Поява ChatGPT вважається останнім шансом для розвитку інтернет-індустрії. Великі заводи, коледжі та університети, а також окремі особи вийшли на ринок великих моделей, і триває «війна 100 моделей».
Однак заспокойтеся і подивіться прямо на цю хвилю.З великими інвестиціями, дефіцитом талантів, гомогенною конкуренцією та все ще неясною бізнес-моделлю почали виникати багато сумнівів щодо великих моделей.
Нещодавно «Лабораторія правдивих історій» поспілкувалася з Лі Ді, генеральним директором компанії Xiaobing. Xiaoice — це найперший робот із функцією емоційної взаємодії в Китаї, а Xiaoice — одне з перших підприємств у Китаї, яке здійснило комерціалізацію AIGC.
Лі Ді має більш спокійний і об'єктивний погляд на нинішній бум великомасштабних моделей.
Нижче наведено стенограму розмови:
**Q1: після запуску ChatGPT основні вітчизняні виробники та підприємці штучного інтелекту продовжили роботу. Індустрія дуже жвава, але всі, здається, не бачать різниці. Що ти думаєш? **
A1: Зараз у Китаї є принаймні 70 великих моделей, але всі вони однорідні і не можуть досягти диференціації. Оскільки навчальні дані в усіх подібні, метод навчання використовує метод, наведений у статті, опублікованій OpenAI, і всі вони використовують GPT для навчання безпосередньо, використовуючи GPT як викладача.
Учитель, навчальні дані та методи навчання однакові, як збільшити розрив?
Усі великі виробники створюють великі моделі, і вони починають не використовувати можливості та можливості, а захистити себе. Якщо у вас немає власної великої моделі, ви будете придушені конкурентами, інакше у вас буде можливість придушити інших.
**Q2: Чи вважаєте ви, що така бізнес-модель, як ChatGPT, яка використовує плату за підписку, має перспективи розвитку? **
A2: Перш за все, незаперечним є те, що порівняно з попередніми роками попит на штучний інтелект безперечно зріс. Але з такою кількістю великих моделей чи вдалося досягти ефекту масштабу? Я так не думаю.
Більшість бізнес-моделей, досліджених штучним інтелектом, навряд чи є успішними. Так само, як ChatGPT, його суть насправді полягає в "продажі слів": скільки коштує слово, стільки речення. Але цінність цих відповідних висловлювань не диференційована. Наприклад, коли користувачі спілкуються з ним, певною мірою його слова нічого не варті. Але якщо користувач шукає поради, то його відповідь дуже цінна.
Сьогодні ми обговорюємо бізнес-модель штучного інтелекту, яка включає цінність, створену **AI, і цінність, яку він отримує, але розрив між ними дуже великий. **
Наприклад, технологія розпізнавання облич, до якої індустрія була залучена в минулому, зробила країну та суспільство безпечнішими, і її цінність, очевидно, дуже висока. Однак після того, як технологію розпізнавання облич вбудовано в різне обладнання, цінність самої технології не була винагороджена відповідним чином. Зрештою, деякі компанії почали займатися системною інтеграцією, інтеграцією програмного та апаратного забезпечення та продали комплект обладнання.
Поточна бізнес-модель штучного інтелекту полягає в тому, щоб перетворити технологію в інфраструктуру, таку як вода, електрика та вугілля, яку можна розділити на промислову електроенергію або побутову електроенергію. Однак різні цінності, створені на основі різних потреб, не отримали диференційованої віддачі.
Q3: які обмеження бізнес-моделі стягнення плати за дзвінки за допомогою технологій?
**A3: ** Продаж інфраструктури, такої як вода, електроенергія та вугілля, залежить від монополії, щоб зберегти прибуток. Але, зважаючи на мій досвід, ніхто не може досягти монополії в технологіях. Таким чином, він може покладатися лише на економію витрат для отримання норми прибутку, але вона не тільки обмежена, але й не має можливості підвищитися.
Навіть якщо дотримуватись так званого закону Мура і знизити ціну, конкуренти швидко компенсують маржу прибутку. Зрештою буде цінова війна, і тоді всі почнуть безкоштовно. Це ніби й добре, але насправді це обмежує розвиток усієї індустрії штучного інтелекту.
**Q4: Чи досліджував Xiaoice інші та ефективніші бізнес-моделі? **
**A4: **Бізнес-модель Xiaoice дещо особлива, ми використовуємо дохід (розподіл доходу). Ми не надаємо технічний інтерфейс для продажу дзвінків із вмістом, а об’єднуємо їх у «людей» із різними здібностями на основі технологій, тобто цифрових співробітників. Ми дозволяємо різним цифровим працівникам працювати в різних галузях, подібно до "відправлення робочої сили", і, нарешті, отримувати заробітну плату, яка еквівалентна частці доходу компанії. Наша середня річна зарплата цифрового працівника може досягати **300 000. **
Наприклад, у лютому цього року японська компанія Xiaobing (Rinna) і Netflix спільно запустили створений штучним інтелектом анімаційний мікрокороткометражний фільм «Пес і хлопчик», який тривав більше трьох хвилин. Хоча частка обмежена, як творець кіно та телебачення, продуктивність Rinna необмежена, і ми можемо отримати відповідні переваги для кожної кіно та телевізійної роботи в майбутньому.
**П5: Чи робив Xiaoice обхідний шлях, перш ніж досліджувати бізнес-модель, як-от розподіл доходу? **
**A5: **На ранній стадії мають бути деякі. У 2017 році Rinna почала співпрацювати з магазином універмага Lawson, щоб допомогти Lawson продавати купони. Виходячи з переваги Рінни в емоційній взаємодії, її рекламний ефект дуже хороший. Крім того, споживачі використовують купони для покупок офлайн, що також допомагає Лоусону отримувати більше прибутку.
Але ми не ділили ці доходи, тому що на той час наш аналіз бізнес-моделі штучного інтелекту полягав у тому, що ми повинні надавати API і стягувати гроші за кожен дзвінок. Цей дохід дуже малий, а продажі, отримані від продажу купонів Rinna, величезні, і вони, очевидно, не є прямо пропорційними. **
**Q6: Metaverse був популярний протягом двох років, і, здається, зараз лихоманка трохи знизилася. Однією з причин вважається те, що його досвід ще не вразив клієнтів. Чи зникне тепло великої моделі через відсутність хорошого досвіду користувача? Які, на вашу думку, переваги та недоліки моєї країни у світовій конкуренції великомасштабних моделей? **
A6: Минулого року в індустрії ШІ було багато сюрпризів. Протягом багатьох років з моменту розвитку технології штучного інтелекту це було як приплив, і кожні кілька років буде приплив і вибух. І ці так звані «вибухи» відбуваються лише тому, що вони були помічені громадськістю, що перевищує знання чи очікування громадськості щодо штучного інтелекту. Вони не кінець.
Так само, як тоді AlphaGo, незліченна кількість людей вигукувала, що світ зміниться, але через стільки років великих змін не відбулося. Незалежно від того, велика це модель чи AIGC, це новий прорив у період технічних вузьких місць, і вони матимуть власні вузькі місця в майбутньому. ** Відстань від справжнього AGI (загального штучного інтелекту) стане більш очевидною після кількох етапів подібної технологічної еволюції. **
Є ще багато проблем у великій моделі, які не були вирішені, наприклад точність і висока вартість, тому Xiaoice використовує концепцію гібридної моделі, і існує майже 1000 великих, середніх і малих моделей. органічно поєднані в рамках Xiaoice. Працюйте разом, щоб підтримувати функціонування AI Being. Перевагою цього є те, що вартість відносно низька, швидкість вища, і можна гарантувати, що він буде достатньо точним і поставляється для комерційного використання.
Водночас Велика модель досі точно не визначена, скільки параметрів можна назвати великою моделлю. У першому півріччі всі вважали, що чим більше параметр, тим кращий ефект, пізніше виявилося, що модель з меншим параметром також може досягти такого ж ефекту. Тож зараз усе більше людей у галузі говорять про гібридні моделі.
Якщо вивчення великих моделей порівняти з вивченням мови, то це трохи нагадує вивчення японської мови: легко почати і важко освоїти. Підприємці можуть швидко побачити результати, але виявляють, що існує забагато проблем, які потрібно вирішити.
Нинішні великомасштабні моделі серйозно уніфіковані. ** На ринку не так вже й багато великих моделей, до 2024 року має спати лихоманка, і буде виявлено, хто купається голим на березі. **
Нарешті, між великими моделями фактично немає технічних бар'єрів. Його технічна концепція існує вже багато років, і багато людей у цій галузі застосовують її як удома, так і за кордоном. Просто в процесі тонкої настройки (fine-tuning) розробники відрізняються ступенем концентрації і відданості.
Я особисто вважаю, що OpenAI справді досяг цього ефекту завдяки майстерності, тому існує певний «часовий бар’єр», але це дві різні речі, ніж «технічні бар’єри». **З точки зору технології штучного інтелекту, немає величезної різниці між національними та зарубіжними країнами. Наприклад, чіпи та операційні системи є дуже потужними в Китаї. Розрив полягає лише в тому, чи можуть вони витримати самотність, наважитися працювати та робити інноваційні дослідження. **
Переглянути оригінал
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.
Діалог з Лі Ді, генеральним директором Xiaoice: Масштабні моделі охолонуть до 2024 року
Джерело: The True Story Research Office
Автор: Ши Юхан
Поява ChatGPT вважається останнім шансом для розвитку інтернет-індустрії. Великі заводи, коледжі та університети, а також окремі особи вийшли на ринок великих моделей, і триває «війна 100 моделей».
Однак заспокойтеся і подивіться прямо на цю хвилю.З великими інвестиціями, дефіцитом талантів, гомогенною конкуренцією та все ще неясною бізнес-моделлю почали виникати багато сумнівів щодо великих моделей.
Нещодавно «Лабораторія правдивих історій» поспілкувалася з Лі Ді, генеральним директором компанії Xiaobing. Xiaoice — це найперший робот із функцією емоційної взаємодії в Китаї, а Xiaoice — одне з перших підприємств у Китаї, яке здійснило комерціалізацію AIGC.
Лі Ді має більш спокійний і об'єктивний погляд на нинішній бум великомасштабних моделей.
Нижче наведено стенограму розмови:
**Q1: після запуску ChatGPT основні вітчизняні виробники та підприємці штучного інтелекту продовжили роботу. Індустрія дуже жвава, але всі, здається, не бачать різниці. Що ти думаєш? **
A1: Зараз у Китаї є принаймні 70 великих моделей, але всі вони однорідні і не можуть досягти диференціації. Оскільки навчальні дані в усіх подібні, метод навчання використовує метод, наведений у статті, опублікованій OpenAI, і всі вони використовують GPT для навчання безпосередньо, використовуючи GPT як викладача.
Учитель, навчальні дані та методи навчання однакові, як збільшити розрив?
Усі великі виробники створюють великі моделі, і вони починають не використовувати можливості та можливості, а захистити себе. Якщо у вас немає власної великої моделі, ви будете придушені конкурентами, інакше у вас буде можливість придушити інших.
**Q2: Чи вважаєте ви, що така бізнес-модель, як ChatGPT, яка використовує плату за підписку, має перспективи розвитку? **
A2: Перш за все, незаперечним є те, що порівняно з попередніми роками попит на штучний інтелект безперечно зріс. Але з такою кількістю великих моделей чи вдалося досягти ефекту масштабу? Я так не думаю.
Більшість бізнес-моделей, досліджених штучним інтелектом, навряд чи є успішними. Так само, як ChatGPT, його суть насправді полягає в "продажі слів": скільки коштує слово, стільки речення. Але цінність цих відповідних висловлювань не диференційована. Наприклад, коли користувачі спілкуються з ним, певною мірою його слова нічого не варті. Але якщо користувач шукає поради, то його відповідь дуже цінна.
Сьогодні ми обговорюємо бізнес-модель штучного інтелекту, яка включає цінність, створену **AI, і цінність, яку він отримує, але розрив між ними дуже великий. **
Наприклад, технологія розпізнавання облич, до якої індустрія була залучена в минулому, зробила країну та суспільство безпечнішими, і її цінність, очевидно, дуже висока. Однак після того, як технологію розпізнавання облич вбудовано в різне обладнання, цінність самої технології не була винагороджена відповідним чином. Зрештою, деякі компанії почали займатися системною інтеграцією, інтеграцією програмного та апаратного забезпечення та продали комплект обладнання.
Поточна бізнес-модель штучного інтелекту полягає в тому, щоб перетворити технологію в інфраструктуру, таку як вода, електрика та вугілля, яку можна розділити на промислову електроенергію або побутову електроенергію. Однак різні цінності, створені на основі різних потреб, не отримали диференційованої віддачі.
Q3: які обмеження бізнес-моделі стягнення плати за дзвінки за допомогою технологій?
**A3: ** Продаж інфраструктури, такої як вода, електроенергія та вугілля, залежить від монополії, щоб зберегти прибуток. Але, зважаючи на мій досвід, ніхто не може досягти монополії в технологіях. Таким чином, він може покладатися лише на економію витрат для отримання норми прибутку, але вона не тільки обмежена, але й не має можливості підвищитися.
Навіть якщо дотримуватись так званого закону Мура і знизити ціну, конкуренти швидко компенсують маржу прибутку. Зрештою буде цінова війна, і тоді всі почнуть безкоштовно. Це ніби й добре, але насправді це обмежує розвиток усієї індустрії штучного інтелекту.
**Q4: Чи досліджував Xiaoice інші та ефективніші бізнес-моделі? **
**A4: **Бізнес-модель Xiaoice дещо особлива, ми використовуємо дохід (розподіл доходу). Ми не надаємо технічний інтерфейс для продажу дзвінків із вмістом, а об’єднуємо їх у «людей» із різними здібностями на основі технологій, тобто цифрових співробітників. Ми дозволяємо різним цифровим працівникам працювати в різних галузях, подібно до "відправлення робочої сили", і, нарешті, отримувати заробітну плату, яка еквівалентна частці доходу компанії. Наша середня річна зарплата цифрового працівника може досягати **300 000. **
Наприклад, у лютому цього року японська компанія Xiaobing (Rinna) і Netflix спільно запустили створений штучним інтелектом анімаційний мікрокороткометражний фільм «Пес і хлопчик», який тривав більше трьох хвилин. Хоча частка обмежена, як творець кіно та телебачення, продуктивність Rinna необмежена, і ми можемо отримати відповідні переваги для кожної кіно та телевізійної роботи в майбутньому.
**П5: Чи робив Xiaoice обхідний шлях, перш ніж досліджувати бізнес-модель, як-от розподіл доходу? **
**A5: **На ранній стадії мають бути деякі. У 2017 році Rinna почала співпрацювати з магазином універмага Lawson, щоб допомогти Lawson продавати купони. Виходячи з переваги Рінни в емоційній взаємодії, її рекламний ефект дуже хороший. Крім того, споживачі використовують купони для покупок офлайн, що також допомагає Лоусону отримувати більше прибутку.
Але ми не ділили ці доходи, тому що на той час наш аналіз бізнес-моделі штучного інтелекту полягав у тому, що ми повинні надавати API і стягувати гроші за кожен дзвінок. Цей дохід дуже малий, а продажі, отримані від продажу купонів Rinna, величезні, і вони, очевидно, не є прямо пропорційними. **
**Q6: Metaverse був популярний протягом двох років, і, здається, зараз лихоманка трохи знизилася. Однією з причин вважається те, що його досвід ще не вразив клієнтів. Чи зникне тепло великої моделі через відсутність хорошого досвіду користувача? Які, на вашу думку, переваги та недоліки моєї країни у світовій конкуренції великомасштабних моделей? **
A6: Минулого року в індустрії ШІ було багато сюрпризів. Протягом багатьох років з моменту розвитку технології штучного інтелекту це було як приплив, і кожні кілька років буде приплив і вибух. І ці так звані «вибухи» відбуваються лише тому, що вони були помічені громадськістю, що перевищує знання чи очікування громадськості щодо штучного інтелекту. Вони не кінець.
Так само, як тоді AlphaGo, незліченна кількість людей вигукувала, що світ зміниться, але через стільки років великих змін не відбулося. Незалежно від того, велика це модель чи AIGC, це новий прорив у період технічних вузьких місць, і вони матимуть власні вузькі місця в майбутньому. ** Відстань від справжнього AGI (загального штучного інтелекту) стане більш очевидною після кількох етапів подібної технологічної еволюції. **
Є ще багато проблем у великій моделі, які не були вирішені, наприклад точність і висока вартість, тому Xiaoice використовує концепцію гібридної моделі, і існує майже 1000 великих, середніх і малих моделей. органічно поєднані в рамках Xiaoice. Працюйте разом, щоб підтримувати функціонування AI Being. Перевагою цього є те, що вартість відносно низька, швидкість вища, і можна гарантувати, що він буде достатньо точним і поставляється для комерційного використання.
Водночас Велика модель досі точно не визначена, скільки параметрів можна назвати великою моделлю. У першому півріччі всі вважали, що чим більше параметр, тим кращий ефект, пізніше виявилося, що модель з меншим параметром також може досягти такого ж ефекту. Тож зараз усе більше людей у галузі говорять про гібридні моделі.
Якщо вивчення великих моделей порівняти з вивченням мови, то це трохи нагадує вивчення японської мови: легко почати і важко освоїти. Підприємці можуть швидко побачити результати, але виявляють, що існує забагато проблем, які потрібно вирішити.
Нинішні великомасштабні моделі серйозно уніфіковані. ** На ринку не так вже й багато великих моделей, до 2024 року має спати лихоманка, і буде виявлено, хто купається голим на березі. **
Нарешті, між великими моделями фактично немає технічних бар'єрів. Його технічна концепція існує вже багато років, і багато людей у цій галузі застосовують її як удома, так і за кордоном. Просто в процесі тонкої настройки (fine-tuning) розробники відрізняються ступенем концентрації і відданості.
Я особисто вважаю, що OpenAI справді досяг цього ефекту завдяки майстерності, тому існує певний «часовий бар’єр», але це дві різні речі, ніж «технічні бар’єри». **З точки зору технології штучного інтелекту, немає величезної різниці між національними та зарубіжними країнами. Наприклад, чіпи та операційні системи є дуже потужними в Китаї. Розрив полягає лише в тому, чи можуть вони витримати самотність, наважитися працювати та робити інноваційні дослідження. **