ChatGPT發(fā)布不過半年，以LLM大模型為基點(diǎn)的全球性AI再造競賽已進(jìn)入白熱化競爭狀態(tài)。據(jù)不完全統(tǒng)計(jì)，國內(nèi)類似ChatGPT的產(chǎn)品已經(jīng)有接近40個(gè)。ChatGPT依賴大模型、大數(shù)據(jù)、大算力支撐，其出現(xiàn)標(biāo)志著通用人工智能的起點(diǎn)和強(qiáng)人工智能的拐點(diǎn)，是里程碑式的技術(shù)進(jìn)步。
可以預(yù)見的是，大模型時(shí)代，AI開始像人一樣思考和工作，傳統(tǒng)的交互方式和內(nèi)容生成方式將被徹底顛覆，新的業(yè)態(tài)和商業(yè)模式將出現(xiàn)，相關(guān)產(chǎn)業(yè)也將被重構(gòu)。下面，筆者將基于大模型發(fā)展的現(xiàn)狀，給出相關(guān)行業(yè)洞察。
大小巨頭搶跑GPT,不止于算力
如今，各大廠商主要圍繞著算力和模型展開競賽，算力焦慮自大模型誕生之日起便與日俱增。但筆者認(rèn)為，“得算力者得天下”的論斷僅在大模型競爭的前期階段有效，這一階段的競爭核心是資質(zhì)篩選，以最快速度和絕對(duì)優(yōu)勢(shì)實(shí)現(xiàn)攻城略地是大廠商的生產(chǎn)策略。這也解釋了為何各家都有在按部就班地訓(xùn)練大模型，但卻只在ChatGPT出現(xiàn)后才真正出現(xiàn)瘋狂井噴之勢(shì)。
作為智能時(shí)代的基礎(chǔ)設(shè)施，大模型的算力就如同工業(yè)生產(chǎn)中的電力，并非所有企業(yè)都有能力建發(fā)電廠，因而勢(shì)必只能誕生少數(shù)大模型運(yùn)營商提供基礎(chǔ)底座支持。
那么，沒有先發(fā)優(yōu)勢(shì)和算力優(yōu)勢(shì)的小廠商再進(jìn)入強(qiáng)強(qiáng)競爭的生態(tài)中是不是就沒了活路？非也。
算力并不能成為持續(xù)的第一競爭力，GPU卡數(shù)量越多，也并不意味著大模型的表現(xiàn)就越優(yōu)秀、企業(yè)使用大模型的效果就越好。這也是為什么，GPT 降臨后，大模型廠商一邊拼命卷算力模型，一邊困惑著如何在同質(zhì)化嚴(yán)重的產(chǎn)品中走出自己的路。
目前，國內(nèi)的行業(yè)生態(tài)遵循著這一基本路線——用底座做通用大模型，在通用大模型的基礎(chǔ)上建行業(yè)垂類大模型，通過 B、C端聯(lián)動(dòng)的方式筑起自家的生態(tài)圍墻。
誠然，在這種基礎(chǔ)資源的絕對(duì)優(yōu)勢(shì)面前，小廠商很難突圍。但這一路線的弊端也顯而易見，很多時(shí)候大巨頭們忙著靠算力搶站位，無暇顧及落地。唯有產(chǎn)品模式真正能落地，才能持久地運(yùn)用好已有的算力優(yōu)勢(shì)。作為落地的關(guān)鍵環(huán)節(jié)，資源分配的先后順序、產(chǎn)品形態(tài)的想象能力，以及商業(yè)模式的設(shè)計(jì)，都是實(shí)現(xiàn)超車的重要因素。
因而即使是小廠商，也可以在已有的產(chǎn)業(yè)版圖上通過比拼專業(yè)度，兼顧技術(shù)、用戶與賽道，來發(fā)揮專業(yè)特長，規(guī)避資源調(diào)度的短板，開辟競爭新路徑。
可以說，在大模型競賽度過以算力為第一驅(qū)動(dòng)力的“跑馬圈地”階段后，大模型的真正鋪開，帶來各行各業(yè)的重構(gòu)式革新，一定是在算力、框架、模型、應(yīng)用所構(gòu)筑的四維架構(gòu)下驅(qū)動(dòng)的。如果現(xiàn)有的巨頭廠商無法協(xié)調(diào)好這四維的發(fā)展層次，就會(huì)逐漸失去競爭力與規(guī)模優(yōu)勢(shì)，最終消失在 GPT 時(shí)代的市場版圖中。
AI之于企業(yè)，需要更多想象空間
AI所能做到的，不止是替代人力擁有更強(qiáng)大的大腦，那么如何最大發(fā)揮其效能，關(guān)鍵還是在于運(yùn)用方式。
將AI當(dāng)作一種功能拓展，它會(huì)是產(chǎn)品升級(jí)的有力亮點(diǎn)。
目前，亞馬遜正在準(zhǔn)備將生成式 AI 和大型語言模型通過其 Alexa Teacher 模型引入到語音助手中，來提升用戶交流體驗(yàn)和智能家居使用的效率。無獨(dú)有偶，阿里也瞄準(zhǔn)了智能家居作為AI應(yīng)用場景嵌接的首要端口。在不同型號(hào)的天貓精靈音箱設(shè)備和幾千種終端型號(hào)中，都將接入 AliGenie 6.0 智能交互系統(tǒng)。阿里巴巴集團(tuán) CEO張勇也曾表示，阿里巴巴所有產(chǎn)品未來都將接入“通義千問”大模型，進(jìn)行全面改造。面向 AI 時(shí)代，所有產(chǎn)品都值得用大模型重新升級(jí)。
將AI看成高階勞動(dòng)力，它能創(chuàng)造出更多。
在過去，AI在產(chǎn)品質(zhì)量檢驗(yàn)、設(shè)備預(yù)警管控中發(fā)揮著特定的作用。未來，隨著生成式AI不斷深入制造企業(yè)的生產(chǎn)流程，AI將在設(shè)計(jì)仿真和管理協(xié)作方面發(fā)揮更出色的性能，而這兩點(diǎn)也是AI在大模型賦能下所實(shí)現(xiàn)的高階技能突破。
參與到產(chǎn)品研發(fā)中的生成式AI將以廣袤的智能儲(chǔ)備帶來顯著的效率提升。Monolith AI公司在2023年工博會(huì)上帶來其機(jī)械工程仿真解決方案，基于該方案，創(chuàng)建者依靠實(shí)時(shí)數(shù)據(jù)每次進(jìn)行仿真都會(huì)開發(fā)一個(gè)模型，省去許多測試程序，該公司的目標(biāo)是到2026年將十萬名工程師的產(chǎn)品開發(fā)時(shí)間縮短50％。
而參與到供應(yīng)鏈管理中的生成式AI既能與人無障礙溝通，又能串聯(lián)起機(jī)器的語言從而實(shí)現(xiàn)更高維的協(xié)作。一方面，實(shí)時(shí)數(shù)據(jù)追蹤和數(shù)據(jù)分析以及可視化表達(dá)讓管理者能實(shí)時(shí)了解生產(chǎn)動(dòng)態(tài)，便于管理調(diào)度。另一方面，人也可以通過簡易的語言指令來指揮機(jī)器的運(yùn)作，實(shí)現(xiàn)人—物—物的鏈接，最終實(shí)現(xiàn)全自動(dòng)化的制造生態(tài)。
目前，大模型訓(xùn)練的數(shù)據(jù)來源主要是互聯(lián)網(wǎng)數(shù)據(jù)，以文本和圖表為主，且通用大模型并不適配于工業(yè)場景的需求，因而許多投資者并不看好AI在制造生產(chǎn)領(lǐng)域的前景，但隨著未來商業(yè)模式的明晰下定制化模型的拓展，以及私有云部署的安全優(yōu)化，生成式AI必將在生產(chǎn)制造業(yè)鋪開更廣闊的應(yīng)用空間。屆時(shí)，基于客觀物理實(shí)體產(chǎn)生的物聯(lián)網(wǎng)數(shù)據(jù)將成為生成式AI模型訓(xùn)練的主要數(shù)據(jù)來源，AI的可控力和模型的精確性將大大提升，為物聯(lián)工業(yè)拓展出更多可能性。
軟件價(jià)值重定義，更廣闊的服務(wù)市場
由大模型所開啟的 AI 經(jīng)濟(jì)的序幕，意味著一般意義上的 AI 模型即將被大多數(shù)消費(fèi)者、軟件廠商所接受。
未來，在大模型市場的競爭中，絕大多數(shù)企業(yè)都會(huì)被淘汰，形成少數(shù)幾家頭部大模型廠商，后面跟著龐大長尾的大模型團(tuán)隊(duì)來服務(wù)各個(gè)行業(yè)客戶的格局。而這長尾便是 AI 經(jīng)濟(jì)的源頭活水。
大模型雖與傳統(tǒng)人工編寫的軟件采用了完全不同的生產(chǎn)方式，但并未出離軟件的本質(zhì)，可以通過在用戶使用的過程中不斷進(jìn)行重新訓(xùn)練、微調(diào)來滿足用戶的具體需求，這便導(dǎo)致大模型訓(xùn)練需求的源源不斷。
也正如前 Google AI 算力平臺(tái)工程師趙亞雄所言：“如同中國跳過 PC 互聯(lián)網(wǎng)的成熟而直接進(jìn)入移動(dòng)互聯(lián)網(wǎng)，中國的軟件服務(wù)業(yè)也會(huì)跳過 SaaS 進(jìn)入 AIaaS 階段，這意味著絕大部分軟件應(yīng)用都會(huì)用AI 模型來支持其功能，也意味著更廣泛的 AI 算力需求，這是極為廣闊的市場空間。”
大模型的出現(xiàn)意味著以 AI 為主體的軟件服務(wù)會(huì)給中國軟件產(chǎn)業(yè)帶來跳躍式發(fā)展，拓展出更大的價(jià)值空間，國內(nèi)傳統(tǒng)的對(duì)于硬件設(shè)備優(yōu)先于軟件的價(jià)值次序或?qū)⒂瓉碇貥?gòu)?；诖?，以大模型訓(xùn)練為開端，逐步擴(kuò)大和深入發(fā)展的國內(nèi)AI經(jīng)濟(jì)，將會(huì)是一個(gè)多元多維發(fā)散，潛力十足的市場。
