门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
公社水吧
›
大话智能
›
关于AI,最前沿最真实的33条产业洞察
返回列表
关于AI,最前沿最真实的33条产业洞察
[复制链接]
redfree
2024-4-7 11:42:34
显示全部楼层
|
阅读模式
A:坦率来说,我们公司虽然 All in AI,已经要求每个人都去用大模型,我们整个业务流程也考虑用大模型来优化。但实事求是地说,现在确实还没看到杀手级应用,大模型并不能马上取代过去的一些东西。
B:我不认为大模型是一个简单的降本增效的问题,它是个资产属性的东西,咱们国家在推数据的资产化,模型本身就是一个数据资产。
前两天,智谱办了一场活动——技术开放日。
全天的AI活动,上午场和下午场,分别向外释放出两个信息:
第一点:智谱很牛, GLM升级了,夸张地形容,国产的的大模型可以比肩OpenAI的GPT-4了;
第二点:关于AI的未来,大家其实都很懵,这时候需要大模型厂商继续探索技术,需要企业真正落地到产业中去实践,需要科学家等超级大脑指引AGI路径。
很遗憾,看了几篇科技商业文章,只提到上面第一点。
中国科学院院士张钹,就有提到:“生成式人工智能,仍有不可预测和不可控性。为了人工智能产业的健康发展,必须将科学研究、技术创新和产业发展(市场)结合起来。”
如此看来,下午场的3个圆桌讨论,《如何回答大模型这道必答题》、《大模型产业化》、《2024-AGI元年?》,更值得大家关注。
一共3个圆桌,全程4个多小时,17位嘉宾,超20万字的文档实录……
先跟各位分享33条笔记吧。
或许,这篇文章的33条内容,就是2024年最前沿最真实的产业洞察。
其实可以将“或许”去掉。为什么?一般真正前沿的分享不多,真实的就更少之又少。这33条内容观点来自,真正的AI和产业的先行者们:智谱AI、德勤中国、君联资本、百图生科、360集团、马蜂窝、分众传媒、蒙牛集团、金山办公……
中国的大模型,和世界顶尖水平的差距还有多大?
1、要问我这个差距有多大,我还真说不太出来。我自己感觉,差距没有进一步的拉大。
2、我想从这方面来说,两个国家,两个不同的环境,各自大模型就像两个孩子,基础能力的角度上差别并不大,但需要拉长了来看。更多的,还要看生态的问题,落地场景的问题。而在生态和落地场景角度上来说,这个差距和差别还是比较大的。
3、有一些方面,一些垂直落地的这些领域,国内的大模型甚至比国外更加先进。一些垂类,很多情况下被通用AI领域的这些工程师,或者整个业界所忽略。垂类也是有许多的机会去提升通用人工智能的能力,提升这种预训练模型能力,以及加速它带来产业级的影响和落地。
4、差 6 个月还是差1年,我们各个维度看不太一样。从打榜来看,国内很多都超过GPT4.0了。我也是关心整个的生态以及垂类,最终中美情况不太一样,可能不能直接用通用大模型来做对比。举个例子,之前云计算在美国,公有云的比例远远大过私有云的比例,但在国内,主要还是跑在私有云。大模型也一样,最终可能还会走不同的路吧。
大模型应用这件事,短期内就会爆发?还是说一年内不会有什么进展?
5、坦率来说,我们公司虽然 All in AI,已经要求每个人都去用大模型,我们整个业务流程也考虑用大模型来优化。但实事求是地说,现在确实还没看到杀手级应用,大模型并不能马上取代过去的一些东西。所以,我们经常谈“小切口大纵深”,这么多的初创公司,这么多的专家都在琢磨,期待产生翻天覆地的变化吧。
6、我觉得需要通用人工智能以及垂类的这些大模型一起齐头并进,才能够形成一个覆盖更多行业、更多领域的这么一个变革。可能要超过一年的时间去达成。
7、今天大模型一出现,就必须多快好省,既能够降本增效,又能够带来很多实实在在的非常非常多的好处,这个是不现实的。就如同蒸汽车刚出来,也跑不过马车,对吧?这个事情是需要一段时间的磨合和准备的。我觉得,还需要三年的时间。
8、我们投了几百家的企业,各种SaaS公司、企业服务的公司、软件的公司,都是在用各种各样的大模型。我都问过了,没有任何一家告诉我说马上就觉得太好了,没有一家说可以直接裁员了,也没有说用完成本就大幅度下降,客户体验大幅度提升的。但是所有人都知道,这个时间点如果再不做,可能三年后你的位置就不知道在哪了。所以说,这一段时间不能够简单地用成本效率来考虑这个问题。
9、我们自己总结,大模型应用其实是三个阶段。第一步,提升产能,很多人结合这个技术提高自己的一个产能。第二步,怎么去找增长点?怎么结合这个技术让我的这个企业能够更好的去增长?最后一步,就是转变,怎么围绕这个技术去转变我整个的运营模式。我们的一个说法,大模型不是一个技术或技能,它可能是一个战术,帮很多企业带来新的思维。简单比喻,它不是教你一个新的投篮方式,而是教你新的进攻打法。
大模模型真正应用落地,更应该看重降本增效?还是产业升级?
10、我不认为它是一个简单的降本增效的问题。我觉得使用大模型或者说我们研发大模型,它是个资产,是一个资产形成的过程。它是不断地用各种参数,各种数据训练,最后端出来的东西本身是块资产,是个资产属性的东西。所以说,我们不应该用一个工具或买一个东西来用的这种概念。
11、咱们国家在推数据的资产化。大模型本身就是一个数据资产。实际上,要用一个投资性的概念,来看待大模型本身。在这个过程当中,中国必须有自己的标准。
12、降本增效这个词,我们觉得应该把它拆开去看。拿我们自己来看,增效其实是在C端,我们自己的员工端他们会增效,对个人的产能有提升。但对企业端,短期并不一定有降本的一个影响。
13、我们倾向于它是一个工业革命,或者说产业革命。是不是一个工作方式的变化?是不是一个产业价值链的变化?从这个角度来说,我们认为是。
从现在的“大模型时代”走到“AGI时代”,之间缺的是什么?
14、如果说终局是AGI 时代,现在我们站在模型时代,我们怎么能够穿越过去?只靠模型可以吗?OpenAI 给了我们一个非常好的范例,那就是通过价值验证来穿越这个鸿沟。相当于 ChatGPT的发布,极大地推动了GPT往前。应用层面的推动,也带来了整个生态的繁荣。
15、我们从模型到价值中间,是不是还是有一个巨大的鸿沟?这个鸿沟比我们预想的要大。我们去年3月份就开始做商业化,说实话当时我们是非常简陋的方式,我们甚至给客户交付是拿着硬盘跑到对方的机房去交付。
16、从技术层面看,我们希望能够得到一个不可能三角:模型效果足够好、价格足够低、易用性足够强。当这几个都满足了,我们觉得它就能帮助我们的企业去跨越这个鸿沟。
17、从业务层面看,如何来把控方向,帮助企业找到自己的最佳路径,去实现这样的一个穿越?我们还需要有一个业务上的理解,提供工具和一些方法论来帮助我们的企业更好地去应用模型。大模型厂商,要做企业的copilot,帮助大家打造专属的大模型战略。
企业在做产业落地应用的时候,有哪些洞察,遇到了哪些坑?
18、我曾经一直有一个疑惑,有个很焦虑的点,什么呢?就是通用大模型的能力是非常非常强大的,那这个通用大模型和垂类这个关系,到底会不会把垂类给完全吞噬掉?我目前的一个结论,通用大模型有所为有所不能为。或者说,我觉得通用大模型,能跑前面90公里,最后10公里,通用大模型可能是做不到的。我觉得必须有垂类的价值和应用,甚至有那个闭环的商业的场景才是最关键的。
19、第一个坑,研发成果或者说产品的可视化,或者说如何长久保持大家对AI产品的新鲜度,是我们最头疼的。偶尔玩玩还行,长时间的话,大家这个热情和新鲜度就淡了。我们尝试不断地引入数字分身,引入场景,让大家感受变化,这是早期遇到的第一个坑。第二个坑,也是众所周知的,API不稳定。第三个也比较麻烦,高并发领域的性能问题,我们采取技术解决方式,包括不断增加缓存或者同步已经生成好内容的发放方式,但是缺点也不能做到千人千面。第四个坑,如何解决它生成文章内容的合规性问题。
20、我们有两个误区,第一个是觉得模型什么都能干。然后当我们在任何一个场景深入进去以后,又会发现它其实什么都不能干。早期我们花过去10%的精力就能得到一个60%的结果,团队都非常乐观。然后当我们对它的准确度有了一个工业级的要求的时候,又会发现从60%提高到80%才是一个可用的范围,这个过程又极其的艰难,这个中间整个团队就会陷入到一个从乐观到过于悲观的过程。
21、很多企业都经历过数字化转型的过程,有的企业转得快,有的企业转得慢。大模型在企业的应用,实际上它不是一个缓慢的过程,很多领域在企业内部是要被颠覆性的改造。这个时候要投入的战略目标和战略定力其实是完全不一样的。很多企业就在犹豫进不进,进了之后谁来进?怎么进?这个过程一直在摇摆。
22、很多中小型企业,他们也想跟着大模型这个浪潮起来,但是他们在数字化的基础并没有达到一个能够应用大模型的水平。所以这个时候,它其实还要去先经历一个信息化、数字化的过程,然后再把大模型用起来。
大模型对大家的公司战略、组织产生了什么变化?
23、我觉得从战略上来说,能走向未来的公司一定是有AI思维的公司。
24、对AI这个方向,分众是一个战略级的项目,我们要持续去做,为什么呢?我们一直在想,如何以技术为载体,把公司里人的知识承接起来,然后用模型知识触达以前服务不到的客户,这对我们的业务来说是一个增量。此外,存量角度,对既有客户的服务的能力,大模型也有一些帮助。
25、蒙牛集团整个AI战略一直比较清晰,针对AIGC,领导也提出了两个比较重要的战略。针对个人叫做超级个体,针对我们的业务场景,今年主推的是智能流程和智能决策。
26、金山也在 All in AI,这件事情贯穿了我们全年的所有的业务尝试。在这个过程中,我们发现经常左右互搏。一方面金山办公是一个生产力工具,在AI这个时代是最容易被挑战的,我们看AI是在革自己的命,我们更多地是把自己的东西打碎掉,重新去组织。我们将成为一个更智能的知识服务的提供商,这件事情可能是我们最终的方向。
回顾自家AI落地的路径,大家觉得什么是最佳实践?应该按什么样的步骤去落地?
27、要重视数据,就是数据质量,我觉得是整个决胜的基础内核。无论是AI应用,还是垂类的或者行业的大模型,都是非常非常关键,而且这个数据应该变成一个活数据,要不断地去迭代,不断地去维护。
28、这件事情对很多企业来说应该是个一把手工程。为什么是这样?因为现在社会上最大的共识,就是AI一定会颠覆我们所在的各个行业,以及各个行业对应的一些角色,这是一个很大的共识。但是也有一个不太有共识的地方,就是它什么时候落地,什么时候影响到我?
29、经验就一句话,研发视角,结硬寨打呆仗。建议大家集中优势兵力,先把核心功能全部做出来,演示功能做出来,然后基于此在做应用场景验证,这样速度反而更快一些。
30、应用场景应该怎么找?拿着锤子找钉子?怎么去找到那个好钉子?我们的经验,自上而下的找到AI落地的场景,可能比自下而上的性价比要高很多。一些场景,所有的员工、所有的职能岗位可能都会有各种各样的不同层级的需求。但当从CEO的角度去看这些问题的时候,去看整个的业务流程,有可能基层员工的问题都不是问题,甚至基层员工的岗位都不再必要了。
31、从组织角度,包括我们自己在做这件事情的时候,它一定是个一把手工程,一定你在组织结构中把它单独独立出来,所以我们现在孵化出一个小团体,它不是原来的信息化部门,也不是原来的某个业务部门。它是一个单独的、横向的,然后由一把手担任的独立小组,这个小组一定想清楚这件事情要长时间的投入。这个战略问题解决了之后,后续的事情会更简单一点。
32、另外,我们自己的感觉,我们需要一个真正懂业务的人去推动这件事情。而不是说我们去找一个多么懂这个大模型的人。真正懂业务的人,再去思考,怎么把这个东西用好?
33、总结一下,大家莫慌!2024年,AI才刚刚从去年的慌乱和兴奋,走向“沉淀”,走向“价值”。
此外,中国科学院院士张钹关于具身智能的思考,蒙牛集团的产业智能化之路,清华大学5个教授一起预测AGI等内容,也都十分重磅。不过由于篇幅的关系,咱们另文再叙。
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
回复
使用道具
举报
发表新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖后跳转到最后一页
redfree
注册会员
0
关注
0
粉丝
10
帖子
Ta的主页
发布
加好友
最近发表
超700台机器人在这里造车 穿越机视角一览超级工厂
智能家居概念6日主力净流入1.25亿元,格力电器、海尔智家居前
零洞智能家居系统及产品应用于广州南沙曜玥湾
机器人
通用机器人的梦想,大模型能否一臂之力?
不是针对谁!中国在册无人机126万架,这还是解放军看不上的!
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们