2年間AI大模型成本驟降萬倍，商業(yè)化應(yīng)用加速跑｜智譜張帆@MEET2025

衡宇 2024-12-27 08:46:08 來源：量子位

編輯部 整理自 MEET2025大會(huì)

量子位 | 公眾號(hào) QbitAI

對(duì)于AGI，大模型六小虎之一的智譜有自己的理解，他們把AGI分為五個(gè)等級(jí)：

• 第一級(jí)是語言，智譜“已經(jīng)做得非常不錯(cuò)了”；
• 第二級(jí)是對(duì)復(fù)雜問題的求解，可以看到o1水平模型能力出現(xiàn)；
• 第三級(jí)是使用工具，比如自主智能體不但能夠通過API，還可以像人一樣操作手機(jī)、PC甚至汽車的界面來獲取信息；
• 第四級(jí)是自我學(xué)習(xí)；
• 第五級(jí)是超越人類，AI將具備探究科學(xué)規(guī)律、世界起源等終極問題的能力所以通往AGI之路將是一個(gè)清晰和明確的鏈路。

本次量子位MEET 2025智能未來大會(huì)上，智譜COO張帆熱情分享了智譜大模型的發(fā)展、應(yīng)用、商業(yè)化發(fā)展、未來方向，以及企業(yè)和個(gè)人的科技戰(zhàn)略構(gòu)建。

為了完整體現(xiàn)張帆的思考，在不改變原意的基礎(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來更多啟發(fā)。

MEET 2025智能未來大會(huì)是由量子位主辦的行業(yè)峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾1000+，線上直播觀眾320萬+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• 大模型天然是一個(gè)應(yīng)用導(dǎo)向的技術(shù)；
• 一條曲線是能力上升，一條曲線是成本下降，帶來技術(shù)能力快速地落地和應(yīng)用；
• 通往AGI之路將是一個(gè)清晰和明確的鏈路；
• AI開始變成基礎(chǔ)生產(chǎn)要素；
• 意識(shí)到模型的技術(shù)效果不及預(yù)期不難，難的是找到“怎么能行”的一條路；
• 大模型的文本模型成為你的大腦，多模態(tài)模型成為你的眼睛，自主智能體模型成為你的雙手
• 模型場景越來越從淺水區(qū)進(jìn)入到深水區(qū)；
• 不管基座模型是國內(nèi)的、國外的，開源的、閉源的，合適的才是最好的。
  ……

以下為張帆演講全文：

2年時(shí)光飛逝，鋪開一個(gè)迅猛發(fā)展的大模型時(shí)代

大家好，非常高興今天有機(jī)會(huì)能夠跟大家做一些分享。

智譜算是在國內(nèi)最早做大模型商業(yè)化的公司，我們在過去的一兩年當(dāng)中也走了很多彎路，踩了很多坑，有一些成績。今天希望跟大家分享一下我們在商業(yè)上面的一些思考，大模型如何跟商業(yè)能夠應(yīng)用起來。

其實(shí)我覺得今天大家經(jīng)常會(huì)有一個(gè)問題，大模型是不是變慢了？是不是已經(jīng)到瓶頸了？是不是增長得不夠快了？

我們在開始的時(shí)候可以簡單做一個(gè)小的回顧，看看過去的兩年間到底發(fā)生了什么。

首先一點(diǎn)，大家可以看到在早期的時(shí)候，ChatGPT發(fā)布后只用了兩個(gè)月的時(shí)間，全球用戶就過億。這是一個(gè)前所未有的現(xiàn)象級(jí)增速，比人類歷史上所有技術(shù)進(jìn)展速度都要快——電話用了75年才達(dá)到這個(gè)成就，這是一個(gè)直接進(jìn)入到應(yīng)用的技術(shù)。

它也不像其它很多技術(shù)，一般來說，技術(shù)往往都是先有一個(gè)概念，然后從這個(gè)概念出發(fā)，不停嘗試讓它一點(diǎn)一點(diǎn)落地，最后落實(shí)。

今天的大模型不太一樣，我相信絕大多數(shù)的各位都不是先知道了這個(gè)概念，而是先知道了某一款應(yīng)用。所以大模型天然是一個(gè)應(yīng)用導(dǎo)向的技術(shù)。

很多分析都提出，生成式AI進(jìn)入市場的速度遠(yuǎn)比互聯(lián)網(wǎng)和PC要快，并且在過去兩年間，整個(gè)模型帶來了非常大的變化。

模型能力飛速提升

以一個(gè)計(jì)算基準(zhǔn)來看，僅僅2年時(shí)間，整個(gè)模型的行業(yè)水平就從60分漲到了將近90分。通常而言，低分段漲分容易，高分段漲分不容易。但僅僅用了兩年時(shí)間，智能就提升了這么多。

與OpenAI的折現(xiàn)軌跡相比，能看到智譜基本上跟緊上了國際步伐。

再說上下文窗口。我記得去年剛開始做模型商業(yè)化的時(shí)候，基本標(biāo)配是4K基本，現(xiàn)在100萬才是基本門檻，甚至很難算是合格的能力。今天很多模型窗口都達(dá)到了100萬、200萬字，能裝的東西已經(jīng)非常多了。

我們也能看到一系列從單一模態(tài)到多模態(tài)、從文本模型到多模態(tài)模型，甚至是自主智能體模型等等的現(xiàn)象出現(xiàn)，模型的能力變得越來越豐富。

這一切僅僅用了2年時(shí)間。我們回想移動(dòng)互聯(lián)網(wǎng)時(shí)代，iPhone發(fā)布兩年之后，真正的殺手級(jí)的應(yīng)用都還沒有出現(xiàn)。

但是在今天，模型發(fā)展已經(jīng)非?？?，從各個(gè)方位上都全面得到了提升。

模型成本極速下降

與之相對(duì)應(yīng)的是模型成本的下降，且無論是國內(nèi)外。

連OpenAI也降低了幾十倍，并且還在持續(xù)下降。

國內(nèi)更是如此。記得去年剛剛開始做商業(yè)化的時(shí)候，智譜當(dāng)時(shí)還是5毛錢1000個(gè)tokens，但今天最低已經(jīng)到了5分錢100萬個(gè)tokens——這是1萬倍。

也就是說，在過去兩年間，這個(gè)市場降價(jià)降了1萬倍，能力變得比原來更強(qiáng)。

一條曲線是能力上升，一條曲線是成本下降，帶來的是什么？

帶來技術(shù)能力快速地落地和應(yīng)用，這是背景。

通往AGI共5級(jí)階段，路徑清晰，方向明確

這個(gè)過程當(dāng)中，有這樣一個(gè)背景。那么，未來往哪去？大家更常會(huì)問，我們今天到了哪一步。

之前OpenAI發(fā)布了對(duì)于AGI目標(biāo)能力的分級(jí)，智譜也給出了一些自己的理解。

我覺得這個(gè)路徑還是比較清楚的：

第一級(jí)是語言。我們已經(jīng)做得非常不錯(cuò)了，基本上可以通過圖靈測試。

第二級(jí)是對(duì)復(fù)雜問題的求解?？梢钥吹?1這樣的能力出現(xiàn)，讓我們對(duì)模型的應(yīng)用類似從「大腦的系統(tǒng)1」轉(zhuǎn)化為「系統(tǒng)2」，從簡單直覺的回答，變成了能夠深度性的思考和拆解。

第三級(jí)開始使用工具。過去回答復(fù)雜問題的時(shí)候，不但需要能直接做深度的思考，還需要能夠跟外界持續(xù)地交互獲取信息。我們之前做了很多像Function calling（函數(shù)調(diào)用），如何在過程中把需求轉(zhuǎn)化為一個(gè)請求，通過API的方式取外部的數(shù)據(jù)，類似于這樣的方式補(bǔ)充內(nèi)容。

也有包括像我們自己發(fā)布的自主智能體，不但能夠通過API，還可以像人一樣操作手機(jī)、PC甚至汽車的界面，從里面獲取信息。

第四級(jí)是實(shí)現(xiàn)自我學(xué)習(xí)。AGI已經(jīng)不滿足人們談?wù)摵吞剿鞯目臻g了，已經(jīng)開始討論ASI了。如果把人類的智能作為基準(zhǔn)，而技術(shù)機(jī)器的智能在逐步上升。

隨著人給它標(biāo)注數(shù)據(jù)，技術(shù)機(jī)器智能的曲線值逐步提升，某一天達(dá)到了人類的智能這條線，我們該怎么標(biāo)數(shù)據(jù)？它怎么獲取更多的知識(shí)？

今天還有很多談?wù)?，已?jīng)看到了ASI和Super Alignment的初步進(jìn)展，我覺得在今天看起來，這幾步還是或多或少都有了一些進(jìn)展的。

在這里面，智譜也不斷地探索和豐富模型的能力，從最開始的語言能力，到L2的復(fù)雜問題的能力，到工具能力，以及現(xiàn)在正在試圖去解決的第四級(jí)別的GLM-zero和GLM-OS等能力。

第五級(jí)還沒有非常明確的定義，但是方向在那，是超越人類，AI將具備探究科學(xué)規(guī)律、世界起源等終極問題的能力。

AI開始變成基礎(chǔ)生產(chǎn)要素，帶來商業(yè)底層變化

這一次，大模型不只是帶來了技術(shù)上的變革，與以往相比，也帶來了更多在商業(yè)上的可能性。

在移動(dòng)互聯(lián)網(wǎng)時(shí)代，所有的任務(wù)都是獨(dú)立的，你需要從很多種算法中挑一種做實(shí)驗(yàn)，解決一個(gè)小問題，比如分詞、詞性標(biāo)注、實(shí)體識(shí)別等。

那個(gè)時(shí)候，使用AI的門檻的成本是很高的，所以只有那種高杠桿的業(yè)務(wù)才能應(yīng)用，比如搜索引擎、推薦引擎。也就是說，只有那種上千萬、上億的人在應(yīng)用，且邊際成本幾乎為零的應(yīng)用，大家才能夠去用AI。那個(gè)時(shí)候基本上只有互聯(lián)網(wǎng)大廠在應(yīng)用AI。

到2013、2014年神經(jīng)網(wǎng)絡(luò)成熟之后，某種程度上，算法層被統(tǒng)一了，大家不用學(xué)各種各樣的算法了。

所以一定程度上門檻有了第一次普惠化，成本也下降。這樣的結(jié)果就是AI能力開始進(jìn)入到產(chǎn)業(yè)跟行業(yè)。

而今天，從算法到模型，到數(shù)據(jù)，再到任務(wù)，整個(gè)大模型幾乎把一切都統(tǒng)一。

再加上有Zero-shot和Few-shot的能力，我們從針對(duì)一個(gè)任務(wù)去訓(xùn)一個(gè)模型，變成可以直接去應(yīng)用模型了。

它不但帶來了更強(qiáng)大的能力，還讓我們模型的生產(chǎn)成本比原來下降了至少兩個(gè)數(shù)量級(jí)，可能100倍。

原來做一個(gè)什么樣的簡歷抽取，不搞上幾個(gè)算法科學(xué)家，搞上半年，根本搞不定，但幾百萬經(jīng)費(fèi)就出去了；但是今天來講，借助大模型，一個(gè)運(yùn)營的人員，一個(gè)產(chǎn)品的人員，哪怕不會(huì)編程，基本上可以花上一周就能解決這個(gè)復(fù)雜的問題，并且效果還不差。

在這樣的背景下，AI開始變成基礎(chǔ)生產(chǎn)要素，這就導(dǎo)致帶來商業(yè)底層的很多變化，此外，上層的變化，包括工作方式、組織形式、商業(yè)模式甚至每個(gè)企業(yè)的壁壘，可能都會(huì)發(fā)生變化。

從智譜模型矩陣發(fā)展，看應(yīng)用AI和AI應(yīng)用的未來

接下來可以跟大家分享幾個(gè)最新的模型方面的進(jìn)展。

首先，今天的智譜有非常完備的模型矩陣，包括語言模型、代碼模型、多模態(tài)模型、超擬人模型，到自主智能體。

語言模型方面，既有可以跑在PC、汽車、手機(jī)等設(shè)備上的端側(cè)的模型，也有開源或商用的模型。這一點(diǎn)代碼大模型也是一樣。

多模態(tài)模型方面，各種維度，從文生視頻、視頻理解、文生圖像、圖像理解等，智譜都有多方面的矩陣，能夠滿足用戶不同需求。再包括智譜還有擬人大模型、心理大模型，以及自主智能體。

這兩天Sora Turbo剛發(fā)布，大家都覺得里面有很多地方還不夠完美，我覺得這非常正常，因?yàn)檫@是一個(gè)很早期的技術(shù)。

找到它哪不行，這件事不難，我們大家都可以批評(píng)它；很難的是找到怎么能行的那條路。

其實(shí)在GPT-3時(shí)代，就有像Jasper這樣的公司，一年有幾千萬美金的ARR。所以能夠找到模型與業(yè)務(wù)的最大公約數(shù)，是我們今天做商業(yè)化里面的一個(gè)重要環(huán)節(jié)。

智譜最早的多模態(tài)模型，其實(shí)也是最不完善的版本，只是把莫奈的名畫動(dòng)起來，然后拼了一下，還是會(huì)有一些穿幫的地方。但是本質(zhì)上來講，已經(jīng)足以幫助旅游局做一個(gè)小宣傳片。

今天用大模型來做這樣一個(gè)視頻，成本就10塊、20塊，成本極低；但如果用CG來做，沒一兩百萬做不下來。

與此同時(shí)，我們看到了未來對(duì)于內(nèi)容生成應(yīng)用的可能性。

對(duì)于一段視頻，以前用CV的方式，很難做泛化性理解，今天的大模型在幾乎不訓(xùn)練的情況下，可以很好地回答視頻里的人在干什么？有沒有精彩時(shí)刻？精彩時(shí)刻在多少秒？

還有一些端側(cè)模型方面的激戰(zhàn)。之前在高通驍龍峰會(huì)上，智譜聯(lián)合他們聯(lián)合發(fā)布了demo，在8Gen4手機(jī)上完全可以驅(qū)動(dòng)一個(gè)多模態(tài)的模型實(shí)現(xiàn)很好的效果。并且，智譜構(gòu)建了非常完備的端云一體化的同源解決方案，可以讓用戶在設(shè)備端很好地應(yīng)用大模型的能力。

再比如視頻通話，大家可以一邊對(duì)話，一邊在視頻里跟AI做交流。最早是OpenAI在5月發(fā)布了這個(gè)功能，但其實(shí)沒有真正讓終端用戶用起來。在今年8月，智譜已經(jīng)把這個(gè)功能全量發(fā)布在智譜清言上了，大家可以去嘗試。

而自主智能體，能夠讓AI自動(dòng)化幫你完成多達(dá)幾十步的，甚至跨應(yīng)用的復(fù)雜任務(wù)。大模型的文本模型成為你的大腦，多模態(tài)模型成為你的眼睛，自主智能體模型成為你的雙手，不但能夠幫你做思考，還能幫你做執(zhí)行。

智譜也提供了一整套的方案，可以幫助開發(fā)者更輕松地訓(xùn)練一個(gè)私有模型，也可以基于模型的能力快速開發(fā)一個(gè)智能應(yīng)用，可以幫助大家來解決行業(yè)實(shí)踐。

大家使用模型的場景越來越多，越來越從淺水區(qū)進(jìn)入到深水區(qū)——

2年間，大家的需求從“有一個(gè)模型”，到“模型幫忙提升產(chǎn)品指標(biāo)”，到今天“模型就要帶來業(yè)務(wù)結(jié)果”，從各個(gè)方面來看，大家對(duì)模型的應(yīng)用需求和實(shí)踐變得越來越務(wù)實(shí)，確實(shí)讓模型已經(jīng)開始從智力生產(chǎn)變成生產(chǎn)力。

快速講幾個(gè)例子：

我們在汽車上可以非常好地重塑智能駕艙體驗(yàn)；一些非常復(fù)雜的垂直領(lǐng)域，比如公積金相關(guān)的復(fù)雜的問答，或邏輯推理等很多場景里，或企業(yè)內(nèi)部的Chatbot自動(dòng)化的問數(shù)生成Circle的能力，用智譜模型都有做不錯(cuò)的效果。

最后跟大家探討一下大模型時(shí)代，企業(yè)或者個(gè)人該如何去構(gòu)建自己的科技戰(zhàn)略。

我覺得這里面關(guān)鍵來講四個(gè)要素：

選擇合適的基座，要構(gòu)建與戰(zhàn)略目標(biāo)和業(yè)務(wù)屬性相匹配的組織，基于場景和AI的能力來重新定義數(shù)據(jù)資產(chǎn)，并且把這些能力無縫融入到業(yè)務(wù)當(dāng)中，從而來形成飛輪。

這里面很多東西需要大家深度思考。

不管基座模型是國內(nèi)的、國外的，開源的、閉源的，我覺得其實(shí)合適的才是最好的，所以這里面涉及每一個(gè)環(huán)節(jié)的每一個(gè)問題，都需要大家自己思考。

我們也希望借助四樣能力，為每個(gè)企業(yè)構(gòu)建自己科技戰(zhàn)略新飛輪，隨著每一輪的轉(zhuǎn)動(dòng)能夠幫我們沉淀更多的能力，構(gòu)建更多的壁壘。

謝謝大家！