每經(jīng)記者 可楊    每經(jīng)編輯 張海妮    

結(jié)束圓桌對談后，人墻迅速圍攏，以月之暗面CEO楊植麟為核心，把會場前排的空白處填補得嚴嚴實實，人們舉著手機，寄望于伸出的胳膊能碰巧掃到楊植麟的微信。楊植麟至少被現(xiàn)場參會人員簇擁圍堵了三次，才在工作人員的協(xié)助下成功離開會場。

2024年6月14日至15日，備受矚目的AI領(lǐng)域盛會“2024北京智源大會”在中關(guān)村展示中心盛大召開?！睹咳战?jīng)濟新聞》記者現(xiàn)場注意到，這場被譽為“AI界春晚”的大會，在近年來大模型浪潮的推動下，呈現(xiàn)出愈發(fā)濃厚的氛圍，國產(chǎn)大模型明星公司也成為參會者關(guān)注的焦點。

不同于上屆以國外技術(shù)人員、從業(yè)者為主，圍繞技術(shù)探索展開的大會，今年百度、月之暗面、智譜AI、零一萬物、面壁智能等國產(chǎn)大模型公司成為論壇主角。與此同時，隨著大模型從技術(shù)競速逐步邁向落地應用，一些新的變化正在發(fā)生。

在今年的“AI界春晚”上，百度、月之暗面、智譜AI、零一萬物、面壁智能等國產(chǎn)大模型公司成為論壇主角。圖為2024北京智源大會現(xiàn)場。 主辦方供圖

新主角：國產(chǎn)大模型站在舞臺中央

在今年的“AI界春晚”上，國產(chǎn)大模型企業(yè)成為主角。

“進入到2023年，大模型從研究機構(gòu)的科研成果開始向產(chǎn)業(yè)界逐步發(fā)展，我們也看到，百花齊放，有越來越多的大模型在過去的這一年發(fā)布。”智源研究院院長王仲遠在發(fā)言中提到。

王仲遠認為，以2023年為界，人工智能基本上可以分為兩個大的階段：2023年之前都屬于弱人工智能時代，即人工智能的模型是針對特定的場景、特定的任務，需要去收集特定的數(shù)據(jù)，訓練特定的模型。比如說，戰(zhàn)勝人類世界圍棋冠軍的AlphaGO在圍棋上表現(xiàn)得非常好，但是卻無法用來直接解決醫(yī)療問題，雖然方法可以借鑒，但是針對不同的場景任務需要重新進行數(shù)據(jù)和模型的收集和訓練。進入2023年，隨著大模型的發(fā)展，人工智能逐步進入通用人工智能時代，而通用人工智能最大的特點就是它的規(guī)模非常大，模型具備涌現(xiàn)性，能夠跨領(lǐng)域通用。

2023年和2024年的北京智源大會，如同兩個對比鮮明的畫面，尤其是在大模型技術(shù)的發(fā)展和應用上，兩屆大會的嘉賓構(gòu)成和議題變化，成為大模型時代飛速發(fā)展的注腳。

2024年的智源大會，嘉賓陣容發(fā)生了顯著的變化。更引人矚目的是國內(nèi)大模型公司，如百度、月之暗面、零一萬物、智譜AI、面壁智能等大模型明星公司的CEO（首席執(zhí)行官）與CTO（首席技術(shù)官），以及來自國內(nèi)頂尖院校和研究機構(gòu)的代表。此次會議更加聚焦于人工智能關(guān)鍵技術(shù)路徑和應用場景，從理論探討向?qū)嶋H應用邁進了一大步。

在2023年的大會上，ChatGPT剛剛推出半年，國內(nèi)大模型啟動跟進，“百模大戰(zhàn)”剛剛迎來開端。彼時，大會的主角是來自全球的頂尖學者和科技巨擘，國內(nèi)則更多以學界為主。在彼時的主論壇環(huán)節(jié)，兩組對談嘉賓分別是：Meta首席AI科學家、紐約大學教授楊立昆與清華大學計算機系教授朱軍；未來生命研究所創(chuàng)始人Max Tegmark與清華大學智能產(chǎn)業(yè)研究院（AIR）院長張亞勤，對談內(nèi)容圍繞AI技術(shù)層面的探索展開。

如今，變化已經(jīng)非常明顯。“百模大戰(zhàn)”愈演愈烈，折射出國內(nèi)大模型市場的快速崛起和自主創(chuàng)新能力的顯著提升。

隨著大模型由科研走向產(chǎn)業(yè)，人們對AGI（人工通用智能）有了更多想象。王仲遠也提到，當多模態(tài)大模型能夠理解和感知、決策這個世界的時候，它就有可能進入到物理世界。如果進入到宏觀世界跟硬件結(jié)合，這就是具身大模型的發(fā)展方向。如果它進入到了微觀世界，去理解和生成生命分子，那么這就是AI For Science。無論是具身模型還是AI For Science，抑或是多模型模態(tài)，都會促進整個世界模型的發(fā)展，最終推動人工智能技術(shù)向AGI方向發(fā)展。

一個共識：落地！落地！落地！

盡管面臨挑戰(zhàn)，但技術(shù)的普及與落地已經(jīng)顯著加速，預示著人工智能正邁向一個全新的發(fā)展階段。一個重要的共識是，在將AGI的理想帶入現(xiàn)實世界的路上，落地應用是重要的必答題。

“零一萬物堅決做to C（面向個人），不做‘賠錢的to B（面向企業(yè)）’，找到能賺錢的to B，我們就做，不賺錢就不做。”李開復表示。

對于大模型的落地應用，李開復認為，在中國to C短期更有機會，國外兩者都有機會。在to C端，大模型就如同互聯(lián)網(wǎng)時代或PC時代的新技術(shù)、新平臺，將會帶來新應用，這是巨大的機會。他判斷，AI時代，第一個階段突圍的應該是生產(chǎn)力工具；第二個階段可能會是娛樂、音樂、游戲；第三個階段可能會是搜索；再下一個階段可能會是電商；然后可能會有社交、短視頻、O2O（線上到線下），這是不變的定律。

張亞勤則認為，再分層來看，目前真正賺錢的是to B，是在硬件、在芯片、在基礎設施層，這個是目前已經(jīng)發(fā)生的，但是從應用來講，是先to C再to B。對于當前的AI分層，張亞勤將其劃分為信息智能、物理智能（也稱為具身智能）以及生物智能。在具身智能階段，面向企業(yè)的應用可能會發(fā)展得更為迅速。而到生物智能階段，情況可能恰好相反，面向個人的應用會超過面向企業(yè)的應用。各個領(lǐng)域的情況可能不盡相同，但總體來看，面向企業(yè)和面向個人的應用，包括開源模型、商業(yè)閉源模型、基礎大模型、垂直行業(yè)大模型以及邊緣模型，都會存在。

而對于B端的落地應用，李開復認為，to B是大模型帶來的更大的價值，而且應該更快實現(xiàn)，但是可惜的是在to B這個領(lǐng)域面臨幾個巨大的挑戰(zhàn)。

一方面部分大公司、傳統(tǒng)公司看不懂大模型技術(shù)，不敢進行顛覆式應用。與此同時，對企業(yè)來說這一年（大模型）帶來的最大的價值是降本，而不是創(chuàng)造價值。而降本說實在的就是取代人類的工作，大公司會有很多高管或者中層管理人員不愿意做這個事情，因為做了這個，可能團隊就要被砍掉了，他在公司的資本就沒有了，他的權(quán)力就變小了，甚至他自己的工作都沒有了。所以大公司有時CEO是很想做，但是下面會有阻力，這些理由造成to B理論上應該馬上可以落地的，但實際上沒有那么快。

另一個在中國比較嚴重的問題是，很多大公司沒有認識到軟件的價值，不愿意為軟件付費，而且有這么多大模型公司來競標，結(jié)果價格越競越低，做到最后是做一單賠一單，都沒有利潤。“我們在AI1.0時代看到這個現(xiàn)象，現(xiàn)在很不幸在AI2.0時代（它）又重現(xiàn)了。”李開復感嘆道。

百度CTO王海峰的觀點是，在人類歷史上，每次工業(yè)革命的核心技術(shù)，不論是機械、電氣還是信息技術(shù)，均具備一些共同特性：首先，核心技術(shù)具有強烈的通用性，能夠廣泛應用于各個領(lǐng)域。其次，當這些技術(shù)具備了標準化、模塊化和自動化的工業(yè)大生產(chǎn)特征時，這些技術(shù)就會進入到工業(yè)大生產(chǎn)階段，從而更快地改變?nèi)藗兊纳a(chǎn)生活方式，并為人們帶來巨大的價值。當前，人工智能基于深度學習和大模型工程平臺已經(jīng)具備了極強的通用性，以及良好的標準化、自動化和模塊化特性。因此，王海峰認為，深度學習和大模型工程平臺的結(jié)合，正在推動人工智能步入工業(yè)大生產(chǎn)階段，從而加速通用人工智能的來臨。

一個分歧：是否仍堅信Scaling Law

圍繞“Scaling Law”（規(guī)模定律）的討論開始出現(xiàn)分歧，對于Scaling Law會否失效、何時失效，明星大模型公司的掌舵者們，也給出了不同的判斷。

楊植麟依舊是堅定的Scaling Law信仰派。“Scaling Law沒有本質(zhì)的問題，而且接下來3~4個數(shù)量級，我覺得是非常確定的事情。這里面更重要的問題是你怎么能夠很高效地去scale（擴展）？”

楊植麟指出，如今僅僅像現(xiàn)在這樣，依賴一些web text（網(wǎng)頁文本）進行scale，未必是正確的方向。因為在這個過程中可能會面臨諸多挑戰(zhàn)，如推理能力等問題，未必能夠得到有效解決。因此關(guān)鍵在于如何界定Scaling Law以及其實質(zhì)是什么。如果僅按照現(xiàn)有方法，進行next token prediction（下一標記預測），然后在此基礎上擴展多個數(shù)量級，用當前的數(shù)據(jù)分布，其上限是顯而易見的。

然而，Scaling Law本身并不受此限制，其核心是，只要具備更多的算力和數(shù)據(jù)模型，擴大參數(shù)規(guī)模，就能持續(xù)產(chǎn)生更多的智能。但在此過程中，它并沒有定義模型的具體形態(tài)，例如模型的模態(tài)數(shù)量、數(shù)據(jù)的特性和來源等。因此，楊植麟認為Scaling law是一種會持續(xù)演進的第一性原理（first principle）。只是在這一過程中，scale的方法可能發(fā)生很大變化。

百川智能CEO王小川則認為，Scaling Law到目前沒有看到邊界，依舊在持續(xù)地發(fā)揮作用，“我們看到美國埃隆·馬斯克號稱要買30萬片B100、B200來做”。

在他看來，我們需要在Scaling Law之外，去尋找范式上新的轉(zhuǎn)化，而在Scaling Law上，很明確，就是在美國后面跟進。從戰(zhàn)略上看，在Scaling Law之外都還存在范式的變化，走出這樣的體系，才有機會走向AGI，才有機會跟最前沿的技術(shù)較量。

智譜AI公司CEO張鵬與面壁智能CEO李大海，則持相對謹慎樂觀的態(tài)度。張鵬認為，包括Scaling Law在內(nèi)，目前為止人類認識到的所有的規(guī)律都有可能被推翻，只是看它的有效期是多長。但目前為止還沒有看到Scaling Law會失效的預兆，未來的相當一段時間之內(nèi)它仍然會有效。“隨著大家對規(guī)律的認知越來越深，規(guī)律的本質(zhì)越來越（被）揭示，掌握本質(zhì)就能掌握通往未來的鑰匙。基于現(xiàn)在大家對本質(zhì)認識的深淺，至少在我們看來，（Scaling Law）仍然還會起效，會是未來我們主力想要推進的方向”。張鵬說。

李大海同樣表示，Scaling Law是一個經(jīng)驗公式，是行業(yè)對大模型這樣一個復雜系統(tǒng)觀察以后的經(jīng)驗總結(jié)，隨著訓練過程中實驗越來越多、認知越來越清晰，會有更細顆粒度的認知。比如模型訓練中的訓練方法本身對于Scaling Law、對于智能的影響是比較顯著的。在將模型參數(shù)控制在一定規(guī)模后，這種顯著影響變得尤為重要，在確保終端芯片能夠支持該規(guī)模模型的同時，實現(xiàn)優(yōu)質(zhì)智能，數(shù)據(jù)質(zhì)量和訓練方法等因素亦至關(guān)重要。

毫無疑問的是，Scaling Law在當前階段仍然是驅(qū)動大模型發(fā)展的重要理論基礎，但其在未來的應用和擴展方式可能會面臨更多挑戰(zhàn)和變化。隨著技術(shù)的進步和對規(guī)律本質(zhì)認識的深化，行業(yè)也可能需要進一步優(yōu)化模型訓練方法，才能應對智能推理等更高級別的挑戰(zhàn)。

封面圖片來源：主辦方供圖