6月8日-9日，36氪WAVES新浪潮2023大會在北京金海湖國際會展中心順利舉辦?！竁AVES」作為36氪全新推出的峰會IP，靈感來自于世界電影史上知名的“法國新浪潮電影運動”。我們想借此表達(dá)：年輕一代人不滿足于現(xiàn)狀、勇敢開拓和創(chuàng)造的精神。所以本次WAVES大會的slogan是：浪潮偏愛年輕人。

我們認(rèn)為，“年輕”不止是一個年齡上的概念，而更是一種對活力、想象力的描述。某種程度上，36氪就是一個伴隨著年輕一代創(chuàng)業(yè)者、或者說“創(chuàng)新精神”一起成長起來的公司。這也是我們一直引以為傲的一點：在多數(shù)媒體還在追逐大公司的時代，我們就將目光著眼那些名不見經(jīng)傳的小公司、或“小人物”身上。

(資料圖片僅供參考)

WAVES新浪潮2023大會集聚創(chuàng)投、科技、人文、音樂多元場景，致力于打造出一場聚焦青年創(chuàng)始人和投資人的商業(yè)新勢力派對。

8日上午，針對新一輪的AI新浪潮所產(chǎn)生的影響，真格基金管理合伙人戴雨森、IDEA研究院講席科學(xué)家張家興、昆侖萬維 CEO方漢、中國人民大學(xué)高瓴人工智能學(xué)院教授盧志武、瀾舟科技合伙人、首席產(chǎn)品官李京梅與暗涌主筆于麗麗一起參與了主題為“被仰望的與被遺忘的”圓桌討論，以下為對話內(nèi)容，經(jīng)36氪編輯整理：

峰會現(xiàn)場

1.

36氪：我們這個環(huán)節(jié)的主題叫“被仰望的的與被遺忘的”，聽上去有一些抽象，其實想討論的是這一波AI新浪潮所超產(chǎn)生的影響，而所有的新浪潮都會有過度被推崇的部分和疏漏的部分。首先請各位老師介紹下自己，以及所在平臺正在做的大模型相關(guān)的一些情況。

戴雨森：真格基金是中國領(lǐng)先的天使投資基金，其實在過去十幾年我們投資了很多AI相關(guān)的項目，在大模型浪潮開始之后，我們發(fā)現(xiàn)，很多過去投資過的項目，已經(jīng)成為了大模型浪潮中的中間力量。

比如說我們之前投了好幾家領(lǐng)先的AI芯片公司，像瀚博、沐曦、燧原等。大模型本身的話，我們新投了王慧文的光年之外，楊植麟的月之暗面這兩家做大模型的公司，以及我們在十幾年前就投了出門問問，他們也在自建大模型，叫做序列猴子。在AI領(lǐng)域需要的中間件，例如我們投資了潞晨科技，他們的開源框架在模型訓(xùn)練和推理加速里也是很受關(guān)注的。此外我們在應(yīng)用端也有一些相關(guān)的投資布局。

整體來講，在這一波AI新浪潮出現(xiàn)的時候，對于真格來說已經(jīng)不是一個新的浪潮，并且我們也感覺到很多新的機(jī)會正在重新屬于年輕人，所以我們還是比較激動的，從基金的角度和我個人的角度也花了很多的精力去關(guān)注和學(xué)習(xí)。

張家興：我是來自IDEA研究院的張家興，IDEA認(rèn)知計算與自然語言研究中心，大概兩年前成立，從成立就一直在做大模型，然后我們作為一個整個大模型的系列叫做風(fēng)神榜大模型系列，我們已經(jīng)開源100多個模型，從數(shù)量來說中國第一大的整個預(yù)系列模型體系，在ChatGTP出來之前做過各個機(jī)構(gòu)和垂直能力方面比較有影響力的一些工作，然后在這一次ChatGTP出來之后反正也是給大家一個很大的啟發(fā)，然后證明了通用模型才是未來真正的發(fā)展方向，我們也是轉(zhuǎn)向?qū)ｉT做通用的大模型。

幾個星期前，我們也是剛剛開源我們風(fēng)神榜的下面一個新的子系列叫姜子牙系列，我們姜子牙預(yù)系列大模型也是在中文上非常好的表現(xiàn)，我們也是開源出來，希望更多的人能夠用我們的模型做出一些好的工作出來。

方漢：我是昆侖萬維的CEO方漢，昆侖萬維是A股上市公司,主要的業(yè)務(wù)在海外，目前我們78%的營收來自于海外，在全球70多個國家和地區(qū)有業(yè)務(wù)，全球的月活用戶4億左右，在海外我們做的業(yè)務(wù)主要是內(nèi)容與社交相關(guān)方向。在2020年6月GPT3出現(xiàn)之后，對我們觸動比較大，我們當(dāng)時判斷這是內(nèi)容生成領(lǐng)域的里程碑，所以我們從2020年8月就啟動大模型的研發(fā)，2021年我們就發(fā)布了一個131億參數(shù)中文預(yù)訓(xùn)練大模型，同年我們啟動了音樂生成的研究工作，今年4月份我們也發(fā)布了一個千億級別的中文預(yù)訓(xùn)練大模型“天工”。

盧志武：大家好！我是來自人民大學(xué)的盧志武。我們團(tuán)隊其實從2020年就開始做大模型了，當(dāng)時做的第一個多模態(tài)大模型叫文瀾，在過去兩年有一些影響力。我們一直是做多模態(tài)，我們現(xiàn)在的模型是ChatImg2.0版本。大家可以關(guān)注一下公眾號，可以試用一下，我自己覺得還可以。然后，我們學(xué)院昨天也發(fā)布了一個語言大模型叫玉蘭，是開源的，大家都可以試用看看效果怎么樣。

李京梅：我來自瀾舟科技，是一家兩年的創(chuàng)業(yè)公司。我們是2021年開始在李開復(fù)老師的創(chuàng)新工場孵化，今年已經(jīng)兩年了，我們的創(chuàng)始人周明老師之前是微軟亞洲研究院的副院長，也是NLP領(lǐng)域的專家。

我們公司的定位是一家認(rèn)知智能公司，在創(chuàng)業(yè)之初就開始做預(yù)訓(xùn)練模型，我們這個技術(shù)的名字叫孟子，比較中國化，也致敬了中國的傳統(tǒng)文化，所以我們比較關(guān)注中國市場中文這個領(lǐng)域大模型。

如今孟子已經(jīng)是我們的一個大模型的系列，只是在ChatGPT出來之前我們走的是輕量化的一個技術(shù)路線，今年有了ChatGPT的破圈，所以我們在技術(shù)上也做了一定的轉(zhuǎn)型。今年 3月份我們對外推出了自己的孟子生成式大模型（孟子GPT），5月份開始面向友好伙伴跟客戶做了邀請的測試，反響還不錯。

我們現(xiàn)在對外發(fā)布推出的是一個百億參數(shù)量的孟子GPT大模型，之后我們會繼續(xù)訓(xùn)練一些幾百億參數(shù)量的一個模型，所以瀾舟在孟子大模型賽道選型是基于通用模型底座，聚焦垂直領(lǐng)域和專業(yè)賽道。目前孟子大模型已經(jīng)落地金融、營銷、文化娛樂、還有機(jī)器翻譯這個領(lǐng)域，所以接下來我們也會持續(xù)基于我們自己的通用底座在行業(yè)這個大模型的賽道持續(xù)做商業(yè)化落地。在開源方面，從2021年開始，孟子一系列模型陸續(xù)入駐GitHub和Hugging?face開源社區(qū)，同時，在阿里魔搭社區(qū)也開源了差不多20個左右的模型，接下來我們希望跟社區(qū)可以多做一些互動，收集反饋，我們也會持續(xù)做一些大模型的開源，這個是我們孟子大模型現(xiàn)在的一些進(jìn)展。

2.

36氪：剛才雨森也提到過，這一波浪潮對普通人和行業(yè)人士來說，感知上有明顯的時間差，所以第一個問題是，你們個人最早被大模型沖擊到大概是怎樣的一種場景和時刻？以及在這一波的浪潮中你們覺得可能真正的里程碑事件是什么？

戴雨森：AI在創(chuàng)投界近十幾年都是一個比較熱的話題，只是隨著一波一波新技術(shù)的興衰不斷進(jìn)入冬天和春天。但是這一次由ChatGPT引發(fā)的大模型熱潮其實有一個最不一樣的特點，那就是它真正進(jìn)入了主流用戶的日常使用。最近有一個統(tǒng)計，ChatGPT的月活可能已經(jīng)過了十億。尤其在海外，我們會發(fā)現(xiàn)，大量的辦公室工作者、學(xué)生、設(shè)計師等普通人都在大量使用ChatGPT或者M(jìn)idjourney這樣的產(chǎn)品，說明這一次生成式AI技術(shù)真正已經(jīng)到了跨越鴻溝進(jìn)入市場主流的階段。

與此同時，作為一個產(chǎn)品，我覺得ChatGPT是橫空出世的。因為我們之前也用過大量對話智能助手這樣的產(chǎn)品，基本還處在人工智障的階段。但是ChatGPT已經(jīng)具備了非常寬泛、非常通用的能力，這是之前任何產(chǎn)品都沒有過的。

對我自己來講使用這些產(chǎn)品的過程中有很多震撼時刻，比如說第一次用Midjourney訓(xùn)練出非常逼真的照片級的圖片的時候，又比如最近我有一個特別有趣的案例就是，claude?100K的模型發(fā)布后，我把張一鳴從12到16年的微博全部都丟進(jìn)去，我首先問這個作者是誰？它說不知道。但是我又問，你從已有的內(nèi)容，推理這個人創(chuàng)辦的公司2023年可能是什么樣? 它說第一這個公司應(yīng)該已經(jīng)是一家規(guī)模很大的互聯(lián)網(wǎng)公司、第二可能在重點開拓海外業(yè)務(wù)，并且這個人可能23年已經(jīng)脫離一線管理了。我非常震驚，問：這你怎么知道的？Claude說從微博看出來，他對于復(fù)雜的管理并不是很感興趣，而且經(jīng)歷過創(chuàng)業(yè)十幾年可能已經(jīng)心生退意。雖然原因不是那么準(zhǔn)確，但是對結(jié)果的預(yù)計是非常非常有意思的。包括當(dāng)時看微軟的那篇文章Sparks?of?AGI也是發(fā)現(xiàn)，之前像Lecun這樣的大佬以及很多專家都覺得大語言模型只是一個概率游戲，只是文本預(yù)測模型，不具備對世界的理解能力，但是你發(fā)現(xiàn)GPT4確實具備很多對世界理解的證據(jù)，例如把獨角獸的角取下來，大模型說應(yīng)該裝上去，這里缺一個角。這些能力在我們過去看到的AI的產(chǎn)品或者技術(shù)里面還是比較罕見1的，所以我們現(xiàn)在對未來的可能充滿了興奮。

張家興：說起ChatGTP這個出來之后對我們的震撼，應(yīng)該說對我的震撼是非常大的，因為我個人來說我從12年開始做深度學(xué)習(xí)，最近應(yīng)該說七八年一直在做自然語言這個方向，我們已經(jīng)算是讓這個領(lǐng)域有了很大的突破，但是終究有一些問題沒有解決的那么好，非常精準(zhǔn)的自然語言理解，完全受控的文本生成，用自然語言推理，其實在ChatGTP出來之前我過往的工作，尤其加入IDEA研究院很多工作都是這一方面，其實是有一些突破，過去一年是有一些突破，但是嚴(yán)格來說還都是非常漸進(jìn)式的一點一點上升，ChatGTP出來之后因為我覺得這就是GPT3又某一種升級，但是后來試了之后可以用一個詞來形容就是非常震撼。說實在至少中文領(lǐng)域英文也是差不多信息抽取最強的模型了，結(jié)果在ChatGPT出來之前人家沒有專門做這一件事情，依然效果強多少，所以讓我們意識到可能之前這個技術(shù)真的發(fā)生變化，以前我們曾經(jīng)的為每一個任務(wù)去設(shè)計模型結(jié)構(gòu)，為每一個任務(wù)專門的去訓(xùn)練的這個時代過去了，我們終于從技術(shù)角度來說，通用這一件事情，終于成為一種可能，我們就做一個像ChatGPT這樣的模型，把所有的任務(wù)都放進(jìn)去之后，那既然每一個任務(wù)都比以前做的要好，而且這個提升是一個質(zhì)的提升。

盧志武：有兩個事情。一個是2021年，DALL-E剛出來的時候，做的文生圖效果確實讓人很驚艷，那個時候我覺得整個學(xué)術(shù)圈還是挺震驚的。另外一個就是大模型，今年GPT-4，雖然ChatGPT也很驚艷，但是GPT4還是給我?guī)砀蟮恼痼@，主要是什么？很多人用GPT-4評測以后，可能做了很嚴(yán)格的評測，認(rèn)為它具有早期的AGI能力，這個確實對我們沖擊特別大，因為所有做AI的人都是夢寐以求要實現(xiàn)AGI，現(xiàn)在有一個模型已經(jīng)開始具備AGI特質(zhì)了，肯定給我們帶來很多憧憬，當(dāng)然帶來很多挑戰(zhàn)?？傊?，這兩個事情對我影響是最大的。

李京梅：說起震撼，我也有一些體會。近十幾年我主要都是在做產(chǎn)品。早期做過研發(fā)，純軟件工程。剛才家興講的今天大模型的可解釋性越來越黑客化，早期我做軟件工程師的時候，還是覺得軟件工程能夠做到一分努力一分耕耘，總是有一分結(jié)果，基本上是可預(yù)測、看得到，但是今天大模型之所以破圈，是因為很多時候超乎了人的預(yù)期。

再說近些年人工智能給我的一些感受，在2015年、2016年，那時候在微軟做認(rèn)知服務(wù)0到1的黑科技上云的工作，也是做產(chǎn)品工作，當(dāng)時的一個破圈事件是“how-old.net”，在座的有一定年齡，應(yīng)該有印象，那是我印象中能夠跟今天ChatGPT的破圈相提并論的。在普通群眾中破圈的是人臉識別，雖然界面就是個網(wǎng)頁，并沒有什么特別炫酷的交互或者視覺的沖擊力，但對于當(dāng)時來說，第一次發(fā)現(xiàn)人工智能跟你有這么近距離的體感，大家還是非常興奮的。

拉回到近期，跟我自己的經(jīng)驗非常相關(guān)，當(dāng)時微軟從高科技、黑科技上云更多的是人臉識別、圖象識別、語音識別，還有一個language understanding，它是一個語言理解服務(wù)，是一種感知智能，也就是看見、聽到，最多就是懂了。但是近些年，尤其是在去年開始講生成式AI，到去年9月底AIGC，其實主要是生圖，但是從AIGC本身來說，海外認(rèn)為的是生成式AI，從理解了、看見了、聽見了到能不能創(chuàng)造，這是非常大的里程碑，也是個人體感非常強烈的破圈，尤其是看到群眾興奮的在朋友圈以及群聊中去曬AI生成的圖。這個興奮的浪潮在持續(xù)高漲的過程中，ChatGPT又出來了，但僅是在技術(shù)圈里、AI圈里。

真正的破圈是到春節(jié)的時候，再一次的破圈以及震撼我的，準(zhǔn)確的是3月15號，GPT4出來了，然后沒幾天，17號微軟的Office“全家桶”出來了，雖然沒有直接上手可以試，但是當(dāng)你看到操作的視頻就會非常震憾，這個震撼在于這種創(chuàng)作型的、這種生成式的AI真的要去顛覆你身邊所有的應(yīng)用。因為這么多年大家感同身受，Office已經(jīng)很好了，但是如何把生成式AI創(chuàng)造智能，嵌入到身邊的這些應(yīng)用里，我覺得這幾個點是我個人特別特別關(guān)注的，主要還是從應(yīng)用的這個角度。

3.

36氪：回到當(dāng)下，過去幾個月稱得上國產(chǎn)大模型的春天，在你們看來，中國國產(chǎn)大模型相比美國真正的差距在哪里？其中關(guān)鍵問題是什么，這一浪潮中，中國跟世界的差距是拉大了還是縮小了？

戴雨森：從投資的角度觀察，目前算力、數(shù)據(jù)、算法各個方面都有一些積累上的差距。OpenAI在這個過程中，通過大量的資金、長期的研究和堅持打造了GPT4這樣非常強大的大模型。我們現(xiàn)在很多團(tuán)隊都是看到了ChatGPT的結(jié)果之后，才開始從資本的角度或者人才算力的角度去開始做，所以現(xiàn)在肯定是有一個比較大的差距，人家已經(jīng)跑前面去了，咱們才開始起跑,在比較短的時間內(nèi)這個差距會進(jìn)一步拉大。

整體來講的話，我覺得中國學(xué)者在AI領(lǐng)域的學(xué)術(shù)積累還是非常頭部的，其實在AI圈里面很多頂會論文，著名框架的發(fā)明人都是中國人，所以人才其實是不缺的，但是現(xiàn)在競爭格局比較分散，可能會影響到在尖端技術(shù)上的突破。我覺得百模大戰(zhàn)并不是一個好事兒，其實很多是行業(yè)浮躁和泡沫的體現(xiàn)。在喧囂之后如何盡快市場格局能夠收斂，把這些本來就比較稀少的資源集中起來重點突破，這個可能是我們要追趕或者在一些領(lǐng)域反超的路徑。現(xiàn)在資源本來就少，分散到很多的項目和團(tuán)隊上，我覺得也是不太持續(xù)的?，F(xiàn)在雖然做大模型的公司很多，但很多公司其實只是在用Supervised?Fine?Tuning等比較快捷的技術(shù)做一個語言能力還可以的模型出來，但是真正能夠資金實力和技術(shù)實力去挑戰(zhàn)GPT4以及更先進(jìn)技術(shù)的團(tuán)隊和項目可能還是比較少的。

張家興：首先我們還是要承認(rèn)國內(nèi)大模型跟OpenAI這個的差距，這個差距不光是我們跟他們的差距，國外很多公司跟他們之間也有很大的差距，這個主要原因是在于在ChatGPT出來之前，其實大模型這個領(lǐng)域已經(jīng)存在了，只不過這個領(lǐng)域?qū)儆诎倩R放的階段，大家有眾多的模型結(jié)構(gòu)，針對不同的任務(wù)、不同的領(lǐng)域大家，也有不同的模型結(jié)構(gòu)跟訓(xùn)練方法的思考，呈現(xiàn)百花齊放的狀態(tài)。但是OpenAI堅持選擇了在當(dāng)時看來也是眾多方向中的一個方向，最終它勝利了，這是它本質(zhì)原因，這個方向確實堅持了很久了，他們做通用人工智能這件事情很早就在說，一幾年他們就在說這件事情，因為積累的比較多，這條道路勝利了，那么其他人不只是我們，包括美國的其他公司其實也都是在追趕的狀態(tài)。

中國來說，反正我們在追趕中有劣勢也有優(yōu)勢，劣勢剛才戴總也提到了包括資本的投入，甚至包括本身算力的規(guī)模，其實都是屬于一個劣勢，當(dāng)然我們也要看到優(yōu)勢，我們應(yīng)該看到這一代AI跟之前的AI本質(zhì)的不同。如果我們回想到2012年的時候，其實對今天這種情況還是樂觀的，中國整個學(xué)術(shù)界在世界上的話語權(quán)更加什么都沒有，因為當(dāng)時大家知道“三巨頭”以及他們的學(xué)生基本引領(lǐng)了整個領(lǐng)域。所以說中國其實深度學(xué)習(xí)過去十年中，比如說華人做出的有影響力工作不是特別多，很少的。

但是到了這個時代因為整個發(fā)生了變化，剛才盧老師也所了，學(xué)生都不知道該干啥了，整個AI技術(shù)的接力棒，前沿技術(shù)的接力棒已經(jīng)從研究走向了團(tuán)隊式的“研究+開發(fā)”，明顯呈現(xiàn)了一種工程化的趨勢，AI開始搞工程化的話，中國還是有很大的優(yōu)勢。過去十年，中國因為互聯(lián)網(wǎng)、數(shù)字化轉(zhuǎn)型積累了那么多算法工程師，尤其是懂深度學(xué)習(xí)的工程師，這都成為非常重要的人力資源，所以大家可以看到，這一波其實如果相對十年前我們追的是非常快，整個中國追的是非常快，有很多團(tuán)隊都能做出比較像樣的模型，在逐漸拉近距離，承認(rèn)差距，結(jié)合我們現(xiàn)在的優(yōu)勢以及剛才說的對比，我們對當(dāng)下還是要充滿樂觀的。

方漢：因為我深度參與了大模型的訓(xùn)練過程，我來談?wù)勎易约旱母惺?。為什么OpenAI被譏笑為CloseAI？其實大家會發(fā)現(xiàn)，它在各種演講以及論文中公開了自己的數(shù)據(jù)及來源，也把自己的算法和訓(xùn)練步驟都講出來了，但是最保守的機(jī)密其實是如何對數(shù)據(jù)進(jìn)行預(yù)處理的階段，所以本質(zhì)上大模型的訓(xùn)練現(xiàn)在的差距其實是工程上的技巧，而OpenAI花了整整五年時間在這方面去積累，其實我覺得這是全世界所有其他公司同OpenAI的差距。

但是我們認(rèn)為，工程上的差距一定是可以追平的，只要有海量的試錯機(jī)會。但是從另外一個角度而言，我們與美國很大的一個差距就是我們在大模型訓(xùn)練底層技術(shù)上仍然有差距，例如OpenAI覺得效率不夠高，會寫自己的compiler，但是中國有能力做這樣的公司寥寥無幾。

我剛才跟大家分享過，我天天在讀大模型相關(guān)的論文，我有個習(xí)慣，當(dāng)我看到一篇論文有意思的話，我一定會聯(lián)系作者，去和作者交流。在我目前感興趣的論文中，中國的博士寫出來的論文大概占1%的話，那么美國人寫出來的論文大概能占2%，其中，美國博士論文里能占到2%的部分中有一半是中國人寫的，所以我個人對國內(nèi)大模型的前景比較樂觀。在下一代大模型創(chuàng)新中，我們中國的主力是這批正在讀書的博士，我覺得他們的水平以及創(chuàng)新能力并不弱于美國人，只要我們給他們機(jī)會，他們一定會成長起來。如果需要我現(xiàn)在舉出有中國科研人員引領(lǐng)的項目案例，我能舉出來很多，我個人還是比較偏樂觀的。

盧志武：我覺得國內(nèi)跟國外最大的差別還是說，如果從大語言模型上，最大的差別就是說大家都沉不下心把底座做好，你剛才說國產(chǎn)大模型的春天，這個都是假象，因為大部分都是微調(diào)國外底座模型的。

方漢：我是堅決反對，我們自己做大模型訓(xùn)練，可以很清楚的告訴你們，中國第一批出來的大模型里面，這么說吧，至少我可以拍著胸脯保證，我們天宮跟它一毛錢的關(guān)系都沒有，因為我們從2020年開始做了，連OPT都沒有，我覺得你也不能一棒子都打死。

盧志武：我知道，但是你這個我不太清楚，我看到了很多，因為一測就知道。當(dāng)然也有一些團(tuán)隊在模型底座上投入很多精力，大部分還是很浮躁的。我反而覺得語言模型上面差距會越來越大。

36氪：盧老師是更悲觀的一個視角。

盧志武：為什么會是這樣，看一堆模型出來了，只是因為這個語言模型架構(gòu)已經(jīng)公布了，但是如果沒有公布，為什么前面不出來，這不是很奇怪的一個事兒嗎？我覺得不符合邏輯的，大家都不愿意去做底座。從這個角度，大家能不能跳出語言模型？反正已經(jīng)落后了，當(dāng)然有人要追。有沒有別的方面還能追得上的？GPT4的框架是未知的，大家都是公平的，我們就去探索，在這個點上我們追上它還是有可能的，并且GPT-4訓(xùn)練算力耗得那么多，OpenAI自己它也承受不了，如果要把視頻加進(jìn)去，我估計也做不好。總之，從這種角度，真正把類GPT-4模型做出來，我覺得大家都是公平的，有機(jī)會追得上的。我認(rèn)為語言模型上反而沒什么機(jī)會。

方漢: ?我堅決反對上一位老師的觀點，我們自己做大模型訓(xùn)練，在中國第一批出來的大模型中，我可以拍著胸脯保證，我們昆侖萬維發(fā)布的“天工”大模型跟外網(wǎng)的開源模型一點關(guān)系也沒有，因為我們從2020年就開始做中文預(yù)訓(xùn)練大模型的研發(fā)，2021年發(fā)布了140億參數(shù)的中文預(yù)訓(xùn)練大模型，那個時間點世界上還沒有任何公開的開源GPT大模型可以參考。

李京梅：今天無論哪一個評測榜或者企業(yè)自評，國內(nèi)還沒有哪一家說我已經(jīng)跟ChatGPT，不要講GPT4，就是ChatGPT3.5，能夠比肩了。今天這種現(xiàn)狀，從創(chuàng)業(yè)公司做商業(yè)化落地的角度看，是否考慮過即使今天ChatGPT在中國并且在你手里，可以做私有化嗎？是不是可以用起來？我覺得答案也是否定的。

我們看了很多行業(yè)，尤其是行業(yè)性較強的，比如金融行業(yè)，它的數(shù)據(jù)并不能放到互聯(lián)網(wǎng)上，還是有很多私域數(shù)據(jù)。不管是行業(yè)的習(xí)慣還是監(jiān)管或者其他原因，總之這個數(shù)據(jù)并不飄在互聯(lián)網(wǎng)上，這種數(shù)據(jù)也不是純粹的底座技術(shù)就可以解決的。所以能看到，即使有了這樣的底座，通用的能力，還是要加工程。所謂的工程就是今天在行業(yè)里看到如何解決準(zhǔn)確性的問題，GPT4比GPT3.5提升了很多。所以從落地應(yīng)用的角度看，無論是自研的還是基于開源的LLaMA模型，微調(diào)后怎么去用，需要把最后一公里，可能不止一公里，十公里也好，要去做好。這是一個我覺得國內(nèi)在人工智能技術(shù)、AI工程或者軟件工程里面，一定可以用上的策略。在剖析了OpenAI團(tuán)隊后，其實是有很多華人甚至國內(nèi)留學(xué)去的，所以人才方面我們完全不落后，這是都能有目共睹的。

這是一個落地層面。翻回來，從我觀察來看，無論是去年的AIGC還是今天的ChatGPT，這些技術(shù)大家都去追了，會不會哪天世界某個角落又蹦出新的技術(shù)，我們又沒有跟上？所以前瞻性的研究需要長期堅持。從創(chuàng)業(yè)、商業(yè)化角度分析，越前瞻、越看不清的東西，成功的幾率也是越低的。再從投資角度來說，是否有資本愿意做長期的投入？這些不是某一個人或者某一個公司可以解決的，我也沒有答案。?OpenAI它不是一夜成名，不是一夜暴富，雖然OpenAI沒有把論文發(fā)出來，但是它的技術(shù)2017年就有了，前期的臟活苦活累活也都干了，所以其實也是長期的堅持。微軟雖然投入了，微軟自己的研究院也沒有先做出來，谷歌這么多年AI的標(biāo)簽，也沒有先做出來。所以概括來說，前瞻性技術(shù)型的研究投入以及高校人才的培養(yǎng)，是需要引導(dǎo)的，也是一個長期堅持的事情。

4.

36氪：各位老師怎么看大模型未來的競爭格局，哪些參與者可能能存活下來，現(xiàn)在的普通創(chuàng)業(yè)者是否還有參與的機(jī)會，另外關(guān)于大模型的創(chuàng)業(yè)，關(guān)于它的商業(yè)化路線一直存在很多爭議，很多人說在中國做大模型單純走2C的路線是很艱難，所以想問一怎么看2C和2B它可能面對的機(jī)會和挑戰(zhàn)？

戴雨森：我感覺在中國做2B服務(wù)可能更艱難，至少做過企業(yè)服務(wù)的創(chuàng)業(yè)者應(yīng)該會有更深刻的感受。中國互聯(lián)網(wǎng)之前一大特點就是要直接找用戶收錢很難，很多時候都是「羊毛出在豬身上」，企業(yè)服務(wù)的格局也會受到市場付費意愿、客戶采購方式特點的限制。我倒是覺得面向消費者應(yīng)用的機(jī)會在中國還是很大的，雖然咱們跑出來的應(yīng)用商業(yè)模式跟美國ChatGPT?Midjourney直接賣用戶訂閱估計還是會一如既往的有很大區(qū)別。

企業(yè)服務(wù)領(lǐng)域，OpenAI和Claude在美國可以直接通過公有云賣API服務(wù)，但在中國估計只是提供API還不夠，我聽說很多做大模型的公司針對企業(yè)客戶現(xiàn)在是連服務(wù)器帶模型一起賣，還得提供訓(xùn)練和微調(diào)服務(wù)。

然后顯然上百個模型混戰(zhàn)肯定不是長期的狀態(tài)，我覺得這里面分幾類：

第一類就是真的能夠往智能前沿探索，我覺得這么多大佬都說AGI是比互聯(lián)網(wǎng)更大的機(jī)會，這個的立足點是我們能做出能夠使用工具、解決任務(wù)、分解任務(wù)的AGI，這樣的實現(xiàn)需要非常強的能力，坦率來講已經(jīng)超越了傳統(tǒng)NLP 任務(wù)的范疇.所以我覺得這個可能能持續(xù)做到世界領(lǐng)先水平的人哪怕是在美國也會是比較少的。

第二類機(jī)會，可能在垂直領(lǐng)域里，比如說醫(yī)療、法律這些原來薪酬比較高的領(lǐng)域，可能可以使用大模型再加上垂直領(lǐng)域的數(shù)據(jù)進(jìn)行精調(diào)，來創(chuàng)造對應(yīng)的copilot。在這些垂直細(xì)分領(lǐng)域，可能我們不需要把所有的領(lǐng)域任務(wù)都做的那么好，這個可能是行業(yè)應(yīng)用機(jī)會。

第三類機(jī)會，我堅信在應(yīng)用端肯定會有很多很有意思的機(jī)會。我們看到了在美國Midjourney、Jasper這些產(chǎn)品都是用戶很喜歡，商業(yè)化很優(yōu)秀的。我們也有投資做應(yīng)用的公司，推出的產(chǎn)品在國外反響也很好。有人說這些應(yīng)用是不是就是GPT套殼，我認(rèn)為這個領(lǐng)域技術(shù)可能不是最關(guān)鍵的，重要的是怎么把大模型的能力和用戶場景有效的對應(yīng)起來，給用戶提供價值，長期來看是靠專有的用戶數(shù)據(jù)和關(guān)系，以及用戶習(xí)慣和品牌等形成壁壘。

其實仔細(xì)想想，首先iPhone發(fā)布之前，投移動互聯(lián)網(wǎng)應(yīng)用基本上沒有跑出來的。但2007年iPhone發(fā)布后，要在頭幾年去預(yù)測十年后移動互聯(lián)網(wǎng)的終局形態(tài)和大贏家也是很難的，我們在2010年是基本不可能想清楚最后是字節(jié)、快手、拼多多、美團(tuán)、小紅書這些商業(yè)模式最后成為中國移動互聯(lián)網(wǎng)的大贏家。因此在這一波AI技術(shù)革命的早期，我們堅持以創(chuàng)業(yè)者為中心，相信優(yōu)秀的創(chuàng)業(yè)者最后終究會找到方向。

總結(jié)來講我覺得中國2C比2B機(jī)會大，最后不需要那么多真正的大模型，而是需要很多在垂直領(lǐng)域能夠解決問題的模型和產(chǎn)品。

張家興：我也同意戴總的觀點，我們不一定非得說有一個通用大模型，要更多的垂直領(lǐng)域的這些模型，然后這一塊就是對于整個大模型的落地以及它的整個商業(yè)化，我一直有一個想法大家如何去思考我們通用大模型這些事情，它到底是像OPENAI給大家呈現(xiàn)出來的，或者是2C產(chǎn)品，還是怎么去想？

其實我還是把這個東西類比成當(dāng)年的深度學(xué)習(xí)，因為我也是完整的經(jīng)歷了整個深度學(xué)習(xí)的周期，就是實際上通用大模型是一門技術(shù)，就跟當(dāng)年深度學(xué)習(xí)出來之后，因為深度學(xué)習(xí)之前，其實機(jī)器學(xué)習(xí)一直都存在，只不過它各方面做的不好，所以說很多場景，要么效果不好，要么沒辦法應(yīng)用，深度學(xué)習(xí)全部刷了一遍，包括后來10年之后大家見到很多互聯(lián)網(wǎng)的一些應(yīng)用，包括一些比如說短視頻直播都是跟深度學(xué)習(xí)技術(shù)有關(guān)，否則不可能出現(xiàn)。

那么大模型也一樣，現(xiàn)在看到通用大模型也是一樣，其實更多的是對我們以前曾經(jīng)的這種AI化的，我們說這個世界在信息化、數(shù)字化、AI化，我們AI化的一個進(jìn)一步的深化吧，從這種情況下實際上作為一個技術(shù)來說，它是要有一個完整的生態(tài)體系的，從這生態(tài)體系來說。

但是深度學(xué)習(xí)因為那個時代技術(shù)應(yīng)該或者說它的復(fù)雜程度或者成本沒有達(dá)到那個程度，就是這個生態(tài)體系還沒有劃分的很清楚，但是到模型不得不進(jìn)行生態(tài)體系的建設(shè)，因為大家知道做一個通用大模型確實成本太高，也需要專門的投入和專門化的團(tuán)隊來做，所以最上游一些做通用大模型的公司，接著往下沿著大模型做各方面垂直大模型，然后還有做各個行業(yè)落地的以及每個行業(yè)里面自己在應(yīng)用它去做事情，以及過程中云廠家包括做算力各個廠家在里面，整個生態(tài)體系，如果大家看到這個生態(tài)體系的話，就會發(fā)現(xiàn)這里面機(jī)會蠻多，而不是聽聽眼睛就得盯著做什么什么模型，不是這樣機(jī)會非常多。

我覺得第一個當(dāng)做技術(shù)來看，必然會在各個場景要有應(yīng)用，也絕不是一個通用大模型就能解決全部場景問題，需要每一個場景針對場景做自己的模型，每一個場景中讓每一個模型跟你的場景能夠形成這樣一個閉環(huán)，場景越好就你涉及到的數(shù)據(jù)越多模型越好，再就是說站在一個馬上就要展開的生態(tài)角度來看，想一想自己可以占據(jù)哪個生態(tài)位。

方漢：首先，各種各樣的小模型的能力其實嚴(yán)重依賴于大模型底座；第二，2B或者2C的機(jī)會，中國與國外的競爭格局完全不一樣，但是也有一些相對共通的方面，目前在中國2B端很難有一家獨大的情況，而是比較碎片化，大模型在B端的應(yīng)用是一個大家都能賺到錢、但是大家又很難賺到特別多錢的局面。對于一家創(chuàng)業(yè)公司而言，B端還是一個不錯的起點。

對于C端而言，我覺得分兩個方向，一是效率工具，也就是說我們把大模型作為我們?nèi)粘９ぷ鞯囊粋€效率工具。在這一點上，我認(rèn)為，國外的訂閱模式，在中國一定不會成功，中國一定是免費模式，中國模式的效率工具入口已經(jīng)被office、企業(yè)AIM等就是我們上班打開的工具入口占領(lǐng)，目前創(chuàng)業(yè)公司的機(jī)會其實不多，因為很難改變用戶的習(xí)慣，去創(chuàng)造另外一個工具的入口。但是在另外一個領(lǐng)域，所謂的內(nèi)容生成領(lǐng)域，創(chuàng)業(yè)公司的機(jī)會就會更多一些，因為在這個領(lǐng)域，大公司其實沒有把用戶的心智徹底壟斷掉，用戶就是相對碎片化。

最后，其實這一波大模型或者通用人工智能的是遠(yuǎn)遠(yuǎn)超過產(chǎn)品進(jìn)展，我也經(jīng)常跟中國的最頂尖的產(chǎn)品經(jīng)理聊，我感覺產(chǎn)品經(jīng)理是處在很懵的狀態(tài)，大模型是很厲害，能用來干什么？我覺得要給我們中國的產(chǎn)品經(jīng)理一些耐心，我相信通過這些產(chǎn)品經(jīng)理的創(chuàng)意以及努力，能夠打破現(xiàn)在的范式。

目前B端和C端的競爭實際上還是1.0模式，就是老的商業(yè)模式去套大模型來做我們的創(chuàng)業(yè)方向，我認(rèn)為必然有2.0模式，就是徹底摒棄現(xiàn)在傳統(tǒng)商業(yè)模式，利用大模型的能力去創(chuàng)造出新的商業(yè)范式，我個人認(rèn)為，在中國可以再創(chuàng)造出下一代的BAT和TMD，我認(rèn)為是有這個機(jī)會的。

盧志武：其實我們2020年把文瀾模型做出來以后，一直在探索這個落地。但是這個落地很難，就是大模型落地確實有很多問題。當(dāng)然到今天為止，還是有一些自己的想法，雖然我是個教授，主要在學(xué)校，我認(rèn)為大模型落地目前就是API調(diào)用的方式，還有一種大模型的定制化或者行業(yè)里面再去重新訓(xùn)，我覺得這兩種方式其實都不是很好的。API調(diào)用有很明顯的問題，比如說很多場景，政府的場景，因為數(shù)據(jù)的問題不可能讓你去調(diào)的。

然后定制化也是一個苦活，雖然也能復(fù)制，但其實每一家它都有自己的特別要求，最后變成一個一個做項目，這兩個事情我都做過，就比如說我們跟榮耀也做過，反正最后變成做項目，能賺錢但是很辛苦，就這樣的。所以我最近也在探索想一個新的路，我正好是做多模態(tài)大模型，因為多模態(tài)可以接攝像頭，而很多硬件都是有攝像頭，那可以把模型集成在一個硬件里面，比如說無人機(jī)、機(jī)器人這樣，我們就變成了去賣產(chǎn)品，可能是一條新路，可以避免我剛才說的兩個問題，然后API調(diào)用很多場景用不了，其實成本也挺高的，如果變成做產(chǎn)品可能稍微會好一點，這是我們的探索。

另外，文生圖這個領(lǐng)域我覺得小B還是有機(jī)會的，我們最近也在這個上面探索。

李京梅：瀾舟科技是一個創(chuàng)業(yè)公司，我們?nèi)缃褡龃竽Ｐ鸵灿猩罡袠I(yè)的模型，針對這幾年探討的ToB和Not ToB，瀾舟的商業(yè)化賽道主要是B端，也包括一些文化娛樂、營銷，我們是通過ToB再ToC。每一個企業(yè)都有自己的基因和選擇的賽道，B端這個賽道我覺得今天中國跟海外有一些差異，早期我在美國也做過不少B端的服務(wù)型的一些工作。

在國內(nèi)，?ToB產(chǎn)品或者解決方案必須一家從頭做到尾，其實是可以分層，比如做底座或者工具平臺。我相信大模型跟數(shù)據(jù)是在一起的，如果是互聯(lián)網(wǎng)公開數(shù)據(jù)，那它就是在互聯(lián)網(wǎng)上，如果是行業(yè)的數(shù)據(jù)，那它就應(yīng)該在行業(yè)里，數(shù)據(jù)在哪，大模型就在哪，但當(dāng)前是否具備相關(guān)的人才呢？所以無論是哪個行業(yè)，還是要有行業(yè)能夠降低落地的成本、應(yīng)用的這種工具型的平臺，比如分層底座的工程平臺、行業(yè)的端到端應(yīng)用、效率型的工具，這也是一種產(chǎn)品。并不局限于群眾可以直接體驗到、能夠上手的、可以日常用的才叫產(chǎn)品。所以無論是ToC還是ToB，大模型的商業(yè)化落地，在國內(nèi)都還沒有那么清楚，但能夠看到這種浮躁的這種熱潮已經(jīng)降溫，尤其B端已經(jīng)開始進(jìn)行理性化的思考。

我覺得接下來的這個商業(yè)化，尤其是在B端的一些賽道，當(dāng)然我們也是有選擇，有一些是包容性比較容錯性高一些，肯定是先能落地，寫網(wǎng)文營銷尤其是社媒上的營銷，但是金融容錯率比較低，我覺得這是有一個過程，目前我們還是走垂直領(lǐng)域?qū)I(yè)賽道，在B端或者是在一些細(xì)分的行業(yè)里愿意跟市場、跟客戶一起去探索往前，最主要的ToB還是Not ToB還是做出價值，這是我現(xiàn)在的觀點。

5.

36氪：本來還有更長問題，因為時間關(guān)系縮減一下，這一波AI新浪潮讓很多的白領(lǐng)可能會被替代的焦慮中，如果是面對一個擇業(yè)的年輕人或者教育孩子的家長，各位老師會有何建議，能否用一句話概括一下。

戴雨森：就跟當(dāng)時互聯(lián)網(wǎng)一樣，擁抱新技術(shù)、學(xué)習(xí)新技術(shù)、成為新技術(shù)專家，這個是最直接的。

張家興：不要去做那些所有人都能做的事情，盡量發(fā)現(xiàn)自己與眾不同的事情，因為所有人能做的事情，現(xiàn)在機(jī)器都做的挺好的。

方漢：大家不用杞人憂天，我覺得下一代更善于利用AI，更善于去開發(fā)AI，對于我們來說，只要永遠(yuǎn)保持一顆好奇的心態(tài)，就不會被各種各樣新技術(shù)淘汰。

盧志武：擁抱AI。

李京梅：要有一個與時俱進(jìn)的心態(tài)，保持持續(xù)學(xué)習(xí)的心態(tài)，就不會被時代淘汰。

關(guān)鍵詞：