8月22日，2024AGI商業(yè)趨勢(shì)大會(huì)在深圳成功舉辦?；顒?dòng)由創(chuàng)業(yè)邦主辦，南山區(qū)科技創(chuàng)新局、西麗湖國(guó)際科教城融合創(chuàng)新中心、深圳市“模力營(yíng)”AI生態(tài)社區(qū)為支持單位，攬勝運(yùn)動(dòng)為大會(huì)指定用車，搜狐為戰(zhàn)略合作媒體。
本屆大會(huì)以“AI塑造未來市場(chǎng)”為主題，邀請(qǐng)人工智能領(lǐng)域的行業(yè)專家、上市公司、獨(dú)角獸企業(yè)、創(chuàng)新企業(yè)、投資機(jī)構(gòu)代表，分享研討最新的技術(shù)、創(chuàng)投、治理熱點(diǎn)話題，并圍繞產(chǎn)品商業(yè)化、人工智能+行業(yè)解決方案進(jìn)行深度交流，共同探尋更廣泛的產(chǎn)業(yè)合作與創(chuàng)新機(jī)遇。
會(huì)上，出門問問副總裁李維在主題為“盈利為王，AIGC從技術(shù)創(chuàng)新走向商業(yè)落地”的演講中精彩觀點(diǎn)如下：
1. 大模型的出現(xiàn)，就像翻越了語言的大山，統(tǒng)一了這些不同的賽道，建立起了一種類似圣經(jīng)中巴別塔的通用語言能力。
2. 歷史上，技術(shù)革新往往遵循一條被稱為“technology adoption curve”的路徑：一開始，人們對(duì)于重大創(chuàng)新和突破趨之若鶩，但當(dāng)這些創(chuàng)新在商業(yè)化、盈利和實(shí)際應(yīng)用方面遇到瓶頸時(shí)，就會(huì)出現(xiàn)一段回落期。
3. 在通用人工智能時(shí)代，一個(gè)模型可以處理各種任務(wù)，這使得許多細(xì)分領(lǐng)域的創(chuàng)新空間被壓縮。以前，每個(gè)細(xì)分賽道都有機(jī)會(huì)誕生超級(jí)應(yīng)用，但現(xiàn)在這種可能性大大降低了。
以下為演講內(nèi)容，由創(chuàng)業(yè)邦整理：
很高興有機(jī)會(huì)跟大家分享我們?cè)贏IGC賽道上的一些工作。我叫李維，是出門問問的VP。我今天演講的題目叫“盈利為王，AIGC從技術(shù)創(chuàng)新走向商業(yè)落地”。
實(shí)際上這個(gè)題目挺難的，原因在于AI和大模型非常熱鬧，但是真正走向商業(yè)落地的寥若晨星。所謂“AI一日人間一年”，大模型的發(fā)展雖然很快，但從總的趨勢(shì)上來看，AI實(shí)則進(jìn)入了一段下行期。歷史上，技術(shù)革新往往遵循一條被稱為“technology adoption curve”的路徑：一開始，人們對(duì)于重大創(chuàng)新和突破趨之若鶩，但當(dāng)這些創(chuàng)新在商業(yè)化、盈利和實(shí)際應(yīng)用方面遇到瓶頸時(shí)，就會(huì)出現(xiàn)一段回落期。我們現(xiàn)在正處于這一回落期的尾聲，但尚未觸底。
這一趨勢(shì)也映射到AI投資上，今年對(duì)于大模型公司來說，融資變得極具挑戰(zhàn)性。主要原因是大模型非常燒錢，算力消耗甚至超過了人力成本。然而，只投入不產(chǎn)出的模式是不可持續(xù)的。盡管大模型擁有巨大的潛力，但要實(shí)現(xiàn)盈利并不像看起來那么簡(jiǎn)單。
大家都在談，上一次技術(shù)革命是移動(dòng)互聯(lián)網(wǎng)，雖然它的技術(shù)含量可能不如大模型帶給人的震撼，但它確實(shí)催生了一系列超級(jí)應(yīng)用，很好地滿足了人們吃穿住行、娛樂和通信等基本生活需求。這些超級(jí)應(yīng)用已經(jīng)在上一代技術(shù)革命中達(dá)到了很高的水平，留給后來人創(chuàng)新的空間已經(jīng)不多。想要通過大模型在這些領(lǐng)域?qū)崿F(xiàn)進(jìn)一步的突破，變得非常難。
ChatGPT的出現(xiàn)標(biāo)志著通用人工智能的一次大爆發(fā)。在通用人工智能時(shí)代，一個(gè)模型可以處理各種任務(wù)，這使得許多細(xì)分領(lǐng)域的創(chuàng)新空間被壓縮。以前，每個(gè)細(xì)分賽道都有機(jī)會(huì)誕生超級(jí)應(yīng)用，但現(xiàn)在這種可能性大大降低了。
我舉個(gè)例子，機(jī)器翻譯并不是大模型時(shí)代的新現(xiàn)象，早在12年前神經(jīng)網(wǎng)絡(luò)革命開始時(shí)，機(jī)器翻譯就是首批受到影響的領(lǐng)域。結(jié)果，像百度、谷歌這樣的大公司都把機(jī)器翻譯服務(wù)做成了免費(fèi)產(chǎn)品。一旦一個(gè)領(lǐng)域變成了免費(fèi)或低價(jià)，創(chuàng)業(yè)的空間就大大減少，甚至可能扼殺整個(gè)產(chǎn)業(yè)。類似的情況也出現(xiàn)在大模型普及之后，比如Jasper。在ChatGPT出現(xiàn)之前，大模型剛剛興起，那時(shí)業(yè)內(nèi)人都知道GPT-3。Jasper利用大模型的能力，將其包裝成可以幫助人們進(jìn)行寫作和生成各種文案的工具，吸引了一批客戶。
隨著ChatGPT等通用大模型的崛起，Jasper的優(yōu)勢(shì)逐漸消失，開始走向衰落。ChatGPT不僅僅是一個(gè)超級(jí)應(yīng)用，它通過人機(jī)對(duì)話的方式，實(shí)際上已經(jīng)成為一個(gè)超級(jí)的超級(jí)應(yīng)用，它超越了傳統(tǒng)的界限。通用大模型現(xiàn)在能夠處理語言、知識(shí)，甚至多模態(tài)內(nèi)容，如聲音、語音、音樂、圖像和視頻。這種廣泛的能力使得通用大模型在很多領(lǐng)域都占據(jù)了主導(dǎo)地位，甚至擠壓了其他一些賽道的生存空間。
作為投資人或創(chuàng)業(yè)者，在尋找發(fā)展方向時(shí)，需要經(jīng)常思考一個(gè)問題：我現(xiàn)在所在的領(lǐng)域或開發(fā)的App是否具有持久的競(jìng)爭(zhēng)優(yōu)勢(shì)？雖然可能暫時(shí)吸引一些客戶并滿足部分需求，但如果我的項(xiàng)目擋在這個(gè)大模型自然擴(kuò)散能力的路上，那么我可能就難以擴(kuò)大規(guī)模，最終可能面臨像Jasper那樣的衰退命運(yùn)。
這就是大模型的能力如此之強(qiáng)，被寄予很高的期望，結(jié)果在真正落地應(yīng)用的時(shí)候，才發(fā)現(xiàn)原來有很多限制條件在，其落地不像我們想象的那么平滑。一方面，上一代技術(shù)已經(jīng)相當(dāng)成熟；另一方面，大模型本身還在不斷發(fā)展，其通用能力可能已經(jīng)覆蓋了我目前專注的領(lǐng)域，限制了我的發(fā)展空間。因此，大家普遍發(fā)現(xiàn)將大模型落地應(yīng)用是一件相當(dāng)困難的事情。
我曾是大模型的熱烈支持者，也是在中國(guó)最早推廣大模型的人之一。我非常激動(dòng)，因?yàn)樵谖业腘LP職業(yè)生涯中，從未見過如此革命性的變化。大模型的出現(xiàn)，徹底改變了NLP行業(yè)的格局。但實(shí)際應(yīng)用起來，我發(fā)現(xiàn)它比我一年多前想象的要困難得多。
在NLP領(lǐng)域，過去我們有機(jī)器翻譯、對(duì)話系統(tǒng)、問答系統(tǒng)等多個(gè)專業(yè)方向，甚至還有分詞這樣的細(xì)分技術(shù)。但大模型的出現(xiàn)，就像翻越了語言的大山，統(tǒng)一了這些不同的賽道，建立起了一種類似圣經(jīng)中巴別塔的通用語言能力。
現(xiàn)在，大家都在期待大模型原生的超級(jí)應(yīng)用（LLM Native Super APP），雖然呼聲很高，行業(yè)內(nèi)競(jìng)爭(zhēng)激烈，但真正能夠規(guī)?；涞夭⒂模壳斑€只有像ChatGPT、豆包、文心一言這樣的應(yīng)用。
簡(jiǎn)而言之，這種超級(jí)大模型正逐步深入社會(huì)的各個(gè)層面。然而，除了它之外，我們還沒有看到其他大模型實(shí)現(xiàn)規(guī)模化落地，更不用說產(chǎn)生廣泛影響力了。
目前的情況是，無論是行業(yè)內(nèi)外人士、投資者還是創(chuàng)業(yè)者，都對(duì)大模型的技術(shù)潛力廣泛認(rèn)可，但要找到它的market fit并實(shí)現(xiàn)規(guī)?；涞兀赡苄枰辽賰扇甑臅r(shí)間，現(xiàn)在還處于技術(shù)落地的難產(chǎn)期，也是突破期。
大模型雖然功能強(qiáng)大，但也存在一些問題：第一，信息準(zhǔn)確性問題：由于學(xué)習(xí)了大量信息，大模型可能在記憶不精確的細(xì)節(jié)時(shí)出現(xiàn)錯(cuò)誤，導(dǎo)致其輸出內(nèi)容不準(zhǔn)確。第二，可控性問題：與以往的符號(hào)邏輯AI不同，大模型包含數(shù)千億參數(shù)，運(yùn)作起來像一個(gè)黑箱，難以進(jìn)行精確的調(diào)試和控制。第三，安全性問題：大模型可能存在安全隱患，需要進(jìn)一步關(guān)注和解決。第四，算力成本問題：盡管隨著技術(shù)進(jìn)步，算力成本有望降低，但與上一代應(yīng)用相比，使用大模型的應(yīng)用在算力成本上仍然相當(dāng)高。
盡管技術(shù)上已具備條件，但要普及到大眾市場(chǎng)，我們發(fā)現(xiàn)推理成本過高，可能無法通過盈利來覆蓋這些成本。這直接影響到盈利能力。
這聽起來有些悲觀，但從長(zhǎng)遠(yuǎn)來看，特別是在接下來的三到五年內(nèi)，盡管垂直領(lǐng)域尚未迎來大爆發(fā)，但許多人正在積極探索。今天上午座談會(huì)的嘉賓們也在分享他們?nèi)绾螌⒋竽Ｐ图夹g(shù)應(yīng)用到自己的領(lǐng)域。這些努力最終將取得成效，預(yù)計(jì)在未來幾年內(nèi)，垂直領(lǐng)域?qū)?huì)迎來顯著的發(fā)展和突破。
大模型的研發(fā)成本高昂，這對(duì)創(chuàng)業(yè)公司來說是個(gè)挑戰(zhàn)，而且模型與產(chǎn)品之間的脫節(jié)也是一個(gè)主要問題。我們目前正在探討如何將模型與產(chǎn)品有效結(jié)合，以克服這些困難。接下來，我將分享我們?cè)谶@方面的探索和經(jīng)驗(yàn)。
模型開發(fā)可以選擇自主研發(fā)或使用第三方服務(wù)，這取決于產(chǎn)品的具體需求。目前市場(chǎng)上競(jìng)爭(zhēng)激烈，第三方服務(wù)往往價(jià)格低廉，更具成本效益。但如果產(chǎn)品需要高并發(fā)處理能力或有特定的定制化需求，第三方服務(wù)可能無法滿足，這時(shí)自主研發(fā)就顯得更為重要。
這就需要探索如何將模型開發(fā)與產(chǎn)品需求緊密結(jié)合，以實(shí)現(xiàn)成本控制和產(chǎn)品定制的靈活性。這包括調(diào)整大模型以適應(yīng)我們的產(chǎn)品需求，實(shí)現(xiàn)最優(yōu)的產(chǎn)品模型結(jié)合。
然而，產(chǎn)模結(jié)合說起來容易做起來難。因?yàn)槟Ｐ烷_發(fā)和產(chǎn)品開發(fā)是兩個(gè)不同的領(lǐng)域，涉及的人員背景和思維方式各異。要讓這兩類人員有效協(xié)作，發(fā)揮出最大的協(xié)同效應(yīng)，對(duì)許多公司來說都是一大挑戰(zhàn)。
我們開發(fā)了自己的大模型，名為"序列猴子"，基于此，我們推出了多模態(tài)AIGC產(chǎn)品，涵蓋數(shù)字人產(chǎn)品“奇妙元”、AI配音產(chǎn)品“魔音工坊”和AI短視頻一鍵生成工具“元?jiǎng)?chuàng)島”等。此外，我們還成功推出了“魔音工坊”海外版產(chǎn)品"DupDub"。"魔音工坊"是我們?cè)谑袌?chǎng)中占據(jù)主導(dǎo)地位的產(chǎn)品，尤其在抖音平臺(tái)上，約70%的聲音內(nèi)容都使用了我們的技術(shù)。
我們的目標(biāo)客戶群體包括內(nèi)容創(chuàng)作者（ToPC）和小型至中型媒體企業(yè)（ToSMB）。內(nèi)容創(chuàng)作者愿意為方便他們工作的工具付費(fèi)，而我們正是為他們提供這樣的服務(wù)。對(duì)于ToSMB客戶，我們專注于為小企業(yè)提供標(biāo)準(zhǔn)化解決方案，因?yàn)榇笮涂蛻舻亩ㄖ苹枨筝^為復(fù)雜，不易操作。目前，我們擁有86.5萬付費(fèi)用戶，這證明了我們的服務(wù)已經(jīng)成功落地并得到市場(chǎng)的認(rèn)可。
9月19-20日，更多的創(chuàng)業(yè)者將登上2024 DEMO CHINA的舞臺(tái)，在AI紀(jì)元綻放自己的創(chuàng)新力量。
