作者：Ben

編輯：王與桐

幾天前,，Hugging Face旗下“明星”開源庫Transformers的Star數(shù)量超過了100,000,。

而且,，Transformers應該是GitHub上最快達成這一里程碑的開源項目,。

毋庸置疑地是，Hugging Face 絕對是這個時代最耀眼的AI公司之一,。

過去一年,，Hugging Face的搜索指數(shù)甚至遠超生成式AI領域的明星公司Stability AI,。

在此之前,，Hugging Face歷史上的高光時刻大抵集中在一年前的2022年年中。

簡單來說,，Hugging Face是一家開源模型庫公司,。

2022年3月14日，推特賬號@BigScienceLLM開始每日更新一個名為BLOOM大模型的訓練進度,。當然,，這個時候公眾對大模型的認知幾乎還不存在。

BLOOM項目由Hugging Face主導,，共有來自全球60多個國家,、200多個各類機構,，總共超過1000名研究人員和工程師參與其中，其中有大量來自微軟,、Meta,、谷歌及其他科技巨頭的員工以個人名義參與。

5月10日,，Hugging Face宣布C輪1億美元融資,，由Lux Capital領投，紅杉資本,、Coatue,、Betaworks、NBA球星Kevin Durant等跟投,，其估值增長到了20億美元,。

5月16日，Hugging Face首次登上了福布斯北美人工智能50強榜單,。

7月2號,，參數(shù)總量達1760億的BLOOM大模型經(jīng)過為期117天的訓練宣告完成，其參數(shù)總量恰好比OpenAI已經(jīng)發(fā)布了近三年的GPT-3多10億,。

當時間來到2022年8月,，在美國科羅拉多州博覽會所舉辦的藝術比賽中，一幅名為《太空歌劇院》的AI生成畫作,，力壓參賽的所有其他人類藝術家,，獲得大賽金獎。

于是在此后,，Midjourney,、Stability AI、OpenAI 等新一代人工智能公司輪番登場,，成為AI大舞臺上聚光燈的焦點。

過去一年來,，Hugging Face沒有再獲得新的融資,，其估值距離超級獨角獸相去甚遠。

今年,，Hugging Face也發(fā)布了對標ChatGPT的開源對話工具HuggingChat,，但淹沒在鋪天蓋地的同類應用中，泯然眾人,。

在Hugging Face身上完全看不到大部分明星創(chuàng)業(yè)公司所經(jīng)歷的跌宕起伏,，仿佛一切都是水到渠成。

隨著業(yè)界對于大模型的關注熱點由夸夸其談,，進入需要弄清來龍去脈的深水區(qū),，Hugging Face存在的價值又開始受到業(yè)內(nèi)密切關注。

Hugging Face保持著一貫以來的低調(diào),，畢竟他們沒有大肆擴張的壓力,，也不需要通過不斷畫餅來吸引資本的關注。

這和公眾認知中,，大模型賽道必然需要無限燒錢以投入海量AI算力的觀點相悖,，在公開報道中，2021年9月 Hugging Face 完成4000萬美元的B輪融資時,，其銀行賬戶上仍然有90%上一輪融到的錢還沒有花,。

事實上很難挖掘到Hugging Face有什么閃光的特質(zhì)，在近期科技播主Harry Stebbings的訪談節(jié)目中,，Hugging Face聯(lián)合創(chuàng)始人兼CEO Clément Delangue謙遜地表示：如果沒有開源,、如果谷歌沒有分享那篇劃時代的《Attention is all you need》論文、沒有分享他們的BERT論文,、沒有分享他們的擴散模型論文,，我們可能還需要再等30、40甚至50年才能達到今天的水平,。

0. 前傳

Transformer：人工智能的范式轉移

在2017年之前,，看到Transformer這個詞，大部分人想到的應該是變形金剛（Transformers）,、汽車人,、孩之寶。

2017年6月,，在谷歌團隊發(fā)表的論文《Attention Is All You Need》中，Transformer第一次出現(xiàn)在人工智能論文中,，如果單純從字面意思來理解的話,，Transformer可以被稱為一種基于注意力的編碼器/解碼器模型,。

時至今日，各種GPT,、各種BERT,、各種羊駝（ LLaMA）占據(jù)著人工智能、大模型,、AIGC秀場的C位,，我們終于再也不會混淆Transformer和Transformers。

2018年,，剛剛誕生一年的Transfomer讓 NLP 發(fā)生了關鍵的范式轉移,，從過去僅初始化模型的第一層，到通過分層表示對整個模型進行預訓練,，Transfomer為人工智能達到今天的高度開辟了一種全新的工作方式,，使信息可以從預先訓練的語言模型轉移到下游任務和應用。

機會總是留給有準備的人,，在人工智能領域更是如此,。

成立于2016年的聊天機器人公司Hugging Face，在這一年悄悄地轉身開始嘗試做些不一樣的事情,，從此,，Hugging Face不再是出現(xiàn)在對話框或塑料袋上的emo，而漸漸成為大模型領域的一種信仰,。

2018年10月,，Hugging Face首席科學家Thomas Wolf花了幾天時間在GitHub上創(chuàng)建了一個名為pytorch-pretrained-BERT的項目，項目的熱度超出了所有人的預期,。

Hugging face并沒有對Transformer模型本身進行改進,，而是將其與一系列衍生模型封裝成了一個全新的“開源產(chǎn)品”，也就是Transformers,，面向研究人員和開發(fā)者,，讓大家能方便的用上Transformer模型

通過開源模型庫，Hugging Face可以為人工智能算法架構和模型庫的不斷迭代提供更多可能性,。事實也在不斷證明,，在多個前沿領域，初創(chuàng)公司更適合以全新的方式為開發(fā)者社區(qū)賦能,，并且,，開源創(chuàng)造的價值極具發(fā)散性，比傳統(tǒng)上開發(fā)私有化工具的效率提升顯著,，價值更是超出多個數(shù)量級,。

機會確實來得很突然，僅僅幾天時間Hugging Face已經(jīng)做好準備開創(chuàng)一條全新的路徑，這也讓其避免了成為眾多Siri仿制品中的一員,。

去年以來,，多數(shù)人傾向于將Hugging Face的成功歸結于偶然性。

但是,，如果一系列的偶然性事件接連發(fā)生,，那一定是有著某種必然的聯(lián)系。

Hugging Face的創(chuàng)始人Clément Delangue在2021年的一次訪談中清晰地表達了這次轉變的底層邏輯：我們現(xiàn)在無須為競爭分心,，而是轉向為開源領域和科研領域同時賦能,。

其實在今天，Hugging Face還并不能算是一家多么偉大的公司,，起碼基于大眾視角和商業(yè)化判斷將會得出這樣的結論,。

但是Hugging Face在機器學習領域的重要性已經(jīng)不需要質(zhì)疑。

截至 2023 年 6 月1日,，Hugging Face 共享了 215,693 個訓練模型,，38,085 個數(shù)據(jù)集，涵蓋 NLP,、語音,、生物學、時間序列,、計算機視覺,、強化學習等幾乎所有領域，搭建了全球范圍最完整的 AI 開發(fā)者生態(tài),。

特別是在當前,，AI2.0靠大模型成功出圈的重要時間節(jié)點，Hugging Face絕對有它難以逾越的不可替代性,。

本文試圖用類似蒙太奇的方式,，從一些碎片化的角度來探討，即使把“天時,、地利,、人和”全部湊齊，也很難再造一個Hugging Face,。

01. AI倫理

什么是負責任的人工智能許可

2023年5月30日,，非營利組織“人工智能安全中心”（Center for AI Safety）在官網(wǎng)發(fā)布一封聯(lián)名公開信，稱AI是堪比“疫情和核戰(zhàn)爭”的技術,，未來或對人類構成生存威脅,。

公開信只有一句話，總共22個單詞：減輕AI（給人類）帶來的滅絕風險應成為全球性的優(yōu)先事項,，與大流行病及核戰(zhàn)爭等其他影響社會的大規(guī)模風險處于同等級別,。

這次,，OpenAI創(chuàng)始人Sam Altman、DeepMind CEO Demis Hassabis和Anthropic CEO Dario Amode等AI明星公司的代表悉數(shù)簽了字,，總共有超過350位AI領域的知名人士簽署了聯(lián)名信,。

名單中也有不少中國學者，包括中國工程院院士張亞勤,，中科院自動化所人工智能倫理與治理研究中心主任曾毅，清華大學副教授詹仙園等人,。

科技大佬們對AI的擔憂不是空穴來風,、也不是嘩眾取寵，而是真的會關系到未來每一個人生活的方方面面,。

兩個月之前,，馬斯克、蘋果聯(lián)創(chuàng)Steve Wozniak,、Stability AI創(chuàng)始人Emad Mostaque等大佬們也曾共同發(fā)表公開信,，呼吁在6個月內(nèi)暫停訓練比GPT-4更強大的人工智能系統(tǒng)。

CNN架構時代的深度學習三巨頭之一Yann LeCun曾經(jīng)表示：在我們做出人類級別的AI之前,，需要先做出貓貓/狗狗級別的AI,。而現(xiàn)在我們甚至連這都做不到。我們?nèi)笔Я耸种匾臇|西,。要知道,，連一只寵物貓都比任何大型語言模型有更多的常識，以及對世界的理解,。

人工智能的倫理問題盡管由來已久,，但是在AI2.0被看作第四次產(chǎn)業(yè)革命核心的背景下，為社會治理和道德規(guī)范帶來了完全無法預知的挑戰(zhàn),。

大模型直指AGI（通用人工智能）,，當AI擁有了泛化的能力，也就意味著它手握一把雙刃劍,，因此讓全世界開始警惕其可能帶來的巨大社會風險,。

AI倫理絕不是玄學，越來越多的用戶信任Hugging Face,，將模型放在Hugging Face開源也絕不是偶然,，在倫理層面高度認同的共同體。

天時,、地利固然都重要,，但人和（姑且把人和理解為AI倫理）才是AI通向更高層次關鍵。

對于Hugging Face而言,，注重AI倫理已經(jīng)融入其基因,。

其訓練大模型BLOOM的BigScience 項目從一開始就將倫理納入考量，并嚴格制定了專屬的倫理指導原則。因為大模型使用來自互聯(lián)網(wǎng)的數(shù)據(jù)集進行訓練,，而這些數(shù)據(jù)集既包含了大量個人信息,，又經(jīng)常展現(xiàn)出危險的偏見。

Hugging Face 的人工智能倫理學家Giada Pistilli起草了BLOOM的倫理準則,，作為模型開發(fā)訓練的基本原則,。準則強調(diào)了諸如從不同的背景和地點招募志愿者、確保普通人能夠輕松地重現(xiàn)該項目的研究結果,、還有公開公布其研究結果等細節(jié),。

同時，Hugging Face還公布了“負責任的人工智能許可”這一全新概念,，作為使用BLOOM的服務條款協(xié)議,，該許可的目的是防止執(zhí)法或衛(wèi)生保健等高風險部門使用其技術傷害、欺騙,、剝削或冒充公眾,。

將時間軸前移，2021年,，谷歌AI倫理團隊所發(fā)生的巨大變動或許可以被認為是影響未來AI格局的一條分水嶺,。

2021年8月，谷歌倫理AI（Ethical AI）人工智能倫理研究小組前負責人Margaret Mitchell加入了Hugging Face,，幫助其開發(fā)確保其算法公平的工具,。

此前，Margaret Mitchell經(jīng)過四年的努力組織和招募員工,，從無到有建立了谷歌 AI 倫理團隊,，并為谷歌AI在全球范圍樹立了良好的道德形象。

Margaret Mitchell花費數(shù)年時間樹立的“不作惡”（Don’t be evil）形象,，也一直是 Google AI倫理準則的重要組成部分,，在Margaret Mitchell之后的一段時間，這個口號對于谷歌 AI 更具諷刺意味,。

Margaret Mitchell在加入Hugging Face之后,，依然將“不作惡”的 AI倫理準則一直貫徹到底。

對于在Hugging Face的感受,，Margaret Mitchell說：“這里已經(jīng)有很多基本的道德價值觀,。很明顯，我不必強行插手或改進倫理流程,?！?/p>

事實上，在涉及與人工智能倫理相關的一系列問題上,，Hugging Face始終保持著嚴謹?shù)膽B(tài)度,，作為一個開源模型庫,，希望與開發(fā)者和用戶達成在 AI倫理方面的共識。

從Hugging Face持續(xù)更新的 AI 倫理簡報中,，能夠清晰地看到Hugging Face開發(fā) AI 倫理相關工具和保障措施的脈絡,，并以此確保開源科學能夠賦予個人權力，不斷將潛在危害最小化,。

無論未來AI能否改變世界,、或將以什么形式、什么程度改變世界,，大模型已經(jīng)是無法逆轉的現(xiàn)實,。它可以是將第四次工業(yè)革命推向高潮的生產(chǎn)力工具，也不排除會成為阻礙人類繼續(xù)進步的絆腳石,。

如果沒有基于專業(yè)知識構建的AI倫理道德約束，很有可能無法避免將來會出現(xiàn)巨大的反噬,。人類必須未雨綢繆,，提前做好最周密的布局以抵御這場颶風。

過去幾年間,，全球范圍內(nèi)已經(jīng)發(fā)布了100多項人工智能倫理治理相關文件,，各國政府、國際組織,、學術界和產(chǎn)業(yè)界四方力量高度關注人工智能倫理治理問題,。

近年來，我國接連發(fā)布了《新一代人工智能治理原則》《新一代人工智能倫理規(guī)范》等政策文件,，其中明確提出八項原則,，強調(diào)將倫理道德融入人工智能全生命周期。

但是,，對于大模型和人工智能的規(guī)范不能只停留在政策層面,，由于大模型特別擅長模仿真實的人類語言，所以也更容易被用來欺騙人類,。

從人類用人工智能欺騙人類,，到人工智能主動欺騙人類或許僅隔著一層紙。

人類必須找到完美的技術手段來駕馭它,。

02. 非商業(yè)

不高估短線,、不低估長線

從長線來看，Hugging Face在人工智能領域的地位很可能像瑞士一樣穩(wěn)固,。

中立的瑞士靠堅固的保險柜在大國之間游刃有余,。

而Hugging Face則是依靠開放，徹底地開源,，甚至找不到任何與Hugging Face對標的競爭對手,。

未來,，在替股東們賺夠錢之后，OpenAI也有機會成為公益性機構,。

但現(xiàn)在,，全球獨角獸中可能只有Hugging Face脫離了“低級趣味”。

Hugging Face不但免費,，還能幫用戶省錢,。

Hugging Face解決了很多人工智能公司的核心痛點，就是降低了搭建比算法團隊還要龐大的工程團隊難度,，換句話說就是承擔了大部分臟活和累活,，所以受到了大部分算法專家的歡迎。

Hugging Face在改變世界,，在改變世界的過程中并不一定會實現(xiàn)傳統(tǒng)意義上的商業(yè)價值,。

所以，Hugging Face很可能不適用于過往的投資邏輯,。

再考慮到科技領域大概率會發(fā)生類似云原生的“AI原生”時代,，所以在未來，來自工業(yè)時代,、互聯(lián)網(wǎng)時代,、移動互聯(lián)網(wǎng)時代的很多商業(yè)邏輯都可能將面臨挑戰(zhàn)。

對此,，紅杉的合伙人 Pat Grady 也曾表示：Hugging Face優(yōu)先考慮的是應用,，而不是變現(xiàn)，我認為這是正確的做法,。他們看到了 Transformer 模型在 NLP 之外的應用方式,，看到了成為 GitHub 的機會，這不僅是面向 NLP,，而且會延伸到機器學習的每個領域,。

AI的商業(yè)化進程并不簡單，上一波以CV,、CNN為代表的AI1.0就沒有找到更好的突破口,，至今還在自動駕駛的泥沼中苦苦掙扎。盡管邏輯合情合理,、盡管從一開始就能讓市場看到具體的未來,，但時間軸卻不在任何人的掌控中。

大模型很可能會遇到同樣難以真正商業(yè)化落地的問題,。

5月4日,，微軟官方宣布Bing聊天機器人全面開放給所有用戶，用戶不再需要加入候補名單,，只需要登錄微軟賬戶,，然后打開Bing或Edge瀏覽器,，就可以直接體驗New Bing。

在外界看來,，微軟將ChatGPT的能力集成到Bing中,，讓GPT-4帶給用戶更強大的生成式搜索體驗，無疑是打向搜索巨頭谷歌的一記重拳,，也必將顛覆過去20年其一家獨大的市場局面,。

但由目前全球搜索市場份額的變化來看，卻出乎了所有人的意料,。根據(jù)數(shù)據(jù)服務商StatCounter新近提供的數(shù)據(jù)顯示,，微軟Bing的臺式電腦桌面搜索市場份額為7.1%，甚至低于去年10月OpenAI尚未發(fā)布ChatGPT時Bing 9.9%的歷史高點,。

相比之下,，谷歌搜索在桌面市場的份額達到了86.7%，較去年10月提升了近3個百分點,。如果再把樣本范圍擴大到包含各種移動設備后,，數(shù)據(jù)對微軟更加不利，Bing的整體市場份額僅為2.8%,，而谷歌的市占率依然達92.6%，還是占據(jù)著搜索市場絕對的優(yōu)勢地位,。

盡管被寄予厚望,，但判斷人工智能的iPhone時刻是否已經(jīng)來臨大抵還為時尚早。

起碼在短期內(nèi)大模型很可能是被高估了,。

大模型很可能真的要先成為下一代計算平臺的OS（操作系統(tǒng)）,，才能引發(fā)切實的量變。

或許因為ChatGPT的多輪對話邏輯并不適合替代搜索,，而且用大模型來重寫所有軟件的邏輯也并不可靠,。

過去二十多年已經(jīng)形成的肌肉記憶明顯對人工智能的現(xiàn)有能力并不友好。

況且考慮到基于大模型的應用尚且居高不下的算力成本最終還將轉嫁給終端用戶,，其商業(yè)前景就更加存疑,。

在這樣的背景下，Hugging Face“現(xiàn)金為王”的非商業(yè)化策略更顯得難能可貴,。

在Clément Delangue看來,， Hugging Face的商業(yè)模式比絕大部分人工智能公司簡單得多，他介紹：Hugging Face首先是一個平臺,，因此積累了比較大的用戶量,，和大部分開源服務商類似，采用了免費模式的模式以期快速增長,，不管是個人開發(fā)者還是公司都可以免費使用平臺的大部分服務,，截至2022年已經(jīng)有超過15,000家公司用戶,。

其中有20%，也就是差不多3,000家公司在使用Hugging Face的付費服務,，其中包括了像英特爾,、高通、輝瑞,、Meta,、Bloomberg、Grammerly等不同領域的知名公司,，Hugging Face為這些付費用戶提供了各種高級功能,。

在C輪1億美元融資之后，Hugging Face才少量開放了一些崗位,，團隊從之前一年的30人擴大到130人,，從公司人數(shù)來看，確實比Midjourney要多不少,，但還是遠遠低于其他獨角獸公司,。

Hugging Face的招聘方式也和其他公司方式不太一樣，甚至不去設置特定的崗位名稱和崗位職責,，在其看來一個開源平臺更需要和公司文化相符合,，能夠擴大公司價值的人。

Clément Delangue也曾公開表示：Hugging Face 的目標是通過工具和開發(fā)者社區(qū),，讓更多的人使用自然語言處理工具,，達成他們的創(chuàng)新目標，讓自然語言處理技術更容易使用和訪問,。

他還補充說：沒有任何一家公司,，包括科技巨頭，能夠獨自“解決 AI 問題”,，而我們實現(xiàn)這一目標的唯一途徑,，是通過以社區(qū)為中心的方式，分享知識和資源,。

正如Clément Delangue所說,，如果谷歌沒有分享《Attention is all you need》,，可能還需要再等50年人工智能才能達到今天的水平。Hugging Face讓全球最懂NLP,、最懂ML的人能夠無障礙的一起工作,，這在純商業(yè)化的公司架構下是永遠無法達到的。

即使目前大模型處在被高估的狀態(tài),，但AI一定代表著未來。

根據(jù) Straits Research 測算,，2021 年全球 NLP 市場規(guī)模為 135 億美元，預計到 2030 年擴大至 910 億美元,，CAGR 為 27%。與此同時,，ML 市場預計在 2030 年達到 2,099 億美元。

據(jù)彭博行業(yè)研究報告顯示：到2032年,，生成式AI市場的營業(yè)收入將是2022年收入的32.5倍,，ChatGPT將帶來生成式AI十年繁榮,，2032年市場規(guī)模1.3萬億美元,。亞馬遜,、谷歌母公司Alphabet,、英偉達和微軟都可能是AI繁榮年代的大贏家,。

只是對于Hugging Face而言,，無法從市場占比簡單判斷其規(guī)模上限，但是沒有Hugging Face,，所有與NLP、ML相關的研發(fā)可能都會延期。

03. 朋友圈

中國是否需要,、能否出現(xiàn)Hugging Face

在一些關于Hugging Face券商研報性質(zhì)的分析中,，總會為其生硬的匹配一些莫名其妙的競爭對手。

其中通常會包括OpenAI,、DataRobot,、甚至北美的幾大云廠商。

搬出這些公司或許可以抬高Hugging Face的身價,，但事實上,，Hugging Face不但沒有明確的對標存在，也沒有真正意義上的競爭對手,。

放眼與AI有關的圈子,，目光所及似乎都是Hugging Face的朋友圈。

而且有趣的是,，不但投資Hugging Face的機構陣容豪華,，包括了：Lux Capital、紅杉資本,、Addition,、Coatue、Betaworks,、A.capital,、SV angel。

其背后的個人投資者,，幾乎全是北美科技公司的大佬：有OpenAI 聯(lián)合創(chuàng)始人兼CTO Greg Brockman,、Salesforce首席科學家Richard Socher、MongoDB CEO Dev Ittycheria,、Dataiku CEO Florian Douetteau,、Datadog CEO Olivier Pomel、Kong CEO Augusto Marietti,。

當然,，還有連投多輪的NBA球星Kevin Durant，據(jù)說Clément Delangue作為一個不看美國籃球的法國人,，在和Kevin Durant見面時,，完全不知道他在球場的光環(huán),。

在機器學習（ML）這么一個日新月異的細分賽道上,，作為一家初創(chuàng)公司，要去和那些行業(yè)巨頭,、以及科學界,、開源界的行業(yè)大佬們競爭不但非常難，而且壓力可能來自方方面面。

科技巨頭或者幾大名校在北美就有上百個人工智能研究中心,，雖然不同的個實驗室可能或有不同的側重點,，但每一家都在不斷新陳代謝。

創(chuàng)業(yè)公司盲目競爭或許可以在一段時間,、一定范圍內(nèi)超越對手,，但人工智能的迭代速度太快了，任何單點的突破都可能快速被趕超,。

Clément Delangue說：所以,，我們現(xiàn)在不再試圖競爭，轉而選擇為開源界和科學界賦能,。 通過開源模型,，可以為架構和數(shù)據(jù)庫的改進提供靈感。Elastic和MongoDB就是很好的例子,，它們的事跡表明，初創(chuàng)公司可以通過某種方式為社區(qū)賦能,，此種方法產(chǎn)生的價值比通過搭建一個專有工具產(chǎn)生的價值高出上千倍,。

當然也不排除OpenAI這類大力出奇跡的特例,，但是訓練和運行ChatGPT所需要的鈔能力實在讓其他公司望塵莫及,。

即使有微軟這樣贊助百億美元級別的金主全力支持,，OpenAI還是在不斷補血。4月29日據(jù)北美某科技媒體披露,，大語言模型ChatGPT開發(fā)商OpenAI近日又獲得新一筆總額超過3億美元的融資,，公司估值已超270億美元。

而Hugging Face則不太擔心成本等方面的壓力,，今年初,，亞馬遜云科技宣布與Hugging Face進一步合作。

亞馬遜云科技首席執(zhí)行官Adam Selipsky表示：生成式AI潛力巨大,，但成本和專業(yè)性讓大部分公司望而卻步,。Hugging Face和亞馬遜云科技的合作旨在幫助用戶以最高的性能和最低的成本創(chuàng)建自己的生成式AI應用。

當然,，在如此前沿的賽道,，用錢能解決的當然都不是大問題,，于是在知乎,，不出所料地一定會有這樣一個老生常談的爭論主題,，也是有關Hugging Face在知乎熱度最高的話題“為什么中國沒有Hugging Face”。

并且,，還會帶入一個固定考量：目前來看,，這種單靠開源模型庫的公司如何商業(yè)化,，護城河在哪里？

這樣泛化的靈魂問題其實很難回答，于是,，評論風頭開始轉向，比如：

• 物質(zhì)是精神的基礎,，如果被房價,、房租,、以及996束縛,，是不可能有精力去搞開源的,?；钕氯ゲ抛钪匾?；
• 國外的版權意識濃厚，公司更樂意花錢請開源公司服務,；而國內(nèi)公司更傾向于花錢招人研究,；
• 國內(nèi)的AI產(chǎn)業(yè)還處于資本原始積累階段,，對于小公司而言，向同行騙資料,、騙技術,，為了活下去，什么都可以做,。

在AI2.0時代,，不再是什么技術都可以Copy2China，通過簡單調(diào)整,，就可以憑借巨大的人口紅利,，實現(xiàn)建立在二次“創(chuàng)新”基礎上的雙贏。

開源已經(jīng)成為一道分水嶺,，如果養(yǎng)成了拿來就用的習慣,、而不想貢獻，當然也就掌握不了核心競爭力,。

同樣,，在開源世界不能押注于確定性，如果依靠過往刻板的成見,，可能永遠也無法理解Hugging Face,。

Clément Delangue認為：初創(chuàng)公司可以通過某種方式為開放的社區(qū)賦能，此種方法產(chǎn)生的價值,，比通過搭建一個專有工具,，產(chǎn)生的價值高出上千倍。

這也對應著人工智能時代的商業(yè)邏輯,，當大模型的復雜程度越來越高,，管理和部署模型的成本也越來越不可控。Hugging Face 的開源模型庫不但可以幫為開發(fā)者和公司縮短研發(fā)周期,，還可以為其優(yōu)化高達千萬美元的計算資源,。

Clément Delangue說：公司不需要從創(chuàng)造的價值中獲取 100% 的紅利，只需將其中 1% 的價值變現(xiàn),，但即便只是 1%,，也足夠讓你成為一家高市值的公司。

04. & so on

綠色清潔的AI將是長期話題

這半年來,，科技領域的公眾人物們都在不停展望著五年,、十年之后大模型帶來摧枯拉朽的變革。

• 李彥宏說：十年后,，全世界50%的工作,，都會是提示詞工程師,。
• 但是,，Sam Altman說：5年內(nèi)，我們就不太會需要提示詞工程師,。因為隨著AI的進化,，就能理解人類的自然語言，可以跟人正常交流,，不需要專門寫提示詞,。
• 周鴻祎則表示：在三到五年里，各種行業(yè)都要被GPT重塑一遍,，所以現(xiàn)在是誰不擁抱人工智能,，誰就要被淘汰。

但其實初代iPhone發(fā)布后的幾年內(nèi),，智能終端上最醒目的應用無非是憤怒的小鳥,、捕魚達人、水果忍者等等這些,。

與其鼓吹所謂iPhone時刻之于大模型,，不如更多對比關注iPhone出現(xiàn)之前多點觸控、二維碼之類的變遷,，可能更容易發(fā)現(xiàn)機會,。

在Clément Delangue看來，機器學習正在取代軟件成為構建技術的新方式,，過去,，采用傳統(tǒng)軟件架構和編程方法可能需要編寫上百萬行代碼，但機器學習完全不需要這樣做,，而且效果更好,、速度更快。

大模型,、人工智能必將是一場持久戰(zhàn),，相比于口水仗、預言和批評,，業(yè)界應該更多關注些實際問題,，否則這場消耗戰(zhàn)耗費的算力資源恐怕至少堪比挖礦,。

BLOOM的訓練過程在法國超算Jean Zay上完成，全程使用了384塊80GB內(nèi)存版本的A100 GPU,。

在BLOOM訓練時Hugging Face發(fā)表了一篇題為《估算 1760 億參數(shù)語言模型 BLOOM 的碳足跡》（Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model）的論文,，并且對外公布了一種全新的方法，來精確計算訓練模型所產(chǎn)生的碳排放量,，該方法可以覆蓋模型的整個生命周期,，而不僅僅是訓練期間。

訓練大模型無疑會消耗大量能源,，比如據(jù)公開報道,，訓練一個BERT模型大約會產(chǎn)生1,438磅二氧化碳，相當于從紐約到舊金山之間的一次往返航班所產(chǎn)生的碳排放量,。

BLOOM的訓練吞吐量約為150 TFLOP,，使用的超算由低碳的核能提供動力，所產(chǎn)生的熱量被循環(huán)利用給學校供暖,。

正如在AI倫理方面的嚴謹,，Hugging Face在ESG方面所承擔的責任更讓人相信這是一家靠譜的人工智能公司。

對于未來,，Clément Delangue也不甚明了,，他說：我們意識到計算資源越多，并不一定足以解決問題,，導致回報開始下降,。如果投資者跟進，并不意味著他們都會成功,，但這是一種有趣的風險,，我非常期待看到這些公司將來能創(chuàng)造出什么。