国产大模型市场遇冷：挑战与机遇并存，一般人学大模型，我劝你算了吧

最新推荐文章于 2024-09-26 17:23:00 发布

AGI-杠哥

最新推荐文章于 2024-09-26 17:23:00 发布

阅读量908

点赞数 17

分类专栏： web安全安全文章标签：人工智能

本文链接：https://blog.csdn.net/m0_71745484/article/details/142532020

版权

安全同时被 2 个专栏收录

53 篇文章 0 订阅

订阅专栏

web安全

30 篇文章 0 订阅

订阅专栏

前阵子，大模型赛道非常热闹，360、字节、KIMI、知乎等公司纷纷召开发布会，推出自己独具特色的新产品，一时间引发市场的不少想象和讨论。在看似百花齐放、万紫千红的同时，K哥也观察到了一些不好的迹象，这些“迹象”如果不受到重视，或者不被好好解决，甚至有可能对整个行业的发展带来很大的不利影响。今天就跟大家分享一些K哥的个人看法。

搞浏览器的做AI，搞AI的做浏览器

最近，KIMI悄悄推出了浏览器插件，将其在AI上的深厚功力赋能到了这一插件上，主打一个“随时提问”和“快速总结”。据不少用户反馈，KIMI的这款浏览器插件，确实给他们带来了不错的使用体验。这让K哥想起了年初360公司推出的AI搜索。这款被360定位为“新一代答案引擎”的AI工具，在帮助360“破圈”AI的同时，也吸引了更多新用户，赢得不少好口碑。搞浏览器的做起了AI，搞AI的玩起了浏览器！为什么大家都不按牌理出牌，纷纷玩起了跨界？不是这个世界太疯狂，而是大家心中的“欲望”太膨胀。

360之所以跨界，是因为360公司深耕互联网多年，拥有海量的用户数据。通过AI技术，360不仅可以更深入地挖掘这些数据的价值，还能够与原有的安全业务形成互补，增强用户体验。而且，360还可以从更高的战略角度出发，以此在未来的AI战局中布点卡位。

而KIMI作为AI领域的独角兽，为啥插手浏览器？原因同样很简单，KIMI是想通过浏览器插件的方式落地AI应用，让KIMI快速触达大量用户，在短时间内积累用户数据和反馈，在将AI功能与用户的网络行为紧密结合的同时，帮助KIMI构建更加完善的业务生态，进一步拓展其在内容推荐、智能搜索等领域的应用。

道理都是明摆着的，无外乎用户、数据、业务闭环一类的商业因素。在商言商，这样的逻辑并没错，但K哥想说的是，各路玩家在考虑自身利益的同时，也要适当考虑整个行业生态的构建。如果企业过分“执着”于在所有领域都能自成一体，把所有用户都圈定锁死，不给别人“插手染指”的机会，最后可能适得其反，既分散了自身资源，又陷入创新不足的困境。

当年，微软就曾试图打造一个能够一手遮天的封闭生态系统，将 Windows 操作系统、Office 软件、浏览器等产品捆绑在一起，试图控制用户的所有网络行为，不给任何对手留下见缝插针的机会。然而，随着互联网的快速发展，微软的封闭策略还是没能成功，最终被更加开放、更有创新能力的 Google 和苹果所超越。

跨界破圈并非易事，需要付出巨大的成本和精力；人造闭环也并非长久之计，还容易陷入“内卷”的泥潭。K哥认为，也许专注、开放才是这个时代应有的王道。当前AI生态中的各个“节点”，应该更多地专注于自身的核心技术，并将其开放给更多开发者和用户，这样才能形成更良性的循环和更健康的发展。

把AI当搜索引擎用

李开复曾在接受腾讯科技采访时表示，很多用户在把AI当成“搜索引擎”用，是不对的。一方面，如果让AI回答天气、地名等常规问题，它未必会比传统的搜索引擎更好，而且还可能出现“幻觉”错误；另一方面，AI很多强大的功能不被开发，而仅仅被视作搜索引擎，是一种严重的“大材小用”。

之所以出现上述现象，一个重要原因是大众对AI的认知存在很大局限性。就像当大家看到AI的使用页面“很像”常见的搜索引擎，就自然而然地把它当成了搜索工具。而没有深入了解AI不仅仅是某一形态的工具，更是一种能够模拟人类智能的技术，具有超强的学习和适应的能力，其背后蕴藏着无限的应用潜力。

当然，大众对AI除了有认知层面的问题，还存在“使用能力”方面的问题，比如用户提问的能力，AI时代，一个人提问的能力（prompt engineering），甚至远比给出答案的能力更重要。这种能力，同样是时代发展、市场教育中所不可或缺的重要一环。

另外，对于AI，大家还要做好正确合理的“期望管理”。不应将AI过去神化，认为它无所不能、给出的答案都是准确的。而是应该清醒地认识到，AI仍在发展、进化的过程中，虽然可以成为我们工作生活中的有效辅助和帮手，但仍然存在很多缺陷和不足，既不能完全替代人类的思考，也远不能满足大众的全面需求。正确的认知、利用这一技术，才会让我们更客观地对待各种AI工具，把它们放在合适的位置上，既不大材小用、浪费资源，也不盲目迷信，失去应有的判断。

拿用户数据，训练自家的模型

数据资产被认为是AI时代最重要的资产，但随着生成式AI的快速发展，互联网上的那些普通数据已经快被翻个底朝天了，以至于新鲜、有价值的数据越来越稀缺，因此某些平台开始盯上了自家用户生成的内容。

最近，马斯克旗下的xAI公司正经历这样的风波。社交平台X的用户发现，他们在该平台上发的帖子，正在被平台拿来训练它的聊天机器人Grok 。在此之前，X平台没有发布任何正式公告或通知，就偷偷上线了一个默认用户允许将其帖子用于AI训练的不公平协议。更能证明X“阴险”的是，这一条款的入口隐藏极深，而且即使找到，手机端也无法关掉，必须用电脑版才行。

类似的事件并不是孤例，比如，近期番茄小说通知平台作者，签“同意将其作品投喂AI”的条款；Meta公司强迫用户同意将个人数据用于AI训练，否则就禁止使用其旗下的Facebook 和Instagram等产品，等等。K哥认为，这样的事件如果没有合适的处置模式，很可能会影响AI下一步的发展。

首先，这种行为侵犯隐私，违背法律法规。许多国家和地区都已经制定了严格的数据保护法规，要求企业在处理个人数据时必须获得用户的明确同意。违反规定不仅会导致企业面临巨额罚款，也会损害企业的声誉和形象。

其次，从商业角度来看，用户信任是企业最宝贵的资产。一旦用户对企业的数据处理方式产生怀疑，他们可能会选择不再使用该企业的产品或服务，甚至可能引发大众对整个AI行业的信任危机。

另外，从技术发展的角度来看，依赖未经同意的数据，可能会因为数据收集过程不透明，或用户有意无意提供一些误导性信息，从而导致模型的泛化能力出现问题，影响模型的可靠性和准确性。

不重视底层大模型的研发

自ChatGPT引发生成式AI热潮，席卷全球以来，中美两国无疑成了站在潮头浪尖上的领导者。但在发展路径上，我们和美国却做出了不同的选择。以OpenAI、谷歌、Meta为代表的美国同行，持续在底层大模型上发力。而我们的业界却认为：中国发展大模型不能跟美国“打篮球赛”，随着他们“满场乱飞”，而应当使用“下围棋”的方法，在技术相对落后的情况下，通过大模型赋能各个产业领域，以实现AI在应用上的突破和提升。红衣教主周鸿祎就曾大声疾呼：不要迷信底层大模型，不要学硅谷。事实上我们也确实没有学硅谷，而是开始了侧重于场景应用的行业大模型的探索之路。有数据统计，截至今年5月，国内市场已先后推出300多个大模型。技术路线上也衍生出了CoE 、MoE等不同的“流派”。

大家都明白，新时代下的AI竞争，注定是一场旷日持久的马拉松，作为其中的参与者，必然要面临“生存，还是伟大”的选择。做底层大模型研发，无疑是“伟大”但又门槛极高的事。拿OpenAI来说，为了搞研发，它每年的亏损竟高达50亿，这显然是一般的AI玩家所承受不起的。所以国内的很多AI企业，才会选择以应用作为进场的切入点，并时时刻刻、心心念念惦记着“商业化”和“变现模式”。

单纯从商业的角度看，这样做并没什么不对，但我们也不能忘记另外一个客观现实：我们很多的行业大模型、各种AI应用，其实是在底层大模型的基础上，在开源技术普及、各种预训练技术和框架工具等壁垒被打破后的前提下构建起来的。相较之下，需要耗费巨大算力资源和多样化的数据支持、深厚的技术支撑的底层大模型研发，才更具创新性和核心竞争力。举个例子，一个投入大量成本、基于GPT-4研发的医疗或金融行业的应用，可能会随着GPT-5或更高级迭代的出现，变得笨拙不堪甚至毫无使用价值。底层大模型的每次迭代，都可以将花费大量心血的各种“上层工具”，摧枯拉朽般毁灭，而这可能也是Open AI、Meta等巨头即使年年巨亏，也要狂砸底层大模型的深层原因。

比尔.盖茨有一句名言：“我们总是高估在一年或者两年中能够做到的，而低估五年或十年中能够做到的。”这句话放在大模型研发上非常合适，掌握了底层大模型，才真正掌握了主动权。近日，Meta发布被称为“世界上功能最强大的公开基础模型”Llama 3.1 405B，也说明底层大模型的竞赛，远远没有结束，我们依然任重道远。

开源 or 闭源，根本不是关键

李彦宏在某次访谈中大谈开源大模型、闭源模型的差别，并直言“开源大模型是智商税”。为此傅盛还进行了隔空反驳，认为开源和闭源模型是相互竞争、共同发展的关系，不应一方压倒另一方，还说闭源大模型才是真正的“智商税”。两位大佬的口水战，引起不少媒体和网友的讨论。在K哥看来，开源闭源并不重要，底层大模型研发结合应用场景拓展，才是AI发展之路的关键。

如同K哥上面所说，底层大模型是AI技术发展的基石，它在某种程度上决定了AI发展的方向和各种可能性，同时也为AI应用提供了强大的计算能力和算法支持，使得各种智能应用成为可能。而应用场景则是AI技术落地的关键所在，将底层大模型的技术与特定行业的专业知识和数据相结合，可以解决金融、医疗、教育等特定领域的复杂问题和挑战，更好地提高企业资源分配和利用效率，实现真正意义上的“AI生产力”和实实在在的降本增效。我们的业内人士，应该少一些“本位主义”的口水之争，多一些务实和专注，才是AI发展所真正需要的。大家先齐心协力、共襄盛举，一起让行业枝繁叶茂，把蛋糕真正做大，然后“一荣俱荣”不也挺好吗？

阿里云创始人王坚曾说过：“人工智能有一个非常长的过去，但是有一个非常短的历史。长到什么时候呢？长到其实你可以追溯到一百多年以前。但是短到什么时候呢？短到就是 GPT 的出来。”无论来时路是长是短，是顺畅还是艰辛，如今的AI和大模型都在快速发展的路上，希望它们的未来之路能顺顺利利，一路繁花。