內(nèi)，上千名科學(xué)家認(rèn)為AIGC還有AI大模型是一件危險(xiǎn)的事情。

我覺得國內(nèi)的機(jī)遇在于，即使你和國外有差距、甚至可能有幾倍差距，但對(duì)于人類來說夠用了就行，就像蘇聯(lián)和美國大戰(zhàn)時(shí)候，都說自己能毀滅地球多少遍，但其實(shí)毀滅一遍就夠了?？赡蹵IGC產(chǎn)生的能力會(huì)強(qiáng)到，即使兩個(gè)模型之間有百分之多少的差距都無所謂，只要它對(duì)于人類來說夠用了就行，這是一個(gè)長期的看法。

所以即使我們現(xiàn)在的大模型，的確可能沒有外國人那么強(qiáng)，但是從邏輯上來說我們還是能趕上的。

峰瑞資本陳石：這個(gè)機(jī)遇其實(shí)是全人類的機(jī)遇，中國也有非常大的機(jī)會(huì)。當(dāng)前無論是OpenAI、谷歌、還是其他一些國外大廠，我們很多中國工程師、或者華人工程師，深度地參與了這個(gè)研發(fā)過程。我覺得，這里面中國是有機(jī)會(huì)做成大基礎(chǔ)模型的，特別是大型語言模型，這是可以做的。為什么呢？

算法層面來說，這其實(shí)是大家共同的科研成果，從GPT-3的預(yù)訓(xùn)練過程，到包括ChatGPT用到的基于人類反饋的強(qiáng)化學(xué)習(xí)過程，都有相關(guān)的論文詳細(xì)介紹其中的算法和實(shí)施邏輯，大部分訓(xùn)練數(shù)據(jù)也是開放的。雖然細(xì)節(jié)上OpenAI可能有一些語焉不詳，但其實(shí)它剩下的最難的可能是一些具體的工程實(shí)施工作。我覺得在具體工程實(shí)施方面，我們中國的工程師是不怕的。

算力上，我覺得這個(gè)事情需要慢慢來，盡量地想到一些能替代的辦法，做到有自己的算力，或是通過別的方式去獲取一些算力。

數(shù)據(jù)上，我覺得我們是可以做到的，因?yàn)閿?shù)據(jù)集這個(gè)事情，它現(xiàn)在是4500億的Token（每個(gè)約0.7個(gè)單詞），這個(gè)體量的數(shù)據(jù)相對(duì)而言，我們經(jīng)過努力，應(yīng)該也是有辦法收集和整理出來的。

我認(rèn)為，憑著中國人的聰明程度，基礎(chǔ)模型是可以突破的，當(dāng)然復(fù)現(xiàn)到今天GPT-4這個(gè)水平可能還有差距，但也只是時(shí)間問題。我們的應(yīng)用生態(tài)一定也會(huì)基于這些國外國內(nèi)的模型蓬勃發(fā)展。

其實(shí)包括微信、釘釘或是其他當(dāng)年的手機(jī)上的應(yīng)用生態(tài)，我們已經(jīng)一再證明，中國在軟件的應(yīng)用上是很厲害的，所以我覺得這個(gè)是中國的新機(jī)遇。

元語智能朱雷：我非常同意陳石總的看法。雖然說現(xiàn)在跟GPT-4比，技術(shù)差距還是有的，但是確實(shí)是時(shí)間的問題，因?yàn)閺娜蚍秶鷣砜?，除了硅谷，就是國?nèi)的這波熱潮了。

國內(nèi)AIGC這一波巨大的浪潮，大家都說是“iPhone”時(shí)刻，但我覺得更像是初期的PC互聯(lián)網(wǎng)時(shí)刻。大家對(duì)于AI這件事認(rèn)知沒有那么強(qiáng)的時(shí)候，突然出現(xiàn)一個(gè)巨大的機(jī)會(huì)和機(jī)遇，這時(shí)候我覺得對(duì)于我們臺(tái)上的各位和臺(tái)下的現(xiàn)場(chǎng)觀眾，包括直播的觀眾，各行各業(yè)來說，都是一個(gè)巨大的機(jī)遇。

但在機(jī)遇的同時(shí)，這也是一種挑戰(zhàn)，所以最后一句話就是我們擁抱AI。

量子位金磊：非常感謝各位嘉賓精彩的總結(jié)和分享，由于時(shí)間原因，本場(chǎng)圓桌討論到此為止。剛才嘉賓們所展望和期待一些新機(jī)遇，在未來將如何發(fā)展，我們明年揭曉答案。