2023年，OpenAI 引领了科技圈久违的兴奋，创业者感到有奔头的同时，却也随着 AI 模型的一再进化，感受到了压力。
在春节前夕，算力、模型、应用等领域的大模型创业者，齐聚在一场创业者社群的活动上，切磋各自在不断进化的大模型中找到的空间。面对呼之欲出的 GPT-5和 Llama3，他们也有新的思考。
站在模型层面，差异化很难，方向几乎是明确的——增强推理能力和多模态。也有技术路线的分野，比如阿里云通义实验室智能对话负责人李永彬透露，目前在思考是否能把搜索增强这样的外挂能力，做到模型里，进一步提升模型的可用性。
但站在应用层，多的是非共识和机会。比如，跑得最快的一批创业者，已经实现了一定程度的商业闭环，得出的结论甚至有些意外:「大模型含量」不宜过高。
这群下场做大模型的实干家也谈到了行业内最真实的情况。智谱 AI COO 张帆道出，今天的榜单其实不反映真实问题，GPT-4可能连榜单前10名都进不了。他认为，这种情况下，2024年一定会发生从模型为王到价值为王的变化。
百川智能联合创始人洪涛则更关心成本，他表示，一年下来苦哈哈做各种私有化项目，到底挣多少钱，其实内心没把握。在这一点上，大家也探讨了云计算厂商能否在整个行业没有商业模式之前，降低算力成本的路径，让该花的钱少一点。
近日，阿里云创业者社群在北京举办创业者之夜活动|阿里云
在「创业者之夜」，各位大模型的先行者分享了各自对行业的「预言」;AI 应用的创业者们，也分享了对于大模型的「焦虑」。
2024，大模型往哪走?
2023年，阿里云李永彬游走于大模型业务一线。一整年忙活下来，他发现:最初，大模型让「AI 解决问题」这件事的效果从20分提高到60分，就能够惊艳所有人，但是对于很多问题，60分和0分差不多。因为在一些应用场景，没办法拿60分的产品上线，效果到不了90分，客户可能也不会买单。
这也是2023年大模型创业者们共同的体感。从兴奋回归到理性，背后是共同的困惑——大模型还不够通用，它会不会像上一波 AI 一样，尽管展现出惊人的能力，但落到场景时仍旧需要逐个项目定制化?
大家自然就产生了2024年对大模型的第 一个期待——通用能力进一步提升，甚至期待模型在一些复杂场景能直接做到90分。
这种可能性不是无迹可寻。IDEA 研究院讲席科学家张家兴认为，从目前 OpenAI、谷歌等大厂对下一代大模型的判断，大模型能解决复杂问题会成为接下来进化的方向。
就在两周前，谷歌 DeepMind 推出的 AlphaGeometry（阿尔法几何）AI 系统，已经能在30道国际奥数题中做对25道，接近人类水平(人类奖牌得主平均做对25.9道)。像这样能解决奥数级别的几何问题，被视为迈向更先进、更通用 AI 的重要里程碑。在 IDEA 研究院张家兴看来，「奥数就是复杂问题，问题的描述很复杂，求解过程、证明过程也很复杂」，能解决复杂问题是模型变得更通用的表现之一。
阿里云创业孵化事业部总经理李中雨认为，从 GPT-5目前释放的信息看，模型的泛化能力在提升，解决复杂任务的能力也在提升，甚至接下来 GPT-5可以解决15%-20% 人类的任务。
在提升模型的通用性上，也有新思路。
一位来自模型厂商的与会者分享，最近绝大多数企业落地大模型时都会用到 RAG（搜索增强），从而将大模型和私有数据结合起来，提升模型可用性。但作为模型侧的开发者，也在探索算法创新，通过算法创新提高模型的学习能力，把像 RAG 这样的外挂知识库囊括进去，从而减少对模型数据训练的依赖。换言之，通过算法创新，以期让模型像人类学习一样，看一本书就可以理解知识，而不需要看所有书来理解一个问题。
在这一点上，GPT-5提供了很好的示范。智谱 AI 张帆认为，更强大的推理能力让处理复杂任务成为可能，同时也带来了非常强的泛化能力。模型会在各个行业场景都能有很好的 Zero-Shot、One-Shot 能力（给模型一个例子甚至不给例子，它就可以涌现出对应的能力），从而减少对训练数据的依赖。通过小数据集的训练，就可以把模型引入到更多更垂直的领域。如此一来，可以降低客户使用模型的门槛，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，从 GPT-4到谷歌 Gemini，已经充分展现了大模型的演进，拓展以大语言模型为核心的更大体系的 AI，必然会涉及多模态能力。
张家兴预判，就像2022年底 ChatGPT 的出现，导致2023年所有人都在做大语言模型一样，2024年整个业界可能会聚焦多模态。这并不只是因为多模态能带来更强的能力，更因为多模态的应用场景多，在端侧比如车和机器人的场景，多模态非常重要。
在多模态的技术实现上，也有一些技术融合的新视角。
在多模态领域做探索，中科深智创始人成维忠注意到前段时间图灵奖得主 Lecun 的一个采访，他并不认同现在大家做多模态的技术路线——把图片视频还原为像素，Lecun 认为未来的多模态训练是应该以表征事件为主。
在这一话题的讨论上，与会者一方面认为，ChatGPT 也不是规划出来的，技术路线可能是干出来的，能用今天的技术落地往前走、不断改进是前提。另一方面，尽管路线之争的存在，但也不是不能调和的，有很多中间的路线可以走，是连续的。比如，张家兴分享了 IDEA 内部的实践，称称目标识别等计算机视觉特征是可以作为多模态大模型的输⼊，实践下来的效果⾮常好。
从左到右分别是阿里云创业孵化事业部总经理李中雨;智谱 AICOO 张帆;百川智能联合创始人、总裁洪涛;元璟资本管理合伙人刘毅然;IDEA 研究院认知计算与自然语言讲席科学家张家兴、通义实验室对话智能负责人李永彬 | 阿里云
2024，大模型如何落地?
如前所述，对于大模型接下来的趋势预判，推理能力和多模态能力的提升成为清晰、明确的目标。但谈到 AI 应用，更多是非共识的思考，创业者一致认为需要在非共识中寻找机会。
就拿大模型落地应用要考虑的第 一件事——模型选型来说，目前也还没有达成共识。智谱 AI 张帆笑称，以现在模型评测卷出天际的背景下，「OpenAI 的 GPT-4都排不到模型评测榜单的前两页」。
的确，几个月以来，不少模型创业者都向极客公园表达了类似的观察:模型评测榜单不反映真实情况。在「模型为王」的愿景下，的确会出现提前让模型「看题」、「背题」来获得高分的情况。但更重要的是，当涉及到千行百业的不同场景，很难用一套标准来评价模型的可用性。
实践过后，大家更认同在一个个真实的具体场景里不断测试评估。比如，猎聘在+大模型的探索上，最 大的研发成本就花在测试不同的模型上。猎聘 CEO 戴科彬表示，对于什么场景用什么模型、多大尺寸的模型最 有效，没有标准答案，就连评价标准也要根据情况调整。
除了模型选型，模型落地也开始出现一些可操作的判断标准。无论是在原有应用里+大模型，还是一些 AI Native 应用的探索，都出现了能形成商业闭环的可能性。
这里首先要考虑大模型技术分布的独特性。元璟资本管理合伙人刘毅然认为，AI 应用存在巨大的不确定和非共识机会，这与这一波 AI 技术的特点有关。
移动互联网时代，应用的底层基础设施是一样的，都是基于苹果 iOS 和 LBS 定位来做产品。相比之下，大模型应用则是一个个垂直优化的过程，底层模型哪部分用开源版、哪部分微调、调整哪些问题，再视情况优化功能和应用。创业者需要充分懂技术，再做产品的封装，这个过程存在很大优化空间和机会。
这就提出了探索 AI 应用的第 一条原则——TPF（技术产品匹配），百川智能创始人王小川在极客公园创新大会2024大会上曾提到过这个名词，指的是在现有大模型技术不美好时，先明确「这样一个技术适合什么样的产品」，而不是产品经理洞察市场有什么需求，回来就开始做。
因为从大模型到 AI 应用，「今天最 大的挑战不是找到『什么不行』，这件事不难，人人都能够做到。难的是能找到它『什么行』，找到模型能力和业务的最 大公约数，变成正向循环。」智谱 AI 张帆认为，这会成为2024年大模型落地的重点。
尽管这样的实践可能不是投资人寻找的 AI Native 应用，但是务实地看，通过在可用场景里，基于模型和工程化手段把大模型应用产品化，数据和客户反馈的飞轮会推着 AI 应用向前迭代。百川智能联合创始人洪涛提到了一个有趣的观察，做 AI 应用的创业者甚至觉得以当前大模型技术成熟度，AI 应用「含大模型量」不宜过高。
在游戏领域，昆仑万维集团董事长兼 CEO 方汉有类似的观察。通过纯 AI 大模型直接生成3D 游戏内容，会造成面数特别多、规格不匹配等问题。这时如果换一个思路，把传统的一些简单动画工具，融合进 AI 大模型的工作流之后，产品的可用性就大大提高。
在他看来，什么好用就用什么，拼出对用户最有价值的工作流，这是作为 AI 应用开发商的价值所在。
看得出，在原有应用里+大模型、探索更好的工作流，是把大模型智力变成生产力最直接的方式。智谱 AI 张帆认为，这也是2024年产业关注的重点。
与此同时，一些令人惊艳的 AI Native 应用也开始出现。
就像移动互联网技术下，出现随时随地刷短视频的用户需求一样，大模型技术下也开始出现一些独有的场景。比如一位 AI 应用投资人现场分享了一款还在定向邀测的海外应用 Can of Soup，一款想象力社交软件。用户利用 AI 生成虚拟图像，发布在网站上，互相评论，还可以邀请朋友进行「想象力」共创、点评，这款产品可以类比为「想象力版 Instagram」。
「这款应用在海外 DAU 增长非常快，不知道最后能不能成，但是非常有意义的探索，代表不仅现实的生活可以分享、可以社交，你的想象力也可以被社交，这就是非常典型的 AI 原生的应用，发现了新的行为模式」，他补充说。
除了像 Can of Soup 这样捕捉新技术下的人类新需求，新技术也给熟悉的场景带来了更好的解决方案，为用户带来更易用、好用的体验。
就拿现在最火热的智能体来说，智谱 AI 张帆认为，很多 GPTs 能做的事情非常浅，很难用作生产工具。这些 GPTs 背后的流程大体是按照人的理解逻辑来执行，先做分类、再做模型、再做任务，但是这种智能体运行的方式是受限的，他认为，「严格来讲，这种外挂工程的方式不算是 agent，只是大号的模型应用」。
相比之下，他发现字节跳动在海外推出的 Coze 玩法不一样，同样是 GPTs 类应用，Coze 的模式是利用背后大模型的递归和迭代的能力和表达力，这是更加原生的智能体，效果也更好。
张帆称，这是他看到比较兴奋的方向，能够用更简单的方式、更通用的方式，不需要微调，仅仅用基础的表述就能够解决真正的复杂问题，把从模型到应用之间的100公里降到100米。但也有前提，像 Coze 这样的原生模式，高度依赖背后的模型能力，模型强大到足够通用，才可以实现。
智谱 AI COO 张帆在活动上做分享|阿里云
除了软件类 AI 应用，结合端侧场景的应用也值得期待，尤其机器人领域。说起2023年最眼前一亮的应用，张家兴认为是谷歌的 RT-2（Robotics Transformer2，一款机器人大模型），看到了⽤⾃然语⾔定义任意机器人任务的曙光。他认为，⼤模型在机器⼈领域正在期待 ChatGPT 时刻。
元璟资本刘毅然举了一个例子，过去机器人领域有一些常规，比如用数学规律来描述复杂动态体的运动，现在，大模型对于像这样的数学描述过程有放大作用，但距离大模型真正进入机器人或者手机、车、AI Pin 等硬件，可能还需要些时间。
「天上的大模型能否落在地上的设备上面，是值得期待的」他说道。尽管通用的物理世界大模型的价值最 大，是科学家梦寐以求的，但在前面加合适的定语，是创业者今天就可以做、也可以有收获的。难点在于，前面怎么加定语，能符合今天的技术阶段，也能把商业化和产品结合在一起，不停向前进。
2024，大模型
「基建」的意义
有了对 AI 应用百花齐放的期待和判断，创业者也对整个大模型的技术体系寄予新期待，尤其是数据、算力和开源算法。
数据被视为模型训练、微调等动作产生效果最重要的因素之一。在获取高质量数据上，方汉提出了不同的思考。在他看来，很多大模型有更快的方法获取数据，比如通过用 GPT-4做「教练」来获得，但是在数据获取方面，团队应该有「长期主义」精神，不然「很难走远」。
昆仑万维董事长、CEO 方汉在交流环节分享昆仑万维+大模型的实践|图片来源:阿里云
在对比了全球市场后，昆仑万维方汉认为，垂类数据是中国公司上场和发力的方向。有了垂类高质量数据，才有机会在垂直场景里面做到 SOTA（指前沿、第 一梯队的模型），率先获得垂直场景的红利。
在算力层，成本成为主要的关注点。
百川智能洪涛坦言，大模型商业模式的探索有相对长期的试错过程，云计算层面继续突破、摊薄创新成本，是眼下比较关注的方向。
在这一点上，阿里云公共云总裁刘伟光认为云和 AI 的结合会逐渐解决这个问题。
云计算对传统 IT 的意义，和融合AI的意义完全不同。AI 和云是鱼和水，密不可分，二者的结合是 AI 应用的催化剂。同时，云计算能力的不断演进，包括 GPU 算力、配套的计算存储、网络能力的演进，会对 AI 产生非常大的支撑。
「在谈AI原生应用之前，其实有一点被忽略了——AI 是云的原生应用。二者的结合还有很大优化空间」他说道。随着大模型包括 AIGC（应用）更加细分，对算力的需求也会逐渐细分化，而不是简单粗暴地购买算力，这也是阿里云不断探索的事情。
在这一点上，云、端结合的方式也被寄予厚望，昆仑万维方汉认为，降低模型推理成本，要结合端侧推理，手机侧可以做小参数量模型的推理，和云端大参数量模型推理结合起来。
算法层面，Meta 开源的 LLaMA 和 Llama2为产业模型发展提速，带来了繁荣的开发者生态。不久前，Mistral 创始人也袒露借鉴了 Llama2的开源模型，但开发者普遍称，Mistral 的效果实际用下来要比 Llama2更好。
国内模型厂商也越来越多地选择开源模型，但也有创业者表示，不确定国内尤其是大厂开源模型背后的考量，会不会只是一时的。比如，猎聘戴科彬就认为，阿里云开源的72B 大模型效果非常好，但也好奇其背后的思考。
在创业者之夜上，阿里云市场总裁刘湘雯直面这一提问。她表示，阿里云会持续开源，这并非仅仅为了公益，而是基于对商业的判断。
阿里云创业者之夜活动现场|阿里云
在这场创业者活动中，极客公园看到了共识，也看到了更多共识的观点在嘉宾之中激烈碰撞。而这恰恰代表了由大模型引发的新一波 AI 浪潮中所蕴含的机遇。你可以想象，在20年前移动互联网刚刚兴起的时候，在类似活动，同样充满了相同的争论和见解。
不同的是，变革的「基建」从运营商，变成了现在以阿里云为代表的云计算厂商。在大模型时代，阿里云不仅要自己下场「摸清」大模型上下游的真实情况，更需要在这样的创业者之夜活动中，和大模型行业的「玩家」共同找到行业发展的方向，根据后者不断变化的需求，增加阿里云「AI 基建」的各种能力，来和创业者们一起成长、成功。
大模型时代，「计算，为了无法计算的价值」有新的内涵，在阿里云举办的创业者之夜活动上，这群先行者率先开始探索最开放的技术体系里，新的变化。
写在最后:
创业者之夜活动由阿里云创业者社群举办。社群聚集中国最前沿的技术创新者，聚焦云与 AI 技术方向、以及 AI 在产业中的落地应用等核心主题，发起各类技术及产业闭门活动与研讨，与社群成员形成长期共创体系，与技术创新者们共同成长。
（推广）
