Kemunculan ChatGPT dianggap sebagai kesempatan terakhir bagi perkembangan industri internet. Pabrik besar, perguruan tinggi dan universitas, dan individu telah memasuki pasar model skala besar, dan "perang 100 model" sedang berlangsung.
Namun, tenang dan lihat langsung gelombang ini, dengan investasi yang tinggi, talenta yang langka, persaingan yang homogen dan model bisnis yang masih belum jelas, banyak keraguan tentang model besar juga mulai muncul.
Baru-baru ini, "Lab Kisah Nyata" berbincang dengan Li Di, CEO Perusahaan Xiaobing. Xiaoice adalah robot paling awal dengan fungsi interaksi emosional di Tiongkok, dan Xiaoice adalah salah satu perusahaan paling awal di Tiongkok yang mewujudkan komersialisasi AIGC.
Li Di memiliki pandangan yang lebih tenang dan objektif tentang booming model skala besar saat ini.
Berikut transkrip percakapannya:
**T1: Setelah peluncuran ChatGPT, pabrikan domestik besar dan pengusaha kecerdasan buatan menindaklanjuti. Industri ini sangat hidup, tetapi semua orang tampaknya tidak melihat perbedaan. Bagaimana menurutmu? **
A1: Saat ini setidaknya ada 70 model berskala besar di China, tetapi semuanya homogen dan tidak dapat mencapai diferensiasi. Karena data pelatihan semua orang mirip, metode pelatihan menggunakan metode di makalah yang diterbitkan oleh OpenAI, dan mereka semua menggunakan GPT untuk pelatihan secara langsung, menggunakan GPT sebagai guru.
Guru, data pelatihan, dan metode pelatihan semuanya sama, bagaimana memperlebar kesenjangannya?
Semua pabrikan besar datang untuk membuat model besar, dan titik awal mereka bukanlah untuk merebut peluang dan peluang, tetapi untuk mempertahankan diri. Jika Anda tidak memiliki model besar Anda sendiri, Anda akan ditekan oleh pesaing, jika tidak, Anda akan memiliki kesempatan untuk menekan orang lain.
**T2: Apakah menurut Anda model bisnis saat ini seperti ChatGPT, yang menggunakan biaya langganan, memiliki prospek pengembangan? **
A2: Pertama-tama, tidak dapat disangkal bahwa dibandingkan tahun-tahun sebelumnya, permintaan akan kecerdasan buatan pasti meningkat. Tapi dengan begitu banyak model besar, apakah itu mencapai efek skala? Saya kira tidak demikian.
Sebagian besar model bisnis yang dieksplorasi oleh kecerdasan buatan sejauh ini hampir tidak berhasil. Sama seperti ChatGPT, esensinya sebenarnya adalah "menjual kata": berapa kata, berapa kalimat. Namun nilai ucapan balasan ini tidak dibedakan. Misalnya, saat pengguna mengobrol dengannya, sampai batas tertentu kata-katanya tidak berharga. Tetapi jika pengguna mencari nasihat, maka jawabannya sangat berharga.
Hari ini kita membahas model bisnis AI, yang melibatkan nilai yang diciptakan oleh **AI dan nilai yang didapatnya, namun jarak antara keduanya sangat besar. **
Misalnya, teknologi pengenalan wajah yang pernah digeluti industri ini telah membuat negara dan masyarakat lebih aman, dan nilainya jelas sangat tinggi. Namun, setelah teknologi pengenalan wajah disematkan di berbagai perangkat keras, nilai teknologi itu sendiri belum terbayar dengan semestinya. Pada akhirnya, beberapa perusahaan mulai melakukan integrasi sistem, integrasi perangkat lunak dan perangkat keras, dan menjual tumpukan peralatan perangkat keras.
Model bisnis kecerdasan buatan saat ini adalah membuat teknologi menjadi infrastruktur seperti air, listrik, dan batu bara, yang paling banyak dapat dibagi menjadi listrik industri atau listrik rumah tangga. Namun, nilai berbeda yang diciptakan berdasarkan kebutuhan berbeda belum menerima hasil yang berbeda.
T3: Apa saja batasan model bisnis yang membebankan biaya panggilan teknologi?
**A3: ** Menjual infrastruktur seperti air, listrik, dan batu bara bergantung pada monopoli untuk menjaga margin keuntungan. Tapi sejauh pengalaman saya, tidak ada yang bisa memonopoli teknologi. Oleh karena itu, hanya dapat mengandalkan penghematan biaya untuk mendapatkan margin keuntungan, tetapi ini tidak hanya terbatas, tetapi juga tidak memiliki kemungkinan untuk meningkat.
Bahkan jika yang disebut Hukum Moore diikuti dan harga diturunkan, pesaing akan dengan cepat menebus margin keuntungan. Pada akhirnya, akan terjadi perang harga, lalu semua orang akan mulai gratis. Ini tampaknya hal yang baik, tetapi sebenarnya membatasi pengembangan seluruh industri kecerdasan buatan.
**T4: Apakah Xiaoice telah mengeksplorasi model bisnis yang berbeda dan lebih efektif? **
**A4: **Model bisnis Xiaoice agak spesial, kami menggunakan revenue share (bagi hasil). Kami tidak menyediakan antarmuka teknis untuk menjual panggilan konten, tetapi mengemasnya menjadi "orang" dengan kemampuan berbeda berdasarkan teknologi, yaitu karyawan digital. Kami membiarkan berbagai karyawan digital bekerja di berbagai industri, mirip dengan "pengiriman tenaga kerja", dan akhirnya mendapatkan upah, yang setara dengan bagi hasil perusahaan. Gaji tahunan rata-rata kami untuk karyawan digital bisa mencapai **300.000. **
Misalnya, pada bulan Februari tahun ini, Xiaobing (Rinna) Jepang dan Netflix bersama-sama meluncurkan film pendek mikro animasi buatan AI "Dog and Boy", yang berdurasi lebih dari tiga menit. Meski porsinya terbatas, sebagai kreator film dan televisi, produktivitas Rinna tidak terbatas, dan kita bisa mendapatkan keuntungan yang sesuai untuk setiap karya film dan televisi di masa depan.
**T5: Apakah Xiaoice mengambil jalan memutar sebelum menjelajahi model bisnis seperti bagi hasil? **
**A5: **Pasti ada di tahap awal. Pada 2017, Rinna mulai bekerja sama dengan minimarket Lawson untuk membantu Lawson menjual kupon. Berdasarkan keunggulan Rinna dalam interaksi emosional, efek promosinya sangat baik. Dan konsumen menggunakan kupon untuk berbelanja offline, yang juga membantu Lawson mendapatkan lebih banyak pendapatan.
Tetapi kami tidak membagi pendapatan ini, karena pada saat itu analisis kami tentang model bisnis kecerdasan buatan adalah bahwa kami harus menyediakan API dan membebankan biaya untuk setiap panggilan. Penghasilan ini sangat kecil, dan penjualan yang dibawa oleh penjualan kupon Rinna sangat besar, dan keduanya jelas tidak berbanding lurus. **
**Q6: Metaverse telah populer selama dua tahun, dan tampaknya demamnya sedikit lebih rendah sekarang. Salah satu alasannya dianggap karena pengalamannya belum memukau pelanggan. Akankah panas model besar juga memudar karena kurangnya pengalaman pengguna yang baik? Menurut Anda, apa kelebihan dan kekurangan negara saya dalam persaingan global model berskala besar? **
A6: Ada banyak kejutan di industri AI tahun lalu. Selama bertahun-tahun sejak pengembangan teknologi kecerdasan buatan, itu seperti pasang surut, dan akan ada pasang surut dan ledakan setiap beberapa tahun. Dan apa yang disebut "ledakan" ini hanya karena telah diketahui oleh publik, yang melebihi kognisi atau ekspektasi publik akan kecerdasan buatan. Mereka bukanlah akhir.
Sama seperti AlphaGo saat itu, banyak orang berseru bahwa dunia akan diubah, tetapi setelah bertahun-tahun, tidak ada perubahan besar yang terjadi. Baik itu model besar atau AIGC, ini adalah terobosan baru dalam periode kemacetan teknis, dan mereka akan mengalami kemacetannya sendiri di masa mendatang. ** Jarak dari AGI (General Artificial Intelligence) yang asli akan lebih jelas setelah beberapa putaran evolusi teknologi serupa. **
Masih banyak masalah pada model besar yang belum terselesaikan, seperti akurasi dan biaya tinggi, sehingga Xiaoice menggunakan konsep model hybrid, dan terdapat hampir 1.000 model besar, sedang, dan kecil digabungkan secara organik dalam rangka Xiaoice Bekerja sama untuk mendukung pengoperasian AI Being. Keuntungannya adalah biayanya relatif rendah, kecepatannya lebih cepat, dan dapat dijamin cukup akurat dan dikirimkan untuk penggunaan komersial.
Pada saat yang sama, Model besar belum ditentukan secara akurat sampai sekarang, berapa banyak parameter yang bisa disebut model besar. Pada paruh pertama tahun ini, semua orang menebak bahwa semakin besar parameternya, semakin baik efeknya, kemudian ditemukan bahwa model dengan parameter yang lebih kecil juga dapat mencapai efek yang sama. Jadi sekarang semakin banyak orang di industri yang berbicara tentang model hybrid.
Jika studi model besar dibandingkan dengan belajar bahasa, ini seperti belajar bahasa Jepang, mudah untuk memulai dan sulit untuk dikuasai. Wirausaha dapat melihat hasilnya dengan cepat, tetapi menemukan terlalu banyak masalah yang harus dipecahkan.
Model skala besar saat ini dihomogenkan secara serius. ** Tidak banyak model besar di pasaran, demam akan mereda pada tahun 2024, dan akan diketahui siapa yang berenang telanjang di pantai. **
Akhirnya, sebenarnya tidak ada hambatan teknis antara model besar. Konsep teknisnya telah ada selama bertahun-tahun, dan banyak orang di industri ini menerapkannya, baik di dalam maupun luar negeri. Hanya saja dalam proses penyempurnaan (fine-tuning), developer memiliki tingkat konsentrasi dan pengabdian yang berbeda-beda.
Menurut saya pribadi, OpenAI benar-benar mencapai efek ini dengan semangat pengerjaan, jadi ada "batasan waktu" tertentu, tetapi ini adalah dua hal yang berbeda dari "hambatan teknis". **Dalam hal teknologi kecerdasan buatan, tidak ada kesenjangan besar antara negara dalam dan luar negeri. Misalnya, chip dan sistem operasi sangat kuat di China. Kesenjangan hanya terletak pada apakah mereka dapat menahan kesepian, berani bekerja keras, dan melakukan penelitian inovatif. **
Lihat Asli
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Dialog dengan Li Di, CEO Xiaoice: Model berskala besar akan mendingin pada tahun 2024
Sumber Asli: Kantor Riset Kisah Nyata
Pengarang: Shi Yuhan
Kemunculan ChatGPT dianggap sebagai kesempatan terakhir bagi perkembangan industri internet. Pabrik besar, perguruan tinggi dan universitas, dan individu telah memasuki pasar model skala besar, dan "perang 100 model" sedang berlangsung.
Namun, tenang dan lihat langsung gelombang ini, dengan investasi yang tinggi, talenta yang langka, persaingan yang homogen dan model bisnis yang masih belum jelas, banyak keraguan tentang model besar juga mulai muncul.
Baru-baru ini, "Lab Kisah Nyata" berbincang dengan Li Di, CEO Perusahaan Xiaobing. Xiaoice adalah robot paling awal dengan fungsi interaksi emosional di Tiongkok, dan Xiaoice adalah salah satu perusahaan paling awal di Tiongkok yang mewujudkan komersialisasi AIGC.
Li Di memiliki pandangan yang lebih tenang dan objektif tentang booming model skala besar saat ini.
Berikut transkrip percakapannya:
**T1: Setelah peluncuran ChatGPT, pabrikan domestik besar dan pengusaha kecerdasan buatan menindaklanjuti. Industri ini sangat hidup, tetapi semua orang tampaknya tidak melihat perbedaan. Bagaimana menurutmu? **
A1: Saat ini setidaknya ada 70 model berskala besar di China, tetapi semuanya homogen dan tidak dapat mencapai diferensiasi. Karena data pelatihan semua orang mirip, metode pelatihan menggunakan metode di makalah yang diterbitkan oleh OpenAI, dan mereka semua menggunakan GPT untuk pelatihan secara langsung, menggunakan GPT sebagai guru.
Guru, data pelatihan, dan metode pelatihan semuanya sama, bagaimana memperlebar kesenjangannya?
Semua pabrikan besar datang untuk membuat model besar, dan titik awal mereka bukanlah untuk merebut peluang dan peluang, tetapi untuk mempertahankan diri. Jika Anda tidak memiliki model besar Anda sendiri, Anda akan ditekan oleh pesaing, jika tidak, Anda akan memiliki kesempatan untuk menekan orang lain.
**T2: Apakah menurut Anda model bisnis saat ini seperti ChatGPT, yang menggunakan biaya langganan, memiliki prospek pengembangan? **
A2: Pertama-tama, tidak dapat disangkal bahwa dibandingkan tahun-tahun sebelumnya, permintaan akan kecerdasan buatan pasti meningkat. Tapi dengan begitu banyak model besar, apakah itu mencapai efek skala? Saya kira tidak demikian.
Sebagian besar model bisnis yang dieksplorasi oleh kecerdasan buatan sejauh ini hampir tidak berhasil. Sama seperti ChatGPT, esensinya sebenarnya adalah "menjual kata": berapa kata, berapa kalimat. Namun nilai ucapan balasan ini tidak dibedakan. Misalnya, saat pengguna mengobrol dengannya, sampai batas tertentu kata-katanya tidak berharga. Tetapi jika pengguna mencari nasihat, maka jawabannya sangat berharga.
Hari ini kita membahas model bisnis AI, yang melibatkan nilai yang diciptakan oleh **AI dan nilai yang didapatnya, namun jarak antara keduanya sangat besar. **
Misalnya, teknologi pengenalan wajah yang pernah digeluti industri ini telah membuat negara dan masyarakat lebih aman, dan nilainya jelas sangat tinggi. Namun, setelah teknologi pengenalan wajah disematkan di berbagai perangkat keras, nilai teknologi itu sendiri belum terbayar dengan semestinya. Pada akhirnya, beberapa perusahaan mulai melakukan integrasi sistem, integrasi perangkat lunak dan perangkat keras, dan menjual tumpukan peralatan perangkat keras.
Model bisnis kecerdasan buatan saat ini adalah membuat teknologi menjadi infrastruktur seperti air, listrik, dan batu bara, yang paling banyak dapat dibagi menjadi listrik industri atau listrik rumah tangga. Namun, nilai berbeda yang diciptakan berdasarkan kebutuhan berbeda belum menerima hasil yang berbeda.
T3: Apa saja batasan model bisnis yang membebankan biaya panggilan teknologi?
**A3: ** Menjual infrastruktur seperti air, listrik, dan batu bara bergantung pada monopoli untuk menjaga margin keuntungan. Tapi sejauh pengalaman saya, tidak ada yang bisa memonopoli teknologi. Oleh karena itu, hanya dapat mengandalkan penghematan biaya untuk mendapatkan margin keuntungan, tetapi ini tidak hanya terbatas, tetapi juga tidak memiliki kemungkinan untuk meningkat.
Bahkan jika yang disebut Hukum Moore diikuti dan harga diturunkan, pesaing akan dengan cepat menebus margin keuntungan. Pada akhirnya, akan terjadi perang harga, lalu semua orang akan mulai gratis. Ini tampaknya hal yang baik, tetapi sebenarnya membatasi pengembangan seluruh industri kecerdasan buatan.
**T4: Apakah Xiaoice telah mengeksplorasi model bisnis yang berbeda dan lebih efektif? **
**A4: **Model bisnis Xiaoice agak spesial, kami menggunakan revenue share (bagi hasil). Kami tidak menyediakan antarmuka teknis untuk menjual panggilan konten, tetapi mengemasnya menjadi "orang" dengan kemampuan berbeda berdasarkan teknologi, yaitu karyawan digital. Kami membiarkan berbagai karyawan digital bekerja di berbagai industri, mirip dengan "pengiriman tenaga kerja", dan akhirnya mendapatkan upah, yang setara dengan bagi hasil perusahaan. Gaji tahunan rata-rata kami untuk karyawan digital bisa mencapai **300.000. **
Misalnya, pada bulan Februari tahun ini, Xiaobing (Rinna) Jepang dan Netflix bersama-sama meluncurkan film pendek mikro animasi buatan AI "Dog and Boy", yang berdurasi lebih dari tiga menit. Meski porsinya terbatas, sebagai kreator film dan televisi, produktivitas Rinna tidak terbatas, dan kita bisa mendapatkan keuntungan yang sesuai untuk setiap karya film dan televisi di masa depan.
**T5: Apakah Xiaoice mengambil jalan memutar sebelum menjelajahi model bisnis seperti bagi hasil? **
**A5: **Pasti ada di tahap awal. Pada 2017, Rinna mulai bekerja sama dengan minimarket Lawson untuk membantu Lawson menjual kupon. Berdasarkan keunggulan Rinna dalam interaksi emosional, efek promosinya sangat baik. Dan konsumen menggunakan kupon untuk berbelanja offline, yang juga membantu Lawson mendapatkan lebih banyak pendapatan.
Tetapi kami tidak membagi pendapatan ini, karena pada saat itu analisis kami tentang model bisnis kecerdasan buatan adalah bahwa kami harus menyediakan API dan membebankan biaya untuk setiap panggilan. Penghasilan ini sangat kecil, dan penjualan yang dibawa oleh penjualan kupon Rinna sangat besar, dan keduanya jelas tidak berbanding lurus. **
**Q6: Metaverse telah populer selama dua tahun, dan tampaknya demamnya sedikit lebih rendah sekarang. Salah satu alasannya dianggap karena pengalamannya belum memukau pelanggan. Akankah panas model besar juga memudar karena kurangnya pengalaman pengguna yang baik? Menurut Anda, apa kelebihan dan kekurangan negara saya dalam persaingan global model berskala besar? **
A6: Ada banyak kejutan di industri AI tahun lalu. Selama bertahun-tahun sejak pengembangan teknologi kecerdasan buatan, itu seperti pasang surut, dan akan ada pasang surut dan ledakan setiap beberapa tahun. Dan apa yang disebut "ledakan" ini hanya karena telah diketahui oleh publik, yang melebihi kognisi atau ekspektasi publik akan kecerdasan buatan. Mereka bukanlah akhir.
Sama seperti AlphaGo saat itu, banyak orang berseru bahwa dunia akan diubah, tetapi setelah bertahun-tahun, tidak ada perubahan besar yang terjadi. Baik itu model besar atau AIGC, ini adalah terobosan baru dalam periode kemacetan teknis, dan mereka akan mengalami kemacetannya sendiri di masa mendatang. ** Jarak dari AGI (General Artificial Intelligence) yang asli akan lebih jelas setelah beberapa putaran evolusi teknologi serupa. **
Masih banyak masalah pada model besar yang belum terselesaikan, seperti akurasi dan biaya tinggi, sehingga Xiaoice menggunakan konsep model hybrid, dan terdapat hampir 1.000 model besar, sedang, dan kecil digabungkan secara organik dalam rangka Xiaoice Bekerja sama untuk mendukung pengoperasian AI Being. Keuntungannya adalah biayanya relatif rendah, kecepatannya lebih cepat, dan dapat dijamin cukup akurat dan dikirimkan untuk penggunaan komersial.
Pada saat yang sama, Model besar belum ditentukan secara akurat sampai sekarang, berapa banyak parameter yang bisa disebut model besar. Pada paruh pertama tahun ini, semua orang menebak bahwa semakin besar parameternya, semakin baik efeknya, kemudian ditemukan bahwa model dengan parameter yang lebih kecil juga dapat mencapai efek yang sama. Jadi sekarang semakin banyak orang di industri yang berbicara tentang model hybrid.
Jika studi model besar dibandingkan dengan belajar bahasa, ini seperti belajar bahasa Jepang, mudah untuk memulai dan sulit untuk dikuasai. Wirausaha dapat melihat hasilnya dengan cepat, tetapi menemukan terlalu banyak masalah yang harus dipecahkan.
Model skala besar saat ini dihomogenkan secara serius. ** Tidak banyak model besar di pasaran, demam akan mereda pada tahun 2024, dan akan diketahui siapa yang berenang telanjang di pantai. **
Akhirnya, sebenarnya tidak ada hambatan teknis antara model besar. Konsep teknisnya telah ada selama bertahun-tahun, dan banyak orang di industri ini menerapkannya, baik di dalam maupun luar negeri. Hanya saja dalam proses penyempurnaan (fine-tuning), developer memiliki tingkat konsentrasi dan pengabdian yang berbeda-beda.
Menurut saya pribadi, OpenAI benar-benar mencapai efek ini dengan semangat pengerjaan, jadi ada "batasan waktu" tertentu, tetapi ini adalah dua hal yang berbeda dari "hambatan teknis". **Dalam hal teknologi kecerdasan buatan, tidak ada kesenjangan besar antara negara dalam dan luar negeri. Misalnya, chip dan sistem operasi sangat kuat di China. Kesenjangan hanya terletak pada apakah mereka dapat menahan kesepian, berani bekerja keras, dan melakukan penelitian inovatif. **