編輯部 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
有算力就有超越Sora的可能。
70%的代碼問題，現(xiàn)在單純靠基座模型解決不了。
基于垂直場景的大模型應(yīng)用創(chuàng)新，只有兩年的窗口期。
ROI是衡量AIGC應(yīng)用價值的第一標(biāo)準(zhǔn)。
AI給了每個人一次突破自己的機(jī)會。
……
在中國AIGC產(chǎn)業(yè)峰會的現(xiàn)場，20位大咖展開激辯。從軟件應(yīng)用、智能終端乃至具身智能等，AIGC正在全面席卷，「你好，新應(yīng)用！」成為本屆AIGC峰會主題。
來自AIGC底層基礎(chǔ)設(shè)施、模型層、應(yīng)用層的企業(yè)玩家，以及來自市場學(xué)術(shù)界的洞察者，暢談大模型落地元年這個萬億市場的的機(jī)遇與挑戰(zhàn)。
現(xiàn)場烏泱泱一片，500人的會場可以說是座無虛席(其實站也要沒有席了)。
線上也有數(shù)百萬網(wǎng)友圍觀并積極討論，以及數(shù)十家行業(yè)知名媒體參與了大會的直播跟報道，全網(wǎng)總曝光量超千萬。
為了讓更多讀者更全面、系統(tǒng)地了解本次AIGC峰會的內(nèi)容，深入感知這股時代浪潮的發(fā)展，量子位聯(lián)合各大模型做了萬字梳理，希望能為大家提供一份有價值的行業(yè)參考。
(建議收藏再食用)
本次梳理主要圍繞五個方面展開，分別是AIGC的模型層、應(yīng)用層、基礎(chǔ)設(shè)施層的參與者，以及行業(yè)洞察者的觀點，最后是圓桌討論的精彩觀點。
AIGC模型層：微軟阿里高通等玩家談落地
微軟李冕：AI應(yīng)用已進(jìn)入新階段，微軟助力企業(yè)級應(yīng)用全球落地
微軟大中華區(qū)Azure云事業(yè)部總經(jīng)理李冕分享了微軟Copilot與Azure AI平臺如何助力企業(yè)級應(yīng)用的全球落地。
李冕認(rèn)為，過去12個月AI經(jīng)歷了數(shù)次迭代，現(xiàn)在AI應(yīng)用已進(jìn)入到一個新的階段。企業(yè)如何打造自己的應(yīng)用?怎么實現(xiàn)AI帶來的真正價值?可以從四個方面來考慮應(yīng)用落地：提升員工生產(chǎn)力，重塑與用戶的互動關(guān)系，重塑企業(yè)內(nèi)部流，加強(qiáng)產(chǎn)品和服務(wù)。
他強(qiáng)調(diào)了在企業(yè)打造自己的應(yīng)用時微軟可以為企業(yè)提供的一系列支持。
AI模型層面，李冕展開介紹了Azure平臺支持的三類模型，分別是OpenAI系列模型、第三方開源模型和企業(yè)自研模型(BYOM)。同時，也講述了小模型(SLM)在特定場景下的應(yīng)用前景。
對于開發(fā)工具，李冕提到Azure提供低代碼、無代碼的Microsoft Copilot Studio工作臺以及針對深度定制的Azure AI Studio，方便企業(yè)快速開發(fā)AI應(yīng)用。
考慮到企業(yè)級應(yīng)用需求，李冕還表示微軟不僅在最上面的模型層為企業(yè)提供支持，還提供下面的調(diào)度層、硬件層、云數(shù)據(jù)中心等的一系列配套服務(wù)。
李冕在演講最后重申了微軟在數(shù)據(jù)隱私安全方面的承諾：
“客戶的數(shù)據(jù)就是客戶的數(shù)據(jù)，客戶的數(shù)據(jù)不會被用來訓(xùn)練其它模型，所有客戶數(shù)據(jù)均有企業(yè)級防護(hù)，受到全面的企業(yè)合規(guī)和安全控制的保護(hù)。”
昆侖萬維方漢：天工SkyMusic音樂大模型將大大降低音樂創(chuàng)作的門檻和成本
昆侖萬維董事長兼CEO方漢分享了“天工多模態(tài)大模型的演進(jìn)落地”。大會當(dāng)天，昆侖萬維發(fā)布了「天工3.0」，這是中國音樂AIGC領(lǐng)域首個實現(xiàn)SOTA水平的模型。同時，他還宣布「天工3.0」基座大模型與「天工SkyMusic」音樂大模型正式開啟公測。
「天工3.0」擁有4000億參數(shù)，超越了3140億參數(shù)的Grok-1，是全球最大的開源MoE大模型。在MMbench和MMbench-CN測試集上，「天工3.0」性能指標(biāo)全面超越GPT-4V。
通過專項的Agent訓(xùn)練，目前大模型可以做到“能搜能寫能讀能聊能說能畫能聽能唱”，應(yīng)對多種復(fù)雜的內(nèi)容創(chuàng)作需求。例如，它可以準(zhǔn)確識別“成都迪士尼”是個梗，并給出游玩攻略;可以自動總結(jié)文獻(xiàn)，生成大綱、PPT和腦圖;還可以通過非代碼方式生成智能體。
方漢特別介紹了「天工SkyMusic」音樂大模型，得益于2000萬首音樂的訓(xùn)練數(shù)據(jù)和獨特的模型架構(gòu)，「天工SkyMusic」在人聲識別度、音質(zhì)等方面已經(jīng)超越Sora。「天工SkyMusic」支持根據(jù)音源和歌手特點生成音樂，并支持多種方言合成，大大降低了音樂創(chuàng)作的門檻和成本——
各行各業(yè)使用的歌曲都能通過AI生成，成本迅速從幾萬塊錢降到幾分錢。
方漢分享了昆侖萬維的愿景：“實現(xiàn)通用人工智能，讓每個人更好地塑造和表達(dá)自我。”他認(rèn)為，大模型的演進(jìn)終將實現(xiàn)AGI，而AIGC能力普及則有助于打破強(qiáng)勢文化的壟斷，實現(xiàn)文化平權(quán)。作為一家全球化互聯(lián)網(wǎng)企業(yè)，昆侖萬維希望用AI技術(shù)為全球用戶賦能。
阿里通義千問林俊旸：智能模型應(yīng)融入對視覺/語音的理解
阿里通義千問開源負(fù)責(zé)人林俊旸，在現(xiàn)場分享了阿里通義千問大模型為“走向通用大模型”做出的努力。
林俊旸表示，自開源以來，通義千問Qwen(為了更方便英文發(fā)音，對“千問”的音譯)系列模型受到了國內(nèi)外開發(fā)者的廣泛關(guān)注。
從去年8月開始，通義千問Qwen系列模型陸續(xù)開源上新。從7B、14B參數(shù)規(guī)模大小開始，直到開源了72B參數(shù)版本;最新動作，阿里通義千問家族還有一名“小成員”，是14B參數(shù)的MoE模型。而開發(fā)者社區(qū)的迫切需求，促使阿里快速開源了32B模型——這個模型的表現(xiàn)與72B參數(shù)模型表現(xiàn)接近，并且在某些方面相比，比MoE模型還具有優(yōu)勢。
林俊旸在現(xiàn)場強(qiáng)調(diào)，阿里通義千問同時十分專注打造大模型使用生態(tài)。
通義千問的代碼已經(jīng)官方融入了抱抱臉的代碼庫，開發(fā)者可以更方便地使用通義千問的模型。
其次，通義千問在第三方框架支持方面有不少進(jìn)展，包括ollama在內(nèi)的平臺，都能一鍵使用Qwen系列模型。
多語言、長序列、Post-training、Agent、多模態(tài)等能力相關(guān)問題，林俊旸也在現(xiàn)場做了分享。
多語言：通義千問模型本質(zhì)上是多語言的，而非僅僅是中英雙語的;并且，團(tuán)隊在多語言能力上進(jìn)行了檢測和優(yōu)化。
長序列：Qwen系列模型一直沒有卷長文本，這件事并不好做，不僅要保證“長”，同時要保證效果;目前32k版本表現(xiàn)已經(jīng)比較穩(wěn)定;大海撈針等評估發(fā)現(xiàn)長序列可以在Chatbot上落地實用功能。
Post-training：通過SAT等在數(shù)據(jù)等方面，優(yōu)化post-training，讓大模型的潛力爆發(fā)。
Agent：實現(xiàn)方式(之一)是做更多數(shù)據(jù)標(biāo)注、研究to use agent相關(guān)。
多模態(tài)(Qwen-VL)：非常智能的模型應(yīng)該融入對視覺、語音方面的理解，今年會重點關(guān)注視頻模態(tài)的研究，思考如何打造一個VL-Agent。
高通萬衛(wèi)星：具有異構(gòu)計算系統(tǒng)的高通AI引擎可以充分滿足生成式AI的多樣性要求
高通公司AI產(chǎn)品技術(shù)中國區(qū)負(fù)責(zé)人萬衛(wèi)星在演講中表示，作為芯片廠商，高通正通過提供領(lǐng)先的產(chǎn)品和解決方案，推動AIGC相關(guān)產(chǎn)業(yè)的規(guī)模化擴(kuò)展。
他指出，高通認(rèn)為終端側(cè)生成式AI的時代已經(jīng)到來。
高通在去年10月發(fā)布的第三代驍龍8和驍龍X Elite兩款產(chǎn)品中，已經(jīng)將大語言模型完整搬到了端側(cè)，賦能了眾多AI手機(jī)和AI PC。多模態(tài)趨勢下，今年2月，高通也把多模態(tài)大模型完整地搬移到端側(cè)。在發(fā)布的驍龍X Elite這款產(chǎn)品上，高通也演示了全球首個在Windows PC上運行的音頻推理多模態(tài)大模型。
萬衛(wèi)星表示，不同領(lǐng)域的生成式AI用例具有多樣化的要求，背后所需的AI模型也是千差萬別，很難有一種處理器可以完美適用所有用例。
在這方面，高通推出了具有異構(gòu)計算系統(tǒng)的高通AI引擎，包含多種處理器組件，可以充分滿足生成式AI的多樣性要求。其中重點講了NPU。基于用戶需求和終端用例的多年演進(jìn)，高通NPU不斷升級。第三代驍龍8的Hexagon NPU還集成了專門為生成式AI打造的Transformer加速模塊，以及微架構(gòu)升級、獨立供電軌道、微切片推理等先進(jìn)AI技術(shù)。
萬衛(wèi)星還透露高通今年會重點支持多模態(tài)模型端側(cè)化，以及支持更高參數(shù)量大語言模型在端側(cè)的部署。
說完硬件設(shè)計，萬衛(wèi)星介紹了高通的重要AI軟件產(chǎn)品，包括跨平臺、跨終端的統(tǒng)一解決方案高通AI軟件棧(Qualcomm AI Stack)。
你只需要在高通一個平臺上完成模型的優(yōu)化部署工作，可以非常方便的把這部分工作遷移到其它高通產(chǎn)品線。
此外，高通還在今年的MWC巴塞羅那發(fā)布了高通AI Hub(Qualcomm AI Hub)。該產(chǎn)品面向第三方開發(fā)者和合作伙伴，可以幫助開發(fā)者更加充分的利用高通和驍龍底層芯片的硬件算力，開發(fā)出自己的創(chuàng)新AI應(yīng)用。
最后他總結(jié)了高通在AI方面的優(yōu)勢，在于“無與倫比的硬件設(shè)計、頂尖的異構(gòu)計算能力、可擴(kuò)展的AI軟件工具以及廣泛的生態(tài)系統(tǒng)和模型支持”。
螞蟻李建國：超70%代碼問題單純靠基座模型是解決不了的
超70%的問題需要端到端代碼生成能力解決，目前單純靠基座模型還遠(yuǎn)遠(yuǎn)不能滿足。
在中國AIGC產(chǎn)業(yè)峰會上，螞蟻代碼大模型CodeFuse負(fù)責(zé)人李建國這樣說道，他還指出，當(dāng)前代碼大模型雖然在基座模型和應(yīng)用產(chǎn)品上演進(jìn)飛速，但要在企業(yè)中真正實現(xiàn)研發(fā)效率的大幅提升，仍面臨諸多挑戰(zhàn)。
從軟件研發(fā)全生命周期來看，從最初的需求設(shè)計到編碼開發(fā)、測試構(gòu)建、發(fā)布運維、數(shù)據(jù)洞察等環(huán)節(jié)，寫代碼可能只占1/5甚至更少的工作量。
李建國表示，螞蟻集團(tuán)希望打造一個“研發(fā)智能體”，通過智能Agents實現(xiàn)任務(wù)分發(fā)與銜接，將各環(huán)節(jié)連接起來，全面提升研發(fā)效能。
CodeFuse剛發(fā)布時，就明確提出“要做全生命周期的代碼大模型”。CodeFuse目前已開源13個倉庫，覆蓋代碼訓(xùn)練、測試、DevOps運維、程序分析、評測等8大軟件開發(fā)領(lǐng)域。李建國表示，這是全方位的開源。
最后再來看整個領(lǐng)域，結(jié)合外部統(tǒng)計與螞蟻實踐，基座模型在實際運用過程中只能解決大約30%的問題，剩下70%的問題還需要端到端代碼生成能力。除此之外，在Agent推理能力、需求需求拆解、跨模態(tài)交互等方面還需要持續(xù)演進(jìn)。
李建國還重點提到，垂直場景中，比如金融場景，生成代碼的安全、可信、可靠的要求，這也是螞蟻正在重點攻克的難題。
雖然挑戰(zhàn)不少、道阻且長，但李建國認(rèn)為，螞蟻將攜手開源社區(qū)一起努力，在萬物摩爾定律的牽引下，未來兩三年可以一定程度解決這個問題。
小冰徐元春：市場真正的運營主體是非常樸素的
小冰公司聯(lián)合創(chuàng)始人兼首席運營官、人工智能創(chuàng)造力實驗室負(fù)責(zé)人徐元春的演講主題是“數(shù)字人+大模型：打造商業(yè)應(yīng)用新場景”。
“作為一家算法公司怎么掙錢和作為一家AIGC產(chǎn)業(yè)公司怎么賺錢，這是最后要回答的問題。最先要回答的問題是，大家用這個東西怎么賺錢?”，徐元春這樣講。
他通過幾個特別具體的例子，展現(xiàn)了小冰是如何讓大家賺到錢的。
第一個是一個美裝美業(yè)個體博主，她利用小冰虛擬人和大模型平臺，創(chuàng)作出了自己的數(shù)字人，在短視頻平臺用數(shù)字人分身分享創(chuàng)作服裝穿搭內(nèi)容。僅用40多天，她的單條視頻播放量就達(dá)到200萬，日均為線下門店引流6-8個意向客戶。而這，已經(jīng)能讓她的生意更好地發(fā)展起來。
第二個是一家中小型的企業(yè)，一開始是做軟件開發(fā)、技術(shù)賦能、后臺的支持，現(xiàn)在使用小冰的技術(shù)平臺做轉(zhuǎn)型，成為AI服務(wù)商，4個月內(nèi)為云南300家中小企業(yè)提供了AI賦能服務(wù)。
第三個是更大的行業(yè)領(lǐng)軍企業(yè)，他們將小冰的數(shù)字人與大模型技術(shù)深度整合到了自家各類硬件產(chǎn)品中，實現(xiàn)“開箱即用”，每一個有屏的硬件設(shè)備都可以變成一個全新的交互載體。
在徐元春看來，真正能把產(chǎn)業(yè)化應(yīng)用做得越來越深，不在于廟堂之高，而是在江湖之遠(yuǎn)：
你發(fā)現(xiàn)真正市場在運行的主體、市場從業(yè)者對AI沒有那么多復(fù)雜的想法，他們非常樸素。
他進(jìn)一步補充道，小冰將大模型和數(shù)字人更加深入地植入到了企業(yè)的工作流和任務(wù)系統(tǒng)中，數(shù)字員工相當(dāng)于有了集合企業(yè)知識和數(shù)據(jù)閉環(huán)的大腦，可以讓業(yè)務(wù)流程和客戶溝通更加順暢。
最后徐元春講述了商業(yè)的閉環(huán)。有“云+端”這樣的軟件+硬件產(chǎn)品的閉環(huán)，也有交互+內(nèi)容這樣的形式上的閉環(huán)。而今天通過真實的企業(yè)、個體案例，使用技術(shù)去獲得更多競爭力、讓自己的生意變得更好這其實是所有閉環(huán)里最重要的節(jié)點。
“找到并激活每個關(guān)鍵節(jié)點，才能實現(xiàn)技術(shù)商業(yè)化的真正閉環(huán)。”
AIGC應(yīng)用層：普通人可以怎么AI?
美圖吳欣鴻：基于垂直場景的大模型應(yīng)用創(chuàng)新，窗口期只有兩年
美圖公司創(chuàng)始人、董事長兼CEO吳欣鴻則分享了美圖視頻大模型的探索之路。
美圖作為影像工具起家，經(jīng)過16年的發(fā)展，現(xiàn)在主要聚焦在影像和設(shè)計產(chǎn)品，形成了圖像、視頻和設(shè)計三大AI產(chǎn)品品類。
吳欣鴻現(xiàn)場展示了一個僅用半天時間制作的60秒AI短片，運用了開拍、WHEE、Wink等一系列AI工具，相比傳統(tǒng)動畫工作流，大幅降低了制作門檻，提升了效率。
吳欣鴻預(yù)計今年下半年，將會有很多的國產(chǎn)Sora扎堆上市，美圖也是其中的一家。
我們認(rèn)為越來越激烈的競爭有三個點非常關(guān)鍵：第一、創(chuàng)意超越現(xiàn)實;第二、工作流的整合;第三、垂直場景的能力。
其中基于垂直模型的大模型應(yīng)用創(chuàng)新，吳欣鴻認(rèn)為有兩年窗口期。
展望未來，吳欣鴻認(rèn)為，視頻大模型的標(biāo)配除了文生視頻，還將涌現(xiàn)圖生視頻、視頻生視頻、音頻生視頻等更多生成方式，應(yīng)用場景非常廣闊。
今年，以Sora為代表的視頻生成只是個開始。隨著視頻大模型對物理世界理解的加深，有望實現(xiàn)劇情設(shè)計、分鏡、轉(zhuǎn)場等更專業(yè)的能力，與視頻制作工作流深度結(jié)合，后續(xù)可以生成1-5分鐘視頻。
金山辦公姚冬：WPS已不再是一個文檔編輯器
金山辦公副總裁、研發(fā)中臺事業(yè)部總經(jīng)理姚冬在本次大會上分享了金山辦公在擁抱AI浪潮中的思考與實踐。
作為一家辦公軟件公司，金山辦公最近五年將“多屏、內(nèi)容、云、協(xié)作、AI”作為戰(zhàn)略重點，在AIGC浪潮下，最近兩年尤其注重AI和協(xié)作這兩點的發(fā)展。
就在前幾日，金山辦公發(fā)布企業(yè)級產(chǎn)品WPS 365。
姚冬表示，當(dāng)前的WPS已經(jīng)不再是一個文檔的編輯器，而是包含企業(yè)數(shù)據(jù)協(xié)作、知識管理、通信以及各種跟算法相關(guān)的模型服務(wù)等多種功能于一體的辦公平臺。在最近WPS 365發(fā)布中，其包含的WPS AI企業(yè)版聚焦為客戶打造企業(yè)大腦，主打三大類能力：AI Hub、AI Docs和Copilot Pro。
其中，AI Hub是企業(yè)使用AI能力的基座，提供了一個兼容市面上各種大模型的統(tǒng)一接口和開發(fā)體系，讓企業(yè)可以靈活選擇和切換適合自己的模型。
AI Docs是用來幫助企業(yè)盤活海量非結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)。
員工每天都在寫文檔，這些其實是企業(yè)非常重要的只是。但過去一直有個問題，這類知識無法再利用，因為非結(jié)構(gòu)化。
傳統(tǒng)的關(guān)鍵詞搜索很難準(zhǔn)確命中文檔中的知識，而基于大模型和多模態(tài)技術(shù)，WPS 365實現(xiàn)了對企業(yè)內(nèi)部各種格式文檔的智能化閱讀理解、搜索問答，并嚴(yán)格遵循文檔權(quán)限管控。
Copilot Pro則是通過AI驅(qū)動自然語言交互式辦公。比如做數(shù)據(jù)分析，傳統(tǒng)方式需要寫腳本、設(shè)計公式、繪制圖表等，門檻很高。在Copilot Pro中，用戶只需用自然語言表達(dá)需求，讓AI自動執(zhí)行全流程。
姚冬強(qiáng)調(diào)，文檔數(shù)據(jù)在人和人之間沒有傳播其實一個數(shù)據(jù)孤島，而今天的辦公不再只是簡單寫寫文檔分析數(shù)據(jù)，更重要的是人和人、人和AI之間的協(xié)作。
印象筆記唐毅：AI驅(qū)動的“第二大腦”，既給用戶自由，又降低信息管理焦慮
印象筆記董事長兼CEO唐毅，有科技創(chuàng)業(yè)、跨國企業(yè)管理以及投融資領(lǐng)域的豐富經(jīng)驗。
他帶領(lǐng)的印象筆記，2018年成立印象研究院，開啟了對AIGC的探索，去年3月起，利用自研印象大模型驅(qū)動“印象AI”產(chǎn)品和服務(wù)，落地賦能旗下全線軟件和智能硬件產(chǎn)品。
唐毅的分享聚焦“知識管理”領(lǐng)域。在他看來，AIGC的發(fā)展仍處于早期繁榮階段，挑戰(zhàn)和機(jī)遇并存。
他認(rèn)為，相比算力、數(shù)據(jù)集和模型規(guī)模的快速擴(kuò)大，模型算法的進(jìn)展則相對緩慢，且算力的投入和收益不成比例。此外，目前而言，隨著模型訓(xùn)練對人類公共領(lǐng)域數(shù)據(jù)的窮盡，越來越多合成數(shù)據(jù)的加入也會導(dǎo)致模型輸出效果下降。
與此同時，在實踐和競爭中發(fā)現(xiàn)，特定數(shù)據(jù)驅(qū)動的模型能力的增長在不斷加強(qiáng)，模型的小型化和高效化趨勢也日益突出。
談及印象筆記的大模型及產(chǎn)品進(jìn)化方向，唐毅表示將從復(fù)合AI系統(tǒng)(Compound AI System)角度出發(fā)，提升自研印象大模型的能力，同時發(fā)揮用戶、數(shù)據(jù)、場景、載體、交互等方面優(yōu)勢，打造真正的AI超級應(yīng)用。
在AI驅(qū)動下，印象筆記將幫助用戶智能匯聚信息、高效閱讀吸收、輔助靈感記錄與創(chuàng)作、自動完成知識整理與提煉，成為用戶真正的、智能的“第二大腦”。
逐際動力張力：人形機(jī)器人未來將實現(xiàn)平臺化應(yīng)用
通用機(jī)器人初創(chuàng)公司逐際動力的聯(lián)合創(chuàng)始人兼COO張力，在中國AIGC產(chǎn)業(yè)峰會現(xiàn)場分享了關(guān)于人形機(jī)器人發(fā)展及其與AGI關(guān)系的深刻見解。
目前，人形機(jī)器人的雙腿移動能力已經(jīng)有了實質(zhì)性突破，而操作能力仍然受限，是因為AI還不能完全根據(jù)多模態(tài)場景形成自己的行為，如何利用多模態(tài)大模型生成機(jī)器人自主的運動和控制，是產(chǎn)業(yè)界和學(xué)術(shù)界都在追趕和研究的部分。
在硬件和軟件算法方面，尤其是大腦和小腦的協(xié)同上，人形機(jī)器人仍需取得更多突破。
張力暢想，未來的人形機(jī)器人可以實現(xiàn)平臺化的應(yīng)用，就像今天的iPhone+APP一樣。機(jī)器人通過安裝不同的應(yīng)用程序，利用自身的運動控制能力，執(zhí)行對應(yīng)的各種任務(wù)，從而極大地擴(kuò)展應(yīng)用范圍。
從本質(zhì)來講，機(jī)器人就是一個類似或者超越人運動能力、計算能力和感知能力的機(jī)電系統(tǒng)。技術(shù)方面，事先規(guī)劃好的運動控制這種是相對傳統(tǒng)的技術(shù);而如果需要跟外界產(chǎn)生更多的交互，如環(huán)境認(rèn)知感知、物體檢測、接觸反饋等，就需要新的技術(shù)。在這方面，AGI對于機(jī)器人的影響非常大。
在不斷研發(fā)迭代產(chǎn)品的過程中，逐際動力形成了通過模仿學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)以及基于感知的運動控制等關(guān)鍵的新技術(shù)，推出了人形機(jī)器人、雙足機(jī)器人，以及四輪足機(jī)器人。
張力分享了他對人形機(jī)器人市場前景的看法：
無論tob還是toc，具身智能在未來有非常大的應(yīng)用場景。
在技術(shù)邊界不斷擴(kuò)大過程中，如何通過沿途下蛋，把相對成熟的技術(shù)和產(chǎn)品實現(xiàn)商業(yè)化;形成自主的移動能力和移動操作能力是關(guān)鍵;機(jī)器人與AGI、AIGC打通，加強(qiáng)場景的認(rèn)知、理解，實現(xiàn)任務(wù)的分解，更好完成規(guī)劃決策，這些都非常重要。
得到快刀青衣：AI給了很多人一個突破自己的機(jī)會
得到聯(lián)合創(chuàng)始人、AI學(xué)習(xí)圈主理人快刀青衣的演講主題是“六邊形戰(zhàn)士，AI 驅(qū)動下的個人能力革命”。
“六邊”在快刀青衣這里指的是產(chǎn)品能力、輸出能力、提效能力、創(chuàng)新能力、管理能力、設(shè)計能力。在他看來，AI技術(shù)的發(fā)展讓他個人的六邊能力得到全面提升。
他從創(chuàng)新和輸出兩方面分享了過去一年的心得。
快刀青衣認(rèn)為，AI創(chuàng)新的源泉可以從四個方面考慮：你自己也想用的產(chǎn)品、一個困擾你很久的痛點、你熟悉行業(yè)能預(yù)見到的巨大變化、你對它充滿熱情而又具有挑戰(zhàn)性的事情：
如果四項占兩項就可以干，占三項就非常值得你花很多時間去研究它。
以此為出發(fā)點，快刀青衣介紹了得到自主研發(fā)的AI陪練小程序“開始練練”，用來給員工進(jìn)行AI實戰(zhàn)陪練，收到AI的反饋。如此一來，練習(xí)后的員工再面對真人客戶時就能輕松解答客戶的問題。
接著他分享了開發(fā)這款小程序的初衷。一開始是想讓自己公司的程序員用，后來程序員們都表示自己不是靠溝通干活的，是靠寫代碼。后來有一次發(fā)朋友圈，一個連鎖美容院的老板發(fā)現(xiàn)這對他們一線美容師介紹產(chǎn)品特別管用……
快刀青衣由此感慨，“最初那個起點可能跟你想象的不一樣，過程中可能會有很多不一樣的東西”。
此外，他還強(qiáng)調(diào)了企業(yè)專有知識庫、專有數(shù)據(jù)的重要性，并表示自己在做這個AI項目時給團(tuán)隊設(shè)置了幾個限制：團(tuán)隊不超過3人，缺的能力用AI補;不碰硬件，不訓(xùn)大模型;只做提升用戶能力的培訓(xùn)場景。
認(rèn)清自己能力，做自己更擅長的事情，不能因為AI能力強(qiáng)就覺得啥都能干。
輸出能力提升方面，快刀青衣分享了自己從公眾號年更“保證號不被凍結(jié)”到365天日日更的轉(zhuǎn)變，以及每周都要做一場和AI有關(guān)的直播聊一下別人都在做什么。這一切都是這波AI浪潮給他帶來的輸出能力的提升。
快刀青衣引用了喬丹的一句話：“我可以接受失敗，但不能接受不去嘗試。”
AIGC基建層：如何支撐產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型?
亞馬遜云科技王曉野：四個要點讓企業(yè)抓住生成式AI機(jī)遇
生成式AI這個時代已經(jīng)開始，它并不是未來將發(fā)生的事情。
亞馬遜云科技大中華區(qū)產(chǎn)品部技術(shù)總監(jiān)王曉野在演講中表示，生成式AI將在18個月內(nèi)顛覆所有產(chǎn)業(yè)，為全球帶來高達(dá)4.4萬億美元的巨大市場商機(jī)。
對于企業(yè)如何抓住生成式AI機(jī)遇，王曉野總結(jié)了四大要點：選對場景、選對工具和合作伙伴、重視數(shù)據(jù)這一企業(yè)核心競爭力、關(guān)注人才培養(yǎng)與AI相關(guān)的監(jiān)管與治理。
他指出生成式AI在跨語言溝通、商業(yè)決策以及洞察、智能服務(wù)和營銷素材的生成、整體運營效率提升等六大場景大有可為。
王曉野指出，得益于模型能力和成本的優(yōu)化，生成式AI正在從局限的文生圖、營銷、聊天機(jī)器人等初級應(yīng)用，進(jìn)化到更廣泛的領(lǐng)域。比如在Claude等大模型支持下，語言翻譯、情感陪伴、游戲內(nèi)容審核等更多場景的落地正在悄然發(fā)生。他強(qiáng)調(diào)多模態(tài)交互將是大模型發(fā)展的重要趨勢。
在助力企業(yè)應(yīng)用生成式AI方面，亞馬遜云科技提出了“三層原子能力”：底層基礎(chǔ)設(shè)施加速層、利用基礎(chǔ)模型構(gòu)建生成式AI應(yīng)用的工具比如Amazon Bedrock、頂層開箱即用的生成式AI應(yīng)用。
從電商到云計算，亞馬遜一直在用技術(shù)和AI顛覆和創(chuàng)新原有產(chǎn)業(yè)。王曉野最后表示，下一個亞馬遜正在構(gòu)建并且持續(xù)投入的地方，就是生成式AI的三層原子能力，希望能與客戶共贏生成式AI時代。
商湯楊帆：打造AI基礎(chǔ)設(shè)施生態(tài)是降低AI應(yīng)用門檻的關(guān)鍵
“中國AI應(yīng)用正在變得越來越多，越來越多新的場景被打開，今年下半年或是明年上半年，我們將看到中國生成式AI市場的爆發(fā)。”
商湯科技聯(lián)合創(chuàng)始人、大裝置事業(yè)群總裁楊帆在大會上做出了這樣的判斷。
楊帆分析道，當(dāng)前尺度定律仍在主導(dǎo)AI的技術(shù)迭代，AI產(chǎn)業(yè)發(fā)展的核心問題在于“產(chǎn)業(yè)端的投入產(chǎn)出比不夠好”。隨著AI生產(chǎn)和應(yīng)用成本的提高，用降低成本的方式降低使用門檻其實是必然趨勢。
而AI基礎(chǔ)設(shè)施的建設(shè)，正是破解這一難題的關(guān)鍵。
只有把這些通用能力，不管大規(guī)模的算力集群還是機(jī)器模型的API，甚至未來圍繞超大規(guī)模數(shù)據(jù)完整的體系，把它做標(biāo)準(zhǔn)化、基礎(chǔ)設(shè)施化、服務(wù)化，才有可能在未來讓整個AI產(chǎn)業(yè)創(chuàng)新門檻更低、性價比更高，更多人進(jìn)來，在上面賺到錢。
關(guān)于商湯在這方面的投入，楊帆先是介紹了商湯在臨港投建的智算中心的最新的進(jìn)展：
截至去年底，包括臨港在內(nèi)已經(jīng)建成七八個節(jié)點形成連接，還有很多新的節(jié)點在建。連接算力超過12000P，領(lǐng)先單點算力接近10000P。同時，商湯在芯片層面也與產(chǎn)業(yè)鏈展開了廣泛合作，臨港智算中心已有超15%的國產(chǎn)芯片算力。
夯實算力基礎(chǔ)之外，楊帆還講述了商湯推出的不同層級的軟件產(chǎn)品和服務(wù)體系，其中提到了降低模型調(diào)用成本的全套解決方案。
他還分享了商湯自家大模型的發(fā)展，除了去年看到比較多的語言類的任務(wù)，現(xiàn)在更多在圖像、視頻、三維重建不同領(lǐng)域提供不同基礎(chǔ)模型的方案。
總的來講，商湯還是更希望以基礎(chǔ)設(shè)施平臺化能力支撐更加繁榮的場景生態(tài)。
AIGC洞察者：Scaling Laws是關(guān)鍵
北大袁粒：大模型幻覺問題，我們幾乎是公開最早提出檢索增強(qiáng)來解決
北京大學(xué)深圳研究生院助理教授袁粒在大會上分享了他們團(tuán)隊在多模態(tài)模型垂直領(lǐng)域應(yīng)用的實踐經(jīng)驗。
他表示，用來閑聊的玩具并不能滿足用戶真正的需求，AI必須轉(zhuǎn)化為實實在在的生產(chǎn)力，而生產(chǎn)力則是由垂直領(lǐng)域來轉(zhuǎn)化。
袁粒教授介紹了他們團(tuán)隊基于鵬城的云腦和自建算力，基于通用和行業(yè)數(shù)據(jù)開發(fā)的幾款代表性產(chǎn)品：
ChatExcel：一款面向數(shù)據(jù)表格處理的多模態(tài)AI助手，可用文字直接操縱表格，進(jìn)行數(shù)據(jù)可視化和營銷策略分析等。這項成果已經(jīng)在某奢侈品巨頭落地應(yīng)用。開發(fā)這塊應(yīng)用的博士生也創(chuàng)辦了元空AI。
ChatLaw：中文法律垂直領(lǐng)域應(yīng)用，可為用戶和律師提供信息分析、結(jié)構(gòu)化抽取、生成法律文書等服務(wù)。該產(chǎn)品采用了檢索增強(qiáng)技術(shù)，引入法律文本數(shù)據(jù)庫參考，有效緩解了大模型的幻覺問題。
檢索增強(qiáng)這一做法當(dāng)時我們也是業(yè)內(nèi)最早做出來的，只是我們沒有把這個概念提出來，讓大模型做大模型的事情，讓檢索做檢索的事情。
最后袁粒教授介紹了他們同北大校友企業(yè)兔展智能聯(lián)合發(fā)起的Sora復(fù)現(xiàn)開源計劃Open-Sora Plan，目標(biāo)是實現(xiàn)一個視覺版LLaMA。該項目分為三個技術(shù)部分：視頻編解碼器、Diffusion Transformer和條件注入。
目前已經(jīng)開源了第一版預(yù)訓(xùn)練模型和CausalVideoVAE，在開源社區(qū)引起廣泛關(guān)注，在GitHub上獲得近萬星。該框架最大特點是能夠生成較長視頻，得益于訓(xùn)練時壓縮喂入的長視頻片段。
接下來，該項目將分三個階段實現(xiàn)更高的復(fù)現(xiàn)目標(biāo)：第一階段已開源;第二階段爭取開源支持20秒720P視頻生成的模型;第三階段希望借助產(chǎn)業(yè)界算力實現(xiàn)超越原版Sota的性能。
袁粒教授表示，開源推動了AI的繁榮，他們也希望通過開源回饋社區(qū)，讓學(xué)術(shù)界和產(chǎn)業(yè)界都能共享技術(shù)成果。
硅谷Fusion Fund張璐：初創(chuàng)企業(yè)在現(xiàn)階段都可走“雞尾酒”模式
作為長期關(guān)注和布局AI領(lǐng)域的頂級投資人，硅谷Fusion Fund創(chuàng)始合伙人、斯坦福大學(xué)客座講師張璐分享了她對全球尤其是硅谷AI技術(shù)與產(chǎn)業(yè)發(fā)展的深度洞察。
張璐指出，AI正在成為一項全產(chǎn)業(yè)的數(shù)字化轉(zhuǎn)型工具，而海量高質(zhì)量數(shù)據(jù)的涌現(xiàn)為AI的大規(guī)模應(yīng)用奠定了基礎(chǔ)。
在此背景下，AI將帶來比互聯(lián)網(wǎng)時代大10倍的機(jī)會，但其中只有三分之一會留給初創(chuàng)企業(yè)。
作為初創(chuàng)企業(yè)，找到對的工業(yè)界和對的應(yīng)用場景，找到合適的切入點非常關(guān)鍵，數(shù)據(jù)是核心。怎樣拿到高質(zhì)量的數(shù)據(jù)?怎樣讓數(shù)據(jù)成為你的競爭優(yōu)勢點?
初創(chuàng)企業(yè)要想在AI浪潮中抓住先機(jī)，必須找準(zhǔn)自身的創(chuàng)新切入點，充分利用大公司搭建的生態(tài)平臺實現(xiàn)共同發(fā)展。
現(xiàn)階段，初創(chuàng)企業(yè)基本上都可以做“雞尾酒”模式，即調(diào)動最前沿大模型的API，在上面配套使用開源模型，再自己做些修改進(jìn)行模型調(diào)優(yōu)。
“在這個優(yōu)化過程中，很快會發(fā)現(xiàn)兩個特點。”張璐說，第一個特點是數(shù)據(jù)的質(zhì)量比數(shù)據(jù)的數(shù)量更重要;第二是不需要一個模型去解決所有的問題。
在投資方向上，張璐表示，F(xiàn)usion Fund聚焦AI的應(yīng)用層和基礎(chǔ)設(shè)施兩個維度。
其中，應(yīng)用層主要關(guān)注醫(yī)療、金融保險、機(jī)器人、太空等擁有海量高質(zhì)量數(shù)據(jù)和廣闊應(yīng)用前景的領(lǐng)域;基礎(chǔ)設(shè)施層則布局從芯片到云端的各個技術(shù)節(jié)點，旨在突破算力、能耗、隱私等AI發(fā)展的關(guān)鍵瓶頸。
張璐在演講中談到，隨著開源社區(qū)的蓬勃發(fā)展，小模型、行業(yè)專屬模型也將成為AI應(yīng)用的重要趨勢。
她強(qiáng)調(diào)，對于創(chuàng)業(yè)者而言，高質(zhì)量數(shù)據(jù)的獲取與應(yīng)用比海量數(shù)據(jù)更為關(guān)鍵，定制化的小模型在特定場景下的效能甚至可以與通用大模型相媲美。
人大盧志武：有算力就有超越Sora的可能
中國人民大學(xué)高瓴人工智能學(xué)院教授盧志武分享主題為《VDT：基于Transformer的通用擴(kuò)散視頻生成》。
VDT是Video Diffusion Transformer的縮寫。這是盧志武帶隊的項目，去年5月發(fā)布在arXiv上，并已被頂會ICLR接收。
它的創(chuàng)新之處是將Transformer應(yīng)用于視頻生成——這遠(yuǎn)在OpenAI發(fā)布Sora之前，以及在模型中引入統(tǒng)一的時空掩碼建模。
為什么要將視頻生成從基于Diffusion模型轉(zhuǎn)向基于Transformer模型?
盧志武表示，Transformer模型具有捕捉長期或不規(guī)則時間依賴性的優(yōu)勢，這在視頻領(lǐng)域尤為重要;而Transformer模型的參數(shù)量可以根據(jù)需要增加，這為提高模型性能提供了靈活性。
在演講中，盧志武提到了VDT模型中關(guān)鍵的時空Transformer block，并解釋了其與現(xiàn)有模型如Sora的細(xì)微差別。他指出，由于算力限制，團(tuán)隊在設(shè)計時采取了空間和時間分開的處理方法，以提高效率。
那VDT與Sora這樣的SOTA模型相比如何?盧志武分析，兩者在時空Attention處理上有所不同，但這個差別并不是本質(zhì)上的。
我們推測Sora強(qiáng)大的物理世界模擬能力，主要來自于統(tǒng)一的時空token化和Attention機(jī)制。
盧志武在最后表示，團(tuán)隊通過實驗發(fā)現(xiàn)，VDT模型效果只和消耗的算力有關(guān)，這與OpenAI的圖像生成模型DiT的結(jié)論一致。
“算力越大效果越好。拿到更多算力，超越Sora也不是不可能。”
圓桌對話：ROI是衡量AIGC應(yīng)用價值的第一標(biāo)準(zhǔn)
“你好，新應(yīng)用!”峰會設(shè)置了一場圓桌論壇，討論的主題非常務(wù)實：怎么落地?如何賺錢?
——從ChatGPT問世到現(xiàn)在，一年半的時間里，AIGC有一個非常明顯的趨勢，就是從建設(shè)基礎(chǔ)層逐步向“用起來”去發(fā)展。今年也被很多人認(rèn)為是AIGC應(yīng)用元年，在這個時間節(jié)點上，有必要坐下來聊一聊與AIGC相關(guān)的接地氣的話題。
本次邀請到的三位代表性嘉賓分別是：
輕松集團(tuán)技術(shù)副總裁高玉石，主導(dǎo)了該集團(tuán)在健康保障領(lǐng)域的AI智能體系研發(fā)建設(shè)。
阿里云通義大模型業(yè)務(wù)負(fù)責(zé)人徐棟，在云原生、端云架構(gòu)和AI大模型領(lǐng)域的深入實踐。
在AI和企業(yè)服務(wù)領(lǐng)域積累了寶貴經(jīng)驗的瀾碼科技創(chuàng)始人兼CEO周健。
在量子位主編金磊的主持下，圓桌主要圍繞3個話題展開：大模型應(yīng)用用得怎么樣了、AI賺錢之道各有招、百模大戰(zhàn)利大于弊。
大模型應(yīng)用用得怎么樣了
高玉石表示，輕松問醫(yī)Dr.GPT的升級給醫(yī)患雙方都帶來很大便利。在醫(yī)生端，臨床研究的效率提升2倍;科普內(nèi)容創(chuàng)作實現(xiàn)月產(chǎn)萬篇規(guī)模;智能輔助診療的采納率達(dá)86%，診斷時間從十分鐘縮短為1-2分鐘。患者端的健康顧問覆蓋30多萬用戶，活躍率70%。
周健的瀾碼科技基于大語言模型打造企業(yè)級AI Agent，服務(wù)于企業(yè)日常辦公場景下的增強(qiáng)自動化和創(chuàng)新業(yè)務(wù)的開展，在保險、銀行、政務(wù)等行業(yè)和領(lǐng)域已實現(xiàn)專家知識賦能基層員工和管理增效的典型應(yīng)用。
徐棟從通義大模型的視角給了兩個維度的觀點，目前看到第一類是大模型塑造了產(chǎn)業(yè)的核心商業(yè)模式，比如游戲行業(yè)的NPC、社交領(lǐng)域的角色扮演，以及像智能硬件端側(cè)的應(yīng)用;第二類是企業(yè)級市場，未必是對商業(yè)模式做了根本性重塑，但大模型突出體現(xiàn)在降本增效上，最典型的客服場景、知識庫的問答等等，這些場景在企業(yè)內(nèi)部提效幫助很大。
AI賺錢之道各有招
在AIGC商業(yè)化方面，徐棟表示目前AIGC應(yīng)用尚未出現(xiàn)殺手級產(chǎn)品，未來可能出現(xiàn)基于訂閱制的創(chuàng)新商業(yè)模式，可以拭目以待。
高玉石則表示他們主要通過為C端用戶提供增值服務(wù)獲利，如醫(yī)療健康類的保險、商城、科普付費等。對B端則主要是按需付費。
周健提到一種可能性是把AI Agent/基于大語言模型的數(shù)字員工按月收費。將專家知識、模型、算力等全新生產(chǎn)要素整合為一套服務(wù)，面向金融等行業(yè)按使用量收費分成。
對于如何評判一款A(yù)IGC產(chǎn)品的價值，三位嘉賓一致認(rèn)為要看其能否提升ROI，包括降本增效、提高收入或改善用戶體驗等。但具體衡量方式要根據(jù)行業(yè)和場景特點而定。
百模大戰(zhàn)利大于弊
針對去年百家爭鳴的“百大模大戰(zhàn)”是否有必要，高玉石認(rèn)為從加速技術(shù)發(fā)展角度看是有價值的，但資源損耗問題需要注意。他預(yù)判最終可能在科技巨頭及其投資的創(chuàng)企中展開洗牌。
周健提出，未來通用大模型可能只需要少數(shù)幾家，但細(xì)分的垂直領(lǐng)域模型可能多達(dá)上百個，需要更多創(chuàng)業(yè)公司參與。
徐棟也認(rèn)為，“百模大戰(zhàn)”并非完全鋪張浪費，它培養(yǎng)了人才隊伍，積累了模型和數(shù)據(jù)方面的經(jīng)驗，我們也歡迎非同質(zhì)化的模型的競爭，這些培養(yǎng)的人才、積累的經(jīng)驗也會幫助大模型落地到千行百業(yè)，對未來AIGC的商業(yè)化大有裨益。
后續(xù)還將有大會嘉賓更詳細(xì)版內(nèi)容分享，盡情關(guān)注!
