結(jié)束圓桌對(duì)談后，人墻迅速圍攏，以月之暗面CEO楊植麟為核心，把會(huì)場(chǎng)前排的空白處填補(bǔ)得嚴(yán)嚴(yán)實(shí)實(shí)，人們舉著手機(jī)，寄望于伸出的胳膊能碰巧掃到楊植麟的微信。楊植麟至少被現(xiàn)場(chǎng)參會(huì)人員簇?fù)韲铝巳?，才在工作人員的協(xié)助下成功離開會(huì)場(chǎng)。 2024年6月14日—15日，備受矚目的AI領(lǐng)域盛會(huì)“2024北京智源大會(huì)”在中關(guān)村展示中心盛大召開?！睹咳战?jīng)濟(jì)新聞》記者現(xiàn)場(chǎng)注意到，這場(chǎng)被譽(yù)為“AI界春晚”的大會(huì)，在近年來(lái)大模型浪潮的推動(dòng)下，呈現(xiàn)出愈發(fā)濃厚的氛圍，國(guó)產(chǎn)大模型明星公司也成為參會(huì)者關(guān)注的焦點(diǎn)。 不同于上屆以國(guó)外技術(shù)人員、從業(yè)者為主，圍繞技術(shù)探索展開的大會(huì)，今年國(guó)產(chǎn)大模型公司成為主論壇的重頭戲——百度、月之暗面、智譜AI、零一萬(wàn)物、面壁智能等大模型公司成為論壇主角。與此同時(shí)，隨著大模型從技術(shù)競(jìng)速逐步邁向落地應(yīng)用，一些新的變化正在發(fā)生。 圖片來(lái)源：主辦方提供 新主角：國(guó)產(chǎn)大模型站在舞臺(tái)中央 在今年的“AI界春晚”上，國(guó)產(chǎn)大模型成為主角。 “進(jìn)入到2023年，大模型從研究機(jī)構(gòu)的科研成果開始向產(chǎn)業(yè)界逐步發(fā)展，我們也看到，百花齊放，有越來(lái)越多的大模型在過去的這一年發(fā)布?！敝窃囱芯吭涸洪L(zhǎng)王仲遠(yuǎn)在發(fā)言中提到。 王仲遠(yuǎn)認(rèn)為，以2023年為界，人工智能基本上可以分為兩個(gè)大的階段：2023年之前都屬于弱人工智能時(shí)代，即人工智能的模型是針對(duì)特定的場(chǎng)景、特定的任務(wù)，需要去收集特定的數(shù)據(jù)，訓(xùn)練特定的模型。比如說(shuō)，戰(zhàn)勝人類世界圍棋冠軍的AlphaGO在圍棋上表現(xiàn)得非常好，但是卻無(wú)法用來(lái)直接解決醫(yī)療問題，雖然方法可以借鑒，但是針對(duì)不同的場(chǎng)景任務(wù)都需要做數(shù)據(jù)和模型重新的收集和訓(xùn)練。進(jìn)入2023年，隨著大模型的發(fā)展，人工智能逐步進(jìn)入通用人工智能時(shí)代，而通用人工智能最大的特點(diǎn)就是它的規(guī)模非常大，模型具備涌現(xiàn)性，同時(shí)能夠跨領(lǐng)域的通用性。 2023年和2024年的北京智源大會(huì)，如同兩個(gè)對(duì)比鮮明的畫面，尤其是在大模型技術(shù)的發(fā)展和應(yīng)用上，兩屆大會(huì)的嘉賓構(gòu)成和議題變化，成為大模型時(shí)代飛速發(fā)展的注腳。 2024年的智源大會(huì)，嘉賓陣容發(fā)生了顯著的變化。更引人矚目的是國(guó)內(nèi)大模型公司，如百度、月之暗面、零一萬(wàn)物、智譜AI、面壁智能等大模型明星公司的CEO（首席執(zhí)行官）與CTO（首席技術(shù)官），以及來(lái)自國(guó)內(nèi)頂尖院校和研究機(jī)構(gòu)的代表。此次會(huì)議更加聚焦于人工智能關(guān)鍵技術(shù)路徑和應(yīng)用場(chǎng)景，從理論探討向?qū)嶋H應(yīng)用邁進(jìn)了一大步。 在2023年的大會(huì)上，ChatGPT剛剛推出半年，國(guó)內(nèi)大模型啟動(dòng)跟進(jìn)，“百模大戰(zhàn)”剛剛迎來(lái)開端。彼時(shí)，大會(huì)的主角是來(lái)自全球的頂尖學(xué)者和科技巨擘，國(guó)內(nèi)則更多以學(xué)界為主。在彼時(shí)的主論壇環(huán)節(jié)，兩組對(duì)談嘉賓分別是：Meta首席AI科學(xué)家、紐約大學(xué)教授楊立昆與清華大學(xué)計(jì)算機(jī)系教授朱軍；未來(lái)生命研究所創(chuàng)始人Max Tegmark與清華大學(xué)智能產(chǎn)業(yè)研究院（AIR）院長(zhǎng)張亞勤，對(duì)談內(nèi)容圍繞AI技術(shù)層面的探索展開。 變化已經(jīng)非常明顯：“百模大戰(zhàn)”愈演愈烈，折射出國(guó)內(nèi)大模型市場(chǎng)的快速崛起和自主創(chuàng)新能力的顯著提升。 隨著大模型由科研走向產(chǎn)業(yè)，人們對(duì)AGI（人工通用智能）有了更多想象，王仲遠(yuǎn)也提到，當(dāng)多模態(tài)大模型能夠理解和感知、決策這個(gè)世界的時(shí)候，它就有可能進(jìn)入到物理世界。如果進(jìn)入到宏觀世界跟硬件結(jié)合，這就是具身大模型的發(fā)展方向。如果它進(jìn)入到了微觀世界，去理解和生成生命分子，那么這就是AI For Science。無(wú)論是具身模型還是AI For Science亦或是多模型模態(tài)，都會(huì)促進(jìn)整個(gè)世界模型的發(fā)展，最終推動(dòng)人工智能技術(shù)向AGI方向發(fā)展。 一個(gè)共識(shí)：落地，落地，落地 盡管面臨挑戰(zhàn)，但技術(shù)的普及與落地已經(jīng)顯著加速，預(yù)示著人工智能正邁向一個(gè)全新的發(fā)展階段。一個(gè)重要的共識(shí)是，在將AGI的理想帶入現(xiàn)實(shí)世界的路上，落地應(yīng)用是重要的必答題。 “零一萬(wàn)物堅(jiān)決做to C（面向個(gè)人），不做‘賠錢的to B（面向企業(yè)）’，找到能賺錢的to B，我們就做，不賺錢就不做?！?a href="http://m.pqz6p9s.com/articles/2023-03-20/2718865.html" title="%E6%9D%8E%E5%BC%80%E5%A4%8D">李開復(fù)表示。 圖片來(lái)源：主辦方提供 對(duì)于大模型的落地應(yīng)用，李開復(fù)認(rèn)為，在中國(guó)to C短期更有機(jī)會(huì)，國(guó)外兩者都有機(jī)會(huì)。在to C端，大模型就如同互聯(lián)網(wǎng)時(shí)代或PC時(shí)代的新技術(shù)、新平臺(tái)，將會(huì)帶來(lái)新應(yīng)用，這是巨大的機(jī)會(huì)。他判斷，AI時(shí)代，第一個(gè)階段突圍的應(yīng)該是生產(chǎn)力工具；第二個(gè)階段可能會(huì)是娛樂、音樂、游戲；第三個(gè)階段可能會(huì)是搜索；再下一個(gè)階段可能會(huì)是電商；然后可能會(huì)有社交、短視頻、O2O，這是不變的定律。 張亞勤則認(rèn)為，再分層來(lái)看，目前真正賺錢的是to B，是在硬件、在芯片、在基礎(chǔ)設(shè)施層，這個(gè)是目前已經(jīng)發(fā)生的，但是從應(yīng)用來(lái)講，是先to C再to B。對(duì)于當(dāng)前的AI分層，張亞勤將其劃分為信息智能、物理智能（也稱為具身智能）以及生物智能。在具身智能階段，面向企業(yè)的應(yīng)用可能會(huì)發(fā)展得更為迅速。而到生物智能階段，情況可能恰好相反，面向個(gè)人的應(yīng)用會(huì)超過面向企業(yè)的應(yīng)用。各個(gè)領(lǐng)域的情況可能不盡相同，但總體來(lái)看，面向企業(yè)和面向個(gè)人的應(yīng)用，包括開源模型、商業(yè)閉源模型、基礎(chǔ)大模型、垂直行業(yè)大模型以及邊緣模型，都會(huì)存在。 而對(duì)于B端的落地應(yīng)用，李開復(fù)也談到，to B是大模型帶來(lái)更大的價(jià)值，而且應(yīng)該更快實(shí)現(xiàn)，但是可惜的是在to B這個(gè)領(lǐng)域面臨幾個(gè)巨大的挑戰(zhàn)。 一方面大公司、傳統(tǒng)公司看不懂大模型技術(shù)，不敢采取巨大顛覆式的東西。 與此同時(shí)，對(duì)企業(yè)來(lái)說(shuō)這一年帶來(lái)的最大的價(jià)值是降本，而不是創(chuàng)造價(jià)值。而降本說(shuō)實(shí)在的就是取代人類的工作。大公司會(huì)有很多高管或者中層管理不愿意做這個(gè)事情，因?yàn)樽隽诉@個(gè)，可能團(tuán)隊(duì)就要被砍掉了，他在公司的政治資本就沒有了，他的權(quán)力就變小了，甚至他自己的工作都沒有了，所以大公司有時(shí)CEO是很想做，但是下面的人會(huì)有阻力，這些理由造成to B理論上應(yīng)該馬上可以落地的，但實(shí)際上沒有那么快。 另一個(gè)在中國(guó)比較嚴(yán)重的問題是，很多大公司沒有認(rèn)識(shí)到軟件的價(jià)值，不愿意為軟件付費(fèi)，而且有這么多大模型公司來(lái)競(jìng)標(biāo)，結(jié)果價(jià)格越競(jìng)越低，做到最后是做一單賠一單，都沒有利潤(rùn)?！拔覀?cè)贏I1.0時(shí)代看到這個(gè)現(xiàn)象，現(xiàn)在很不幸在AI2.0時(shí)代（它）又重現(xiàn)了?！? 百度CTO王海峰的觀點(diǎn)是，在人類歷史上，每次工業(yè)革命的核心技術(shù)，不論是機(jī)械、電氣還是信息技術(shù)，均具備一些共同特性：首先，核心技術(shù)具有強(qiáng)烈的通用性，能夠廣泛應(yīng)用于各個(gè)領(lǐng)域。其次，當(dāng)這些技術(shù)具備了標(biāo)準(zhǔn)化、模塊化和自動(dòng)化的工業(yè)大生產(chǎn)特征時(shí)，這些技術(shù)就會(huì)進(jìn)入到工業(yè)大生產(chǎn)階段，從而更快地改變?nèi)藗兊纳a(chǎn)生活方式，并為人們帶來(lái)巨大的價(jià)值。當(dāng)前，人工智能基于深度學(xué)習(xí)和大模型工程平臺(tái)已經(jīng)具備了極強(qiáng)的通用性，以及良好的標(biāo)準(zhǔn)化、自動(dòng)化和模塊化特性。因此，王海峰認(rèn)為，深度學(xué)習(xí)和大模型工程平臺(tái)的結(jié)合，正在推動(dòng)人工智能步入工業(yè)大生產(chǎn)階段，從而加速通用人工智能的來(lái)臨。 一個(gè)分歧：是否仍堅(jiān)信Scaling Law 圍繞“Scaling Law”（規(guī)模定律）的討論開始出現(xiàn)分歧，對(duì)于Scaling Law會(huì)否失效、何時(shí)失效，明星大模型公司的掌舵者們，也給出了不同的判斷。 楊植麟依舊是堅(jiān)定的Scaling Law信仰派?！癝caling Law沒有本質(zhì)的問題，而且接下來(lái)3~4個(gè)數(shù)量級(jí)，我覺得是非常確定的事情。這里面更重要的問題是你怎么能夠很高效地去scale（擴(kuò)展）？” 楊植麟指出，如今僅僅像現(xiàn)在這樣，依賴一些web text（網(wǎng)頁(yè)文本）進(jìn)行scale，未必是正確的方向。因?yàn)樵谶@個(gè)過程中可能會(huì)面臨諸多挑戰(zhàn)，如推理能力等問題，未必能夠得到有效解決。因此關(guān)鍵在于如何界定Scaling Law以及其實(shí)質(zhì)是什么。如果僅按照現(xiàn)有方法，進(jìn)行next token prediction（下一標(biāo)記預(yù)測(cè)），然后在此基礎(chǔ)上擴(kuò)展多個(gè)數(shù)量級(jí)，用當(dāng)前的數(shù)據(jù)分布，其上限是顯而易見的。 然而，Scaling Law本身并不受此限制，其核心觀點(diǎn)是，只要具備更多的算力和數(shù)據(jù)模型，擴(kuò)大參數(shù)規(guī)模，就能持續(xù)產(chǎn)生更多的智能。但在此過程中，它并沒有定義模型的具體形態(tài)，例如模型的模態(tài)數(shù)量、數(shù)據(jù)的特性和來(lái)源等。因此，楊植麟認(rèn)為Scaling law是一種會(huì)持續(xù)演進(jìn)的第一性原理（first principle）。只是在這一過程中，scale的方法可能發(fā)生很大變化。 百川智能CEO王小川則認(rèn)為，Scaling Law到目前沒有看到邊界，依舊在持續(xù)地發(fā)揮作用，“我們看到美國(guó)埃隆·馬斯克號(hào)稱要買30萬(wàn)片B100、B200來(lái)做，所以美國(guó)確實(shí)在這方面的認(rèn)真程度，甚至包括投入程度是遠(yuǎn)高于中國(guó)的”。 在他看來(lái)，我們需要在Scaling Law之外，去尋找范式上新的轉(zhuǎn)化，而在Scaling Law上，很明確，就是在美國(guó)后面跟進(jìn)。從戰(zhàn)略上看，在Scaling Law之外都還存在范式的變化，走出這樣的體系，才有機(jī)會(huì)走向AGI，才有機(jī)會(huì)跟最前沿的技術(shù)較量。 智譜AI CEO張鵬與面壁智能CEO李大海，則持相對(duì)謹(jǐn)慎樂觀的態(tài)度。張鵬認(rèn)為，包括Scaling Law在內(nèi)，目前為止人類認(rèn)識(shí)到的所有的規(guī)律都有可能有被推翻的一天，只是看它的有效期是多長(zhǎng)。但目前為止還沒有看到Scaling Law會(huì)失效的預(yù)兆，未來(lái)的相當(dāng)一段時(shí)間之內(nèi)它仍然會(huì)有效?！半S著大家對(duì)規(guī)律的認(rèn)知越來(lái)越深，規(guī)律的本質(zhì)越來(lái)越（被）揭示，所以掌握本質(zhì)就能掌握通往未來(lái)的鑰匙。基于現(xiàn)在大家對(duì)本質(zhì)認(rèn)識(shí)的深淺，至少在我們看來(lái)，仍然還會(huì)起效，會(huì)是未來(lái)我們主力想要推進(jìn)的方向”。張鵬說(shuō)。 李大海同樣表示，Scaling Law是一個(gè)經(jīng)驗(yàn)公式，是行業(yè)對(duì)大模型這樣一個(gè)復(fù)雜系統(tǒng)觀察以后的經(jīng)驗(yàn)總結(jié)，隨著訓(xùn)練過程中實(shí)驗(yàn)越來(lái)越多、認(rèn)知越來(lái)越清晰，會(huì)有更細(xì)顆粒度的認(rèn)知。比如模型訓(xùn)練中的訓(xùn)練方法本身對(duì)于Scaling Law、對(duì)于智能的影響是比較顯著的。在將模型參數(shù)控制在一定規(guī)模后，這種顯著影響變得尤為重要，在確保終端芯片能夠支持該規(guī)模模型的同時(shí)，實(shí)現(xiàn)優(yōu)質(zhì)智能，數(shù)據(jù)質(zhì)量和訓(xùn)練方法等因素亦至關(guān)重要。 毫無(wú)疑問的是，Scaling Law在當(dāng)前階段仍然是驅(qū)動(dòng)大模型發(fā)展的重要理論基礎(chǔ)，但其在未來(lái)的應(yīng)用和擴(kuò)展方式可能會(huì)面臨更多挑戰(zhàn)和變化。隨著技術(shù)的進(jìn)步和對(duì)規(guī)律本質(zhì)認(rèn)識(shí)的深化，行業(yè)也可能需要進(jìn)一步優(yōu)化模型訓(xùn)練方法，才能應(yīng)對(duì)智能推理等更高級(jí)別的挑戰(zhàn)。