智譜AI CEO張鵬,。受訪者供圖“讓機器像人一樣思考,?！边M入位于搜狐網(wǎng)絡大廈的智譜AI（人工智能）辦公區(qū)域,，公司愿景映入眼簾。隨著ChatGPT,、Sora相繼問世,，智譜公司也在這波人工智能大模型浪潮中更為忙碌,，調(diào)研、合作接踵而至,?！皠?chuàng)業(yè)像用百米的速度跑馬拉松?！眲?chuàng)業(yè)的快節(jié)奏讓張鵬團隊不斷拓展邊界,，跨出舒適圈。這正是眾多風口創(chuàng)業(yè)者的常態(tài),。坐落在北京中關村的搜狐網(wǎng)絡大廈,，見證著中國互聯(lián)網(wǎng)行業(yè)騰飛，助力一批又一批明星企業(yè)成長,。如今,，再度站在風口，吸引眾多人工智能創(chuàng)業(yè)企業(yè)入駐,。張鵬與人工智能的緣分追溯至1998年,，當時互聯(lián)網(wǎng)行業(yè)在中國萌發(fā)，計算機尚未普及,。彼時,，張鵬填報了清華大學計算機專業(yè)，也逐漸打開人工智能世界的大門,。張鵬在清華園浸潤二十多年后,，開啟創(chuàng)業(yè)，“從研究到產(chǎn)業(yè)落地需要一定時間過渡,，在這樣的歷史浪潮中,，產(chǎn)生了科技成果向社會轉化的契機，我們應該厚積薄發(fā),?！薄坝萌斯ぶ悄芗夹g譜寫未來的華章,。”這是智譜公司名稱的由來,，張鵬團隊創(chuàng)業(yè)之初便試圖解局——如何將研究到實踐落地的過程縮短,，或者親自下場產(chǎn)生更大價值。目前,，智譜AI專注于人工智能大模型研發(fā)與商業(yè)化落地,。近日，針對Sora技術難點,、行業(yè)發(fā)展趨勢以及公司商業(yè)化進展等問題,，新京報貝殼財經(jīng)記者專訪了智譜AI CEO張鵬。談迭代Sora領跑,，生成視頻連續(xù)性更好,、邏輯性更強貝殼財經(jīng)：初次看到Sora生成的視頻時感受如何？張鵬：OpenAI近期發(fā)布了視頻生成模型Sora,，能夠生成一分鐘的高精度視頻,。更重要的是，讓大家看到也許這是構建物理世界通用模型的可能路徑,。這確實是非常不錯的進展,，文生視頻研發(fā)有段時間了，之前可能只實現(xiàn)幾秒,，或者分辨率不高,，或者是生成的畫面有閃爍、跳幀,、前后不一致的情況,，從去年下半年開始進展還比較明顯。Sora主要的優(yōu)點是生成視頻的連續(xù)性更好,、分辨率更高,、邏輯性更強，本質(zhì)上解決了一些關鍵性的問題,，對文生視頻的理解和了解更深入,、廣泛。貝殼財經(jīng)：文生視頻的技術難點在哪,，Sora的技術具有哪些突破性,？張鵬：Sora的主要技術思路是用視覺塊編碼（Visual Patch）的方式，把不同格式的視頻進行統(tǒng)一編碼,，然后用Transformer（變換器）架構進行訓練,，并引入類似Diffusion的Unet方式，在降維和升維的過程中做加噪和去噪。Sora提到的Diffusion Transformer（擴散型變換器）架構,，和之前的“小”視頻模型不同,，Sora是一個很大的視頻模型，估算起來可能和千億Dense語言模型需要的訓練量（算力）相當,。Sora可以生成長達60秒語義豐富的視頻，這說明訓練的序列也比較長,，訓練時的窗口至少也得有5s+,。貝殼財經(jīng)：Sora如何反映了大模型發(fā)展水平的差異？張鵬：Sora的出現(xiàn)更鮮明地體現(xiàn)了OpenAI在技術方面的領先,，它把這種領先具象化了,。這里面有很多原因，總體上看,，Open AI對大模型技術路線的認知更早,、更透徹，目光更長遠,，足夠堅持探索AGI（人工通用智能）機理,。在人才方面，其團隊足夠強,，都是世界比較頂級的人才聚集,，有共同的理想和愿景。此外,，專利,、資金、數(shù)據(jù)等各資源能夠集中發(fā)揮作用,。貝殼財經(jīng)：追趕或者實現(xiàn)Sora的技術有時間表嗎,？張鵬：不好判斷，文生視頻技術有許多團隊都在研究,，關鍵是需要點對點針對性解決問題,。此外，模型規(guī)模變大,，數(shù)據(jù)量增加,，數(shù)據(jù)的標注、清洗,、選擇,、合成都有待探索，所以很難有準確時間預估,。談落地需要承認差距,，完美的產(chǎn)品靠打磨貝殼財經(jīng)：智譜已經(jīng)在大語言模型上有諸多成果，比如智譜清言去年上線公測,，目前使用效果如何,？張鵬：智譜清言是C端產(chǎn)品,，產(chǎn)品本身根植在模型之上，它的版本迭代和效果提升,，絕大部分來自于模型本身的迭代,，從去年到今年更迭了3個版本，效果提升了許多,。智譜清言產(chǎn)品本身也做了非常多的優(yōu)化,，早期具備簡單聊天功能，現(xiàn)在已經(jīng)是比較全面的AI效率工具,，無論是工作學習和日常生活都可以用AI賦能,。貝殼財經(jīng)：1月16日，智譜AI發(fā)布了基座大模型GLM-4,，從標準大模型評測角度看,，其性能整體上已經(jīng)逼近GPT-4。不過,，如何看待有些評測的效果并不是很驚艷,？張鵬：從主流、標準的大模型測評角度看,，我們在1月的智譜AI技術開放日上已經(jīng)公布了完整的 benchmark（基準）測評結果,，GLM-4性能整體比肩GPT-4，在一些測評中還有所反超,，比如在基于AlignBench的測評中,，GLM-4的中文對齊能力優(yōu)于GPT-4。當然,，我們留意到了在某些案例中,，智譜清言的效果不盡如人意，我們的產(chǎn)品團隊正在持續(xù)優(yōu)化,，努力為所有用戶提供優(yōu)秀體驗,。完美的產(chǎn)品是靠打磨出來的，大模型是個新生事物,，在發(fā)展過程中肯定會出現(xiàn)各種問題,，在某一方面存在差距非常正常，我們正視差距,，努力做到超越大家的預期,。貝殼財經(jīng)：你曾表示希望2024年讓大模型真正落地，大模型如何從實驗室到商業(yè)化,？張鵬：2021年就提出商業(yè)化落地,，目前商業(yè)化效果還可以，現(xiàn)在已經(jīng)有2000多家合作伙伴，其中有1000多家實現(xiàn)了規(guī)?；涞?，有200多家深度共創(chuàng)的用戶。商業(yè)化當然還有很大的空間,。另外,，我們也在思考大模型商業(yè)化落地的邏輯和范式是什么？市場上可能有各種各樣的聲音,，是做通用技術模型還是做行業(yè)垂直模型,，是以標準化產(chǎn)品的方式做平臺，還是定制化開發(fā)應用落地,，大家都有很多的討論,。貝殼財經(jīng)：大家用智譜大模型,，更看重產(chǎn)品的性價比,？張鵬：我覺得我們給大家的價值應該是技術本身的優(yōu)勢，重要的是把技術做到最好,，技術決定模型能力的好與壞,。我們努力給客戶提供有競爭力的價格方案。貝殼財經(jīng)：對標OpenAI的過程中,，智譜AI有什么轉變嗎,？張鵬：我們起步比OpenAI晚，人家做得比我們好,，需要承認差距,，但是我們的目標一致，那就是AGI?，F(xiàn)在OpenAI還是處于領先地位,，有非常多值得我們學習的地方。談布局讓機器像人一樣思考,，通用人工智能不是單項能力突破貝殼財經(jīng)：智譜在文生視頻方面有無布局,，下一步有何計劃？張鵬：團隊從2021年開始布局文生圖和文生視頻,。其中,，根據(jù)CogView（模型名），我們研發(fā)了基于大模型的文本到視頻生成模型CogVideo,，采用了多幀率分層訓練策略,，生成高質(zhì)量的視頻片段，提出一種基于遞歸插值的方法,，逐步生成與每個子描述相對應的視頻片段,，并將這些視頻片段逐層插值得到最終的視頻片段。這個工作引起了臉書、谷歌,、微軟的廣泛關注,。實現(xiàn)全系列產(chǎn)品矩陣對標Open AI，是我們大模型系列產(chǎn)品布局的一貫目標,，多模態(tài)模型在其中扮演著重要角色,，也始終是我們的研究重點。未來智譜AI也會第一時間向大家公布我們在多模態(tài)方面的最新成果,。貝殼財經(jīng)：除了文生圖,、文生視頻外，智譜是否有其他計劃,？張鵬：首先創(chuàng)業(yè)團隊做事要聚焦,，我們布局文生圖、文生視頻,，最終還是要收攏,，并不是去做一堆的模型，更要看重技術之間解決了哪些核心問題,，是否具有一致性,。我們的愿景是“讓機器像人一樣思考”。最后要解決通用人工智能認知問題,。文生圖,、文生視頻就是把人的認知能力拆解，一項一項解決,，最終才能把這些事情統(tǒng)合起來解決,。真正的通用人工智能不是單項能力的突破，而是追求本質(zhì)上的認知能力突破,。一旦讓機器具備這種認知能力,，就有可能突破人腦上限。新京報貝殼財經(jīng)記者 陳維城 編輯 王進雨 校對 楊許麗