每經記者 可(ke)楊    每經編輯(ji) 文(wen)多    

錢學森在《從飛機、專訪智導彈說到生產過程的商湯山之術創索自動化》一書中寫下：“用機器代替人的體力勞動，是產業長田第一次工業革命，即機械化；用機械系統來替人作非創造性的研究院院腦力勞動，是豐冰第二次工業革命，即自動化。下的型技新探”

3月15日(ri)(ri)，大模由工業和信息化部工業文(wen)化發展中心牽頭成(cheng)立(li)的(de)專訪智(zhi)AI應用工作組(zu)主(zhu)辦(ban)，每日(ri)(ri)經濟新聞承辦(ban)、商湯山之術創(chuang)索數智(zhi)未來場(chang)景(jing)實驗室協辦(ban)的(de)產(chan)業長田“Sora的(de)啟示：AI應用再飛躍”主(zhu)題沙龍活動(dong)在京成(cheng)功舉辦(ban)。

活動期間，研究院院商湯智能產(chan)業研究院院長田豐在(zai)接(jie)受《每日經濟新聞》記(ji)者專訪時提(ti)到，豐冰(bing)當(dang)前(qian)我(wo)們(men)正在(zai)經歷“機械化”到“自動化”階段。下的型技新探(tan)

大模(mo)型，大模(mo)是專訪(fang)智人類邁向自動(dong)化的關鍵基礎設(she)(she)施(shi)。隨著Sora的推出，圍繞大模(mo)型的競爭繼續提速。就Sora帶來的啟(qi)示(shi)、智能基礎設(she)(she)施(shi)的建設(she)(she)、算力的普(pu)惠之(zhi)路(lu)，《每日經(jing)濟新聞》記(ji)者與(yu)田(tian)豐展(zhan)開對話。

田豐認為，我們既要(yao)借鑒OpenAI的(de)(de)“踏腳(jiao)石理論(lun)”，同時也(ye)要(yao)學(xue)習錢學(xue)森所推(tui)崇的(de)(de)科研要(yao)遵循“冰山(shan)理論(lun)”。“我們不能只看水(shui)面上，別人做到(dao)哪兒，我們就馬上去(qu)跟，也(ye)要(yao)看到(dao)水(shui)面之下應該怎么走。”田豐表示。

商湯(tang)智能產(chan)業(ye)研(yan)究(jiu)院院長(chang) 田豐圖片來源：受訪者提(ti)供

Sora的啟示：尋找踏腳石

Scaling Laws（尺(chi)度(du)定律），指(zhi)的(de)(de)是(shi)模(mo)型訓練計算(suan)量、訓練數據規模(mo)、模(mo)型參數量與(yu)模(mo)型效能之間的(de)(de)正相(xiang)關(guan)關(guan)系，一(yi)個(ge)更通俗的(de)(de)說法是(shi)“大(da)力出奇跡”。

“Sora雖然不完美并(bing)且處(chu)于早期階段，但它確(que)實是(shi)尺度定(ding)律的又(you)一次驗證，也是(shi)一個大模型工程化的進(jin)展(zhan)。”在田豐(feng)看來，Sora的誕生，首(shou)先代表著尺度定(ding)律的又(you)一次成(cheng)功。

田豐指出，Sora所采用(yong)的Diffusion Transformer（DiT）架構(gou)，是(shi)多種(zhong)已有架構(gou)之間的工程(cheng)化融合，故而具(ju)備(bei)Diffusion（擴散）等架構(gou)的長處，也不可避免(mian)地帶有一(yi)些(xie)缺陷。目前，全球范圍內的研(yan)究者(zhe)同時在探(tan)(tan)索(suo)不同架構(gou)方向(xiang)。田(tian)豐(feng)將這種(zhong)探(tan)(tan)索(suo)比喻為(wei)一(yi)棵科技(ji)樹，Sora是(shi)在其(qi)中某一(yi)條路徑(jing)上領先，而其(qi)他研(yan)究者(zhe)會在其(qi)他路徑(jing)上積(ji)極探(tan)(tan)索(suo)，最終互相借(jie)鑒，讓AI基礎科研(yan)更快發展(zhan)。

田豐認為，Sora所帶來的(de)另一個啟示是，Sora是OpenAI邁向(xiang)AGI（人工(gong)通用(yong)智能）的(de)“踏腳石(shi)”。

“新(xin)奇(qi)事(shi)(shi)物的(de)(de)重要性在于，它(ta)們往往可以成為(wei)踏(ta)腳(jiao)石探測(ce)器(qi)，因為(wei)任何(he)新(xin)奇(qi)的(de)(de)東西(xi)，都是催生(sheng)更新(xin)奇(qi)事(shi)(shi)物的(de)(de)潛在踏(ta)腳(jiao)石。”OpenAI科學家在其撰寫的(de)(de)《為(wei)什(shen)么偉大不能被計劃》一書(shu)中，提到了(le)“踏(ta)腳(jiao)石”。

在專訪中，田豐(feng)也反復提及“踏腳石理論”。他(ta)表示(shi)，在基礎(chu)研(yan)發(fa)中，想達到A點，有(you)可(ke)能需要(yao)往反方向走(zou)到B點，進而(er)再到達A點。因為創(chuang)造力(li)是一(yi)種(zhong)“搜索”，基礎(chu)研(yan)發(fa)是在龐大“解(jie)空(kong)間”中通過(guo)多個路徑(jing)深入探(tan)索，而(er)無法完全通過(guo)目(mu)標找到最短的直(zhi)線(xian)。“怎么去定義踏腳石，就是一(yi)定要(yao)有(you)新奇性。”

田豐表示，基(ji)于(yu)這(zhe)個理(li)論，中國技術研發也要找到更多(duo)(duo)踏腳石。“你有更多(duo)(duo)的(de)(de)踏腳石之后，就(jiu)能發現跨領域、跨學科的(de)(de)相關(guan)性，上面‘長’出的(de)(de)基(ji)礎研發突(tu)破就(jiu)會更多(duo)(duo)。”

除此之外，田(tian)豐同(tong)樣談到錢學森所推崇的“科(ke)研(yan)遵(zun)循(xun)‘冰山(shan)理論’”，即人們(men)看到的AI“技術突變”只是水(shui)面(mian)之(zhi)上(shang)的“冰山(shan)一(yi)角”，水(shui)面(mian)之(zhi)下(xia)還有更多“隱(yin)藏創新(xin)”在支撐。“我(wo)(wo)們(men)不能(neng)只看水(shui)面(mian)上(shang)，別人做到哪(na)兒，我(wo)(wo)們(men)就馬上(shang)去(qu)跟，也要看到水(shui)面(mian)之(zhi)下(xia)基礎科(ke)研(yan)布(bu)局，應該(gai)怎么走。”

那在大模型(xing)競(jing)爭中，水面之下的技術應該(gai)如何挖掘(jue)？

田豐認為，目前大(da)家(jia)有不同的(de)探索方(fang)向(xiang)。例如，自動駕(jia)駛(shi)的(de)大(da)模型旨在模擬現實(shi)世界，實(shi)現自動駕(jia)駛(shi)的(de)仿真，并(bing)通過神經網絡來完成(cheng)感知(zhi)、決策、執行及反(fan)饋等任務。而特斯拉將自動駕(jia)駛(shi)模式(shi)遷移到人(ren)(ren)形(xing)機器(qi)人(ren)(ren)上(shang)。于是，人(ren)(ren)形(xing)機器(qi)人(ren)(ren)的(de)出現，又可以進一步作為數據和反(fan)饋來源(yuan)，驗證基礎大(da)模型對(dui)現實(shi)世界的(de)認知(zhi)誤差、糾正幻覺。

當前對(dui)于(yu)大模(mo)(mo)型的(de)(de)驗(yan)證還依(yi)賴(lai)于(yu)人類(lei)反饋(kui)強化學習(xi)（Reinforcement Learning from Human Feedback，簡稱RLHF），而這面(mian)臨反饋(kui)速度(du)慢(man)、成本高以(yi)及(ji)人的(de)(de)自(zi)身認知偏差等問題。因此(ci)，科研(yan)界(jie)同樣在嘗試采用(yong)“具(ju)身智(zhi)(zhi)能”等其(qi)他(ta)新研(yan)究方向，以(yi)在復雜多變的(de)(de)物理世(shi)界(jie)環境中直(zhi)接(jie)驗(yan)證機器智(zhi)(zhi)能，讓(rang)人工(gong)智(zhi)(zhi)能不(bu)再局(ju)限于(yu)對(dui)人的(de)(de)模(mo)(mo)仿，而是更(geng)直(zhi)接(jie)地探索世(shi)界(jie)、糾偏認知。

“通往(wang)AGI的路，絕對(dui)不是只(zhi)有(you)一(yi)條。”田豐認為，基于這樣多(duo)元化的探索(suo)，才會有(you)可能逐(zhu)步到達AGI。而單純依靠模(mo)仿人(ren)類(lei)思考方式的大(da)模(mo)型(xing)，對(dui)于極為復雜(za)的整個(ge)物理世界，尤其是人(ren)類(lei)已知知識以外(wai)的更大(da)的知識領(ling)域是無法(fa)去(qu)探索(suo)的。正如錢學森所(suo)說——“Nothing is Final”，現在認為正確的人(ren)類(lei)知識，在下一(yi)個(ge)時代(dai)看(kan)來就會具有(you)局限性(xing)和(he)偏(pian)差。

田(tian)豐在(zai)沙(sha)龍(long)中演講 圖片來(lai)源：每(mei)經(jing)記者 韓陽 攝 

數據競速：AI合成數據大有可為

對于通(tong)用大模型而言(yan)，尺度定(ding)律（Scaling Laws），有沒有可能在某一(yi)階段失效？

“（在(zai)）訓練數據(ju)用光(guang)時”——這是田豐的答案。

田豐認(ren)為，數據多模(mo)態非常重(zhong)要(yao)。“文字語言(yan)具有最高的(de)(de)知識密度，但(dan)是(shi)光(guang)有文字語言(yan)也不夠，視(shi)覺(jue)和語言(yan)的(de)(de)融合也很重(zhong)要(yao)。”他表(biao)示，純視(shi)覺(jue)學習未(wei)必會(hui)學到物理之間的(de)(de)因(yin)果關系，視(shi)覺(jue)加語言(yan)的(de)(de)數據，會(hui)帶來更好的(de)(de)訓練(lian)效果，讓(rang)大模(mo)型能(neng)夠理解復(fu)雜(za)環境、復(fu)雜(za)任務(wu)中的(de)(de)表(biao)征和表(biao)意內容，也能(neng)讓(rang)Sora現在存在的(de)(de)一(yi)些物理上的(de)(de)混亂，得(de)到改善。

從數(shu)據層面(mian)看，田豐認(ren)為，目(mu)前(qian)存在多個潛(qian)在的訓練數(shu)據增長(chang)點。

首要的是人(ren)們日常使用的應(ying)用。例如微博，每日有2.6億用戶在微博發(fa)帖，這為模型(xing)訓(xun)練提供(gong)了豐(feng)富的增(zeng)量(liang)(liang)數據。其次(ci)，具身智(zhi)能的傳(chuan)感(gan)(gan)技術，同(tong)樣能夠提供(gong)數據增(zeng)量(liang)(liang)，例如自動駕駛(shi)汽(qi)車和(he)人(ren)形機器人(ren)都是數據收(shou)集器。此外，商湯目前的衛星遙感(gan)(gan)智(zhi)能解譯(yi)技術，能夠觀(guan)察地(di)球物理環境每一天(tian)發(fa)生的多維度變化，同(tong)樣提供(gong)了大量(liang)(liang)的數據資源。

當現實世界產(chan)生(sheng)的(de)數(shu)據仍舊不(bu)足時，就需要同(tong)時在(zai)AI合成數(shu)據層(ceng)面進(jin)行科研(yan)探索。田豐介紹，目(mu)前(qian)，合成數(shu)據仍處于前(qian)期(qi)階(jie)段，生(sheng)成的(de)數(shu)據質量參差不(bu)齊。業(ye)界期(qi)待多(duo)(duo)模態大模型不(bu)僅(jin)能輸入多(duo)(duo)模態數(shu)據，同(tong)時還(huan)能產(chan)出接近真實世界的(de)高質量多(duo)(duo)模態數(shu)據。

但(dan)當前，如果視頻(pin)數(shu)(shu)據自(zi)動標注(zhu)的(de)描述文字(zi)不精準，則(ze)會造成(cheng)“Garbage in,garbage out”（指輸入的(de)垃(la)(la)圾(ji)數(shu)(shu)據會導致大模(mo)型輸出的(de)垃(la)(la)圾(ji)結果），其風險依舊擺在AI合成(cheng)數(shu)(shu)據面前，各國AI基(ji)礎科研團隊正在攻堅。

對此，田豐則認(ren)為，業界(jie)(jie)都(dou)憧憬做(zuo)成“世界(jie)(jie)模擬器(qi)”，但目(mu)前生成的視(shi)(shi)(shi)頻數據與(yu)真實世界(jie)(jie)仍有較大距離(li)。Sora所(suo)生成的最(zui)好的視(shi)(shi)(shi)頻內容是“我的世界(jie)(jie)”游戲視(shi)(shi)(shi)頻，幾乎(hu)與(yu)玩家實際體驗無異(yi)。這得益(yi)于OpenAI對“我的世界(jie)(jie)”游戲公司與(yu)游戲引擎的收購。

游戲引擎為了讓玩(wan)家(jia)感覺更真實(shi)，無(wu)論是(shi)光照、紋理還是(shi)人和物體之間的交(jiao)互，都(dou)比(bi)較(jiao)接(jie)近現實(shi)世(shi)界(jie)。所以(yi)Sora用這樣的訓練數據(ju)來生成，使得大(da)模(mo)型能夠從中學習并理解(jie)游戲中的復雜因(yin)果關系，進而生成逼真的內容。更為重要(yao)的是(shi)，游戲世(shi)界(jie)會一(yi)直產生大(da)量(liang)較(jiao)低(di)成本的世(shi)界(jie)仿真數據(ju)，比(bi)從現實(shi)中收集要(yao)快很多(duo)。

“但它（指Sora為(wei)代表的大模(mo)(mo)型）是(shi)不是(shi)真正理解(jie)現實(shi)世界、物理世界的所(suo)有(you)(you)因果規律？其(qi)實(shi)，人類目前仍沒有(you)(you)完全理解(jie)和掌(zhang)握。”田豐繼續說道，從這個角度而言，合成數據很重要(yao)的一點(dian)是(shi)，我們(men)應像對(dui)抗神(shen)經(jing)網絡的邏輯一樣，必須有(you)(you)另一個模(mo)(mo)型驗證(zheng)合成數據與事實(shi)的接近程度。

將視線聚焦于當前(qian)的(de)(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)競爭態勢，田豐表(biao)示，中國(guo)擁(yong)有(you)14億人口，每天(tian)都在產生海量(liang)的(de)(de)(de)(de)數(shu)(shu)(shu)據(ju)(ju)，這就意(yi)味(wei)著巨(ju)大的(de)(de)(de)(de)潛力(li)，我們有(you)能力(li)以更低的(de)(de)(de)(de)成本來采(cai)集(ji)這些數(shu)(shu)(shu)據(ju)(ju)。此(ci)外，中國(guo)還(huan)(huan)擁(yong)有(you)106億的(de)(de)(de)(de)物聯網終端，其中尚(shang)未(wei)采(cai)集(ji)到的(de)(de)(de)(de)各類數(shu)(shu)(shu)據(ju)(ju)——如工(gong)業傳(chuan)感(gan)信號(hao)等，都是極具價值的(de)(de)(de)(de)資源。若能成功采(cai)集(ji)到這些數(shu)(shu)(shu)據(ju)(ju)，將成為訓練(lian)垂類大模(mo)型(xing)的(de)(de)(de)(de)優質素材，也(ye)能幫助大模(mo)型(xing)更深入地理解產業場(chang)景中事物之間的(de)(de)(de)(de)因果關(guan)系。此(ci)外，在合成數(shu)(shu)(shu)據(ju)(ju)方面，大家(jia)也(ye)均處于起步階段，還(huan)(huan)在互相競爭。

田豐(feng)認為，人工智(zhi)能(neng)是(shi)當今社會(hui)數(shu)(shu)(shu)據資源最大的(de)需求方，若能(neng)在(zai)數(shu)(shu)(shu)據領(ling)域構(gou)建出完善(shan)的(de)體制(zhi)機(ji)制(zhi)，使數(shu)(shu)(shu)據成為市場化(hua)流通的(de)關鍵(jian)要(yao)素，那(nei)么便能(neng)在(zai)數(shu)(shu)(shu)據層面持續推動(dong)尺(chi)度定律，加速大模型的(de)進(jin)步。

圖片(pian)來(lai)源：每日經(jing)濟新聞 靳水平 攝

如何實現AGI？兩條路徑并行

如何(he)實現AGI？田豐提出(chu)(chu)兩(liang)個(ge)方向(xiang)(xiang)。從生成智(zhi)(zhi)能的(de)角度(du)來看(kan)，生成式(shi)人工(gong)(gong)智(zhi)(zhi)能正(zheng)在逐步轉向(xiang)(xiang)更具(ju)創意性的(de)工(gong)(gong)作(zuo)，這(zhe)需要(yao)更多大(da)(da)模型(xing)的(de)“幻(huan)(huan)覺”想(xiang)象力。在這(zhe)條(tiao)路(lu)徑上，“幻(huan)(huan)覺”并不是壞(huai)事，創作(zuo)科(ke)幻(huan)(huan)小說、科(ke)幻(huan)(huan)電影就體現出(chu)(chu)了(le)這(zhe)一點——想(xiang)象力在其中扮演(yan)著至關重要(yao)的(de)角色。愛因斯坦也曾經提出(chu)(chu)“想(xiang)象力比知識更為重要(yao)”。另一個(ge)方向(xiang)(xiang)則更加(jia)側重于(yu)(yu)科(ke)學和工(gong)(gong)業(ye)(ye)產(chan)業(ye)(ye)具(ju)體問(wen)題的(de)解決，這(zhe)就需要(yao)致力于(yu)(yu)減少幻(huan)(huan)覺，持續(xu)提高準確度(du)和可靠(kao)性，一旦能夠達到人類(lei)科(ke)學家、工(gong)(gong)程師的(de)平(ping)均水平(ping)，突破“工(gong)(gong)業(ye)(ye)紅線(xian)”，大(da)(da)模型(xing)就能全面(mian)普及到各(ge)個(ge)行(xing)業(ye)(ye)產(chan)業(ye)(ye)和科(ke)研領域。

在田豐(feng)看來，大模型實則是(shi)公(gong)共基礎設施(shi)(shi)的(de)一部分，是(shi)智(zhi)能基礎設施(shi)(shi)，而基礎設施(shi)(shi)的(de)特點就是(shi)重資產型、重資本(ben)型。

在現有(you)情況(kuang)下，大(da)模(mo)型(xing)(xing)研發與應(ying)用是一個(ge)長期(qi)投資。一方面，基礎(chu)模(mo)型(xing)(xing)不(bu)能跟進到GPT4，就自(zi)認為(wei)“領(ling)先全球”，另一方面，在國產基礎(chu)模(mo)型(xing)(xing)與國際縮小差距的同時(shi)，也(ye)要積極探索新(xin)的發展(zhan)方向(xiang)。“開(kai)拓者(zhe)創(chuang)造方向(xiang)，跟隨者(zhe)選擇方向(xiang)，領(ling)先者(zhe)并不(bu)代表永遠的成功，而可能被具有(you)強大(da)創(chuang)新(xin)能力(li)的跟隨者(zhe)趕超。”從這(zhe)一角度(du)看(kan)，長周期(qi)持續的人工智能基礎(chu)科研、基礎(chu)建設資本投入至(zhi)關重(zhong)要，這(zhe)也(ye)是充分發揮制度(du)創(chuang)新(xin)的機遇。

盡(jin)管(guan)資(zi)本通常會關(guan)注(zhu)盈利問題(ti)，但也不是(shi)絕對，田(tian)豐用他在云計算產(chan)業的經驗舉(ju)了個例子。2012年前后，云計算公(gong)司主(zhu)要的用戶(hu)群體是(shi)網站站主(zhu)，且許多(duo)是(shi)個人網站站主(zhu)，資(zi)金相對匱乏。新(xin)一代基礎設(she)施的早期，是(shi)投資(zi)與“裝置(zhi)”期，表(biao)象上(shang)就是(shi)盈利難。

然而(er)，根據世(shi)界銀行《為(wei)發展提供基(ji)礎設(she)(she)(she)(she)施》報告分析，基(ji)礎設(she)(she)(she)(she)施投(tou)資、“裝(zhuang)置”期(qi)(qi)通(tong)(tong)常(chang)需要(yao)10年甚(shen)至15年，而(er)基(ji)礎設(she)(she)(she)(she)施投(tou)資建設(she)(she)(she)(she)往(wang)往(wang)伴(ban)隨著經(jing)(jing)濟周期(qi)(qi)的(de)(de)(de)上升階(jie)段，當(dang)基(ji)礎設(she)(she)(she)(she)施建設(she)(she)(she)(she)成熟，則(ze)會(hui)(hui)持續產生廣(guang)泛普惠(hui)的(de)(de)(de)社會(hui)(hui)全產業(ye)價值。例如當(dang)前(qian)，云計算已經(jing)(jing)逐漸成為(wei)企(qi)業(ye)和(he)(he)科(ke)研通(tong)(tong)用(yong)型技術，廣(guang)泛應用(yong)于(yu)(yu)金融、能源、交通(tong)(tong)等(deng)多(duo)個領域(yu)。因此，人工智(zhi)能基(ji)礎設(she)(she)(she)(she)施的(de)(de)(de)建設(she)(she)(she)(she)在前(qian)期(qi)(qi)更多(duo)地依賴于(yu)(yu)國家大基(ji)金和(he)(he)大型企(qi)業(ye)的(de)(de)(de)投(tou)資，類似于(yu)(yu)高速公路(lu)、5G通(tong)(tong)信網絡(luo)的(de)(de)(de)建設(she)(she)(she)(she)。這(zhe)種資本增密(mi)的(de)(de)(de)投(tou)資模式對于(yu)(yu)推動新質生產力技術的(de)(de)(de)發展和(he)(he)新一波經(jing)(jing)濟繁(fan)榮至關重(zhong)要(yao)。

因此，目(mu)前(qian)我們仍(reng)處于基礎(chu)設(she)施(shi)建設(she)階段，為了將來能建成“萬(wan)里長城”，先要把地(di)基打好。在(zai)基礎(chu)設(she)施(shi)的“裝置”期，需(xu)要在(zai)超(chao)大規模(mo)(mo)AI算力(li)中心(xin)、統一數據(ju)市場平臺上追加投入，充分挖(wa)掘并利用我國的數據(ju)資源、大市場規模(mo)(mo)和科技人才儲(chu)備。

圖片來源：視覺中國

如何促進應用繁榮？算力普惠是關鍵

在重資(zi)產、重資(zi)本型的(de)背景下，對于(yu)未來(lai)“百模(mo)大戰”的(de)終局(ju)，田豐用操作系統的(de)競爭來(lai)舉例：

“當時多家廠商的很多人覺得（操(cao)作(zuo)(zuo)系統）就(jiu)是‘大B’的事情，即大模型(xing)從(cong)頭部(bu)大企業端賺錢。以1981年個人電腦操(cao)作(zuo)(zuo)系統的‘春秋戰(zhan)國(guo)時期’為例，UCSD Pascal P-System（一(yi)種(zhong)操(cao)作(zuo)(zuo)系統）單機(ji)授權(quan)費(fei)高達450美(mei)(mei)元，CP/M-86（同為一(yi)種(zhong)操(cao)作(zuo)(zuo)系統）授權(quan)費(fei)是175美(mei)(mei)元，而(er)微軟MS-DOS僅向買PC的消費(fei)者收60美(mei)(mei)金，而(er)IBM可免費(fei)使用微軟開發的操(cao)作(zuo)(zuo)系統，但不能獨占(zhan)使用權(quan)。

“微(wei)軟選擇的(de)(de)(de)(de)差異(yi)化戰(zhan)略是什(shen)么(me)？比爾·蓋茨(ci)在《未來之路》一書里寫(xie)下(xia)：‘我們的(de)(de)(de)(de)目標不是要直(zhi)接(jie)從IBM（大企業(ye)）那里賺錢，而是把軟件(jian)平臺的(de)(de)(de)(de)特許使用權(quan)出售給個人計算機(ji)工業(ye)（所(suo)有硬件(jian)）的(de)(de)(de)(de)生意。’比爾蓋茨(ci)的(de)(de)(de)(de)目標，是計算機(ji)的(de)(de)(de)(de)使用接(jie)近免(mian)費時，自己的(de)(de)(de)(de)操(cao)作系統將占(zhan)有最大市場份額。

“雖然大(da)模(mo)型目前還處(chu)于企業級(ji)應用市(shi)場，但伴隨AI芯片算(suan)力價(jia)格(ge)的持(chi)續下降、大(da)模(mo)型個人(ren)終端涌(yong)現(xian)，將會(hui)呈現(xian)大(da)模(mo)型操作系統的‘馬(ma)太效應’，頭部廠(chang)商(shang)占有最(zui)大(da)市(shi)場規模(mo)。”

田豐認為，目前大(da)(da)模(mo)(mo)型(xing)(xing)的(de)方(fang)向并非是向大(da)(da)型(xing)(xing)企(qi)業收取高額(e)費用(yong)，而(er)(er)是應當通過低價、易開(kai)發(fa)(fa)、快(kuai)迭(die)代、硬(ying)(ying)件兼容(rong)等競(jing)爭策略致力于最大(da)(da)限度搶占市場份額(e)，并積極(ji)吸引(yin)各類AI新型(xing)(xing)硬(ying)(ying)件的(de)支持。只(zhi)要有越來越多(duo)的(de)、不同(tong)類型(xing)(xing)的(de)硬(ying)(ying)件終端支持同(tong)一(yi)款大(da)(da)模(mo)(mo)型(xing)(xing)，它(ta)就能像操(cao)(cao)作(zuo)(zuo)系(xi)統一(yi)樣受到AI應用(yong)開(kai)發(fa)(fa)者的(de)歡(huan)迎。而(er)(er)終端硬(ying)(ying)件選(xuan)擇(ze)大(da)(da)模(mo)(mo)型(xing)(xing)，則源于消費者用(yong)戶(hu)群(qun)體的(de)驅動(dong)，而(er)(er)用(yong)戶(hu)之所以選(xuan)擇(ze)某(mou)一(yi)款“操(cao)(cao)作(zuo)(zuo)系(xi)統”，是因(yin)為其上(shang)集(ji)成(cheng)了眾多(duo)由小微或個(ge)人開(kai)發(fa)(fa)者開(kai)發(fa)(fa)的(de)長尾大(da)(da)模(mo)(mo)型(xing)(xing)應用(yong)。這是Windows和iOS等頭部操(cao)(cao)作(zuo)(zuo)系(xi)統得以成(cheng)功的(de)原因(yin)，也(ye)是大(da)(da)模(mo)(mo)型(xing)(xing)突破紅海的(de)一(yi)條已驗證的(de)戰(zhan)略路徑。

目前，應用所面(mian)臨的主要挑(tiao)戰體現在兩(liang)大方(fang)面(mian)。

首先(xian)是(shi)算力(li)成(cheng)本問題。若算力(li)成(cheng)本持續高價，長(chang)期來看，必(bi)然會抑制大模(mo)型(xing)應用(yong)(yong)(yong)創(chuang)新(xin)的(de)蓬勃發(fa)展，就像互聯網APP早期不(bu)是(shi)靠用(yong)(yong)(yong)戶(hu)每月交納30美元(yuan)會員費(fei)，而是(shi)以近乎免費(fei)的(de)使用(yong)(yong)(yong)權(quan)拉動新(xin)用(yong)(yong)(yong)戶(hu)“嘗鮮”。

因(yin)此(ci)，AI芯(xin)片(pian)行業(ye)(ye)勢必不(bu)斷降低成本(ben)，并(bing)通(tong)過智算(suan)中(zhong)心架(jia)構創新推動(dong)AI云(yun)算(suan)力的(de)(de)普(pu)及化(hua)、全民化(hua)。若GPU領域不(bu)進(jin)(jin)行快速(su)改革，業(ye)(ye)界勢必出現新一代的(de)(de)芯(xin)片(pian)產品、計算(suan)力架(jia)構，以降低成本(ben)并(bing)促進(jin)(jin)AI應用的(de)(de)廣泛發展(zhan)。

另一(yi)方面，大(da)模(mo)型的(de)持續(xu)升級也(ye)會給應(ying)用(yong)帶來挑戰和機遇。由于大(da)模(mo)型每月、每季度(du)都(dou)在更新升級，應(ying)用(yong)在其原有基礎上的(de)改進(jin)可能很快(kuai)被新版本大(da)模(mo)型所(suo)替代(dai)和覆蓋，即大(da)模(mo)型操作(zuo)系統和應(ying)用(yong)的(de)“邊界”尚未確定，大(da)模(mo)型不(bu)斷嘗試做應(ying)用(yong)的(de)功能，應(ying)用(yong)則補(bu)上當(dang)前版本大(da)模(mo)型的(de)“短板”，降低消(xiao)費者使(shi)用(yong)門(men)檻。

因此，應(ying)用(yong)開發商(shang)加深行業應(ying)用(yong)“護城河”的(de)同時，可(ke)尋求與大(da)(da)模(mo)型的(de)解耦，或提供跨多個大(da)(da)模(mo)型的(de)統(tong)一服(fu)務(wu)入口、一站(zhan)式用(yong)戶開發環境(jing)，并(bing)尋找(zhao)產業中最(zui)具盈利潛力的(de)商(shang)業路徑。

這樣一來，即便大模型升級，應用(yong)也(ye)能迅速跟上或匹配更優競(jing)爭(zheng)力的(de)其他模型，保持應用(yong)層對私域(yu)用(yong)戶的(de)競(jing)爭(zheng)力。但長遠來看，應用(yong)開發者依(yi)舊會(hui)逐漸趨向使用(yong)更為穩定、功能強大的(de)頭部大模型底座。

圍繞算力(li)問題，田豐(feng)表示，目前，我們正處于人工(gong)智能(neng)時代的(de)算力(li)初(chu)期(qi)階段，算力(li)成本仍然(ran)較(jiao)高(gao)，只(zhi)有(you)大(da)型(xing)企(qi)業能(neng)夠負擔。然(ran)而，隨著國(guo)產AI芯片、國(guo)產超(chao)大(da)規模(mo)AI智算中(zhong)心(xin)技(ji)術(shu)的(de)不斷進步，算力(li)成本就會逐漸降低(di)，每個人也能(neng)接(jie)近以免費的(de)方式享用新一代人工(gong)智能(neng)的(de)科技(ji)紅(hong)利。龐(pang)大(da)市(shi)場的(de)吸引(yin)力(li)，將倒逼AI模(mo)型(xing)架(jia)(jia)構(gou)和(he)AI算力(li)集(ji)群架(jia)(jia)構(gou)的(de)深刻(ke)變化。

因(yin)此，田豐認為，當(dang)前正處于AI計算大變革的(de)(de)前夜。他(ta)表示(shi)，當(dang)AI算力(li)成(cheng)本(ben)降至(zhi)拐點(dian)時，社(she)會需求量與用(yong)戶規模將(jiang)會迅速飆(biao)升，助(zhu)推全民(min)AI創(chuang)業熱潮(chao)，普(pu)通(tong)用(yong)戶會發(fa)現算力(li)成(cheng)本(ben)已經逐步平攤到(dao)廣告成(cheng)本(ben)或交易成(cheng)本(ben)里。“科技(ji)發(fa)展史證明智(zhi)能產業普(pu)及期(qi)是這樣的(de)(de)，但(dan)怎么會發(fa)生？就要(yao)回(hui)到(dao)新一代(dai)人工(gong)智(zhi)能基礎研(yan)發(fa)的(de)(de)路(lu)徑(jing)上(shang)，要(yao)找到(dao)新的(de)(de)踏腳石，一步一步走過去。”