九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

作者 | 北方

編輯 | 靖宇

歷史上從來(lái)沒(méi)有哪一個(gè)時(shí)刻，比 2023 年更緊密地將 AI 與人類未來(lái)聯(lián)系在一起。

僅僅剛剛過(guò)去的幾個(gè)月，AI 行業(yè)就上演了 OpenAI 開發(fā)者大會(huì)、Humane 推出 AI Pin、微軟 Ignite 大會(huì)、xAI 發(fā)布 Grok、OpenAI「宮斗劇」等行業(yè)大事件，不僅一次次引發(fā) AI 圈密集討論，也讓更多人開始密切關(guān)注 AI 商業(yè)化與自身的未來(lái)發(fā)展。

作為「大模型元年」，AI 大模型的落地也出現(xiàn)不同走向。面向 C 端，以 OpenAI 為代表，將 GPT Store、人人可定制的 GPT 等切入人類生活變成新的主題；而在 B 端，「技術(shù)如何落地」「應(yīng)用的可能性」這類更實(shí)際的問(wèn)題，從沒(méi)有如此頻繁地出現(xiàn)在創(chuàng)業(yè)者的話語(yǔ)中。

卡耐基梅隆大學(xué)（CMU）「學(xué)霸」、聯(lián)匯科技首席科學(xué)家趙天成，現(xiàn)在還記得當(dāng)年在大學(xué)攻讀博士時(shí)，看到谷歌的 AlphaGO 戰(zhàn)勝人類頂尖圍棋選手帶給自己的震撼。當(dāng)時(shí)已經(jīng)看清傳統(tǒng)「列規(guī)則」式的 AI 開發(fā)方式的弊端，轉(zhuǎn)而研究「AI 智能體」的他，選擇了一條「前 GPT 模式」的 AI 之路，早在幾年之前，已經(jīng)預(yù)判大模型才是 AI 快速進(jìn)化的正確路徑。

回國(guó)加盟聯(lián)匯科技后，趙天成和團(tuán)隊(duì)就開始打磨基礎(chǔ)模型，將重心放在了多模態(tài)大模型領(lǐng)域，并在 2021 年就推出了首個(gè)自研的多模態(tài)大模型，與當(dāng)下創(chuàng)業(yè)者仍在疲于「卷」文字大模型形成鮮明對(duì)比。

技術(shù)上的創(chuàng)新和務(wù)實(shí)的產(chǎn)品開發(fā)，讓聯(lián)匯科技利用多模態(tài)大模型的超強(qiáng)能力，先后獲得廣電、運(yùn)營(yíng)商、國(guó)家電網(wǎng)等多個(gè)領(lǐng)域的 B 端客戶，成為大模型創(chuàng)業(yè)者中少見的功落地者。

在商業(yè)路徑上，趙天成看到當(dāng)年「AI 四小龍」當(dāng)下的窘境，認(rèn)識(shí)到「小模型定制死路一條」的真理，堅(jiān)持聯(lián)匯科技在大模型領(lǐng)域的不斷研發(fā)和創(chuàng)新。

對(duì)于當(dāng)下的「百模大戰(zhàn)」，趙天成認(rèn)為單純的「卷參數(shù)」，嘗試復(fù)現(xiàn) ChatGPT 的能力，對(duì)很多創(chuàng)業(yè)公司來(lái)說(shuō)，可能并不是唯一正確的打法。而已經(jīng)在 B 端積累了相當(dāng)經(jīng)驗(yàn)的他，認(rèn)為大模型并不止 LLM 一種形式，相比而言，多模態(tài)大模型能落地的場(chǎng)景更多。

「GPT 只是大模型的一個(gè)路徑，但 OpenAI 的方法論可以在更多場(chǎng)景中做嘗試。」趙天成告訴極客公園。在他看來(lái)，在 AI 的 B 端落地上，競(jìng)爭(zhēng)并非是「百團(tuán)大戰(zhàn)」，而更像「叢林狩獵」，最終能獲得獵物的，并非一定是大公司。

以下為聯(lián)匯科技首席科學(xué)家趙天成采訪實(shí)錄，由極客公園整理：

極客公園：你之前在加州大學(xué)攻讀計(jì)算機(jī)專業(yè)，為什么后來(lái)又去了 CMU 進(jìn)行語(yǔ)言技術(shù)方面的研究？

趙天成：我在 UCLA 電子工程系加計(jì)算機(jī)雙修，差不多三年時(shí)間就修完本科專業(yè)課程，第四年主要攻讀了一系列研究生課程，并且在 UCLA 語(yǔ)音技術(shù)實(shí)驗(yàn)室做語(yǔ)音處理相關(guān)研究，開始接觸到人工智能和機(jī)器學(xué)習(xí)等前沿課題，激發(fā)了我很大的興趣。

選擇去 CMU 攻讀計(jì)算機(jī)博士學(xué)位，是因?yàn)?CMU 在 AI 領(lǐng)域全球排名第一，去那里是所有 AI 研究人員的夢(mèng)想。而去 CMU 計(jì)算機(jī)學(xué)院的 LTI（語(yǔ)言技術(shù)研究所）是因?yàn)榻佑|到語(yǔ)音處理技術(shù)之后，我感覺(jué)到這項(xiàng)技術(shù)，已經(jīng)開始慢慢從學(xué)術(shù)界往工業(yè)界轉(zhuǎn)移了，它本身的技術(shù)部分相對(duì)來(lái)說(shuō)已經(jīng)比較成熟了，我想去做更前沿的基礎(chǔ)人工智能理論研究工業(yè)工程化相關(guān)的研究。

我當(dāng)時(shí)判斷既然語(yǔ)音識(shí)別作為語(yǔ)音感知層已經(jīng)相對(duì)成熟，那后續(xù)的行業(yè)趨勢(shì)肯定會(huì)做更深度的認(rèn)知智能，比如理解語(yǔ)義，智能對(duì)話，甚至具有超出語(yǔ)言本身之外的推理與決策能力。CMU 的 LTI 是這個(gè)領(lǐng)域全球最好的研究機(jī)構(gòu)，那里的科學(xué)家研發(fā)了全球最早的語(yǔ)音識(shí)別引擎、機(jī)器翻譯系統(tǒng)、人機(jī)對(duì)話系統(tǒng)等等，我相信在那里可以誕生出未來(lái)新一代的突破性人工智能技術(shù)。

極客公園：2014 年你選擇去做語(yǔ)音和語(yǔ)言研究的時(shí)候，當(dāng)時(shí)的學(xué)術(shù)界是什么狀態(tài)？

趙天成：NLP（自然語(yǔ)言處理）領(lǐng)域那時(shí)屬于一個(gè)交接期。當(dāng)時(shí)有一批人在做偏規(guī)則型研究，也有人在做偏機(jī)器學(xué)習(xí)型的研究，或者把機(jī)器學(xué)習(xí)和規(guī)則進(jìn)行結(jié)合。

在 2016 年，我發(fā)表了業(yè)內(nèi)最早的一篇端到端人機(jī)對(duì)話論文，講如何用神經(jīng)網(wǎng)絡(luò)解決整個(gè)對(duì)話系統(tǒng)的問(wèn)題。當(dāng)時(shí)通常的做法是多個(gè)規(guī)則模塊的拼接，而用一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)完成全部的對(duì)話還是很前沿的想法，和現(xiàn)在的 ChatGPT 很像。這個(gè)工作也提名了當(dāng)年 SIGDIAL 最佳論文獎(jiǎng)。

我當(dāng)時(shí)提出的就是，應(yīng)該用一個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行端到端的學(xué)習(xí)來(lái)實(shí)現(xiàn)智能對(duì)話，而不是用很多 AI 規(guī)則模塊來(lái)做人機(jī)交互系統(tǒng)。

極客公園：這種靈感來(lái)源是什么？

趙天成：當(dāng)時(shí)我分析了傳統(tǒng)的對(duì)話系統(tǒng)，發(fā)現(xiàn)通過(guò)人工建立規(guī)則或者人工建立專家系統(tǒng)，雖然能在短期內(nèi)對(duì)系統(tǒng)的能力會(huì)有一些提升，但這個(gè)提升是不可持續(xù)的，因?yàn)槲覀儾豢赡芨F舉所有的對(duì)話場(chǎng)景，因此從長(zhǎng)遠(yuǎn)看，要實(shí)現(xiàn)大的 AI 飛躍，正確的路線應(yīng)該是減少人工干預(yù)，依靠更強(qiáng)的算力，讓機(jī)器能更好地進(jìn)行自學(xué)習(xí)來(lái)達(dá)到智能的提升。而不能陷入有多少「人工」，才有多少「智能」的怪圈，那樣做只能讓「人工智能」變成「人工智障」。

但是要實(shí)現(xiàn)機(jī)器自我學(xué)習(xí)，這個(gè)過(guò)程中有很多挑戰(zhàn)，因?yàn)橐粋€(gè)人機(jī)交互系統(tǒng)會(huì)有很多復(fù)雜模塊，需要做自然語(yǔ)言理解，把它解釋成實(shí)體，在對(duì)話層面又要去做很多邏輯以及規(guī)劃，這些都要通過(guò)一個(gè)神經(jīng)網(wǎng)絡(luò)去解決。

機(jī)器人小歐對(duì)畫面深度理解 | 小程序搜索「機(jī)器人小歐」體驗(yàn)

但當(dāng)時(shí)業(yè)界沒(méi)有現(xiàn)在這么多的工具，在做的過(guò)程中，我們考慮的是從怎樣的點(diǎn)入手，把最基本的閉環(huán)走通，然后以它為基礎(chǔ)再去做擴(kuò)展。這是我當(dāng)時(shí)覺(jué)得比較容易實(shí)現(xiàn)、成為真正智能的 AI 的方向和路徑。

極客公園：你在 CMU 讀博期間，業(yè)內(nèi)還沒(méi)有大模型這個(gè)概念出現(xiàn)？

趙天成：當(dāng)時(shí)還沒(méi)有大模型這個(gè)概念，甚至連生成式模型都是少見的概念。

在碩博期間，我做了兩件事情。我在碩士期間承接了一個(gè)美國(guó)科研自然基金 NSF 的項(xiàng)目，當(dāng)時(shí)還沒(méi)有智能音箱，我提出做一個(gè)智能體，其智能大腦可以融合各種各樣的單任務(wù)智能體能力，可能是訂餐，也可能是推薦地圖，通過(guò)一個(gè)統(tǒng)一的智能體和用戶交流。這在當(dāng)時(shí)還是很前沿的課題，類似于現(xiàn)在 ChatGPT 的插件系統(tǒng)。我和團(tuán)隊(duì)在 2014 -2016 年從 0 到 1 把整個(gè)平臺(tái)做出來(lái)，作為基礎(chǔ)科研平臺(tái)，支撐了后續(xù)超過(guò) 100 多篇科研論文的發(fā)表。這個(gè)成果得到了亞馬遜、谷歌等多位人工智能專家的充分肯定。

做這個(gè)智能體的過(guò)程中，我發(fā)現(xiàn)靠傳統(tǒng)的方式去做智能體其實(shí)能力上限很低。這啟發(fā)我在博士課題中去做端到端的生成式模型，我認(rèn)為只有這樣才能真正從根本上解決這個(gè)問(wèn)題。所以從 2016 年之后，我基本上所有的論文都是圍繞怎樣去做更好的生成式模型，把數(shù)據(jù)「注入」進(jìn)去之后，它就可以完成更復(fù)雜的任務(wù)。

極客公園：當(dāng)時(shí)做的就已經(jīng)是大模型，只是沒(méi)有像現(xiàn)在這種幾百億參數(shù)這么大？

趙天成：對(duì)，只是在規(guī)模上不一樣，在核心算法這一塊非常接近，幾乎沒(méi)有差別。比如當(dāng)時(shí)我訓(xùn)練的是 1 億參數(shù)的模型，現(xiàn)在可能是 100 億參數(shù)或者 1000 億參數(shù)的模型。

極客公園： 2016 年 AlphaGo 出現(xiàn)了，當(dāng)時(shí)也引起了非常大的反響，你當(dāng)時(shí)有什么感受？

趙天成：當(dāng)時(shí)觸動(dòng)很大。因?yàn)槲耶?dāng)時(shí)做的就是生成式模型過(guò)程中最大的兩個(gè)技術(shù)棧：偏神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)、訓(xùn)練和強(qiáng)化學(xué)習(xí)。

當(dāng)時(shí) AlphaGo 是強(qiáng)化學(xué)習(xí)一個(gè)很好的應(yīng)用場(chǎng)景和成果。所以我們也考慮怎樣讓這種能力應(yīng)用在現(xiàn)實(shí)場(chǎng)景中，因?yàn)?AlphaGo 本身的規(guī)則是固定的。但實(shí)際上我們?cè)诟藱C(jī)交互、自然語(yǔ)言、圖像打交道的時(shí)候有無(wú)限的可能性，難度遠(yuǎn)遠(yuǎn)超出下圍棋這個(gè)任務(wù)。所以我們花了很多精力去研究，怎樣將 AlphaGo 級(jí)別的端到端的機(jī)器學(xué)習(xí)應(yīng)用在更廣領(lǐng)域，在 2018 年我們就提出了通過(guò)基于隱變量的強(qiáng)化學(xué)習(xí)，讓智能體學(xué)會(huì)從人類反饋中獲得更好的人機(jī)交互策略，大幅度提高任務(wù)完成的成功率，達(dá)到了當(dāng)時(shí)的 SOTA 性能。

極客公園：在 2019 年和 2020 年左右，國(guó)內(nèi) AI 行業(yè)尚處于波谷期，為什么會(huì)選擇回國(guó)創(chuàng)業(yè)做 AI？

趙天成：因?yàn)槲野l(fā)現(xiàn)不管什么模型、什么技術(shù)，都需要有一些匹配的應(yīng)用場(chǎng)景，去實(shí)現(xiàn)它的迭代和本身價(jià)值的體現(xiàn)。當(dāng)時(shí)我們和國(guó)內(nèi)有很多交流，發(fā)現(xiàn)其實(shí)國(guó)內(nèi)不管是視頻還是多媒體，有很多應(yīng)用場(chǎng)景在美國(guó)可能很少見，國(guó)內(nèi)反而機(jī)會(huì)更多。

一方面，國(guó)內(nèi)做 AI 會(huì)有更大的應(yīng)用空間，有更多的機(jī)會(huì)。另一方面，回國(guó)也是我的個(gè)人選擇，我個(gè)人還是比較有家國(guó)情懷的一個(gè)人，在美國(guó)留學(xué)這么多年，我希望能把時(shí)間與精力放在建設(shè)自己的國(guó)家，綜合決定之后，我選擇回國(guó)實(shí)現(xiàn)我的理想。

極客公園：當(dāng)時(shí)國(guó)內(nèi) AI 行業(yè)處于什么狀態(tài)，聯(lián)匯科技如何選擇切入市場(chǎng)的角度？

趙天成：當(dāng)時(shí)國(guó)內(nèi)大模型幾乎是未開啟狀態(tài)。很多大廠，包括華為、百度等也訓(xùn)練過(guò)一些模型，但當(dāng)時(shí)大家還沒(méi)有發(fā)現(xiàn)什么實(shí)際的價(jià)值。

我回來(lái)后分析了國(guó)內(nèi) AI 行業(yè)的痛點(diǎn)。當(dāng)時(shí)很多行業(yè)都在做 AI，比如零售 AI、客服 AI 等，這些基本上都是用傳統(tǒng)的小模型方式在做的，定制化程度極高，而對(duì)小模型定制來(lái)說(shuō)，他的瓶頸在于每個(gè)模型不能泛用，每個(gè)場(chǎng)景都要從頭做起，無(wú)法沉淀積累，使得定制成本很高。這就導(dǎo)致了當(dāng)時(shí)做 AI 商業(yè)化落地成為一件很累、很虧錢的事情。

經(jīng)過(guò)研究分析，我們發(fā)現(xiàn)雖然市場(chǎng)有很多中長(zhǎng)尾應(yīng)用場(chǎng)景，但功能要求非常分散，這種情況和我們之前做智能體平臺(tái)差不多。如果用小模型方式去做的話，很難走遠(yuǎn)。所以我覺(jué)得我們既然要做，就要去做有「未來(lái)」的東西，摒棄小模型的思路，專心于大模型。而且我們根據(jù)學(xué)術(shù)界的研究成果，判斷大模型的行業(yè)爆發(fā)不會(huì)太遠(yuǎn)。

歐姆視覺(jué)語(yǔ)言大模型擁有主動(dòng)思考分析能力

極客公園：當(dāng)時(shí)你怎樣讓客戶認(rèn)識(shí)到這種技術(shù)案例的先進(jìn)性？說(shuō)服對(duì)方在這個(gè)方向投入？

趙天成：非常困難。當(dāng)時(shí)還沒(méi)有大模型的概念，我們嘗試了很多方法去做科普，但幾乎沒(méi)人聽得懂。我們就嘗試通過(guò)和其他產(chǎn)品 PK 來(lái)說(shuō)明我們的路線優(yōu)勢(shì)，因?yàn)榇竽Ｐ秃托∧Ｐ鸵粚?duì)比就能看到效果。比如在介紹跨模態(tài)搜索能力時(shí)，我們就和對(duì)方說(shuō)以前的搜索都是需要打標(biāo)簽的，但我們的搜索只要通過(guò)自然語(yǔ)言說(shuō)一句話，就能把東西搜出來(lái)，我們不用標(biāo)簽，或者說(shuō)我們是「無(wú)限標(biāo)簽」。

這種概念其實(shí)很多客戶也還是不理解，我們只能用更具象的方式去介紹。比如雖然我們是無(wú)限標(biāo)簽，但有時(shí)候不得不說(shuō)我們有幾萬(wàn)個(gè)標(biāo)簽，因?yàn)檫@樣能給他們一個(gè)具象的概念。這些都是我們?cè)趪L試落地時(shí)碰到的困難。

極客公園：有沒(méi)有給你印象很深的客戶，你展示前他并不相信這些，展示后他被震驚到了？

趙天成：比如某廣電集團(tuán)，他們也是我們比較大的一個(gè)客戶。他們有很多視頻媒體資料，比如新聞播報(bào)類節(jié)目等，以前一年要花幾百萬(wàn)進(jìn)行人工編目、打標(biāo)簽，來(lái)實(shí)現(xiàn)資產(chǎn)管理和檢索。當(dāng)時(shí)我們說(shuō)可以通過(guò)機(jī)器學(xué)習(xí)，自動(dòng)生成無(wú)限標(biāo)簽，可以實(shí)現(xiàn)任意檢索，對(duì)方不太相信，我們就給他們做測(cè)試系統(tǒng)，讓客戶自己去驗(yàn)證。然后我們?cè)購(gòu)募夹g(shù)底層去講解這個(gè)原理。經(jīng)過(guò)幾次使用和講解之后，他們內(nèi)部一些專業(yè)的技術(shù)專家也認(rèn)識(shí)到這個(gè)技術(shù)路線的先進(jìn)性，后續(xù)合作就比較順暢了。

極客公園：這樣的一個(gè)商業(yè)化方向是團(tuán)隊(duì)經(jīng)過(guò)很長(zhǎng)時(shí)間碰出來(lái)的嗎？還是說(shuō)你早就已經(jīng)想到了場(chǎng)景和方向，只是根據(jù)客戶不同來(lái)去提供支持？

趙天成：雖然我們當(dāng)時(shí)認(rèn)為大模型一定是一個(gè)方向，而且我們也一直在致力于提高大模型的基礎(chǔ)能力，但在商業(yè)化方向上，還是通過(guò)不斷的市場(chǎng)探索，慢慢摸出來(lái)的。在尋找具體應(yīng)用場(chǎng)景時(shí)，我們當(dāng)時(shí)嘗試了很多行業(yè)，也碰過(guò)很多壁。最終發(fā)現(xiàn)，最終我們聚焦在媒體視覺(jué)和 IoT 視覺(jué)這兩大應(yīng)用場(chǎng)景。

極客公園：從回國(guó)到成功落地這樣的大客戶，大概花了多長(zhǎng)時(shí)間？

趙天成：差不多一年多時(shí)間。雖然在技術(shù)方面，我們之前在美國(guó)已經(jīng)有了一些積淀，并不是回來(lái)之后從零開始做起。但在真正落地應(yīng)用時(shí)，還是有很多需要改進(jìn)。實(shí)際上要真正做到應(yīng)用落地，需要大模型能力提升、工具鏈開發(fā)、應(yīng)用場(chǎng)景確定、應(yīng)用閉環(huán)開發(fā)以及商業(yè)模式確定等一系列因素結(jié)合起來(lái)才能實(shí)現(xiàn)，并不僅僅是技術(shù)問(wèn)題。

極客公園：你回國(guó)的時(shí)候，國(guó)內(nèi)「AI 四小龍」很受關(guān)注，經(jīng)過(guò)這些年，從這些公司的起伏中能學(xué)到什么經(jīng)驗(yàn)？

趙天成：我認(rèn)為這些公司都很優(yōu)秀，他們?cè)谛∧Ｐ蛻?yīng)用落地方面，做了很多嘗試，在高頻領(lǐng)域也有很多成功案例，但在中長(zhǎng)尾領(lǐng)域都不太順利。這也反過(guò)來(lái)驗(yàn)證了我的判斷——如果用小模型方式去服務(wù)中長(zhǎng)尾場(chǎng)景，貌似是死路一條。

這樣的判斷，更加堅(jiān)定了我們做大模型的決心。我們看到只要把大模型的商業(yè)道路走通的話，將具有巨大的市場(chǎng)價(jià)值。

歐姆視覺(jué)語(yǔ)言大模型擁有四大核心能力

極客公園：在 ChatGPT 出來(lái)之前，你已經(jīng)預(yù)判到大模型技術(shù)的行業(yè)趨勢(shì)，在這些年里，你對(duì)大模型的理解有什么變化？

趙天成：我是從 2016 年左右開始專注于端到端的生成式模型訓(xùn)練，其核心思想和如今的大模型訓(xùn)練如出一轍，也就是首先構(gòu)建一個(gè)上限極高的神經(jīng)網(wǎng)絡(luò)模型，然后通過(guò)對(duì)大量的無(wú)監(jiān)督數(shù)據(jù)進(jìn)行自回歸學(xué)習(xí)，實(shí)現(xiàn)原本需要 N 個(gè)專家系統(tǒng)模塊組合而成的復(fù)合能力。在這些年里，對(duì)于大模型學(xué)習(xí)的最大變化在于對(duì)于這種學(xué)習(xí)方式能達(dá)到的上限與發(fā)展速度一次次地刷新了我的預(yù)期，也讓我更加堅(jiān)定這種方法論的正確性。

早年的時(shí)候，端到端模型能夠?qū)崿F(xiàn) AI 對(duì)于自然語(yǔ)言的流暢生成，到后面能夠根據(jù)用戶的問(wèn)題給出流暢的答復(fù)就已經(jīng)是非常了不起的成果了。然而現(xiàn)在 GPT-4 可以不但進(jìn)行流暢的語(yǔ)言生成與問(wèn)題回復(fù)，還可以主動(dòng)地選擇不同的工具，并且產(chǎn)生思維與推理鏈條，這個(gè)在當(dāng)時(shí)是不太敢想的。當(dāng)時(shí)這個(gè)過(guò)程只能靠人工去定義，不可能靠 AI 自己做出來(lái)。

現(xiàn)在不管多模態(tài)大模型還是大語(yǔ)言模型，已經(jīng)逐步具備自己去產(chǎn)生整個(gè)推理鏈路或者決策鏈路的能力，我覺(jué)得這個(gè)是顛覆性的變化，也讓現(xiàn)在的 AI Agent 開始具備了主動(dòng)思考與決策的能力。

聯(lián)匯科技智能管家機(jī)器人看護(hù)老人

極客公園：所以這些年的改變，讓 AI 有可能實(shí)現(xiàn)大范圍的商業(yè)化？

趙天成：對(duì)，這些年最大的變化是從以前的被動(dòng)智能——用戶問(wèn)一個(gè)問(wèn)題，AI 回答一個(gè)問(wèn)題，到現(xiàn)在的主動(dòng)智能——用戶問(wèn)一個(gè)問(wèn)題，AI 除了回答他的直接問(wèn)題，還會(huì)主動(dòng)聯(lián)想到其他問(wèn)題。甚至用戶不用提問(wèn)，AI 自己根據(jù)它的觀察，就能主動(dòng)發(fā)現(xiàn)問(wèn)題并給出解決問(wèn)題的建議。

比如在零售場(chǎng)景下面，AI 通過(guò)視頻分析發(fā)現(xiàn)超市里的咖啡打翻了，它會(huì)自己聯(lián)想到需要做清理，或者通知誰(shuí)去打掃衛(wèi)生。這樣從觀察到行動(dòng)的決策方案，以前只有通過(guò)人工設(shè)置才可能實(shí)現(xiàn)，但現(xiàn)在就可以自動(dòng)實(shí)現(xiàn)，這是一個(gè)比較顛覆性的變化，從被動(dòng)智能進(jìn)化到主動(dòng)智能。

聯(lián)匯科技巡店機(jī)器人進(jìn)行店面管理

當(dāng) AI 從被動(dòng)智能發(fā)展到主動(dòng)智能后，就有了更多的商業(yè)應(yīng)用價(jià)值，就有可能實(shí)現(xiàn)大規(guī)模的商業(yè)化。

極客公園：聯(lián)匯科技團(tuán)隊(duì)在 AI 落地場(chǎng)景很早就開始嘗試，現(xiàn)在還有哪些落地場(chǎng)景可以透露？

趙天成：現(xiàn)在很多 AI 應(yīng)用主要還是基于純語(yǔ)言模型，我們的特點(diǎn)是專注在多模態(tài)大模型上，特別是視覺(jué)和語(yǔ)言兩個(gè)模態(tài)。把視覺(jué)和語(yǔ)言結(jié)合起來(lái)的應(yīng)用場(chǎng)景很多。

比如在媒體領(lǐng)域有很多內(nèi)容創(chuàng)作需求。我們正在用基于視覺(jué)語(yǔ)言大模型的智能體框架做一個(gè)產(chǎn)品，實(shí)現(xiàn)編導(dǎo)層面的自動(dòng)化和主動(dòng)智能，以解決編導(dǎo)們最頭痛的內(nèi)容創(chuàng)意問(wèn)題，這個(gè)產(chǎn)品可以根據(jù)內(nèi)容主題要求，自動(dòng)分析內(nèi)容主體是什么、需要什么素材、鏡頭怎么拆，最后要用怎樣的敘事線表達(dá)，讓 AI 去做一步步推理的過(guò)程。

視頻小歐文生視頻

另外比如國(guó)內(nèi)做的比較多的智慧家居、智慧零售等場(chǎng)景。以前家庭或者小店里安裝的攝像頭只是一個(gè)觀察者，只會(huì)識(shí)別預(yù)定目標(biāo)，比如有人闖入，然后通知你看視頻回放，但一旦這些攝像頭加上了主動(dòng)智能后，每個(gè)設(shè)備都能主動(dòng)思考，它就成了一個(gè)虛擬店長(zhǎng)、虛擬保姆，這些都很有想象空間。

OmBot 自主智能體：面向行業(yè)的多模態(tài)智能體系列

極客公園：聯(lián)匯科技在 AI 商業(yè)化，尤其是 B 端是很成功的，這其中有哪些經(jīng)驗(yàn)值得分享？

趙天成：B 端場(chǎng)景不像 C 端。B 端必然會(huì)有個(gè)性化的需求。因此怎樣用更低成本去滿足這些個(gè)性化需求是非常重要的。這幾年，我們一直致力于加強(qiáng)我們大模型的能力，同時(shí)開發(fā)相應(yīng)的微調(diào)工具鏈，在此基礎(chǔ)上，用戶通過(guò) Prompt（提示詞）的方式就可以完成用戶的個(gè)性化微調(diào)訓(xùn)練，這就讓定制成本變得很低，創(chuàng)造出一種全新的用戶個(gè)性化 AI 服務(wù)的方法。

我們的經(jīng)驗(yàn)在做 B 端服務(wù)時(shí)，一定要考慮取舍，不能走上定制小模型的路，要學(xué)會(huì)克制，有舍有得。

極客公園：在 AI 大模型商業(yè)化落地這件事上，真正難的地方是什么？

趙天成：把 AI 技術(shù)產(chǎn)品化，讓它滿足客戶的需求有很多因素需要考慮。國(guó)內(nèi)和國(guó)外市場(chǎng)有個(gè)很不一樣的地方，美國(guó)在很多技術(shù)方面都有更明晰的分層，生態(tài)鏈中每一個(gè)環(huán)節(jié)，都能發(fā)展出很優(yōu)秀的公司。

比如說(shuō)有些公司就做一個(gè)中間件，也可以活得很好。但是國(guó)內(nèi)并不存在這樣成熟的生態(tài)體系，只做中間件很難存活。因此在國(guó)內(nèi)市場(chǎng)，一家 AI 公司要實(shí)現(xiàn)商業(yè)化落地，他產(chǎn)品得有「厚度」才行，意味著你必然要對(duì)客戶有更深的理解，要做成產(chǎn)品閉環(huán)。單純把某個(gè)模塊做到極致，是遠(yuǎn)遠(yuǎn)不夠的。

極客公園：前不久剛剛召開 OpenAI 開發(fā)者大會(huì)，很多開發(fā)者看完覺(jué)得自己做的半年甚至一年努力都?xì)w零了，怎么看這種趨勢(shì)？

趙天成：我覺(jué)得 OpenAI 做這些商業(yè)化嘗試和我預(yù)期的差不多，他們肯定會(huì)做這些事情。Sam Altman 是很有野心的人，他肯定不會(huì)放棄這么大的潛在市場(chǎng)。

OpenAI 的商業(yè)化模式，對(duì)國(guó)外的開發(fā)者沖擊確實(shí)很大，但我認(rèn)為他們很快就會(huì)在這樣的生態(tài)中，找到新的機(jī)會(huì)。

前面我講到，國(guó)內(nèi)和國(guó)外的 AI 生態(tài)有很大的不同，特別是 2B 市場(chǎng)，OpenAI 的模式很難在中國(guó)復(fù)制。國(guó)內(nèi)用戶的私有化部署、數(shù)據(jù)壁壘、個(gè)性化需求等特點(diǎn)，都會(huì)影響到商業(yè)落地模式。

因此我們還是堅(jiān)持把自己的模型做好，把我們的工具鏈做好，提升自己原生的長(zhǎng)期競(jìng)爭(zhēng)力。同時(shí)，我們也在根據(jù)國(guó)內(nèi)的商業(yè)環(huán)境，探索更多的應(yīng)用形態(tài)，其中也會(huì)借鑒國(guó)內(nèi)外的很多模式，它山之石可以攻玉，總的來(lái)看，OpenAI 的發(fā)展對(duì)我們的成長(zhǎng)還是非常有利的。

極客公園：國(guó)內(nèi)目前卷大模型的這個(gè)現(xiàn)狀，聯(lián)匯科技是怎樣看待或者應(yīng)對(duì)的？

趙天成：我們主要從幾個(gè)方面來(lái)應(yīng)對(duì)，第一，走差異化路線。回頭看「百模大戰(zhàn)」，其實(shí)大部分公司都是在想辦法復(fù)現(xiàn) ChatGPT，到現(xiàn)在為止，基本上還停留在 OpenAI 早期的大語(yǔ)言模型階段，各家的產(chǎn)品很難看出差異化。而我們一開始就是走多模態(tài)路線，很多時(shí)候客戶會(huì)說(shuō)，文本 AI 我見過(guò)，但是能看懂圖像的好像沒(méi)見過(guò)。圖像+文本的場(chǎng)景應(yīng)用非常豐富。因此，我們通過(guò)差異化，能夠更好滿足客戶需求，并提供市場(chǎng)想要的產(chǎn)品。

另外，相較于很多公司，聯(lián)匯有不同的定位，因?yàn)槲覀冎饕?wù)在 B 端，就和目前市面上大部分企業(yè)面向 C 端的打法也不一樣。

聯(lián)匯科技擁有豐富完整的產(chǎn)品體系

還有，相較于有些公司一味地卷模型參數(shù)的大小。我們更關(guān)注的是模型的實(shí)際落地能力。大家也都知道微軟透露 GPT 3.5-Turbo 用的大模型參數(shù)也就在 200 億左右。因此模型參數(shù)多少合適，要有一個(gè)綜合的判斷，不是越大越好。

極客公園：如果現(xiàn)在才回國(guó)創(chuàng)業(yè)，大模型領(lǐng)域當(dāng)前的紅海狀態(tài)下，你還會(huì)考慮做基礎(chǔ)模型嗎？

趙天成：假如目前從 0 去做基礎(chǔ)模型，相比三年前會(huì)難很多。很多團(tuán)隊(duì)已經(jīng)入場(chǎng)。但我并不認(rèn)為現(xiàn)在大模型領(lǐng)域已經(jīng)進(jìn)入紅海階段，因?yàn)榇竽Ｐ捅旧碜C明了對(duì)于海量數(shù)據(jù)的學(xué)習(xí)和壓縮可以產(chǎn)生智能，但是 ChatGPT 也只是大模型的其中一種形式。

通過(guò)大量的預(yù)訓(xùn)練，把知識(shí)融入到一個(gè)模型里面，讓它產(chǎn)生通用能力，涌現(xiàn)出一些智能，這件事是不是只能做語(yǔ)言模型？我覺(jué)得肯定不是，別的場(chǎng)景下面還可以有，比如圖像、3D 或者分子結(jié)構(gòu)等等，因此，切準(zhǔn)某一個(gè)領(lǐng)域去做，還是有很多機(jī)會(huì)的。

比如我可以專門做 3D 大模型，或者做物理世界大模型，像 World Model 這種類型。其實(shí)三年前，做語(yǔ)言類大模型也是有很多不確定性的，因此我覺(jué)得做基礎(chǔ)大模型還是有很多機(jī)會(huì)的，關(guān)鍵是要對(duì)大模型的方法論有真正的理解，以及切入點(diǎn)的正確選擇。

極客公園：怎樣看待和大廠在 AI 領(lǐng)域的關(guān)系？是完全的競(jìng)爭(zhēng)還是說(shuō)有其他可能？

趙天成：首先，在 AI 領(lǐng)域，任何時(shí)候小公司都有機(jī)會(huì)，就像美國(guó)，很多 AI 創(chuàng)新都是谷歌提出的，但是 OpenAI 就比谷歌做得更好。

2017 年的時(shí)候我一些朋友也在 OpenAI 實(shí)習(xí)，那時(shí)候這家公司還不到 100 人。所以在 AI 領(lǐng)域，創(chuàng)業(yè)公司并不是沒(méi)有機(jī)會(huì)，但是競(jìng)爭(zhēng)肯定不可避免。每家公司要找準(zhǔn)自己的定位。

對(duì)于 C 端場(chǎng)景，競(jìng)爭(zhēng)肯定會(huì)比較激烈，大廠本身有較強(qiáng)的用戶平臺(tái)，小公司可能要真正有一些比較創(chuàng)新的應(yīng)用場(chǎng)景，同時(shí)又有比較好的市場(chǎng)策略才能勝出。

不過(guò)在 B 端，我覺(jué)得不管大廠還是小廠，都不存在贏家通吃的局面，因?yàn)?B 端的行業(yè)邏輯和 C 端是不一樣的。有一個(gè)比喻說(shuō)的很好，C 端可能是一種規(guī)模戰(zhàn)，大家是在比拼火力，我有 100 輛坦克，你有 1 輛坦克，我就能贏你。但是 B 端場(chǎng)景下面，大家都是叢林里的獵人，你可能拿了一個(gè)火箭筒，我拿了一把狙擊步槍，我的火力沒(méi)有你強(qiáng)，但這頭鹿到底誰(shuí)能打下來(lái)不一定。