首页 > 传媒 > 关键词  > 人工智能最新资讯  > 正文

MEGVII国内最早一批人工智能创业公司之一:旷视科技今年将重点推动重点客户的业务闭环

2024-05-16 15:49 · 稿源: 站长之家用户

作为国内最早一批人工智能创业公司之一,旷视经历了AI技术创新商业化探索的起伏。

面对大型模型带来的新一轮AI浪潮,旷视如何看待并布局?

旷视联合创始人兼CEO印奇表示,从CNN、ResNet到Transformer,深度学习一直是最核心的技术主线。

在经历了过去一年的发展后,人工智能领域已经由ChatGPT和GPT-4引领了最 新的变革。随着时间的推移,许多国内外公司纷纷加入大型模型技术的竞赛,推动了该技术的快速发展和转型。

大型模型在处理通用任务方面展现出了很难相比的能力,这使所有人都看到了其解锁更多应用场景的巨大潜力。因此,各行各业都开始探索与大模型的结合可能性,对大模型的需求以前没有强烈。

在中国独特的技术创新环境中,这是一个无法回避的问题。中国人工智能行业经过多年的发展,尽管在生物识别、工业机器人、自动驾驶等领域取得了一定的突破,但尚未出现被技术彻底颠覆且大规模落地的产品和应用。

过去小模型时代未能解决的问题,是否会随着大型模型的出现而迎刃而解?

大型模型实现商业化的途径可以多样化,以下是一些关键策略和步骤:

1. 明确应用场景:首先,需要确定大型模型能够提供商业价值的具体领域。这包括了解行业需求、痛点以及大型模型能够解决的具体问题。

2. 定制化开发:针对特定行业或业务需求,对大型模型进行定制化的开发和调整,以确保其性能和输出与客户需求相匹配。

3. 创建可行的商业模式:设计一个可持续的商业模式,如基于使用量的计费模式、订阅服务、一次性授权费等,以实现收入的产生。

4. 合作与伙伴关系:与行业内的企业建立合作伙伴关系,利用他们的专业知识和市场渠道来推广和销售大型模型解决方案。

5. 产品化:将大型模型技术集成到用户友好的产品中,确保非技术用户也能够轻松使用。

6. 合规性与安全性:确保大型模型的商业化遵守相关的数据保护法规和行业标准,同时保障数据的安全性和隐私。

7. 持续优化:根据客户反馈和市场变化,不断优化模型的性能和功能,保持竞争力。

8. 教育和培训:为客户提供必要的教育和培训,帮助他们理解和最 大化大型模型的价值。

9. 市场营销:通过有效的市场营销策略,提高目标市场对大型模型解决方案的认识和兴趣。

10. 监测和评估:建立一个系统来监测大型模型的表现,并评估其对客户业务的影响,以便进行必要的调整。

通过这些步骤,大型模型可以更好地满足市场需求,实现商业化,并在实际应用中产生价值。

作为国内最早一批人工智能创业公司之一,旷视经历了AI技术创新和商业化探索的起伏。

面对大型模型带来的新一轮AI浪潮,旷视如何看待并布局?

从技术演进的角度看,无论是之前的AlphaGo还是现今的大型模型,本质上都是深度学习的发展。

这一轮人工智能技术的发展浪潮仅依赖一项核心技术能力,那就是深度学习。

旷视联合创始人兼CEO印奇表示,从CNN、ResNet到Transformer,深度学习一直是最核心的技术主线。

印奇对多模态大型模型的应用前景持积极乐观的态度。他认为,随着技术的不断进步和成熟,多模态大型模型在行业应用中的潜力巨大,将为各行各业带来革命性的变化。

以下是印奇对多模态大型模型应用前景的几点看法:

1. 强大的理解能力:多模态大型模型通过整合视觉、语言等多种模态的信息,能够实现更全面和深入的理解,这将有助于解决复杂场景下的问题。

2. 广泛的适用性:由于多模态模型能够处理不同类型的数据,它们可以被应用于多个领域,包括但不限于医疗诊断、自动驾驶、智能客服等,具有广泛的实际应用前景。

3. 提升效率与降低成本:印奇认为,随着大模型技术的发展,“最后一公里”的效率将显著提升,同时成本也会降低,这将有利于多模态大型模型在行业中的快速推广和应用。

4. 客户共创:旷视致力于与客户深度共创行业大模型,这意味着他们将根据特定行业的需求和特点来定制和优化大模型,确保其解决方案能够有效地解决实际问题。

5. 实际落地的挑战:印奇也认识到,对于B端业务来说,仅仅依靠基础的大模型是难以实现实际落地的。因此,旷视强调推动多模态大模型在行业的应用,以确保投资回报率(ROI)能够转正。

6. 持续创新:印奇表示,旷视将继续专注于多模态大型模型的研究,并将其视为迈向人工通用智能(AGI)的重要途径。他们将持续创新,以确保技术能够不断进步并适应不断变化的市场需求。

印奇对多模态大型模型的应用前景充满信心,并相信这将是AI技术未来发展的关键方向之一。他强调了旷视在这方面的承诺和努力,包括与行业客户的合作、技术的持续迭代以及研究成果的商业化转化。

印奇认为,在图像和视频领域,需要区分“生成”和“理解”。如果将Sora视为独立应用,它体现的是生成能力,主要应用场景更倾向于C端用户。

而旷视将聚焦于感知和理解能力,其多模态大型模型是针对图片、视频、文字等不同模态的综合感知、理解和推理引擎。旷视会更加专注于提升理解能力,并在此基础上面向B端业务打造行业应用。

我们相信多模态大型模型将能够解锁更多行业应用场景。将多模态大型模型融入行业 尽管行业内外对大型模型的期望很高,但普遍共识是,目前的基础大型模型并不适用于需求多样化的行业。

在将大型模型能力转移到各行各业的过程中,将会不可避免地遇到复杂的场景需求。企业用户在评估大型模型时,会综合考虑应用场景、数据安全、升级维护和成本效益等因素。

对于大型模型公司来说,这意味着需要进行大量的“最后一公里”工作,例如场景技术匹配、端到端部署、软硬件适配和安全性等。

印奇认为,随着大型模型时代的到来,“最后一公里”的效率将大幅提升,成本将显著下降。然而,行业落地的“最后一公里”问题仍然存在。

他表示,旷视选择坚定地走B端商业化道路。对于B端业务来说,仅凭基础大型模型难以真正落地,投资回报率(ROI)很难转正。

因此,旷视将重点推动多模态大型模型在行业的应用,深入行业开发行业大型模型。

将大型模型应用于具体行业需要端到端的方案,门槛不低,必须具备对模型、系统、数据和行业的综合理解能力。

从技术角度看,绝不是简单地调整开源模型就能满足需求,必须具备端到端的大型模型能力。

从行业角度看,本质上还是要以客户为中心,与客户共同创造行业大型模型。在大型模型时代,行业专业知识的积累仍然是稀缺资源。

旷视科技的商业化策略体现在其“1+3”战略中,旨在通过AI技术创新在各个物联网场景中实现商业化落地。具体来说:

Brain++AI生产力平台**:旷视科技利用其核心的Brain++AI生产力平台,提供算法的规模化供给。这个平台是公司商业化战略的基础,它支持公司在多个领域的产品和服务开发。

个人物联网**:在个人物联网领域,旷视科技可能专注于通过AI技术提升个人设备的智能化水平,例如智能手机和消费电子产品的人脸识别、图像处理等功能。

城市物联网**:在城市物联网领域,公司的AI技术可以应用于智慧城市建设,比如交通管理、公共安全监控以及环境监测等,以提升城市管理的智能化和效率。

供应链物联网**:在供应链物联网领域,旷视科技的AI技术可以用于智慧物流,包括仓库管理、货物追踪、自动化分拣等,以提高供应链的效率和透明度。

此外,旷视科技还强调了“产品为王”的战略核心,围绕其优势AI技术,从算法到感知升级,再到云边协同的完整价值链,通过数据、业务、场景的三方融合,助力企业园区数字化转型,创造智慧城市新生态。

旷视科技的商业化策略是一个综合性的战略规划,涵盖了技术研发、产品开发、市场应用等多个方面,旨在通过其AI技术推动多个行业的数字化和智能化转型。

多年来,旷视服务了许多行业头部客户,在重点行业积累了专业知识和经验。目前,旷视正在与金融、运营商、手机、智能汽车等领域的客户合作,推动大型模型在行业的落地。

“目前进展较快的是金融行业。”旷视科技资 深副总裁兼云服务事业部负责人赵立威解释说,“从去年年中开始,我们服务的一些金融客户就开始探索大型模型。因为它们本身具备一定的基础能力储备,再加上对新技术的敏感度,所以对创新的渴望异常迫切。”

赵立威指出,在数据和知识高度集中的金融等行业内,大型模型技术无疑具有巨大的潜力。根据实际效果,大型模型短期内在提升效率方面的贡献将超过成本节约,这种效益也更易被客户认可。

然而,实现大型模型在行业中的应用以提有效率,是一项复杂性极 高的任务。考虑到许多行业客户已基于大数据、ERP、CRM等传统IT能力,构建了标准的业务流程。

若大型模型仅用于简单取代现有的IT系统,其带来的收益将十分有限。唯有深入理解现行业务需求和逻辑,彻底改革现有的业务流程、组织关系以及决策体系,大型模型才能在提升效率方面显现其价值。

因此,大型模型的成功部署不单是技术问题,更是一个涉及多方面的商业难题。要成功落地大型模型,必须与客户紧密合作,共同创新。

目前,旷视科技正在与金融行业的银行、保险公司等客户合作,探索大型模型在金融风险控制、智能客服、文档和代码编写、图文分析和市场营销等多个业务场景中的应用。

赵立威强调,“今年是从零开始的一年,关键在于从重点客户入手,寻找适合大型模型的业务场景,并实现业务的完整闭环。这是我们当前的首要任务。”

对于大型模型技术的商业化应用,旷视科技持有明确的理解和策略。一方面,他们意识到大型模型在处理通用任务上展现了以前没有的能力,并且看到了它在开拓更多应用场景上的潜能。

另一方面,他们也认识到大型模型的实际应用并非单纯的技术问题,而是一个复杂的商业挑战。

鉴于此,旷视坚定地选择B端商业化路径,专注于增强理解能力,并在此基础上为B端业务打造行业特定的应用。

在执行过程中,旷视将重点推动多模态大型模型在不同行业的应用,并与金融、通信、手机、智能汽车等行业的客户合作,推进大型模型在这些领域的实际应用。

推广

特别声明:以上内容(如有图片或视频亦包括在内)均为站长传媒平台用户上传并发布,本平台仅提供信息存储服务,对本页面内容所引致的错误、不确或遗漏,概不负任何法律责任,相关信息仅供参考。站长之家将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。任何单位或个人认为本页面内容可能涉嫌侵犯其知识产权或存在不实内容时,可及时向站长之家提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明(点击查看反馈联系地址)。本网站在收到上述法律文件后,将会依法依规核实信息,沟通删除相关内容或断开相关链接。

  • 相关推荐
  • 大家在看
  • HumanizeAI Text:提升AI文本的人性化程度,增强用户互动。

    Humanize AI Text是一个先进的AI文本人性化工具,能够将AI生成的文本转换成更自然、更具人性化的文本,以避免AI检测,并提升内容的吸引力和可读性。它支持多语言,增强了内容的全球可访问性。主要优点包括内容塑形、多语言掌握、可读性提升、写作助手以及实时反馈的人性化得分,帮助用户理解并改进写作的人性化感觉。

  • MagicPublish.ai:为YouTube生成元数据的智能工具

    MagicPublish.ai是一个专注于为YouTube视频内容创建者提供元数据生成服务的在线平台。它通过自动化的方式帮助用户生成视频描述、标签和缩略图,从而提升视频的SEO优化和观众吸引力。产品的主要优点包括操作简便、自动化程度高、能够显著提升视频的在线可见度。

  • AITopRank:发现2024年最佳AI工具

    AI Top Rank是一个专注于AI工具发现和推广的平台,旨在帮助用户发现和使用最新的AI工具,促进AI技术的普及和应用。平台提供每周更新的AI工具排行榜,用户可以投票支持自己喜爱的工具,也可以提交自己的AI工具进行推广。

  • AutoStudio:多轮交互式图像生成技术

    AutoStudio是一个基于大型语言模型的多轮交互式图像生成框架,它通过三个代理与一个基于稳定扩散的代理来生成高质量图像。该技术在多主题一致性方面取得了显著进步,通过并行UNet结构和主题初始化生成方法,提高了图像生成的质量和一致性。

  • Nemotron-4 340B:用于训练大型语言模型的开源合成数据生成管道。

    Nemotron-4 340B是NVIDIA发布的一系列开放模型,专为生成合成数据以训练大型语言模型(LLMs)而设计。这些模型经过优化,可以与NVIDIA NeMo和NVIDIA TensorRT-LLM配合使用,以提高训练和推理的效率。Nemotron-4 340B包括基础、指令和奖励模型,形成一个生成合成数据的管道,用于训练和完善LLMs。这些模型在Hugging Face上提供下载,并很快将在ai.nvidia.com上提供,作为NVIDIA NIM微服务的一部分。

  • Joor:完美的日记应用,记录你的想法。

    Joor是一款日记应用,它允许用户写下自己的想法,并由应用自动处理其余部分。它提供了一个简洁的界面,让用户能够轻松地记录下自己的思考和灵感,同时可能还具备一些自动整理和回顾的功能。

  • Samba:高效无限上下文语言模型的官方实现

    Samba是一个简单而强大的混合模型,具有无限的上下文长度。它的架构非常简单:Samba = Mamba + MLP + 滑动窗口注意力 + 层级MLP堆叠。Samba-3.8B模型在Phi3数据集上训练了3.2万亿个token,主要基准测试(例如MMLU、GSM8K和HumanEval)上的表现大大超过了Phi3-mini。Samba还可以通过最少的指令调整实现完美的长上下文检索能力,同时保持与序列长度的线性复杂度。这使得Samba-3.8B-instruct在下游任务(如长上下文摘要)上表现出色。

  • TC-Bench:视频生成模型的时间组合性评估工具

    TC-Bench是一个专门用于评估视频生成模型的时间组合性的工具。它通过精心设计的文本提示、相应的真实视频以及强大的评估指标来衡量视频生成模型在不同时间点上新概念的出现及其关系转换的能力。TC-Bench不仅适用于文本条件模型,也适用于图像条件模型,能够进行生成性帧插值。该工具的开发旨在推动视频生成技术的发展,提高生成视频的质量和一致性。

  • Promptchains:智能AI工作流构建器,释放AI潜力。

    Promptchains是一个革命性的AI工作流构建器,旨在通过提示链技术解锁AI的潜力。它将复杂任务转化为智能解决方案,实现AI的承诺。产品通过组合AI提示和其他工具到工作流中,使企业能够轻松定制、保存、重用和分享。它超越了AI交互的新奇性,创造了能够与熟练的人类员工并肩工作的解决方案。

  • Sanctuary:个性化冥想引导,由AI驱动,提升专注力,减压助眠。

    Sanctuary是一款利用尖端AI技术为用户提供个性化冥想指导的应用程序。它通过智能学习用户偏好,提供每日更新的冥想内容,帮助用户改善专注力,减少压力,并促进更好的睡眠。该应用拥有超过10万次的个性化冥想创建记录,用户反馈显示,它简化了冥想过程,使冥想变得容易和可访问,对于缓解焦虑和整体压力水平有显著效果。

  • Partnerplace:合作伙伴管理工具,提升合作效率。

    Partnerplace是一款专为合作伙伴关系管理设计的在线工具,它通过自动化繁琐的任务,如佣金处理,帮助企业高效管理和发展合作伙伴网络。该工具支持定制化合作伙伴计划,实现品牌专业体验,并通过集中化平台提高工作效率。Partnerplace的价值观包括弹性、参与度和连接性,旨在为用户提供一个完全定制化的、参与性强的、连接销售团队和CRM系统的合作伙伴管理系统。

  • Depth Anything V2:先进的单目深度估计模型

    Depth Anything V2 是一个经过改进的单目深度估计模型,它通过使用合成图像和大量未标记的真实图像进行训练,提供了比前一版本更精细、更鲁棒的深度预测。该模型在效率和准确性方面都有显著提升,速度比基于Stable Diffusion的最新模型快10倍以上。

  • OTTO SEO by Search Atlas:革命性的AI SEO工具,简化SEO工作流程。

    OTTO SEO是Search Atlas推出的一款AI驱动的SEO工具,旨在通过自动化技术优化网站,提高SEO效率。它通过添加OTTO像素到网站,能够自动执行网页优化,包括技术修复、内容优化、反向链接建设和内容创作。OTTO SEO的主要优点在于节省时间、提高效率,并帮助营销团队或代理公司实现SEO策略的自动化和优化。

  • AI drafts by Help Scout:提升客服团队效率,实现个性化客户服务。

    Help Scout提供的AI客服平台,通过人工智能技术,帮助客服团队提升工作效率,减少重复性工作,让团队成员能够专注于更复杂和个性化的客户对话。平台特点包括无需编程即可使用、快速回复、提升客户满意度,以及通过AI生成回复草稿等。

  • OpenVLA:开源视觉-语言-动作模型,推动机器人操作技术发展。

    OpenVLA是一个具有7亿参数的开源视觉-语言-动作(VLA)模型,通过在Open X-Embodiment数据集上的970k机器人剧集进行预训练。该模型在通用机器人操作策略上设定了新的行业标准,支持开箱即用控制多个机器人,并且可以通过参数高效的微调快速适应新的机器人设置。OpenVLA的检查点和PyTorch训练流程完全开源,模型可以从HuggingFace下载并进行微调。

  • VideoLLaMA 2:视频理解领域的先进空间-时间建模与音频理解模型。

    VideoLLaMA 2 是一个针对视频理解任务优化的大规模语言模型,它通过先进的空间-时间建模和音频理解能力,提升了对视频内容的解析和理解。该模型在多选视频问答和视频字幕生成等任务上展现了卓越的性能。

  • HumanPlus:人类动作模仿与自主技能学习系统

    HumanPlus是一个研究项目,旨在通过模仿人类动作来训练人形机器人,从而实现自主技能学习。该项目通过模拟强化学习训练低级策略,并将这些策略应用到真实世界中,实现实时跟踪人类身体和手部动作。通过影子模仿技术,操作员可以远程操作机器人收集全身数据,用于学习不同任务。此外,通过行为克隆技术,机器人能够模仿人类技能,完成各种任务。

  • Jace:AI助手,助力高效营销与管理。

    Jace是一款商业领域的AI助手,专注于提升营销效率,无需专业技能即可轻松启动和管理营销活动。其主要优点包括创建针对性的营销活动、实时监控性能和随时优化。

  • ARC-AGI:人工智能通用推理测试集

    ARC-AGI是一个旨在测试人工智能系统是否具备类似人类一般流体智力的抽象和推理能力的数据集。它由400个训练任务和400个评估任务组成,每个任务都以JSON格式存储,包括输入输出对。该数据集可以作为人工智能基准测试、程序合成基准测试或心理测量智力测试。

  • PROTEUS:实时表情生成人类模型

    PROTEUS是Apparate Labs推出的一款下一代基础模型,用于实时表情生成人类。它采用先进的transformer架构的潜在扩散模型,创新的潜在空间设计实现了实时效率,并能通过进一步的架构和算法改进,达到每秒100帧以上视频流。PROTEUS旨在提供一种通过语音控制的视觉体现,为人工对话实体提供直观的接口,并且与多种大型语言模型兼容,可定制用于多种不同应用。

今日大家都在搜的词:

热文

  • 3 天
  • 7天