0
以ChatGPT為代表的大模型再一次帶火了人工智能。
基于目標(biāo)人群、用途和適用場景的不同，大模型市場可分為通用大模型和垂直大模型兩大類。
通用大模型，聚焦基礎(chǔ)層，以技術(shù)攻關(guān)為目的。他們對標(biāo)ChatGPT做通用大模型，百度的文心一言，阿里的通義千問、科大訊飛的星火大模型等都歸屬這一類。
垂直大模型，聚焦解決垂直領(lǐng)域問題，以產(chǎn)品開發(fā)為目的。他們在通用大模型基礎(chǔ)上訓(xùn)練行業(yè)專用模型，應(yīng)用到金融、醫(yī)療、教育、養(yǎng)老、交通等垂直行業(yè)。
通用大模型的長處聚焦于一個“廣”字，面向人群以及場景適用范圍十分廣泛。
但對于特定場景而言，企業(yè)并不需要通用大模型的“全能”能力，更多需要的是模型的精度和質(zhì)量。
垂直大模型以此為切入點，選擇了另一條路徑。他們以具備的行業(yè)知識為基礎(chǔ)，通過與通用大模型企業(yè)合作的方式，訓(xùn)練行業(yè)專用模型。
“站在客戶角度，行業(yè)客戶最為看重的是定制化的需求，以及AI企業(yè)的工程化落地能力?！北姅?shù)信科CEO吳炳坤對雷峰網(wǎng)說。
作為垂直大模型的一員，眾數(shù)信科成立于2021年初，由云從科技、廈門火炬創(chuàng)投、民生電商發(fā)起成立。
眾數(shù)信科定位AIGC領(lǐng)域的“知識智能化”，即將數(shù)字城市領(lǐng)域沉淀的行業(yè)數(shù)據(jù)、專家經(jīng)驗，通過AI 技術(shù)進行工程化。
簡單理解，眾數(shù)信科只做一件事，即將AI 大模型微調(diào)為行業(yè)專用模型，幫助行業(yè)提升效率。
在吳炳坤看來，做行業(yè)的垂直大模型，同樣存在巨大的商業(yè)價值。
過去幾年，商業(yè)化一直是困擾整個人工智能行業(yè)的難題，大模型的出現(xiàn)讓AI商業(yè)化看到了新機會。
吳炳坤將AI比作工業(yè)時代的石油鉆機：“沒有鉆井機，石油就無法成為工業(yè)時代的黑色血液；數(shù)據(jù)要素時代，沒有AI，數(shù)據(jù)的價值也就得不到充分挖掘?，F(xiàn)在大模型帶來了無限的想象和發(fā)展機會?！?/p>
兩年前，在數(shù)字城市領(lǐng)域，AI更多基于小模型，比如算法只做人臉識別，或只做車牌識別，產(chǎn)品受限很大，研發(fā)成本很高，可以擴展的空間不多。
現(xiàn)在，隨著 AI 大模型這一關(guān)鍵技術(shù)的突破，數(shù)據(jù)和AI的結(jié)合度更加緊密，上述問題都得以突破。
大模型將對全行業(yè)都產(chǎn)生顛覆性地重構(gòu)，已經(jīng)是業(yè)界共識。百度李彥宏、阿里張勇等不少業(yè)界大佬都在不同場合，不斷重復(fù)同樣一句話：AI 大模型時代，每個行業(yè)的應(yīng)用都值得重新做一遍。
從目前國內(nèi)扎堆發(fā)布的大模型來看，基礎(chǔ)大模型的技術(shù)創(chuàng)新，更多是大公司的角斗場。
阿里巴巴張勇曾指出，超萬億參數(shù)的大模型研發(fā)是一場“AI+云計算”的全方位競爭，囊括了算法、底層龐大算力、網(wǎng)絡(luò)、大數(shù)據(jù)、機器學(xué)習(xí)等諸多領(lǐng)域，是一項復(fù)雜的系統(tǒng)性工程。
一方面，通用大模型需要大量有效的數(shù)據(jù)與計算資源，這離不開超大規(guī)模的AI基礎(chǔ)設(shè)施的支撐；另一方面，長時間的訓(xùn)練、推理背后，也往往意味著高昂的成本。
正因此，當(dāng)下大模型市場的主角大都是來自于移動互聯(lián)網(wǎng)時代的大巨頭，如百度“文心一言”、阿里“通義千問”、騰訊“混元”等。
大公司們瞄準(zhǔn)廣泛適用的人群，齊齊布局 NLP、CV、跨模態(tài)等多種模型，動用同樣海量的數(shù)據(jù)參數(shù)進行預(yù)訓(xùn)練，動作整齊劃一。
這種“你有，我也有”既是實力的展現(xiàn)，同時也存在同質(zhì)化問題，會逐漸消弭彼此之間的辨識度，難以在市場中發(fā)揮優(yōu)勢。
并且，大模型“海納百川”的魅力縱然令人著迷，但其終歸是一項技術(shù)，技術(shù)只有與具體應(yīng)用結(jié)合變成產(chǎn)品，帶來實際的使用體驗和轉(zhuǎn)化成效，才真正具有價值。
換句話說，通用大模型的“大”和“通用”看著誘人，但對于B端行業(yè)客戶來說，并不能滿足需求。
行業(yè)客戶使用大模型的最終目的，是讓業(yè)務(wù)發(fā)展走上新的臺階。因而，他們需要的不是綜合技術(shù)上的碾壓，而是能在具體需求上追求極致，可以實現(xiàn)功能最大化的產(chǎn)品。
換言之，行業(yè)客戶愿意為合理開發(fā)利用的功能買單，但不會為自己用不到的功能買單。
在此背景下，中小初創(chuàng)型企業(yè)們，看到了機會。
他們受限于資金和技術(shù)，難以走上通用大模型的角斗場，但由于本身具備一定的行業(yè)領(lǐng)域知識，反而在垂直大模型的探索上具備天然優(yōu)勢。
在人工智能時代的浪潮中，聚焦少數(shù)細分賽道，在通用大模型的底座能力之上，圍繞“如何用好大模型”這一接地氣的主題，已經(jīng)成為小公司們安身立命的根本。
當(dāng)下，很多主流的AI大模型，并沒有對外開放模型的訓(xùn)練和微調(diào)。較為普遍的做法是，將模型開發(fā)好以后，給用戶提供一個接口調(diào)用。
在吳炳坤看來“很多 AI 大廠現(xiàn)在不會將大模型微調(diào)為行業(yè)專用模型的能力開放出來。”
首先，AI大模型的打造是一個從算力，到整個框架，到模型再到應(yīng)用的遞進過程，當(dāng)下AI大廠更多處在夯實基礎(chǔ)能力的階段。
其次，AI產(chǎn)品進入行業(yè)，需要跟外部行業(yè)應(yīng)用做適配協(xié)同，目前國內(nèi)的AI大模型做得還不夠成熟，當(dāng)下這個時間點，AI大廠還不太具備工程化落地的能力。
這一現(xiàn)實背景下，垂直大模型玩家要想在通用大模型的基礎(chǔ)上微調(diào)和推理，定制行業(yè)專用模型，并非易事。
基于和云從科技的關(guān)系，眾數(shù)信科不僅能夠參與進云從大模型的開發(fā)過程，還可以在云從大模型的基礎(chǔ)上訓(xùn)練和微調(diào)自有的專業(yè)模型。
“通過云從，眾數(shù)信科可以獲得更加便捷的接口，更加開放的合作架構(gòu)，定制化的銜接服務(wù)。現(xiàn)在市場上除了AI大廠，其他公司不具備這個能力，這是現(xiàn)階段眾數(shù)信科有別于其他創(chuàng)業(yè)公司的優(yōu)勢。”吳炳坤說。
在吳炳坤看來，大模型在業(yè)務(wù)落地過程中，需要不斷強化三個方面的要素：一是人工智能技術(shù)研發(fā)，二是可觸達用戶的行業(yè)場景，三是高質(zhì)量的行業(yè)數(shù)據(jù)語料。
在技術(shù)和場景兩個要素上，眾數(shù)信科的三家股東優(yōu)勢互補，形成了一個較為完整的閉環(huán)。
底層技術(shù)方面，有云從科技的算法、算力做背書；在應(yīng)用場景上，有廈門火炬創(chuàng)投提供的制造業(yè)產(chǎn)業(yè)數(shù)字化實踐基地；在落地過程中，則有民生電商提供金融和產(chǎn)品商業(yè)化落地的資源支持。
三個要素中，最難的是行業(yè)數(shù)據(jù)的獲取。因為行業(yè)數(shù)據(jù)會直接影響技術(shù)迭代速度和商業(yè)競爭。
根據(jù)數(shù)據(jù)的變化性，行業(yè)數(shù)據(jù)可以分為靜態(tài)數(shù)據(jù)和動態(tài)數(shù)據(jù)。
靜態(tài)數(shù)據(jù)相對穩(wěn)定，不會發(fā)生即時變化，獲取路徑較為清晰，比如廣泛存在于各級政府部門、國企、企業(yè)中的自有文檔，以及數(shù)據(jù)庫中的數(shù)據(jù)等。
動態(tài)數(shù)據(jù)指不同行業(yè)場景中每時每刻產(chǎn)生的數(shù)據(jù)，這部分?jǐn)?shù)據(jù)不斷更新、變化，不容易獲得，是與其他競爭者拉開距離的關(guān)鍵能力。
對動態(tài)數(shù)據(jù)的實時獲取是眾數(shù)信科的核心優(yōu)勢之一。
過去兩年，眾數(shù)信科以“i城市生活服務(wù)平臺”為媒介，觸及了國內(nèi)6個省16個城市的3000萬個人用戶和數(shù)十萬企業(yè)用戶，積累了大量數(shù)據(jù)。
通過i城市服務(wù)平臺，眾數(shù)信科積累了豐富的場景數(shù)據(jù)，G/B/C端用戶需求和行業(yè)know-how，依托主流大模型技術(shù)底層能力，為客戶提供專業(yè)領(lǐng)域的知識智能工程化產(chǎn)品和KAAS服務(wù)。
此外，由于當(dāng)下通用大語言模型在專業(yè)領(lǐng)域里可訓(xùn)練的語料較為缺乏，因此語言模型落地細分領(lǐng)域過程中，知識局限、認知偏見、記憶幻覺等問題時有發(fā)生。
其中，知識局限、認知偏見問題，可以隨著數(shù)據(jù)的不斷積累、量變，得到解決，更大的難點來自于記憶幻覺。
本質(zhì)原因在于，語言模型并非傳統(tǒng)理解中的一個數(shù)據(jù)庫，沒有真正的記憶能力，無法記住過去處理過的信息。而是通過訓(xùn)練數(shù)據(jù)學(xué)習(xí)文本序列的數(shù)據(jù)分布，然后再根據(jù)學(xué)習(xí)到的數(shù)據(jù)分布生成文本序列，最終生成內(nèi)容。
吳炳坤表示，“大模型并非一蹴而就，而是一個不斷動態(tài)優(yōu)化的過程。眾數(shù)信科會根據(jù)特定行業(yè)場景，以及對知識庫上下文的學(xué)習(xí)等特定方法，在較大程度上規(guī)避生成內(nèi)容‘胡編亂造’的情況，同時不斷和客戶做基于人類反饋的強化學(xué)習(xí)?！?/p>
對比通用大模型，行業(yè)大模型需要更快的商業(yè)化來兜底。
“AI大模型在行業(yè)落地的賽馬，誰跑得越快，誰越有機會。”吳炳坤如此總結(jié)。
眾數(shù)信科的商業(yè)化思路是：G端搭平臺，B端積累經(jīng)驗，C端快速復(fù)制。
通過 G 端切入，能夠快速覆蓋市場，同時批量聚攏B端和C端資源，最終將B端行業(yè)客戶經(jīng)驗，快速復(fù)制到C端。
“只有C端才能形成快速復(fù)制的病毒效應(yīng)，C端是現(xiàn)在以及下一個階段重點布局的領(lǐng)域。”
城市生活服務(wù)領(lǐng)域，教育、養(yǎng)老和文旅，是眾數(shù)信科找到的三大落地場景。
以教育行業(yè)為例，眾數(shù)信科依托云從的從容大模型，首先打造出了適用于學(xué)校、培訓(xùn)機構(gòu)的教育行業(yè)專用模型，并已在廈門部分地區(qū)試點使用。
具體落地過程，主要分三步進行：
第一步，積累和標(biāo)注?；诙嗄暝跀?shù)字平臺建設(shè)和運營中積累的教師行業(yè)專業(yè)語料數(shù)據(jù)，同時依托行業(yè)專家經(jīng)驗對數(shù)據(jù)進行標(biāo)注，形成專有領(lǐng)域的訓(xùn)練數(shù)據(jù)。
第二步，訓(xùn)練和微調(diào)。在前者的基礎(chǔ)上，依托云從的從容大模型，采用知識蒸餾、權(quán)值量化、剪枝等工程化手段，將通用、龐大的教師網(wǎng)絡(luò)，訓(xùn)練成一個特定行業(yè)的學(xué)生網(wǎng)絡(luò)。
第三步，落地和反饋。進入具體場景，并在此后運營過程中，不斷積累用戶的正負反饋，通過基于人類反饋的強化學(xué)習(xí)，反向打磨教育行業(yè)模型。
上述三個步驟中，專家的數(shù)據(jù)標(biāo)注，以及基于人類反饋的強化學(xué)習(xí)，是兩個必經(jīng)的難點。解決這兩個難點，需要通過推廣行業(yè)應(yīng)用，加強知識積累，不斷自我迭代逐步解決。
與模型專業(yè)性的逐步進步相對應(yīng)，眾數(shù)信科選擇了從教師的“數(shù)字助理”到“數(shù)字分身”的漸進路線。
現(xiàn)階段，眾數(shù)信科的行業(yè)專用模型還處在教師的“數(shù)字助理”階段?！皵?shù)字助理”具備課件自動生成、靈活生成考題、對學(xué)生進行個性化評價等服務(wù)，教師在生成內(nèi)容的基礎(chǔ)上做最后的審核把關(guān)即可。
一方面，“數(shù)字助理”通過輔助教學(xué)的方式，可以大大解放教師的精力，不斷提升教學(xué)效率；另一方面，在與教師共同工作過程中也可以不斷學(xué)習(xí)，最終成長為優(yōu)秀教師的“數(shù)字分身”，達到接近一位優(yōu)秀教師的程度。
目前，我國教育資源供給側(cè)明顯不足，先進地區(qū)和落后地區(qū)的教育資源差距較大。打造教育行業(yè)模型的意義在于，可以借助AI，將先進地區(qū)的先進學(xué)校的先進教師經(jīng)驗傳承下來，帶到部分教育資源供給不足的地區(qū)。
眾數(shù)信科采取了兩條腿走路的辦法，即分別在教育先進地區(qū)和教育落后地區(qū)推廣“數(shù)字助理”和“數(shù)字分身”。
“將先進地區(qū)教師知識的沉淀，放在同樣先進的地區(qū)，可能不能滿足需求，但在一些教育落后地區(qū)，基本上能夠符合當(dāng)?shù)氐氖褂眯枨蟆！?/p>
換言之，發(fā)達地區(qū)沉淀的“數(shù)字助理”，在部分教育資源稀缺地區(qū)，已經(jīng)相當(dāng)于教師的“數(shù)字分身”。
吳炳坤向雷峰網(wǎng)(公眾號：雷峰網(wǎng))透露，今年下半年，眾數(shù)信科將在黑龍江教育資源比較欠缺的地區(qū)，進行“數(shù)字分身”的布局。
未來，隨著教育行業(yè)的模型沉淀和知識積累，因人施教也是教育模型功能演化的重要方向?！皵?shù)字分身”可以進一步走入家庭，根據(jù)不同學(xué)生提供差異化教育方案，做到因人施教，為家庭教育減負。
當(dāng)下，無論通用大模型玩家，還是垂直大模型玩家，都在全力奔跑，尚未形成獨大格局。
但據(jù)吳炳坤判斷，“對于AI 大模型，如果推出爆款產(chǎn)品，大概率會形成通吃的局面?！?/p>
對眾數(shù)信科等中小初創(chuàng)企業(yè)來說，兩個明顯的壓力擺在眼前：
一方面，行業(yè)的快速發(fā)展，催促著企業(yè)要迅速產(chǎn)生爆款產(chǎn)品，同時形成快速迭代的能力。這對企業(yè)的人才儲備、產(chǎn)品和技術(shù)路線、戰(zhàn)略決斷能力、資金儲備等都提出了更高的要求。
另一方面，隨著來自不同背景的玩家相繼入局，競爭格局也將隨之變化，比如教育領(lǐng)域，科大訊飛、猿輔導(dǎo)等都已悉數(shù)入場。
AI大模型在行業(yè)落地的賽馬，勢必是一場爭分奪秒的競爭。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
