昆仑万维CEO：AI操练成本会从两方面敏捷降低，中小企业要更存眷大模子利用 | 见智研究

特邀嘉宾：昆仑万维CEO【方汉】

摘要：

1、AIGC贸易化时机：贸易化时机来自两方面，一是中文大模子底座、二是面向ToC（创做优良内容的成本下降，量量进步构成AI内容社区），ToB（降本增效）的利用，生长速度B端慢于C端。

2、 贸易形式：目前国外支流是API挪用次数收费，少部门C端付费，持久来看将通过生态获取用户，小企业API挪用与大企业处理计划形式将并存。

3、 研发成本：计算费用昂扬为短期情状，人才涌进后成本也会随之下降。降原来自于两方面，一是算法底层的优化，二是国产操练卡的推出，第一项优化将更敏捷。

4、大模子平安问题：OpenAI胜出是基于能够掌握大模子内容平安，自监管也会趋于完美，持久看平安问题能够保障，相关手艺处于继续研究中。

5、游戏与AI：游戏财产自己更新速度快且情愿拥抱新手艺，同时游戏也需要AI最擅长的文本、美术与编程手艺，因而成为热点。此外，游戏能模仿简单世界停止揣测。

6、阅读器与AI：阅读器是称心互联网长尾需求的工做平台，且是搜刮引擎的重要进口。目前文本大模子存在问题：时效性滞后、准确性需考证，将大模子与搜刮引擎连系能够处理那两大问题，因而十分看好AIGC与阅读器相连系，能够处理大大都长尾需求。

7、图像扩散模子停顿：原有匹敌收集模子已被扩散模子代替，扩散模子已成为文本生成图像的手艺原则，已普遍利用于电商告白营销中。

存眷：只在电脑里完成闭环的工做受AI影响是更大的。

注释

见智研究：AIGC在哪些范畴具有比力好的变现时机？

方汉：

从贸易化落地来看，我认为目前业界能够分为两个标的目的。

第一个是大模子自己的底座，它应该是那一轮AI革命的一个基石。假设能造造出一个优良的中文大模子底座，一定能在中国市场上获得许多贸易时机。那是第一个标的目的。

第二个标的目的就是面向ToC或ToB的利用层。ToB的利用层比力随便理解，就是降本增效，可以降低企业的成本，为企业的工做效率带来极大的提拔。然后在C端，我们能够看到那一轮AIGC能让C端创做优良内容的成本大幅下降，速度大幅提拔，量量大幅进步。如许会构成新的类似于本来短视频平台一样的内容社区，贸易时机十分大。我们的工做范畴也会在大模子底座范畴和利用层停止勤奋和开辟。

见智研究：ToB和ToC范畴的潜在增漫空间有多大？

方汉：

揣测详细的增漫空间是欠好说的，但一般来说，B端企业的消费速度凡是比C端要慢，因为C端的增长速度十分快，用户量十分浩荡。在那一轮AIGC的海潮中，我们能够看到针对C端的次要利用是各类端到端的内容创做东西。那种东西越简单易用，门槛越低，就会获得更多用户，从而构成大量的内容社区。

展开全文

所以在C端的贸易逻辑就是，利用办法要足够简单，同时创做出的内容量量要足够高。如许在C端天然能吸引大量用户。而在B端，现实上目前AI生成内容或者通用人工智能跟现有的贸易工做流连系还需要做良多细节工做。在各行各业落地的时候，都需要大量的工程理论。哪个企业可以先把一个行业的AIGC彻底打透，让那个行业里的用户都认为那是一个事实上的原则，那么它获得的优势或者护城河将会持久继续。所以在B端来说，现实上就是针对行业停止深进发掘。

关于C端来说，就是尽可能地造造出门槛足够低的内容创做东西，让用户可以更好、更快、更强地往创做内容。我觉得那两个贸易逻辑有明显的差别，相对来说C端的增长速度会更快一些。

见智研究：AIGC支流的贸易形式包罗什么？

方汉：

此次大模子与以往的SaaS形式或处理计划形式有所差别，因为大模子自己十分领先。在国外，目前最支流的体例仍然是通过API挪用次数来收费。当然，C端也有间接付费的形式。然而，从持久来看，大模子应该依靠生态来获取用户，因为一起头大模子具有很大的垄断地位。跟着大模子的普及，针对行业的处理计划将可以在那个行业中吸引足够多的用户。

前期可能是根据 API 形式，或者关于中小客户来说仍是根据 API 形式。但关于行业的大客户，贸易处理计划更受欢送。持久来看，API 形式次要针对中小企业或者某些行业，而贸易处理计划则更合适大企业定造，那两种形式将持久共存。

见智研究：昆仑天工大模子有何差别？

方汉：

差别的模子处理差别的问题。预操练文本大模子是相对通用的人工智能模子，那几个模子的基石都是预操练大模子。文本生成图像、文本生成代码以及文本生成音乐那几个标的目的，是为了称心美术工做者、法式工做者以及音乐工做者日常工做流程中的利用而推出的行业子模子。那会成为大模子生态的典范形式，即一个大模子配上多个针对差别行业的子模子来协同完成工做。假设只是做通用人工智能，那么预操练文本大模子仍然是最重要的基石模子。

见智研究：目前跨模态的研起事点次要集中在哪些方面？

方汉：

在图文方面，起首我们人类手上更大的数据集或者最准确的数据集仍然是文本数据集，因而文本和操练大模子的开展是最敏捷的。固然如今能够在网上挠取到大量的图片和视频，但大大都那些图片和视频都没有颠末标注，因而需要大量的工做停止标注，那是一个十分消耗人力成本的问题。

起首在数据方面，操练多模态大模子需要征服必然的门槛。其次，我们晓得图像和视频的容量都远远超越文本，所以它们零丁需要更大的存储空间。同样地，我们往理解一段文本所需的计算才能与往理解图片和视频所需的计算才能也是完全差别的。打个简单的例子，操练一个 GPT 3 的大模子或者 GPT 4 的大模子，可能只需要 1000 张操练卡，但操练图片和视频可能需要 1 万张操练卡，因而所需的操练资本会以 10 倍的量级增长。

见智研究：您是若何对待封锁式以及开源大模子将来的合作？

方汉：

从汗青的角度来看，贸易操做系统最早是有良多家合作者，但最初Windows胜出了。但是在Windows之后，仍然有Linux如许的开源操做系统鼓起，而且成为了Windows的一个重要填补部门，它们也在持久合作。随后，在挪动时代，既有闭源的iOS，也有开源的安卓。关于第三方厂商和中小企业来说，利用开源的安卓系统是他们更优的抉择。

因而，从持久来看，开源大模子和闭源大模子之间是一个彼此填补并存的关系。关于有定造才能的企业来说，开源大模子是他们的更佳抉择，而关于没有定造才能的小企业来说，闭源模子是他们可以拿到更好的办事。

见智研究：若何降低大模子研发成本？

方汉：

昂扬的计算费用是一个短期的问题。任何新事物在刚呈现时成本城市很高。但是跟着行业中优良人才的涌现，成本会敏捷下降。

目前来看，那种成本下降次要有两个方面。第一个方面是算法底层的优化，好比我们当前利用的操练体例能否更优。如今有许多开源的大型模子，发布了新的优化办法，各人都在发布各类各样的办法来降低操练微调的成本。

那么我认为在开源上那一点表示的是很明显的，也就是说我们业界会在软件上很敏捷的往把操练成本给降下来，那是操练成本，同时间比拟是有一个相关性的，跟着时间的流逝，那么它的操练单元操练成本必然会逐渐下降。

第二条途径比力困难也就是硬件，也就是说目前的操练次要仍是依靠于美国 Nvidia 公司的操练卡。那么持久来看，国内有良多硬件公司也在造造本身的操练卡，各人也晓得国内仍是有 4-5 家企业在那个赛道里面，那么在国产的操练卡出来之后，基于国产的操练卡停止一个成本上的优化和下降，也是能够预期的。当然了，那条路的速度应该没有软件优化来的快，所以说相对是长而困难的路。

见智研究：若何对待云端和当地化的两条开展途径？

方汉：

并非任何情状下都需要一个1千亿或者是1万亿参数的模子，在良多情状下，一个几十亿参数的小模子，以至一个几亿参数的小模子也能很好地完成工做。那么持久来看当地摆设我觉得关于一些垂曲行业以及中小企业的特定场景来说长短常需要的，如许不只能降低成本，并且还能更乖巧地往应对营业场景。而关于我们需要高量量以及大规模的利用的时候，那么那时候云端摆设就成为一个需求，所以说我认为那两点也其实不矛盾，它们是持久填补的情状，并且各自适用的场景也纷歧样，就像既有公有云，也有私有云一样，那么那例如可能跟那个类似。那么中外各人也晓得，在海外公有云大于私有云，在国内私有云市场大于公有云市场，所以说我认为那两者其实不矛盾，可能也是一个持久并存的场面。

见智研究：若何对待大模子的平安问题？

方汉：

那里我还要更正一下，就是说为什么是 OpenAI 的大模子获得了胜利？其实是在之前 Facebook 和谷歌他们也发布了本身的大模子，但是因为那种言论平安上的问题，他们的模子遭到了群寡的鼎力报复，因而就回撤了。而也就是说 OpenAI 的那个大模子获得胜利，素质上就是因为他们在言论平安上获得了很好的停顿，能够掌握大模子消费出更多就是有害的言论。好比说文本预操练，大模子从出生之初就是关于它的平安性就是一个研究的重点，好比说我们有人类有良多种办法能够掌握住大模子，让它不深，不消费出虚假和有害的内容，并且那种自监管，它其实也会越来越完美。所以说从持久来看，我觉得那个行业的平安性其实长短常有保障的，因为关于那种就是言论跟平安的监视的手艺研究，一刻也没有停行，并且进化速度也比力快。所以说我觉得在可预见的将来，它起到的正面感化会远远大于它的负面。

见智研究：昆仑天宫将来会赋能哪些行业？

方汉：

它涉及的行业其实太多了，在电脑里面完成闭环的话，那么那项工做或者说那个行业遭到 AI 的影响是更大的。

举例子用 AI 往玩游戏，因为玩游戏自己就是在电脑里面闭环完成的，但是假设牵扯到线下的消费造造，然后交通运输等，跟线下只要发作一点关系，好比说我们往送外卖，好比说拿快递，那么那些行业其实遭到的冲击就会要小良多，因为 AI 目前来说最擅长的仍是处理同电脑打交道的问题。

那么在电脑上我们次要利用哪些消费东西来完成我们的工做？那么根本上能够看到 office 的自处置表格和演示，然后 Adobe 公司出的各类图像美术的创做东西，然后还有各家公司出的那种给法式员利用的编程东西，那么根本上编程美术以及文本创做，那几个东西组合起来可以完成的工做，那么根本上城市遭到它的极大的冲击。

然后目前来看利用速度最快的仍然是法式员、美术造造师以及文艺创做者，那么他们遭到的冲击可能是更大的。但是持久来看，所有在电脑里面能够完成闭环的行业必然会遭到十分大的冲击，我们必需拥抱那个改变，让本身就是那个行业可以快速地晋级换代。

见智研究：为什么各人对游戏和 AI 连系停顿很存眷？

方汉：

游戏素质上是娱乐财产，而如今的游戏财产更新速度十分快，也情愿拥抱像 AIGC 和通用人工智能如许先辈的手艺，那是第一个原因。第二个原因是，游戏是对现实世界的一种简单模仿，因而各人也比力关心那方面的利用。此外，AI 在游戏中的利用能够揣测关于一个简单世界的骚乱，以及关于现实世界的改进，那也是引起存眷的原因之一。

同时，游戏需要涉及文本、图像和编程等多个方面，而那恰好是目前AIGC东西最擅长的几个标的目的，因而AI在游戏中的利用也是一个热点话题。总之，各人对游戏和AI的连系和落地停顿存眷度高也是很一般的。

见智研究：AI赋能阅读器效果若何？

方汉：

阅读器自己是一个重要的平台，能够称心互联网长尾利用的需求。虽然超等APP在挪动互联网时代已经可以完成许多工做和获取信息，但是有良多长尾需求无法利用超等APP来完成，那时候阅读器可以很好地称心那些需求。此外，阅读器与搜刮引擎有天然的联络，它是搜刮引擎的重要进口。

然而，目前的文本预操练大模子存在两个问题。第一个问题是它输出内容的时效性一般滞后于最新的信息停顿。第二个问题是输出内容的准确性需要颠末考证。因而，将预操练大模子与搜刮引擎连系起来能够处理时效性与准确性问题。因而，预操练大模子与阅读器以及搜刮引擎连系是一个十分完美的共同。我们十分看好阅读器与预操练文本、预操练大模子以及AIGC的连系，那是一个十分持久的标的目的，可以称心大大都长尾需求。

从逻辑上来看，那种需求的干性水平十分强。也就是说，通过在阅读器中利用预操练的大型语言模子，用户能够更便利地利用那种才能。因而，那种连系十分天衣无缝，我们十分看好它的前景。同时，我要指出的是，那个结论是基于我们的看察和揣度，详细数据仍需期待更长时间的看察和阐发。

见智研究：除了游戏，公司还有哪些与 AI 相关的营业？

方汉：

起首，在上市前，我们次要以游戏为主营营业。上市后，我们依托游戏停止了大量的海外拓展，并逐步转型为以内容和社交为主的综合性互联网公司。目前，我们旗下拥有全世界第三大的独立阅读器Opera，全世界更受欢迎的音乐社交平台Starmaker，以及传统游戏营业。

那么，为什么我们会介进到此次预操练大模子的研发中呢？现实上，那也与我们是一家内容公司有关。做为内容公司，我们十分存眷利用 AI 生成内容的停顿，因为那对整个内容生成范畴都是一种范式上的革命。因而，在2020年6月，我们重视到了GPT-3那个大模子，并认为它将是 AIGC 范畴的一个浩荡的里程碑。因而，我们从那时起头成立团队，逃踪预操练大模子的研发。在2022年的战术会议上，我们也提出了公司整体标的目的是全力以赴投进到 AIGC 范畴。做为一家内容公司，我们不断十分存眷 AIGC 的手艺停顿，并紧跟国际先辈程度，以便开展我们本身的工做。总之，做为一家全球综合性互联网公司，在 AIGC 方面的投进长短常需要和准确的。

见智研究：有若何对待扩散模子利用以及缺点?

方汉：

在图像生成范畴，那种喊 diffusion model分离模子，现实上是代替了之前各人常用的GAN 匹敌收集，它用来生成图片的时候其实效果并非很好。但是当引进了 diffusion 模子之后，整个图片生成的停顿能够说是一日千里，目前完全能够替代人类的工做。

当然，我觉得将来有可能会呈现新的模子来代替它，但是目前分离模子仍然是更好的文本生成图像的一个形式，它的利用标的目的就十分广了，本来需要美术完成的工做，根本上都能够通过火散模子来处理。据我所知中国所有出海电商都已经摘用分离模子来生成电商的告白图片。

那个优化速度其实长短常快的，在早期扩散模子可能需要的内存至少是 8G 以上，然后最新优化的速度已经有人能在 1G 以下的那种苹果手机上往复现那个扩展模子。

关于扩散模子来说，生成速度其实不是它的痛点，它更大的痛点是可控性，也就是说一起头各人能够揣度事实是 AI 画的仍是人画的？好比人的手画得欠好，那那个就是可控性的问题，但那些问题都在敏捷地被处理。

在斯坦福的一个研究者提出了 ControlNet 之后，图像生成的可控性已经得到了极大的进步。跟着手艺的朝上进步，目前一旦手艺获得打破之后，针对那门手艺的优化以及各类改进，在开源形式下迭代速度长短常快的。

我们能够看到文本生成图像在短短不到 6 个月的时间内，已经飞速的迭代了良多的功用，填补了良多特征。目前文本生成图像的可用性已经十分强了，您说的那些问题我认为在很短的将来就会全面得到处理，那些都不是底子性的问题。

见智研究：将来国内能否会呈现多种大模子之间的贸易合作？

方汉：

任何一个范畴城市有贸易合作，我觉得那是毋庸置疑的。但是大模子那个范畴，我认为起首各人合作的是谁是第一？我认为会有 2 到 3 家最末胜出，然后在通用大模子之外，针对各个行业的垂曲大模子，针对特定场景的利用大模子则会持久存在。

所以说我认为那个合作是一个持久的场面，并且大模子自己也在不竭地迭代，从文本大模子到多模态的大模子，我认为那个合作会是一个持久继续的过程，先发者会凭仗他们的先发优势在贸易上获得很大的胜利，后发者则可能要付出更多的勤奋，在算法层做更多的优化，曲到可以超越先行者的手艺目标才气获得贸易上的胜利。

或者在一个大模子尚未涉足的垂曲行业停止本身的深耕，细细做也会获得本身的贸易回报。所以总而言之，我觉得那个合作是一个持久而严重的过程，谁也不克不及躺在那个勋绩簿上一劳永逸。

见智研究：哪类型的公司将来开展潜力比力大？

方汉：

像传统的消费造造、交通运输等那种工业其实受AI影响相对较小，但是像互联网财产、内容财产，它受的影响必然是更大的。

第二个揣度原则是从手艺难度上来说，目前停顿更好的是文本，其次是图像，然后再往下是视频和音乐，那么受影响更大的也是依次从文本到图像，再到音乐，再到视频。从内容范畴，那么影响更大的可能是文学创做、动漫，、短视频、长视频，片子电视。

见智研究：体量小的公司在大模子研发上该若何扬长避短？

方汉：

起首体量小的公司我觉得必然是不要自觉的求大求全，必然是那要针对最熟悉的行业，最熟悉的营业范畴往做那种大模子的定造或者二次开发。

还有一条路就是因为如今开源的大模子十分多，基于开源的大模子做二次开发也是一个十分好的切进路子。

第三，我认为关于中小企业来说，其实不必然要自觉往逃求大模子的开发，而应该把大模子的利用移到本身的工做重心中往，如许其其实贸易上能够获得更好的收益，同时在你获得更好的收益之后，也能够反哺在预操练大模子方面的工做。所以我觉得总体而言仍是要就是实事求是，兢兢业业，然后务实地往对待此次合作。