“一年前，大部分的企業都沒有和大語言模型打過交道。”戴爾集團的首席技術官John Roese近期接受第一財經采訪時表示，只有極少數的公司是例外。
現在大模型的進展極快，不少公司都在擁抱它，尋找生成式AI的突破口。John Roese認為明年會是生成式AI真正轉變到來的時候。與此同時，那些準備在其業務中落地生成式AI的公司會發現，這項技術既可能用于財務、也可能用于售后，還可能用于編程等。每一項應用都需要配置相當多的資金和人力，不明智的選擇會帶來大量的資源浪費和時間成本，同時“會被競爭對手甩到后面，這是很有風險的事情。”
OpenAI是人工智能曠野里醒目的坐標，是其他企業模仿和追逐的對象，以至于業內認為現在的大模型都太雷同了。到了2024年，應用端的突破也許比大模型本身更值得期待。
大模型“太雷同”
OpenAI打響了人工智能階段性突圍的一槍。
這之后，美國、中國等地的科技公司的恐懼和熱情都被激發出來了。恐懼來自于被時代拋棄的風險，熱情則來自于科技企業內嵌的、對創新的追求。
美國參與大模型角逐的公司包括了科技巨頭如谷歌、Meta等，初創企業則有OpenAI、Anthropic等；中國則有百度、阿里等頭部科技企業，智譜、百川智能等初創公司。最熱鬧的時候，中國企業就發布了近百個大模型。
但在不少業內人士看來，國內外的大模型企業在做類似的工作。
“技術上面沒有本質的區別，側重點不一樣，像Llama就是做一個通用的技術模型開源出去。GPT本身是閉源的，主要是做ChatGPT對話能力。我們在對齊方面要做得很好，上下文長度可以做得很長，每個（大模型）既有雷同的地方又有自己的特色。”螞蟻集團副總裁徐鵬此前接受第一財經采訪時表示。
現在行業里面最大的問題其實就是“太雷同了”，小冰公司CEO李笛同樣表示，目前各家公司都沿著同一條路徑往前走，缺乏多樣性，這與創新精神違背。“我們有的時候認為創新是追趕，其實創新不是追趕，而是有自己新的方法，去實現自己的優勢。”
大模型之間的相似性也不難理解。
ChatGPT的驟然出現，令許多企業措手不及。他們的首先目標是觀察和了解，OpenAI是如何通過一個創業的團隊，做到令人吃驚的智能水平。它是人工智能荒野里的醒目坐標，其他企業現在能做的是，先追上這個目標。
“中國還處于追趕的階段，很多東西在這個方面投入比較大，比如說百度、騰訊、阿里等等都是先做到跟GPT類似的水平。”徐鵬說，“但是我相信在這之后可以有很多創新的點，可以做到不一樣的東西，只是現在這個階段還是處在追齊GPT能力的階段。”
重復造輪子的游戲不會一直持續下去，因為所需的原材料實在是太多，也太貴了，而且并非每個國家都能得到，并非每個企業都能支付高昂的價格。
“大模型它太貴了，恰恰因為它太貴了，所以我覺得這件事情很快會走到一個好的路上，因為你不太可能燒很久。現在大模型是一個2萬張卡的游戲，而且這還不一定能看到結果。所以，我相信很快就會有變化。”李笛對記者說。
現在大模型的運算，嚴重依賴英偉達的GPU，以至于后者的價格已經被炒高數倍。對于中國的大模型企業，更難的一點在于，美國實施的出口禁令，已經令英偉達的高性能芯片無法持續為中企所用。
李笛佩服的一家企業是任天堂，這家企業更善于充分利用現有技術。
任天堂、微軟和索尼是主機游戲的三大廠商。三家企業都有自己的主打硬件產品，以及為數眾多的游戲產品。任天堂的主打硬件平臺為Nintedo，微軟是Xbox，而索尼則是Playstation。
“跟微軟和索尼比起來，任天堂不是堆最先進的硬件，而是榨干成熟技術最后一點能力。這個很重要的，大模型也不能解決所有的事情，它離解決所有的事情還很遠，所以還是要靠整個系統不停幫它彌補。”李笛表示。
“做正確的選擇”
“現在很多吃大模型這碗飯的時候，大家做的都是偏雷同的”，在徐鵬看來，還是要從應用入手，說不定更容易走出新路，“應用是可以做出來非常多不一樣東西的”。
這部分的原因在于開源社區的發展。
在國外有開源模型LIama和Llama2等，國內也有阿里云的魔搭開源社區等。開源模型的存在，給應用企業帶來了創新上的便利，而不用從頭開始以大量的財力去訓練基礎的模型。
“如果大家都把力量放在大模型應用的創新上面，我覺得會讓我們看到大模型在什么地方，還有做得不到位的地方，還有很大的提升的空間，反過來促進大模型技術的發展。”徐鵬表示，“我覺得應該讓應用的生態更加繁榮，這樣才能推動模型的發展。現在至少看起來應用生態方面還不夠繁榮，應用的場景還沒有那么豐富。”
John Roese在最近一場溝通會上表示，2024年的時候，生成式AI將從2023年的純理論的探討階段進入到業務應用階段。美國的Google、OpenAI以及國內的阿里巴巴、百度等都陸續推出了生成式AI的技術，但是還沒有多少客戶把它系統性地投入到實用中，而更多還是在理論探討的階段。
“今年有一些走得比較靠前的企業，開始對生成式AI做了各種各樣的實驗，在想清楚他們要怎樣去用，到2024年我們會看到真正轉變的到來”， John Roese說，現在大家已經越來越懂得如何讓這些生成式AI進入生產當中，從理論階段進入到業務應用階段。
對于生成式AI，眾多科技企業都列出了長長的愿望清單，比如利用AI改變做財務的方式、人力資源管理的方式、雇傭人員的方式，編寫代碼的方式以及銷售的模式。“戴爾科技集團就找到了380個項目能夠用上生成式AI的。”John Roese對記者說。
但John Roese提醒，“現實是當我們即將步入2024年的時候，要去實施生成式AI的時候會很快地認識到，生成式AI的項目都非常大，需要占用大量的人力物力財力。”這樣的話，當一家企業面臨上百項，甚至是上千項選擇的時候，有限的資源投入哪些項目就是艱難的選擇。企業要根據生成式AI有多少人來用，多少人有訪問權來決定投入的大小。是不是只有高管用，還是銷售人員、技術人員用，還是所有的客戶都能訪問？這沒有標準的答案。
“每一個企業的資源有限，只能做其中的幾個，比如說選其中的3到4個來實施，所以明年CIO和企業的領導者必須做一個決定，在他們選出來的比如500個項目中有哪幾個要優先實施。一旦優先的項目選對了，對業務產生正向的影響當然是好事；如果選錯了，會出現大量的資源的浪費。有些項目上投了生成式AI但又沒有產生效果，就會被競爭對手甩到后面，這是很有風險的事情。”John Roese認為，“明年我們要劃分輕重緩急，就是在所有可以用生成式AI的用例當中哪幾個是優先事項，做正確的選擇。”
爆款不可求
企業把人工智能部署到內部的時候，初始階段面臨的是難以估測的運營成本。
“明年隨著企業開始使用這些科技，我們將會發現從訓練成本到運營成本的轉變。”
John Roese介紹了一個戴爾的例子來說明這個問題。戴爾正在建立一個內部系統的實驗模型，其中一個項目的訓練需要花費3個月左右的時間、用到至少20個服務器，以進行系統調優和優化。在測試階段，整體運營成本是未知的，因為在系統的部署階段，任何戴爾員工都可以向系統提問任何關于產品和技術知識的問題，而系統都會提供簡練、充分的回答。但是戴爾的測試顯示：即便只將該系統開放給應用技術領域的大約6000員工，系統每月將會產生巨大的5000萬左右的用戶互動量。他因此認為，在2024年，企業可能需要停止將成本投入放在建立模型或培訓模型上，而是應該開始考慮在企業中“運營”一個大模型的成本。
“我們在2024年將有可能看到許多針對該話題經濟層面的討論。”John Roese表示，
“明年我們需要很好地審視一下，如果非常有用的話，即使成本非常高，我們也愿意做。”
AI技術能否落地，對于使用者來說，關鍵是其投入產出比是否合適。
“還是要看一項應用的最終商業效果，拿很大的算力陪別人聊天，掙不到錢的話，沒有辦法回本，算力再多也不合理。”李笛表示。
目前為止在全球范圍內缺乏成功的AI TO C的產品，也缺乏成功的TO B的產品。好的一面是，企業都有機會發現好的面向C端的AI產品，一個AI作為驅動力的2B的產品也在等待著被發現。
創新的魅力也在于其不可預測性。
明年出現生成式AI爆款應用，是可遇不可求的事情。從過往經驗來看，一些應用短期沖上熱榜，獲得大量關注的可能性不小，但能夠持續成長的產品則非常之少。
“我對于應用的發展持著‘潤物細無聲’的觀念，真正好的東西一定會出現，但是可能不會突然之間成為爆款。它在擅長的領域里一直在發展，一直帶來一些改變，這些改變積累到一定程度之后會成為所謂的爆款。”徐鵬說。
技術變革到來的時候，站在最前沿的人常常看不到全貌。CTO們喜歡說，人們常常高估技術的短期收益，而低估其長期影響。人工智能同樣如此。
“這樣一個大潮起來的時候，我們希望看清它到底帶來的東西是什么，它的能力邊界到底在什么地方，而不是盲目做太多不切實際的幻想。但是，又不能離開這個幻想，因為只有幻想才有動力，才有更多的人愿意去做一些看上去不靠譜的事情，”徐鵬認為，應該有一定的機制支持長期投入，然后找到AI的核心應用場景，找到它真正能夠帶來變化的東西。
技術的發展不是一飛沖天。人工智能發展史上，也經歷過數次起落。這一輪生成式AI的發展恐怕也將如此，它會在某一個時間段出現停頓，然后“突然不知道誰又解決行業里的難題，大家又一起繼續前進。”李笛表示。
