" 技術賦能,國産化加速破浪 " 圓桌論壇
11 月 29 日,36 氪 WISE 大會 " 撥雲見日 浪裏淘金——資本市場大會 " 在北京召開,主題爲 " 技術賦能,國産化加速破浪 " 的圓桌論壇環節,華西證券海外首席分析師朱芸、網易有道副總裁蘇鵬、黑芝麻智能市場總監黃瑩,對硬科技的投資行情和當前挑戰進行了探讨。
以下爲對談内容整理,有删減。
" 現在國内談人工智能的落地進展,不是技術層面的周期問題,而是國内底層技術還存在一定斷檔。"
——華西證券海外首席分析師朱芸
今年不管是一級市場的熱度,還是說二級市場業績兌現的方面,确實都比較不達預期,今年整個二級市場的表現也不是很好。
但我們應該分國外和國内看。我們關注到,美國微軟是創新高的,所以他們不是一個回落的狀态,但國内可能有些原因,大模型到了一定的階段後,沒有太多讓大家眼前一亮的應用。
我們反觀美國的這些科技龍頭公司,比如看數據,最近的 ChatGPT,國内用不了,大家可能感受不到,但從最新的 ChatGPT 日活和周活數據看,最近的登錄數據創曆史新高,接近三四月的新高。所以隻是大家覺得(大模型)好像在國内不是很好,因爲有信息差,在海外的整個表現還是很棒的。
我覺得可能現在談人工智能并不是技術層面的周期問題,而是可能國内在人工智能本身的底層技術上,有一定的斷檔。跟大家息息相關的 C 端應用上,也沒有體現的非常明确。
在我們之前的《美國 AIGC 非普漲行情的複盤與啓示》報告中,提到了流程管理類公司和大模型賦能類公司,主要是一些計算機公司。在我們今年四五月的時候做過一個論壇,當時他們給我的反饋,覺得今年底會有金融行業的人工智能軟件公司,還有一些醫藥行業公司的小模型和行業數據的應用(跑出來)。但現在感覺還沒有達到預期中的成效。
建議大家多看看海外人工智能發展的進度,會比大家目前看到的更好一些。人工智能的趨勢是沒有變化的,雖然剛剛王總也提了最近有一些鬧劇,但我覺得整個趨勢沒有變化。
不管怎麽說,整個科技的進展是積極的。如果大家做投資的話,還是應該抓住主線,但可能目前更好的發展是在海外。
" 行業垂類大模型的難點,是對數據質量要求非常高。"
——網易有道副總裁蘇鵬
行業垂類大模型訓練,相對難的地方是對數據的要求,質量要求會更高。我們需要模型更像一個專業人才的輸出。簡單的比喻,像公司的入職培訓一樣,相當于把他從一個全才變成專才,專才的基礎上其他領域不需要太精進,需要你在垂直的領域非常專業。
這對整個的數據質量要求非常高。我們在訓練過程中,無論是我們最優秀的老師,還是說最優秀的輔導老師,都要參與整個訓練過程,他們成爲了提供數據訓練基礎、整理數據很重要的輸出。他要給模型輸出一套知識點也好,教育原則也好,教育方法也好,形成可執行性很強的可訓練文本,由技術人員轉化成訓練類的數據,然後數據進入模型開始訓練。
看上去是一個技術過程,但整個訓練過程還是由數據收集、标注、整理、輸出然後到訓練的過程,需要兩部分人參與,除了技術人員,還有行業的專業人員來理解數據人員的需求,需要什麽樣的訓練級,需要細緻到什麽級别的文本,要表達出意見讓技術人員理解。
無論是大模型在一個專業領域的應用,還是對一個垂類模型的專業訓練,這對專業領域都很重要,需要雙方互相理解。需要技術人員理解行業中的特性,可以精确瞄準訓練需求或者說數據需求。
對提供數據的人來說,他應該對技術行業有自己的理解,知道應該如何應對專業人員提出的專業需求,如何可以讓他的數據更符合标準化的數據采集過程,我們理解,這是整個過程中挑戰最大的地方。無論在内容還是技術層面,有道都花了很多精力和資源在做探索,場景落地是我們首要考慮的。
" 隻是一顆芯片,其實完全不夠。如果車企拿回去能夠好用,還需要有軟件的支撐。"
——黑芝麻智能市場總監黃瑩
首先,現在已經全面進入智能汽車的時代。智能汽車的時代,車企和 Tier 1 公司内部的戰略中都可以看到,整車電子電氣架構的發展趨勢,都是從分布式往中央式發展。
其次,其實今年大家常提的就是降本,因爲大家都要賺錢,降本也非常重要。基于這樣大的背景下,如果要支撐跨域計算的芯片,在芯片的設計上就要支撐它如何靈活更好用,所以我們推出了武當系列的第一款芯片 C1200,它在廣州車展已經亮相,現在可以給客戶送樣片了。
艙駕一體也是行業熱門的詞,一般是需要兩顆芯片甚至以上才能實現這個功能。如果再更多的域,可能芯片要更多。武當系列的 C1200 一顆芯片就可以支撐兩個域,甚至四個域。它不僅支撐多域融合,還支持很多功能和場景的應用。因爲它隻有一顆芯片就可以完成,所以功耗會大大降低,性價比會大大增強。C1200 是完全創新的架構設計。
當然隻是一顆芯片,其實完全不夠。如果車企拿回去能夠好用,還需要有軟件的支撐。黑芝麻智能除了芯片以外,給車企提供完整的解決方案。中間件、工具鏈、軟件和算法等。我們跟很多合作夥伴一起研發做了 30 幾款域控制器,這可以應用到不同場景和領域。
關注獲取更多資訊