2023 年，OpenAI 引領了科技圈久違的興奮，創業者感到有奔頭的同時，卻也随着 AI 模型的一再進化，感受到了壓力。
在春節前夕，算力、模型、應用等領域的大模型創業者，齊聚在一場創業者社群的活動上，切磋各自在不斷進化的大模型中找到的空間。面對呼之欲出的 GPT-5 和 Llama3，他們也有新的思考。
站在模型層面，差異化很難，方向幾乎是明确的——增強推理能力和多模态。也有技術路線的分野，比如阿裏雲通義實驗室智能對話負責人李永彬透露，目前在思考是否能把搜索增強這樣的外挂能力，做到模型裏，進一步提升模型的可用性。
但站在應用層，多的是非共識和機會。比如，跑得最快的一批創業者，已經實現了一定程度的商業閉環，得出的結論甚至有些意外：「大模型含量」不宜過高。
這群下場做大模型的實幹家也談到了行業内最真實的情況。智譜 AI COO 張帆道出，今天的榜單其實不反映真實問題，GPT-4 可能連榜單前 10 名都進不了。他認爲，這種情況下，2024 年一定會發生從模型爲王到價值爲王的變化。
百川智能聯合創始人洪濤則更關心成本，他表示，一年下來苦哈哈做各種私有化項目，到底掙多少錢，其實内心沒把握。在這一點上，大家也探讨了雲計算廠商能否在整個行業沒有商業模式之前，降低算力成本的路徑，讓該花的錢少一點。
近日，阿裏雲創業者社群在北京舉辦創業者之夜活動｜阿裏雲
在「創業者之夜」，各位大模型的先行者分享了各自對行業的「預言」；AI 應用的創業者們，也分享了對于大模型的「焦慮」。
01 2024，大模型往哪走？
2023 年，阿裏雲李永彬遊走于大模型業務一線。一整年忙活下來，他發現：最初，大模型讓「AI 解決問題」這件事的效果從 20 分提高到 60 分，就能夠驚豔所有人，但是對于很多問題，60 分和 0 分差不多。因爲在一些應用場景，沒辦法拿 60 分的産品上線，效果到不了 90 分，客戶可能也不會買單。
這也是 2023 年大模型創業者們共同的體感。從興奮回歸到理性，背後是共同的困惑——大模型還不夠通用，它會不會像上一波 AI 一樣，盡管展現出驚人的能力，但落到場景時仍舊需要逐個項目定制化？
大家自然就産生了 2024 年對大模型的第一個期待——通用能力進一步提升，甚至期待模型在一些複雜場景能直接做到 90 分。
這種可能性不是無迹可尋。IDEA 研究院講席科學家張家興認爲，從目前 OpenAI、谷歌等大廠對下一代大模型的判斷，大模型能解決複雜問題會成爲接下來進化的方向。
AlphaGeometry: An Olympiad-level AI system for geometry｜圖片來源：DeepMind 官網
就在兩周前，谷歌 DeepMind 推出的 AlphaGeometry（阿爾法幾何）AI 系統，已經能在 30 道國際奧數題中做對 25 道，接近人類水平（人類金牌得主平均做對 25.9 道）。像這樣能解決奧數級别的幾何問題，被視爲邁向更先進、更通用 AI 的重要裏程碑。在 IDEA 研究院張家興看來，「奧數就是複雜問題，問題的描述很複雜，求解過程、證明過程也很複雜」，能解決複雜問題是模型變得更通用的表現之一。
阿裏雲創業孵化事業部總經理李中雨認爲，從 GPT-5 目前釋放的信息看，模型的泛化能力在提升，解決複雜任務的能力也在提升，甚至接下來 GPT-5 可以解決 15%-20% 人類的任務。
在提升模型的通用性上，也有新思路。
一位來自模型廠商的與會者分享，最近絕大多數企業落地大模型時都會用到 RAG（搜索增強），從而将大模型和私有數據結合起來，提升模型可用性。但作爲模型側的開發者，也在探索算法創新，通過算法創新提高模型的學習能力，把像 RAG 這樣的外挂知識庫囊括進去，從而減少對模型數據訓練的依賴。換言之，通過算法創新，以期讓模型像人類學習一樣，看一本書就可以理解知識，而不需要看所有書來理解一個問題。
在這一點上，GPT-5 提供了很好的示範。智譜 AI 張帆認爲，更強大的推理能力讓處理複雜任務成爲可能，同時也帶來了非常強的泛化能力。模型會在各個行業場景都能有很好的 Zero-Shot、One-Shot 能力（給模型一個例子甚至不給例子，它就可以湧現出對應的能力），從而減少對訓練數據的依賴。通過小數據集的訓練，就可以把模型引入到更多更垂直的領域。如此一來，可以降低客戶使用模型的門檻，增加其可用性。
除了通用性，多模态能力也被期待在 2024 年能有更大突破。
去年底，從 GPT-4 到谷歌 Gemini，已經充分展現了大模型的演進，拓展以大語言模型爲核心的更大體系的 AI，必然會涉及多模态能力。
張家興預判，就像 2022 年底 ChatGPT 的出現，導緻 2023 年所有人都在做大語言模型一樣，2024 年整個業界可能會聚焦多模态。這并不隻是因爲多模态能帶來更強的能力，更因爲多模态的應用場景多，在端側比如車和機器人的場景，多模态非常重要。
在多模态的技術實現上，也有一些技術融合的新視角。
在多模态領域做探索，中科深智創始人成維忠注意到前段時間圖靈獎得主 Lecun 的一個采訪，他并不認同現在大家做多模态的技術路線——把圖片視頻還原爲像素，Lecun 認爲未來的多模态訓練是應該以表征事件爲主。
在這一話題的讨論上，與會者一方面認爲，ChatGPT 也不是規劃出來的，技術路線可能是幹出來的，能用今天的技術落地往前走、不斷改進是前提。另一方面，盡管路線之争的存在，但也不是不能調和的，有很多中間的路線可以走，是連續的。比如，張家興分享了 IDEA 内部的實踐，稱稱目标識别等計算機視覺特征是可以作爲多模态大模型的輸⼊，實踐下來的效果⾮常好。
從左到右分别是阿裏雲創業孵化事業部總經理李中雨；智譜 AICOO 張帆；百川智能聯合創始人、總裁洪濤；元璟資本管理合夥人劉毅然；IDEA 研究院認知計算與自然語言講席科學家張家興、通義實驗室對話智能負責人李永彬 ｜ 阿裏雲
02 2024，大模型如何落地？
如前所述，對于大模型接下來的趨勢預判，推理能力和多模态能力的提升成爲清晰、明确的目标。但談到 AI 應用，更多是非共識的思考，創業者一緻認爲需要在非共識中尋找機會。
就拿大模型落地應用要考慮的第一件事——模型選型來說，目前也還沒有達成共識。智譜 AI 張帆笑稱，以現在模型評測卷出天際的背景下，「OpenAI 的 GPT-4 都排不到模型評測榜單的前兩頁」。
的确，幾個月以來，不少模型創業者都向極客公園表達了類似的觀察：模型評測榜單不反映真實情況。在「模型爲王」的願景下，的确會出現提前讓模型「看題」、「背題」來獲得高分的情況。但更重要的是，當涉及到千行百業的不同場景，很難用一套标準來評價模型的可用性。
實踐過後，大家更認同在一個個真實的具體場景裏不斷測試評估。比如，獵聘在 + 大模型的探索上，最大的研發成本就花在測試不同的模型上。獵聘 CEO 戴科彬表示，對于什麽場景用什麽模型、多大尺寸的模型最高效，沒有标準答案，就連評價标準也要根據情況調整。
除了模型選型，模型落地也開始出現一些可操作的判斷标準。無論是在原有應用裏 + 大模型，還是一些 AI Native 應用的探索，都出現了能形成商業閉環的可能性。
這裏首先要考慮大模型技術分布的獨特性。元璟資本管理合夥人劉毅然認爲，AI 應用存在巨大的不确定和非共識機會，這與這一波 AI 技術的特點有關。
移動互聯網時代，應用的底層基礎設施是一樣的，都是基于蘋果 iOS 和 LBS 定位來做産品。相比之下，大模型應用則是一個個垂直優化的過程，底層模型哪部分用開源版、哪部分微調、調整哪些問題，再視情況優化功能和應用。創業者需要充分懂技術，再做産品的封裝，這個過程存在很大優化空間和機會。
這就提出了探索 AI 應用的第一條原則—— TPF（技術産品匹配），百川智能創始人王小川在極客公園創新大會 2024 大會上曾提到過這個名詞，指的是在現有大模型技術不完美時，先明确「這樣一個技術适合什麽樣的産品」，而不是産品經理洞察市場有什麽需求，回來就開始做。
因爲從大模型到 AI 應用，「今天最大的挑戰不是找到『什麽不行』，這件事不難，人人都能夠做到。難的是能找到它『什麽行』，找到模型能力和業務的最大公約數，變成正向循環。」智譜 AI 張帆認爲，這會成爲 2024 年大模型落地的重點。
盡管這樣的實踐可能不是投資人尋找的 AI Native 應用，但是務實地看，通過在可用場景裏，基于模型和工程化手段把大模型應用産品化，數據和客戶反饋的飛輪會推着 AI 應用向前叠代。百川智能聯合創始人洪濤提到了一個有趣的觀察，做 AI 應用的創業者甚至覺得以當前大模型技術成熟度，AI 應用「含大模型量」不宜過高。
在遊戲領域，昆侖萬維集團董事長兼 CEO 方漢有類似的觀察。通過純 AI 大模型直接生成 3D 遊戲内容，會造成面數特别多、規格不匹配等問題。這時如果換一個思路，把傳統的一些簡單動畫工具，融合進 AI 大模型的工作流之後，産品的可用性就大大提高。
在他看來，什麽好用就用什麽，拼出對用戶最有價值的工作流，這是作爲 AI 應用開發商的價值所在。
看得出，在原有應用裏 + 大模型、探索更好的工作流，是把大模型智力變成生産力最直接的方式。智譜 AI 張帆認爲，這也是 2024 年産業關注的重點。
與此同時，一些令人驚豔的 AI Native 應用也開始出現。
就像移動互聯網技術下，出現随時随地刷短視頻的用戶需求一樣，大模型技術下也開始出現一些獨有的場景。比如一位 AI 應用投資人現場分享了一款還在定向邀測的海外應用 Can of Soup，一款想象力社交軟件。用戶利用 AI 生成虛拟圖像，發布在網站上，互相評論，還可以邀請朋友進行「想象力」共創、點評，這款産品可以類比爲「想象力版 Instagram」。
「這款應用在海外 DAU 增長非常快，不知道最後能不能成，但是非常有意義的探索，代表不僅現實的生活可以分享、可以社交，你的想象力也可以被社交，這就是非常典型的 AI 原生的應用，發現了新的行爲模式」，他補充說。
除了像 Can of Soup 這樣捕捉新技術下的人類新需求，新技術也給熟悉的場景帶來了更好的解決方案，爲用戶帶來更易用、好用的體驗。
就拿現在最火熱的智能體來說，智譜 AI 張帆認爲，很多 GPTs 能做的事情非常淺，很難用作生産工具。這些 GPTs 背後的流程大體是按照人的理解邏輯來執行，先做分類、再做模型、再做任務，但是這種智能體運行的方式是受限的，他認爲，「嚴格來講，這種外挂工程的方式不算是 agent，隻是大号的模型應用」。
相比之下，他發現字節跳動在海外推出的 Coze 玩法不一樣，同樣是 GPTs 類應用，Coze 的模式是利用背後大模型的遞歸和叠代的能力和表達力，這是更加原生的智能體，效果也更好。
張帆稱，這是他看到比較興奮的方向，能夠用更簡單的方式、更通用的方式，不需要微調，僅僅用基礎的表述就能夠解決真正的複雜問題，把從模型到應用之間的 100 公裏降到 100 米。但也有前提，像 Coze 這樣的原生模式，高度依賴背後的模型能力，模型強大到足夠通用，才可以實現。
智譜 AI COO 張帆在活動上做分享｜阿裏雲
除了軟件類 AI 應用，結合端側場景的應用也值得期待，尤其機器人領域。說起 2023 年最眼前一亮的應用，張家興認爲是谷歌的 RT-2（Robotics Transformer 2，一款機器人大模型），看到了⽤⾃然語⾔定義任意機器人任務的曙光。他認爲，⼤模型在機器⼈領域正在期待 ChatGPT 時刻。
元璟資本劉毅然舉了一個例子，過去機器人領域有一些常規，比如用數學規律來描述複雜動态體的運動，現在，大模型對于像這樣的數學描述過程有放大作用，但距離大模型真正進入機器人或者手機、車、AI Pin 等硬件，可能還需要些時間。
「天上的大模型能否落在地上的設備上面，是值得期待的」他說道。盡管通用的物理世界大模型的價值最大，是科學家夢寐以求的，但在前面加合适的定語，是創業者今天就可以做、也可以有收獲的。難點在于，前面怎麽加定語，能符合今天的技術階段，也能把商業化和産品結合在一起，不停向前進。
03 2024，大模型「基建」的意義
有了對 AI 應用百花齊放的期待和判斷，創業者也對整個大模型的技術體系寄予新期待，尤其是數據、算力和開源算法。
數據被視爲模型訓練、微調等動作産生效果最重要的因素之一。在獲取高質量數據上，方漢提出了不同的思考。在他看來，很多大模型有更快的方法獲取數據，比如通過用 GPT-4 做「教練」來獲得，但是在數據獲取方面，團隊應該有「長期主義」精神，不然「很難走遠」。
昆侖萬維董事長、CEO 方漢在交流環節分享昆侖萬維 + 大模型的實踐｜圖片來源：阿裏雲
在對比了全球市場後，昆侖萬維方漢認爲，垂類數據是中國公司上場和發力的方向。有了垂類高質量數據，才有機會在垂直場景裏面做到 SOTA（指前沿、第一梯隊的模型），率先獲得垂直場景的紅利。
在算力層，成本成爲主要的關注點。
百川智能洪濤坦言，大模型商業模式的探索有相對長期的試錯過程，雲計算層面繼續突破、攤薄創新成本，是眼下比較關注的方向。
在這一點上，阿裏雲公共雲總裁劉偉光認爲雲和 AI 的結合會逐漸解決這個問題。
雲計算對傳統 IT 的意義，和融合AI的意義完全不同。AI 和雲是魚和水，密不可分，二者的結合是 AI 應用的催化劑。同時，雲計算能力的不斷演進，包括 GPU 算力、配套的計算存儲、網絡能力的演進，會對 AI 産生非常大的支撐。
「在談AI原生應用之前，其實有一點被忽略了—— AI 是雲的原生應用。二者的結合還有很大優化空間」他說道。随着大模型包括 AIGC（應用）更加細分，對算力的需求也會逐漸細分化，而不是簡單粗暴地購買算力，這也是阿裏雲不斷探索的事情。
在這一點上，雲、端結合的方式也被寄予厚望，昆侖萬維方漢認爲，降低模型推理成本，要結合端側推理，手機側可以做小參數量模型的推理，和雲端大參數量模型推理結合起來。
算法層面，Meta 開源的 LLaMA 和 Llama2 爲産業模型發展提速，帶來了繁榮的開發者生态。不久前，Mistral 創始人也袒露借鑒了 Llama2 的開源模型，但開發者普遍稱，Mistral 的效果實際用下來要比 Llama2 更好。
國内模型廠商也越來越多地選擇開源模型，但也有創業者表示，不确定國内尤其是大廠開源模型背後的考量，會不會隻是一時的。比如，獵聘戴科彬就認爲，阿裏雲開源的 72B 大模型效果非常好，但也好奇其背後的思考。
在創業者之夜上，阿裏雲市場總裁劉湘雯直面這一提問。她表示，阿裏雲會持續開源，這并非僅僅爲了公益，而是基于對商業的判斷。
阿裏雲創業者之夜活動現場｜阿裏雲
在這場創業者活動中，極客公園看到了共識，也看到了更多共識的觀點在嘉賓之中激烈碰撞。而這恰恰代表了由大模型引發的新一波 AI 浪潮中所蘊含的機遇。你可以想象，在 20 年前移動互聯網剛剛興起的時候，在類似活動，同樣充滿了相同的争論和見解。
不同的是，變革的「基建」從運營商，變成了現在以阿裏雲爲代表的雲計算廠商。在大模型時代，阿裏雲不僅要自己下場「摸清」大模型上下遊的真實情況，更需要在這樣的創業者之夜活動中，和大模型行業的「玩家」共同找到行業發展的方向，根據後者不斷變化的需求，增加阿裏雲「AI 基建」的各種能力，來和創業者們一起成長、成功。
大模型時代，「計算，爲了無法計算的價值」有新的内涵，在阿裏雲舉辦的創業者之夜活動上，這群先行者率先開始探索最開放的技術體系裏，新的變化。
寫在最後：
創業者之夜活動由阿裏雲創業者社群舉辦。社群聚集中國最前沿的技術創新者，聚焦雲與 AI 技術方向、以及 AI 在産業中的落地應用等核心主題，發起各類技術及産業閉門活動與研讨，與社群成員形成長期共創體系，與技術創新者們共同成長。
