性能拖累？科创板上市三天，生益电子股价显疲态
06-17
未来一年，国产大模型也会下沉、落地更多。
除了技术突破，还将有更多向下的产业兼容和产业实践案例，作为新的生产力加速推进产业数字化转型。
“这部电影讲述了一个30岁男人在太空中的冒险经历，他穿着红色羊毛针织衫，戴着摩托车头盔，眼前除了蓝天和的盐沙漠什么都没有。
请用35毫米胶片制作一个色彩缤纷、电影风格的短片拍摄”。
该提示来自OpenAI*文生视频模型Sora的介绍页面，在该提示词对应的视频中，在视频播放流畅、画质清晰、视频时长、连续性、多镜头切换等方面表现出色，令人惊叹。
值得注意的是，Pika发布产品不到3个月，OpenAI Sora在视频时长、视频帧数、扩展视频能力等方面迈出了堪称“王炸”的新步伐。
随着AI视频模型Sora的爆发式登场，A股掀起了AI热潮，盘中人工智能指数一度上涨逾7%，多只股票触及涨停之门。
2020年已经被大型人工智能模型“文生视频”敲响了过去的一年，从生成式AI的爆发式创新，到模型小型化与场景化应用的深度融合。
开源生态的繁荣和跨领域的协同，大型人工智能模型正在以前所未有的速度重塑世界。
。
在这个历史性的转折点，也是在Sora出现的节点，我们尝试深入解析AI大模型发展的八个锚点：在已经开始的新的一年里，AI技术将出现哪些发展迹象？它会在哪里？当今世界走向AGI将走什么路？ 毫无疑问，一场新的人工智能生产力革命即将到来。
垂直模型的出现，加速了大模型的落地。
一种市场共识是，在通用大型车型领域，由于研发资金壁垒较高，预计只有少数科技巨头能够在竞争中胜出，因为基础型大型车型并不适合广大中小型企业。
具有多样化需求的规模企业。
据说它没有广泛的适用性。
目前市场上主流大模型厂商中，互联网厂商几乎占据了半壁江山，比如百度文信大模型、阿里巴巴统一大模型、腾讯混元大模型等。
客观来说，通用型大模型往往很难实现。
准确解决各企业具体问题的模型。
企业选择大型机型时，重点考虑的还包括其与行业特征的契合度、数据安全策略、迭代升级能力以及整体性价比等。
可以预见的是，今年大型车型的发展将日益呈现出明显的细分趋势，主要分为通用型、专用型和针对特定场景设计的车型。
垂直行业的专业模型将对大模型的广泛应用起到重要的推动作用。
通过整合通用公共领域数据和行业特定数据，共同构建行业级大模型训练所需的数据基础。
例如，在医疗行业，润达医疗与华为云合作开发的“好医生小慧”就是专注于医疗检验领域的大型垂直模式。
它是基于盘古大模型和慧信检验知识图谱构建的。
同样，在教育领域，网易有道推出了首个正式注册的教育垂直模式——“子阅”，并已成功应用于智能硬件和App产品。
来源：亿欧·TE《AIGC商业落地产业图谱2.0》 在供应链管理方面，奇奇通凭借在数字化采购方面的“多边赋能”战略，很可能已经探索或开发出了专门针对采购和供应链管理流程优化的解决方案。
垂直人工智能模型。
在旅游行业，携程推出了最大的旅游垂直模式“携程闻道”，为用户提供全程智能服务支持，从行程前规划到行程中服务再到行程后反馈，无不体现人工智能技术。
影响旅游业的深刻变革。
这种行业垂直模式除了技术突破外，将成为新一年的核心实施趋势，即聚焦行业、聚焦行业、聚焦垂直数据。
例如，在企业安全管理、财税管理等领域，今年这些更复杂的领域可能会出现新的人工智能机会。
2、AI Agent，C端AI应用正走向全面商业化。
随着深度学习、强化学习等人工智能理论研究的发展，以及GPT系列、Alpha系列等大型模型在实践中的成功应用，如今的AI Agent已经具备了相对成熟的知识表示、学习和推理能力。
从国外来看，OpenAI的GPT-3目前已经应用于代码生成、文本创建等多种场景，可以作为成熟的C端工具被人们使用。
除了纯工具层面的使用外，随着技术的突破和应用的逐步实现，AI Agent正在逐步实现视觉、听觉、语言等多模态信息的综合处理，使其能够理解和适应更复杂的现实。
-世界环境，并应用于消费市场。
例如，Google提出的CoCa就是一种结合图像和文本理解的多模态预训练模型，其应用场景正在不断扩展。
在客服、教育、医疗、工业制造等领域，基于AI Agent的智能客服系统、助教、诊断辅助工具、自动化生产线决策支持系统等已开始在各领域部署应用。
规模大。
另外，2020年可以明显看出，AI Agent不仅体现在软件工具的进步，还伴随着智能硬件设备（如机器人、无人机）的智能化升级，实现了软件的集成应用和硬件。
，进一步推动其实际应用。
例如，自动驾驶汽车中的决策系统、家庭服务机器人中的交互模块等。
无论是理论基础的巩固、技术产品的推出、实践案例的丰富、产业链的完善，充分表明AI Agent正逐步从理论研究走向实践阶段。
国内企业也在加速这一市场的竞争，如钉钉、飞书、金山办公等AI Agent应用。
钉钉将一个名为“统一钱文”的大型模型融入到其产品中。
通过集成这一强大的AI技术，钉钉可以为用户提供更加智能的协作服务，例如智能客服、语音转文字、自动生成会议纪要、智能日程管理等。
此外，“统一钱文”还可以帮助用户解答工作场景中的复杂问题，提供跨部门的信息查询以及根据业务需求定制的解决方案。
飞书推出智能助手“MyAI”。
它可以理解并执行用户的自然语言指令，处理日常工作流程中的任务，例如文件检索、项目进度跟踪、内部沟通协调等，并结合机器学习能力不断优化用户体验。
据了解，飞书的MyAI也在不断实现更高级别的自动化办公功能，例如预测团队工作量、智能推荐工作流程优化方案等。
像这样的实现案例正处于成熟过程中，随着软硬件形态的成熟，AI Agent也正在从单纯的“炫技”走向实用阶段。
三大MaaS模式日趋成熟，“AI+云”加速普及。
MaaS（Model-as-a-Service）是一种云计算模式，以API或SDK的形式向开发者提供预先训练好的AI模型，企业用户可以快速将AI技术集成到自己的产品和服务中，而无需构建复杂的机器学习模型从头开始。
具体来说，MaaS简化了人工智能的使用流程，无需用户拥有深厚的人工智能技术和大量的计算资源来训练模型，降低了企业和个人应用人工智能技术的难度和成本。
MaaS还提供了标准化的接口，使得用户可以根据自己的需求灵活调用不同模型服务，节省了大量的研发时间和资金投入。
用户不必在本地维护和运行复杂的模型，而是通过云服务按需调用，实现计算资源的有效利用和成本效益。
MaaS模式可以支持不同行业、不同规模的企业快速实现商业智能，如精准营销、风险评估、智能客服等场景，进一步加速人工智能在各行业的普及应用。
在该模式下，服务提供商负责模型的持续优化和更新。
用户只需要关注业务逻辑和最终结果，就可以享受最新的人工智能成果和技术进步带来的好处。
从云厂商来看，华为、腾讯云、阿里云、百度智能云等各大厂商都在提供此类服务。
专业厂商随源科技还在其“尧图?文生地图MaaS平台”上提供基于大模型的服务。
此外，许多专注于特定领域或行业的初创公司和传统软件服务商也开始提供MaaS相关服务。
可以预见的是，这种模式也将成为云厂商的一种新的服务模式，为企业提供除SaaS、PaaS、IaaS之外的新的支付模式。
对于云计算农场来说，这是一个新的发展和市场拓展方向。
四大机型“装”进终端，杀手级大机型应用诞生。
从2007年开始，多家模型厂商和硬件厂商相继宣布了将大型模型装入终端的愿景。
英伟达、英特尔、ARM等芯片厂商积极研发终端AI芯片产品，有力支撑了大机型在消费电子市场的广泛应用。
随着技术的进步和优化，包括模型小型化、轻量化、边缘计算能力增强以及低功耗设计的发展，越来越多的大型模型或其简化版本有望嵌入个人电脑、智能手机和AR中眼镜。
、家电等智能终端。
此外，业内专家也看好大模型在更多垂直领域的应用。
目前，国内大型机型厂商智普、统一等已逐步推出适配手机终端的“轻量化”机型。
手机厂商方面，小米发布了史上最大的GPT大型号产品MiLM； OPPO发布个性化大机型及代理——晶心大机型（AndesGPT）； vivo正式发布自主研发的AI大模型BlueLM；荣耀Magic6支持荣耀自研7B大规模终端侧AI模型；华为宣布盘古大型模型也开始融入智能手机……在这种趋势下，预计年内将有更多定制化、产业化的“轻量化模型”“级”大型模型实现商业落地为用户带来更加个性化、高效、实时的本地智能服务。
随着这一愿景的实现，一些过去难以实现的技术也将成为现实。
例如，高度个性化的语音助手，能够深入了解用户需求，能够更准确地预测用户行为并提供决策建议，帮助处理日常事务、进行行程规划等；在医疗、法律、教育等领域，大模特可以作为专家系统直接在移动设备上提供专业咨询服务，比如根据患者症状即时提供初步诊断建议或法律建议；图片生成、视频编辑、文字编写等大型模型驱动的创意工具让用户使用简单的指令就可以生成高质量的内容，例如一键生成营销海报、自动生成短视频脚本等。
;集成在家庭智能设备中的大模型，可以实现自主学习，优化家居环境，包括节能管理、安全防护、舒适生活体验等方面的自动化决策，并具有更强的理解和交互能力；企业级软件中的大模型应用，如财务分析、市场趋势预测、客户关系管理等，可以快速响应移动终端上的复杂问题，为管理者提供实时决策支持。
总之，2020年，大模型与终端设备结合的应用场景将进一步丰富和深化，从理论走向实践，并可能催生新的杀手级应用产品和服务。
这尤其以手机制造商和智能家居制造商为代表。
作为上一个时代的入口，他们也致力于成为AI时代的新入口。
五个多模态大模型，重新定义人机交互。
随着Sora的出现，可以感知到的是，除了计算机视觉、自然语言处理等特定领域的模型发展之外，还有多模态大模型的进一步交叉。
一体化可能成为未来一个重要的实践方向。
与传统的交互方式不同，传统的交互方式通常局限于单一模式，例如键盘输入或触摸屏操作。
多模态大模型可以集成和理解多种不同的输入模式（如语音、图像、文本、手势等），从而模仿人类自然交流的复杂性和丰富性，接近我们日常生活中与他人交流的方式。
正如文章开头提到的，OpenAI Sora 是多模态大模型的典型案例。
从资本对其的态度，不难看出其未来巨大的商业价值。
可以预见，未来多模态大型模型可以识别并响应用户的语音命令、面部表情、身体动作甚至眼神交流，让用户与机器交互就像在与真人交谈一样，极大地提高了机器的识别能力。
互动的自然性和轻松性。
舒适度。
它还可以融合来自不同模式的信息以提取更深层的含义。
例如，通过结合视觉和听觉信息来理解上下文，机器可以更好地解析用户意图，即使在模棱两可、嘈杂或非正式的情况下也能有效执行。
交流。
基于深度学习的大模型可以根据用户的习惯和喜好进行自我优化和个性化服务，提供更准确的反馈和建议，实现动态和个性化的交互过程。
对于残疾人等有特殊需求的用户来说，多模态交互提供了更加多样化的交互方式，让他们能够以最适合自己的方式进行交流，从而提高技术的包容性和可及性。
在虚拟现实（VR）和增强现实（AR）环境中，多模态大型模型能够通过感知用户的综合感官输入来创建高度沉浸的环境，从而实现实时反馈和交互。
在团队协作和远程工作场景中，多模态系统可以捕获和解释多人同时发送的不同模态信号，促进高效的沟通和协作。
这种多模态大模型将丰富未来人与机器之间的交互，或者通过文本、视觉、语音等多维度通信进行交流，从而提高效率。
目前各大厂商也都在制定计划。
例如，阿里云达摩院在自然语言处理、图像识别等领域拥有丰富的多模态技术应用，并推出了相应的服务和产品；腾讯优图从事计算机视觉和多模态技术。
对模态智能有深入研究，产品和服务涵盖从内容理解到社交交互等多个应用场景；百度的ERNIE-ViLG等大规模预训练模型具有多模态理解和生成能力，服务于搜索、广告、地图等场景。
六大模型训练数据付费：数据价值迈上新台阶。
年底，OpenAI与AxelSpringer签署的一份协议称，人工智能在使用媒体品牌内容进行大型模型训练时将需要向媒体品牌付费，这意味着AI大型模型向数据提供商支付其知识产权可能会成为一种行业趋势。
2017年，国内多地发布了推动人工智能技术发展的政策文件，如《北京市促进通用人工智能创新发展的若干措施》、《深圳市加快推动人工智能高质量发展水平应用行动方案》等，都提到了“高质量的数据集”。
此外，国家网信办等七部门联合发布的《生成式人工智能服务暂行管理办法》规定，人工智能生成服务提供者不得侵犯他人知识产权。
可见，当前人工智能政策密集出台，高质量数据集和训练数据的版权问题受到重视，未来高质量训练数据库的价值将凸显。
目前，在大型模型训练过程中，特别是在深度学习领域，一些向量数据库和分布式存储系统在大规模数据的管理和访问效率方面表现突出，例如腾讯推出的向量数据库服务云和阿里云分布式NoSQL数据库等。
另外，数据问题不仅仅是数据库问题。
2018年，一些关于数据隐私保护和确权的问题也会浮出水面：比如大型AI模型厂商可以用什么样的数据来训练？专有数据集的来源。
哪里以及如何通过标注等方式获得更好的数据集，甚至基于大型AI模型的产品，谁拥有版权？ 这些数据层面的问题将成为2020年新的AI爆发点。
7、算力成本高。
本土AI核心企业加速成长的数据显示，如今AI企业的平均GPU和TPU成本分别为7.39万元和2.29万元。
GPU虽然成本较高，但其擅长处理并行运算，尤其是深度学习算法的性能*，使得这项额外投资成为企业不可避免的开支。
从市场份额来看，GPU仍然是深度学习领域最大的处理器架构。
目前，英伟达在GPU领域拥有较强的竞争优势和品牌影响力，但在实际应用中仍存在多元化的供应商选择。
在一项调查中，参与调查的九家公司都选择了Nvidia的GPU作为主要解决方案，但AMD的GPU也受到了一些公司的青睐（C、D、H）。
值得注意的是，中国国产华为、寒武纪也开始在GPU市场崭露头角。
其产品分别被两家公司选定为GPU供应商。
在国内AI芯片市场，算力最高的单卡AI芯片是华为海思Ascend，在半精度下可以达到TFLOPS的计算速度，与Nvidia的APCle版本相同。
总体来看，虽然海外与国内芯片技术和软件生态仍存在较大差距，但诸多限制也加速了国内芯片厂商的成长。
可以看到的是，随着国家对信息技术自主可控的战略重视，政府为本土GPU企业的发展提供了政策支持和技术指导，鼓励企业自主研发GPU技术，并正在不断减少对GPU的依赖。
外部供应商。
此外，越来越多的本土企业正在突破GPU核心技术，通过优化设计、降低成本来提高产品竞争力，同时根据国内市场的特殊需求定制产品，从而降低用户的总成本采购和使用。
本土GPU企业也正在加强与上下游产业伙伴的合作，共同打造完整的生态链，从原材料供应、设计制造到系统集成，整合资源、协同创新，提高整体效率、降低成本。
总之，在GPU单价高企的背景下，本土企业在外部环境和需求的拉动下正在快速增长。
虽然现在和未来几年与国外企业仍然存在明显差距，但这种差距现在伴随着内外部环境的催化正在缩小。
八个B面成为大型车型的核心战场。
过去一年，虽然B端也出现了一些大型车型的成功案例，但整体而言，垂直领域大型车型的定制化和实用性还处于发展阶段。
此外，数据隐私和安全法规可能没有完全跟上技术发展的步伐，企业在应用大型模型时面临合规性挑战。
更重要的是，企业内部对新技术的理解和接受程度存在差异，大规模部署仍需要时间来培养市场信心和技术准备。
相关产业链配套设施有待完善，包括硬件算力、软件生态、人才储备等方面需要进一步积累和发展。
随着技术成熟度的提升，大模型技术预计在2018年将达到更高的成熟度，不仅模型的性能和泛化能力更强，而且在垂直领域应用中也将具有更好的适应性和针对性。
这使得大模型能够更有效地解决B端业务的复杂问题。
此外，随着数字化转型的深入，B端企业积累了大量的行业和业务数据。
未来，大型模型将能够更好地利用这些数据进行深度学习和预测分析，为企业决策优化、生产效率提升和成本控制提供有力支撑。
此外，云计算、边缘计算等基础设施建设更加完善，为大模型在终端设备上的部署提供了条件，使得大模型能够在各种业务场景下实时响应，满足B端用户的需求。
对快速、准确和个性化服务的需求。
如果说2019年大模型领域仍有大量创业者瞄准C端，那么2020年，B端将成为核心战场。
对于云厂商和软件厂商来说，除了纯粹的C端体量外，更多的经验也会投入到B端变现和落地上，试图将AI转化为真正的生产力。
写在最后：随着AI应用的深入，对高质量、大规模、有代表性的训练数据的需求更加迫切。
然而，获取和清理此类数据成本高昂且困难。
尤其是在处理多源异构、实时流数据时，如何保证数据的质量、完整性和实时性是一个持续存在的问题。
此外，尽管计算能力不断增强，但面对日益复杂的任务场景和更加精细化的应用需求，提高模型的准确性、鲁棒性、效率和降低资源消耗仍然是一大挑战。
尤其是在深度学习领域，训练大型模型的成本较高，模型压缩加速等优化方法以及微调策略需要进一步发展和完善。
尽管人工智能技术发展迅速，但在将先进技术转化为实际产品和服务的过程中，需要考虑开发成本、维护成本、硬件成本等因素。
同时，还要保证商业模式可持续并产生可观的经济效益。
这对整个AI市场的产品化能力和开放环境提出了考验。
此外，不同的行业有其独特的需求和规范。
人工智能技术要成功商业化，必须深入了解和适应各行业特点，找到实际应用场景，克服行业间壁垒。
这也是一个艰巨的过程。
。
总体而言，虽然随着Sora的出现，可以看到AI技术取得了显着的进步，但在实施层面，存在着数据问题、对模型效率的追求，以及如何突破实施效果、成本等问题。
边际效应的三角问题和商业化的诸多现实问题仍将成为今年AI大模型的核心探索点。
过去的一年，我们看到了MaaS、AI Agent、多模态、开源、参数竞争、行业模型……这些关键词的背后，也是工业世界的变化和中国工业数字化转型的加速。
随着推广，我们更有理由想象和相信，在未来的岁月里，国产大型车型也将得到更多的下沉和落地。
除了技术突破，还将有更多向下的行业兼容和行业实践案例。
，作为加速行业数字化转型的新型生产力船。
【本文经投资界合伙人实业家授权发表。
本平台仅提供信息存储服务。
】如有任何疑问，请联系投资界（）。
#阿里云#创新创业#创业支持#创业资讯我们关注国内外最热门的创新创业动态，提供一站式资讯服务，实时传递行业热点新闻、深度评论和前瞻观点帮助企业家掌握新兴技术。
趋势和行业变化，以及对未来技术趋势的洞察。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-17
06-18
06-18
06-18
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态