Chiều 12/9, trụ sở Bắc Kinh của Startup Dark Horse đã mở ra làn sóng “lực lượng AI mới”.
Huawei Cloud, APUS, Tors, SenseTime, Kuaishou, 360 Group, Qingbo Intelligence, Dark Horse Tianqi, MiniMax, Sinovation Ventures, Qiji Chuangtan, Học viện Công nghệ Thông tin và Truyền thông Trung Quốc... Có các công ty niêm yết, công ty hàng đầu và động vật kỳ lân các công ty cũng như các tổ chức đầu tư và viện nghiên cứu khoa học hàng đầu trong lĩnh vực AI.
Những vị khách tham dự cuộc họp đã đi thẳng vào chủ đề——
"Thực trạng ngành công nghiệp mô hình lớn hiện nay? Làm thế nào các công ty có thể thương mại hóa tốt hơn? Những xu hướng và cơ hội mới nào đáng chú ý?"
Tôi rất vinh dự được tham gia cuộc họp kín về AI này, tôi sẽ chia sẻ 38 ghi chú và sự thật với các bạn.
**01. Ngành này có bao nhiêu tập? **
Theo thống kê mới nhất, hơn 130 mô hình lớn đã được ra mắt tại Trung Quốc và hơn 70 mô hình thuật toán đã được đăng ký với Cục Quản lý Không gian mạng Trung Quốc. Những gã khổng lồ Internet như BAT đều đã phát hành các mô hình AI lớn, chỉ riêng trong năm 2023, hơn 60 công ty khởi nghiệp đã nhận được tài trợ và các sản phẩm có đầy đủ các lớp cơ bản, lớp mô hình và lớp ứng dụng. Thế hệ AI thế hệ mới có thể cần phải nhìn lại những cạm bẫy của thế hệ AI trước đó, đồng thời tránh sự tự mãn của ngành để tránh tái hiện mùa đông trước. Những người làm trong lĩnh vực này phải nhìn rõ sự phát triển của ngành và những điểm yếu của khách hàng, đừng để bị lừa bởi súp gà của các ông lớn.
Bây giờ một khách hàng đến gặp chúng tôi và nói rằng có 20 cảnh và mỗi cảnh có giá X triệu nhân dân tệ? Sau đó tôi đến tận nhà hỏi giá, liệu Huawei có làm được không? Liệu Alibaba có làm được điều đó? Liệu Baidu có làm được điều đó không? Nếu bạn tiếp tục như thế này, cuối cùng bạn sẽ không kiếm được tiền.
80%-90% số tiền mọi người quyên góp được dùng cho sức mạnh tính toán, đây là tình hình hiện tại. Bạn biết đấy, bây giờ chỉ là đào tạo. Chi phí đào tạo có thể kiểm soát được, nhưng chi phí suy luận thì không thể kiểm soát được.
Chúng tôi có 30.000 GPU và sức mạnh tính toán 6.000p. Chúng tôi sẽ phấn đấu đạt sức mạnh tính toán trên 12.000p vào cuối năm nay. Về mặt dữ liệu, 2 nghìn tỷ mã thông báo được làm sạch và chú thích mỗi tháng và sẽ có 10 nghìn tỷ mã thông báo vào cuối năm nay.
Hiện tại, ngành này vẫn thiếu một số ứng dụng đột phá, gây khó khăn cho việc thương mại hóa.
Làm thế nào để cân bằng giữa chi phí và hiệu quả?Đây là một điểm khó. Họ đều sử dụng mô hình lớn và chi phí quá cao.
Sau một thời gian, thứ mà mọi người sẽ cạnh tranh là khả năng tối ưu hóa cơ sở hạ tầng. Ví dụ: về khả năng tối ưu hóa mạng, nếu bạn tiếp tục khi người khác thất bại, bạn sẽ có thể đào tạo nhiều lần hơn những người khác.
Trong trường hợp sức mạnh tính toán bị hạn chế, chúng tôi đang thực hiện một số nỗ lực kỹ thuật hướng tới tương lai. Có thể bạn không ngờ rằng ở công ty người mẫu lớn của chúng tôi, có nhiều sinh viên làm cơ sở hạ tầng hơn là người mẫu. Giá của họ nhìn chung khá đắt và khó tuyển dụng.
Các mô hình lớn hiện đang rơi vào tình thế khó xử, không thể bán giá cao, cuối cùng chỉ có người bán mây, thẻ và sức mạnh tính toán mới kiếm được tiền.
Lúc đầu tôi nghĩ mô hình này khá có giá trị, nhưng bây giờ nó lại rơi vào tình trạng suy thoái. Tôi đã gặp một khách hàng cách đây một thời gian và BAT và những người khác đã trích dẫn anh ấy. Báo giá ban đầu khá đắt, hơn 10 triệu đồng. Có ai biết đơn giá cuối cùng là bao nhiêu không? Quá xoăn.
Những mẫu lớn với hàng chục tỷ thông số được một số khách hàng đặc biệt coi là miễn phí.
02, Tiếng nói từ tiền tuyến
Các công ty trong lĩnh vực trí tuệ nhân tạo hãy luôn ghi nhớ câu nói của Mao Chủ tịch “đi từ thực tiễn đến thực tiễn”. Chỉ khi cởi bỏ áo choàng, áo quan và bước ra cánh đồng, bạn mới có thể nhận được những phản hồi chân thực nhất khi ở bên cạnh khách hàng của mình. Hiện tại có quá nhiều chuyên gia giả danh trong lĩnh vực AI, vì vậy tốt hơn hết bạn nên lắng nghe nhiều tiếng nói từ tiền tuyến hơn.
Chúng tôi đã nói chuyện với khoảng 150 khách hàng. Các yêu cầu đối với mô hình lớn chủ yếu được chia thành hai loại. Một là yêu cầu về văn bản của chính mô hình lớn, yêu cầu của khách hàng đối với mô hình ngôn ngữ lớn là chính xác 100%. Cái còn lại là tác nhân AI, bao gồm các lệnh gọi hàm, hiển thị mã và gọi đến các công cụ của bên thứ ba.
Trong quá trình hợp tác của chúng tôi đã nảy sinh xung đột. Khách hàng sẽ cảm thấy rằng dữ liệu không thể được cung cấp cho bạn trước khi họ quyết định triển khai dữ liệu đó trong nội bộ. Nhưng nếu không có dữ liệu này, làm sao chúng ta có thể đào tạo một mô hình phù hợp với nhu cầu của khách hàng?
Khi chúng tôi thực hiện dự án, chúng tôi nhận thấy rằng người dùng không sẵn sàng trả tiền cho các mô hình lớn nhưng họ vẫn trả tiền cho ứng dụng của bạn. Một số khách hàng sẽ trực tiếp hỏi, với các mô hình lớn, liệu một số nền tảng trung gian thông minh và biểu đồ tri thức trước đây có còn cần thiết nữa không? Cuối cùng, tôi thấy rằng cảnh là cốt lõi.
Chúng ta cần tìm một số cảnh gợi cảm. Có một số tiêu chuẩn. Đầu tiên là vết mổ nhỏ. Thứ hai, phù hợp với lợi thế của mô hình lớn. Thứ ba, hãy để người dùng đưa ra quyết định thanh toán có nhận thức rõ ràng. Ví dụ, trước đây, để có được một số dữ liệu, kết luận hoặc dịch vụ cần có các quy trình khác nhau thì giờ đây, thông qua các mô hình lớn, người ra quyết định có thể nhanh chóng lấy và hoàn thành chúng trên thiết bị di động.
Để thành công trong một mô hình lớn, cần có ba điều: 1) Liệu bạn có đủ tiền để mua sức mạnh tính toán hay không. 2) Chúng ta có thể lấy đủ dữ liệu không? 3) Mật độ nhân tài có đủ cao không, vấn đề không phải là số lượng mà là có đủ nhà khoa học chất lượng cao hay không.
Bây giờ chúng ta gặp phải ba loại khách hàng. Một loại là những khách hàng lo lắng, chẳng hạn như những khách hàng tài chính muốn làm điều đó vì đối thủ cạnh tranh của họ đang làm điều đó, nhưng họ không biết nhu cầu của họ là gì. Một loại là khách hàng muốn giảm chi phí, ban quản lý của khách hàng cho rằng đây chủ yếu là vấn đề giảm chi phí, giảm chi tiêu, tuy nhiên rất khó để đánh giá giá trị cụ thể của mức tiết kiệm mà mô hình đã đạt được. Loại cuối cùng là những khách hàng hy vọng kiếm tiền bằng cách triển khai các mô hình nguồn mở, họ dựa vào mô hình này để tạo thu nhập, những khách hàng này sẽ thuận tiện nhất trong việc thanh toán.
**03, ToC hay ToB? **
Được biết, chi phí đào tạo GPT-4 một lần là khoảng 63 triệu USD và yêu cầu số lượng khổng lồ 1,8 nghìn tỷ thông số. Đối với một số mô hình lớn hiện đang được phát hành tại Trung Quốc, hướng ToC vẫn là mô hình Internet miễn phí. Nhưng những người thực hành đều biết rằng việc phát triển và vận hành các mô hình lớn đòi hỏi rất nhiều chi phí, giúp mô hình kinh doanh của ToB dễ dàng vận hành suôn sẻ hơn. Về mặt thăm dò thương mại hóa, ToB hay ToC luôn là vấn đề được ngành quan tâm. Trong cuộc họp kín, chúng tôi đã nghe đi nghe lại hai từ khóa: 1) gen và 2) sự vi phạm. "Bạn không thể là những gì bạn không phải là."
Chúng tôi tin rằng cơ hội vẫn nằm ở mô hình dọc tob và điểm cốt lõi chính là dữ liệu và kịch bản, chính là cốt lõi.
Bản thân chúng tôi cũng đang suy nghĩ về cách có thể kết hợp trí tuệ nhân tạo với Internet, số hóa, v.v. và làm thế nào để làm cho những cảnh ban đầu trở nên thông minh hơn.
ToC hay ToB, nói thẳng ra thì điều này liên quan đến gen của mỗi người. Chúng ta không làm được không có nghĩa là người khác không làm được. Ví dụ: một số ứng dụng ToC được chơi bởi trẻ em sinh năm 2000 hoặc 10, điều này nằm ngoài tầm hiểu biết của lứa tuổi chúng ta.
Toc và Tob vẫn rất khác nhau. ToC có tỷ lệ chịu lỗi tương đối cao. TOB thì ngược lại. Lấy ví dụ về câu hỏi và câu trả lời thông minh. Làm thế nào để đảm bảo độ chính xác? Giống như chính phủ, có những ranh giới màu đỏ. Làm thế nào để tránh ảo tưởng về mô hình hiện đang được khám phá tương ứng.
Ngược lại, chúng tôi cho rằng kiếm tiền trong ToC sẽ dễ dàng hơn. Có một vấn đề với ToB, quá trình của một dự án tương đối dài. Chu kỳ tài chính rất dài từ khi phê duyệt ngân sách của khách hàng đến khi thiết lập và thực hiện dự án.
Tôi nghĩ bây giờ có quá nhiều cơ hội, đừng phân bổ nguồn lực vào những nơi bạn không đủ tư cách, việc đưa ra những lựa chọn chiến lược là rất quan trọng.
04, ToB và ToG cũng rất khó
Lỗi lớn nhất của bên B là việc gia công con người tiên tiến.
Tất cả các dự án đều có chu kỳ và tất cả các khoản thanh toán đều dựa trên các nút của chu kỳ. Tôi không thể giúp bạn đào tạo và tối ưu hóa một mô hình mà không bị hạn chế.
Các sáng tạo của AIGC có tính khoan dung hơn và có thể mắc một số sai sót. Nhưng khi được một số công ty sản xuất và chế tạo, yêu cầu về độ chính xác rất cao. Chúng ta thường dễ dàng chọn ra một hoặc hai trường hợp tốt hơn từ mô hình, nhưng vẫn khá khó để duy trì nó ở mức cao mà không có trường hợp xấu.
Khi chúng tôi thực hiện một dự án chính phủ kỹ thuật số thông minh ở một tỉnh có nền kinh tế phát triển, chúng tôi đã đưa ra hơn 5 kịch bản và cuối cùng khách hàng đã chấp thuận 3 kịch bản. Sau đó, chúng ta sẽ tìm hiểu sâu hơn về bảo mật, dữ liệu và lớp dưới cùng. Vậy tôi sẽ hỏi, giữa bạn và các mô hình lớn khác có điểm khác biệt và ưu điểm gì? Cuối cùng, tất cả các bên cần ngồi lại và đưa ra một hệ thống đánh giá. Sau khi vượt qua hệ thống đánh giá, chúng ta vẫn cần đánh giá hiệu suất.
05. Sử dụng dự án để ươm tạo sản phẩm, giải pháp
Sử dụng các dự án để ươm tạo sản phẩm, sau khi hoàn thành một số dự án thì trích xuất các giải pháp kỹ thuật tương ứng. Bộ giải pháp này rất có thể không phải là một mô hình mà là một mô hình lớn + mô hình nhỏ, và cuối cùng là một giải pháp toàn diện được hình thành bởi nhiều mô hình.
Trong một hoặc hai năm qua, có thể là quá trình đổi mới và sản xuất sản phẩm, chu kỳ thu hồi tiền mặt sẽ tương đối dài.
06、Đại lý
Hãy tưởng tượng AI bắt chước các công việc hàng ngày của con người để xử lý số lượng lớn các hành vi xã hội phức tạp của con người. Một bài báo của Đại học Stanford có tiêu đề "Tác nhân sáng tạo: Mô phỏng tương tác về hành vi con người, có tiêu đề" đưa ra cái nhìn sâu sắc về các Tác nhân AI có khả năng ghi nhớ, phản ứng và lập kế hoạch. AI Agent được xem là hướng đi tiếp theo trong nỗ lực của OpenAI. Người đồng sáng lập OpenAI cũng cho biết trong một sự kiện gần đây: “So với các phương pháp đào tạo mô hình, OpenAI hiện đang chú ý hơn đến những thay đổi trong lĩnh vực Tác nhân. Bất cứ khi nào có bài báo về Tác nhân AI mới xuất hiện, chúng tôi sẽ rất hào hứng và thảo luận về nó”. nội bộ nghiêm túc."
Chúng ta luôn tưởng tượng rằng những mô hình lớn là toàn năng và có thể giải quyết nhiều vấn đề khác nhau? Đây có phải là trường hợp? Người mẫu lớn chỉ là người mẫu lớn.
Chúng tôi quản lý AI nội bộ, được gọi là AI vô hình. Trước mặt người dùng, chúng tôi sẽ không nhấn mạnh đó là model gì hoặc có bao nhiêu thông số. Định nghĩa của chúng tôi về AI là sự hỗ trợ của con người.
Bỏ qua mô hình và sức mạnh tính toán, cơ hội tiếp theo có thể là Đại lý.
Vấn đề lớn nhất hiện nay ảnh hưởng đến việc sử dụng của khách hàng: tỷ lệ đầu vào-đầu ra. Khi kết thúc cuộc trò chuyện với khách hàng và nói về ngân sách dự án, nếu chỉ liên quan đến văn bản và mức đầu tư vài triệu hoặc vài triệu thì khách hàng sẽ không hài lòng lắm. Ngoài ra, nếu các mô hình lớn được nhúng vào môi trường sản xuất thực tế sử dụng tác nhân AI để giải quyết các vấn đề thực tế thì khách hàng sẽ rất sẵn lòng chi trả.
Dựa trên mô hình lớn, AI Agent có các khả năng nâng cao như bộ nhớ, lập kế hoạch và thực thi. Lần này chúng tôi đã đầu tư vào hơn 60 dự án khởi nghiệp, trong đó có hơn 20 dự án là Đại lý.
Các sản phẩm ToC, hình thức thanh toán và hình thức sản phẩm rất khác nhau giữa Trung Quốc và nước ngoài. Gần đây, chúng tôi đã đầu tư vào một số công ty đại lý.
Tuy nhiên, ở giai đoạn này, AI Agent mới chỉ ở giai đoạn thử nghiệm mới và vẫn còn một khoảng cách nhất định giữa nó và trí tuệ nói chung. Trong tương lai, ngoài khả năng toàn diện của một Tác nhân AI duy nhất, những đột phá về khả năng cộng tác và cảm xúc giữa nhiều Tác nhân AI cũng sẽ cần được giải quyết.
Những người chơi mô hình lớn phải đảm bảo rằng họ ở lại bàn poker để có cơ hội nhìn thấy những điều mới mẻ xuất hiện trong hiệp hai.
Xem bản gốc
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
Nó quá xoăn! 36 lưu ý và sự thật về mô hình lớn và AIGC
Nguồn: tôi ngựa đen
Chiều 12/9, trụ sở Bắc Kinh của Startup Dark Horse đã mở ra làn sóng “lực lượng AI mới”.
Huawei Cloud, APUS, Tors, SenseTime, Kuaishou, 360 Group, Qingbo Intelligence, Dark Horse Tianqi, MiniMax, Sinovation Ventures, Qiji Chuangtan, Học viện Công nghệ Thông tin và Truyền thông Trung Quốc... Có các công ty niêm yết, công ty hàng đầu và động vật kỳ lân các công ty cũng như các tổ chức đầu tư và viện nghiên cứu khoa học hàng đầu trong lĩnh vực AI.
Những vị khách tham dự cuộc họp đã đi thẳng vào chủ đề——
"Thực trạng ngành công nghiệp mô hình lớn hiện nay? Làm thế nào các công ty có thể thương mại hóa tốt hơn? Những xu hướng và cơ hội mới nào đáng chú ý?"
Tôi rất vinh dự được tham gia cuộc họp kín về AI này, tôi sẽ chia sẻ 38 ghi chú và sự thật với các bạn.
**01. Ngành này có bao nhiêu tập? **
Theo thống kê mới nhất, hơn 130 mô hình lớn đã được ra mắt tại Trung Quốc và hơn 70 mô hình thuật toán đã được đăng ký với Cục Quản lý Không gian mạng Trung Quốc. Những gã khổng lồ Internet như BAT đều đã phát hành các mô hình AI lớn, chỉ riêng trong năm 2023, hơn 60 công ty khởi nghiệp đã nhận được tài trợ và các sản phẩm có đầy đủ các lớp cơ bản, lớp mô hình và lớp ứng dụng. Thế hệ AI thế hệ mới có thể cần phải nhìn lại những cạm bẫy của thế hệ AI trước đó, đồng thời tránh sự tự mãn của ngành để tránh tái hiện mùa đông trước. Những người làm trong lĩnh vực này phải nhìn rõ sự phát triển của ngành và những điểm yếu của khách hàng, đừng để bị lừa bởi súp gà của các ông lớn.
Bây giờ một khách hàng đến gặp chúng tôi và nói rằng có 20 cảnh và mỗi cảnh có giá X triệu nhân dân tệ? Sau đó tôi đến tận nhà hỏi giá, liệu Huawei có làm được không? Liệu Alibaba có làm được điều đó? Liệu Baidu có làm được điều đó không? Nếu bạn tiếp tục như thế này, cuối cùng bạn sẽ không kiếm được tiền.
80%-90% số tiền mọi người quyên góp được dùng cho sức mạnh tính toán, đây là tình hình hiện tại. Bạn biết đấy, bây giờ chỉ là đào tạo. Chi phí đào tạo có thể kiểm soát được, nhưng chi phí suy luận thì không thể kiểm soát được.
Chúng tôi có 30.000 GPU và sức mạnh tính toán 6.000p. Chúng tôi sẽ phấn đấu đạt sức mạnh tính toán trên 12.000p vào cuối năm nay. Về mặt dữ liệu, 2 nghìn tỷ mã thông báo được làm sạch và chú thích mỗi tháng và sẽ có 10 nghìn tỷ mã thông báo vào cuối năm nay.
Hiện tại, ngành này vẫn thiếu một số ứng dụng đột phá, gây khó khăn cho việc thương mại hóa.
Làm thế nào để cân bằng giữa chi phí và hiệu quả?Đây là một điểm khó. Họ đều sử dụng mô hình lớn và chi phí quá cao.
Sau một thời gian, thứ mà mọi người sẽ cạnh tranh là khả năng tối ưu hóa cơ sở hạ tầng. Ví dụ: về khả năng tối ưu hóa mạng, nếu bạn tiếp tục khi người khác thất bại, bạn sẽ có thể đào tạo nhiều lần hơn những người khác.
Trong trường hợp sức mạnh tính toán bị hạn chế, chúng tôi đang thực hiện một số nỗ lực kỹ thuật hướng tới tương lai. Có thể bạn không ngờ rằng ở công ty người mẫu lớn của chúng tôi, có nhiều sinh viên làm cơ sở hạ tầng hơn là người mẫu. Giá của họ nhìn chung khá đắt và khó tuyển dụng.
Các mô hình lớn hiện đang rơi vào tình thế khó xử, không thể bán giá cao, cuối cùng chỉ có người bán mây, thẻ và sức mạnh tính toán mới kiếm được tiền.
Lúc đầu tôi nghĩ mô hình này khá có giá trị, nhưng bây giờ nó lại rơi vào tình trạng suy thoái. Tôi đã gặp một khách hàng cách đây một thời gian và BAT và những người khác đã trích dẫn anh ấy. Báo giá ban đầu khá đắt, hơn 10 triệu đồng. Có ai biết đơn giá cuối cùng là bao nhiêu không? Quá xoăn.
Những mẫu lớn với hàng chục tỷ thông số được một số khách hàng đặc biệt coi là miễn phí.
02, Tiếng nói từ tiền tuyến
Các công ty trong lĩnh vực trí tuệ nhân tạo hãy luôn ghi nhớ câu nói của Mao Chủ tịch “đi từ thực tiễn đến thực tiễn”. Chỉ khi cởi bỏ áo choàng, áo quan và bước ra cánh đồng, bạn mới có thể nhận được những phản hồi chân thực nhất khi ở bên cạnh khách hàng của mình. Hiện tại có quá nhiều chuyên gia giả danh trong lĩnh vực AI, vì vậy tốt hơn hết bạn nên lắng nghe nhiều tiếng nói từ tiền tuyến hơn.
Chúng tôi đã nói chuyện với khoảng 150 khách hàng. Các yêu cầu đối với mô hình lớn chủ yếu được chia thành hai loại. Một là yêu cầu về văn bản của chính mô hình lớn, yêu cầu của khách hàng đối với mô hình ngôn ngữ lớn là chính xác 100%. Cái còn lại là tác nhân AI, bao gồm các lệnh gọi hàm, hiển thị mã và gọi đến các công cụ của bên thứ ba.
Trong quá trình hợp tác của chúng tôi đã nảy sinh xung đột. Khách hàng sẽ cảm thấy rằng dữ liệu không thể được cung cấp cho bạn trước khi họ quyết định triển khai dữ liệu đó trong nội bộ. Nhưng nếu không có dữ liệu này, làm sao chúng ta có thể đào tạo một mô hình phù hợp với nhu cầu của khách hàng?
Khi chúng tôi thực hiện dự án, chúng tôi nhận thấy rằng người dùng không sẵn sàng trả tiền cho các mô hình lớn nhưng họ vẫn trả tiền cho ứng dụng của bạn. Một số khách hàng sẽ trực tiếp hỏi, với các mô hình lớn, liệu một số nền tảng trung gian thông minh và biểu đồ tri thức trước đây có còn cần thiết nữa không? Cuối cùng, tôi thấy rằng cảnh là cốt lõi.
Chúng ta cần tìm một số cảnh gợi cảm. Có một số tiêu chuẩn. Đầu tiên là vết mổ nhỏ. Thứ hai, phù hợp với lợi thế của mô hình lớn. Thứ ba, hãy để người dùng đưa ra quyết định thanh toán có nhận thức rõ ràng. Ví dụ, trước đây, để có được một số dữ liệu, kết luận hoặc dịch vụ cần có các quy trình khác nhau thì giờ đây, thông qua các mô hình lớn, người ra quyết định có thể nhanh chóng lấy và hoàn thành chúng trên thiết bị di động.
Để thành công trong một mô hình lớn, cần có ba điều: 1) Liệu bạn có đủ tiền để mua sức mạnh tính toán hay không. 2) Chúng ta có thể lấy đủ dữ liệu không? 3) Mật độ nhân tài có đủ cao không, vấn đề không phải là số lượng mà là có đủ nhà khoa học chất lượng cao hay không.
Bây giờ chúng ta gặp phải ba loại khách hàng. Một loại là những khách hàng lo lắng, chẳng hạn như những khách hàng tài chính muốn làm điều đó vì đối thủ cạnh tranh của họ đang làm điều đó, nhưng họ không biết nhu cầu của họ là gì. Một loại là khách hàng muốn giảm chi phí, ban quản lý của khách hàng cho rằng đây chủ yếu là vấn đề giảm chi phí, giảm chi tiêu, tuy nhiên rất khó để đánh giá giá trị cụ thể của mức tiết kiệm mà mô hình đã đạt được. Loại cuối cùng là những khách hàng hy vọng kiếm tiền bằng cách triển khai các mô hình nguồn mở, họ dựa vào mô hình này để tạo thu nhập, những khách hàng này sẽ thuận tiện nhất trong việc thanh toán.
**03, ToC hay ToB? **
Được biết, chi phí đào tạo GPT-4 một lần là khoảng 63 triệu USD và yêu cầu số lượng khổng lồ 1,8 nghìn tỷ thông số. Đối với một số mô hình lớn hiện đang được phát hành tại Trung Quốc, hướng ToC vẫn là mô hình Internet miễn phí. Nhưng những người thực hành đều biết rằng việc phát triển và vận hành các mô hình lớn đòi hỏi rất nhiều chi phí, giúp mô hình kinh doanh của ToB dễ dàng vận hành suôn sẻ hơn. Về mặt thăm dò thương mại hóa, ToB hay ToC luôn là vấn đề được ngành quan tâm. Trong cuộc họp kín, chúng tôi đã nghe đi nghe lại hai từ khóa: 1) gen và 2) sự vi phạm. "Bạn không thể là những gì bạn không phải là."
Chúng tôi tin rằng cơ hội vẫn nằm ở mô hình dọc tob và điểm cốt lõi chính là dữ liệu và kịch bản, chính là cốt lõi.
Bản thân chúng tôi cũng đang suy nghĩ về cách có thể kết hợp trí tuệ nhân tạo với Internet, số hóa, v.v. và làm thế nào để làm cho những cảnh ban đầu trở nên thông minh hơn.
ToC hay ToB, nói thẳng ra thì điều này liên quan đến gen của mỗi người. Chúng ta không làm được không có nghĩa là người khác không làm được. Ví dụ: một số ứng dụng ToC được chơi bởi trẻ em sinh năm 2000 hoặc 10, điều này nằm ngoài tầm hiểu biết của lứa tuổi chúng ta.
Toc và Tob vẫn rất khác nhau. ToC có tỷ lệ chịu lỗi tương đối cao. TOB thì ngược lại. Lấy ví dụ về câu hỏi và câu trả lời thông minh. Làm thế nào để đảm bảo độ chính xác? Giống như chính phủ, có những ranh giới màu đỏ. Làm thế nào để tránh ảo tưởng về mô hình hiện đang được khám phá tương ứng.
Ngược lại, chúng tôi cho rằng kiếm tiền trong ToC sẽ dễ dàng hơn. Có một vấn đề với ToB, quá trình của một dự án tương đối dài. Chu kỳ tài chính rất dài từ khi phê duyệt ngân sách của khách hàng đến khi thiết lập và thực hiện dự án.
Tôi nghĩ bây giờ có quá nhiều cơ hội, đừng phân bổ nguồn lực vào những nơi bạn không đủ tư cách, việc đưa ra những lựa chọn chiến lược là rất quan trọng.
04, ToB và ToG cũng rất khó
Lỗi lớn nhất của bên B là việc gia công con người tiên tiến.
Tất cả các dự án đều có chu kỳ và tất cả các khoản thanh toán đều dựa trên các nút của chu kỳ. Tôi không thể giúp bạn đào tạo và tối ưu hóa một mô hình mà không bị hạn chế.
Các sáng tạo của AIGC có tính khoan dung hơn và có thể mắc một số sai sót. Nhưng khi được một số công ty sản xuất và chế tạo, yêu cầu về độ chính xác rất cao. Chúng ta thường dễ dàng chọn ra một hoặc hai trường hợp tốt hơn từ mô hình, nhưng vẫn khá khó để duy trì nó ở mức cao mà không có trường hợp xấu.
Khi chúng tôi thực hiện một dự án chính phủ kỹ thuật số thông minh ở một tỉnh có nền kinh tế phát triển, chúng tôi đã đưa ra hơn 5 kịch bản và cuối cùng khách hàng đã chấp thuận 3 kịch bản. Sau đó, chúng ta sẽ tìm hiểu sâu hơn về bảo mật, dữ liệu và lớp dưới cùng. Vậy tôi sẽ hỏi, giữa bạn và các mô hình lớn khác có điểm khác biệt và ưu điểm gì? Cuối cùng, tất cả các bên cần ngồi lại và đưa ra một hệ thống đánh giá. Sau khi vượt qua hệ thống đánh giá, chúng ta vẫn cần đánh giá hiệu suất.
05. Sử dụng dự án để ươm tạo sản phẩm, giải pháp
Sử dụng các dự án để ươm tạo sản phẩm, sau khi hoàn thành một số dự án thì trích xuất các giải pháp kỹ thuật tương ứng. Bộ giải pháp này rất có thể không phải là một mô hình mà là một mô hình lớn + mô hình nhỏ, và cuối cùng là một giải pháp toàn diện được hình thành bởi nhiều mô hình.
Trong một hoặc hai năm qua, có thể là quá trình đổi mới và sản xuất sản phẩm, chu kỳ thu hồi tiền mặt sẽ tương đối dài.
06、Đại lý
Hãy tưởng tượng AI bắt chước các công việc hàng ngày của con người để xử lý số lượng lớn các hành vi xã hội phức tạp của con người. Một bài báo của Đại học Stanford có tiêu đề "Tác nhân sáng tạo: Mô phỏng tương tác về hành vi con người, có tiêu đề" đưa ra cái nhìn sâu sắc về các Tác nhân AI có khả năng ghi nhớ, phản ứng và lập kế hoạch. AI Agent được xem là hướng đi tiếp theo trong nỗ lực của OpenAI. Người đồng sáng lập OpenAI cũng cho biết trong một sự kiện gần đây: “So với các phương pháp đào tạo mô hình, OpenAI hiện đang chú ý hơn đến những thay đổi trong lĩnh vực Tác nhân. Bất cứ khi nào có bài báo về Tác nhân AI mới xuất hiện, chúng tôi sẽ rất hào hứng và thảo luận về nó”. nội bộ nghiêm túc."
Chúng ta luôn tưởng tượng rằng những mô hình lớn là toàn năng và có thể giải quyết nhiều vấn đề khác nhau? Đây có phải là trường hợp? Người mẫu lớn chỉ là người mẫu lớn.
Chúng tôi quản lý AI nội bộ, được gọi là AI vô hình. Trước mặt người dùng, chúng tôi sẽ không nhấn mạnh đó là model gì hoặc có bao nhiêu thông số. Định nghĩa của chúng tôi về AI là sự hỗ trợ của con người.
Bỏ qua mô hình và sức mạnh tính toán, cơ hội tiếp theo có thể là Đại lý.
Vấn đề lớn nhất hiện nay ảnh hưởng đến việc sử dụng của khách hàng: tỷ lệ đầu vào-đầu ra. Khi kết thúc cuộc trò chuyện với khách hàng và nói về ngân sách dự án, nếu chỉ liên quan đến văn bản và mức đầu tư vài triệu hoặc vài triệu thì khách hàng sẽ không hài lòng lắm. Ngoài ra, nếu các mô hình lớn được nhúng vào môi trường sản xuất thực tế sử dụng tác nhân AI để giải quyết các vấn đề thực tế thì khách hàng sẽ rất sẵn lòng chi trả.
Dựa trên mô hình lớn, AI Agent có các khả năng nâng cao như bộ nhớ, lập kế hoạch và thực thi. Lần này chúng tôi đã đầu tư vào hơn 60 dự án khởi nghiệp, trong đó có hơn 20 dự án là Đại lý.
Các sản phẩm ToC, hình thức thanh toán và hình thức sản phẩm rất khác nhau giữa Trung Quốc và nước ngoài. Gần đây, chúng tôi đã đầu tư vào một số công ty đại lý.
Tuy nhiên, ở giai đoạn này, AI Agent mới chỉ ở giai đoạn thử nghiệm mới và vẫn còn một khoảng cách nhất định giữa nó và trí tuệ nói chung. Trong tương lai, ngoài khả năng toàn diện của một Tác nhân AI duy nhất, những đột phá về khả năng cộng tác và cảm xúc giữa nhiều Tác nhân AI cũng sẽ cần được giải quyết.
Những người chơi mô hình lớn phải đảm bảo rằng họ ở lại bàn poker để có cơ hội nhìn thấy những điều mới mẻ xuất hiện trong hiệp hai.