从参会公司看产业上下游生态

阿里云

对比 AWS/阿里云和 Azure 在 LLM 的动作

百川智能

  • 百川的开源路线，7B -> 13B -> 70B
  • 百川对搜索与大模型的思考，对比字节的路线
  • 对比百川与 OpenAI

魔搭

  • Model as a Service 对比 HuggingFace 的发展路线

Zilliz

  • Vector Database 分析他们的商业路线
    • 为什么需要他们，他们在大模型的站位

BentoML

TabbyML

HiDream

  • 应用层

Day 2

  • 创业者一定要站在现在看未来。以发展的眼光看，大模型代表未来工业革命的机会。有些人站在现在看过去，会看到大模型的很多问题。
  • 大模型有引领工业革命的潜质，但是距离工业革命还有差距。以 1946 年 ENIAC 为例，计算机创立时并没有产生工业革命，只是被少数大型研究机构所使用，直到以乔布斯/比尔盖茨所引领的个人电脑时代的到来，才真正引发了工业革命。大模型也是类似，我们需要「把大模型拉下神坛，才能引领新工业革命」，走进千家万户，赋能百行千业。
  • 「大模型不是操作系统，而是数字化系统的标配。未来不会只有几个大模型搞垄断，大模型将无处不在」。反思计算机的发展历史，「全世界只需要 5 台电脑足够了」。大模型不像是操作系统，而是个人电脑。
  • 「大模型不是原子弹，而是 AK47」，开源带来 「科技平权」。
  • 大模型，中心化市场 or 去中心化市场
    • 中心化：OpenAI，Microsoft，Google，Apple，20%
    • 去中心化：商业、教育、医疗、金融、交通、政务。
    • 周鸿祎认为类似于 OpenAI/Microsoft/Google/Apple 这些中心化市场可能仅占 20%，更大的机会在去中心化市场，在商业、教育、医疗、金融、交通、政务等企业级市场。
  • 大模型企业级市场存在七大痛点和刚需
    • 企业想用，但不愿直接用
    • 如果把中心化理解成科技巨头，互联网平台公司在已有的业务上用 AI 把握住了这些行业现有的存量市场。我觉得这块儿没有创业者太多的机会，除非你能做一个别人都是60分，你都做了200分的一个大模型，遥遥领先。
    • 很多技术相关的中国的市场和美国的市场还是巨大的不一样。举个简单的例子，在美国基本上是公有云。包括2012年之前收购的，但是在私有云市场上，美国应该不曾信号。实际上，这是美国的军方情报机构都会接受用微软或者亚马逊的朋友们。但是在中国已经发现，我们的企业老板这种功能对于服务器放在我非常在意这个东西是非常在意的。所以中国混合云、专有云、私有云的市场要比美国要大
    • 幻觉问题
    • 企业、政府对于大模型的所有权十分在意
    • 「大模型发展有顺势而为，服务产业数字化战略」。放下身段，成为生产力提升的工具。
    • 行业大模型对创业者来说，可能是「幻觉」。大公司为了保住竞争壁垒，不会让行业平均水平上升。
    • 周鸿祎觉得国家的一个大战略是产业数字化，就是我们这些数字化企业担当力量，把我们掌握的数字化能力，包括大公司的能力，其实是赋能传统企业，特别是制造业，帮助他们实现数字化、智能化的转型。这个是符合国家的大战略，国家是绝对赞成和支持的。
    • 垂直大模型是「金光大道」，用一根针捅破市场。大模型未来的发展趋势时「六个垂直化」。
      • 专业垂直化。是不是需要一个大模型解决所有的问题？GPT-4 最近变笨的问题反映出大模型的遗忘问题。对于企业市场，最好用一个模型解决一类问题。大模型要完成从「天才」到「管培生」的转变。企业不需要全才通才，企业需要通才。
  • 先把通用大模型最成熟、最擅长的功能用好用足。大模型最擅长的是内容创作与知识问答。
  • 从办公场景刚需切入，「小切口、大纵深」，企业办公是痛点，也是大模型最能提升效率的场景。
  • 大模型不是万能的，无法取代核心数字化系统。大模型要与现有系统保持隔离度。周鸿祎认为这个观点存在争议，第四范式认为将来大模型要成为自然语言的接口，成为其他系统的核心。
  • 循序渐进，先让大模型担当 CoPilot，可以导航、给建议，不会乱抢方向盘。现在不需要急着让大模型做 Pilot。
  • 大模型发展要 「以人为本」，坚持 AI 普惠。大模型作为工具为人赋能，不是为裁员。
  • 不要迷信 LUI，未来 CUI、GUI 将成为主流。企业级大模型的最终用户还是个人，不是所有人都能成为 Prompt 专家。
  • 谁能解决大模型「幻觉」问题，就相当于摘下了「皇冠上的明珠」。大模型安全四原则：安全、向善、可信、可控。
  • 如何避免技术一升级，原来应用层的努力就失败了。
    • 应用层创业者应该想办法搜集在各种场景的数据。比如 Monica 作为浏览器插件，会去分析使用者的各种行为。
    • 要么我们是他的传感器，要么是他的手和脚。
    • 浏览器插件为什么是应用层创业的一个很好的机会？浏览器插件可以获取用户当前的 Context。通过输入指令，可以直接让插件完成你想要完成的任务。
    • 为什么不是一个 App，而是浏览器插件？「听着就显得小」，浏览器插件在海外是比较主流的形态，比如 Grammerly 在海外就有亿级的用户。海外大厂发布了很多 AI 能力，但是很多产品并不会快速集成这些能力，而浏览器插件能够快速弥合这中间的 Gap。另外 Monica 主要市场是做出海，目前已经有 150 万用户的积累。Monica 不仅仅是搜索能力的变种，Monica 还可以结合用户在浏览器使用的 Context，比如在看 Youtube 视频时，可以对应分析视频的内容。
    • 大语言模型具有很强的拆解、分析的能力。
    • 到底什么是 AI Native？即时设计的李国锐认为，AI Native 产品设计的时候应该让人更自然的表达自己的诉求，比如类似于 Midjourney 这种能够通过对比的形式选择自己想要的形态。Monica 的肖宏认为，AI Native 需要忘掉过去老的产品的束缚，从用户角度能不能用更自然的方式交互，能不能在产品设计的时候把用户使用行为的数据结合起来，通过数据飞轮 Human In The Loop 在产品迭代的时候使产品持续优化。

AGI 时代的 AI- Native 创业思考。

  • 语义理解，人工智能技术的皇冠。
  • 可以把 GPT 看成大号计算器。
  • 傅盛三万狗狗
  • 交互革命：所有的软件、设备，都值得重做一遍
  • 生产力革命：数字化员工会成为公司标配。
  • 大模型技术不会吞噬一切。
    • 大模型建立在公开数据之上，需要应用的协同才能完成专业的工作
    • 开源社区极大的降低了大模型的开发成本，百花齐放的时代正在到来。一个大模型统治世界的现象几乎不可能出现。
  • 大模型应用一点都不浅薄
  • 应用生态决定大模型公司的商业价值，几家巨头和开源社区的竞争难分伯仲。

在开源生态中观察到的 AI 趋势和商业化思考

  • 开源社区比喻成黏菌，类似于集合智能，不会陷入局部最优困境，从各个角度去探索
  • 需要去关注 「世界模型」
  • 需要通过 LLM 破除语言等的壁垒，统一开源社区