8月22日，2024AGI商業(yè)趨勢大會在深圳成功舉辦?；顒佑蓜?chuàng)業(yè)邦主辦，南山區(qū)科技創(chuàng)新局、西麗湖國際科教城融合創(chuàng)新中心、深圳市“模力營”AI生態(tài)社區(qū)為支持單位，攬勝運動為大會指定用車，搜狐為戰(zhàn)略合作媒體。
本屆大會以“AI塑造未來市場”為主題，邀請人工智能領(lǐng)域的行業(yè)專家、上市公司、獨角獸企業(yè)、創(chuàng)新企業(yè)、投資機構(gòu)代表，分享研討最新的技術(shù)、創(chuàng)投、治理熱點話題，并圍繞產(chǎn)品商業(yè)化、人工智能+行業(yè)解決方案進行深度交流，共同探尋更廣泛的產(chǎn)業(yè)合作與創(chuàng)新機遇。
會上，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、盈利和實際應(yīng)用方面遇到瓶頸時，就會出現(xiàn)一段回落期。
3. 在通用人工智能時代，一個模型可以處理各種任務(wù)，這使得許多細分領(lǐng)域的創(chuàng)新空間被壓縮。以前，每個細分賽道都有機會誕生超級應(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：
很高興有機會跟大家分享我們在AIGC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”。
實際上這個題目挺難的，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，但從總的趨勢上來看，AI實則進入了一段下行期。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、盈利和實際應(yīng)用方面遇到瓶頸時，就會出現(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。
這一趨勢也映射到AI投資上，今年對于大模型公司來說，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，但要實現(xiàn)盈利并不像看起來那么簡單。
大家都在談，上一次技術(shù)革命是移動互聯(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，但它確實催生了一系列超級應(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。這些超級應(yīng)用已經(jīng)在上一代技術(shù)革命中達到了很高的水平，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)。在通用人工智能時代，一個模型可以處理各種任務(wù)，這使得許多細分領(lǐng)域的創(chuàng)新空間被壓縮。以前，每個細分賽道都有機會誕生超級應(yīng)用，但現(xiàn)在這種可能性大大降低了。
我舉個例子，機器翻譯并不是大模型時代的新現(xiàn)象，早在12年前神經(jīng)網(wǎng)絡(luò)革命開始時，機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器翻譯服務(wù)做成了免費產(chǎn)品。一旦一個領(lǐng)域變成了免費或低價，創(chuàng)業(yè)的空間就大大減少，甚至可能扼殺整個產(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)勢逐漸消失，開始走向衰落。ChatGPT不僅僅是一個超級應(yīng)用，它通過人機對話的方式，實際上已經(jīng)成為一個超級的超級應(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，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，需要經(jīng)常思考一個問題：我現(xiàn)在所在的領(lǐng)域或開發(fā)的App是否具有持久的競爭優(yōu)勢？雖然可能暫時吸引一些客戶并滿足部分需求，但如果我的項目擋在這個大模型自然擴散能力的路上，那么我可能就難以擴大規(guī)模，最終可能面臨像Jasper那樣的衰退命運。
這就是大模型的能力如此之強，被寄予很高的期望，結(jié)果在真正落地應(yīng)用的時候，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，也是在中國最早推廣大模型的人之一。我非常激動，因為在我的NLP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，過去我們有機器翻譯、對話系統(tǒng)、問答系統(tǒng)等多個專業(yè)方向，甚至還有分詞這樣的細分技術(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應(yīng)用（LLM Native Super APP），雖然呼聲很高，行業(yè)內(nèi)競爭激烈，但真正能夠規(guī)?；涞夭⒂?，目前還只有像ChatGPT、豆包、文心一言這樣的應(yīng)用。
簡而言之，這種超級大模型正逐步深入社會的各個層面。然而，除了它之外，我們還沒有看到其他大模型實現(xiàn)規(guī)?；涞?，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，都對大模型的技術(shù)潛力廣泛認可，但要找到它的market fit并實現(xiàn)規(guī)?；涞?，可能需要至少兩三年的時間，現(xiàn)在還處于技術(shù)落地的難產(chǎn)期，也是突破期。
大模型雖然功能強大，但也存在一些問題：第一，信息準確性問題：由于學(xué)習(xí)了大量信息，大模型可能在記憶不精確的細節(jié)時出現(xiàn)錯誤，導(dǎo)致其輸出內(nèi)容不準確。第二，可控性問題：與以往的符號邏輯AI不同，大模型包含數(shù)千億參數(shù)，運作起來像一個黑箱，難以進行精確的調(diào)試和控制。第三，安全性問題：大模型可能存在安全隱患，需要進一步關(guān)注和解決。第四，算力成本問題：盡管隨著技術(shù)進步，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，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，但從長遠來看，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)計在未來幾年內(nèi)，垂直領(lǐng)域?qū)瓉盹@著的發(fā)展和突破。
大模型的研發(fā)成本高昂，這對創(chuàng)業(yè)公司來說是個挑戰(zhàn)，而且模型與產(chǎn)品之間的脫節(jié)也是一個主要問題。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，我將分享我們在這方面的探索和經(jīng)驗。
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。目前市場上競爭激烈，第三方服務(wù)往往價格低廉，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。因為模型開發(fā)和產(chǎn)品開發(fā)是兩個不同的領(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“元創(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"是我們在市場中占據(jù)主導(dǎo)地位的產(chǎn)品，尤其在抖音平臺上，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，而我們正是為他們提供這樣的服務(wù)。對于ToSMB客戶，我們專注于為小企業(yè)提供標(biāo)準化解決方案，因為大型客戶的定制化需求較為復(fù)雜，不易操作。目前，我們擁有86.5萬付費用戶，這證明了我們的服務(wù)已經(jīng)成功落地并得到市場的認可。
9月19-20日，更多的創(chuàng)業(yè)者將登上2024 DEMO CHINA的舞臺，在AI紀元綻放自己的創(chuàng)新力量。
