題：新物種？新風(fēng)口,？2023年人工智能發(fā)展到哪一步了,？

作者：郭興華，中國經(jīng)濟(jì)信息社區(qū)塊鏈首席分析師

新華財(cái)經(jīng)北京12月29日電 2022年11月底ChatGPT-3.5版本上線后,，AI發(fā)展進(jìn)入全新紀(jì)元。越來越多的資源投入多模態(tài)大模型的開發(fā)之中,，百行千業(yè)將面臨AI帶來的全面沖擊與變革,，而AI本身的演化也在過去的一年，以日新月異的速度讓人目不暇接,。

目前多模態(tài)AI可以閱讀文本,、圖片、視頻,，與人類無障礙交流,；可以根據(jù)圖片內(nèi)容提供設(shè)備故障維修建議；可以解讀冷笑話的笑點(diǎn),；新一代敏捷機(jī)器人可以手握雞蛋翻轉(zhuǎn)跳躍,。人工智能迅速破圈,，不僅讓眾多職場(chǎng)人感到了“失業(yè)危機(jī)”,，甚至程序員也深感“將來替代你的不是AI，而是會(huì)使用AI的人”,。

被理解與被超越,，“能力恐慌”之外，AI還帶來了“生存恐慌”,。OpenAI創(chuàng)始人之一兼首席科學(xué)家Ilya,、Grok和SpaceX的老板馬斯克以及眾多AI領(lǐng)域頂級(jí)科學(xué)家都認(rèn)為，AI發(fā)展強(qiáng)大后可能會(huì)威脅人類的生存,。目前四大頭部平臺(tái)ChatGPT,、Bard、Claude和Grok發(fā)展迅猛并競(jìng)爭(zhēng)激烈,。國內(nèi)四大通用平臺(tái)豆包,、文心一言、通義千問和騰訊混元的性能也逐漸追了上來,。

Gemini Ultra 和GPT-4 Turbo的多模態(tài)融合更為強(qiáng)大

谷歌CEO Pichai認(rèn)為,，目前正在進(jìn)行的AI變革，其影響程度將遠(yuǎn)遠(yuǎn)超過移動(dòng)互聯(lián)網(wǎng)或者更早的互聯(lián)網(wǎng),。根據(jù)谷歌官方報(bào)告披露,，Bard支持模型升級(jí)為Gemini，其采用了全新的底層架構(gòu),，相較于ChatGPT采用的通用型Transformer架構(gòu),，Gemini基于多模態(tài)數(shù)據(jù)處理搭建了全新的架構(gòu)，這意味著它是AI多模態(tài)大模型的原生架構(gòu),，可以更好地理解,、操作與結(jié)合不同類型的信息，包括文本、代碼,、音頻,、圖像和視頻。從技術(shù)指標(biāo)上來看,，Gemini在絕大多數(shù)領(lǐng)域的表現(xiàn)均優(yōu)于GPT-4,；從實(shí)際使用感受上來看，Bard在多數(shù)情景下的交互結(jié)果確實(shí)更加優(yōu)秀,。

Gemini開創(chuàng)了AI多模態(tài)原生的概念,。在此之前,，正如OpenAI的報(bào)告中提到的,，Transformer是一個(gè)便于擴(kuò)大規(guī)模的模塊，能夠用于生成大型數(shù)據(jù)訓(xùn)練模型,。因此同類模型,，大多需要訓(xùn)練不同模態(tài)的單獨(dú)組件，然后將它們組合在一起,，大致模仿多模態(tài)下的AI的某些功能,。因此，這些非多模態(tài)原生的模型在某些任務(wù)方面（單一模態(tài),，比如文字）表現(xiàn)良好,，但在綜合概念性和復(fù)雜的多模態(tài)推理上則難以應(yīng)對(duì)。補(bǔ)充一點(diǎn),，Transformer也是谷歌團(tuán)隊(duì)率先研發(fā)的神經(jīng)網(wǎng)絡(luò)模型,。目前谷歌迎頭趕上，有可能會(huì)促使GPT-5更快面向公眾開放,。

AI編程能力不斷提高,，開發(fā)者增值業(yè)務(wù)不斷被顛覆。從OpenAI開發(fā)者大會(huì)之后的初創(chuàng)公司反饋來看,，大量基于大模型的API進(jìn)行低代碼量開發(fā)的應(yīng)用,，基本被淘汰掉了。畢竟通過自然語言提需求,，程序就已經(jīng)寫好了,。通過AI賦能降低傳統(tǒng)IT公司代碼交付成本的業(yè)務(wù)，很可能在AI一輪一輪的升級(jí)過程中逐步退出市場(chǎng),。目前AI可以理解,、解釋并生成世界上最受歡迎的編程語言（如Python、Java,、C++和Go）中的高質(zhì)量代碼,，并且具備跨語言工作并理解復(fù)雜信息的能力。谷歌在報(bào)告中估計(jì)，基于Gemini 的代碼生成系統(tǒng) AlphaCode 2,，還擅長(zhǎng)解決競(jìng)爭(zhēng)性編程問題,，包括涉及復(fù)雜數(shù)學(xué)和理論計(jì)算機(jī)科學(xué)的問題，甚至在編程競(jìng)賽中的表現(xiàn)優(yōu)于 85% 的競(jìng)賽參與者,，甚至有專家估計(jì)AI能達(dá)到Top0.2%的水平,。

國內(nèi)頭部互聯(lián)網(wǎng)平臺(tái)也紛紛推出多模態(tài)大模型底座，迎頭追趕先進(jìn)水平

受制于AI算力芯片的制約,，國內(nèi)多模態(tài)大模型的發(fā)展暫時(shí)落后于美國,。盡管困難重重，2023年我國人工智能領(lǐng)域的成果也依然讓人目不暇接,。2023年6月16日,，我國首個(gè)AI框架聯(lián)合倡議在上海人工智能框架生態(tài)峰會(huì)上發(fā)布，這標(biāo)志著國內(nèi)企業(yè)和科研機(jī)構(gòu)正在聯(lián)合突圍,，打造中國的原生AI底層架構(gòu),，其重要性堪比AI領(lǐng)域的操作系統(tǒng)。

12月22日,，百度文心一言,、騰訊混元大模型、阿里云通義千問,、360智腦四款國產(chǎn)大模型首批通過官方評(píng)測(cè),，通用性、智能性等維度達(dá)到國家相關(guān)標(biāo)準(zhǔn),?！按竽Ｐ蜆?biāo)準(zhǔn)符合性評(píng)測(cè)”由工信部中國電子技術(shù)標(biāo)準(zhǔn)化研究院發(fā)起，為國內(nèi)首個(gè)官方評(píng)測(cè)標(biāo)準(zhǔn),。從底層架構(gòu)出發(fā),，以客觀標(biāo)準(zhǔn)為引，我國大模型已經(jīng)涵蓋文本,、語音,、圖像、視覺等多模態(tài)領(lǐng)域,，并圍繞通用性,、智能性、安全性等維度立體展開,。

豆包是基于字節(jié)跳動(dòng)的云雀模型開發(fā)的人工智能,，底層也是基于Transformer結(jié)構(gòu)的語言模型。豆包具有良好的訪問便利性,，是一款免費(fèi)向公眾開放,，且整合了文本,、圖片和拓展功能的AI工具。通過官方評(píng)測(cè)的首批大模型中,，阿里云通義千問是唯一的開源模型,，其性能表現(xiàn)及安全性得到了大范圍的公開檢驗(yàn)。12月1日開源后,，通義千問在海外權(quán)威排行榜HuggingFace上,，超越Meta公司的開源大模型Llama2問鼎榜首，成為業(yè)界公認(rèn)的性能強(qiáng)大的開源大模型,。

百度文心一言是中國市場(chǎng)第一個(gè)公開發(fā)布的ChatGPT競(jìng)品,，其基礎(chǔ)模型目前已經(jīng)迭代到文心大模型4.0版本。騰訊混元大模型在商業(yè)模式上進(jìn)行了探索,，面向B端發(fā)布了一系列行業(yè)基礎(chǔ)大模型,，客戶只要加入自己的場(chǎng)景數(shù)據(jù)，就可以生成契合自身業(yè)務(wù)需要的專屬模型,，目前涵蓋了金融,、政府,、文旅,、傳媒、教育等,?！?60智腦”在安全方面具有優(yōu)勢(shì)，原生安全是其特色,。

在顛覆中被“顛覆”,，AI商業(yè)變現(xiàn)三條路徑

人工智能版本迭代太快，各路商業(yè)私服也在“需求爆滿”和“門可羅雀”的跌宕起伏中度過了漫長(zhǎng)的2023年,。我們梳理了三條主要賽道,，以幫助對(duì)未來的AI商業(yè)賦能路徑有更清晰的認(rèn)識(shí)，它們是語言模型外圍應(yīng)用,、圖像視頻生成和多媒體內(nèi)容造假,。關(guān)于最后一條賽道，盡管充滿了法律和倫理道德的風(fēng)險(xiǎn)和爭(zhēng)議,，然而卻是技術(shù)和市場(chǎng)關(guān)注的重點(diǎn)之一,。我國對(duì)電信詐騙的打擊取得了卓有成效的戰(zhàn)果，然而AI對(duì)于光影,、音頻和面部細(xì)節(jié)的仿真已經(jīng)到了專業(yè)人員難分真假的地步,，這對(duì)于整個(gè)社會(huì)體系的正常運(yùn)轉(zhuǎn)都會(huì)是一項(xiàng)巨大的挑戰(zhàn)，值得警惕,。

回顧2023年波瀾壯闊的AI創(chuàng)業(yè)大潮,。首先,，圍繞GPT做AI插件的公司估值大漲，本質(zhì)就是在大模型的加持下,，拓展應(yīng)用范圍和進(jìn)行本地化的部署,，并打包成具有市場(chǎng)價(jià)值的軟件產(chǎn)品。其中比較核心的技術(shù)就是向量數(shù)據(jù)庫和與之相關(guān)的檢索AI增強(qiáng),。各種企業(yè)內(nèi)部大量非結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)如何利用和盤活一直是個(gè)行業(yè)難題,，在LLM大模型的聚合框架下，可以為非結(jié)構(gòu)化數(shù)據(jù)創(chuàng)建和索引向量字段,，并構(gòu)建支持快速近似最近鄰查詢的向量索引,，為這些數(shù)據(jù)提供了先進(jìn)的語義搜索和檢索增強(qiáng)功能。在AI的加持下,，經(jīng)過一定量的開發(fā)工作,，可以為用戶構(gòu)架本地向量數(shù)據(jù)庫，盤活非結(jié)構(gòu)化數(shù)據(jù),，并對(duì)用戶內(nèi)部查詢結(jié)果進(jìn)行預(yù)處理,，并提供更精確和高效的搜索結(jié)果。

檢索增強(qiáng)（RAG）技術(shù)解決了GPT針對(duì)特定領(lǐng)域知識(shí)庫不全的問題,。在大模型進(jìn)行商業(yè)化本地部署的時(shí)候,，彌合大模型的常識(shí)與客戶背景知識(shí)之間的差距非常重要，RAG因此被視為對(duì)向量數(shù)據(jù)庫的重要突破,?？蛻舻男枨笕绻且坏揽碱}，AI就是能力超強(qiáng)的學(xué)生,，RAG的部署將原本的閉卷考試變成了開卷考試,。類似的商業(yè)場(chǎng)景包括，語義搜索,、問題回答,、商品推薦，甚至無需直接提供私有數(shù)據(jù)給大模型,，就可以被AI賦能,。

其次，商業(yè)插畫,、PPT設(shè)計(jì)和圖像轉(zhuǎn)視頻等領(lǐng)域,。AI繪畫無論在畫質(zhì)還是對(duì)細(xì)節(jié)的把控上都已經(jīng)逼近或者超越了人類的極限。Midjourney,、Stable Diffusion和DALL·E在升級(jí)優(yōu)化中,，各項(xiàng)能力你追我趕。作為免費(fèi)開源和插件眾多的Stable Diffusion,，是創(chuàng)業(yè)公司打造爆款應(yīng)用的首選,。2023年爆火的“妙鴨相機(jī)”就是基于證件照底板參數(shù),，用戶進(jìn)行微調(diào)打造屬于用戶個(gè)性化最美證件照的APP，一度引發(fā)眾多用戶排隊(duì)支付9.9元生成美美的證件照,。

最后,，造假。目前的專業(yè)化AI工具,，可以根據(jù)少量音頻,、視頻和照片的學(xué)習(xí)，生成以假亂真的聲音,、圖片和視頻,，甚至可以調(diào)整仿真人物的面部表情和嘴型，來達(dá)到匹配語音的程度,。當(dāng)前充斥網(wǎng)絡(luò)的名人搞笑視頻,，大多都是使用這種技術(shù)制作的。比如：So-vits可以根據(jù)某個(gè)人的音頻資料生成專屬模型來模仿這個(gè)人的聲音,，2023年爆火的孫燕姿AI翻唱各種歌曲就是用它做的,。Sad-talker可以將一張人物照片和某段音頻進(jìn)行匹配，讓人物開口說話,。Video-retalking可以將一段人物說話的視頻與指定的音頻進(jìn)行匹配,，改變?cè)曨l的講話內(nèi)容，合成效果更自然,。HeyGen整合了各種造假技術(shù),，更容易生成一段虛假視頻,。這些騙人的技術(shù)確實(shí)會(huì)給社會(huì)帶來危害,，但是用在合法合規(guī)的影視和廣告領(lǐng)域，也許會(huì)開創(chuàng)一片商業(yè)藍(lán)海,。

在顛覆中被顛覆,，核心數(shù)據(jù)和數(shù)據(jù)更新能力才是王道。年初估值飆升的向量數(shù)據(jù)庫公司和檢索增強(qiáng)企業(yè),，在OpenAI公司推出GPT內(nèi)置向量數(shù)據(jù)庫和內(nèi)置檢索增加插件之后,，GPT Agents和GPTS直接將GPT生態(tài)圈的估值全面歸零。市場(chǎng)就是這么殘酷,，不是你不明白,，而是AI升級(jí)太快。在可以預(yù)期的GPT-5和Gemini的后續(xù)版本中,，AI已經(jīng)升級(jí)為超級(jí)智能體,，一旦某條商業(yè)路徑被初創(chuàng)公司走通，經(jīng)過AI迭代模仿的升級(jí)版馬上就會(huì)出現(xiàn),。展望未來,，純技術(shù)之路的商業(yè)價(jià)值保質(zhì)期將越來越短,，而技術(shù)與原生數(shù)據(jù)、知識(shí)庫和專利庫相結(jié)合的細(xì)分領(lǐng)域優(yōu)質(zhì)項(xiàng)目將會(huì)體現(xiàn)出更強(qiáng)大的生命力,。

編輯：王春霞

聲明：新華財(cái)經(jīng)為新華社承建的國家金融信息平臺(tái),。任何情況下，本平臺(tái)所發(fā)布的信息均不構(gòu)成投資建議,。如有問題,，請(qǐng)聯(lián)系客服：400-6123115